طراحی مدل فرا ابتکاری هوش مصنوعی – ژنتیک تابع بقاء ریسک اعتباری بانک رفاه )مطالعه موردی: شعب غرب شهر تهران(

زمینه و هدف تحقیق: در این رساله به بررسی طراحی مدل ترکیبی فرا ابتکاری هوش مصنوعی _ ژنتیک. تابع بقاء در پیشبینیریسک اعتباری مشتریان بانک رفاه پرداخته شده است. این مطالعه به تشریح یک سیستم ارزیابی ریسک اعتباری با استفاده ازمدلهای شبکههای عصبی مبتنی بر الگوریتم یادگیری پس انتشار میپردازد که در آن با دادههای متفاوتی مرحله آموزش شبکهعصبی انجام شده است. سه شبکه عصبی برای تصمیمگیری در مورد اعطاء یا عدم اعطای وام پیادهسازی و آموزش داده شد. نتایجاین تحقیق نشان میدهد که شبکههای عصبی مدلی مناسب جهت ارزیابی ریسک اعتباری است که میتواند عملکرد کارآمدی دراین حوزه داشته باشد. در تحقیق حاضر درباره پیشبینی ریسک اعتباری مشتریان بانک که یکی از مهمترین مباحث بانکداری نوینمیباشد بحث شده است؛ که شامل؛ الف- بررسی رابطه بین ریسک اعتباری وامهای دریافتی مشتریان به صورت انفرادی )که متناظربا تحلیل انفرادی ریسک اوراق بهادار است( با مطالبات معوق بانک رفاه استان تهران و ب- بررسی رابطه بین ریسک اعتباری سبدوام به صورت غیرانفرادی )که معادل تحلیل ریسک سبد اوراق بهادار است( با مطالبات معوق بانک رفاه استان تهران است.روش تحقیق: دراین رساله با استفاده از روش تحلیلی-توصیفی و با استفاده از ابزار مشاهده پرونده افراد مورد مطالعه قرار گرفته است.۱۳۵۱ از بانک رفاه - بدین منظور از یک نمونه تصادفی خوشه بندی شده شامل ۹۳۱۵ نفر از مشتریان که در بازه ی زمانی ۱۳۵۲وام گرفته اند استفاده شده استیافته ها: نتایج حاصل از تکنیک های تحلیل بقا نشان داد که متغیرهایی همچون مبلغ وام، تعداد اقساط، تعداد فرزند، تحصیلات،سن، نوع شغل و عنوان شغلی بر منحنی های تابع بقاء و تابع نرخ خطر تاثیر گذارند. در افق های زمانی کوتاه مدت )مثلا یک ساله(شرایط اقتصادی جامعه نقش کلیدی در وقوع قصور این دسته از مشتریان بازی می کند. مراحل انجام این تحقیق در سه مرحله شامل؛مطالعات کتابخانهای، جمعآوری و پردازش داده ها صورت گرفته است. اصلیترین بخش این تحقیق یعنی شیوه کد نویسی و مراحلالگوریتم ژنتیک و تابع بیت مسک به طور کامل تشریح گردیده است و نمودار و خروجی مساله به صورت نمودار ترسیم شده است ومقایسه شده است. تحلیل حساسیت SPSS خروجی مذکور با خروجی حاصل از اجرای رگرسیون لجستیک اجرا شده در نرمافزارالگوریتم ژنتیک با تابع برازندگی معرفی شده برای سه دسته نمونه بررسی گردیده است. در آخر نیز در خصوص جامعه آماری و نمونهمساله توضیح داده شده است.