نوع مقاله : مقاله علمی

نویسندگان

• علیرضا علی نژاد
• سعید کاشانی‌فر

گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی، واحد قزوین، ایران

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 به‌وسیله یک ابرصفحه جداکننده و با فرض وجود مشاهده هریک با مشخصه مستقل با حضور داده‏‌های فازی، مشاهدات به دو رده 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 مشاهده جدید وضعیت اعتباری آن پیش‏بینی می‌‏شود.

کلیدواژه‌ها

• تحلیل پوششی داده‏ها/ تحلیل ممیز
• داده‏های فازی
• ریسک اعتباری
• امتیازدهی اعتباری

عنوان مقاله [English]

Customer credit scoring using data envelopment analysis and discriminant analysis in a fuzzy environment (case study: a leasing company affiliated with a private bank)

نویسندگان [English]

• A. Alinezhad
• S. Kashanifar

Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Islamic Azad University, Qazvin Branch, Iran

چکیده [English]

In this research, in order to manage and control the credit risk of customers, from the combination of two models of discriminant analysis and data coverage analysis to detect the presence or absence of an overlap between two groups by means of a separating hyperscreen and assuming the existence of each observation with independent characteristics with The presence of fuzzy data, the observations were categorized into two categories of good customers and bad customers. The variables of this research were selected from the 6C method, and out of the 17 selected indicators, using the Delphi method, 8 influential indicators were included in the research model. These indicators were used for 83 real customers of a leasing company who received facilities during 2013 and 2014. The results show that each of the observations is definitively placed in the category of good customers and bad customers, and with the arrival of each new observation, its credit status is predicted.

کلیدواژه‌ها [English]

• Data Envelopment Analysis/ Discriminant Analysis
• Fuzzy Data
• Credit Risk
• Credit Scoring