مقاله رایگان درباره ریسک اعتباری، تحلیل پوششی، حقوق صاحبان سهام، صاحبان سهام

دانلود پایان نامه ارشد

مطالبات، نسبت بدهی جاری به حقوق صاحبان سهام، نسبت بدهی کل به دارایی کل) باقی مانده و ریسک اعتباری مشتریان نیز به عنوان متغیر وابسته در نظر گرفته شد.
نتایج نشان داد که ریسک اعتباری تحت تاثیر نوع فعالیت شرکت قرار دارد.افزایش سابقه همکاری شرکت با بانک و افزایش دارایی های جاری شرکت، ریسک اعتباری را کاهش میدهد درحالی که سابقه داشتن بدهی معوق به بانک و افزایش بدهی جاری شرکت سبب افزایش ریسک اعتباری میشود.
پايان نامه، حقدوست، شادي، «مدلسازي پيش بيني قيمت سهام با استفاده از شبكه عصبي و مقايسه آن با روش‌هاي پيش بيني رياضي»، دانشگاه آزاد اسلامي واحد علوم تحقيقات، 1384، استاد راهنما دكتر طلوعي، ‌در اين پايان نامه سعي شده است با دو روش رگرسيون و شبكه‌هاي عصبي به پيش بيني قيمت سهام پرداخته شود. براي اين كار داده‌هاي مورد نياز را از شركت‌هايي چون ايران خودرو، پتروشيمي اصفهان، شهد ايران و… بدست آورده شد. براي مقايسه از روش‌هاي آماري R2، MSE و MAPE استفاده شده است.
عرب مازار و روئين تن ( 1383 ) در تحقيقي با عنوان” عوامل موثر برريسك اعتباري مشتريان بانكي، مطالعه موردي بانك كشاورزي”، بااستفاده از 36 متغيراطلاعات كيفي و مالي يك نمونه تصادفي200 تايي از شركت هايي كه از شعب بانك كشاورزي استان تهران تسهيلات اعتباري دريافت نموده اند را بررسي نمودند.
لطيفي ( 1383 ) در تحقيقي با عنوان” بررسي ارتباط بين شاخص هاي ريسك اعتباري و بازپرداخت به موقع تعهدات مشتريان بانك ملت ” شاخص هاي ريسك اعتباري كه بيشترين همبستگي با بازپرداخت تعهدات مشتريان را دارد تعيين كرده و مدلي طراحي نموده كه براساس آن عددي به عنوان شاخص اعتباري وام گيرنده در تصميمات اعتباردهي تعيين شده است.
در یکی از پژوهش هاي انجام شده در داخل کشور راعی در سال 1383 به پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه هاي عصبی مصنوعی پرداخته است و بیان می کند که اگر سرمایه گذاري ها در فرصت مناسب انجام نگیرد یا به نحوي از آنها استفاده شود که کارایی لازم را نداشته با شند قطعا باعث لطمه دیدن اقتصاد ملی خواهد شد و تاکیید می کند که برخی از شرکت ها در بازپرداخت بدهی هاي خود با مشکل مواجه هستند و بازدهی لازم براي پوشش هزینه ها را ندارند و مشمول ماده 141 قانون تجارت هستند. در واقع این مسائل حکایت از درگیر شدن این شرکت ها با درماندگی مالی است که این امر ممکن است در نهایت منجر به ورشکستگی و انحلال شود. لذا منابعی که می توانست در فرصت هاي سود ده و ارزش آفرین سرمایه گذاري شود، به هدر رفته و با یک دیدن کلان تاثیر منفی برروي شاخص هاي کلان اقتصادي خواهد گذاشت.
غلامرضا سليماني اميري درسال 1381 ريسك ورشكستگي شركت ها را با استفاده از مدل ياد شده مورد بررسي قرار داده است. سيدمرتضي ذكاوت در سال 1382 مدل هاي ريسك اعتباري مشتريان حقوقي بانك توسعه صادرات ايران را با استفاده از شاخص ها و نسبت هاي مالي و با الهام گرفتن از مدل آلتمن از روش تحليل مميزي و رگرسيون لجستيك استخراج نمود. علي منصوري نيز در سال 1382 به طراحي و تبيين مدل رياضي تخصيص تسهيلات بانكي با رويكرد مدل هاي كلاسيك و شبكه عصبي پرداخت.
از ديگر مطالعات جهت پيش بيني ريسك ورشكستگي يا درماندگي مالي شركت ها، مي توان به پژوهشي كه در سال 1383 توسط سعيد فلاح پور صورت گرفته، اشاره نمود. روش مورد استفاده در اين پژوهش، روش تحليل همبستگي بوده است. در اين پژوهش مدل تحليل مميزي چندگانه و شبكه هاي عصبي براي پيش بيني درماندگي مالي شركت هاي بورس، مورد بررسي قرار گرفت. پژوهش هاي مشابهي در زمينه رتبه بندي شركت ها و پيش بيني ريسك ورشكستگي آلتمن و Z10 و AHP شركت ها براساس مدل هاي شبكه هاي عصبي انجام شده است.
از آن جمله مي توان به مطالعه انجام گرفته توسط محمدحسن قلي زاده در سال 1383 در زمينه رتبه بندي شركت ها با استفاده از رويكرد AHPاشاره كرد. يكي ديگر از مطالعات انجام شده در اين زمينه توسط حسن سبزواري صورت گرفت. وي به برآورد و مقايسه مدل امتيازدهي اعتباري پارامتريك لجيت با روش امتيازدهي پرداخت.
منصوري و آذر ( 1381 )در تحقيقي با عنوان” طراحي و تبيين مدل كارآمد تخصيص تسهيلات بانكي رويكرد شبكه هاي عصبي، رگرسيون لجستيك وخطي” با استفاده از 11 متغير مستقل و بهره گيري از شبكه هاي عصبي پرسپترون چند لايه، ريسك اعتباري و ظرفيت اعتباري سازمان هاي درخواست كننده اعتبار را بطور هم زمان مورد تحليل قرار داده اند.
‌پايان نامه، قوام زاده، محمد، «پيش بيني در بازارهاي سازمان يافته معاملات» دانشكده فني دانشگاه تهران پاييز 1376، استاد راهنما: دكتر كرولوكس، در اين پايان نامه جهت پيش بيني انواع مختلفي از شبكه عصبي براي پيش بيني قيمت هفتگي سهام شركت پارس پامچال و شركت كف به كار گرفته شده است. براي قيمت سهام شركت كف چهار نوع شبكه WARD سه لايه با مقدار SLAP متفاوت در لايه دوم استفاده شده است كه براي مقايسه و تجزيه و تحليل از روش‌هاي آماري R2، MSE و MAPE استفاده شده است.

