منبع پایان نامه ارشد درباره تحلیل پوششی داده ها-خرید و دانلود پایان نامه کامل
بهمن 17, 1397 Comments..0
دانلود پایان نامه

انجام نگیرد یا به نحوی از آنها استفاده شود که کارایی لازم را نداشته با شند قطعا باعث لطمه دیدن اقتصاد ملی خواهد شد و تاکیید می کند که برخی از شرکت ها در بازپرداخت بدهی های خود با مشکل مواجه هستند و بازدهی لازم برای پوشش هزینه ها را ندارند و مشمول ماده 141 قانون تجارت هستند. در واقع این مسائل حکایت از درگیر شدن این شرکت ها با درماندگی مالی است که این امر ممکن است در نهایت منجر به ورشکستگی و انحلال شود. لذا منابعی که می توانست در فرصت های سود ده و ارزش آفرین سرمایه گذاری شود، به هدر رفته و با یک دیدن کلان تاثیر منفی برروی شاخص های کلان اقتصادی خواهد گذاشت.
غلامرضا سلیمانی امیری درسال 1381 ریسک ورشکستگی شرکت ها را با بهره گرفتن از مدل یاد شده مورد بررسی قرار داده است. سیدمرتضی ذکاوت در سال 1382 مدل های ریسک اعتباری مشتریان حقوقی بانک توسعه صادرات ایران را با بهره گرفتن از شاخص ها و نسبت های مالی و با الهام گرفتن از مدل آلتمن از روش تحلیل ممیزی و رگرسیون لجستیک استخراج نمود. علی منصوری نیز در سال 1382 به طراحی و تبیین مدل ریاضی تخصیص تسهیلات بانکی با رویکرد مدل های کلاسیک و شبکه عصبی پرداخت.

از دیگر مطالعات جهت پیش بینی ریسک ورشکستگی یا درماندگی مالی شرکت ها، می توان به پژوهشی که در سال 1383 توسط سعید فلاح پور صورت گرفته، اشاره نمود. روش مورد استفاده در این پژوهش، روش تحلیل همبستگی بوده است. در این پژوهش مدل تحلیل ممیزی چندگانه و شبکه های عصبی برای پیش بینی درماندگی مالی شرکت های بورس، مورد بررسی قرار گرفت. پژوهش های مشابهی در زمینه رتبه بندی شرکت ها و پیش بینی ریسک ورشکستگی آلتمن و Z10 و AHP شرکت ها براساس مدل های شبکه های عصبی انجام شده است.
از آن جمله می توان به مطالعه انجام گرفته توسط محمدحسن قلی زاده در سال 1383 در زمینه رتبه بندی شرکت ها با بهره گرفتن از رویکرد AHPاشاره کرد. یکی دیگر از مطالعات انجام شده در این زمینه توسط حسن سبزواری صورت گرفت. وی به برآورد و مقایسه مدل امتیازدهی اعتباری پارامتریک لجیت با روش امتیازدهی پرداخت.
منصوری و آذر ( 1381 )در تحقیقی با عنوان” طراحی و تبیین مدل کارآمد تخصیص تسهیلات بانکی رویکرد شبکه های عصبی، رگرسیون لجستیک وخطی” با بهره گرفتن از 11 متغیر مستقل و بهره گیری از شبکه های عصبی پرسپترون چند لایه، ریسک اعتباری و ظرفیت اعتباری سازمان های درخواست کننده اعتبار را بطور هم زمان مورد تحلیل قرار داده اند.
‌پایان نامه، قوام زاده، محمد، «پیش بینی در بازارهای سازمان یافته معاملات» دانشکده فنی دانشگاه تهران پاییز 1376، استاد راهنما: دکتر کرولوکس، در این پایان نامه جهت پیش بینی انواع مختلفی از شبکه عصبی برای پیش بینی قیمت هفتگی سهام شرکت پارس پامچال و شرکت کف به کار گرفته شده است. برای قیمت سهام شرکت کف چهار نوع شبکه WARD سه لایه با مقدار SLAP متفاوت در لایه دوم استفاده شده است که برای مقایسه و تجزیه و تحلیل از روش‌های آماری R2، MSE و MAPE استفاده شده است.
2-3-2- پیشینه خارجی
وینچنزو پاسیلی 1 در تحقیق خود تحت عنوان “روش شبکه های عصبی مصنوعی برای مدیریت ریسک اعتباری” در سال 2011 به بررسی ریسک اعتباری در بانک های ایتالیا پرداخته است. متغیرهای این پژوهش شامل ( حقوق صاحبان سهام، گردش مالی و… ) بوده و نتایج حاصل از این تحقیق نشان می دهد که شبکه عصبی پرسپترون چند لایه ( MLP) از سایر روش های مورد بررسی برای مدیریت ریسک بانک های ایتالیا از کارایی بهینه و بیشتری برخوردار بوده است.
یلدیز و آکوک 2 (2010) در تحقیقی با عنوان” پیش بینی ورشکستگی بانک های ترکیه با بهره گرفتن از شبکه های نروفازی” به مطالعه بانک های ترکیه پرداختند. متغیرهای مستقل مورد استفاده 6 نسبت مالی شامل: نسبت های سرمایه، دارایی های کیفی، نسبت های نقدینگی، نسبت های سودآوری، ساختار درآمد، هزینه و نسبت های فعالیت می باشد. نتایج تحقیق نشان داد دقت مدل 91 درصد است.
ژو و همکاران ( 2010 )3 به منظور ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، از روش
مقایسه SVM استفاده کرده و نتایج آن را با روش های شبکه عصبی، تحلیل ممیزی و LS-SVM
نسبت به دیگر روش های، نتایج بهتری را نشان LSSVM نمودند. بر اساس یافته های آنها، روش
جهت پیش بینی ورشکستگی بهره LS-SVM میدهد.
در پژوهشی که در سال 2010 توسط یوسف تانسل و همکارش4 ارائه شد به رتبه بندی شرکت ها و
صنایع در ترکیه پرداخته شد. روشی که آنها در این مقاله استفاده نمودند تاپسیس فازی می باشد.ابتدا با بهره گرفتن از متغیر های کلان صنعت و اقتصاد به رتبه بندی صنایع مختلف پرداخته است .سپس با توجه به نسبت های مالی شرکت ها اقدام به رتبه بندی شرکت ها با روش تاپسیس فازی نمود.
1- Vincenzo Pacelli
2- Yildiz and Akkoc
3- Zhu et al
4-Tansel, Y

