ارزیابی ریسک اعتباری تعاونیهای شهری با استفاده از روش شبکه عصبی
Authors
Abstract:
One of the most important issues for institutions that provide financial facilities to others is the issue of credit risk. One of the ways to quantify and measure credit risk and, consequently, its proper management, is to use a credit rating. Credit rating is a model for measuring the performance of facility recipients, which is based on quantitative criteria such as corporate financial information, in order to allow prospective clients to obtain a similar profile with facilities and customers with a proper and inappropriate credit position. To be identified. According to the mission of the organization, the Central :::::union::::: of Cooperative of Workers of Iran has numerous member cooperatives from across the country, which provides their products there. In this research, the effect of each of the factors involved in determining the risk of credit in this cooperative has been tested first. Then, using the self-organizing mapping algorithm, we will cluster the data to exclude clusters that are very remote and far-reaching. The credit risk of each of the cooperatives has been calculated through the algorithm of the multi-layer perceptron neural networks in MATLAB software and a model for predicting credit risk in the future. The main purpose of this research was to use this algorithm to classify cooperatives by calculating credit risk numbers and use it to predict the future credit risk of the future cooperatives.
similar resources
مدیریت ریسک اعتباری در بانک کشاورزی شهرستان ممسنی با استفاده از مدل شبکه عصبی
این مقاله با هدف شناسایی عوامل مؤثر بر ریسک اعتباری و ارائه مدلی جهت پیشبینی ریسک اعتباری و رتبهبندی مشتریان حقوقی متقاضی تسهیلات اعتباری بانک کشاورزی شهرستان ممسنی با استفاده از تکنیک شبکه عصبی انجام گرفته است. بدین منظور بررسیهای لازم بر روی اطلاعات مالی و غیرمالی مربوط به یک نمونه 205 تایی که به روش نمونهگیری خوشهای چندمرحلهای تصادفی از میان کشاورزان دریافتکننده وام در شهرستان ممسنی د...
full textمدیریت ریسک اعتباری در بانک کشاورزی شهرستان ممسنی با استفاده از مدل شبکه عصبی
این مقاله با هدف شناسایی عوامل مؤثر بر ریسک اعتباری و ارائه مدلی جهت پیشبینی ریسک اعتباری و رتبهبندی مشتریان حقوقی متقاضی تسهیلات اعتباری بانک کشاورزی شهرستان ممسنی با استفاده از تکنیک شبکه عصبی انجام گرفته است. بدین منظور بررسیهای لازم بر روی اطلاعات مالی و غیرمالی مربوط به یک نمونه 205 تایی که به روش نمونهگیری خوشه ای چندمرحله ای تصادفی از میان کشاورزان دریافت کننده وام در شهرستان ممسنی د...
full textبررسی رفتار اعتباری مشتریان تسهیلات مصرفی بخش مسکن با استفاده از شبکه های عصبی امتیازبندی اعتباری
امروزه سیستم های هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کرده اند. بررسی و تصویب اعتبارات، یکی ازکاربردهای شبکه های عصبی است. از طرف دیگر محدودیت منابع در بخش مسکن و به تبع آن کمبود مسکن در کشور، تخصیصبهینه منابع را یک ضرورت نموده است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی تسهیلات خرید مسکن با استفاده از شبکه های عصبی جهت امتیازبندی اعتبار...
full textارائه مدل ترکیبی شبکه های عصبی با بهره گیری از یادگیری جمعی به منظور ارزیابی ریسک اعتباری
Banking is a specific industry that deals with capital and risk for making profit. Credit risk as the most important risk, is an active research domain in financial risk management studies. In this paper a hybrid model for credit risk assessment which applies ensemble learning for credit granting decisions is designed. Combining clustering and classification techniques resulted in system improv...
full textاندازهگیری ریسک اعتباری مشتریان با رویکرد شبکه عصبی در یکی از بانکهای دولتی
ریسک اعتباری را میتوان به عنوان ضرر محتمل که در اثر یک رخداد اعتباری اتفاق میافتد، بیان کرد. هنگامی که توانایی طرف قرارداد در تکمیل تعهداتش تغییر کند این رخداد اعتباری رخ می دهد. ریسک اعتباری یکی از مهم ترین عوامل تولید ریسک در بانکها می باشد و این ریسک از این جهت ناشی میشود که دریافت کنندگان تسهیلات توانایی بازپرداخت اقساط بدهی خود را به بانک نداشته باشند. بررسی عوامل موثر و تأثیر گزار ...
full textارایه مدل بهینه ریسک اعتباری فرایند تامین مالی جمعی با استفاده از شبکه عصبی پرسپترون چندلایه (MLP)
هدف مطالعه حاضر، پیشبینی و ارایه مدل ریسک اعتباری جهت سرمایهپذیران تأمین مالی جمعی مبتنی بر بدهی است. با توجه به پیچیدگی ارزیابی ریسک، بهترین معماری شبکه عصبی الگوریتم پرسپترون چند لایه برای شبیهسازی انتخاب شد. جامعه آماری این پژوهش، اطلاعات مالی پرونده اعتباری/تسهیلاتی کلیه مشتریان (506 مورد) یکی از بانکهای کشور مربوط به سال 98-97 است. به منظور معناداری رابطه شاخصهای استخراج شده از نمون...
full textMy Resources
Journal title
volume 6 issue 24
pages 17- 33
publication date 2018-12
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023