رتبه‌بندي اعتباري مشتريان بانك با استفاده از شبكه عصبي

امروزه رتبه‌بندي اعتباري مشتريان و امتيازدهي به اعتبار آن‌ها به‌عنوان يكي از موضوعات اساسي مخصوصاً براي بانك‌ها، شركت‌هاي بيمه، مؤسسات مالي و اعتباري مطرح مي‌باشد و در اين حوزه، مطالعات بسياري به‌منظور ساختن مدل‌هاي امتيازدهي اعتباري از طريق هوش مصنوعي و شبكه‌هاي عصبي مصنوعي صورت گرفته است. اما همان‌طور كه مي‌دانيم اين روش‌ها صد درصد قابل‌اطمينان نيستند و داراي خطا در محاسبات خود مي‌باشند. ازآنجايي‌كه كاهش نرخ خطا به‌منظور دست‌يابي به بهترين نتيجه ممكن و ساخت بهترين مدل از اهميت بالايي برخوردار مي‌باشد، الگوريتمي جديد براي كاهش خطاي شبكه‌هاي عصبي مصنوعي در اين تحقيق پيشنهاد مي‌گردد. در داده هاي مورداستفاده ما، مشتريان به دودسته خوش‌حساب و بدحساب تقسيم‌شده‌اند و ما در ابتدا به شناسايي متغيرهاي تأثيرگذار بر رفتار اعتباري آن‌ها پرداخته‌ايم. سپس داده‌هاي متناظر به دو مجموعه آموزشي و تست مورد آزمون قرار گرفته و درنهايت مدل شبكه عصبي براي ساخت بهترين مدل امتيازدهي اعتباري به كار گرفته‌شده است. با استفاده از اين الگوريتم، خروجي‌هاي حاصل از شبكه عصبي در دو گروه مختلف تقسيم‌بندي مي‌شوند و بر اساس نتايج به‌دست‌آمده، اين الگوريتم، قابليت كاهش دادن خطاي حاصل از بهترين مدل ساخته‌شده از شبكه عصبي را به ميزان 6 /4%درصد دارا مي‌باشد .