داده کاوی صورت های مالی جهت اعطای تسهیلات مالی

بررسی، سنجش و اندازه گیری اعتبار مشتریان در موسسات اعتباری، امروزه یکی از مهمترین تصمیم های مالی بشمار می آید. نحوه تصمیم گیری در خصوص اعطای تسهیلات به مشتریان از این جهت دارای اهمیت می باشد که عدم ارزیابی دقیق مشتریان می تواند منجر به مطالبات سررسید گذشته و معوق با کاهش توان تسهیلات دهی بانک ها و در نهایت سوخت شدن مطالبات بانک ها گردد. این پژوهش با هدف مدل سازی اعتبارسنجی مشتریان در بانک به روش های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان انجام می شود. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی ۳۰۰ تایی(۲۱۸ مشتری خوش حساب و ۸۲ مشتری بدحساب) از شرکت های حقوقی را که در سال های ۸۹ و ۹۰ از بانک ملی ایران شعب شهر تهران تسهیلات اعتباری دریافت نموده اند، مورد بررسی قرار می گیرد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، ۳۱ متغیر توضیح دهنده مورد ارزیابی قرار گرفت و نتایج ضمن دلالت بر تایید نظریه های اقتصادی و مالی نشان می دهد که تکنیک های داده کاوی جهت اعتبارسنجی مشتریان از کارآیی بالایی برخوردار می باشد و همچنین عملکرد پیش بینی الگوی شبکه عصبی به مراتب بهتر از سایر الگوها است.   Nowaday's, one of the most important financial decision's in financial institution's is investigation, assessment and measuring customer's validity. Decision making for granting facilitie's to customer's is vital from this perspective that imprecise assessment of customer's could Past due and delayed claim's and attenuated financial granting facilities power of banks and finally resulted the unpaid claim's of the bank's. This study has been conducted with the aim of modeling customer's validity in bank by using neural network, decision tree and support vector machine method's. For this purpose, financial and qualitative data for a random sample with ۳۰۰ member's(۲۱۸ good customer's and ۸۲ bad customer's) have been selected from legal firm's that were received credit facilitie's from Iranian meli bank's of Tehran city member's in ۱۳۸۹ and ۱۳۹۰ year's, will be survey. In this study, after investigating each of customer's credit dossier's, ۳۱ descriptive variable's were assessed and result's addition to verifying financial and economic theorie's, show that data mining method's have high efficiency for Validation of customer's. Also, performance of neural network model for prediction is much better than other model's.