مدل معرفی شده در این پژوهش یک مدل رتبه بندی اعتباری دو مرحله ای برای متقاضیان حقیقی دریافت تسهیلات میباشد. در مرحله اول تعداد 10 متغیر مستقل تعریف شده است که مدل با استفاده از آنها و همچنین با بکاربردن تکنیک رگرسیون لجستیک و همچنین با کمک نرم افزار eviews 7 به برآورد یک معادله رگرسیونی می پردازد. با اجرای مرحله نخست مدل و برآورد معادله رگرسیونی مشخص می گردد که متغیرهای سن، جنس، وضعیت تأهل و داشتن تسهیلات دیگر با متغیر وابسته که همان احتمال خوش حساب بودن یک فرد متقاضی است، رابطه معناداری ندارند و از معادله حذف می گردند. با کمک این معادله رگرسیونی برای هر متقاضی جدید، اطلاعات وی بصورت عددی وارد مدل شده و مقدار متغیر وابسته تعیین میگردد. سپس این مقدار با یک مقدار حدی مقایسه می گردد تا بدین ترتیب وضعیت اعتباری متقاضی از لحاظ اینکه می تواند تسهیلات را دریافت نماید و یا خیر، مشخص گردد. در مرحله دوم، مدل بروی آن دسته از متقاضیانی تمرکز می نماید که توانسته اند تسهیلات را دریافت نمایند. با کمک تکنیک تحلیل بقا و با استفاده از نرم افزار spss، میانگین زمان بقا این دسته از متقاضیان محاسبه شده و همچنین با انجام آزمون آماری لگاریتم رتبه ای مشخص می گردد که متغیر ثبات شغلی و درآمد ماهیانه، رابطه معنی داری با میزان بقای یک متقاضی خوش حساب دارند. بدین ترتیب مدیران بانکها علاوه بر تفکیک متقاضیان به دو گروه خوش حساب و بدحساب، می توانند در مورد زمان بندی و نحوه بازپرداخت تسهیلات اعطایی به متقاضیان خوش حساب نیز تصمیم گیری نمایند.

در این پژوهش به رتبه بندی شرکتهای تولیدی حاضر در بورس تهران پرداخته است.در این راستا نسبت های مالی 181 شرکت تولیدی بورسی در طی 3 سال از روی صورتهای مالی آنها استخراج شده است.این نسبت های مالی بیانگر میزان توانایی پرداخت اصل و فرع تسهیلات می باشند. ابتدا 50 شرکت توسط روش تاپسیس رتبه بندی می شودکه نسبت های مالی به عنوان معیار های رتبه بندی و شرکت ها به عنوان گزینه های رتبه بندی مطرح می باشند و وزن های هر معیار توسط روش آنتروپی شانون معلوم می شوند.بر اساس روش تاپسیس به هر شرکت عددی بین صفر و یک به نسبت دوری یا نزدیکی به جواب ایده آل مثبت و منفی داده می شود. این شرکت ها به 4 دسته تقسیم بندی می شوند. نتایج این دسته بندی ،تابع شبکه عصبی را مورد آموزش قرار می دهد و سپس با استفاده از داده های تست اعتبار این دسته بندی مورد آزمایش قرار می گیرد. همچنین این دسته بندی توسط رگرسیون لجستیک نیز انجام می شود و سپس مورد تست قرار می گیرد. نتایج حاکی از آن می باشد که شبکه عصبی جوابی به مراتب دقیقتر نسبت به رگرسیون لجستیک در این دسته بندی می دهد. در پایان تمام شرکتها توسط شبکه عصبی رتبه بندی شده اند و نتایج دسته بندی شبکه عصبی با نظر خبره مقایسه شده است که نشان می دهد که دسته بندی شبکه عصبی بسیار نزدیک به نظر خبره می باشد.

