طبقه‌بندی اعتباری مشتریان حقوقی یک بانک ایرانی با استفاده از KFP-MCOC

ریسک اعتباری یکی از مهم‌ترین ریسک‌های بانک‌داری است که ناشی از عدم پرداخت به موقع اصل و فرع تسهیلات اعطایی می‌باشد. اهمیت اندازه‌گیری این ریسک به این دلیل است که عدم اندازه‌گیری و مدیریت آن، منجر به افزایش حجم مطالبات مشکوک الوصول می‌شود و زیان‌های غیر منتظرة آتی را برای بانک‌ها به همراه دارد. در پژوهش حاضر به ارائة یک مدل مبتنی بر بهینه‌سازی خطی و غیرخطی پرداخته‌شده است. این مدل ریاضی به دنبال یافتن یک ابرصفحة جداکننده است تا بتواند به کمک آن 85 مشتری خوش‌حساب و بدحساب موجود در بازار بورس اوراق بهادار تهران را که از یک بانک ایرانی وام گرفته‌اند، از یکدیگر تفکیک نماید. همچنین در این راه، از توابع کرنل، فازی‌سازی داده‌ها و ضرایب جریمه به منظور بهبود مدل ریاضی استفاده شده است. نتایج این تحقیق بیان گر این است که مدل بهینه‌سازی خطی با تابع کرنل سیگموئیدی بهترین نتایج را در مقایسه با مدل‌های بهینه‌سازی خطی و غیرخطی با کرنل‌های خطی، چندجمله‌ای، سیگموئیدی و پایه‌شعاعی می‌دهد. مدل مذکور مشتریان بدحساب را کاملا شناسایی می‌کند؛ لیکن در خصوص مشتریان خوش‌حساب و بدحساب با هم، کارایی 80 درصدی دارد.