مدلسازی ریسک نقدینگی بانکهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از شبکههای عصبی مصنوعی و شبکههای بیزی (مطالعه موردی: بانک ملت)
نویسندگان
1 استاد، مدیریت و حسابداری ، دانشگاه تهران، تهران، ایران
2 دانشجوی دکتری مدیریت مالی-صنعتی، واحد بین الملل کیش، دانشگاه آزاد اسلامی، کیش، ایران
3 استادیار، مدیریت و حسابداری، دانشگاه آزاد اسلامی واحدبین الملل کیش، کیش، ایران
doi
10.22034/es.2023.304046.1462چکیده
در صورت مدیریت نادرست یا عدم کنترل ریسک نقدینگی در یک بانک، امکان بروز صدمههای مالی و اعتباری و حتی ورشکستگی بانک بهوجود میآید. در این مقاله روشی را پیشنهاد کردهایم که از روشهای بروز در یادگیری ماشین استفاده میکند و برای مقابله با این مشکلات، مدلی را پیشنهاد میکنیم که از شبکههای عصبی مصنوعی و بیزی استفاده میکند. متغیرهای مدل نسبتهای نقدینگی هستند و از طریق دادههای ترازنامه استاندارد بانکی بهراحتی در دسترس هستند. طراحی و اجرای این مدل پیشنهادی شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی مدل است. بهعنوان تعریف ریسک نقدینگی بر روی مفهوم توانایی پرداخت تمرکز کردهایم. همچنین یک مطالعه موردی در بانک ملت با استفاده از دادههای صورتهای مالی این بانک بین سالهای 1390 تا 1396، برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطافپذیری مدل اندازهگیری ریسک نقدینگی تحقیق، پیادهسازی کردهایم. نتایج عددی بهدستآمده در مطالعه موردی نشان میدهد که روش هوشمند دو فازی پیشنهادی توانایی تأیید نتایج از طریق اجرای مستقل و موازی مجموعه دادههای مشابه را دارا میباشد.
