درخت حوزه‌های تخصصی

ارزیابی ریسک اعتباری مشتریان حقوقی، یکی از دغدغه های اصلی بانک ها برای اعطای وام است. درحالی که روش های مختلفی ازجمله استفاده از شاخص های مالی برای سنجش ریسک اعتباری وجود دارد، هدف این مقاله، ارزیابی ریسک اعتباری مشتریان حقوقی با استفاده از شاخص های مالی و عملکردی است. جامعه آماری این تحقیق، شامل 212 شرکت حاضر در صنایع خودرو، مواد غذایی و چرم است که در بین سال های1390 تا 1392 از بانک ملت استان آذربایجان شرقی وام گرفته اند. برای سنجش ریسک اعتباری شرکت ها، از کارآیی شرکت در کنار نسبت های مالی استفاده شده است. نتایج نشان می دهد که کارآیی شرکت بیش ترین قدرت پیش بینی کنندگی احتمال عدم نکول تسهیلات را دارا است. در مقابل، در بین شاخص های مالی، تنها اندازه شرکت (فروش) معنی دار ظاهر شد.

در بازارهای سرمایه عامل های مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسائلی است که هر سهام دار یا سرمایه گذار در بازار بورس بایستی به آن توجه ویژه داشته باشد. تاکنون روشهای مختلفی جهت نیل به این اهداف معرفی شده اند که اغلب روشهای آماری، هوشمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخش اول پیش پردازش و بخش دوم پیش بینی کننده است. در پیش پردازش سه فرآیند جاگذاری داده های غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام می شود. از آنجایی که تعداد ویژگی های بکار برده شده زیاد است از روش الگوریتم ژنتیک برای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است. در بخش پیش بینی کننده، با توجه به قابلیت پیش بینی هوشمند شبکه عصبی - فازی، از این شبکه با دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سهام بهره می بریم که قابلیت استخراج قواعد فازی بصورت خودکار دارد. آموزش پارامترهای مقدمه و نتیجه شبکه برپایه الگوریتم پس انتشار خطا (گرادیان نزولی) می باشد. الگوریتم پیشنهادی با استفاده از داده های 10 شرکت که هر کدام از آنها دارای 7 ویژگی می باشند، ارزیابی شده است. نتایج شبیه سازی نشان می دهد که با توجه به نوع شرکتها، ویژگیهای انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدست می آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شبکه عصبی فازی ترکیبی را به شبکه عصبی فازی ساده نشان می دهد، اما بطور کلی پیش بینی کننده با ساختار سوگنو با الگوریتم ژنتیک دارای عملکرد بهتری نسبت به ساختار ممدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است.