سپس رتبه صنایع و شرکت های موجود در آن صنایع ادغام گشته و رتبه جامعی به هریک از شرکت ها داده شده است .در نهایت نظر خبرگان نیز پرسیده شده است و با رتبه بندی توسط تاپسیس فازی مقایسه شده است که اختلاف ناچیزی با روش مورد استفاده داشته است.
مارسین توماس ( 2009 ) 1 در مقاله های تحت عنوان “کاربردی از تحلیل پوششی داده ها در رتبه بندی اعتباری” به رتبه بندی اعتباری با بهره گرفتن از روش تحلیل پوششی داده ها در پنج مرحله پرداخت:
تعیین نسبت های مالی: با توجه به ماهیت آمار و اطلاعات برای محاسبه رتبه های تحلیل پوششی بدهی های جاری به فروش خالص ،(DB/EQ) داده ها از هفت نسبت بدهی به حقوق صاحبان سهام نسبت، (ROE) به عنوان نهاده و بازده سرمایه (FC/NS) هزینه های مالی به فروش خالص، (CL/NS) به عنوان ستانده استفاده شد. (QR) و نسبت آنی (CAR) نسبت کفایت سرمایه، (CR) نسبت جاری.
انتخاب مجموعه داده ها: در ابتدای تحلیل، 264103 شرکت برای بررسی انتخاب شدند. با کنارگذاردن شرکت های فاقد اطلاعات مناسب، در نهایت تنها 1408 شرکت برای تحلیل نهایی باقی ماند. درنهایت، بدهی کل/ حقوق صاحبان سهام، بدهی جاری/فروش خالص و هزینه های مالی/فروش خالص به عنوان نهاده و درآمد خالص/حقوق صاحبان سهام، نسبت کفایت سرمایه و حقوق صاحبان سهام/دارایی کل به عنوان ستانده در مدل لحاظ شدند.
1- Marcin Tomasz
4. محاسبه اعتبار رتبه های حاصل در تحلیل پوششی داده ها: در این مطالعه از مدل 4 تا 100 در نوسان است و تنها رهیافت نهاده محور استفاده شد. رتبه های به دست آمده در محدوده 66 -27 شرکت کاملاً کارا بودند.
5. اعتباربخشی رتبه های حاصل از تحلیل پوششی داده ها. به منظور اعتباربخشی مدل از روش تحلیل رگرسیونی و تحلیل ممیزی استفاده شد.
الف) تحلیل رگرسیونی: نتایج حاصل از تحلیل رگرسیونی (رتبه های کارایی به عنوان متغیر وابسته و نسبت های مالی به عنوان متغیر مستقل) نشان داد که تمام نسبت های مورد استفاده در مسیرهای مورد انتظار قرار داشته اند.
ب) تحلیل ممیزی: در این روش، میانگین رتبه های حاصل به عنوان نقطه انقطاع شرکت های خوب و بد در نظر گرفته شد. در نتیجه، 708 شرکت درگروه شرکت های خوب و 708 شرکت در گروه بارتلر V شرکت های بد قرار گرفتند. به منظور بررسی معنادار بودن تابع ممیزی ایجاد شده از آزمون استفاده شده و هیچ دلیلی برای رد فرضیه معنادار بودن تابع مشاهده نشد. موفقیت مدل تحلیل تفاوت ها ( 38 + 37) / (41 + 41) 5/91 درصد به دست آمد.
استیفن کارانو1 در سال 2010 در مقاله ای با عنوان ” کارایی در نظام بانکداری کشور غنا با بهره گرفتن از DEA و SFA ” سطح کارایی و کارایی بانک های غنا را در یک دوره ی 10 ساله بین سال های 1997تا 2006 با بهره گرفتن از دو مدل DEA و SFA سنجیده است. وی فرضیه های مختلف از DEA و SFA را برای مقایسه ی مدل ها بررسی کرده سپس از هر دو مدل جهت بدست آوردن کارایی بانک ها استفاده کرده است.
1-Stephen Karanu