2-3-2- پيشينه خارجي
وینچنزو پاسیلی 1 در تحقیق خود تحت عنوان “روش شبکه های عصبی مصنوعی برای مدیریت ریسک اعتباری” در سال 2011 به بررسی ریسک اعتباری در بانک های ایتالیا پرداخته است. متغیرهای این پژوهش شامل ( حقوق صاحبان سهام، گردش مالی و… ) بوده و نتایج حاصل از این تحقیق نشان می دهد که شبکه عصبی پرسپترون چند لایه ( MLP) از سایر روش های مورد بررسی برای مدیریت ریسک بانک های ایتالیا از کارایی بهینه و بیشتری برخوردار بوده است.
يلديز و آكوك 2 (2010) در تحقيقي با عنوان” پيش بيني ورشكستگي بانك هاي تركيه با استفاده از شبكه هاي نروفازي” به مطالعه بانك هاي تركيه پرداختند. متغيرهاي مستقل مورد استفاده 6 نسبت مالي شامل: نسبت هاي سرمايه، دارايي هاي كيفي، نسبت هاي نقدينگي، نسبت هاي سودآوري، ساختار درآمد، هزينه و نسبت هاي فعاليت مي باشد. نتايج تحقيق نشان داد دقت مدل 91 درصد است.
ژو و همکاران ( 2010 )3 به منظور ارزیابی ریسک اعتباري متقاضیان تسهیلات اعتباري، از روش
مقایسه SVM استفاده کرده و نتایج آن را با روشهاي شبکه عصبی، تحلیل ممیزي و LS-SVM
نسبت به دیگر روش هاي، نتایج بهتري را نشان LSSVM نمودند. بر اساس یافته هاي آنها، روش
جهت پیش بینی ورشکستگی بهره LS-SVM میدهد.
در پژوهشی که در سال 2010 توسط یوسف تانسل و همکارش4 ارائه شد به رتبه بندي شرکت ها و
صنایع در ترکیه پرداخته شد. روشی که آنها در این مقاله استفاده نمودند تاپسیس فازي می باشد.ابتدا با استفاده از متغیر هاي کلان صنعت و اقتصاد به رتبه بندي صنایع مختلف پرداخته است .سپس با توجه به نسبت هاي مالی شرکت ها اقدام به رتبه بندي شرکت ها با روش تاپسیس فازي نمود.