یکی از مسائل مهم در مدیریت بانک ، ریسک اعتباری مشتریان و استفاده از مدلهای سنجش ریسک اعتباری مشتریان است .اعطای اعتبار باید به ترتیبی صورت گیرد که اصل منابع تامین شده و هم چنین سود مورد انتظار ، درصورت تحقق درمدت معین قابل برگشت باشد لیکن موانع و مشکلات گوناگون از جمله عدم بررسی طرح یا معامله ،نابسامانی اقتصادی مانند رکود بازار ،تورم ،ورشکستگی ،حوادث گوناگون غیرمترقبه ،کلاهبرداری هاو .. موجب می شود که عده ای از تسهیلات گیرندگان از بازپرداخت وجوه دریافتی خودداری کنند که این خطر ریسک اعتباری را به وجود می آورد.هدف این تحقیق بررسی تجربی تاثیر نوع و ارزش وثایق بر کاهش ریسک عدم بازپرداخت تسهیلات اعطایی در شعبه مستقل فردوسی بانک ملی ایران بوده که با مطالعه و نمونه گیری تصادفی از 134 مورد پرونده اعتباری معوق و تسویه شده ‏،صورت گرفته است.متغیرهای مورد استفاده در این تحقیق به شرح ذیل می باشند: متغیرهای مستقل شامل نوع وثایق ،ارزش اولیه وثایق در زمان اعطای وام به مبلغ تسهیلات ،مبلغ تسهیلات ،مدت تسهیلات ، نرخ بهره ، صورت های مالی حسابرسی شده ، نوع عقد تسهیلات ، تعداد اقساط و دیرش. ضمنا ًمتغیرهای وابسته (تابع )عبارتنداز : 1-ریسک عدم بازپرداخت تسهیلات اعطایی 2-انتخاب وثایق نتایج به دست آمده از محاسبات با نرم افزار spss18 حاکی از آن است که انتخاب نوع وثیقه تاثیر مستقیمی بر کاهش ریسک عدم بازپرداخت تسهیلات اعطایی دارد ولیکن ارزش وثیقه تاثیری بر روی آن نمی گذارد. همچنین در پایان با استفاده از نرم افزار eviews با مقایسه تاثیر 4 نوع وثیقه بر مدل طراحی شده ،مشخص گردید وثیقه های ترکیبی و طرحی قابلیت کاهش ریسک را دارند. کلمات کلیدی : ریسک ، انواع تسهیلات ، ریسک اعتباری ، مطالبات سررسید گذشته ،مطالبات معوق ، مطالبات مشکوک الوصول ، وثیقه (تامین )،رگرسیون لوجستیک

صنعت خودرو ارائه دهنده یکی از بزرگترین کالاهای بادوام برای هر فرد در زندگی اش است به گونه ای که اگرچه به عصر ارتباطات وارد شده ایم انسان ها همواره و همه روزه با مسئله مهم جابجایی روبرو می باشند و نه تنها از اهمیت آن کاسته نشده است بلکه روز به روز بر اهمیت و نقش آن در جامعه امروزی افزوده می شود. در نتیجه پیش بینی تقاضای خودرو مسئله ای بسیار مهم و حائز اهمیت می باشد. پیش بینی دقیق لازم است تا زیان های ناشی از هزینه های سرمایه گذاری در اثر پیش بینی نادرست تقاضا حداقل شود. بنابراین این سوال مطرح می شود که بهترین مدل برای پیش بینی تقاضا کدام است؟ درجایی که تقاضا با نوسان همراه است، روش های سنتی برای پیش بینی تقاضا انحراف زیادی دارند. بنابراین در این تحقیق از روش اختیار واقعی برای پیش بینی تقاضا و برای حل مدل پیش بینی تقاضا از شبیه سازی مونت کارلو استفاده می شود. روش اختیار واقعی، اختیارات را براساس نوسانات آن ها و توزیع احتمال جز اختلال مدل، مدلسازی می کند. این روش با ملاحظه ریسک ها و نااطمینانی هایی که در روند آتی تقاضا وجود دارد نسبت به باقی روش ها برتری دارد. تحقیق حاصل در پنج فصل گردآوری شده است. فصل اول کلیات تحقیق را بیان می کند و به موضوع تحقیق و سوالات تحقیق اشاره دارد. در فصل دوم به مرور ادبیات در رابطه با مبانی تحقیق پرداخته می شود. در فصل بعدی روش تحقیق ارائه گردیده است و مراحل انجام آن به همراه ابزارهای مورد استفاده در تحقیق به صورت کامل تشریح داده شده است. درفصل چهارم به ارائه یافته های پژوهش پرداخته می شود و موضوع فصل پنجم نتیجه گیری ، تجزیه و تحلیل نتایج به دست آمده جهت پوشش اهداف و سوالات تحقیق می باشد و پیشنهاداتی برای تحقیقات آتی ارائه گردیده است. واژگان کلیدی: روش اختیار واقعی، پیش بینی تقاضا، شبیه سازی مونت کارلو real options approach , timeseries econometrics ,auto industry, demand , demand forecasting , monte carlo simulation