 

مطلب مشابه :  رشته روانشناسی-دانلود پایان نامه در مورد راهبردهای شناختی

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته روانشناسی و علوم تربیتی همه موضوعات و گرایش ها :روانشناسی بالینی ، تربیتی ، صنعتی سازمانی ،آموزش‌ و پرورش‌، کودکاناستثنائی‌،روانسنجی، تکنولوژی آموزشی ، مدیریت آموزشی ، برنامه ریزی درسی ، زیست روانشناسی ، روانشناسی رشد

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

سان و چانگ 1 در سال 2010 طی پژوهشی به طور نسبی جامع در مقاله ای با عنوان ” تجزیه و تحلیل جامعی از اثرات اقدامات ریسک بر کارایی بانک: شواهد از کشورهای در حال ظهور آسیا” رابطه بین ریسک های عملیاتی، اعتباری و بازار بانک ها را در تایلند با کارایی شعب بانک نمونه بررسی نموده که کارایی شعب را بر اساس دو روش DEA و SFA برآورده نموده و ارتباط معنی دار بین ریسک و کارایی را نتیجه می گیرد.
چیو و چن 2 در سال 2009 در مقاله ای با عنوان ” تجزیه و تحلیل کارایی بانک تایوانی: ترکیب هر دو ریسک مربوط به محیط خارجی و داخلی” رابطه ریسک اعتباری، بازار و عملیاتی را با کارایی با نک ها بررسی کرده است. وی با بهره گرفتن از دو روش DEA و SFA و نتایج بدست آمده از آن ها ریسک و کارایی بانک ها را محاسبه کرد و در پایان به وجود رابطه ی معنی داری میان ریسک و کارایی پی برد.
محمد اکمل و محمود سالم3 ( 2008 ) در مقاله ای تحت عنوان “بررسی کارایی فنی بخش بانکداری در پاکستان”، با بهره گرفتن از اطلاعات 30 بانک ( 4 بانک دولتی، 18 بانک محلی و 8 بانک خارجی) و روش تحلیل پوششی داده های دو مرحله ای به بررسی آثار عوامل خاص بانک و عوامل کلان اقتصادی بر کارایی بانک پرداخته است.
در مرحله اول از روش تحلیل پوششی داده ها برای برآورد کارایی فنی و مقیاس استفاده کرده و سپس با بهره گرفتن از رگرسیون توبیت به بررسی آثارکلان اقتصادی و خاص بانکی پرداخته است. نتایج مطالعه نشان داد که کارایی بانکداری از سال 2000 بهبود یافته و بانک های خارجی در مقایسه با بانک های محلی خصوصی و بانک های دولتی کاراتر بودند.
1-Lei Sun, Tzu-Pu Chang
2-Chi u, Y.-H., Chen
3-Akmal, Muhammad & Muhammad Saleem

