مدیریت ریسک سازمانی: منشاء و اساس ادراکی آن
حوزه های تخصصی:
فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱٬۲۸۱ تا ۱٬۳۰۰ مورد از کل ۲٬۰۷۳ مورد.
بیمه ریسکهای اعتباری و سیاسی در تجارت خارجی
حوزه های تخصصی:
بررسی اهمیت نقش سازمان تجارت جهانی و دیدگاه های مقامات بیمه ای چین پیش از پیوستن به این سازمان
تاثیر گرایش کارآفرینی بر عملکرد بانک ها با تأکید بر نقش میانجی بازارگرایی (مطالعه موردی: بانک های دولتی و خصوصی استان گیلان)
حوزه های تخصصی:
کاربرد برآوردگرهای رگرسین ناپارامتری در تعیین حق بیمه باورمندی (مطالعه موردی : بررسی عوامل موثر بر فروش بیمه شخص ثالث)
حوزه های تخصصی:
تعیین حق بیمه یکی از مهم ترین مسائلی است که شرکت های بیمه همواره با آن مواجهند. لذا از نظریه باوردمندی به منزله ابزاری مهم برای تعیین و تعدیل حق بیمه استفاده می شود. تاکنون مدل های گوناگونی برای تقریب حق بیمه های باورمندی ارائه شده و از دیدگاه های مختلف آماری نیز بررسی شده است. در این مقاله ما نظریه باورمندی را از دیدگاه ناپارامتری و روش محاسبه حق بیمه باورمندی را تحت چند اصل مختلف بررسی خواهیم کرد. به همین منظور با مروری مختصر به حق بیمه باورمندی، برآوردگر هسته ای به روش میانگین موضعی را برای برآورد اتورگرسیون معرفی و از این برآوردگر برای پیش بینی تعداد و میزان خسارت داده های جمع آوری شده از شرکت بیمه البرز در رشته بیمه شخص ثالث استفاده خواهیم کرد.
آشنائی با بازار بیمه ژاپن
حوزه های تخصصی:
رویکرد رتبه بندی داخلی بال 2 و سرمایه مورد نیاز برای مواجهه با ریسک اعتباری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
براساس توافقنامه بال 2، تسهیلات پرداختی به اشخاص حقیقی و بنگاه های اقتصادی کوچک و متوسط تحت عنوان پرتفوی اعتباری خرد تعریف شده است و بانک ها مجازند یکی از رویکردهای استاندارد یا رتبه بندی داخلی را برای تعیین سرمایه مورد نیاز به منظور مواجهه با ریسک اعتباری انتخاب کنند. پیاده سازی رویکرد رتبه بندی داخلی، مستلزم طبقه بندی تسهیلات خرد به طبقات همگن ریسکی و تخمین پارامترهای ریسک اعتباری در سطح هر یک از طبقات است. به طور خاص، تابع سرمایه مورد نیاز براساس این رویکرد، برای هر یک از تسهیلات تابعی از احتمال نکول ( PD ) و ارزش مشروط به نکول ( LGD ) هر قرض گیرنده است. به ازای سطح معین LGD ، شکل ریاضی تابع سرمایه مورد نیاز نسبت به احتمال نکول در بازه ای گسترده، مقعر است. به دلیل تقعر تابع سرمایه مورد نیاز، افزایش دقت در طبقه بندی تسهیلات به طبقات همگن ریسکی برای بانک ها صرفه جویی سرمایه ای به همراه خواهد داشت. در این مطالعه، با استفاده از روش درخت طبقه بندی و رگرسیون تسهیلات دریافتی 1343 نفر از مشتریان حقیقی خرد یکی از بانک های خصوصی کشور طی سال های 1391 تا 1392 به چند طبقه ریسکی همگن طبقه بندی شدند. نتایج تحقیق حاکی از آن است که با طبقه بندی دقیق تر مشتریان در سطح پنجم، سرمایه مورد نیاز برای مواجهه با ریسک اعتباری در مقایسه با سطح صفر می تواند حدود 44/0 درصد کاهش یابد.
