مقاله رایگان درباره بانک کشاورزی، رگرسیون، ریسک اعتباری، رگرسیون لجستیک

دانلود پایان نامه ارشد

متغير وابسته در نظر گرفته شد. نتايج نشان مي دهد كه 25 شركت، روي مرز كارايي قرار داشته و كاملاً كارا بوده اند.
هم چنين با آزمون فرضيه معناداربودن ضرايب مشخص شد كه تمامي شاخص ها بجز يك شاخص “ارزش ويژه به دارايي كل” بر مسير هاي مورد انتظار قرار داشته و از نظر آماري، در سطح 95 % اطمينان معنادار مي باشند.
با مقايسه رتبه هاي حاصل از به كارگيري معادله رگرسيوني با رتبه هاي به دست آمده از روش تحليل پوششي داده ها، ملاحظه شد كه تفاوت معنا داري ميان مقادير محاسبه شده و واقعي وجود ندارد و اين مسأله دلالت بر تأييد فرضيه كارايي مدل تحليل پوششي داده ها در رتبه بندي اعتباري مشتريان حقوقي بانك تجارت مي كند.
مصطفی اختیاری در تحقیق خود در سال 1389 با عنوان “معرفي يك روش ويكور توسعه يافته براي رتبه بندي اعتباري مشتريان بانك ها” در اين مقاله براساس رويكرد تصميم گيري گروهي، يك روش ويكور توسعه يافته پيشنهاد گرديد كه براي دستيابي به نتايج دقيق تر، مقادير بهينه اوزان اهميت شاخص هادر الگوريتم حل مورد استفاده قرار گرفتند. براي تشريح روش ويكور پيشنهاد شده، يك مثال عددي درباره مسأله رتبه بندي اعتباري مشتريان بانك هابا چندين شاخص معتبر سيستم 5C اعتباري ارائه و مناسب ترين گزينه موجود (مشتري) براي اعطاي تسهيلات مشخص گرديد. روش پيشنهاد شده مي تواند به عنوان ابزاري مفيد براي مديريت ريسك اعتباري سيستم هاي مالي و اعتباري كشور همچون بانك ها مورد استفاده قرار گيرد. قابليت و انعطاف پذيري روش پيشنهادي بيانگر آن است كه اين روش مي تواند براي ساير مسائل تصميم گيري چند گزينه اي نيز مورد استفاده قرار گيرد. وزن اهميت اثرگذاري نظرات تصميم گيرندگان در فرايند تصميم گيري همواره براساس قضاوت هاي ذهني افراد صورت مي گيرد. به اين منظور، استفاده از متغير هاي كلامي براي اوزان اهميت نظرات تصميم گيرندگان مي تواند براي تحقيق آتي پيشنهاد شود.
محمد تقی تقوی فرد در سال 1389 تحقیقی تحت عنوان ” طبقه بندي متقاضيان تسهيلات اعتباري بانكي با استفاده از داده كاوي و منطق فازي ” انجام داد، در اين پژوهش، هدف، بهره گيري از ابزارهاي داده کاوي و منطق فازي براي طبقه بندي مشتريان تسهيلات اعتباري می باشد به طوريکه ابهامات و عدم قطعيت را در خصوص طبقات مشتريان و نيز متغيرهاي تاثير گذار در رفتار آنها را پوشش دهد.
روش کار بدين شکل می باشد که طبق يک فرايند استاندارد داده کاوي، داده هاي مشتريان سابق بانک سامان جمع آوري و پالايش شده و سپس طبقات و متغيرهايی که قابليت فازي کردن داشتند، طبق نظر کارشناسان بانک و با توجه به اصطلاحات کلامی آنها براي اين متغيرها، فازي شده و با استفاده از تکنيک درخت تصميم فازي، داده هاي نهايی مدلسازي گرديدند. همچنين داده هاي غير فازي نيز با چند الگوريتم ديگر مدلسازي شدند. نتيجه حاصل شده نشان داد که درخت تصميم فازي نتايج بهتري را به لحاظ دقت تفکيک مشتريان نسبت به درخت هاي سنتی، شبکه هاي عصبی و رو ش هاي آماري از قبيل رگرسيون لجستيک و شبکه هاي بيزين دارد؛ ولی نسبت به مد ل هاي درخت ژنتيکی و ماشين بردار پشتيبان دقت کمتري دارد. از طرفی تکنيک درخت تصميم فازي نسبت به عملکرد پيش بينی کارشناسان اعتبارسنج بانک نيز قدرت پيش بينی بهتري حاصل نموده است.
