مطالب مرتبط با کلید واژه " رتبه بندی اعتباری "


۱.

طراحی سیستم هوشمند ترکیبی رتبه بندی اعتباری مشتریان بانک‌ها با استفاده از مدل های استدلالی فازی ترکیبی

کلید واژه ها: شبکه عصبیسیستم هوشمند هیبریدیسیستم خبرهفازیرتبه بندی اعتباری

حوزه های تخصصی:
تعداد بازدید : ۲۷۶۵ تعداد دانلود : ۱۳۱۳
هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات به شرکت های صنعتی، خدماتی و تولیدی است. عدم بازپرداخت تسهیلات از جانب این مشتریان، بانک ها را دچار مشکلات عدیده ای از جمله ناتوانی در بازپرداخت وام های بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختی های مشتریان و عدم توانایی اعطای تسهیلات می کند. اهمیت اعطای تسهیلات در صنعت بانکداری کشور و نقش خطیر آن در رشد اقتصادی و افزایش اشتغال منجر به توسعه چندین مدل گوناگون برای ارزیابی اعتباری مشتریان متقاضی این تسهیلات شده است. اما بسیاری از این مدل ها، مدل های کلاسیک هستند و توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند؛ بنایراین زمینه ورود مدل های هوش مصنوعی به این حوزه مهیا گردیده است. در این پژوهش سعی گردید. تا پس از تهیه مدل مناسب رتبه بندی اعتباری مشتریان و جمع آوری دانش خبرگان با استفاده از مدل استدلالی ترکیبی و مدل ترکیبی فازی به طراحی سیستم هوشمند هیبریدی رتبه بندی اعتباری مشتریان پرداخته شود. سیستم خبره به عنوان ماژول سمبولیک و شبکه عصبی و سیستم های عصبی فازی به عنوان ماژول غیر سمبولیک، اجزای این سیستم هیبریدی را تشکیل می دهند. چنین مدلی قابلیت استدلال و تشریح سیستم خبره و قابلیت یادگیری و تطبیق پذیری شبکه عصبی را به صورت توامان به همراه دارد. نتایج سیستم هیبریدی و هیبری فازی سیستم که با نتایج سیستم خبره مقایسه گردید، حاکی از دقت و قدرت بالای سیستم هوشمند هیبریدی نسبت به سیستم خبره در رتبه بندی اعتباری مشتریان است.
۲.

کاربرد ماشین بردار پشتیبان در پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از نسبت‌های مالی

کلید واژه ها: رتبه بندی اعتباریورشکستگیرگرسیون لجستیکدرماندگی مالیماشین بردار پشتیبانامتیاز دهی

حوزه های تخصصی:
تعداد بازدید : ۲۸۷۵
استفاده از نسبت های مالی برای پیش بینی درماندگی مالی یا ورشکستگی شرکت ها، همیشه مورد توجه دانشگاهیان و بنگاه های اقتصادی، بویژه بانک ها و سایر نهادهای مالی بوده است. پیش بینی به موقع می تواند تصمیم گیران را در یافتن راه حل و پیشگیری از درماندگی مالی، یاری نماید. همچنین، این مدل ها کاربرد بسیار زیادی در رتبه بندی اعتباری و نحوه توزیع تسهیلات بانکی دارد. همواره سعی شده است تا دقت پیش بینی این مدل ها با استفاده از روش های پیشرفته تر بهبود یابد. در این پژوهش که هدف اصلی آن بررسی کارایی استفاده از ماشین بردار پشتیبان (SVM) در پیش بینی درماندگی مالی شرکت ها بوده است، نتایج مدل SVM در مقایسه با مدل آماری رگرسیون لجستیک (LR) بررسی شده است. یافته های تحقیق حاکی از آن است که در پیش بینی درماندگی مالی شرکت ها، مدل SVM نسبت به مدل LR بطور معناداری، از دقت کلی بیشتری برخوردار است. بررسی های انجام شده نشان می دهد که مدل SVM نسبت به مدل LR، نه تنها از دقت کلی بهتری برخوردار است، بلکه توانایی بالاتری نیز در تعمیم پذیری دارد.
۳.

کاربرد شبکه های عصبی در رتبه بندی اعتباری متقاضیان وام فروش اقساطی

کلید واژه ها: شبکه عصبیرتبه بندی اعتباریمدل رتبه بندیآنالیز ممیزی،رگرسیون لجستیک.

حوزه های تخصصی:
تعداد بازدید : ۱۹۶۹ تعداد دانلود : ۹۳۷
روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.
۴.

