دانلود با لینک مستقیم و پر سرعت .
نوع فایل: word
قابل ویرایش 190 صفحه
چکیده:
بازار اعتبارات مصرفی در ایران با تشکیل بانکهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کرده‌اند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با داده‌های آموزشی؛ آموزش داده شده و سپس با داده‌های آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان می‌دهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکه‌های عصبی قابل پیش بینی است.
مقدمه:
علم تصمیم گیری همواره با انسان همراه بوده و با ظهور سازمان‌ها، شرکت‌ها و خاصه با تغییرات پرشتاب محیطی توسعه فراوان یافته است. بسیاری از محققان تلاش و همت خویش را در این حوزه متمرکز نموده‌اند تا الگوهای مناسبتر و دقیق‌تری را برای بهبود نظام‌های تصمیم گیری معرفی نموده و تصمیم گیران را با توفیق بیشتری مواجه سازند.
در اعطای تسهیلات که یکی از عمده‌ترین فعالیتهای بانکها و موسسات اعتباری است برای تصمیم گیری صحیح، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، یعنی ریسک درجه اعتبار، کاهش یابد. یکی از روش‌های کاهش این ریسک، طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است، و کانون این نظام، مدل رتبه بندی یا ارزیابی اعتباری است.
با استفاده از چنین مدلی، رتبه یا درجه اعتباری متقاضی مشخص شده و بر اساس آن راجع به اعطای تسهیلات یا عدم اعطا، تصمیم گیری می شود. در حال حاضر بهره برداری از سیستمهای هوشمند به منظور بهینه سازی و پیش بینی به عنوان یکی از ابزارهای پیشرفته در حوزه‌های مختلف علوم، کاربرد فراوان دارد. شبکه‌های عصبی به عنوان یک سیستم هوشمند در عرصه‌های مختلف مالی از جمله تصویب اعتبارات، کاربرد دارند.
در تصویب اعتبارات، ارزیابی اعتبار مشتریان یکی از موارد بسیار پیچیده در فعالیتهای مالی به شمار می‌رود.
به نظر می‌رسد جستجو برای روابط عملی دیگر اهمیت خود را از دست داده است. آنچه اهمیت دارد این است که حرکت و رابطه مجموعه‌ای از متغیرها را با مجموعه‌ای دیگر دریابیم. برای اینکار مدل شبکه عصبی مصنوعی به مراتب از مغز فراتر می‌رود که در یک آن نمی‌تواند همه چیز را با هم ببینید.
ارزیابی اعتباری مشتریان می‌تواند توسط کارشناسان خبره و ارزیاب‌ها انجام پذیرد، لیکن این امر اغلب به علت کمبود وقت، هزینه بالا، کمبود تعداد افراد خبره و تعداد موارد ارزیابی، مقرون به صرفه نیست. با استفاده از فن آوری اطلاعات و ارتباطات که تحول عظیمی در سیستم بانکداری بوجود آورده و ضمن ایجاد فرصت‌های نوین، چالش‌های جدیدی را نیز با خود به ارمغان آورده است، می‌توان مدلهای ارزیابی اعتباری را طراحی کرد که با استفاده از روش‌های علمی به جای قضاوت‌های ذهنی در زمان کم و با هزینه مناسب، حساب‌های خوب (مشتریان خوش حساب) و حساب‌های بد (مشتریان بد حساب) را از هم تفکیک کرد.
