خلاصه پایان نامه طراحی و تبیین مدل رتبه بندی اعتباری مشتریان با استفاده از شبکههای عصبی
چکیده
بازار اعتبارات مصرفی در ایران با تشکیل بانک های خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کردهاند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با دادههای آموزشی؛ آموزش داده شده و سپس با دادههای آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان میدهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکههای عصبی قابل پیش بینی است.
کلمات کلیدی
شبکه عصبی؛ رتبه بندی اعتباری؛ تسهیلات
مقدمه
علم تصمیم گیری همواره با انسان همراه بوده و با ظهور سازمانها، شرکتها و خاصه با تغییرات پرشتاب محیطی توسعه فراوان یافته است. بسیاری از محققان تلاش و همت خویش را در این حوزه متمرکز نمودهاند تا الگوهای مناسبتر و دقیقتری را برای بهبود نظامهای تصمیم گیری معرفی نموده و تصمیم گیران را با توفیق بیشتری مواجه سازند.[1]
در اعطای تسهیلات که یکی از عمدهترین فعالیتهای بانکها و موسسات اعتباری است برای تصمیم گیری صحیح، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، یعنی ریسک درجه اعتبار، کاهش یابد. یکی از روشهای کاهش این ریسک، طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است، و کانون این نظام، مدل رتبه بندی یا ارزیابی اعتباری است[2].
با استفاده از چنین مدلی، رتبه یا درجه اعتباری متقاضی مشخص شده و بر اساس آن راجع به اعطای تسهیلات یا عدم اعطا، تصمیم گیری می شود. در حال حاضر بهره برداری از سیستمهای هوشمند به منظور بهینه سازی و پیش بینی به عنوان یکی از ابزارهای پیشرفته در حوزههای مختلف علوم، کاربرد فراوان دارد. شبکههای عصبی به عنوان یک سیستم هوشمند در عرصههای مختلف مالی از جمله تصویب اعتبارات، کاربرد دارند.
در تصویب اعتبارات، ارزیابی اعتبار مشتریان یکی از موارد بسیار پیچیده در فعالیت های مالی به شمار میرود[3].
به نظر میرسد جستجو برای روابط عملی دیگر اهمیت خود را از دست داده است. آنچه اهمیت دارد این است که حرکت و رابطه مجموعهای از متغیرها را با مجموعهای دیگر دریابیم. برای اینکار مدل شبکه عصبی مصنوعی به مراتب از مغز فراتر میرود که در یک آن نمیتواند همه چیز را با هم ببینید[4].
ارزیابی اعتباری مشتریان میتواند توسط کارشناسان خبره و ارزیابها انجام پذیرد، لیکن این امر اغلب به علت کمبود وقت، هزینه بالا، کمبود تعداد افراد خبره و تعداد موارد ارزیابی، مقرون به صرفه نیست. با استفاده از فن آوری اطلاعات و ارتباطات که تحول عظیمی در سیستم بانکداری بوجود آورده و ضمن ایجاد فرصتهای نوین، چالشهای جدیدی را نیز با خود به ارمغان آورده است، میتوان مدلهای ارزیابی اعتباری را طراحی کرد که با استفاده از روشهای علمی به جای قضاوتهای ذهنی در زمان کم و با هزینه مناسب، حسابهای خوب (مشتریان خوش حساب) و حسابهای بد (مشتریان بد حساب) را از هم تفکیک کرد.
1-1 بیان مسأله
اعطای تسهیلات بانکی از لحاظ اقتصادی اهمیت زیادی دارد. زیرا با افزایش کمی سرمایه، باعث رشد و توسعه اقتصادی میشود[5]. اما در اعطای تسهیلات، بانکها با خطر بزرگی که به آن ریسک اعتباری میگویند مواجه هستند. این ریسک علت مواجهه بانکها با بحرانهای عمده مالی است. ریسک اعتباری را میتوان احتمال عدم بازپرداخت وام از طرف متقاضی در نظر گرفت[6]. که بایستی مدیریت گردد. برای مدیریت ریسک اعتباری از روشهای مختلفی میتوان استفاده کرد یکی از روشها طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است.
