| LEADER |
04873nam a2200265 4500 |
| 001 |
2049784 |
| 024 |
|
|
|3 10.21608/mosj.2022.230551
|
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|a عثمان، حسام محمد محمد
|q Othman, Hossam Mohammed Mohammed
|e مؤلف
|9 686414
|
| 245 |
|
|
|a استخدام الشبكات العصبية متعددة الطبقات في التنبؤ بمخاطر الائتمان لمنشآت الأعمال:
|b دراسة تطبيقية
|
| 246 |
|
|
|a Predicting Credit Risk Using Multi-Layer Neural Network:
|b An Applied Study
|
| 260 |
|
|
|b جامعة بني سويف - كلية التجارة
|c 2022
|g أبريل
|
| 300 |
|
|
|a 169 - 219
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 500 |
|
|
|a مستق من رسالة دكتوراه بعنوان "قياس قدرة المؤشرات المالية وغير المالية لمنشآت الأعمال باستخدام نماذج الشبكات العصبية: دراسة تطبيقية "
|
| 520 |
|
|
|a 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.
|b 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.
|
| 653 |
|
|
|a المؤشرات الماللية
|a بيئة الأعمال
|a الاستثمارات المالية
|a الذكاء الاصطناعي
|
| 692 |
|
|
|a الشبكات العصبية
|a مخاطر الائتمان
|a التنبؤ
|b Neural Networks
|b Credit Risk
|b Forecasting
|
| 700 |
|
|
|a إسماعيل، طارق محمد حسانين
|q Ismail, Tareq Mohammed Hassanein
|e مشرف
|9 686424
|
| 773 |
|
|
|4 الاقتصاد
|6 Economics
|c 007
|e Journal of Financial and Commercial Studies
|f Maǧallaẗ Al-Dirāsāt Al-Māliyyaẗ wa Al-Tiǧāriyyaẗ
|l 001
|m ع1
|o 0891
|s مجلة الدراسات المالية والتجارية
|v 032
|x 1687-3440
|
| 856 |
|
|
|u 0891-032-001-007.pdf
|n https://mosj.journals.ekb.eg/article_230551.html
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1292571
|d 1292571
|
