ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تطور تقدير خطر القرض في ظل نما...>الوصف

تطور تقدير خطر القرض في ظل نماذج الذكاء الإصطناعي

العنوان المترجم: Evolution of Credit Risk Assessment in the Light of Artificial Intelligence Models
المصدر: مجلة العلوم الإنسانية
الناشر: جامعة منتوري قسنطينة
المؤلف الرئيسي: روابح، عبلة (مؤلف)
مؤلفين آخرين: بوداح، عبدالجليل (م. مشارك)
المجلد/العدد: ع44
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2015
الشهر: ديسمبر
الصفحات: 193 - 222
DOI: 10.34174/0079-000-044-010
ISSN: 1111-505X
رقم MD: 824455
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
الصحة النفسية | الذكاء الإصطناعي | المخاطر المالية | القروض المالية | تكنولوجيا المعلومات | الصناعة المصرفية | التقنيات الإحصائية
كلمات المؤلف المفتاحية:
خطر القرض | الذكثاء الاصطناعي | الشبكثات العصبية | الاصطناعية | الأنظمة الخبيرة | Credit Risk | Artificial intelligence | Artificial Neural Networks | Expert Systems
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

150

حفظ في:
المستخلص: يعتبر تقدير خطر القرض من القضايا الاكثر تعقيدا في مجال إدارة المخاطر المالية للبنك، ويمكن ايعاز ذلك الى مسألة تشعب القياس وصعوبة بناء النموذج، مما يعني أن توفير النموذج الأمثل القادر على قياس الخطر للقروض الممنوحة لما قبل وبعد اتخاذ القرار مسألة أساسية ومحورية. فالنماذج التقليدية المبنية على أساس من الأدوات الإحصائية لم تستطع مواجهة معضلة القروض المتعثرة التي كانت تتزايد باستمرار، الشيء الذي جعل من نماذج الذكاء الاصطناعي المستخدمة في مجالات شتي، غير المجال المالي، الدور الفعال والبديل المناسب والممكن نحو التخفيف من قلة نجاعة تقدير خطر القرض. على هذا الأساس تحاول هذه الورقة البحثية التعرف على مدى فعالية نماذج الذكاء الاصطناعي بعدما عرف هذا المجال تطورا ملفتا للانتباه، أين ينحصر الحديث عن خطر القرض في ما يعرف بنموذجي الشبكات العصبية الاصطناعية، والأنظمة الخبيرة، مع العلم أن هذين النموذجين يبقيان محل انتقاد على الرغم من المزايا التي يوفرهما مقارنة بالنماذج التقليدية

Credit risk assessment is one of the most complicated issues in financial risks for banks. This is due to both complexity and difficulty in measuring risks and building models. Therefore, the availability of an optimal model that can measure risks related to granted credits, within the ex-ante and ex-post process of decision-making, is so crucial. Based on purely statistical tools, conventional models have failed to a great extent to avoid the non-performing loans that had been increasing in the past. Artificial intelligence models, though their applications are multiple beyond the financial arena, contributed effectively in this domain, in order to alleviate the exposure to credit risks. On the basis of this assumption, the present paper tries to identify the artificial intelligence models' effectiveness used to assess credit risk with focus on the artificial neural networks (ANN) and expert systems (ES). These models can be more important compared to conventional ones but they are still exposed to criticisms because of the shortcomings that they may have.
ISSN: 1111-505X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.