بررسي ريسك اعتباري بانك ها با استفاده از مدل هاي خطي و غير خطي (مطالعه موردي بانك اقتصاد نوين)
هدف از این تحقیق طراحی و استقرار مدل اندازهگیری ریسک اعتباری در نظام بانکی نقش کارامدی در راستای بالا بردن بهرهوری بانکها و موسسات مالی در تخصیص بهینه منابع میباشد. در این پژوهش تلاش شده تا کارایی مدلهای لجستیک و شبکه عصبی مصنوعی GMDH برای پیشبینی ریسک اعتباری مشتریان نظام بانکی مورد بررسی قرار گیرد و همچنین مهمترین عوامل موثر بر ریسک اعتباری، شناسایی و مورد بررسی قرار گیرند. اطلاعات مورد استفاده در این پژوهش مربوط به ۱۰۰ نفر از مشتریان حقوقی یکی از بانکهای کشور میباشد. بنابر اهداف پژوهش متغیرهای مورد استفاده نیز به صورت ترکیبی از مهمترین متغیرهای مالی و غیرمالی میباشد. نتایج مدل لاجیت نشان میدهد که متغیرهای تعداد چکهای برگشتی، سابقه فعالیت شرکت نزد بانک، میزان سرمایه شرکت، نسبت گردش مجموعه دارایی، نسبت بدهی به حقوق صاحبان سهام و نسبت حاشیه سود خالص مهمترین متغیرهای موثر بر شناسایی میزان ریسک اعتباری مشتریان میباشد. ولی مدل شبکه عصبی علاوه برمتغیرهای یادشده در بالا متغیرهایی از قبیل تحصیلات مدیر عامل، ارزش وثیقه به میزان تسهیلات، خالص سرمایه در گردش به دارایی، نسبت حاشیه سود عملیاتی و نسبت بازدهی به دارایی را به عنوان متغیرهای با اثر زیاد بر میزان ریسک اعتباری معرفی میکند. مقایسه کارایی مدل لاجیت و مدل شبکه عصبی نشان میدهد که مدل شبکه عصبی با سه لایه مخفی با کارایی ۹۵ درصد کاراترین مدل برای شناسایی و تعیین میزان ریسک تسهیلات میباشد.
جهت رفع سوالات و مشکلات خود از سیستم پشتیبانی سایت استفاده نمایید .
دیدگاه ارسال شده توسط شما ، پس از تایید توسط مدیران سایت منتشر خواهد شد.
دیدگاهی که به غیر از زبان فارسی یا غیر مرتبط با مطلب باشد منتشر نخواهد شد.