درخت حوزه‌های تخصصی

سیاست گذاری مالی،ریسک مالی،مدیریت ریسک،ساختار مالکیت و سرمایه

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱۶۱ تا ۱۸۰ مورد از کل ۲۰۱ مورد.
۱۶۹.

ارتباط بین بازده پر تفوی با ریسک سیستماتیک و اهرم مالی در صنایع پذیرفته شده بورس اوراق بهادار تهران : صنایع شیمیایی، ماشین آلات حمل و نقل ، غذایی و پلاستک(مقاله علمی وزارت علوم)

۱۷۰.

کاربرد شبکه های عصبی در رتبه بندی اعتباری متقاضیان وام فروش اقساطی(مقاله علمی وزارت علوم)

کلید واژه ها: شبکه عصبی رتبه بندی اعتباری مدل رتبه بندی آنالیز ممیزی، رگرسیون لجستیک.

حوزه های تخصصی:
تعداد بازدید : 36 تعداد دانلود : 48
روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.
۱۷۸.

عوامل مؤثر بر ریسک اعتباری مشتریان بانکی؛ مطالعه موردی بانک کشاورزی(مقاله علمی وزارت علوم)

کلید واژه ها: تسهیلات اعتباری اعتبارسنجی ریسک اعتباری امتیازدهی اعتباری قصور بازپرداخت تعهدات مدل رگرسیون لوجیت و روش حداکثر درستنمایی

حوزه های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی حاکمیت و مالیه شرکتی سیاست گذاری مالی،ریسک مالی،مدیریت ریسک،ساختار مالکیت و سرمایه
  2. حوزه‌های تخصصی اقتصاد اقتصاد مالی نهاد ها و خدمات مالی بانک ها،سایر موسسات سپرده پذیر،نهادهای تامین مالی خرد،اوراق رهنی
تعداد بازدید : 359 تعداد دانلود : 706
این تحقیق با هدف شناسایی عوامل مؤثر و تدوین مدلی برای سنجش ریسک اعتباری مشتریان حقوقی بانک کشاورزی ایران به روش «رگرسیون لوجیت» انجام شده است. بدین منظور اطلاعات کیفی و مالی یک نمونه تصادفی 200 تایی از شرکتهایی که طی سالهای 1378 تا 1383 از شعب بانک کشاورزی استان تهران، تسهیلات اعتباری دریافت نموده اند بررسی شد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از نمونه ها، در ابتدا 36 متغیر توضیح دهنده شامل متغیرهای کیفی و مالی شناسایی و بررسی شد. از بین متغیرهای موجود با استفاده از تحلیل رگرسیون لوجیت در نهایت 17 متغیر که اثر معنی داری بر ریسک اعتباری و تفکیک بین دو گروه از مشتریان خوش حساب و بدحساب داشتند، انتخاب و مدل نهایی به وسیله آنها برازش شد. براساس شاخصهای آماری، این توابع از نظر ضرایب و همچنین قدرت تفکیک کنندگی معنی دار و اعتبار بالایی دارند. نتایج تحقیق ضمن دلالت بر تأیید نظریه های اقتصادی و مالی در زمینه عوامل مؤثر بر ریسک اعتباری نشان می دهد که عوامل مؤثر بر ریسک اعتباری مشتریان حقوقی بانک کشاورزی فصل مشترک زیادی با عوامل مؤثر بر ریسک اعتباری مشتریان حقوقی سایر بانکها (از جمله بانک ملت و توسعه صادرات) دارد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان