اندازه‌گیری ریسک اعتباری مشتریان با رویکرد شبکه عصبی در یکی از بانک‌های دولتی

Authors: not saved
Abstract:

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 بر ریسک اعتباری از اهمیت بالایی برخوردار است،. بنا به آنچه اظهار شد، هدف از انجام پژوهش حاضر طراحی مدلی جهت رتبه‌بندی مشتریان در حوزه ریسک اعتباری با رویکرد تلفیقی MADM و SOM است. بدین منظور در نخستین مرحله با مرور ادبیات موضوع،29 شاخص مؤثر در ارزیابی ریسک اعتباری مشتریان شناسایی وبر مبنای مدل 6c طبقه‌بندی شد. در مرحله بعد با توجه به فراوانی شاخص‌ها و نظر خبرگان 12 شاخص به‌عنوان شاخص نهایی در نظر گرفته شد. سپس با روش الگوریتم تشخیص الگو شبکه عصبی به تعیین خوشه‌های بهینه اقدام گردید؛ و با استفاده از روش شبکه عصبی خود سامانده (SOM) و k-mean مشتریان حقوقی دریافت‌کننده تسهیلات طبقه‌بندی گردید. در خاتمه وزن نسبی هریک شاخص‌های دخیل را در ارزیابی ریسک اعتباری شد.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

اندازه گیری ریسک اعتباری مشتریان با رویکرد شبکه عصبی در یکی از بانک های دولتی

ریسک اعتباری را می توان به عنوان ضرر محتمل که در اثر یک رخداد اعتباری اتفاق می افتد، 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 بانک­ ها می باشد و این ریسک از این جهت ناشی می شود که دریافت کنندگان تسهیلات توانایی بازپرداخت اقساط بدهی خود را به بانک نداشته باشند. بررسی عوامل موثر و تأثیر گزار بر...

full text

بررسی 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 text

مقایسه مدل‌های شبکه عصبی، الگوریتم ژنتیک و لاجیت در ارزیابی ریسک اعتباری مشتریان

  هدف پژوهش حاضر ارزیابی روش‌های رتبه‌بندی اعتباری مشتریان حقیقی (دریافت‌کنندگان اعتبارات خُرد) بانک‌ها، به‌وسیله بررسی سوابق مالی و مشخصات خصیصه‌ای فرد متقاضی می‌باشد. بررسی‌های صورت گرفته نشان می‌دهد که جهت رتبه‌بندی اعتباری مشتریان عمدتاً از سه روش؛ مدل لاجیت، شبکه عصبی و الگوریتم ژنتیک، استفاده می‌شود. در این پژوهش کارایی این روش‌ها جهت سنجش دقیق نکول مورد ارزیابی قرار می‌گیرد. بدین منظور اطل...

full text

ارزیابی مدل‌های ریسک اعتباری بانک‌ها با رویکرد ویژگی‌های اخلاقی مشتریان

زمینه: علیرغم اهمیت ریسک اعتباری در فعالیت بانک‌ها و مؤسسات مالی، به نظر می‌رسد حرکت منسجم و سازمان یافته‌ای برای ایجاد مدل‌های ریسک اعتباری به خصوص در اقتصاد ایران، صورت نگرفته است. همچنین ویژگی‌های اخلاقی مشتریان می‌تواند اثر قابل ملاحظه‌ای در بازپرداخت تعهدات‌شان و به عبارت دیگر کاهش ریسک اعتباری داشته باشد. بنابراین تدوین نظام جامع مدیریت ریسک اعتباری از جمله ضروریات نظام بانکی کشور به حساب...

full text

بررسی مقایسه ای ریسک اعتباری مشتریان بانکهای دولتی تجاری و بانکهای دولتی تخصصی و بانکهای خصوصی شهرستان زاهدان

دراین پایان نامه به بررسی مقایسه¬ای ریسک اعتباری مشتریان دربانک¬های خصوصی ودولتی تجاری وتخصصی شهرستان زاهدان دربازه زمانی یک ساله ازاول مهر1390 تااول مهر1391 می¬پردازیم. در این پژوهش برای جمع¬آوری اطلاعات از کتاب¬ها، پایان نامه¬ها، مقاله-های داخلی و خارجی و پایگاه¬های اطلاعاتی و برای بررسی فرضیه¬های پژوهش، از داده¬های مربوطه موجود در اسناد بخش تسهیلات شعب بانک¬ها استفاده شد. نتیجه¬های به¬دست آم...

مدیریت ریسک اعتباری در نظام بانکی رویکرد مقایسه ای تحلیل پوششی داده ها و شبکه عصبی

This research has been done with the aim of identification of effective factors which influence on credit risk and designing model for estimating credit rating of the companies which have borrowed from a commercial bank in the one-year period by using Data Envelopment Analysis and neural network model and comparison of these two models . For this purpose, the necessary sample data on financial ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 27

pages  155- 181

publication date 2016-06-04

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023