طراحی مدلی برای اعتبار سنجی مشتریان بانک ها با استفاده از تلفیق شبکه، هوش مصنوعی و الگوریتم ژنتیک

پنجشنبه ۲۸ دى ۱۳۹۶ 0 نظر 626 بازدید

 طراحی مدلی برای اعتبار سنجی مشتریان بانک‌ها با استفاده از تلفیق شبکه، هوش مصنوعی و الگوریتم ژنتیک

 

فاطمه طباطبائی، کارشناس فناوری اطلاعات
 

ازنظر اقتصادی افزایش وام‌های بد و به دنبال آن مطالبات معوق می‌تواند زنگ خطری برای بحران نظام بانکی باشد. آنچه امروزه به‌عنوان مهم‌ترین معضل پیشروی نظام بانکی مطرح می‌شود افزایش روزافزون مطالبات معوق بانک‌ها و کاهش نقدی باعث اختلال در تخصیص منابع و درنتیجه کاهش سود بانک می‌شود.
عدم بازگشت سرمایه‌گذاری‌های بانک نشانگر ضعف در عملکرد بانک در بخش اعطای تسهیلات هست. عدم سنجش و ارزیابی دقیق در زمان اعطای وام باعث این مورد می‌شود.

از طرف دیگر ضعف در سیستم بانکی بر چگونگی فعالیت‌های دریافت‌کنندگان وام نیز بر این مشکل افزوده است. در اقتصاد ایران که بزرگ‌ترین نهاد مالی کشور بانک‌ها می‌باشند، بی‌تردید یکی از بزرگ‌ترین مشکلات مطالبات معوق هستند که باعث بروز تأثیرات منفی در چرخه منابع و مصارف می‌شود، به‌طوری‌که در دو حوزه داخل بانک و خارج بانک این تأثیرات منفی نشان داده می‌شود.

در خارج از بانک سبب کندی چرخش نقدینگی در اقتصاد و اختصاص نیافتن به‌موقع و بهینه منابع برای تولید و از رونق افتادن اشتغال و درنتیجه رکود اقتصادی می‌شود و در داخل بانک نیز تأثیراتی مانند کاهش حقوق و مزایا، کاهش راندمان کاری، کاهش سودآوری، کاهش خدمات به مشتریان و غیره می‌شود.
امروزه بانک‌ها و مؤسسات مالی و اعتباری یکی از مهم‌ترین منابع تأمین نیازهای مالی جامعه هست. در یک جامعه هرچقدر روند توسعه رو به رشد باشد متقاضیان دریافت وام نیز افزایش پیدا می‌کند. سیستم‌های اقتصادی بر پایه گردش صحیح منابع رشد می‌کنند این موضوع در سیستم‌های مالی و بانکی اهمیت بیشتری نیز پیدا می‌کند زیرا بانک‌ها و مؤسسات مالی مهم‌ترین جزء سیاست‌های پولی در هر کشوری هست. تأمین منابع مالی و چگونگی مصرف این منابع اهمیت زیادی دارد.

بانک‌ها و مؤسسات مالی و اعتباری سرمایه‌های سرگردان مردم را جذب و با اتخاذ تصمیمات مناسب آن‌ها را سرمایه‌گذاری می‌کنند. منابع جذب‌شده ورودی سیستم‌های بانکی و تسهیلات پرداختی به‌عنوان خروجی معرفی می‌شود. هرگونه خللی که در این ورودی و خروجی به وجود بیاید باعث ناکارآمدی سیستم خواهد شد، ازاین‌رو مدیریت صحیح و کارا منابع ورودی بسیار اهمیت دارد.

