ارائه مدل جامع جهت اندازه گیری ریسک نقدینگی بانک های پذیرفته شده در بورس اوراق بهادار تهران(مطالعه موردی: بانک ملت)
Publish place: Financial Economics، Vol: 16، Issue: 59
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 403
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECJ-16-59_011
تاریخ نمایه سازی: 26 آذر 1401
Abstract:
چکیدهعدم مدیریت نقدینگی بانک ها یکی از مهم ترین ریسک های هر بانک می باشد و کم توجهی به ریسک نقدینگی منجر به عواقب جبران ناپذیر می شود. جلوگیری از وقوع ریسک نقدینگی نیازمند یک روش اندازه گیری جامع می باشد؛ اما ریسک نقدینگی موضوعی پیچیده است و این پیچیدگی ارائه یک تعریف مناسب را دشوار می سازد. علاوه بر این، تعریف فاکتورهای تعیین کننده ریسک نقدینگی و فرمول بندی تابع هدف مرتبط برای تقریب و پیش بینی مقدار آن پیچیده است. در این تحقیق برای مقابله با این مشکلات و ارزیابی ریسک نقدینگی و فاکتورهای کلیدی آن، مدلی را پیشنهاد می کنیم که از شبکه های عصبی مصنوعی و بیزی استفاده می کند. طراحی و اجرای این مدل شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی است. در این مقاله از الگوریتم های بهینه سازی لونبرگ-مارکوارت و ژنتیک جهت آموزش شبکه عصبی مصنوعی استفاده کرده ایم. همچنین یک مطالعه موردی در بانک ملت برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطاف پذیری مدل اندازه گیری ریسک نقدینگی تحقیق، پیاده سازی کرده ایم.
Keywords:
واژه های کلیدی: ریسک نقدینگی , صنعت بانکداری , یادگیری ماشین , شبکه عصبی مصنوعی , شبکه بیزی. طبقه بندی JEL : G۳۲ , G۲۴ , D۸۳ , C۴۵ , C۱۱
Authors
تورج آذری
گروه مدیریت وحسابداری، واحدبین الملل کیش، دانشگاه آزاداسلامی،تهران،
مجتبی دستوری
گروه مدیریت و حسابداری، واحدبین الملل کیش، دانشگاه آزاد اسلامی، کیش، ایران
رضا تهرانی
گروه مدیریت وحسابداری، واحدبین الملل کیش، دانشگاه آزاداسلامی،تهران،ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :