نویسندگان

• کاوه مهدوی ¹
• محمد صادق حری ²

¹ کارشناسی ارشد

² استادیار

چکیده

همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروشهای دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و ... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روشهای نوین داده-کاوی در ترکیب با روشهای هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بُعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری ( آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص " سن" ، " سابقه ارتباط با بانک ( مدت حساب)" و " میزان اعتبار" برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که 89.67درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..

کلیدواژه‌ها

• ریسک اعتباری
• رتبه بندی اعتباری
• داده‌کاوی
• هوش مصنوعی
• الگوریتم کلونی مورچگان

عنوان مقاله [English]

Model for Credit Rating Prediction of Banks CustomersBy use of A Meta-Heuristic Hybrid Multi-Attribute Fuzzy neural network-Ant Colony (Case study on Tehran’s Postbank branches)

نویسندگان [English]

• Kaveh Mahdavi ¹
• - - ²

چکیده [English]

All of the financial institutions for gaining the best profit of their investment are always looking for the best investors, consulters, and borrowers. Besides, different sciences attempt to represent accurate methods for the separation of the customers. For that reason, sciences such as psychology, management sciences, mathematics, financial and etc…seek to achieve this aim. The subject that comes into consideration in this paper is the necessity of using the new methods in data mining in mixture with artificial intelligence techniques in order to deal with the sophisticated issue and answer to this question that do the usage of combined approach predict the customer rating well? If we want this process occurs, another dimension must not be forgotten that is the select measurement criteria and in this regard, the researcher has used judging journalist and non-parametric analysis in order to rank criteria thatfinally, select the number of indicatorsin order to implement the hybrid model will lead the researcher to answer this question: do the journalist’s ideas selection criteria result in a good prediction of the credit status of customers? The three indicators “age”, “previous relationship with the bank”, and “credit”to implement a fuzzy neural hybrid model are chosen. The model has been implemented in three layers and results suggest that 89.67% times the system can accurately estimate the proportion of customers provide ratings.To optimize the fuzzy neural network, the ant colony algorithm was used which results in improved performance of the model was 90.5%.

کلیدواژه‌ها [English]

• Credit risk
• credit Rating
• data mining
• artificial intelligence
• Ant colony algorithm