رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک ها

یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری صورت گرفته است. هدف اصلی این پژوهش بکار گیری روش حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک (ga-lssvm) در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری می¬باشد. بدین منظور از مجموعه داده¬های بانک آلمان در پایگاه داده یادگیری ماشین uci جهت نمایش اثربخشی و دقت طبقه بندی کننده ga-lssvm استفاده شده است. نتایج مدل ارائه شده با مدل آماری لاجیت و رویکردهای بهینه سازی پارامترهای ماشین بردار پشتیبان مقایسه شده است. یافته¬های پژوهش حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل ga-lssvm نسبت به مدل های بررسی شده از عملکرد مطلوبی برخوردار می¬باشد.