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

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.

واژه های کلیدی: ریسک نقدینگی, صنعت بانکداری, یادگیری ماشین, شبکه عصبی مصنوعی, شبکه بیزی. طبقه بندی JEL : G۳۲, G۲۴, D۸۳, C۴۵, C۱۱