بلوتی، کروک1، (2008) به مقایسه ی عملکرد ماشین بردار پشتیبان با چندین الگوریتم معروف پرداختند و از پایگاه دادهی بزرگتری نسبت به تحقیقات قبلی استفاده کردند و به این نتیجه رسیدند که ماشین بردار پشتیبان موفق تر از شیوه های قبلی رتبه بندی است و از ماشین برد ار پشتیبان به عنوان یکی از روش های انتخاب ویژگی استفاده کردند.
پاسیراس 2در سال 2008 در مقاله ای با عنوان ” برآورد کارایی فنی و مقیاس بانک یونانی تجاری: تاثیر ریسک اعتباری، و عملیات های بین المللی ” از طریق درنظر گرفتن متغیرها و شاخص های تبیین کننده ریسک بانکی نظیر نسبت وا م های نکول شده به عنوان متغیرهای نهاده در روشDEA ، سعی در تبیین ارتباط ریسک و کارایی در صنعت بانکداری داشته و به ارتباط معنادار این دو مقوله پی برده است.
حسین عبدو و جان پوینتون3(2008) در تحقیقی با عنوان” مقایسه مدل های پارامتری جهت ریسک اعتباری مشتریان” به مقایسه مدل های مختلف ارزیابی ریسک اعتباری پرداخته، نتیجه آن حاکی از کاراتر بودن مدل شبکه های عصبی نسبت به سایر روش های مدل پارامتری می باشد.
چنگ لونگ، هوانگ و همکارانش4 (2007) ، در تحقیق خود به مدلسازی تکنیکی هیبریدی برای اعتبارسنجی پرداخته اند. به این صورت که ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان هم برای انتخاب خصیصه ها و هم برای بهینه سازی پارامترهای مدل اعتبارسنجی بکار رفته است .مقایسه هایی نیز بین تکنیک ماشین بردار پشتیبان و طبقه بندهای شبکه های عصبی، برنامه ریزی ژنتیکی و درخت تصمیم صورت گرفته که نتایج نسبتا یکسانی حاصل شده است. ولی نتایج تجربی نشان می دهد که ماشین بردار پشتیبان، نسبت به تکنیک های موجود داده کاوی، نتایج امید بخش تری را ارائه می دهد.
1-Bellotti, Tony, Crook
2-Pasiouras
3-Abdou H. & et al
4-Lung Huang C. & et al
مین و لی1 نیز در سال 2007 در پژوهشی با عنوان ” رویکرد عملی به امتیازدهی اعتباری ” را برای امتیازدهی اعتباری به کار گرفتند. آنان روش شناسی پیشنهادی امل DEA رویکرد بر مبنای و همکارانش را در جامعه آماری بسیار گسترده تری که داده های مالی جاری 1061 شرکت تولیدی، که پرتفولیوی اعتباری یکی از بزرگ ترین سازمان های تضمین اعتبار در کره را در برمی گیرد، برای رتبه بندی اعتباری مورد استفاده قرار دادند. آنان دریافتند که رویکرد تحلیل پوششی داده ها می تواند به عنوان گزینه ای امیدوار کننده برای بهبود و جایگزینی روش های امتیازدهی کنونی به کار گرفته شود و این رویکرد از کارایی لازم در جهت محاسبه رتبه های اعتباری مشتریان برخوردار است.
چنگ و همکارانش2 در سال 2007 در تحقیقی با عنوان “رویکرد چند گزینه ای به رتبه بندی اعتباری با به کارگیری روش تحلیل پوششی داده ها: ارزیابی وام گیرندگان با درنظر گرفتن پروژه های مالی خصوصی ” یک رویکرد چند گزینه ای به رتبه بندی اعتباری را به وسیله تحلیل پوششی داده ها به منظور ارزیابی وام گیرندگان برای پروژه های مالی خصوصی، پیشنهاد می دهند. در این پژوهش تکنیک های مختلف رتبه بندی اعتباری نظیر تجزیه و تحلیل ممیزی، درخت تصمیم، شبکه های عصبی و ….. مقایسه شده اند. اگرچه تحلیل پوششی داده ها در اوایل دهه 1980 بیان شد، با این حال به کارگیری این روش در زمینه موضوعات رتبه بندی اعتباری همچنان ادامه دارد.