یکی از مشکلات اساسی که امروزه بانک‌ها با آن دست‌به‌گریبان می‌باشند، مطالبات معوق و تسهیلاتی است که وصول نشده است. ازاین‌رو تحقیق پیرامون این زمینه جهت ارائه تسهیلات و جلوگیری از به وجود آمدن تسهیلات معوقه بسیار مهم و اساسی است.
یکی از رفتارهای مدیریتی که به‌صورت سنتی انجام می‌شود اعطای اعتبار به متقاضیان تسهیلات است. مطالبات سررسید شده و معوق بانک‌ها به یک معضل رو به رشد و جدی برای بانک‌ها و نظام بانکداری در کشور تبدیل‌شده و به یک دغدغه بزرگ تبدیل‌شده است.
به‌طورمعمول مطالبات معوق بانک‌ها در حدود 20 درصد از نقدینگی کشور و 10 درصد از تولیدات ناخالصی داخلی را به خطر می‌اندازد و نمی‌توان این خطر را نادیده گرفت.

طبق گزارش‌ها بانک مرکزی این مبلغ پس از تعدیل حدود هشت‌صد هزار میلیارد ریال است، این حجم از مطالبات معوق باعث شده است که تمامی مدیران اجرایی و متصدیان به فکر راه‌حلی مناسب برای این موضوع باشند. بررسی اعطایی تسهیلات یکی از موضوعاتی است که عوامل بسیار زیادی دخیل است، این عوامل با ترکیب مسائلی مانند مسائل اجتماعی، فرهنگی و اقتصادی پیچیدگی دوچندانی به خود می‌گیرد.
تصمیم‌گیری‌های که بر مبنای اعطای تسهیلات است به‌طور سنتی توسط کارشناسان انجام می‌گیرد؛ اما امروزه روش جدیدی در دست بررسی است که بتوان با ترکیب شبکه‌های مصنوعی و الگوریتم ژنتیک اعتبار مشتریان را پیش‌بینی کرد که بتوان با استفاده از آن میزان این مطالبات را کاهش دهند.
در این طرح از شبکه عصبی برای حل این مسئله استفاده می‌شود. مزیت استفاده از این روش شباهت آن بامغز انسان است، با استفاده از این روش می‌توان الگوهای موردنظر را پیدا کرد و از آن استفاده کرد و برای بهبود روش شبکه عصبی از یک ترکیب مناسب با الگوریتم ژنتیک استفاده می‌شود.

با توجه به مطالعات انجام‌شده پیرامون روش‌های پیش‌بینی و همچنین مطالبات معوقه روش‌های کمی برای پیش‌بینی این موضوع ارائه‌شده است، ازاین‌رو با توجه به اهمیتی که موضوع مطالبات دارد جهت پیش‌گیری از این نوع مطالبات استفاده از یک روش جهت پیش‌بینی مناسب این مطالبات اهمیت بالایی دارد، به همین دلیل برای پر کردن جای خالی پژوهش فوق در دست بررسی هست.

شبکه عصبی یک سیستم الهام گرفته‌شده از مغز انسان است که بر اساس مدل‌های ریاضی طراحی‌شده است. شبکه‌های عصبی از لایه‌های مختلفی تشکیل‌شده است. یک‌لایه ورودی و یک‌لایه خروجی دارند و در بین این دولایه، لایه‌های میانی قرارگرفته‌اند که دارای نورون‌های در این لایه‌ها قرارگرفته است. کاربرد لایه‌های میانی فرآیند آموزش شبکه و تغییر پیاپی مقدار وزن‌ها جهت پیدا کردن خروجی مناسب با کم‌ترین خطا هست.

همان‌طور که گفته‌شده شبکه‌های عصبی از ساختار مغز انسان الهام گرفته‌شده است و برخلاف مدل‌های ریاضی قابلیت یادگیری را بر اساس مثال‌های مشخص را دارد. در یک شبکه عصبی مراحل آموزش، اعتبار سنجی و اجرا وجود دارد. یکی از قابلیت‌های الگوریتم ژنتیک که درروش پیشنهادی از آن استفاده می‌شود تنظیم وزن نورون‌ها در لایه میانی شبکه عصبی است. درروش پیشنهادی هر یک از کروموزوم‌های الگوریتم دارای وزن‌های متناظر با شبکه عصبی هستند. یک کروم وزم در الگوریتم پیشنهادی برابر است با مجموع اوزان و بایاس‌های موردنظر در شبکه است.
 

نام
ایمیل
متن نظر
عبارت داخل تصویر