کاربرد شبکه عصبی در رتبه بندی مشتریان

يکي از زمينه‌هاي کاربردي شبکه‌هاي عصبي در فعاليت‌هاي مالي، رتبه‌بندي مشتريان وارزيابي تقاضاي وام است.به اين طريق مي‌توان تصميم گرفت که به چه کسي و به چه مقداري وام مي‌توان پرداخت کرد.ارزيابي ريسک نپرداختن ادامه مطلب...

،يعني ارزيابي احتمال اينکه وام گيرنده چقدر از پرداخت وام سربارزند. در اين مورد از پرسپترون‌هاي چند لايه با موفقيت استفاده شده است.مزيت شبکه عصبي در اين است که مي‌تواند از هزاران نمونه قبلي در تاريخچه فعاليت‌هاي مالي شرکت استفاده کند، ويژگي‌هاي برجسته را فرا بگيرد و از طريق آنها پيامدها را پيش بيني کند.

در بيشتر بانک‌هاي ايران وام بر اساس نظر ارزيابان اعطا مي‌شود که اين روش به مدت زمان زياد و نيروهاي خبره نياز داردوازطرفي هزينه بر نيز است.

بعضي از پيش زمينه‌هاي شبکه عصبي را مي‌توان در اوايل قرن بيستم و اواخر قرن نوزدهم مشاهده کرد.در اين دوره،کارهاي اساسي در فيزيک ،روانشناسي و نوروفيزيولوژي توسط دانشمنداني چون "هرمان فون هلمهلتز" (1)، "ارنست ماخ" (2) و "ايوان پاولف" (3) انجام گرفت.اين کارهاي اوليه عموماً بر نظريه‌هاي کلي يادگيري تأکيد داشته‌اند و به مدل‌هاي مشخص رياضي عملکرد نورون‌ها اشاره نداشته اند.

ديدگاه جديد شبکه‌هاي عصبي در دهه 40 قرن بيستم درست زماني مطرح شد، که "وارن مک کلوث" و "والتر پيتس" (4) نشان دادند که شبکه‌هاي عصبي در اصل مي‌توانند هر تابع حسابي و منطقي را محاسبه کنند.

کاراين افرادرا مي‌توان نقطه شروع حوزه علمي شبکه‌هاي عصبي مصنوعي ناميد.اين موضوع از سوي دونالدهب(5)شخصي که عمل شرط گذاري را براي يادگيري نورون‌هاي بيولوژيکي ارائه داده ،ادامه يافت.

نخستين کاربرد عملي شبکه‌هاي عصبي در اواخر دهه 50 قرن 20 در، زماني که "فرانک روزنبلانت" (6)در سال1958 شبکه پرسپترونرا معرفي کرد، مطرح شد. روزنبلات و همکارانش شبکه اي ساختند که قادر بود الگوها را از هم شناسايي کند.در همين زمان بود که برنارد ويدرو (7)در سال 1960شبکه عصبي تطبيقي خطي آدلاين (8) را با قانون يادگيري جديد مطرح کرد که از لحاظ ساختار شبيه پرسپترون است.

هر دوي اين شبکه‌ها،پرسپترون و ادلاين داراي اين محدوديت ذاتي بودند که توانايي طبقه بندي الگوهايي را داشتند، که به طور خطي از هم متمايز باشند.

پيشرفت شبکه‌هاي عصبي تا دهه 70 قرن بيستم ادامه يافت. در سال1972 "تئوکوهنن" و "جيمزاندرسون" به طور مستقل و بدون اطلاع از هم شبکه‌هاي عصبي جديدي را معرفي کردند که قادر بود به عنوان ذخيره ساز عمل کند.

"استفان گروسبروک" (9) در اين دهه روي شبکه خود سازنده (10) فعاليت مي‌کرد. علاقه به کارکردن روي شبکه‌هاي عصبي در دهه 60 قرن بيستم در مقايسه با دهه 80 به علت بروز نکردن ايده‌هاي جديد و نبود کامپيوترهاي سريع براي پياده‌سازي کمرنگ جلوه مي‌کرد. ليکن در خلال دهه 80، رشد تکنولوژي ميکروپروسسورها روند صعودي يافتو تحقيقات روي شبکه‌هاي عصبي افزايش يافت و ايده‌هاي جديدي مطرح شد.

رتبه‌بندي اعتبار:

رتبه‌بندي اعتباري يک وسيله آماري است که به منظور تعيين درجه ريسک پرداخت وام به مشتريان به کار مي‌رود.

از طريق رتبه‌بندي اعتباري، تاثير شخصيت و ويژگي‌هاي متقاضيان مختلف بر ميزان ريسک و خطا‌ها مشخص مي‌شود. رتبه‌بندي اعتباري يک وسيله علمي ارزيابي ريسک اعتباري مرتبط با تقاضاي اعتبار جديد است. پس مي‌تواند به بانک براي اعطاي تسهيلات با اطمينان بيشتر کمک کند.(11)

اگر چه بانک‌ها و مؤسسات مالي اعتباري، واسط بين سرمايه‌گذاران و متقاضيان تسهيلات اعتباري به متقاضيان هستند، ولي مي‌توان گفت، مهمترين عمليات آنها اعطاي تسهيلات به متقاضيان است. اين مؤسسات براي انجام دادن اين فعاليت مهم خود ناچار به استقرار يک سيستم کارامد هستند تا عمليات اعطاي تسهيلات در بازارهاي رقابتي کنوني هم از کارايي و سرعت لازم بر خوردار باشد و هم احتمال عدم برگشت اصل و فرع تسهيلات اعطا شده ،که پاشنه آشيل مؤسسات مالي اعتباري است، به حداقل کاهش يابد.

