ارزیابی ریسک اعتباری مشتریان حقوقی بانک صادرات بر مبنای دو مدل شبکه های عصبی مصنوعی ولوجیت و مقایسه آنها

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,340

فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CAFM01_145

تاریخ نمایه سازی: 20 اردیبهشت 1392

چکیده مقاله:

هدف اصلی کلیه بانک ها در کشور جمع آوری پس انداز های اشخاص حقیقی و حقوقی و اعطای تسهیلات به سازمان ها،شرکت های مختلف و اشخاص حقیقی می باشد. آنچه که برای بانک ها اهمیت زیادی دارد این است که تسهیلات را به افراد یاسازمان هایی اعطاء کنند که شرایط دریافت وام را داشته و بتوانند تسهیلات دریافتی را به موقع بازپرداخت نمایند. لیکن بانک ها برای شناسایی و ارزیابی مشتریان خود از روش های متعددی استفاده می کنند. امروزه به دلیل افزایش حجم اعتبارات اعطایی و شرایط خاصاقتصادی، مطالبات معوق بانک ها نیز افزایش یافته که موجب افزایش ریسک اعتباری می گردد. مدل های مختلفی برای سنجشریسک اعتباری مشتریان بانک ارائه گردیده است. در این پژوهش با استفاده از دو مدل رگرسیون لجستیک و شبکه های عصبی پرسپترون چند لایه یک نمونه 120 تایی ( 71 مشتری خوش حساب و 49 مشتری بد حساب) که از بانک صادرات خراسان رضویتسهیلات اعتباری دریافت نموده اند، بررسی کرده ایم. ابتدا 26 متغیر مستقل شامل متغیرهای کیفی و مالی شناسایی و در نهایت 13متغیر را که دارای اثر معناداری بر ریسک اعتباری و تفکیک بین دو گروه از مشتریان بودند، انتخاب و مدل نهایی را به وسیله آنها برازش کرده ایم. به منظور سنجش کارآیی مدل شبکه عصبی در مقایسه با رگرسیون لجستیک، نتایج حاصل از رگرسیون لجستیک و شبکه عصبی با یکدیگر مقایسه شده است. بررسی نتایج نشان داد که هر دو مدل در ارزیابی ریسک اعتباری مشتریان حقوقی بانک از کارآیی بالا و قابلیت مشابهی برخوردار می باشند

نویسندگان

محمدرضا شورورزی

استادیار دانشگاه آزاد اسلامی واحد نیشابور،گروه حسابداری،نیشابور،ا

ابوالقاسم مسیح آبادی

استادیار دانشگاه آزاد اسلامی واحد نیشابور،گروه حسابداری،نیشابور،ا

مهدی غیاثی شهرکی

دانشجوی کارشناسی ارشد حسابداری،دانشگاه آزاد اسلامی_واحد نیشابور

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ذفانل ملن _ مالی _ للمای» ژذا(ک 7ا بهم ماه ...
  • Basel Committee on Banking Supervision Working Paper, Credit Rating andComplem ...
  • West D.; "Neural network credit Rating models "; Jourmal of ...
  • نمایش کامل مراجع