کاربرد سیستم های استدلال عصبی- فازی در رتبه بندی اعتباری مشتریان حقوقی بانکها

کلید واژه ها: رتبه بندی اعتباریدرجهی تشخیصسیستم استدلال عصبیفازی سازگار

حوزه های تخصصی:
تعداد بازدید : ۱۹۵۴ تعداد دانلود : ۸۸۶
امروزه ریسک اعتباری به عنوان یکی از بزرگ ترین عوامل ورشکستگی بانکها و مؤسسات مالی شناخته شده است. به منظور مدیریت و کنترل این ریسک طراحی مدل های رتبه بندی اعتباری در بانکها ضرورتی انکار ناپذیر است. رتبه بندی اعتباری به منظور تعیین احتمال نکول در بازپرداخت تسهیلات اعتباری و از سوی دیگر برای طبقه بندی مشتریان متقاضی تسهیلات اعتباری به دو گروه خوش حساب و بد حساب مورد استفاده قرار میگیرد. تا به حال روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون خطی و لجستیک و شبکه های عصبی در زمینه رتبه بندی اعتباری توسعه یافته اند. در این میان، شبکه های عصبی به دلیل انعطاف پذیری و دقت بالا، در سال های اخیر بیش تر مورد توجه قرار گرفته اند. در این مقاله یک مدل رتبه بندی اعتباری با استفاده از سیستم های استدلال عصبی- فازی جهت رتبه بندی مشتریان حقوقی بانکها ارائه شده است. متغیرهای ورودی این مدل نسبت بدهی، نسبت فعالیت و نسبت ارزش ویژه به مجموع دارایی ها و متغیر خروجی آن احتمال نکول مشتری، در نظر گرفته شده است. پس از آموزش و تست مدل بر اساس داده های بانک کشاورزی طی سال های 1380-1385، مدل ارائه شده با دقت 36/69 درصد وضعیت اعتباری مشتریان را پیش بینی می کند.
۵.

ارزیابی کاربرد مدل ساختاری KMV در پیش بینی نکول شرکت های پذیرفته شده در بورس اوراق بهادار تهران

کلید واژه ها: رتبه بندی اعتباریریسک اعتباریمدل کیام وی (KMV)نکول

حوزه های تخصصی:
تعداد بازدید : ۱۷۵۴ تعداد دانلود : ۷۴۳
تاکنون مدل های مختلفی برای پیش بینی وضعیت ریسک اعتباری و احتمال ورشکستگی مشتریان ارایه شده است. در این میان استفاده از مدلی که تنها متکی بر داده های تاریخی نباشد و از داده های بازار نیز به عنوان هشداری در مورد وضعیت فعلی مشتری و حتی انتظارات نسبت به وضعیت آینده آن باشد، ضروری به نظر میرسد. هدف از این تحقیق به کارگیری مدل کیام وی جهت پیش بینی ورشکستگی مشتریان حقوقی بانکهای ایرانی و ارزیابی دقت مدل در این زمینه است. داده های تحقیق از نمونه ای چهل تایی از شرکت های سهامی دریافتکننده تسهیلات از بانکهای ایرانی در سال های 1386 و 1387 استخراج شده است. نتایج این تحقیق که از نوع کاربردی و کمّی است، نشان داد که مدل کیام وی قابلیت پیش بینی نکول و تفکیک بین مشتریان خوش حساب و بدحساب را دارد و میتوان از آن به منظور پیش بینی نکول مشتریان حقوقی دریافتکنندة تسهیلات از بانکهای ایرانی استفاده کرد.
۶.

رویکردی نوین به کانال سرمایهی بانکی: نقش روش رتبه بندی اعتباری در مکانیزم انتقال پولی

کلید واژه ها: رتبه بندی اعتباریریسک اعتباریآیسرمایهی مقرراتیمکانیزم انتقال پولیروش رتبه بندی پیتیتوافق نامهی سرمایهی بال دوکانال سرمایهروش رتبه بندی تی تی سی