هدف از این تحقیق این است که در بازار اعتبارات با طراحی و استقرار سیستم اعتبار سنجی مشتریان، به دنبال شناسایی الگوهای رفتاری مشتریان و در نتیجه ایجاد امکان پیش بینی رفتار است. ارزیابی اعتبار مشتریان زمینه بسیار پیچیدهای در فعالیتها به حساب میآید. تعداد عوامل و پیچیدگی روابط مالی، اقتصادی و رفتاری، ارزیابی اعتبار را بسیار دشوار میسازد. از طرفی امر ارزیابی اغلب باید در محدوده زمانی کوتاهی صورت پذیرد زیرا طولانی شدن فرآیند ارزیابی موجب تاخیر در عملیات و در نهایت موجب افزایش هزینهها خواهد شد. از طرف دیگر عدم دقت احتمالی در ارزیابی میتواند به تصمیمات اشتباه و در نهایت زیانهای گزاف منجر گردد. محدودیت زمانی و ضرورت دقت در ارزیابی، پیچیدگی موضوع را دو چندان میکند[7].
سیستمهای رتبه بندی اعتباری را میتوان به سه دسته تقسیم کرد[8].
1 سیستم های قضاوتی
2 رتبه بندی بر مبنای تکنیک های آماری
3 سیستمهای هوشمند
سیستمهای قضاوتی بسیار کند و پرهزینه هستند. عموماً زمانی که تعداد تقاضاها بالا، و تعداد خبرگان کم میباشد این سیستمها کارآیی لازم را ندارند، در مورد روشهای آماری نیز هر یک از تکنیکهایش فرضهای خاص را میطلبند. بدیهی است با عدم وجود یا کمرنگ شدن پیش فرضها، دقت و صحت فزونیها مورد تردید قرار میگیرد. وقتی قوانین تصمیم گیری واضح و اطلاعات معتبر میباشند سیستمهای خبره کمک بزرگی به حل مسائل میکنند. اما اغلب موسسات اعطا کننده وام، شفاف نیست و اطلاعات اصلاً وجود نداشته و یا بخشی از اطلاعات صحیح نیست، در این حال شبکههای عصبی گزینه بسیار مناسبی هستند. در بازار اعتبارات ایران یکی از مشکلات اعطای تسهیلات، ضوابط اخذ وثیقه و یا آورده نقدی از طرف متقاضیان استفاده از اعتبارات و تسهیلات شبکه بانکی است. تجزیه و تحلیل اطلاعات نشان میدهد که درصد بیشتری از افراد مورد مطالعه، ضوابط اخذ وثیقه و انعطاف ناپذیر بودن معیارهای ارزیابی جهت جلوگیری از سوخت شدن اصل و سود تسهیلات را یکی از مشکلات دسترسی به تسهیلات و اعتبارات اعطایی سیستم بانکی،میدانند. همچنین درصد بالایی از پاسخ دهندگان، طولانی بودن زمان ارزیابیها را مشکل آفرین بیان نمودهاند[9].
با توجه به شرایط بازار اعتبارات و با در نظر گرفتن انواع سیستمهای رتبه بندی اعتباری و عملکرد مناسب شبکههای عصبی مساله اصلی این تحقیق طراحی مدلی با کمک شبکه عصبی است که با استفاده از آن بتوان با حداقل خطاها و در کمترین زمان ممکن نسبت به اعطای تسهیلات در بانک اقدام شود.
این مدل در صورتی میتواند از کارایی لازم برخوردار گردد که قادر باشد پاسخ مناسبی را برای سوالات تحقیق دهد.
1-2 سوالهای تحقیق
1 آیا با استفاده از مختصات مشتریان اعتباری میتوان مشتریان اعتباری بانک را رتبه بندی نمود؟
2 آیا با استفاده از شبکههای عصبی مصنوعی میتوان مشتریان اعتباری بانک را رتبه بندی نمود؟
1-3 اهمیت و ضرورت موضوع تحقیق
ضرورت سیستم رتبه بندی زمانی اهمیت لازمه را خواهد داشت که از معیار مناسبی[10] برای ارزیابی مشتریان قبل از اعطای تسهیلات برخوردار باشد، به گونهای که تسهیلات بانکی با استفاده از این سیستم به مشتریان مطلوب تخصیص یابد. از دیدگاه سیستم بانکداری[11] مشتری مطلوب به مشتریانی اطلاق میشود که ضمن هزینه نمودن تسهیلات دریافتی در بخشهای مختلف اقتصادی بتواند به موقع تسهیلات دریافتی را به سیستم بانکی بازگرداند. عدم بازپرداخت به موقع تسهیلات بیانگر آن است که دریافت کننده تسهیلات در بهره برداری از تسهیلات دریافتی از موفقیت چندانی برخوردار نبوده است[12].
