ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها

The comparison of credit risk between Artificial Neural Network and Logistic Regression models in Tose-Taavon Bank of Guilan province

سال انتشار: 1394
کد COI مقاله: ICOAC01_147
زبان مقاله: انگلیسیمشاهده این مقاله: 330
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله The comparison of credit risk between Artificial Neural Network and Logistic Regression models in Tose-Taavon Bank of Guilan province

Reza Aghajan Nashtaei - Department of Business management, Rasht Branch, Islamic Azad University, Rasht, Iran
Seyedeh Maryam Taghavi Takyar - Department of Business management, Rasht Branch, Islamic Azad University, Rasht, Iran

چکیده مقاله:

Over the last few years organizations and especially financial institutions in our country are concerned about the issue of risk and damages caused by it but despite its importance, a coordinated framework for implementing risk management and also accurate indicators for determining credit risk are not available. In addition, rating industry has not found its own good place in our country where the main reasons for it include cultural, economic and educational issues, the lack of a centralized databank, the lack of a strong and effective information exchange network, the lack of adequate laws and regulations, and political issues. Therefore, a strategy shall be advised in order to provide the financial resources required for applicants and banks perform their main duty which is lending with the least possible risk; because in current changing conditions, the success of any firm depends on the risks and their risk management methods. (Hesabi ,2014) The most important risk facing banks is credit risk which includes loans that have been paid in the past. Overall, credit risk for a bank is the possibility of losing time or generally obligations being neglected by debtors because of their inability to fulfill their obligations to the bank. These obligations usually involve repayment of the debts and their interest to the bank on the specified date. (Yurdakul , 2014)Credit loans are the basis for banking industry. The performance of credit section in a good situation guarantees the profitability and stability of a bank. Therefore, securing the financial background history of customers is a very important factor before making any decisions regarding credits and also a key determinant in reducing credit risk. Credit risk is one of the most critical and biggest challenges facing banks. In fact, the estimation of a risk is an important factor for any decisions regarding credits and inability to determine the accurate risk has a reversed effect on credit management. In addition, risks can affect approved and non-approved investment decisions. When the credit manager approves a loan, he runs the potential risk of client being unable to repay it. On the contrary, when a loan is turned down, the potential risk of losing customers to competitors arises. Hence, assessing credit risk before making a decision to lend is important. (Bekhet and Eletter , 2014)

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICOAC01_147 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:


نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Aghajan Nashtaei, Reza and Taghavi Takyar, Seyedeh Maryam,1394,The comparison of credit risk between Artificial Neural Network and Logistic Regression models in Tose-Taavon Bank of Guilan province,ششمین کنفرانس بین المللی اقتصاد، مدیریت و علوم مهندسی,https://civilica.com/doc/480584

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394, Aghajan Nashtaei, Reza؛ Seyedeh Maryam Taghavi Takyar)
برای بار دوم به بعد: (1394, Aghajan Nashtaei؛ Taghavi Takyar)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Bekhet , Hussain Ali and Shorouq Fathi Kamel Eletter , ...
  • Blanco _ A _ Mejias , R . Lara , ...
  • Boguslauskas , V and R Mileris. (2009). Estimation of credit ...
  • Ebrahimi, Marzieh and Abdullah Daryabar .(2012). Credit risk management in ...
  • Fallah Shams, Mirfeyz and Hamid Mahdavi Raad .(2012). Designing a ...
  • Hesabi, Samaneh .(2014). Specifying the optimum portfolio model of facilities ...
  • Jagric , V . Kracun , D and T Jagric.(2011). ...
  • Khashman , A . (2010). Neural network for credit risk ...
  • Liu , Jinkun. (2013). Radial Basis Function (RBF) Neural Network ...
  • Nilsaz, Hamid. Rasekh, Abdolrahma. Assareh, Alireza and Hassan Ali Sinayee.(2007). ...
  • Rostami, Ali. Ranjbar Fallah, M ohamad-Rez. Khad emolhossein i Ardakani, ...
  • Sajadi , Saba. (2012). Design of radial basis function neurl ...
  • Tehrani _ Reza and Mirfeyz Fallah Shams .(2005). Designing and ...
  • Yurdakul , Funda. (2014). Macro economic Modeling Of Credit Risk ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 5,836
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.