مقاله رایگان درباره شبکه عصبی، رگرسیون، صاحبان سهام، نرخ بهره

دانلود پایان نامه ارشد

ارائه شد. اين الگوريتم در دنياي شبكه‌هاي عصبي ظاهر نشد تا اينكه در اواسط دهه 80 الگوريتم BP‌ دوباره كشف و به طور وسيعي مطرح شد. اين الگوريتم به طور مستقل توسط ديويد راملهارت، جفري هينتون و رونالد ويليامز در سال 1986، ديويد پاركر و يان لي چون در سال 1985 دوباره مطرح و در دنياي شبكه عصبي معروف گرديد .
بعضي از پيش زمينه‌هاي شبكه‌هاي عصبي را مي‌توان به اواخر قرن نوزدهم و اوايل قرن بيستم نسبت داد. در اين دوره كارهايي اساسي در فيزيك، روانشناسي و نروفيزيولوژي توسط دانشمنداني چون هرمان هلمهلتز، ارنست ماخ و ايوان پاولوف انجام شد. اين تلاش‌هاي ابتدايي عموما بر تئوري‌هاي كلي يادگيري، بينايي و شرطي تاكيد داشته‌اند و بر مدل‌هاي مشخص رياضي عملكرد نرون‌ها اشاره‌اي نداشته‌اند.
ديدگاه جديد شبكه‌هاي عصبي در دهه 1940 آغاز شد. در اين دهه وارن مك كلوث و والتر پيتز نشان دادند كه شبكه‌هاي عصبي هر تابع منطقي و حسابي را محاسبه نمايند. كار اين افراد را مي‌توان نقطه شروع حوزه علمي شبكه‌هاي عصبي مصنوعي ناميد و اين موضوع با تلاش‌هاي دونالدهب تداوم يافت. وي عمل شرط گذاري مكانيسمي را جهت يادگيري نورون‌هاي بيولوژيكي ارائه داد.
نخستين كاربرد عملي شبكه‌هاي عصبي در اواخر دهه 1950 مطرح شد. در اين زمان فرانك روزنبلات در سال 1958 شبكه پرسپترون را معرفي نمود. روزنبلات و همكارانش شبكه‌اي ساختند كه قادر بود الگوها را از هم شناسايي نمايد. در همين زمان بود كه برنارد ويدرو در سال 1960 شبكه عصبي تطبيقي خطي (آدلاين) را با قانون يادگيري جديد مطرح نمود، كه از لحاظ ساختار، شبيه پرسپترون مي‌باشد.
شبكه‌هاي پرسپترون و آدلاين، تنها قادر به طبقه بندي الگوهايي بودند كه به طور خطي از يكديگر متمايز بودند كه اين به نوبه خود محدوديتي ذاتي تلقي مي‌شود. هر دو دانشمند از اين امر آگاه بودند، زيرا آنان قانون يادگيري را براي شبكه‌هاي عصبي تك لايه مطرح نموده بودند كه توانايي محدودي در مورد تخمين توابع داشت. گرچه آنان ايدة شبكه‌هاي چند لايه را مطرح نمودند، اما نتوانستند الگوريتم‌هاي يادگيري شبكه‌هاي تك لايه‌شان را بهبود بخشند. پيشرفت شبكه‌هاي عصبي تا دهه 1970 ادامه يافت. در سال 1972 تئوكوهونن و جيمز اندرسون به طور مستقل شبكه‌هاي عصبي جديدي را معرفي نمودند كه مي‌توانستند به عنوان ذخيره سازي عمل كنند. استفان گراسبرگ در همين زمان تلاش خود را بر شبكه‌هاي خودسازمانده متمركز نموده بود. طي دهة 1980 فناوري ريز پردازنده‌ها و به تبع آن رايانه‌هاي سريع به شدت رشد پيدا كرد و تحقيقات روي شبكه‌هاي عصبي فزوني يافت و ايده‌هاي بسيار جديدي مطرح شد. ايده‌هاي نو و فناوري پيشرفته براي ايجاد انقلابي در بحث شبكه‌هاي عصبي كافي به نظر مي‌رسيد. در شكل گيري اين پديده در نگرش جديد قابل تامل مي‌باشند. استفاده از مكانيسم تصادفي جهت توضيح عملكرد يك طبقه وسيع از شبكه‌هاي بازگشتي كه مي‌توان آنها را جهت ذخيره سازي اطلاعات استفاده نمود. اين ايده به وسيله جان هاپفيلد فيزيكدان آمريكايي در سال 1982 مطرح شد. دومين ايده مهم كه كليد توسعه شبكه‌هاي عصبي در دهة 80 شده الگوريتم پس انتشار خطا مي‌باشد كه به وسيله ديويد راملهات و جيمز مكلند در سال 1986 مطرح گرديد. با ظهور اين دو ايده، شبكه‌هاي عصبي متحول شدند. در سال‌هاي اخير، هزاران مقاله نوشته شده است و شبكه‌هاي عصبي، كاربردهاي زيادي در رشته مختلف علوم پيدا كرده‌اند. شبكه‌هاي عصبي در هر دو بعد نظري و عملي در حال رشد مي‌باشند. آنچه بايد اذعان داشت، اين است كه روند رو به رشد شبكه‌هاي عصبي آهسته و مطمئن نبوده است. دوره‌هايي بوده كه خيلي سريع رشد نموده و دوره‌هايي هم بوده است كه رشد سريعي از خود نشان نداده است. بيشتر پيشرفت‌ها در شبكه‌هاي عصبي به ساخت‌هاي نوين و روش‌هاي يادگيري جديد مربوط مي‌شود.
نخستين مدل به كار رفته براي تعيين ورشكستگي شركت ها با استفاده از نسبت هایي مالي، مدل رگرسيون لجستيك يك متغيره بود كه توسط “بيور”1 در سال 1966 ارائه شد. بعدها از اين مدل براي اندازه گيري ريسك اعتباري اوراق قرضه منتشره شركت ها استفاده شد. “بيور” با كمك روش تك متغيره تحليل مميزي سعي كرد بر مبناي داده هاي مربوط به 5 سال قبل از نكول شركت ها به تفكيك شركت هاي ورشكسته و با توجه به اين كه عمدتاً عدم بازپرداخت وام مربوط به شركت هايي است كه در آينده دچار درماندگي مالي خواهند شد، بنابراين امكان پيش بيني ريسك اعتباري با استفاده از اين مدل امكان، پذير خواهد بود.