به بیان ساده تر بازده حاصل از به کارگیری تسهیلات از سود بانکی آن کمتر بوده از این رو در موعد بازپرداخت با مشکلاتی مواجه بوده است. در این حالت بانک ناچار است در حد استقراض از منابع دیگر از جمله بانک مرکزی و با نرخی فراتر از نرخ سپرده گیری خود برای جبران کمبود نقدینگی باشد.
به بیان دیگر تطابق زمانی سررسید دارایی و بدهیها بازپرداخت تسهیلات با توجه به ترکیب زمانی منابع و برنامه ریزی در جهت اجرای سیاستهای پرداخت تسهیلات در مورد موسسات مالی مانند بانکها سبب کاهش ریسک و تسریع در تحقق اهداف پیشبینی شده خواهد شد. لذا با توجه به عصر فن آوری و وجود بانکهای پیشرفته وقت آن رسیده است که بانکها از سیستمهای پیشرفته جهت بهبود وضعیت اعطای تسهیلات و رتبه بندی اعتباری مشتریان خود استفاده نمایند[13].
اگر تخصیص اعتبار به صورت بهینه انجام گیرد احتمال بازپرداخت درست و به موقع افزایش یافته و امکان اعتباردهی نیز بیشتر میشود.
1-4 اهداف تحقیق
هر تحقیقی برای دستیابی به هدف و منظور خاصی صورت میپذیرد. اهداف این تحقیق را میتوان به شرح زیر بیان نمود.
1شناسایی مختصات اساسی مشتریان که در تعیین رتبه بندی آنها موثر است.
2 طراحی مدلی برای ارزیابی رتبه بندی مشتریان با استفاده از شبکه عصبی مصنوعی
3 کاهش ریسک اعتباری در بانک و به تبع آن استفاده مطلوب از منابع و تسهیلات بانکی
1-5 فرضیات تحقیق
طراحی مدلی برای رتبهبندی اعتباری مشتریان به عنوان هدف اصلی پژوهش قلمداد میشود. از این رو فرضیات تحقیق نیز در این راستا و با توجه به سوالات تحقیق به صورت زیر تدوین گردید.
فرضیه اول: با استفاده از مختصات مشتریان اعتباری (شغل، درآمد،...) میتوان مشتریان اعتباری بانک را رتبه بندی نمود.
فرضیات فرعی :
1-بین میزان وثیقه متقاضی تسهیلات و رتبه بندی اعتباری ( مشتریان خوش حساب ، سررسید گذشته و بد حساب ) آنها رابطه معنی داری وجود دارد.
2-بین تحصیلات متقاضی تسهیلات و رتبه بندی اعتباری( مشتریان خوش حساب ، سررسید گذشته و بد حساب ) آنها رابطه معنی داری وجود دارد.
3-بین درآمد متقاضی تسهیلات و رتبه بندی ( مشتریان خوش حساب ، سررسید گذشته و بد حساب )آنها رابطه معنی داری وجود دارد.
4-بین سابقه اعتباری متقاضی تسهیلات و رتبه بندی ( مشتریان خوش حساب ، سررسید گذشته و بد حساب )آنها رابطه معنی داری وجود دارد.
5-بین شغل متقاضی تسهیلات و رتبه بندی ( مشتریان خوش حساب ، سررسید گذشته و بد حساب ) آنها رابطه معنی داری وجود دارد.
فرضیه دوم: با استفاده از شبکه عصبی پرسپترون چند لایه میتوان مشتریان اعتباری بانک را رتبه بندی نمود.
