غلامرضا بیاتی - دانشگاه آزاد اسلامی واحد تهران مرکزی دانشکده مدیریت
فرهاد حسین زاده لطفی - استاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات

عدم بازپرداخت به موقع وامهای اعطایی یکی از مهمترین چالشهای اعطای تسهیلات در نظام بانکی کشور میباشدکه منجر به مطالبات معوق، سررسید گذشته و مشکوک الوصول میشود. یکی از راهکارهای مناسب جهت مقابله با این چالش، تفکیکمشتریان خوش حساب از بدحساب پیش از اعطای وام میباشد .سنجش ریسک اعتباری مشتریان پیش از اعطای وام میتواند به عنوان راهکاری جهت کاهش ریسک اعتباری در نظر گرفته شود. هدف پژوهش حاضر ارایه مدلی است که با استفاده از قضاوتخبرگان، ویژگیهای اثرگذار مشتری در سنجش ریسک اعتباری را انتخاب کند و با استفاده از به کارگیری تحلیل پوششی دادهها در تحلیل ممیز، مشتریان خوش حساب را از بدحساب تفکیک نماید. مدل ارایه شده با یک مجموعه داده از مشتریان بانک با درنظر گرفتن 20 ویژگی از 500 وام گیرنده مورد آزمایش قرار گرفت. با استفاده از روش دلفی 8 ویژگی موثر مشتریان در پیشبینی ریسک اعتباری، شناسایی شده سپس بر مبنای تعداد اقساط معوق، مشتریان به دو دسته خوش حساب و بدحساب دسته بندی و به ترتیب در دو گروهG1 و 2 G قرار گرفتند. در ادامه با قرار دادن داده ها در مدل DA وزن های و d مر بوط به ابرصفحه های جداکننده دو گروه به دست آمد. بر اساس این وزن ها می توان تعیین کرد که داده های جدید در کدام گروه قرار خواهند گرفت. با توجه به دقت بالای پیش بینی مدل در دسته بندی مشتریان به دو گروه خوش حساب و بدحساب پیش از اعطای وام، میتوان از این مدل به عنوان یک سیستم تصمیم یار برای کمک به مسئولین تسهیلات بانکهااستفاده نمود .به این ترتیب نه تنها از پرداخت وام به مشتریان بدحساب جلوگیری میشود بلکه میتوان تمهیداتی را( از جمله گرفتن وثیقه کافی) جهت اعطای وام به مشتریان خوش حساب و یا بدحساب در نظر گرفت. بنابراین علاوه بر برداشتن گامی عملی برای کاستن حجم مطالبات بانک ها میتوان سطح رضایتمندی مشتریان خوش حساب را نیز افزایش داد

تحلیل پوششی داده ها، تحلیل ممیز، طبقه بندی مشتریان اعتباری بانک