در پژوهشی که البرزي و همکاران در سال 89 انجام دادند به بررسی رتبه اعتباري مشتریان بانک توسط شبکه عصبی پرداختند. در تحقیق به مدل سازي رفتار اعتباري مشتریان با استفاده از شبکه هاي عصبی جهت تخصیص بهینه منابع و ارتقاء کیفیت خدمات تسهیلات بانک هاي کشور پرداخته شده است .در ادامه، مشتریان تسهیلات اعتباري ساخت مسکن در شهر تهران به سه دسته خوش حساب، سررسید گذشته و بدحساب تقسیم شده اند و متغیرهاي تاثیرگذار بر رفتار اعتباري انها شناسایی گردیدند. نتایج بدست امده حاکی از آن است که رفتار اعتباري مشتریان با استفاده از مدل هاي رتبه بندي شبکه هاي عصبی قابل پیش بینی است. همچنین مدل تحلیل ممیزي با همان داده هاي تاریخی اجرا گردید. مقایسه بین قدرت تفکیک مدل هاي شبکه عصبی و مدل تحلیل ممیزی، نشان می دهدکه مدل هاي رتبه بندي اعتباري شبکه هاي عصبی نسبت به مدل تحلیل ممیزي از قدرت تفکیک یا دقت پیش بینی بیشتري برخوردار هستند.
محمود اکرمی در تحقیق خود تحت “عنوان بررسي عوامل مؤثر در مطالبات سررسيد گذشته و معوق بانك” در سال 1388 انجام داده است اين پژوهش ازطريق بررسي برخي عوامل مرتبط با مطالبات سررسيدگذشته ومعوق به منظور ارائه راهكارهايي جهت پيشگيري از ايجاد آن انجام شده است. در اين راستا رابطه نه متغير؛ معدل موجودي شش ماهه حساب جاري، داشتن چك برگشتي، سابقه افتتاح حساب جاري، زمينه فعاليت توليدي متقاضي، سابقه اعتباري مشتري، نوع وثيقه ارايه شده، حجم گردش بستانكار حساب جاري، مبلغ تسهيلات و نسبت مبلغ تسهيلات به معدل موجودي به عنوان متغيرهاي مستقل وضعيت بازپرداخت تسهيلات (معوق شدن در مقابل معوق نشدن)، به عنوان متغير وابسته پژوهش بررسي شده است. داده هاي پژوهش از طريق بررسي پرونده هاي موجود در بانك تهيه، و با روش آماري رگرسيون لجستيك، تحليل شده است. از مدل نهايي، ميتوان نتيجه گرفت با افزايش يك واحد در متغيرهاي چك برگشتي، سابقه اعتباري و نسبت مبلغ به معدل موجودي، احتمال معوق شدن تسهيلات افزايش يافته و با افزايش يك واحد در حجم گردش بستانكار حساب جاري متقاضي، احتمال معوق شدن تسهيلات كاهش مي يابد.
در مقاله اي که دانش شکیب و همکارش در سال 88 ارائه نمودند به رتبه بندي شرکت هاي سیمان بورس و اوراق بهادار تهران پرداختند که در این مقاله از دو روش اي اچ پیو تاپسیس استفاده نمودند. براي این تحقیق از 30 شرکت سیمانی استفاده شده است و همچنین 16 نسبت مالی به عنوان معیار براي این شرکت ها در نظر گرفته شده است ودر نهایت رتبه بندي خود را رتبه بندي سازمان مدیریت صنعتی مقایسه کرده است.
