مدیریت ریسک مشتریان بانک ها با استفاده از ترکیب طبقه بندی کننده ها

در صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار داشته باشد، مبحث مدیریت ریسک می باشد. در بین ریسکهای مختلفی که بانکها با آن مواجه هستند، ریسک اعتباری از با اهمیت ترین آنهاست که از زیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل می گردد. برای کنترل و مدیریت این ریسک اعتباری، تکنیکهای دسته بندی مشتریان ضرورتی انکارناپذیر هست. در چنین تکنیکهایی، سوابق و اطلاعات مشتریان، طبقه آنها را مشخص می کند. به عبارت دیگر بهره گیری از چنین تکنیک هایی بانک را در کاهش ریسک اعتباری و گزینش مطلوب مشتریان یاری نموده و باعث میشود سطح بهره وری اعطای تسهیلات افزایش یابد. از جمله روش هایی که برای دسته بندی مشتریان وجود دارد روش داده کاوی است که با اعتبارسنجی و دسته بندی مشتریان، در کاهش ریسک اعتباری به بانکها کمک می کند. انواع روش های مختلف داده کاوی وجود دارد که هر کدام مزایا و معایب خود را دارند. در مقاله حاضر مدلی از ترکیب سه مدل شبکه پرسپترون، درخت تصمیم و ماشین بردار پشتیبان به منظور پیش بینی عملکرد مالی مشتریان بانکها ارائه گردیده است. در واقع در این مقاله ترکیبی از سه مدل جهت طبقه بندی مشتریان تسهیلات اعتباری بانکی به منظور کاهش ریسک اعتباری بکار گرفته شده است. نتایج حاکی از افزایش دقت دسته بندی مشتریان بانک است و نشان میدهد که مدل ترکیبی پیشنهادی در مقایسه با تک تک مدلها دارای دقت بیشتری است.