فهرست پایان نامه طراحی و تبیین مدل رتبه بندی اعتباری مشتریان با استفاده از شبکههای عصبی
فهرست:
فصل اول
کلیات تحقیق .............................................................................................................................. 1
مقدمه .......................................................................................................................................... 2
1-1
1-2
1-3
1-4
1-5
1-6
1-7
1-8
1-9
1-10
1-11
1-12
1-13
1-14
1-15
1-16
فصل دوم ................................................................................................................................... 22
ادبیات تحقیق............................................................................................................................. 23
مقدمه ....................................................................................................................................... 24
بخش اول ................................................................................................................................... 25
آشنایی با بانک سامان و انواع تسهیلات ...................................................................... 25
آشنایی با بانک سامان ........................................................................................................ 26
چارت خدمات بانک سامان .................................................................................................. 29
انواع سپردههای سرمایه گذاری ........................................................................................ 29
سپرده کوتاه مدت .................................................................................................................. 29
سپرده کوتاه مدت ویژه ......................................................................................................... 30
سپرده بلند مدت .................................................................................................................... 30
سپرده اندوخته ....................................................................................................................... 31
سپرده ارزی ................................................................................................................................ 32
تسهیلات حقوقی .................................................................................................................. 32
ابزارهای اعتباری ...................................................................................................................... 33
انواع ابزارهای اعتباری ........................................................................................................... 33
ضوابط و معیارهای اساسی اعطای تسهیلات ........................................................... 34
1-
2-
3-
4-
بخش دوم .................................................................................................................................. 47
مبانی نظری رتبه بندی اعتبار ............................................................................................ 47
مقدمه ....................................................................................................................................... 48
2-1 مروری بر تاریخچه رتبه بندی اعتبار ........................................................................ 50
2-2 رتبه بندی اعتبار ............................................................................................................ 52
فرآیند تصمیم گیری اعطای تسهیلات ......................................................................... 53
3-2 سیستمهای رتبه بندی اعتبار .................................................................................. 58
4-2 مدلهای رتبه بندی اعتباری ........................................................................................ 59
5-2 مزایا و محدودیتهای مدل رتبه بندی اعتبار ........................................................ 60
- محدودیتها .......................................................................................................................... 60
بخش سوم ............................................................................................................................... 62
مبانی نظری شبکه عصبی ................................................................................................ 62
مقدمه ....................................................................................................................................... 63
3-1 هوش مصنوعی .............................................................................................................. 65
3-2 مروری بر تاریخچه شبکه عصبی ............................................................................ 67
3-3 شبکههای عصبی مصنوعی ..................................................................................... 70
3-4 اساس بیولوژیکی شبکه عصبی ............................................................................ 75
3-5 مقایسه بین شبکههای عصبی مصنوعی و بیولوژیکی .................................. 79
3-6 مدل ریاضی نرون ............................................................................................................ 80
3-7 ویژگیها و خصوصیات شبکههای عصبی مصنوعی ....................................... 82
3-7-1 قابلیت یادگیری ......................................................................................................... 82
3-7-2 پردازش اطلاعات به صورت متنی ......................................................................... 83
3-7-3 قابلیت تعمیم ........................................................................................................... 83
3-7-4 پردازش موازی .............................................................................................................. 84
3-7-5 مقاوم بودن .................................................................................................................. 84
3-8 مشخصههای یک شبکه عصبی ........................................................................... 84
3-8-1 مدلهای محاسباتی ................................................................................................ 85
3-8-2 قواعد یادگیری ........................................................................................................... 88
3-8-3 معماری شبکه .......................................................................................................... 90
3-9 عملکرد شبکههای عصبی مصنوعی ................................................................. 101
3-10 محدودیتهای شبکه عصبی .............................................................................. 103
3-11 کاربرد شبکههای عصبی در مدیریت ................................................................ 104
بخش چهارم .......................................................................................................................... 110
خلاصه مقالهها .................................................................................................................. 110
بخش پنجم ........................................................................................................................... 124
نتیجه گیری .......................................................................................................................... 124
فصل سوم ............................................................................................................................. 129
روش شناسی تحقیق............................................................................................................ 129
3-1 مقدمه ............................................................................................................................ 130
3-2 روش تحقیق .................................................................................................................... 131
3-3 جامعه آماری ................................................................................................................ 132
3-4 نمونه آماری ..................................................................................................................... 132
3-5 فرضیات تحقیق ............................................................................................................. 133
3-6 محدوده تحقیق ............................................................................................................. 135
3-7 جمع آوری دادهها .......................................................................................................... 136
3-8 تعیین حجم نمونه ....................................................................................................... 137
3-9 ابزار گردآوری دادهها .................................................................................................... 138
3-10 روش تجزیه و تحلیل دادهها ....................................................................................... 138
3-11 فرآیند تحقیق .............................................................................................................. 141
فصل چهارم .......................................................................................................................... 153
یافتههای تحقیق ................................................................................................................... 153
4-1 مقدمه ............................................................................................................................ 154
4-4-1 آماده سازی دادههای ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی دادهها 154
معماری شبکه .................................................................................................................... 155
فصل پنجم ........................................................................................................................... 162
نتیجه گیری و پیشنهادها ............................................................................................... 162
نتیجه گیری .......................................................................................................................... 163
پیشنهادات ............................................................................................................................ 168
منبع:
منابع فارسی
1-آر.بیل وتی .جکسون،1383، "آشنایی باشبکه های عصبی"،ترجمه محمودالبرزی ، (تهران:انتشارات دانشگاه شریف ،چاپ دوم)
2- اصغری اسکویی،محمدرضا،1381، کاربرد شبکه های عصبی درپیش بینی سریهای زمانی ، فصلنامه پژوهشهای اقتصادی ایران،شماره12،پاییز.
