تورج آذری گرگری

در صورت مدیریت نادرست یا عدم کنترل ریسک نقدینگی در یک بانک، امکان بروز صدمه های مالی و اعتباری و حتی ورشکستگی بانک به وجود می آید. در این مقاله روشی را پیشنهاد کرده ایم که از روش های بروز در یادگیری ماشین استفاده می کند و برای مقابله با این مشکلات، مدلی را پیشنهاد می کنیم که از شبکه های عصبی مصنوعی و بیزی استفاده می کند. متغیرهای مدل نسبت های نقدینگی هستند و از طریق داده های ترازنامه استاندارد بانکی به راحتی در دسترس هستند. طراحی و اجرای این مدل پیشنهادی شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی مدل است. به عنوان تعریف ریسک نقدینگی بر روی مفهوم توانایی پرداخت تمرکز کرده ایم. همچنین یک مطالعه موردی در بانک ملت با استفاده از داده های صورت های مالی این بانک بین سال های 1390 تا 1396، برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطاف پذیری مدل اندازه گیری ریسک نقدینگی تحقیق، پیاده سازی کرده ایم. نتایج عددی به دست آ مده در مطالعه موردی نشان می دهد که روش هوشمند دو فازی پیشنهادی توانایی تأیید نتایج از طریق اجرای مستقل و موازی مجموعه داده های مشابه را دارا می باشد.