- همه چیز درباره مهندسی معکوس
- بررسی سيستم های عامل های توزيع شده
- کاهش مصرف انرژی در شبکه های حسگر بی سیم با استفاده از شبکه های عصبی som
- بررسی کاربردهای منطق فازی
- بررسی فناوری اطلاعات و تاثیر آن بر عملکرد بازاریابی
- شبکه های حسگر بی سیم و امنیت آنها
- نيمكت و طراحی نیمکت پارک ها
- الگوریتم های فشرده سازی صدا و تصویر
طراحی و تبيين مدل رتبه بندی اعتباری مشتريان با استفاده از شبكههای عصبي
فهرست مطالب
فصل اول
كليات تحقيق 1
مقدمه 2
1-1 بيان مسأله 4
1-2 سوالهاي تحقيق 7
1-3 اهميت و ضرورت موضوع تحقيق 7
1-4 اهداف تحقيق 8
1-5 فرضيات تحقيق 9
1-6 چارچوب نظري تحقيق 10
1-7 متغيرهاي پژوهشي 12
1-8 سابقه و ضرورت انجام تحقيق (پيشينه تحقيق) 13
1-9 كاربردهاي تحقيق 15
1-10 نوع روش تحقيق 16
1-11 محدوده تحقيق 16
1-12 روش نمونه گيري و تعيين حجم نمونه 17
1-13 ابزار گردآوري اطلاعات 18
1-14 محدوديتهاي تحقيق 18
1-15 روش تجزيه و تحليل اطلاعات 19
1-16 برخي تعاريف، مفاهيم و اصطلاحات 19
فصل دوم 22
ادبيات تحقيق 23
مقدمه 24
بخش اول 25
آشنايي با بانك سامان و انواع تسهيلات 25
آشنايي با بانك سامان 26
چارت خدمات بانك سامان 29
انواع سپردههاي سرمايه گذاري 29
سپرده كوتاه مدت 29
سپرده كوتاه مدت ويژه 30
سپرده بلند مدت 30
سپرده اندوخته 31
سپرده ارزي 32
تسهيلات حقوقي 32
ابزارهاي اعتباري 33
انواع ابزارهاي اعتباري 33
ضوابط و معيارهاي اساسي اعطاي تسهيلات 34
1- قابليت اعتماد و اطمينان 37
2- قابليت و صلاحيت فني 39
3- ظرفيت مالي و كشش اعتباري 40
4- وثيقه (تامين) 42
بخش دوم 47
مباني نظري رتبه بندي اعتبار 47
مقدمه 48
2-1 مروري بر تاريخچه رتبه بندي اعتبار 50
2-2 رتبه بندي اعتبار 52
فرآيند تصميم گيري اعطاي تسهيلات 53
3-2 سيستمهاي رتبه بندي اعتبار 58
4-2 مدلهاي رتبه بندي اعتباري 59
5-2 مزايا و محدوديتهاي مدل رتبه بندي اعتبار 60
محدوديتها 60
بخش سوم 62
مباني نظري شبكه عصبي 62
مقدمه 63
3-1 هوش مصنوعي 65
3-2 مروري بر تاريخچه شبكه عصبي 67
3-3 شبكههاي عصبي مصنوعي 70
3-4 اساس بيولوژيكي شبكه عصبي 75
3-5 مقايسه بين شبكههاي عصبي مصنوعي و بيولوژيكي 79
3-6 مدل رياضي نرون 80
3-7 ويژگيها و خصوصيات شبكههاي عصبي مصنوعي 82
3-7-1 قابليت يادگيري 82
3-7-2 پردازش اطلاعات به صورت متني 83
3-7-3 قابليت تعميم 83
3-7-4 پردازش موازي 84
3-7-5 مقاوم بودن 84
3-8 مشخصههاي يك شبكه عصبي 84
3-8-1 مدلهاي محاسباتي 85
3-8-2 قواعد يادگيري 88
3-8-3 معماري شبكه 90
3-9 عملكرد شبكههاي عصبي مصنوعي 101
3-10 محدوديتهاي شبكه عصبي 103
3-11 كاربرد شبكههاي عصبي در مديريت 104
بخش چهارم 110
خلاصه مقالهها 110
بخش پنجم 124
نتيجه گيري 124
فصل سوم 129
روش شناسي تحقيق 129
3-1 مقدمه 130
3-2 روش تحقيق 131
3-3 جامعه آماري 132
