ارزیابی شکنندگی مالی بانک ها با بکارگیری روش شبکه عصبی
نویسندگان
چکیده
پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی roc استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.
منابع مشابه
ارزیابی شکنندگی مالی بانکها با بکارگیری روش شبکه عصبی
پیشبینی تداوم فعالیت یک بانک در دورههای آتی، یکی از عناصر مهم در تصمیمگیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیشبینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیشبینی شکنندگی مالی مطرح بوده است. یکی از پیشرفتهترین مدلهای پیشبینیکننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهرهگیری از ادبیات نظری و تجربی، شاخص شکنند...
متن کاملمنحنی شکنندگی لرزه ای پل بتنی با معیار شکل پذیری ستون و رویکرد شبکه عصبی
هدف این مطالعه، ارائه منحنی های شکنندگی لرزه ای پل بزرگراهی بر مبنای پیش بینی های مبتنی بر شبکه عصبی است. در سال های اخیر، منحنی های شکنندگی، علاوه بر روشهای تجربی و کارشناسی، اغلب با استفاده از روش تحلیلی تهیه می شود. در این مطالعه،منحنی های شکنندگی لرزه ای پل خمیده افقی بر مبنای پیش بینی های شبکه عصبی و تمرکز بر روی شاخص شکل پذیری ستون بتنی با استفاده از 129رکورد زمین لرزه نشان داده می شود.رک...
متن کاملپیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی
یکی از مهمترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپردههای بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاینرو مدیران بانکها علاقهمند هستند بدانند که میزان کل سپردههای بانک در زمان معینی در آینده چقدر خواهد بود. پیشبینی میزان سپردهها، تغییر و نوسان این سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانکها کمک نماید....
متن کاملشناسایی محل بانک خازنی کلیدزنی شده در شبکه توزیع با استفاده از شبکه عصبی-فازی
در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان است...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
سیاست گذاری پیشرفت اقتصادیجلد ۳، شماره ۷، صفحات ۲۹-۵۸
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023