Abstract:
با توسعه روزافزون تجارب و کسب و کار در دنیای کنونی، نیاز به مراودات مالی گسترش زیادی یافته است که این کار موجب توسعه فعالیت های تجاری بانک ها و نیز ایجاد بانک های جدید گردیده است. از مشکلات عمده سیستم های بانکداری و مالی مدیریت ریسک اعتباری می باشد. زیرا که منابع پولی زیادی در این موسسات در قالب اعتبار به متقاضیان تسهیلات ارایه می گردد و برگشت این منابع به راز تداوم حیات و توسعه موسسات ضرورتی انکارناپذیر دارد. بنابراین بررسی اعتبار متقاضیان جهت بازپرداخت تسهیلات، فرایندی مهم بوده و روش های مختلفی برای اینکار ارایه گردیده است که در این مقاله از تکنیک داده کاوی، برای تشخیص ریسک اعتباری مورد استفاده قرار می گیرد.
Machine summary:
مدیریت ریسک اعتباری در سیستم بانکی با رویکرد داده کاوی چکیده با توسعه روزافزون تجارب و کسب و کار در دنیای کنونی، نیاز به مراودات مالی گسترش زیادی یافته است که این کار موجب توسعه فعالیت های تجاری بانک ها ونیز ایجاد بانک های جدید گردیده است .
بنابراین بررسی اعتبار متقاضیان جهت بازپرداخت تسهیلات ، فرایندی مهم بوده و روش های مختلفی برای اینکار ارائه گردیده است که در این مقاله از تکنیک داده کاوی، برای تشخیص ریسک اعتباری مورد استفاده قرار می گیرد.
با توجه به اینکه بانک های اطلاعاتی موسسات مالی و بانکی کلیه مراودات مالی متقاضیان را نگهداری می نمایند، این امکان وجود دارد که بتوان با بررسی آنها مدل مناسبی جهت پیش بینی عملکرد متقاضی در آینده تهیه نمود که داده کاوی این کار را برعهده می گیرد.
دراین مقاله سعی شده با بررسی ادبیات ریسک اعتباری و داده کاوی وتکنیک های آن در جهت تشخیص میزان اعتبار مشتریان در بانک و موسسات مالی استفاده گردد.
جدول ١- گروه بندی مشتریان اعتباری (رجوع شود به تصویر صفحه) در حال حاضر برای تعیین درجه متقاضیان روش های مختلفی ارایه گردیده است که تکنیک های داده کاوی از مناسب ترین روش ها برای مدل سازی مشتریان جهت بررسی ریسک اعتباری آنها می باشد.
Y. ( 2010),Constructing credit auditing and control & management model with datamining technique, Expert System With Application, Vol 39,pp 10-174 5.
(2007) ,Credit Scoring With a Data mining Approach Based On Support Vector Machines, Expert System With Application, Vol 33,pp 1-3 8.