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...

هدف این پژوهش افزایش بازده سرمایه‌گذاری با ارائه مدل‌هایی مبتنی بر هوش مصنوعی است. سرمایه گذاری در بازارهای مالی را می توان در بعدهای کوتاه مدت (روزانه) و میان مدت (ماهانه) بررسی کرد. در بعد کوتاه مدت داده‌های روزانه بازارهای بورس اوراق بهادار تهران، ارز و سکه بهار آزادی از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج شده و به عنوان ورودی به شبکه‌های عصبی (ANN) و مدل برنامه‌نویسی ژنی (GP) و...

چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل‌سازی برگرفته از محاسبات هوشمند است که در کنار روش‌های کلاسیک برای پیش‌بینی سری‌های زمانی مالی بکار گرفته می‌شود. این مدل اغلب در مواردی که از سری ‌زمانی داده‌های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می‌شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش‌بینی مع...

  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...

کاهش و کنترل ریسک اعتباری به عنوان یکی از عوامل موثر در بهبود فرآیند اعطای اعتبار و درنتیجه در عملکرد بانک ها مطرح گردیده و نقش اساسی در تداوم ارائه تسهیلات، سودآوری و بقای بانک ها و موسسات مالی ایفا می نماید. در این راستا، پژوهش حاضر سعی در ارائه رویکردی نو برای ارزیابی ریسک اعتباری مشتریان بانکی دارد. روش شبکه عصبی به عنوان طبقه بندی کننده ی اصلی مشتریان تسهیلات بانکی با یک روش انتخاب ویژگی پ...

هدف اصلی این پژوهش، پیش‌بینی عوامل مؤثر بر خطر سقوط آتی قیمت سهام بر اساس روش شبکه عصبی شعاع‌مدار در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، طی دوره زمانی 1388 تا 1393 است؛ که برای جمع‌آوری مبانی نظری پژوهش از روش کتابخانه‌ای، از کتاب‌ها، پایان‌نامه‌ها و مقالات و برای جمع‌آوری اطلاعات آماری از صورت‌های مالی و یادداشت‌های همراه آن استفاده‌شده است. روش تجزیه‌وتحلیل در این پژوهش، روش شبکه...

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

پیش‌بینی نوسان یکی از مسایل بسیار مهم در بازارهای مالی است که توجه بسیاری از پژوهشگران دانشگاهی و کارشناسان این حوزه را در چند دهه ی گذشته به خود جلب کرده است. در پژوهش حاضر با توجه به این ضرورت، به بررسی مدلسازی و پیش بینی نوسان بازار سهام با استفاده از ترکیب‌ شبکه‌ های عصبی مصنوعی و الگوهای واریانس شرطی پرداخته می‌شود. در این تحقیق از شبکه های عصبی پرسپترون چند لایه (MLP ) ، مدل‌های ناه...

دقت پیش‌بینی‌ها از مهمترین فاکتور‌های مؤثر در انتخاب روش‌های پیش‌بینی می‌باشند. امروزه علی‌رغم وجود روش‌های متعدد پیش‌بینی، هنوز پیش‌بینی‌‌های دقیق، بویژه در بازارهای مالی کار چندان ساده‌ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش‌های متفاوت به‌منظور حصول نتایج دقیق‌تر می‌‌باشند. در سال‌های اخیر تلاش‌های فراوانی به‌منظور بهبود روش‌های پیش‌بینی سری‌های زمانی صورت گرفته است. مدل‌های ترکیبی ...