Senior Defense: بهبود دقت مدل امتیازدهی اعتباری جهت کاهش ریسک اعتباری پرداخت تسهیلات در بانک های خصوصی با استفاده از سیستم فازی عصبی تطبیقی
Improve the accuracy of the credit rating model to reduce credit risk facility payment in private banks by using adaptive neural fuzzy system
حوزه های تحت پوشش: Economic Systems
برگزار کننده: موسسه آموزش عالی زند شیراز
یکی از موضوعات مهمی که بایستی همواره در صنعت بانکداری مد نظر سیاستگذاران اعتباری قرار گیرد، مبحث مدیریت ریسک اعتباری متقاضیان دریافت تسهیلات است. وجود سیستمهای رتبهبندی اعتباری متقاضیان تسهیلات بانکی جهت مدیریت و کنترل ریسک مذکور، ضرورتی انکارناپذیر است. اگر این امر بهدرستی به انجام رسد و متقاضی تسهیلات قادر به پرداخت اقساط تسهیلات خود نباشد معوقات و مطالبات بانک افزایش خواهد داشت و ارائه تسهیلات باعث ضرر و زیانهای مالی برای بانکهای خصوصی خواهد گردید. در این پایاننامه جهت مسئله سنجش ریسک اعتباری متقاضیان تسهیلات حقیقی در بانکهای خصوصی روشی خبره بر مبنای استفاده از مفاهیم منطق فازی و شبکه عصبی تطبیقپذیر (FN_CRM) ارائه نمودهایم. پس از استخراج پارامترهای موردنیاز جهت استفاده در آموزش و آزمون روش FN_CRM پیشنهادی، این روش در محیط نرمافزار متلب و با استفاده از ابزارهای منطق فازی و سیستم استنتاج عصبی فازی تطبیقپذیر شبیهسازی گردیده است. پس از انجام شبیهسازی جهت تحلیل روش FN_CRM از نظرات کارشناسان تسهیلات بانک رسالت استفاده گردید و میزان خطای سنجش ریسک اعتباری تخمین زده شده توسط روش FN_CRM در مقایسه با BF_CRM نسبت به میانگین نظر کارشناسان تسهیلات در قالب معیارهای CR_MSE و CR_MMSE محاسبه گردیده و مورد آنالیز قرار گرفته است. نتایج حاصل شده از تحلیل حاکی از کاهش این معیارها در روش FN_CRM نسبت به روش مورد مقایسه میباشد که این کاهش نیز به منزله کاهش ریسک اعتباری متقاضیان تسهیلات در بانکهای خصوصی میباشد. کاهش ریسک اعتباری متقاضیان تسهیلات بانکهای خصوصی نیز در نهایت موجب کاهش ریسک پرداخت اقساط و مطالبات بانک خواهد گردید که هدف از انجام این پایاننامه نیز همین موارد بوده است.
واژگان کلیدی: ریسک اعتباری، تسهیلات بانک خصوصی، منطق فازی، سیستم فازی، شبکه عصبی تطبیقپذیر
---
نگارنده: زهرا دهقانی
استاد راهنما: دکتر فاطمه مویدی
استاد مشاور: دکتر امین کشاورزی
استاد داور: دکتر تنوری