1-Beaver, W
در اواخر 1970 مدل هاي احتمالي خطي و وضعيتي احتمالي چندگانه براي پيش بيني ورشكستگي شركت ها مطرح شدند. هم چنين در سال هاي 1980 و 1990 استفاده از مدل هاي برنامه ريزي رياضي در بسياري از مطالعات عنوان شد.
هدف اصلي اين روش ها، حذف فرضيه ها و محدوديت هاي موجود در تكنيك هاي قبلي، بهبود اعتبار و صحت طبقه بندي بود. در اوايل 1990، سيستم هاي پشتيبان تصميم گيري در تركيب با سيستم هاي تصميم گيري چند گانه براي حل مشكلات طبقه بندي هاي مالي مورد استفاده قرارگرفتند. از جمله مطالعات ديگر در اين زمينه مي توان به كار هاي روي در 1991 براي به كارگيري مدل الكتره وديميتراس در 1999 براي به كارگيري مدل روگ ست و مورگان1 در 1998 براي طراحي مدل اعتبارسنجي و تريسي در 1998 براي طراحي مدل ارزش در معرض ريسك براي براورد تابع چگالي احتمال عدم بازپرداخت اشاره كرد.
ديساي و همكارانش2 در سال 1996 به بررسي توانايي هاي شبكه هاي عصبي و تكنيك هاي آماري متداول نظير آناليز مميزي خطي و آناليز رگرسيون خطي در ساخت مدل هاي امتيازدهي اعتباري پرداخته اند يانگ و پلات نيز بيان داشتند كه آنچه در يك مدل شبكه عصبي داراي اهميت است، آن است كه وزن هاي موجود در شبكه هاي عصبي به روش بهينه اي برآورد شوند. بديهي است كه پس از تعيين وزن ها به روش بهينه با دادن بردار متغير هاي ورودي به سهولت مي توان بردار خروجي را برآورد كرد.