در مقاله اي دیگر پاکدین امیري و همکاران در سال 88 به بررسی عوامل موثر بر شاخص قیمت بورس تهران پرداختند و با شیوه تاپسیس به رتبه بندي این عوامل پرداختند. نتایج بدست آمده نشان می دهد که به ترتیب نسبت قیمت بر درآمد، سیر تاریخی قیمت سهام، عایدي هر سهم و میزان بازدهی دارایی ها بیشترین تاثیر را بر شاخص قیمت سهام دارا می باشند.
رهنماي رودپشتی و همکاران ( 1388 ) در پژوهش خود، از مدل هاي آلتمن و فالمر جهت پیش بینی ورشکستگی شرکت ها استفاده کردند که نتایج حاصله حاکی از آن است که در پیش بینی یک شرکت، تفاوت معنی داري بین نتایج دو مدل وجود دارد. همچنین مدل آلتمن در پیش بینی
ورشکستگی محافظه کارانه از مدل فالمر عمل می کند.
حمیدرضا اسکندری در سال 1387 تحقیقی با عنوان ” رتبه بندي اعتباري مشتريان با بكارگيري شبكه عصبي درصنعت بانكداري” را در بانک اقتصاد نوین انجام داد. نتایج حاصل از پژوهش نشان می دهد که مهمترين مزيت شبكه هاي عصبي توانايي آنها در رشد (يا تغيير) ساختار تعداد نورونها و اتصالات آنها است . كه باعث مي شود از آنجا كه طراح شبكه نمي تواند ،داده کاوی (Data mining) شبكه براي ارائه بهتر مسئله تطبيق داده شود. در مسائلي از قبيل داده كاوي ساختار داده ها را حدس بزند، اين توانايي رشد بسيار مهم است. آن است كه توزيع پراكندگي ورودي ها را تشخيص ميدهد. اين خصوصيت از آنجا ناشي مي شود (SOM) 1 يكي از ديگر مزاياي مه كه بردارهاي وزن نقشه موجود به ازاي هر ورودي جديد با يكديگر رقابت ميكنند و در نتيجه اين رقابت يك بردار وزن (برنده ) و يا تعدادي از بردارهاي وزن(برنده و تعدادي از همسايه هاي آن) به بردار ورودي نزديك ميشوند.
از ديگر كاربردهاي مهم نقشه هاي خودسامانده، استفاده از آنها در خوشه بندي داده ها است. با كنترل هر سلول، رشد شبكه عصبي قابل كنترل خواهد بود. همچنين اگر سلول هاي نامطلوبي در خوشه بندي وجود داشته باشند، مي توان اين سلول ها را بصورت مجازي حذف كرد.
اين الگوريتم عمل خوشه بندي را تقويت ميكند و شبكه عصبي آموزش ديده، بصورت قابل انعطافي به فضاي ورودي وابسته به زمان وفق مي يابد. مهمترين ويژگي اين شبكه ها كه استفاده از آنها را در خوشه بندي توجيه مي كند عبارتند اند: دسته بندي فضاي ورودي بدون اطلاعات كلاس ها پيش از آموزش و نيز تطبيق انعطاف پذير به فضاي ورودي وابسته به زمان.
در شبكه هاي كه براي خوشه بندي از آنها استفاده مي شود، محدوديت هايي نيز وجود دارد مثلا براي ورودي هاي پيچيده شبكه از شكل GSOMطبيعي خود خارج مي شود و نيز الگوريتم يادگيري نمي تواند به فضاي ورودي وابسته به زمان وفق يابد.
و برطرف شدن محدوديت هاي اين شبكه خواهد SOM باعث بهبود شبكه نظارت ( Supervised ) با يك شبكه SOM تركيب شبكه شد. كه در نتيجه شبكه ارائه شده در 97/91 درصد موارد پيش بيني صحيحي خواهد داشت.

