پیش بینی نکول مشتریان کارت اعتباری با استفاده از شبکه های عصبی مصنوعی

کد مقاله : 1586-ICM

نویسندگان

مریم مشایخ * دانشگاه الزهرا

چکیده مقاله

در این پژوهش به موضوع پیش بینی نکول مشتریان کارت اعتباری با استفاده از شبکه های عصبی مصنوعی پرداخته شده است. داده های به کار رفته در این پژوهش مربوط به مجموعه داده ی “Default of credit card clients” با 30،000 نمونه می باشد که شامل متغیرهای جمعیت شناختی (سن، جنسیت)، مالی (محدودیت اعتباری، سوابق صورتحساب و پرداخت) و سابقه (تعداد دفعات استفاده از تسهیلات و سابقه تاخیر در پرداخت) در رابطه با مشتریان است. هدف اصلی از انجام این پژوهش، پیش بینی احتمال نکول (عدم پرداخت قسط ماه آینده) و تحلیل الگوهای پنهان در داده ها به منظور بهبود تصمیم گیری اعتباری بانکها می باشد. مدل شبکه عصبی از نوع پرسپترون چندلایه (MLP) در نرم افزار تحلیلی MATLAB پیاده سازی شد و با استفاده از روش اعتبارسنجی متقابل (Cross-Validation) و تقسیم داده ها به مجموعه های آموزش (70%)، اعتبارسنجی (15%) و آزمون (15%)، عملکرد مدل مورد ارزیابی قرار گرفت و نتایج بدست آمده نشان داد که میانگین دقت مدل در بخش آزمون 81% و میزان خطای کلی پیش بینی کمتر از 19% است. مدل برای شناسایی مشتریان نکول کرده از نظر معیارهای حساسیت (Recall) و امتیاز F1 عملکرد قابل قبولی را ارائه داد، اما نرخ مثبت کاذب همچنان به عنوان چالشی در این حوزه وجود دارد. به طور کلی این نتایج می تواند در مدیریت ریسک اعتباری بانکها و موسسات مالی مستقیما پرکاربرد باشد (Kou, et al., 2021).

کلیدواژه ها

شبکه عصبی مصنوعی، یادگیری ماشن، یادگیری عمیق، تحلیل داده، پیش بینی نکول، کارت اعتباری.

وضعیت: پذیرفته شده برای ارائه شفاهی