3-4 نمونه آماري 132
3-5 فرضيات تحقيق 133
3-6 محدوده تحقيق 135
3-7 جمع آوري دادهها 136
3-8 تعيين حجم نمونه 137
3-9 ابزار گردآوري دادهها 138
3-10 روش تجزيه و تحليل دادهها 138
3-11 فرآيند تحقيق 141
فصل چهارم 153
يافتههاي تحقيق 153
4-1 مقدمه 154
4-4-1 آماده سازي دادههاي ورودي جهت رتبه سنجي مشتريان با كمك شبكه عصبي آماده سازي دادهها 154
معماري شبكه 155
فصل پنجم 162
نتيجه گيري و پيشنهادها 162
نتيجه گيري 163
پيشنهادات 168
فهرست اشكال
شكل (2-1) : ساختار نورون 77
شكل (2-2) : اولين مدل دقيق سلول عصبي 81
شكل (3-3) : معماري شبكه 91
شكل (3-4) : پرسپترون چند لايه 92
شكل (3-5) : نحوه تشكيل محدودههاي فضا توسط تعداد مختلف لايههاي پرسپترون 95
شكل (3-6) : شبكه هاپفيلد 101
فهرست جداول
جدول (3-1) : توابع محرك با علائم قرار دادي 87
جدول (4-1) : مقايسه نتايج ميانگين خطا در مدل A 157
جدول (4-2) : نتايج اجراي آموزش مدل A 157
جدول (4-3) : مقايسه نتايج ميانگين خطا درمدل B 158
جدول (4-4) : نتايج اجراي آموزش مدل B 158
جدول (4-5) جدول مقايسه نتايج 159
جدول (4-6) نتايج اجراي مدلA 160
جدول (4-7) نتايج اجراي مدل B 160
پيوست :
پيوست الف : جداول و نمودارهاي مربوط به مدل A 170
پيوست ب :جداول و نمودارهاي مربوط به مدل B 173
چكيده
بازار اعتبارات مصرفي در ايران با تشكيل بانكهاي خصوصي رونق يافته است. فعاليت اصلي در اين بازار اعطاي تسهيلات مصرفي به متقاضيان بوده و اين امر نياز به اعتبار سنجي متقاضيان تسهيلات جهت كاهش ريسك اعتباري دارد. امروزه سيستمهاي هوشمند كاربردهاي فراواني در امور مختلف بانكي و مالي پيدا كردهاند. بررسي و تصويب اعتبارات يكي از كاربردهاي شبكه عصبي است. پژوهش حاضر با هدف ارائه مدل مناسب بررسي رفتار اعتباري مشتريان تسهيلات مصرفي وام مضاربه با استفاده از شبكه هاي عصبي جهت رتبه بندي اعتباري شكل گرفته است. به دنبال اين هدف ابتدا عوامل مهم تاثير گذار بر رفتار اعتباري مشتريان شناسايي گرديد و سپس مشتريان به سه دسته خوش حساب، بد حساب وسر رسيد گذشته تقسيم شدند.
در مرحله بعد مدلهاي شبكه عصبي پس از طراحي؛ با دادههاي آموزشي؛ آموزش داده شده و سپس با دادههاي آزمايشي مورد آزمايش قرار گرفتند.
نتايج بدست آمده نشان ميدهد كه رفتار اعتباري مشتريان با استفاده از مدلهاي رتبه بندي شبكههاي عصبي قابل پيش بيني است.
كلمات كليدي
شبكه عصبي؛ رتبه بندي اعتباري؛ تسهيلات
مقدمه
علم تصميم گيري همواره با انسان همراه بوده و با ظهور سازمانها، شركتها و خاصه با تغييرات پرشتاب محيطي توسعه فراوان يافته است. بسياري از محققان تلاش و همت خويش را در اين حوزه متمركز نمودهاند تا الگوهاي مناسبتر و دقيقتري را براي بهبود نظامهاي تصميم گيري معرفي نموده و تصميم گيران را با توفيق بيشتري مواجه سازند.
