چکیده:
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.
خلاصه ماشینی:
"فصلنامه پژوهشنامه بازرگانی،شماره 53،زمستان 1388،201-159طراحی سیستم هوشمند ترکیبی رتبهبندی اعتباری مشتریان بانکها با استفاده از مدلهای استدلالی فازی ترکیبی دکتر علی رجبزاده قطری*آرش بهرام میرزایی**دکتر پرویز احمدی*** دریافت:14/8/87 پذیرش:25/6/88 سیستم هوشمند هیبردی/شبکه عصبی/سیستم خبره/شبکه عصبی/فازی/رتبهبندی اعتباریچکیده هدف اصلی تمام بانکهای تجاری جمعآوری پساندازهای افراد حقیقی و حقوقی و تخصیص آنها به صورت تسهیلات به شرکتهای صنعتی،خدماتی و تولیدی است.
جدول 4-عنوان و ضریب شاخصهای رتبهبندی مشتریان حقیقی برای استفاده در سیستم خبره (به تصویر صفحه مراجعه شود) برای مثال شاخص سن دارای چهار معیار ارزیابی میباشد بدینصورت که اگر سن مشتری بین 40 و 50 سال باشد چهار امتیاز،بین 30 تا 40 سال سه امتیاز،بیش از 50 سال دو امتیاز و کمتر از 30 سال یک امتیاز تعلق میگیرد.
دلایل استفاده از سیستم خبره و شبکه عصبی به عنوان اجزای مدل هیبریدی و مدل هیبردی فازی نحوه انتخاب مدل کاربردی طراحی و پیادهسازی سیستمهای هیبریدی به نوع مسئله و ویژگیهای اجزای تشکیلدهنده این سیستمها که(باید بهطور خاص مناسب حل مسئله باشد)بستگی دارد1.
باتوجه به مسائل فوق و دلایل زیر در این پژوهش نیز سعی گردید که از ترکیب سیستم خبره و شبکه عصبی برای طراحی سیستم هوشمند هیبریدی استفاده گردد: 1-نوع مساله که احتیاج به پایگاه دانش قوی برای روایی مدل داشت.
جدول 11-مقایسه معیارهای خطا برای دادههای تست (به تصویر صفحه مراجعه شود) در رابطه با تحلیل فوق،سیستم هیبرید فازی نیز نتایج نزدیک به سیستم هیبریدی را دارد و نسبت خطای ایندو به یکدیگر نزدیک به عدد یک میباشد و بنابراین نسبت سیستم هیبریدی به آن مورد بررسی قرار گرفته است و تحلیلهای مرتبط آن ارائه شده است."