محمد خسروی - دانشجوی کارشناسی ارشد تجارت الکترونیک موسسه آموزش عالی پویش قم
سید علی صفحی - عضو هیات علمی دانشکده مهندسی کامپیوتر و فناوری موسسه آموزش عالی پویش قم

هدف این تحقیق ارائه راهکار کاهش معوقات بانکی به کمک کاهش ریسک بانکی با استفاده از یک مدل رتبه بندی اعتباری با ترکیب رو شانتخاب ویژگی ها مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی است که به مدیران اعتباری بانک ها و موسسات مالی جهت اخذ تصمیمات اعتباری کمک نماید. سیستم های خبره به عنوان یکی از تکنیک های هوش مصنوعی می توانند به ساخت مدل های رتبه بندی اعتباری مشتریان بانک ها بپردازند الگوریتم های ژنتیک با انتخاب مناسب ویژگی ها به بهبود سیستم خبره فازی رتبه بندی اعتباری کمک می نمایند. پس از انتخاب ویژگی ها توسط الگوریتم ژنتیک به ساخت سیستم خبره فازی به کمک نظرات خبرگان و به کارگیری روش منطق فازی در فازی سازی مقادیر ویژگی ها و تولید قوانین رتبه بندی اعتباری فازی پرداخته شده است. در نهایت قوانین فازی ایجاد شده می توانند به کارشناسان بانکی در رتبه بندی اعتباری مشتریان خود کمک نمایند در این تحقیق از اطلاعات موجود در پایگاه داده های اعتباری مشتریان حقیقی صندوق ذخیره علوی، که در سال های 95 تا 97 از واحد اعتبارات، تسهیلات اعتباری دریافت کرده اند استفاده شده است. نتایج حاصل از تحقیق موید این نکته است که مدل حاضر با درصد بالایی می تواند رتبه اعتباری مشتریان بانک را تفسیر نماید مشتریانی که درجه ریسک اعتباری آن ها بالا باشد احتمال نکول وام توسط آن ها زیاد است و مدل تحقیق پیش بینی می کند که فرد جز دسته مشتریان بدحساب قرار می گیرد. مشتریانی که درجه ریسک اعتباری آن ها پایین باشد احتمال نکول وامشان پایین است و پیش بینی می شود جز دسته مشتریان خوش حساب قرار گیرند ضمن این که سیستم حد وسطی هم برای درجه ریسک اعتباری مشتریان در نظر گرفته است. این سیستم به عنوان مشاور در امر تصمیم گیری به مسئولین بانکی عمل می کند و پیشنهاد می کند در مورد مشتریانی که درجه ریسک اعتباری آن ها متوسط و بالا است مسئولین بانکی با احتیاط بیشتری عمل کرده و بدین وسیله با دریافت تضمین بیشتری از این دسته متقاضیان، از ضرر و زیانی که احتمالا متوجه صندوق خواهد شد جلوگیری به عمل آید.

سیستم خبره، الگوریتم ژنتیک، رتبه بندی اعتباری، منطق فازی