نوشین باقری

یکی از مهم ترین مسائل مؤسسه هایی که تسهیلات مالی در اختیار دیگران قرار می دهند، مسئله ریسک اعتباری است. یکی از راه های کمی کردن و اندازه گیری ریسک اعتباری و در نتیجه، مدیریت مناسب آن، استفاده از رتبه بندی اعتباری می باشد. رتبه بندی اعتباری، مدلی برای اندازه گیری عملکرد گیرندگان تسهیلات است که عمدتاً بر اساس معیارهای کمی مانند: اطلاعات مالی شرکت ها انجام می گیرد تا از این طریق، پیش بینی عملکرد آتی متقاضیان اخذ تسهیلات با مشخصات مشابه، ممکن شود و مشتریان با موقعیت اعتباری مناسب و نامناسب، مشخص گردند. اتحادیه مرکزی تعاونی های مصرف کارگران ایران با توجه به مأموریت سازمان دارای تعاونی های عضو متعددی از سراسر کشور است که اجناس مورد نیاز خود را از آنجا تهیه می کنند. در این تحقیق، ابتدا تأثیر هر یک از عوامل دخیل در تعیین ریسک اعتباری در این تعاونی، آزمون گردیده است و تأثیر هر یک از این عوامل به تأیید می رسد. سپس با استفاده از الگوریتم نگاشت خودسازمان ده، به خوشه بندی داده ها پرداخته شده تا خوشه هایی که بسیار کم و دورافتاده هستند از رده خارج شوند. ریسک اعتباری هر یک از تعاونی ها از طریق الگوریتم شبکه های عصبی پرسپترون چندلایه در نرم افزار MATLAB محاسبه شده و الگویی برای پیش بینی ریسک اعتباری در آینده ارائه گردیده است. در نهایت مشخص شد که شبکه عصبی به کار رفته توانسته با کارایی برابر با ۹۹/۱ درصد، ریسک اعتباری را مطابق با واقع برآورد کند. همچنین میزان خطای روش شبکه عصبی نسبت به روش کنونی کمتر است که این امر نشانگر توانایی مدل شبکه عصبی به کار رفته در بهبود محاسبه ریسک اعتباری مشتریان است.