تبیین الگوی پیش بینی ریسک نکول تسهیلات شبکه بانکی ایران با استفاده از شبکه عصبی مصنوعی در میان بانک های پذیرفته شده در بورس اوراق بهادار تهران

بانک ها به واسطه ی کارکرد خاص خود در سیستم اقتصادی کشورها؛ دارای نقش بسزایی در توسعه اقتصادی هر کشوری هستند و باید ریسک های تهدیدکننده ی آنها (به خصوص ریسک نکول) به خوبی شناسایی و با آنها مقابله شود. در این تحقیق از روش ناپارامتریک شبکه عصبی مصنوعی پیش بینی ریسک نکول استفاده شده است. شبکه عصبی مورد استفاده در این تحقیق از الگوی پس انتشار تبعیت می کند. متغیرهای توضیحی مورد استفاده برای پیش بینی ریسک اعتباری را متغیرهای کلان اقتصادی و سایر عوامل موثر تشکیل می دهند که از این قرار هستند: تولید ناخالص داخلی، نرخ تسعیر ارز. نرخ تورم، شاخص قیمت سهام و نقدینگی و اندازه بانک. برای سنجش ریسک نکول بانک های پذیرفته شده در بورس اوراق بهادار از داده های ۱۳۸۸ لغایت ۱۴۰۰استفاده است. داده های تحقیق قبل از ورود به شبکه مورد آزمون های ADF و گرانجر قرار گرفته اند تا از میزان پس افتادگیبهینه برای مدل مشخص شود. در نهایت، مربع خطای شبکه در کل و پس از آزمون و اعتبار سنجی با داده های خارج از حیطه ی آموزشی به ۴-۱۰ × ۱/۱۶۷۰ و ضریب انطباق شبکه با کل داده ها برابر با ۹۵/۷۹% است. تحلیل حساسیت نیز نشان می دهد نرخ برابری ارزهای خارجی بیشترین تاثیر را بر ریسک نکول شبکه بانکی کشور دارد.

تبیین الگوی پیش بینی ریسک نکول تسهیلات شبکه بانکی ایران با استفاده از شبکه عصبی مصنوعی در میان بانک های پذیرفته شده در بورس اوراق بهادار تهران Keywords:

ریسک نکول , عوامل اقتصادی کلان , شبکه عصبی مصنوعی , بانک های ایران