نوع مقاله : مقاله پژوهشی

نویسندگان

• فریده زنگنه ¹
• سید فرید موسوی ²
• سید امیررضا ابطحی ³
• آرزو گازری نیشابوری ⁴

¹ کارشناسی ارشد مدیریت صنعتی، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران

² استادیار، گروه مدیریت، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران

³ استادیار، گروه مدیریت، دانشکده مدیریت، دانشگاه خوارزمی، تهران ، ایران

⁴ دکتری مهندسی صنایع- دانشگاه آزاد اسلامی-واحد تهران جنوب-تهران- ایران

چکیده

در سال‏های اخیر، اعتبارسنجی یکی از روش‏های اصلی مؤسسه‏های مالی برای ارزیابی ریسک اعتباری بوده است. در میان روش‌های اعتبارسنجی، مشکل اصلی توزیع نامتوازن داده‏هاست که کارایی روش‌های اعتبارسنجی را محدود می‌کند. دلیل ایجاد مشکل یادشده این است که در مجموعه داده مشتریان، موارد بدحساب (نکول) موجود برای آموزش مدل ارزیابی، کمتر از موارد خوش‏حساب (عدم نکول) است و عملکرد رویکردهای اعمال‏شده در اعتبارسنجی را مختل می‌کند. پژوهش حاضر با استفاده از الگوریتم مبتنی بر آنتروپی و با هدف غلبه بر مشکل نامتوازن بودن داده‌ها، به اعتبارسنجی مشتریان فعال در صنعت گردشگری پرداخته است. در این پژوهش داده‌ها بر حسب آنتروپی شاخص‏های اعتبارسنجی مشتریان ارزیابی شده و معیاری تعریف خواهد شد که می‌تواند خوش‏حسابی یا بدحسابی مشتریان را تنها با در نظر گرفتن موارد خوش‏حساب مجموعه داده و نمونه متقاضی تسهیلات، اندازه‌گیری کند. در این پژوهش، 204 مشتری فعال صنعت گردشگری بانک ملی ایران، به‏عنوان مجموعه داده انتخاب شده است. بر اساس نتایج پژوهش، مدل آنتروپی با قدرت پیش‏بینی خوب خود، برای اعتبارسنجی مشتریان کارایی مناسبی دارد.

کلیدواژه‌ها

• اعتبارسنجی
• مشتریان بانکی
• صنعت گردشگری
• رویکرد ترکیبی
• آنتروپی

عنوان مقاله [English]

Designing a Credit Scoring Model for Customers Active in the Tourism Industry with a Hybrid Approach Based on Entropy

نویسندگان [English]

• Farideh Zangeneh ¹
• seyed farid mousavi ²
• Seyed Amir reza Abtahi ³
• Arezoo Gazori-Nishabori ⁴

¹ Department of Management- Kharazmi University- Tehran- Iran

² Department of Management- Kharazmi University- Tehran- Iran

³ Department of Management- Kharazmi University- Tehran- Iran

⁴ Department of Industrial Engineering- South Tehran Branch- Islamic Azad University-Tehran-Iran

چکیده [English]

In recent years, credit scoring has been one of the main methods of financial institutions to assess credit risk. The main problem that limits the effectiveness of credit scoring methods is the unbalanced distribution of data, which means that in the data set, the number of samples of good customers is far more than the number of samples of bad customers. This study deals with the credit scoring of customers active in the tourism industry using an entropy-based algorithm with the aim of overcoming the problem of data imbalance, which evaluates the data in terms of the entropy of customer validation indicators and defines a criterion that can measure how good or bad a customer is by considering only the good cases of the data set and the sample of the applicants for facilities. In this research study, 204 active customers of the tourism industry of Bank Melli Iran were selected as the data set. The results showed that the entropy model has a good prediction power and is an effective model for validating customers.

کلیدواژه‌ها [English]

• Credit scoring
• Bank customers
• Tourism industry
• Hybrid approach
• Entropy