ارزیابی ریسک اعتباری با استفاده از مدل ترکیبی شبکه عصبی بازشناسی الگو و الگوریتم مورچگان

  • سال انتشار: 1399
  • محل انتشار: فصلنامه فرآیند مدیریت و توسعه، دوره: 33، شماره: 1
  • کد COI اختصاصی: JR_JMDP-33-1_006
  • زبان مقاله: فارسی
  • تعداد مشاهده: 410
دانلود فایل این مقاله

نویسندگان

غلامرضا جندقی

Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran.

علیرضا سارنج

Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran

رضا رجایی

Ph.D. Financial Management, Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran.

احمدرضا قاسمی

Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran

رضا تهرانی

Department of Financial Management., Faculty of Management, University of Tehran, Iran.

چکیده

میزان قابل‌توجه زیان مالی بالقوه ناشی از بازپرداخت نکردن تعهدهای وام‌گیرندگان است، و توسعه و بهبود روش‌های اندازه‌گیری ریسک اعتباری برای کاهش زیان مالی ناشی از نکول وام‌گیرندگان به موضوعی اجتناب‏ ناپذیر در ادبیات مالی تبدیل شده است. هدف مدل‌های پیش‌بینی ورشکستگی، برآورد احتمال نکول شرکت یا شخص در یک دوره زمانی است. در پژوهش حاضر، از داده‌های شرکت‌های حاضر در بورس اوراق بهادار تهران و فرابورس در سال‌های 1395-1370 استفاده می‏ شود و با نمونه‌ای از ۲۱۸ شرکت، الگوریتم کلونی مورچگان برای تعیین موثرترین عوامل ریسک اعتباری و روش شبکه عصبی بازشناسی الگو برای طبقه‌بندی و ارزیابی میزان دقت پیش‌بینی ورشکستگی استفاده می ‏شود. نسبت‌هایی شامل سود قبل از بهره و مالیات به فروش کل، کل حقوق صاحبان سهام به کل بدهی، نسبت جاری، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارایی کل به عنوان موثرترین عوامل شناسایی می شوند. مدل نهایی قادر به پیش‌بینی وضعیت اعتباری شرکت‌ها، با دقت بالاتری نسبت به متوسط دقت مدل‌های متداول موجود با استفاده از داده‌های سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است. 

کلیدواژه ها

Credit Risk, Bankruptcy Probability, Neural Network, Pattern Recognition Algorithm, Ants’ Colony Aalgorithm., ریسک اعتباری, احتمال ورشکستگی, شبکه عصبی, الگوریتم بازشناسی الگو, الگوریتم کلونی مورچگان.

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.