رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک‌ها

مهندسی مالی و مدیریت اوراق بهادار

مقاله 8، دوره 4، شماره 17، دی 1392، صفحه 133-158   

نویسندگان

احمد پویان فر¹؛ سعید فلاح پور¹؛ محمدرضا عزیزی²

¹دکترای مدیریت مالی دانشگاه تهران، ایران

²کارشناسی ارشدمهندسی صنایع- گرایش مالی، دانشگاه علوم اقتصادی

چکیده

یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری صورت گرفته است. هدف اصلی این پژوهش بکار گیری روش حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک (Ga-LSSVM) در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری می¬باشد. بدین منظور از مجموعه داده¬های بانک آلمان در پایگاه داده یادگیری ماشین UCI جهت نمایش اثربخشی و دقت طبقه بندی کننده Ga-LSSVM استفاده شده است. نتایج مدل ارائه شده با مدل آماری لاجیت و رویکردهای بهینه سازی پارامترهای ماشین بردار پشتیبان مقایسه شده است. یافته¬های پژوهش حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل Ga-LSSVM نسبت به مدل‌های بررسی شده از عملکرد مطلوبی برخوردار می¬باشد.

کلیدواژه‌ها

ریسک اعتباری؛ حداقل مربعات ماشین بردار پشتیبان؛ الگوریتم ژنتیک؛ انتخاب ویژگی