ارزیابی ریسک اعتباری مشتریان حقوقی بانک با دو رهیافت رگرسیون لاجیت و شبکه عصبی GMDH
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,251
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
MBMCONF01_213
Index date: 23 February 2014
ارزیابی ریسک اعتباری مشتریان حقوقی بانک با دو رهیافت رگرسیون لاجیت و شبکه عصبی GMDH abstract
این پژوهش با هدف ارزیابی ریسک اعتباری مشتریان حقوقی بانک بوسیله دو مدل رگرسیون لاجیت و شبکه عصبی با الگوریتم GMDH و انتخاب مدل بهینه انجام شده است. بدین منظور تعداد 011 پرونده از مشتریان حقوقی یکی ازبانکهای خصوصی ایران با روش نمونه گیری تصادفی انتخاب و 01 متغیر شامل متغیرهای کیفی و اطلاعات مالی شرکتها از آنها استخراج گردید. برای مدلسازی توسط رگرسیون لاجیت ابتدا 01 متغیر برای تخمین وارد مدل شدند و باحذف متغیرهایی که در سطح اطمینان 59 درصد معنی دار نبودند، در نهایت 8 متغیرمستقل بعنوان متغیر های تاثیر گذار توسط این مدل شناسایی و مدل بهینه نهایی با آنها تخمین زده شد و دلالت بر تایید دو فرضیه از فرضیات تحقیق مبنی بر ارتباط معکوس سابقه فعالیت شرکت نزد بانک و همچنین سرمایه شرکت ها، با ریسک نکول تسهیلات داشت. درادامه و با توجه به قابلیت مدل شبکه عصبی در تفکیک متغیرهای موثر و کم اثر، تمامی 01 متغیر مستقل وارد مدل شدند و با تخمین انجام شده 00 متغیر بعنوان عوامل با تاثیر بیشتر شناسایی گردید و با مقایسه نتایج حاصل از دو مدل دقت مدل شبکه عصبی با الگوریتم GMDH بیشتر از مدل لاجیت مشخص و تبیین گردید
ارزیابی ریسک اعتباری مشتریان حقوقی بانک با دو رهیافت رگرسیون لاجیت و شبکه عصبی GMDH Keywords:
ارزیابی ریسک اعتباری مشتریان حقوقی بانک با دو رهیافت رگرسیون لاجیت و شبکه عصبی GMDH authors
سعید یوسف اقدم
کارشناس ارشد علوم اقتصادی، بانک انصار
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 :