فهرست مطالب:
فصل اول
کلیات تحقیق
مقدمه
1-1بیان مسأله
1-2سوال‌های تحقیق
1-3اهمیت و ضرورت موضوع تحقیق
1-4اهداف تحقیق
1-5فرضیات تحقیق
1-6چارچوب نظری تحقیق
1-7متغیرهای پژوهشی
1-8سابقه و ضرورت انجام تحقیق (پیشینه تحقیق)
1-9کاربردهای تحقیق
1-10نوع روش تحقیق
1-11محدوده تحقیق
1-12روش نمونه گیری و تعیین حجم نمونه
1-13ابزار گردآوری اطلاعات
1-14محدودیت‌های تحقیق
1-15روش تجزیه و تحلیل اطلاعات
1-16برخی تعاریف، مفاهیم و اصطلاحات
فصل دوم
ادبیات تحقیق
مقدمه
بخش اول
آشنایی با بانک سامان و انواع تسهیلات
آشنایی با بانک سامان
چارت خدمات بانک سامان
انواع سپرده‌های سرمایه گذاری
سپرده کوتاه مدت
سپرده کوتاه مدت ویژه
سپرده بلند مدت
سپرده اندوخته
سپرده ارزی
تسهیلات حقوقی
ابزارهای اعتباری
انواع ابزارهای اعتباری
ضوابط و معیارهای اساسی اعطای تسهیلات
1-قابلیت اعتماد و اطمینان
2-قابلیت و صلاحیت فنی
3-ظرفیت مالی و کشش اعتباری
4-وثیقه (تامین)
بخش دوم
مبانی نظری رتبه بندی اعتبار
مقدمه
2-1 مروری بر تاریخچه رتبه بندی اعتبار
2-2 رتبه بندی اعتبار
فرآیند تصمیم گیری اعطای تسهیلات
3-2 سیستمهای رتبه بندی اعتبار
4-2 مدلهای رتبه بندی اعتباری
5-2 مزایا و محدودیت‌های مدل رتبه بندی اعتبار
- محدودیت‌ها
بخش سوم
مبانی نظری شبکه عصبی
مقدمه
3-1 هوش مصنوعی
3-2 مروری بر تاریخچه شبکه عصبی
3-3 شبکه‌های عصبی مصنوعی
3-4 اساس بیولوژیکی شبکه عصبی
3-5 مقایسه بین شبکه‌های عصبی مصنوعی و بیولوژیکی
3-6 مدل ریاضی نرون
3-7 ویژگی‌ها و خصوصیات شبکه‌های عصبی مصنوعی
3-7-1 قابلیت یادگیری
3-7-2 پردازش اطلاعات به صورت متنی
3-7-3 قابلیت تعمیم
3-7-4 پردازش موازی
3-7-5 مقاوم بودن
3-8 مشخصه‌های یک شبکه عصبی
3-8-1 مدلهای محاسباتی
3-8-2 قواعد یادگیری
3-8-3 معماری شبکه
3-9 عملکرد شبکه‌های عصبی مصنوعی
3-10 محدودیت‌های شبکه عصبی
3-11 کاربرد شبکه‌های عصبی در مدیریت
بخش چهارم
خلاصه مقاله‌ها
بخش پنجم
نتیجه گیری
فصل سوم
روش شناسی تحقیق
3-1 مقدمه
3-2 روش تحقیق
3-3 جامعه آماری
3-4 نمونه آماری
3-5 فرضیات تحقیق
3-6 محدوده تحقیق
3-7 جمع آوری داده‌ها
3-8 تعیین حجم نمونه
3-9 ابزار گردآوری داده‌ها
3-10 روش تجزیه و تحلیل داده‌ها
3-11 فرآیند تحقیق
فصل چهارم
یافته‌های تحقیق
4-1 مقدمه
4-4-1 آماده سازی داده‌های ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی داده‌ها
معماری شبکه
فصل پنجم
نتیجه گیری و پیشنهادها
نتیجه گیری
پیشنهادات
فهرست اشکال
شکل (2-1): ساختار نورون
شکل (2-2): اولین مدل دقیق سلول عصبی
شکل (3-3): معماری شبکه
شکل (3-4): پرسپترون چند لایه
شکل (3-5): نحوه تشکیل محدوده‌های فضا توسط تعداد مختلف لایه‌های پرسپترون
شکل (3-6): شبکه هاپفیلد
فهرست جداول
جدول (3-1): توابع محرک با علائم قرار دادی
جدول (4-1): مقایسه نتایج میانگین خطا در مدل A
جدول (4-2): نتایج اجرای آموزش مدل A
جدول (4-3): مقایسه نتایج میانگین خطا درمدل B
جدول (4-4): نتایج اجرای آموزش مدل B
جدول (4-5) جدول مقایسه نتایج
جدول (4-6) نتایج اجرای مدلA
جدول (4-7) نتایج اجرای مدل B
پیوست:
پیوست الف: جداول و نمودارهای مربوط به مدل A
پیوست ب:جداول و نمودارهای مربوط به مدل B
منابع وماخذ
منابع فارسی
1-آر.بیل وتی.جکسون،1383، "آشنایی باشبکه های عصبی"،ترجمه محمودالبرزی ، (تهران:انتشارات دانشگاه شریف ،چاپ دوم)
2- اصغری اسکویی،محمدرضا،1381، کاربرد شبکه های عصبی درپیش بینی سریهای زمانی ، فصلنامه پژوهشهای اقتصادی ایران،شماره12،پاییز.