3- البرزی ، محمود،1377،"روش تحقیق ازدید گاه آمار"دانشگاه شهید بهشتی،چهارمین کنفرانس بین المللی آمار ایران.
4- البرزی،محمود،عبده تبریزی،حسین،1377،"مدلهای ارزیابی اعتبار مشتریان بااستفاده از شبکه های عصبی"طرح تحقیق.
5- امیر غیاثوند،فرید، شبکه های عصبی،نشریه راه المپیاد،شماره4
6- پناهیان،حسین،1379، استفاده از شبکه های عصبی برای پیش بینی روند قیمت سهام در بورس اوراق بهادار تهران ،پایان نامه دکترای دانشگاه آزاد اسلامی واحد علوم تحقیقات.
7- جزوه آموزشی مجموعه دستورات بانک
8- جعفر علی جاسبی،جواد،1382، "تبین وارئه الگو های تصمیم گیری چند شاخصه پویا "،دانشگاه آزاد اسلامی واحد علوم تحقیقات ،پایان نامه دکترای مدیریت.
9- چاوشی ،کاظم،1380، "برسی رفتار قیمت در بورس اوراق بهادار تهران ، پایان نامه کارشناسی ارشد مدیریت مالی ،دانشگاه امام صادق (ع) ".
10- جوادی پور،سعید،حسن زاده،علی،1381، "مقررات زدایی در نظام بانکی ،مطالعه موردی اعطای تسهیلات "پژوهشکده پولی وبانکی بانک مرکزی.
11- خاکی ،غلامرضا،1378،"روش تحقیق با رویکرد پایانامه نویسی "،مرکز تحقیقات علمی کشور.
12- شایان آرانی، شاهین،1380،"مدیریت ریسک وبانکداری اسلامی غیر دولتی "موسسه عالی بانکداری ایران ،دوازدهمین همایش بانکداری اسلامی.
13- هدایتی،علی اصغر،سفری، علی اصغر،کلهر،حسن،1370،"عملیات بانکی داخلی (تخصیص منابع)"، موسسه عالی بانکداری ایران.
14- مجموعه رهنمودهایی برای مدیریت موثر ریسک اعتباری ، بانک جمهوری اسلامی ایران
15- مقصود، حسین، 1385، پیش بینی بازار سهام اوراق بهادار در بورس اوراق سهام تهران با استفاده از شبکه عصبی، پایان نامه کارشناسی ارشد دانشگاه آزاد اسلامی.
16- منصف،حسن،رنجبر،علیمحمد،1374،"کاربرد هوش مصنوعی در سیستمهای قدرت"، نشریه علمی و پژوهشی برق ، شماره 84 ، بهار.
منابع انگلیسی
1.Altman,Edward.I(2000)"predicting Financial Distress of companies ,Revisiting The Z_score and Zeta Models ,business credit",July
2.Anthony Saunders,(2000) "Understanding your credit score "
3.Fenster stock,Albert(2003) "Credit scoring Basics,business credit"March
4.Haykin,s (1994) ,s .Neural Network :A Comrehensive Foondation ,Macmillan
5.James Matlews,(www.Generations.org/content/2000/Anin troduction to Nevral Network.ASP)
6.Jensen,H.L (1996) ,Using Neural Networks For Credit Scoring ,Efrairn Turhan chicage :Inwin
7.Kiss ,Ferenc.Credit Scoring Processes From Knowledge Management Perspective , Periodical Polytechnics .Soc .Vol11,No.1
8.Morsman ,E.(1997) "Risk Management and Cerdit Culture ".Journal of lending Cerdit Risk Management ,special Ed. June
9.P.Mandic ,A . chambers (2001) ,Recurrunt Neuer Networks for Prediction ,2d.ed.
10.Sinkey.Jr , Joseph .F (1992) ,Commerical Rant Financial Management , 4th Edition macmillan
11.Thomas ,Lync (2000), A Survey of credit and Bahavioral Scoring :Forecasting Financial Risk of lending to Customer ,International
Journal of forcasting 16
12.Zir illi ,Jose hp .S (1997) ,Financial Prediction Using Neural Networks ,International Thomson Computer press
13.Zurada,J.M(1992),Introduction to Artificial System,Boston Pws . Publishing Company , p.xv