1- Vincenzo Pacelli
2- Yildiz and Akkoc
3- Zhu et al
4-Tansel, Y

سپس رتبه صنایع و شرکت هاي موجود در آن صنایع ادغام گشته و رتبه جامعی به هریک از شرکت ها داده شده است .در نهایت نظر خبرگان نیز پرسیده شده است و با رتبه بندي توسط تاپسیس فازي مقایسه شده است که اختلاف ناچیزي با روش مورد استفاده داشته است.
مارسین توماس ( 2009 ) 1 در مقاله های تحت عنوان “کاربردی از تحلیل پوششی داده ها در رتبه بندی اعتباری” به رتبه بندی اعتباری با استفاده از روش تحلیل پوششی داده ها در پنج مرحله پرداخت:
تعیین نسبت های مالی: با توجه به ماهیت آمار و اطلاعات برای محاسبه رتبه های تحلیل پوششی بدهی های جاری به فروش خالص ،(DB/EQ) داده ها از هفت نسبت بدهی به حقوق صاحبان سهام نسبت، (ROE) به عنوان نهاده و بازده سرمایه (FC/NS) هزینه های مالی به فروش خالص، (CL/NS) به عنوان ستانده استفاده شد. (QR) و نسبت آنی (CAR) نسبت کفایت سرمایه، (CR) نسبت جاری.
انتخاب مجموعه داده ها: در ابتدای تحلیل، 264103 شرکت برای بررسی انتخاب شدند. با کنارگذاردن شرکت های فاقد اطلاعات مناسب، در نهایت تنها 1408 شرکت برای تحلیل نهایی باقی ماند. درنهایت، بدهی کل/ حقوق صاحبان سهام، بدهی جاری/فروش خالص و هزینه های مالی/فروش خالص به عنوان نهاده و درآمد خالص/حقوق صاحبان سهام، نسبت کفایت سرمایه و حقوق صاحبان سهام/دارایی کل به عنوان ستانده در مدل لحاظ شدند.

