حسین بعیدی مفردنیا

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.