بررسی برتری مدل هیبریدی نسبت به سایر مدل ها در فرایند اعتبارسنجی بانک های کشور (مورد مطالعاتی برخی شرکت های پذیرفته شده در بورس اوراق بهادار تهران)

ارزیابی ریسک اعتباری یک بخش ناگسستنی از فرآیند اعطای وام می باشد. اهمیت اعتبارسنجی اخیرا به خاطر بحران مالی و کفایت سرمایه بانک ها افزایش یافته است. هدف از این پژوهش آزمون یک روش جدید و صحیح تر برای برآورد امتیاز اعتباری شرکت ها می باشد. بنابر روش های آماری سنتی و تکنیک های هوش مصنوعی (AI)، این پژوهش به پیروی از لی و همکاران، ۲۰۱۶ به آزمون مدل هیبریدی می پردازد که این مدل تلفیقی از مدل رگرسیون لجستیک و شبکه های عصبی مصنوعی(ANN) می باشد. جامعه آماری تحقیق حاضر شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۸۹ تا ۱۳۹۵ می باشد. روش نمونه گیری به روش حذف سیستماتیک بوده که باتوجه به در نظر گرفتن معیارها تعداد ۹۰ شرکت تولیدی به عنوان نمونه پژوهش انتخاب شدند. نتایج تحقیق نشان می دهند که مدل هیبریدی نسبت به مدل های رگرسیون لجستیک و شبکه های عصبی مصنوعی از اعتبار بالاتری در سنجش ریسک اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران برخوردار است .

کلیدواژه ها:

Credit Risk ، Hybrid Model ، Logistic Regression Model ، Artificial Neural Network Model. ، ریسک اعتباری ، مدل هیبریدی ، مدل رگریسیون لجستیک ، مدل شبکه های عصبی مصنوعی