پارامترهایی که هریک از مشتریان برای دریافت تسهیلات به بانک ارائه می دهند و در پرونده آنها موجود است مثل نوع شرکت (تعاونی، سهامی عام، سهامی خاص و با مسئولیت محدود)، موضوع فعالیت شرکت (صنعتی، خدماتی و بازرگانی)، سابقه فعالیت شرکت، میزان سرمایه شرکت، مبلغ وام، سطح تحصیلات مدیر عامل، وضعیت مالکیت محل فعالیت، وضعیت مالیاتی، اعتبار شرکت نزد بانک (خوش حساب یا بدحساب بودن)
۱-۷-۲ : نسبت های مالی
نسبت های سودآوری : نسبت بازده دارایی، نسبت بازده حقوق صاحبان سهام، نسبت بازده فروش (حاشیه سود خالص)، نسبت سود قبل از مالیات به دارایی جاری، نسبت سود عملیاتی، نسبت سود قبل از مالیات به سود ناخالص، نسبت بازده سرمایه در گردش، نسبت بازده دارایی ثابت
نسبت های اهرمی : نسبت بدهی به حقوق صاحبان سهام، نسبت بدهی، نسبت مالکانه، نسبت بدهی جاری به دارایی
نسبت های نقدینگی : نسبت آنی، نسبت جاری، نسبت دارایی جاری
نسبت های فعالیت و کارآیی : نسبت گردش دارایی ها، نسبت گردش سرمایه جاری، نسبت متوسط دوره وصول مطالبات
سایر نسبتها : نسبت تسهیلات مالی دریافتی کوتاه مدت به بدهی جاری، نسبت تسهیلات مالی دریافتی به دارایی، نسبت تسهیلات مالی دریافتی کوتاه مدت به فروش خالص، نسبت دارایی سریع به دارایی، نسبت سود قبل از مالیات به بدهی جاری
با توجه به تعداد متغیرها، به منظور تعیین مدل بهینه و بالا بردن دقت مدل و از سویی محدودیت های روش های کاربردی در رابطه با تعداد متغیرهای توضیحی، براساس مطالعات پیشین متغیرهای فوق انتخاب گردیدند و در مدل قرار خواهند گرفت. از سویی دیگر، از آن جایی که بسیاری از متغیرها، از صورتهای مالی و اطلاعات پایه ای آن استخراج می شوند، ممکن است به صورت دو به دو با یکدیگر همبستگی داشته باشند برای جلوگیری از عدم همپوشانی آنها، بر اساس نظر کارشناسان امر، تعدادی از این متغیرهای به هم وابسته و متغیرهایی که تأثیر قابل توجهی در خروجی سیستم ندارند، حذف می گردند. از این رو متغیرهای شناخته شده در بدو امر متغیرهای کاندید تلقی شده و به عنوان ورودی بکار گرفته می شوند.
پیشینه تحقیق
در سالهای اخیر بکارگیری تکنیک داده کاوی و برنامه ریزی در جهت کاربردی تر و به تبع آن مکانیزه و سیستمی تر نمودن آنها توانسته است به سازمان های مالی کمک های فراوانی در جهت مدیریت بر منابع و بحران ها نماید. همچنین از عوامل دیگری که سبب گردید داده کاوی در کانون توجه این تحقیق قرار گیرد، مسئله در دسترس بودن حجم وسیعی از داده ها و انبار داده در بانک ها می باشد که این امر، نیاز شدید به استخراج دانش سودمند از این داده ها را ملموس تر نموده است. این موضوع با پیدایش مفهوم داده کاوی نیز هماهنگ می باشد.
شاید بتوان لوول(۱۹۸۳) را جزء اولین کسانی دانست که گزارشی در مورد داده کاوی ارائه نموده است. بطور جدی پژوهش در این زمینه از اوایل دهه ۹۰ آغاز گردیده است.در این رابطه پیاتتسکی و شاپیرو(۱۹۹۱) و هافمن و نش (۱۹۹۵) مقالاتی ارائه و بالاخص کاربرد آن را در مسائل اقتصادی و بانک های آمریکا مطرح نمودند.
در حوزه اعطای تسهیلات و ارزیابی وضعیت اعتباری شرکت ها در داخل و خارج از کشور تحقیقات متنوعی صورت گرفته است که چند نمونه از مدل ها و اسامی آنان در جدول زیر اشاره شده است :
جدول ۱-۱ : نمونه هایی از پیشینه خارجی مرتبط
ردیف | مدل ارزیابی | پژوهشگر |
۱ | آنالیز و مقایسه نتایج حاصل از کاربرد الگوریتم ماشین یادگیری و تکنیک های آماری | Palmer , Jiménez and Gervilla.2011 |
۲ | برنامه های الگوریتم ژنتیک | Abdou.2010 |
۳ | الگوریتم یادگیری ماشین و مدل های ناپارامتریک غیر خطی |
E. Khandani, J. Kim and Andrew.2010 |
۴ | طبقه کننده های ترکیبی به جای یک طبقه کننده | Nanni&Lumini,2009 |
۵ | شبکه های عصبی، ماشین بردار پشتیبان و روش های آماری چند متغیره برای دسته بندی | Boyacioglu, & Baykan.2009 |
۶ | شبکه های عصبی و تکنیک های عمومی |