امیر اسمعیلی آتشگاه - کارشناسی ارشد مدیریت مالی، دانشگاه شهاب دانش قم، ایران .
رسول یاری فرد - استاد گروه حسابداری، دانشکده حسابداری و مدیریت، دانشگاه شهاب دانش قم، ایران.

با توجه به تحولات آزادسازی مالی و نوآوری بانکی ، ماهیت ریسک های بانکی تغییر کرده است که منجر به استفاده از ابزارهای مالی جدید می شود. بنابراین بانک ها به طور فزاینده ای ارزیابی ریسک را برای اجتناب از آن اتخاذ می کنند. بنابراین ، این پژوهش مدل جدیدی را برای کمک به مدیریت ریسک مالی مبتنی بر هوش مصنوعی شرح می دهد. بانک تجارت با مدیریت موثر بر انواع ریسک ها خصوصا شناسایی و تحلیل ریسک های مالی موجود در بانک و همچنین تدوین و اتخاذ سیاست ها و دستورالعمل کاربردی ، باید یک ارزیابی جامع از تمام عوامل تاثیر گذار بر روابط کاری و مالی خود را به انجام رساند تا از آن طریق میزان و اثرات ریسک را کاهش دهد. بر اساس دادههای جمع آوری شده از شعب بانک تجارت تهران، دقت طبقه بندی و کاربرد چندین مدل شبکه عصبی رایج مقایسه شده است و بنابراین پیشنهادهای متناظری برای کاربرد خاص مدل ارزیابی ریسک مالی پیشنهاد می گردد. علاوه بر این ، میزان خطای چندین مدل رایج ارزیابی ریسک مالی بررسی شده است . نتایج تجربی نشان داد که شبکه عصبی احتمالی (PNN) دارای کمترین میزان خطا و خطای نوع دوم می باشد. تا جایی که بررسی شده است ، این اولین کاری است که تاثیر ریسک نقدینگی ، اعتباری و سرمایه را بر سودآوری مطالعه می کند و به عملکردی پیشرفته با MSE بسیار پایین دست می یابد.

هوش مصنوعی ، شبکه عصبی ، ریسک ، مدیریت ریسک ، بانکداری .