1- Self Organization Map

فقيه (1387 ) با استفاده از دو شيوه آماري رگرسيون لجستيك و تجزيه و تشخيص چند به منظور رتبه بندي اعتباري مشتريان حقوقي بانك هاي تجاري الگويي،(MDA) 1 بعدي طراحي كرد. الگوي طراحي شده توسط محققان توانست با استفاده از اطلاعاتي كه هنگام مراجعه مشتريان حقوقي به بانك (براي گرفتن تسهيلات بانكي) از ايشان گرفته مي شد به رتبه بندي اعتباري مشتريان بپردازند و پس از تجزيه و تحليل ها با توجه به اطلاعات مربوط، رتبه هاي كه نشان دهنده وضعيت اعتباري مشتري بود به هريك از ايشان اختصاص دهد. رتبه مورد نظر توانست مبناي ارزيابي اعتبار مشتريان حقوقي قرار گيرد.
راعی و فلاحپور ( 1387 ) در پژوهش خود با هدف پیش بینی درماندگی مالی شرکت ها، به بررسی نتایج مدل ماشین بردار پشتیبان در مقایسه با مدل آماري رگرسیون لجستیک پرداختند. یافته هاي آنها حاکی از آن است که مدل ماشین بردار پشتیبان نسبت به مدل رگرسیون لجستیک، نه تنها از دقت کلی بهتري برخوردار است، بلکه توانایی بالاتري نیز در تعمیم پذیري دارد.
منصوري گرگري و عيسي زاده ( 1387 )در تحقيقي با عنوان” برآورد ريسك و ظرفيت اعتباري مشتريان بانك تجارت با استفاده از شبكه هاي عصبي” به ارائه مدلي براي محاسبه ريسك اعتباري و ظرفيت اعتباري مشتريان بانك تجارت با استفاده از شبكه هاي عصبي مصنوعي و اطلاعات ترازنامه اي پرداختند، نتايج حاصل نشان داد كه نتايج كاربرد مدل شبكه عصبي مصنوعي و لوجيت در برآورد ريسك اعتباري اختلاف معناداري ندارند.
فلاح شمس و تهراني ( 1384) در تحقيقي با عنوان”طراحي و تبيين مدل ريسك اعتباري در نظام بانكي كشور” به مطالعه كارآيي مدل هاي احتمالي خطي، لجستيك و شبكه هاي عصبي مصنوعي براي پيش بيني ريسك اعتباري مشتريان نظام بانكي كشور پرداختند.

1- Model Driver Architecture
متغيرهاي پيش بيني كننده در اين مدل ها، نسبت هاي مالي وام گيرندگان بوده كه معني داري ارتباط آنها با ريسك اعتباري از طريق آزمون هاي آماري مناسب تأييد شد.آنها نشان دادند بيشترين كارآيي براي پيش بيني ريسك اعتباري به ترتيب مربوط به شبكه هاي عصبي مصنوعي و مدل لجستيك مي باشد.
پونه رویینتن در پایان نامه کارشناسی ارشد خود در سال 1384 تحت عنوان “بررسی عوامل موثر بر ریسک اعتباری مشتریان حقوقی بانک (بررسی موردی بانک کشاورزی)” با استفاده از روش رگرسیون لجیت، عوامل مؤثر بر 200 (شرکت 142 مشتری خوش حساب و 58 مشتری بدحساب)تسهیلات گیرنده از بانک کشاورزی را مورد بررسی قرار داده است.
در این مدل، ابتدا 36 متغیر توضیح دهنده شناسایی و مورد بررسی قرار گرفتند 5C متغیرهای کیفی و مالی با استفاده از شیوه که از میان آنها 17 متغیر اثرگذار بر ریسک اعتباری (نوع فعالیت، سابقه همکاری با بانک کشاورزی، سابقه داشتن بدهی معوق، مبلغ وام، معدل گردش حساب، جمع گردش بدهکار حساب، جمع گردش بستانکار حساب، جمع دارایی های جاری، بستانکاران، بدهی بانک ها، بدهی جاری، نسبت جاری، نسبت نقدی، نسبت گردش سرمایه جاری، نسبت متوسط دوره وصول

پایان نامه
Previous Entries مقاله رایگان درباره ریسک اعتباری، ماشین بردار پشتیبان، رگرسیون، الگوریتم ژنتیک Next Entries مقاله رایگان درباره نسبت های مالی، دارایی ها، رگرسیون، تحلیل پوششی داده ها