حوزه های تخصصی:
تعداد بازدید : ۱۰۷۵ تعداد دانلود : ۵۱۵
مکانیزم انتقال پولی با تحولات حاصل در عرصهی اقتصادی، تاکنون به رویکرد های مختلفی تجهیز شده است. در این راستا، با معرفی و سپس به کارگیری اولین نسخه از مقررات سرمایهی کمیتهی بال، افق جدیدی در بحث مکانیزم انتقال پولی به تصویر کشیده شد و ابتدا بر نقش ایستای سرمایهی بانک؛ و سپس بر نقش پویای این متغیر، تحت عنوان کانال سرمایه، تأکید شد. با این حال، پس از شکل گیری و اعمال مقررات جدید سرمایهی کمیتهی بال، ضرورت تجدید نظر در کانال سرمایه، به عنوان یکی از جدیدترین کانال های مکانیزم انتقال پولی، مشاهده میشود. در حقیقت، به دلیل تأکید توافق نامهی جدید بر رتبه های اعتباری در ارزیابی ریسک و تنظیم سرمایهی مقرراتی، و رفتار و ویژگیهای متفاوت روش های رتبه بندی اعتباری قابل کاربرد تحت این مقررات، ضرورت بسط کانال سرمایه و تجهیز آن به رویکرد رتبه بندی، دور از انتظار نیست. از این رو در این مقاله، فرآیند فوق، با تأکید بر مدل برنامه ریزی پویای رفتار یک بانک در بازار انحصار چند جانبه، مدل سازی شده است؛ و نتایج، بیانگر نقش کلیدی رویکرد رتبه بندی اعتباری مورد استفاده در محاسبهی سرمایهی مقرراتی، در کانال سرمایهی مکانیزم انتقال پولی هستند. طبقه بندی JEL : C61,E32,E51,E52,E58,G21
۷.

بررسی و عرضه مدل رابطه بین ریسک کشوری و جذب سرمایه گذاری خارجی در کشورهای در حال توسعه (با تأکید بر جمهوری اسلامی ایران)

کلید واژه ها: رتبه بندی اعتباریجذب سرمایه گذاری خارجیریسک کشوریریسک سیاسیریسک حاکمیتیریسک خارج مرز

حوزه های تخصصی:
تعداد بازدید : ۱۵۲۵ تعداد دانلود : ۵۶۴
جهانی سازی اقتصادی و بین المللی شدن بازارهای مالی در دهه های گذشته، به شکل معتنابهی فرصت های سرمایه گذاری را توسعه داده است که تمام این فرصت ها به نحوی با ریسک های جدید و منحصربه فردی ملازم اند. جهان سرمایه گذاری در دو دهه گذشته، شاهد بحران های زیادی در بدهی های خارجی کشورهای در حال توسعه و ناتوانی اقتصادی این کشورها در بازپرداخت بدهی ها بوده است. ناتوانی کشورها در ایفای تعهدات مالی بین الملل در اثر رخداد عوامل مختلف اقتصادی و سیاسی، متغیر مفهومی قیاسی ای را با عنوان ریسک کشوری در ادبیات اقتصاد مالی بین الملل مطرح کرده است. علاوه بر این، سرمایه گذاری مستقیم خارجی، مؤلفه ای کاملاً مؤثر در رشد اقتصادی کشورهای در حال توسعه به شمار می آید که می تواند تحت تأثیر عوامل مختلف اقتصادی و سیاسی-اجتماعی از جمله شاخص کلیدی ریسک کشوری قرار گیرد. تحقیق حاضر، ضمن شناخت و عرضه تعریف جامعی از مفهوم ریسک کشوری و نحوه ارزیابی آن، به بررسی ارتباط بین جذب سرمایه گذاری خارجی و عوامل مؤثر از جمله ریسک کشوری می پردازد و نتیجه می گیرد که بین تغییرات ریسک کشوری و جذب سرمایه گذاری خارجی، ارتباط منفی معناداری وجود دارد.
۸.