خلاصه منابع داخلی و خارجی به شرح جدول 2-1 بیان شده است.

1-Rough set & Morgan
2-Desai V.S & et all

جدول 2-1
منابع داخلی و خارجی
تاریخ
محقق / محققین
متغیر و نحوه اندازه گیری
مدل
نتایج
2014
حسین بخت و التر
نوع شرکت، مبلغ وام، جنسیت، سن، نرخ بهره و…
رگرسیون لجستیک، شبکه عصبی
می توان نتیجه گرفت که هیچ مدلی به عنوان بهترین مدل کلی برای ارزیابی برنامه های اعتباری وجود ندارد. LR با توجه به نرخ طبقه بندی به طور کلی بهتر از RBF انجام شده است.
1392
احمد پویانفر
سعید فلاح پور
محمدرضا عزیزي
داده های مشتریان و نسبت های مالی
حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک
یافته هاي پژوهش نسبت به Ga-LSSVM حاکی از آن است که در ارزیابی ریسک اعتباري متقاضیان تسهیلات اعتباري، مدل مدل هاي بررسی شده از عملکرد مطلوبی برخوردار می باشد.
2013
ساتیش شمارا و میخائل شبالکوف
بدهی به حقوق صاحبان سهام (D / E) نسبت سپرده ها، مجموع حقوق صاحبان سهام و…
کاربرد شبکه عصبی و شبیه سازی مدل سازی برای ارزیابی عملکرد بانک های روسیه
نتایج : نتایج منطقی تولید شد که بیشتر می تواند برای تخمین عملکرد سازه از اهرم ، نقدینگی، سودآوری و اندازه در نظر اعمال شود.
1392
اسدی و هاشمی
نرخ بهره ، نوع وثیقه ، نوع وام و…
رگرسیون لجستیک
نتایج: افزایش در پرداخت خوب به دلیل افزایش در میانگین نمره حساب موجودی و کاهش پس از آن به دلیل افزایش مبلغ وام، نرخ بهره و دوره بازپرداخت می باشد.
2013
هالکارنیکار و همکارانش
شاخص سودآوری،اهرم نقدینگی و…

شبکه عصبی
نتایج نشان می دهد که مدل شبکه عصبی یک مزیت پیش بینی معنی دار آماری را در مقابل محاسبات دستی سنتی دارا می باشد.
1391
محمدرضاشورورزی
ابولقاسم مسیح آبادی
مهدی قیاسی
نسبت هاي مالي و اطلاعات اعتباري هستند كه از اقلام
ترازنامه و صورت سود (زيان) شركت هاي نمونه به دست آمده اند.
مدل رگرسيون لجستيك و شبكه هاي عصبي
پرسپترون چند لايه
بررسي نتايج نشان داد كه هر دو مدل در ارزيابي ريسك اعتباري مشتريان حقوقي بانك از
كارآيي بالا و قابليت مشابهي برخوردار مي باشند
2011
وینچنزو پاسیلی
حقوق صاحبان سهام ، گردش مالی و …
شبکه های عصبی
شبکه عصبی پرسپترون چند لایه ( MLP) از سایر روش های مورد بررسی برای مدریت ریسک بانک های ایتالیا از کارایی بهینه و بیشتری برخوردار بوده است.