در اعطاي تسهيلات كه يكي از عمدهترين فعاليتهاي بانكها و موسسات اعتباري است براي تصميم گيري صحيح، بايد درجه اعتبار و قدرت بازپرداخت اصل و سود تسهيلات دريافت كننده را تعيين نمود تا احتمال عدم برگشت اصل و سود تسهيلات اعطايي، يعني ريسك درجه اعتبار، كاهش يابد. يكي از روشهاي كاهش اين ريسك، طراحي نظام تعيين درجه اعتباري براي دريافت كنندگان تسهيلات است، و كانون اين نظام، مدل رتبه بندي يا ارزيابي اعتباري است .
با استفاده از چنين مدلي، رتبه يا درجه اعتباري متقاضي مشخص شده و بر اساس آن راجع به اعطاي تسهيلات يا عدم اعطا، تصميم گيري مي شود. در حال حاضر بهره برداري از سيستمهاي هوشمند به منظور بهينه سازي و پيش بيني به عنوان يكي از ابزارهاي پيشرفته در حوزههاي مختلف علوم، كاربرد فراوان دارد. شبكههاي عصبي به عنوان يك سيستم هوشمند در عرصههاي مختلف مالي از جمله تصويب اعتبارات، كاربرد دارند.
در تصويب اعتبارات، ارزيابي اعتبار مشتريان يكي از موارد بسيار پيچيده در فعاليتهاي مالي به شمار ميرود .
به نظر ميرسد جستجو براي روابط عملي ديگر اهميت خود را از دست داده است. آنچه اهميت دارد اين است كه حركت و رابطه مجموعهاي از متغيرها را با مجموعهاي ديگر دريابيم. براي اينكار مدل شبكه عصبي مصنوعي به مراتب از مغز فراتر ميرود كه در يك آن نميتواند همه چيز را با هم ببينيد .
ارزيابي اعتباري مشتريان ميتواند توسط كارشناسان خبره و ارزيابها انجام پذيرد، ليكن اين امر اغلب به علت كمبود وقت، هزينه بالا، كمبود تعداد افراد خبره و تعداد موارد ارزيابي، مقرون به صرفه نيست. با استفاده از فن آوري اطلاعات و ارتباطات كه تحول عظيمي در سيستم بانكداري بوجود آورده و ضمن ايجاد فرصتهاي نوين، چالشهاي جديدي را نيز با خود به ارمغان آورده است، ميتوان مدلهاي ارزيابي اعتباري را طراحي كرد كه با استفاده از روشهاي علمي به جاي قضاوتهاي ذهني در زمان كم و با هزينه مناسب، حسابهاي خوب (مشتريان خوش حساب) و حسابهاي بد (مشتريان بد حساب) را از هم تفكيك كرد.
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
1.Altman,Edward.I(2000)"predicting Financial Distress of companies ,Revisiting The Z_score and Zeta Models ,business credit",July
2.Anthony Saunders,(2000) "Understanding your credit score "
3.Fenster stock,Albert(2003) "Credit scoring Basics,business credit"March
4.Haykin,s (1994) ,s .Neural Network :A Comrehensive Foondation ,Macmillan
5.James Matlews,(www.Generations.org/content/2000/Anin troduction to Nevral Network.ASP)
6.Jensen,H.L (1996) ,Using Neural Networks For Credit Scoring ,Efrairn Turhan chicage :Inwin
7.Kiss ,Ferenc.Credit Scoring Processes From Knowledge Management Perspective , Periodical Polytechnics .Soc .Vol11,No.1
8.Morsman ,E.(1997) "Risk Management and Cerdit Culture ".Journal of lending Cerdit Risk Management ,special Ed. June
9.P.Mandic ,A . chambers (2001) ,Recurrunt Neuer Networks for Prediction ,2d.ed.
10.Sinkey.Jr , Joseph .F (1992) ,Commerical Rant Financial Management , 4th Edition macmillan
11.Thomas ,Lync (2000), A Survey of credit and Bahavioral Scoring :Forecasting Financial Risk of lending to Customer ,International
Journal of forcasting 16
12.Zir illi ,Jose hp .S (1997) ,Financial Prediction Using Neural Networks ,International Thomson Computer press
13.Zurada,J.M(1992),Introduction to Artificial System,Boston Pws . Publishing Company , p.xv
نظري براي اين محصول ثبت نشده است.
نوشتن نظر خودتان
براي نوشتن نظر وارد شويد.