تخصیص بهینه منابع بانکی با رویکرد بیشنه کردن سود و کاهش ریسک اعتباری در سیستم بانکداری ایران

هدف: پژوهش حاضر به‌دنبال بررسی طراحی یک سیستم پشتیبان تصمیم‌گیری برای تخصیص منابع بانکی با رویکرد الگوریتم ژنتیک می‌باشد، به‌عبارتی به‌دنبال بررسی این موضوع می‌باشد که آیا می‌توان با استفاده از مدل الگوریتم ژنتیک برای طراحی یک سیستم پشتیبانی از تصمیم، به مدیران بانک‌ها برای تخصیص بهینه منابع بانکی یاری رساند؟ روش‌شناسی: روش پژوهش از دیدگاه هدف، تحقیقی-کاربردی است و از دیدگاه نوع و روند انجام پژوهش یک پژوهش میدانی - پیمایشی می‌باشد. حجم نمونه آماری این پژوهش را بانک‌های خصوصی و دولتی سطح کشور شامل 20 بانک می‌شوند. جمع‌آوری اطلاعات و آمارهای لازم برای انجام پژوهش به‌صورت میدانی و کتابخانه‌ای از طریق مصاحبه حضوری با نخبگان و همچنین توزیع  پرسش‌نامه میان مدیران و کارشناسان بانکی انجام می‌پذیرد و برای تجزیه وتحلیل اطلاعات از برنامه متلب و از طریق وارد نمودن اطلاعات تخصیص منابع و الگوریتم ژنتیک استفاده شده‌است. همچنین در طراحی مدل سیستم پشتیبان تصمیم‌گیری برای تخصیص منابع بانکی با رویکرد الگوریتم ژنتیک از روش سنتژ پژوهی برای تجزیه وتحلیل اطلاعات استفاده می‌کنیم.نتایج: نتایج تحقیق نشان داد که با ترکیب شبکه‌های عصبی مبتنی بر سری زمانی و الگوریتم ژنتیک شرکت‌های فعال عرصه تجارت الکترونیک می‌توانند مدلی با دقت بالا برای پیش‌بینی قصور مشتریان کارت‌های اعتباری بر اساس سوابق تراکنش‌های مالی مشتریان ارائه نمایند. همچنین استفاده از وابستگی‌های زمانی تراکنش‌های مشتریان در پروسه امتیازدهی اعتبار آنها می‌تواند دقت پیش‌بینی فرایند قصور در پرداخت را افزایش دهد.نوآوری: تخصیص بهینه منابع بانکی بر اساس ارزیابی ریسک اعتباری و احتمال قصور در پرداخت، موضوع مهمی برای تحقیق در زمینه مدیریت ریسک مالی به‌شمار می‌آید. بنابراین بهبود تصمیم‌گیری در خصوص اعطای وام به مشتریان یکی از مهم‌ترین مسائل امروزه سازمان‌های مالی کشور می‌باشد. باتوجه به اینکه اکثر بانک‌ها با مطالبات معوق روبه‌رو هستند با استفاده از یک مدل پیش‌بینی قصور پرداخت و ارزیابی ریسک اعتباری، می‌توانند مشتریانی را شناسایی کنند که در آینده می‌توانند به هر نحو با بانک تسویه کنند.

optimal allocation of banking resources with the approach of maximizing profit and reducing credit risk in iran's banking system

purpose: the current research seeks to investigate the design of a decision support system for allocating bank resources with the genetic algorithm approach, in other words, it seeks to investigate whether it is possible to use the genetic algorithm model to design a decision support system. did the bank managers help for the optimal allocation of bank resources? methodology: from the point of view of the goal, the research method is research-applied, and from the point of view of the type and process of conducting the research, it is a field-survey research. the statistical sample size of this research includes 20 private and public banks of the country. the collection of information and statistics necessary to conduct the research in the field and in the library is done through face-to-face interviews with the elites, as well as the distribution of questionnaires among bank managers and experts, and for analysis data analysis has been done by matlab program and by entering resource allocation information and genetic algorithm. also, in the design of the decision support system model for allocating bank resources with the genetic algorithm approach, we use the research synthesis method to analyze the information.results: the results of the research showed that by combining neural networks based on time series and genetic algorithm, active companies in the field of e-commerce can provide a high-precision model for predicting credit card customer defaults based on customer financial transaction records. also, using the time dependencies of customer transactions in their credit scoring process can increase the accuracy of predicting the payment default process.innovation: the optimal allocation of bank resources based on the assessment of credit risk and the possibility of default in payment is considered an important issue for research in the field of financial risk management. therefore, the improvement of decision-making regarding the granting of loans to customers is one of the most important issues of the country’s financial organizations today. due to the fact that most banks are faced with outstanding claims, by using a payment default prediction model and credit risk assessment, they can identify customers who can settle with the bank in any way in the future.