ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام الشبكات العصبية متعددة الطبقات في التنبؤ بمخاطر الائتمان لمنشآت الأعمال: دراسة تطبيقية

العنوان بلغة أخرى: Predicting Credit Risk Using Multi-Layer Neural Network: An Applied Study
المصدر: مجلة الدراسات المالية والتجارية
الناشر: جامعة بني سويف - كلية التجارة
المؤلف الرئيسي: عثمان، حسام محمد محمد (مؤلف)
مؤلفين آخرين: إسماعيل، طارق محمد حسانين (مشرف)
المجلد/العدد: ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2022
الشهر: أبريل
الصفحات: 169 - 219
DOI: 10.21608/mosj.2022.230551
ISSN: 1687-3440
رقم MD: 1292571
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
الشبكات العصبية | مخاطر الائتمان | التنبؤ | Neural Networks | Credit Risk | Forecasting
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

48

حفظ في:
المستخلص: يهدف هذا البحث إلى اختبار قدرة نماذج الشبكات العصبية متعددة الطبقات في تحسين دقة التنبؤ بمخاطر الائتمان التي تواجه منشآت الأعمال مقارنة بالنماذج الإحصائية التقليدية، وذلك من خلال تطوير نموذج للدراسة تعتمد مدخلاته على مجموعة من النسب والمؤشرات المالية التي تم الحصول عليها من عينة من منشآت الأعمال المدرجة بسوق الأوراق المالية المصرية. تم اختبار مدى قدرة الشبكات العصبية متعددة الطبقات على التنبؤ بمخاطر الائتمان من خلال تحليل واختبار نموذج الدراسة باستخدام كل من الانحدار اللوجستي، ونماذج الشبكات العصبية متعددة الطبقات، وذلك للوصول إلى دقة تصنيف المنشآت إلى منشآت معرضة لمخاطر الائتمان وغير معرضة لمخاطر الائتمان بالتطبيق على عينة من منشآت الأعمال المسجلة بسوق الأوراق المالية المصرية وعددها (٨٣) منشأة على مدار عشرة سنوات (2010-2019) بإجمالي (٨٢٤) مشاهدة. خلص البحث إلى تميز نماذج الشبكات العصبية متعددة الطبقات بدقة تنبؤية مرتفعة عن غيرها من النماذج الإحصائية في تحسين قدرة المؤشرات المالية على التنبؤ بمخاطر الائتمان لمنشآت الأعمال، بالإضافة إلى قدرتها على تحديد المزيج الأمثل من النسب والمؤشرات المالية الذي يحقق أفضل كفاءة وفعالية للشبكات العصبية متعددة الطبقات في التنبؤ.

This research aims to test the ability of multi-layer neural network models compared to traditional statistical models to improve credit risk forecasting accuracy, by developing a model whose input depends on a set of financial ratios obtained from a sample of listed corporate in the Egyptian Securities Exchange. The accuracy of neural network to predict credit risk was tested by analyzing and testing the study model using both logistic regression, and multi layer neural network models, in order to reach the accuracy of classifying corporates to exposed to credit risk and not exposed to credit risk by a sample of (83) of listed corporate in the Egyptian Securities Exchange over ten years (2010 - 2019) with a total of (824) views. The research concluded that multi layer neural networks models are distinguished with high predictive accuracy over other statistical models in improving the ability of financial ratios to predict credit risk, in addition to their ability to determine the optimal mix of financial ratios that achieve the best efficiency and effectiveness of multi-layer neural networks in forecasting.

وصف العنصر: مستق من رسالة دكتوراه بعنوان "قياس قدرة المؤشرات المالية وغير المالية لمنشآت الأعمال باستخدام نماذج الشبكات العصبية: دراسة تطبيقية "
ISSN: 1687-3440