2010
الشائه و الریفه و الیتر
نسبت های مالی بانک
شبکه عصبی
این مطالعه با هدف به آزمون دو مدل شبکه عصبی با الگوریتم های یادگیری مختلف به کار گرفته شد و متغیرهای مالی انتخاب شده نشان داد که عصبی مصنوعی شبکه قادر به یادگیری الگوهای مربوط به بحران مالی از بانک بوده است.
1391
محمد تقی تقوي فرد
احمد نادعلی
سن شرکت، نوع شرکت، ميزان سرمايه، زمينه
فعاليت، تحصيلات مدير، سن مدير عامل، نوع قرارداد وام، نرخ بهره وام، مبلغ وام،
مدت وام، نوع مصرف وام و ….
منطق فازی
نتايج :
درخت تصميم دقت بالاتري نسبت به الگوريتم هاي درخت تصميم سنتی مورد
استفاده در تحقيق دارد.

1391
مصطفی اختياري
شاخص هاي 5cاعتباري تحت عنوان شهرت و شخصيت اعتبارگيرنده
سرمايه و…
روش ويكور
روش
پيشنهاد شده مي تواند به عنوان ابزاري مفيد براي مديريت ريسك اعتباري
سيستم هاي مالي و اعتباري كشور همچون بانك ها مورداستفاده قرار گیرد.

2009
مارسین توماس
حقوق صاحبان سهام، بدهی جاری،فروش خالص و…
تحلیل پوششی داده ها و رگرسیون لجستیک
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.
1390
محسن مهرآرا، ميثم موسايي
نوع وثيقه و نسبت بدهي داراي و …
رگرسيون لاجيت وپروبيت و مدل شبكه هاي عصبي هوشمند GMDH
نتايج مقاله ضمن دلالت بر تأييد نظريه هاي اقتصادي و مالي نشان مي دهد كه عملكرد پيش بيني الگوي شبكه عصبي (درصد پيش بيني هاي صحيح آن) به مراتب بهتر از الگوهاي اقتصاد سنجي متعارف لاجيت و پروبيت است.
1389
سعید صفری
نسبت آني، نسبت
دارايي جاري، بدهي جاري به ارزش دارايي ثابت
گردش دارايي ثابت
دارايي جاري، ميزان تسهيلات
دريافتي
تحلیل پوششی 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.

1389
سعید عیسی زاده
بهاره عریانی
نسبت جاری
نسبت آنی
نسبت دارایی جاری
تحلیل
پوششی داده ها
این مدل قادر است با ارائه راهکارهای مناسب ومفید، شرکت های رتبه بندی شده را در راستای بهره ور شدن یاری دهد.
2008
پاسیراس
استفاده از نسبت وام های نکول شده
روش DEA

بین ریسک و کارایی در صنعت بانکداری ارتباط
داشته و به ارتباط معنادار این دو مقوله پی برده است.

2003
یولالان
نسبت های نقدینگی، فعالیت، ساختار مالی و…
تحلیل ممیزی و رگرسیون
نتایج حاصل از رگرسیون نشان دادکه تمام متغیرها به جزء سود خالص/ کل دارایی ها بر مسیرهای موردانتظار قرار داشته و به لحاظ آماری در سطح 5 درصد معنادار هستند

فصل سوم
روش اجرای تحقیق

3-1- مقدمه
پایه هر علمی، روش شناخت آن است واعتباروارزش قوانین هر علمی باروش شناختی مبتنی است که در آن علم به کار می رود.(عزتی، 1379)
هدف ازهرنوع بررسی وتحقیق علمی کشف حقیقت است.حقیقت نیز بر پایه کاوش وتجسس وکشف عوامل منطقی مربوط به خصوصیات اجزای موضوع تحقیق قرار دارد.(کیقبادی وستاری، 1354)
در این فصل به بررسی روش ومراحل انجام تحقیق ومعرفی مدل، متغیرهای تحقیق وروش های آماری تحلیل داده ها پرداخته خواهد شد.

پایان نامه
Previous Entries مقاله رایگان درباره دارایی ها، تحلیل پوششی داده ها، تحلیل پوششی، نسبت های مالی Next Entries مقاله رایگان درباره انحراف معیار، سطح معنادار، متغیر مستقل، استان اصفهان