الیزابت فیورنتینو و همکاران3 در مقاله ای با عنوان “کارایی در بانک های آلمان: مقایسه DEA و SFA “، سال 2006، به ارزیابی هماهنگی بین نتایج بازده بدست آمده از دو روش DEA و SFA پرداخته است. وی اقدام به بررسی 34192 نمونه از تمام بانک های آلمان در بین سا ل های 1993 تا 2004 و تجزیه و تحلیل میزان هماهنگی بین نتایج بدست آمده و پنج معیار (متغیرهای نهاده و ستاده) سطوح، رتبه بندی، شناسایی مجریان دقیق، ثبات در طول زمان و همبستگی نسبت به میزان استاندارد حسابداری مبتنی بر کارایی پرداخته است.
1-Min JH., Lee YC
2-Cheng EWL. & et al
3-Elisabetta Fiorentino & et al
نتایج این پژوهش بیانگر این مساله است که روش های غیرپارامتری 3 نسبت به خطاهای سنجش حساس می باشند. علاوه بر این، احتساب تفاوت های نظام مند در میان بانک های تجاری، قر ض الحسنه و پس انداز به منظور جلوگیری از تفسیر نادرست درباره وضعیت کارایی کلی بانک مهم می باشد. از دیگر دستاوردهای این پژوهش این است که علیرغم تغییرات بنیادی در حال انجام در نظام بانکداری اروپا، ثبات نرخ کارایی در کوتاه مدت بسیار بالا می باشد.
گری و همکاران1(2006) در پژوهشی به بررسی تأثیر متغیرهای مالی و صنعتی مورد استفاده مؤسسه استاندارد و پورز بر روی رتبه اعتباری شرکت های استرالیایی پرداختند. پژوهشگران از الگوی پروبیت به منظور تحقیق بهره گرفتند. نتایج نشان داد که نسبت های اهرم و پوشش بهره بیشترین تأثیر را بر رتبه اعتباری دارد.
گونزالس2 در سال 2005 در مقاله ای با عنوان ” مقررات بانک و ریسک با در نظر گرفتن عوامل به وجودآورنده: مقایسه بین المللی از ریسک در بانک ها ” با در نظر گرفتن تعداد شعب بانک ها و تعداد پرسنل به عنوان نهاده، سرمایه گذاری و حجم سپرده ها به عنوان ستانده، کارایی بانک ها را با تاثیر دادن متغیرهای ریسک اعتباری و ریسک کل با بهره گرفتن از مدل DEA بدست آورده و بر همین اساس بانک ها را رتبه بندی کرده است. این مقاله در نهایت رابطه ی معنی داری بین ریسک و دارایی به دست آورده است.
ریچاردو و کالوز3 در مقاله ای با عنوان “کاربرد روش تحلیل پوششی داده ها جهت تخمین کارایی بانک ها” در برزیل سال 2006 ، با در نظر گرفتن 50 بانک برتر و بزرگ برزیل و استفاده از آمار متغیرهای ترازنامه ای این بانک ها، به ارزیابی کارایی و مقایسه این بانک ها پرداخته اند.
1-Gray & et al
2-González
3-Richardo calves
نتایج این پژوهش، حاکی از کارایی و برتری روش DEA در رتبه بندی و درجه بندی بانک ها نسبت به رتبه بندی به روش سنتی آنها دارد.
لی و همکارانش1 در سال 2002 برای ادغام شبکه عصبی و تجزیه و لی و چن 3 در سال 2005 برای طراحی مدل رتبه بندی – تحلیل ممیزی اعتباری دو مرحله ای مرکب (شامل شبکه های عصبی مصنوعی و رگرسیون انطباقی چند متغیری اسپیلینز)
هم چنین در سال های اخیر استفاده از الگوریتم ژنتیک و ماشین های بردار پشتیبانی درزمینه رتبه بندی اعتباری مورد توجه قرار گرفته

مطلب مشابه :  منبع پایان نامه ارشد درباره تسهیلات اعطایی-دانلود کامل پایان نامه

پاسخی بگذارید

فوکا | Postmag سبز فایل.