از اين منظر يکي از کاربرد‌هاي اساسي سيستم‌هاي رتبه‌بندي اعتبار روشن مي‌شود. "توماس"(12) دو علت اساسي براي توسعه سيستم‌هاي فعلي رتبه‌بندي اعتبار ذکر مي‌کند:

1-       به علت شرايط اقتصادي مؤسسه نيازمند شناسايي تکنيک‌هاي پيش بيني ريسک مصرف کننده براي تطبيق خودکار با شرايط جديد است.

2-       شرکت‌ها به جاي سعي در کاهش مشتريان بدحساب، اميدوارند بتوانند مشترياني را شناسايي کنند که پر منفعت هستند.

فرآيند تصميم گيري اعطاي تسهيلات

تجربه "اعطاي تسهيلات"(13) در مؤسسات مالي نشان دهنده چهار فرآيند تصميم گيري مشخص به شرح زير است:

الف- وقتي معامله آغاز مي‌شود.

ـ آيا به متقاضي تسهيلات بايد اعتباري ارائه شود؟

ـ تحت چه شرايطي مي‌بايد به متقاضي هرگونه اعتباري داده شود؟

ب- در طول مدت معامله

ـ آيا نيازي به مداخله در فرآينده‌هاي معامله به هر دليلي، تأخير در بازپرداخت، نپرداختن، تغيير در شرايط بانک،تغيير در شرايط مشتري و ... وجود دارد؟

ـ اگر مداخله نياز باشد، معامله چگونه ادامه مي‌يابد؟(اصلاح شرايط تقسيط،زمان بندي مجدد،اقدام قانوني...)

مدل‌هاي رتبه‌بندي اعتبار اساساً براي پيداکردن جواب براي دو سؤال اول به کارگرفته مي‌شود، اما در حال حاضر نسخه‌هاي جديد برخي از اين مدل‌ها براي مرحله دوم يعني دو سؤال آخر نيز به کار مي‌رود.اگرچه از ديدگاه توماس، اولين تصميم که مربوط به اعطا يا عدم اعطاي وام به مشتري جديد است، روش‌هاي رتبه‌بندي اعتبار و نوع دوم که چگونه با مشتري موجودرفتار کنيم،مدل‌هاي رتبه‌بندي است.مثلاً اگر مشتري درخواست افزايش حد اعتباري خود را داشت، آيا مؤسسه با آن موافقت مي‌کند؟

اگر مشتري در باز پرداخت خود تأخير کرد، مؤسسه بايد چه عکس العملي نشان دهد؟تکنيک‌هايي که اين تصميمات را پشتيباني مي‌کنند، مدل‌هاي رتبه‌بندي رفتاري است.رتبه‌بندي اعتبار يک مدل علمي ارزيابي ريسک اعتباري مرتبط با تقاضاي اعتبار جديد است.با توجه به اينکه مدل‌ها به صورت تجربي طراحي مي‌شوند وبر اساس اطلاعات به دست آمده از تجربيات قبلي توسعه مي‌يابند مي‌توان گفت، رتبه‌بندي اعتباري يک ابزار عيني ارزيابي ريسک است.سيستم رتبه‌بندي اعتباري به بانک کمک مي‌کند تا در پرداخت تسهيلات اطمينان بيشتري حاصل کند.ريچسون(14) مزاياي رتبه‌بندي اعتباري را اين‌گونه بيان مي‌کند: 

ـ کنترل مديريت را تقويت مي‌کند.

- هزينه پردازش فرايند اعطاي وام را کاهش مي‌دهد.

- گرد آوري داده‌ها را تسهيل مي‌کند.

شبکه عصبي

شبکه‌هاي عصبي مصنوعي را مي‌توان جزو آن دسته از سيستم‌هاي ديناميک قرار دادکه با پردازش روي داده‌هاي تجربي، دانش را در وراي داده‌ها به شبکه منتقل مي‌کند. شبکه عصبي به مثابه مغز عمل مي‌کند و عصب‌هاي آن شبيه عصب‌هاي واقعي است. شبکه‌هاي عصبي به شکل موازي شکل گرفته‌اند.در اين وضعيت شبکه مي‌تواند آموزش بپذيرد.

شبکه عصبي در شرايطي به کار مي‌رود که ساختار مسائل روشن نيست وبايد نوعي روند شناسي يا باز شناسي الگو صورت گيرد.مديران مؤسسات مالي، نهادهاي مالي و سرمايه گذاران حرفه اي در عمل با بسياري از اين شرايط مواجه اند. مراحل طراحي مدل به شرح زير انجام شود:

1- همه داده‌ها را در يک جا جمع کنيم.

2- داده‌ها را به دو گروه داده‌هاي آزموني و داده‌هاي يادگيري تقسيم کنيم.

3- داده‌ها را به شکل ورودي‌هاي مناسب براي ورود به سيستم تبديل کنيم.

4- معماري شبکه را انتخاب کنيم. آموزش دهيم و آزمون کنيم.مراحل1، 2، 3و.. را هر مقدار لازم است، تکرار کنيم.

5- از شبکه حاصله استفاده کنيم.

شبکه‌هاي عصبي را مي‌توان با توجه به معيارهاي زير تقسيم کرد:

- مدل محاسباتي

- قواعد يادگيري(يادگيري با سرپرست (15) و بدون سرپرست (16) و زوجي(17)

- معماري شبکه (شبکه‌هاي پيشرو و پسرو)

رتبه بندی مشتریان بانک با روشهای شبکه عصبی و ساختار درختی و تحلیل ممیزی و رگرسیون لجستیک و تحلیل تشخیصی انجام می شود