الگوسازی سنجش ریسک اعتباری مشتریان حقوقی بانک رفاه

کلید واژه ها: رتبه بندی اعتباریمدل لاجیتبانک رفاهریسک اعتباری

حوزه های تخصصی:
تعداد بازدید : ۴۰۴ تعداد دانلود : ۱۶۳
این مطالعه با هدف شناسایی عوامل موثر بر ریسک اعتباری مشتریان و تدوین مدلی برای سنجش آن در میان مشتریان حقوقی بانک رفاه انجام شده است. بدین منظور اطلاعات کیفی و مالی یک نمونه تصادفی 300 تایی از مشتریانی که در سال های 1391 و 1392 از شعب بانک رفاه در سراسر کشور تسهیلات اعتباری دریافت نموده اند، جمع آوری و با بکارگیری روش رگرسیون لاجیت عوامل موثر بر ریسک اعتباری مشتریان این بانک برآورد شده است. در این الگو ابتدا 17 متغیر توضیحی شامل متغیرهای کیفی و مالی به عنوان عوامل تعیین کننده ریسک اعتباری مشتریان در نظر گرفته شده و سپس از بین متغیرهای مذکور با استفاده از نسبت درستنمایی، در نهایت 5 متغیر که اثر معنی داری بر ریسک اعتباری مشتریان حقوقی داشتند، انتخاب و مدل نهایی توسط آنها برازش شده است. نتایج مطالعه نشان می دهد که از این 5 متغیر، متغیرهای میانگین موجودی (معدل حساب در 6 ماه گذشته)، نسبت بازده فروش (نسبت سود خالص به فروش خالص)، نسبت جاری (دارایی جاری به بدهی جاری) اثر معکوس و متغیرهای تعداد چک برگشتی و نسبت مبلغ معوق به دارایی جاری اثر مستقیم بر ریسک اعتباری دارند.
۹.

طراحی مدلی جهت پیش بینی رتبه اعتباری مشتریان بانکها با استفاده از الگوریتم فراابتکاری و هیبریدی چند معیاره شبکه عصبی فازی – کلونی مورچگان ( مطالعه موردی شعب پست بانک استان تهران)

کلید واژه ها: رتبه بندی اعتباریداده کاویهوش مصنوعیریسک اعتباریالگوریتم کلونی مورچگان

حوزه های تخصصی:
تعداد بازدید : ۳۱۷ تعداد دانلود : ۱۲۳
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..
۱۰.

نظام رتبه بندی اعتباری شرکتها در دنیا

کلید واژه ها: رتبه بندی اعتباریریسک مالیموسسات رتبه بندیریسک کسب و کار

حوزه های تخصصی:
تعداد بازدید : ۴۶۹ تعداد دانلود : ۱۷۸
رتبه بندی اعتباری شرکت ها با مقایسه ریسک اعتباری آنها به تصمیم گیری استفاده کنندگان کمک می کند. از طرفی تفاوت در رتبه ها عاملی برای تعیین هزینه تأمین مالی شرکت ها محسوب می شود. موسسات رتبه بندی اعتباری در دنیا قدمتی بیش از 100 سال دارند. گرچه سه موسسه بزرگ رتبه بندی استاندارداندپورز، مودیز و فیچ سهم زیادی را از بازار رتبه بندی به خود اختصاص داده اند، در برخی کشورها نیز موسسات رتبه بندی ملی وجود دارد. یکی از وظایف موسسات رتبه بندی، تعیین رتبه شرکت ها به عنوان صادرکننده اوراق بهادار است. آنچه در این رتبه بندی مهم است، معیارهای تعیین کننده رتبه اعتباری است. روش این تحقیق به صورت مروری می باشد و هدف آن مطالعه نظام رتبه بندی اعتباری در سطح جهانی شامل سه موسسه رتبه بندی برتر و دو موسسه رتبه بندی ایران استد.
۱۱.

مدیریت تسهیلات اعتباری با استفاده از توسعه تحلیل پوششی داده ها

کلید واژه ها: رتبه بندی اعتباریمدیریت تسهیلات بانکیتوسعه تحلیل پوششی داده ها

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات الگوهای کمی در تصمیم گیری
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت مالی
تعداد بازدید : ۳۷۳ تعداد دانلود : ۱۵۵
مدیریت صحیح منابع محدود بانک ها با وجود متقاضیان فراوان تسهیلات یکی از مسایل پیچیده ای است که عدم توجه کافی به آن، باعث ایجاد مشکلات عدیده ای در سازمان می شود. روش ها و تکنیک های بسیاری در زمینه کمک به مدیریت منابع، توسط محقیقن به کارگرفته شده است. مبحث رتبه بندی اعتباری که خود شامل مدل های متنوعی است، از جمله این تکنیک ها به شمار می رود. روش تحلیل پوششی داده ها یکی از پرکاربردترین روش های ناپارامتری در بحث رتبه بندی است. هر چند که استفاده از این روش برای رتبه بندی بسیار مورد استقبال محققان قرار گرفته است لکن پیش شرط متجانس بودن ""واحدهای ارزیابی شونده"" باعث شدهتا کمتر در رتبه بندی واحدهای گروه بندی شده به کارگرفته شود. از این رو در این مقاله روش تحلیل پوششی داده ها به گونه ای توسعه داده شده است که بتوان با استفاده از آن، شرکت های حقوقی متقاضی تسهیلات بانکی که در صنایع و صنف های مختلفی قرار گرفته اند را هم در بین صنایع (بخش های اقتصادی) و هم بین کل شرکت ها رتبه بندی نمود. به عبارت دیگر در این مقاله یک مدل ریاضی گروه محور جدید ارائه شده است که با استفاده از آن بتوان به صورت همزمان اثرات بین گروهی و کل داده ها مورد سنجش قرار گیرد. نتایج حاصل از اجرای روش پیشنهادی نشان داد که مدل، قدرت بالایی در رتبه بندی واحدهای گروه بندی شده دارد.
۱۲.

