تحقیقات مدلسازی اقتصادی، جلد ۱۲، شماره ۴۵، صفحات ۰-۰
عنوان فارسی طراحی الگوی مقایسه‌ای ریسک اعتباری بانک با استفاده از مدل‌های شبکه عصبی، تابع احتمال بقا و ماشین بردار پشتیبان
چکیده فارسی مقاله ریسک اعتباری احتمال قصور وام گیرنده یا طرف مقابل بانک نسبت به انجام تعهداتش، طبق شرایط توافق شده است. به عبارت دیگر عدم اطمینان در مورد دریافت عایدات آتی سرمایه گذاری را ریسک می­گویند که در بانک ها از اهمیت بالایی برخوردار است. هدف این مقاله برآورد ریسک اعتباری مشتریان حقوقی بانک ملت بوده است. در این مطالعه از اطلاعات آماری 7330 مشتری حقوقی استفاده شده است. در این راستا نتایج مدل شبکه عصبی و مدل ناشی از ماشین بردار پشتیبان مورد مقایسه قرار گرفته است. نتایج بدست آمده بیانگر این بوده است که مولفه های در نظر گرفته شده در این مطالعه بر اساس ویژگی های شخصیتی، مالی و اقتصادی اثرات معنادری در احتمال نکول مشتریان و محاسبه ریسک اعتباری داشته است. همچنین نتایج این مطالعه نشان داد اعمال سیاست­های کنترلی در ابتدای دوره بازپرداخت تسهیلاتی که بیشترین احتمال نکول را با طول عمر و بازپرداخت بالا دارند  پیشنهاد می دهد. مقایسه نتایج حاصل از دقت پیش بینی بیانگر قدرت بالاتر توضیح دهندگی مدل ماشین بردار پشتیبان و استفاده از تابع احتمال بقاء نسبت به مدل شبکه عصبی ساده برای هر دو گروه از مشتریان بوده است.
 
کلیدواژه‌های فارسی مقاله ریسک اعتباری، رتبه بندی اعتباری، نسبت های مالی، مدل شبکه عصبی، ماشین بردار پشتبان. طبقه بندی JEL، H80، H81، C45، B23
عنوان انگلیسی Designing a comparative model of bank credit risk using neural network models, survival probability function and support vector machine
چکیده انگلیسی مقاله Credit risk is the possibility of the borrower or counterparty of the bank defaulting on its obligations, as agreed. In other words, uncertainty about the future return on investment is called risk, which is very important in banks. The purpose of this article was to estimate the credit risk of Bank Mellat legal clients. In this study, statistical information of 7330 legal clients has been used. In this regard, the results of the neural network model and the model derived from the support vector machine have been compared. The results indicate that the components considered in this study based on personality, financial and economic characteristics have significant effects on the probability of customer default and credit risk calculation. The results of this study also showed that the application of control policies at the beginning of the repayment period suggests the facilities that are most likely to default with longevity and high repayment. Comparison of the results of the prediction accuracy indicates a higher explanatory power of the support vector machine model and the use of the survival probability function than the simple neural network model for both groups of customers.
 
کلیدواژه‌های انگلیسی مقاله Credit risk, Credit rating, Financial ratios, Neural network model, Support vector machine
نویسندگان مقاله نسرین متدین | nasrin motedayen
azad university
دانشگاه آزاد اسلامی

رافیک نظریان | rafik nazarian
azad university tehran markaz
دانشگاه آزاد اسلامی

مرجان دامن کشیده | marjan damankeshideh
azad university tehran markaz
دانشگاه آزاد اسلامی

رویا سیفی پور | roya seifi pour
azad university tehran markaz
دانشگاه آزاد اسلامی

نشانی اینترنتی http://jemr.khu.ac.ir/browse.php?a_code=A-10-2792-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده رشد و توسعه و سیاست های کلان
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات