ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تقدير مخاطر الائتمان المصرفي ا...>الوصف

تقدير مخاطر الائتمان المصرفي الجزائري باستعمال نماذج الانحدار اللوجيستي "LR" والشبكات العصبية الاصطناعية "MLP"

العنوان بلغة أخرى: Estimation of Algerian Credit Risk Using Logistic "LR" Regression and Artificial Neural Networks "MLP" Models
المصدر: مجلة العلوم الاجتماعية والإنسانية
الناشر: جامعة العربي التبسي تبسة
المؤلف الرئيسي: حوباد، مريم (مؤلف)
مؤلفين آخرين: شيبي، عبدالرحيم (م. مشارك)
المجلد/العدد: مج17, ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2024
الشهر: جوان
الصفحات: 207 - 226
ISSN: 1112-685x
رقم MD: 1498055
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
المؤسسات المالية | القروض البنكية | المخاطر الائتمانية | الجزائر
كلمات المؤلف المفتاحية:
مخاطر القروض البنكية | الشبكة العصبية الاصطناعية | الانحدار اللوجيستي | القرار الائتماني | Credit Risk Prediction | ANN | Logistic Regression | Lending Decision
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تهدف هذه الدراسة إلى تقدير مخاطر الائتمان المصرفي في البنوك الجزائرية من خلال تصنيف المؤسسات المقترضة إلى سليمة ومتعثرة للمساعدة في اتخاذ البنك القرار الائتماني الصائب وذلك باستعمال نموذجي الانحدار اللوجيستي LR والشبكات العصبية الاصطناعية متعددة الطبقات MLP. وبغية الوصول إلى الهدف قمنا ببناء قاعدة بيانات مكونة من: 100 مؤسسة مقترضة من بنك القرض الشعبي الجزائري مقسمة بالتساوي إلى مؤسسات متعثرة وأخرى سليمة. وقد أظهرت نتائج الدراسة أن نموذج الشبكات العصبية الاصطناعية متعددة الطبقات حقق دقة في التصنيف قدرت بنسبة 100% عند اختباره متفوقا على نموذج الانحدار اللوجيستي الذي قدرت نسبة تصنيفه الصحيح للمؤسسات بـ: 96% ما يجعل هاذين النموذجين مثاليين للتنبؤ بالمخاطر الائتمانية من ناحية الدقة والسرعة في اتخاذ القرار في البنوك الجزائرية.

This study aims to estimate the bank loan risk in Algerian banks and make the right lending decision using logistic regression and MLP artificial neural network models. To achieve this, we formed a database of financial ratios and qualitative variables for 100 of borrowing institutions From the CPA bank, this sample divided into 50 good Borrower institutions and 50 other bad borrower institutions. The results of the study showed that the artificial neural networks MLP had shown an accuracy in classification at 100%, outperforming the logistic regression model whose correct classification rate of institutions was estimated at: 96%,which would help Algerian banks to predict credit risks and make wise and speed lending's decision more than the classic models, but these modern approaches require robust technologies devices and quantitative and statistical methods.
ISSN: 1112-685x

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.