اثر ساختار تأمین مالی بر ریسک درماندگی بانک ها
حوزه های تخصصی:
- حوزه‌های تخصصی اقتصاد اقتصاد اسلامی اقتصاد کلان و اقتصاد پولی،مالی ،اقتصاد توسعه نهاد ها و خدمات مالی،بانکداری
- حوزه‌های تخصصی اقتصاد اقتصاد مالی نهاد ها و خدمات مالی بانک ها،سایر موسسات سپرده پذیر،نهادهای تامین مالی خرد،اوراق رهنی
- حوزه‌های تخصصی علوم اسلامی فقه و اصول فقه فقه اقتصادی مسائل پولی و بانکی(ربا، تورم)
ریسک درماندگی بانک ها بخش اعظمی از ادبیات بانکداری را به خود اختصاص داده، به ویژه پس از بحران مالی جهانی و به دنبال آن ورشکستگی های گسترده بانک ها، این موضوع از اهمیت بسیاری برخوردار شده است . درماندگی مالی اغلب در بانک ها و موسسات اعتباری به دلیل متنوع نبودن پرتفوی ساختار تأمین مالی و اعطای تسهیلات هنگفت به یک صنعت یا بخش خاص اقتصادی و عدم مدیریت و کنترل ریسک های پیش روی فعالیت آنها به وجود می آید. از آنجایی که درماندگی بخش مالی به ویژه بانک ها آثار سوئی بر اعتماد مردم به نظام مالی کشور داشته که در نتیجه این امر آثار مخربی به کل اقتصاد کشور منتقل می شود، لذا بررسی عوامل تأثیرگذار بر ریسک درماندگی از اهمیت بسزایی برخوردار می باشد. از این رو در تحقیق حاضر با استفاده از مدل پانل دیتا (پانل نامتوازن) و روش حداقل مربعات تعمیم یافته (GLS) به آزمون میزان اثرگذاری ساختار تأمین مالی، ریسک های اعتباری، نرخ بهره و نقدینگی بر ریسک درماندگی بانک ها پرداخته شده است. داده های تحقیق شامل اطلاعات مالی 10بانک تجاری دولتی، خصوصی اصل 44 و خصوصی طی سال های 1380 الی 1391 می باشد. نتایج تحقیق نشان می دهد، که متغیر تخصص گرایی ساختار تأمین مالی اثر مستقیم و معنی داری بر ریسک درماندگی بانک داشته در حالی که متغیر ثبات ساختار تأمین مالی میان مدت (سیاست های میان مدت بانک ها در اعطای تسهیلات) اثر معکوس و معنی داری بر ریسک درماندگی بانک ها دارد. همچنین تأثیر ریسک های نرخ بهره، ریسک اعتباری و ریسک نقدینگی بر ریسک درماندگی بانک ها مثبت و معنی دار بوده است.
تحلیلی بر خصوصی سازی در صنعت بیمه
حوزه های تخصصی:
چتری برای دنیا
و اقتصاد بیمه ایران IMF دکتر
منبع:
گزارش آبان ۱۳۷۷ شماره ۹۳
حوزه های تخصصی:
ارزیابی شکنندگی مالی بانک ها با بکارگیری روش شبکه عصبی
حوزه های تخصصی:
پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی ROC استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.
تلاش برای مقررات روشن و شفافیت بیشتر در بازار بیمه چین
حوزه های تخصصی:
آشنایی با مراکز تحقیقاتی و موسسات بیمه درجهان: انجمن جنوا
حوزه های تخصصی:
علل توسعه نامطلوب بیمه های حمل و نقل زمینی در ایران
حوزه های تخصصی:
بررسی و پیش بینی عملکرد شبکه بانکی ایران با استفاده از مدل های Kohonen، ANN و Panel data(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مطالعه به بررسی و پیش بینی مقایسه ای عملکرد شبکه بانکی کشور (متشکل از 14 بانک) با مدل های اقتصادسنجی و شبکه عصبی مصنوعی پرداخته شد. برای این منظور در ابتدا با مدل شبکه عصبی کوهنن (Kohonen)، بانک های مورد بررسی به دو دسته با عملکرد بالا و با عملکرد پایین تقسیم شده است، سپس با استفاده از خروجی مدل شبکه عصبی کوهنن، نسبت های مالی و مدل اقتصادسنجی داده های تابلویی (Panel Data) به تخمین مدل عملکرد شبکه بانکی برای دوره 1389-1384پرداخته و در نهایت با به کارگیری معیارهای ارزیابی کارایی مدل ها، به مقایسه کارایی مدل های Panel Data و ANN در پیش بینی عملکرد شبکه بانکی پرداخته شد.
نتایج مدل کوهنن نشان داد که از 14 بانک مورد مطالعه، 4 بانک به گروه با عملکرد بالا و 10 بانک به گروه با عملکرد پایین اختصاص دارد. هم چنین نتایج مدل Panel Data نشان داد که متغیر نسبت نقد به سپرده کل دارای بیشترین و متغیر نسبت درآمد سرمایه ای به درآمد کل دارای کمترین تاثیر بر عملکرد شبکه بانکی می باشد. در نهایت بررسی مقایسه ای مدل ها نشان داد که مدل ANN برای پیش بینی عملکرد شبکه بانکی بر مدل Panel Data برتری دارد.