امتیازدهی اعتباری مشتریان با استفاده از تحلیل پوششی داده‏ها و تحلیل ممیز در محیط فازی (مطالعۀ موردی: یک شرکت لیزینگ وابسته به یک بانک خصوصی)

نوع مقاله: مقاله علمی - پژوهشی

نویسندگان

1 دانشیار گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی، واحد قزوین (نویسندۀ مسئول)

2 دانشجوی کارشناسی ارشد گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی، واحد قزوین

10.22056/jir.2018.132227.2302

چکیده

در این تحقیق به منظور مدیریت و کنترل ریسک اعتباری مشتریان، از تلفیق دو مدل تحلیل ممیز و تحلیل پوششی داده‏ها برای تشخیص وجود و یا عدم وجود یک هم‌پوشانی میان دو گروه به‌وسیلۀ یک ابرصفحۀ جداکننده و با فرض وجود  مشاهده هریک با  مشخصۀ مستقل با حضور داده‏های فازی، مشاهدات به دو ردۀ مشتریان خوش‏حساب و مشتریان بدحساب دسته‏بندی شدند. متغیرهای این تحقیق از روش 6C انتخاب و از تعداد 17 شاخص منتخب، با استفاده از روش دلفی، تعداد 8 شاخص تأثیرگذار وارد مدل تحقیق شده است. این شاخصها برای 83 نفر از مشتریان حقیقی یک شرکت لیزینگ که طی سالهای 1393 و 1394 تسهیلات دریافت کرده‏اند، مورد استفاده قرار گرفت. نتایج نشان می‏دهند که هریک از مشاهدات به طور قطعی در ردۀ مشتریان خوش‏حساب و مشتریان بدحساب قرار گرفته و با ورود هر مشاهدۀ جدید وضعیت اعتباری آن پیش‏بینی می‏شود.

کلیدواژه‌ها


عنوان مقاله [English]

Credit Rating of Customers Using Data Envelopment Analysis and Discriminant Analysis in Fuzzy Environment (Case Study: A Private Banking Leasing Company)

نویسندگان [English]

  • alireza alinezhad 1
  • Saeeid Kashanifar 2
1 Associate Professor of Industrial Engineering, Faculty of Mechanical and Industrial Engineering, Islamic Azad University, Qazvin Branch (Corresponding Author)
2 MA Student in Industrial Engineering, Faculty of Mechanical and Industrial Engineering, Islamic Azad University, Qazvin Branch
چکیده [English]

In this research, in order to manage and control customers credit risk, a combination of two models, including discriminant analysis and data envelopment analysis, is used to detect the existence or absence of an overlap between the two groups. Using a separator hyperplane and assuming n viewing each one with k independent characteristic with the presence of fuzzy data, observations are categorized into two valid customer groups and invalid customers. Variables of this research are selected using the 6C method and using the Delphi method, among 17 selected indicators, 8 effective indicators are confirmed and entered into the research model. These indicators were used for 83 natural customers of a leasing company that benefited from the company during 2014 until 2016. The results show that each observation is definitely in the valid or invalid customer group and with the arrival of the new observation, its credit status is forecasted

کلیدواژه‌ها [English]

  • Data Envelopment Analysis/ Discriminant Analysis
  • Fuzzy data
  • Credit risk
  • Credit Scoring