طراحی سیستم هشدار زودهنگام ورشکستگی در نظام بانکی

ذات حرفه بانکداری به علت ویژگی های خاص خود همواره مستعد دریافت بی ثباتی در درجات بالاتر بحران ها است. از این رو دریافت زود هنگام به موقع سیگنال های هشداردهنده شوک های بخش بانکی، از زمان آغاز بحران مالی جهانی در سال 2007 بسیار حایز اهمیت شده مطالعه ابزارهای نظارتی شاخص های سلامت مالی بانکی را تبدیل به یک نیاز حیاتی نموده است. هدف پژوهش حاضر، بررسی اثربخشی شاخص های سلامت مالی به عنوان پیش بینی کننده های بحران های بانکی، با استفاده از مدل های رگرسیونی روش های داده کاوی است که با استفاده از تکنیک های آماری هوش مصنوعی به تولید مدل های پیش بینی در زمینه های مختلف می پردازد. به منظور دستیابی به این هدف، از اطلاعات مندرج در ترازنامه 22 بانک موسسه مالی اعتباری ایرانی طی سالهای 1390 تا 1394 استفاده شده 12 شاخص مرتبط با سلامت مالی، به عنوان پیشگو کننده های بالقوهی وضعیت سلامت مالی استخراج شده اند. همچنین به منظور تعیین وضعیت سلامت هر بانک در هر سال، شاخصی به نام نمرہی که به طور تقریبی معکوس احتمال ورشکستگی را نشان می دهد به عنوان متغیر وابسته مد نظر است، محاسبه شده است. هدف مقاله حاضر، پیش بینی وضعیت سلامت مالی احتمال ورشکستگی بر اساس شاخص های مالی منتخب با استفاده از الگوریتم مختلف داده کاوی از قبیل درخت تصمیم، شبکهی عصبی، نزدیک ترین همسایه ماشین بردار پشتیبان به همراه مدل آماری رگرسیون لوژستیک است. در آخر روشهای گفته شده از نظر دقت صحت پیشگویی مورد مقایسه قرار خواهند گرفت مدل های تلفیقی بهینه ارایه خواهند شد.