شناسایی و تبیین فاکتورهای تعیین کننده رتبه اعتباری مورد مطالعه: بورس اوراق بهادار تهران

تعداد بازدید : ۲۴۷ تعداد دانلود : ۲۸۱
هدف از نگارش مقاله پیش رو، شناسایی و تبیین فاکتورهای مالی، حسابداری و بازاری تعیین کننده رتبه اعتباری نمونه ای متشکل از 76 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1387 تا 1393 است. در این پژوهش ابتدا با استفاده از مدل امتیاز بازار نوظهور (EMS) ، رتبه اعتباری شرکت های موردبررسی محاسبه می گردد. در مرحله بعد، روش معادلات برآوردی تعمیم یافته به همراه یک ساختار پانل به کار گرفته می شود که در آن متغیر وابسته؛ رتبه اعتباری تعیین شده از طریق مدل امتیاز بازار نوظهور بوده و متغیرهای مستقل؛ اهرم مالی، سودآوری، پوشش مالی و نقدینگی (به عنوان فاکتورهای حسابداری)؛ اندازه شرکت، رشد و مالکیت دولتی (به عنوان فاکتورهای مالی)؛ و عملکرد در بازار مالی (به عنوان فاکتور بازاری) هستند. نتایج پژوهش پیش رو نشان می دهد متغیرهای اهرم مالی و سودآوری در سطح اطمینان 99 درصد، متغیرهای رشد و مالکیت دولتی در سطح اطمینان 95 درصد و متغیر پوشش مالی در سطح اطمینان 90 درصد، از نظر آماری معنی دار هستند و می توان آنها را به عنوان فاکتورهای تعیین کننده رتبه اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران معرفی نمود.
۱۳.

تصمیمات تسهیلات دهی بانک با استفاده از روش الگوریتم ژنتیک (مطالعه موردی: مشتریان حقیقی بانک سپه)

تعداد بازدید : ۲۳ تعداد دانلود : ۲۱
با توجه به ماهیت فعالیت های صنعت بانکداری که عمدتاً مبتنی بر تجهیز و تخصیص منابع است، این صنعت به طور گسترده با ریسک های اعتباری مواجه است. بنابراین شناخت منشأ ریسک اعتباری و تخمین آن همواره یک مسئله اساسی برای صنعت بانکداری است. در همین خصوص، تحقیقی از نوع داده کاوی با هدف شناسایی ویژگی های مؤثر بر ریسک اعتباری مشتریان حقیقی بانک سپه و همچنین طراحی مدلی برای پیش بینی احتمال نکول تسهیلات، از طریق مدل های الگوریتم ژنتیک و رگرسیون پروبیت انجام گرفته است. داده های این تحقیق مربوط به تسهیلات اعتباری پرداخت شده به اشخاص حقیقی در سال ۱۳۹۵ است. از میان کلیه تسهیلات اعتباری پرداخت شده به اشخاص حقیقی در سال ۱۳۹۵ دو نمونه ۳۶۰۰ تایی (به منظور برازش مدل) و ۴۰۰ تایی (به منظور راستی آزمایی مدل به وسیله منحنی ROC) به صورت تصادفی انتخاب شدند. همچنین به منظور تجزیه و تحلیل داده ها از نرم افزار متلب استفاده شده است.<br /> نتایج تحقیق نشان می دهد که روش الگوریتم ژنتیک در تعیین متغیرها در سه سطح متفاوت براساس درجه اهمیت، توانایی بالاتری در پیش بینی احتمال نکول تسهیلات نسبت به روش رگرسیون پروبیت دارد. نتایج راستی آزمایی نشان می دهد که سطح زیر منحنی ROC در روش الگوریتم ژنتیک برابر ۰/۹۲، اما در روش رگرسیون پروبیت برابر ۰/۷۲ است و همچنین نتایج در ماتریس  ROC نشان داد که روش الگوریتم ژنتیک ۹۱/۸ درصد پیش بینی صحیح نموده و روش رگرسیون پروبیت ۹۰ درصد پیش بینی صحیح کرده است.