3- البرزی ، محمود،1377،"روش تحقیق ازدید گاه آمار"دانشگاه شهید بهشتی،چهارمین کنفرانس بین المللی آمار ایران.
4- البرزی،محمود،عبده تبریزی،حسین،1377،"مدلهای ارزیابی اعتبار مشتریان بااستفاده از شبکه های عصبی"طرح تحقیق.
5- امیر غیاثوند،فرید، شبکه های عصبی،نشریه راه المپیاد،شماره4
6- پناهیان،حسین،1379، استفاده از شبکه های عصبی برای پیش بینی روند قیمت سهام در بورس اوراق بهادار تهران ،پایان نامه دکترای دانشگاه آزاد اسلامی واحد علوم تحقیقات.
7- جزوه آموزشی مجموعه دستورات بانک
8- جعفر علی جاسبی،جواد،1382، "تبین وارئه الگو های تصمیم گیری چند شاخصه پویا "،دانشگاه آزاد اسلامی واحد علوم تحقیقات ،پایان نامه دکترای مدیریت.
9- چاوشی ،کاظم،1380، "برسی رفتار قیمت در بورس اوراق بهادار تهران ، پایان نامه کارشناسی ارشد مدیریت مالی ،دانشگاه امام صادق (ع) ".
10- جوادی پور،سعید،حسن زاده،علی،1381، "مقررات زدایی در نظام بانکی ،مطالعه موردی اعطای تسهیلات "پژوهشکده پولی وبانکی بانک مرکزی.
11- خاکی ،غلامرضا،1378،"روش تحقیق با رویکرد پایانامه نویسی "،مرکز تحقیقات علمی کشور.
12- شایان آرانی، شاهین،1380،"مدیریت ریسک وبانکداری اسلامی غیر دولتی "موسسه عالی بانکداری ایران ،دوازدهمین همایش بانکداری اسلامی.
13- هدایتی،علی اصغر،سفری، علی اصغر،کلهر،حسن،1370،"عملیات بانکی داخلی (تخصیص منابع)"، موسسه عالی بانکداری ایران.
14- مجموعه رهنمودهایی برای مدیریت موثر ریسک اعتباری ، بانک جمهوری اسلامی ایران
15- مقصود، حسین، 1385، پیش بینی بازار سهام اوراق بهادار در بورس اوراق سهام تهران با استفاده از شبکه عصبی، پایان نامه کارشناسی ارشد دانشگاه آزاد اسلامی.
16- منصف،حسن،رنجبر،علیمحمد،1374،"کاربرد هوش مصنوعی در سیستمهای قدرت"، نشریه علمی و پژوهشی برق ، شماره 84 ، بهار.
منابع انگلیسی
- Altman,Edward.I(2000)"predicting Financial Distress of companies ,Revisiting The Z_score and Zeta Models ,business credit",July
- Anthony Saunders,(2000) "Understanding your credit score "
- Fenster stock,Albert(2003) "Credit scoring Basics,business credit"March
- Haykin,s (1994) ,s.Neural Network:A Comrehensive Foondation ,Macmillan
- James Matlews,(www.Generations.org/content/2000/Anin troduction to Nevral Network.ASP)
- Jensen,H.L (1996) ,Using Neural Networks For Credit Scoring ,Efrairn Turhan chicage:Inwin
- Kiss ,Ferenc.Credit Scoring Processes From Knowledge Management Perspective , Periodical Polytechnics.Soc.Vol11,No.1
- Morsman ,E.(1997) "Risk Management and Cerdit Culture ".Journal of lending Cerdit Risk Management ,special Ed. June
- P.Mandic ,A. chambers (2001) ,Recurrunt Neuer Networks for Prediction ,2d.ed.
- Sinkey.Jr , Joseph.F (1992) ,Commerical Rant Financial Management , 4th Edition macmillan
- Thomas ,Lync (2000), A Survey of credit and Bahavioral Scoring:Forecasting Financial Risk of lending to Customer ,International
Journal of forcasting 16
- Zir illi ,Jose hp.S (1997) ,Financial Prediction Using Neural Networks ,International Thomson Computer press
- Zurada,J.M(1992),Introduction to Artificial System,Boston Pws. Publishing Company , p.xv
