پیش بینی ورشکستگی بانکی در ایران با استفاده از شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی
- نویسنده علیرضا عباس نژاد دستجردی
- استاد راهنما محسن سهرابی عراقی سید مجید شریعت پناهی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
بحران مالی بانک ها، سیستم اقتصادی را دچار خطر می کند. بنابراین پیش بینی بحران مالی بانک ها برای جلوگیری یا کاهش اثرات منفی آن بر سیستم اقتصادی امری حیاتی می باشد. این تحقیق در واقع یک مساله از نوع طبقه بندی بانک ها بر اساس سلامت مالی یا بحران مالی می باشد. این تحقیق برآن است تا روش های مختلف شبکه های عصبی مصنوعی را برای پیش بینی بحران مالی در بانک های ایران به کار گیرد و مقایسه ای بین عملکرد روش های بکار رفته انجام دهد. 20 نسبت مالی در 6 گروه مجزا شامل سرمایه، کیفیت دارایی، کیفیت مدیریت، درآمد ها، نقدینگی و حساسیت به ریسک بازار (camels) به عنوان متغیرهای پیش بینی کننده در این تحقیق به کار رفته اند. در این تحقیق، 3 روش مختلف شبکه عصبی نظارت شده شامل پرسپترون چند لایه (mlp)، مدل آبشاری پیشخور (cascade-forward) و مدل المان (elman) به کار رفته است. نتایج به دست آمده نشان می دهد که مدل پرسپترون چندلایه دارای بیشترین دقت و بهترین عملکرد در پیش بینی بحران مالی در بانک های ایران می باشد.
منابع مشابه
پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی
آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملپیش بینی ورشکستگی شرکتها با استفاده از شبکه های عصبی
پژوهش حاضر به مطالعه پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران به وسیله شبکه های عصبی مصنوعی می پردازد. بهترین نسبت های مالی پیش بین در پژوهش های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه های عصبی انتخاب شده اند. شبکه عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه می باشد که به روش الگوریتم پس انتشار خطا آموزش دیده اند، و شامل شبکه عصبی پیشخور سه ل...
15 صفحه اولاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینه‌ی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
متن کاملپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023