1- Marcin Tomasz
4. محاسبه اعتبار رتبه های حاصل در تحلیل پوششی داده ها: در این مطالعه از مدل 4 تا 100 در نوسان است و تنها رهیافت نهاده محور استفاده شد. رتبه های به دست آمده در محدوده 66 -27 شرکت کاملاً کارا بودند.
5. اعتباربخشی رتبه های حاصل از تحلیل پوششی داده ها. به منظور اعتباربخشی مدل از روش تحلیل رگرسیونی و تحلیل ممیزی استفاده شد.
الف) تحلیل رگرسیونی: نتایج حاصل از تحلیل رگرسیونی (رتبه های کارایی به عنوان متغیر وابسته و نسبت های مالی به عنوان متغیر مستقل) نشان داد که تمام نسبت های مورد استفاده در مسیرهای مورد انتظار قرار داشته اند.
ب) تحلیل ممیزی: در این روش، میانگین رتبه های حاصل به عنوان نقطه انقطاع شرکت های خوب و بد در نظر گرفته شد. در نتیجه، 708 شرکت درگروه شرکت های خوب و 708 شرکت در گروه بارتلر V شرکت های بد قرار گرفتند. به منظور بررسی معنادار بودن تابع ممیزی ایجاد شده از آزمون استفاده شده و هیچ دلیلی برای رد فرضیه معنادار بودن تابع مشاهده نشد. موفقیت مدل تحلیل تفاوت ها ( 38 + 37) / (41 + 41) 5/91 درصد به دست آمد.
استیفن کارانو1 در سال 2010 در مقاله ای با عنوان ” کارایی در نظام بانکداری کشور غنا با استفاده از DEA و SFA ” سطح کارایی و کارایی بانک های غنا را در یک دوره ی 10 ساله بین سال های 1997تا 2006 با استفاده از دو مدل DEA و SFA سنجیده است. وی فرضیه های مختلف از DEA و SFA را برای مقایسه ی مدل ها بررسی کرده سپس از هر دو مدل جهت بدست آوردن کارایی بانک ها استفاده کرده است.

1-Stephen Karanu

سان و چانگ 1 در سال 2010 طی پژوهشی به طور نسبی جامع در مقاله ای با عنوان ” تجزیه و تحلیل جامعی از اثرات اقدامات ریسک بر کارایی بانک: شواهد از کشورهای در حال ظهور آسیا” رابطه بین ریسک های عملیاتی، اعتباری و بازار بانک ها را در تایلند با کارایی شعب بانک نمونه بررسی نموده که کارایی شعب را بر اساس دو روش DEA و SFA برآورده نموده و ارتباط معنی دار بین ریسک و کارایی را نتیجه می گیرد.
چیو و چن 2 در سال 2009 در مقاله ای با عنوان ” تجزیه و تحلیل کارایی بانک تایوانی: ترکیب هر دو ریسک مربوط به محیط خارجی و داخلی” رابطه ریسک اعتباری، بازار و عملیاتی را با کارایی با نک ها بررسی کرده است. وی با استفاده از دو روش DEA و SFA و نتایج بدست آمده از آن ها ریسک و کارایی بانک ها را محاسبه کرد و در پایان به وجود رابطه ی معنی داری میان ریسک و کارایی پی برد.
محمد اکمل و محمود سالم3 ( 2008 ) در مقاله ای تحت عنوان “بررسی کارایی فنی بخش بانکداری در پاکستان”، با استفاده از اطلاعات 30 بانک ( 4 بانک دولتی، 18 بانک محلی و 8 بانک خارجی) و روش تحلیل پوششی داده های دو مرحله ای به بررسی آثار عوامل خاص بانک و عوامل کلان اقتصادی بر کارایی بانک پرداخته است.
در مرحله اول از روش تحلیل پوششی داده ها برای برآورد کارایی فنی و مقیاس استفاده کرده و سپس با استفاده از رگرسیون توبیت به بررسی آثارکلان اقتصادی و خاص بانکی پرداخته است. نتایج مطالعه نشان داد که کارایی بانکداری از سال 2000 بهبود یافته و بانک های خارجی در مقایسه با بانک های محلی خصوصی و بانک های دولتی کاراتر بودند.

1-Lei Sun, Tzu-Pu Chang
2-Chi u, Y.-H., Chen
3-Akmal, Muhammad & Muhammad Saleem

بلوتي، كروك1، (2008) به مقايسه ي عملكرد ماشين بردار پشتيبان با چندين الگوريتم معروف پرداختند و

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