منبع پایان نامه ارشد درباره شبکه های عصبی
بهمن 17, 1397 Comments..0
دانلود پایان نامه

ر سال 90 انجام شده است به رتبه بندی اعتبار ی مشتریان حقوقی بانک ملت پرداخته است. این تحقیق با هدف مدلسازی سنجش ریسک اعتباری و اعتبار سنجی انجام(GMDH) 2 مشتریان در بانک ملت به روش رگرسیون لاجیت و پروبیت و مدل شبکه های عصبی شده است .بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 200 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار گرفته است.
در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، در ابتدا 11 متغیر توضیح دهنده شامل متغیرهای مالی و کیفی شناسایی و GMDH بررسی شدند و مدل به وسیله آن برازش گردید.
1- Likelihood Ratio Test
2- Group method of data handling
سپس مدل به روش شبکه عصبی با الگوریتم طراحی و مدلسازی گردید. نتایج تحقیق ضمن دلالت بر تائید نظریه های اقتصادی و مالی در زمینه عوامل موثر بر ریسک اعتباری نشان می دهد که نتایج حاصل از مدلسازی شبکه های عصبی اختلاف محسوسی با مدل های اقتصادسنجی لاجیت و پروبیت ندارد.
سعید صفری در سال 1389 در تحقیقی تحت عنوان “مدیریت ریسک اعتباری مشتریان حقوقی در بانک های تجاری با رویکرد تحلیل پوششی داد ه ها (رتبه بندی اعتباری)” به بررسی ریسک اعتباری درشعب بانک تجارت تهران پرداخته است. به این منظور بررسی های لازم بر اطلاعات مالی و غیر مالی با بهره گرفتن از یک نمونه 146تایی تصادفی ساده از مشتریان حقوقی متقاضی تسهیلات صورت گرفت. در این پژوهش، 27 متغیر توضیح دهنده شامل متغیر های مالی و غیر مالی بررسی شد که از بین متغیر های موجود در نهایت با بهره گرفتن از تکنیک تجزیه و تحلیل عاملی و قضاوت خبرگان (روش دلفی)، 8 متغیر تأثیرگذار بر خطرپذیری اعتباری انتخاب شد که وارد مدل تحلیل پوششی داده ها شد و امتیازات کارایی شرکت های حقوقی با بهره گرفتن از آن ها به دست آمد. سپس برای اعتبارسنجی مدل مربوط به آن، تابع رگرسیونی براورد شد که درآن 8 شاخص مالی و غیر مالی به عنوان متغیر مستقل و رتبه کارایی حاصل از مدل تحلیل پوششی داده ها به عنوان متغیر وابسته در نظر گرفته شد. نتایج نشان می دهد که 25 شرکت، روی مرز کارایی قرار داشته و کاملاً کارا بوده اند.
هم چنین با آزمون فرضیه معناداربودن ضرایب مشخص شد که تمامی شاخص ها بجز یک شاخص “ارزش ویژه به دارایی کل” بر مسیر های مورد انتظار قرار داشته و از نظر آماری، در سطح 95 % اطمینان معنادار می باشند.
با مقایسه رتبه های حاصل از به کارگیری معادله رگرسیونی با رتبه های به دست آمده از روش تحلیل پوششی داده ها، ملاحظه شد که تفاوت معنا داری میان مقادیر محاسبه شده و واقعی وجود ندارد و این مسأله دلالت بر تأیید فرضیه کارایی مدل تحلیل پوششی داده ها در رتبه بندی اعتباری مشتریان حقوقی بانک تجارت می کند.
مصطفی اختیاری در تحقیق خود در سال 1389 با عنوان “معرفی یک روش ویکور توسعه یافته برای رتبه بندی اعتباری مشتریان بانک ها” در این مقاله براساس رویکرد تصمیم گیری گروهی، یک روش ویکور توسعه یافته پیشنهاد گردید که برای دستیابی به نتایج دقیق تر، مقادیر بهینه اوزان اهمیت شاخص هادر الگوریتم حل مورد استفاده قرار گرفتند. برای تشریح روش ویکور پیشنهاد شده، یک مثال عددی درباره مسأله رتبه بندی اعتباری مشتریان بانک هابا چندین شاخص معتبر سیستم 5C اعتباری ارائه و مناسب ترین گزینه موجود (مشتری) برای اعطای تسهیلات مشخص گردید. روش پیشنهاد شده می تواند به عنوان ابزاری مفید برای مدیریت ریسک اعتباری سیستم های مالی و اعتباری کشور همچون بانک ها مورد استفاده قرار گیرد. قابلیت و انعطاف پذیری روش پیشنهادی بیانگر آن است که این روش می تواند برای سایر مسائل تصمیم گیری چند گزینه ای نیز مورد استفاده قرار گیرد. وزن اهمیت اثرگذاری نظرات تصمیم گیرندگان در فرایند تصمیم گیری همواره براساس قضاوت های ذهنی افراد صورت می گیرد. به این منظور، استفاده از متغیر های کلامی برای اوزان اهمیت نظرات تصمیم گیرندگان می تواند برای تحقیق آتی پیشنهاد شود.
محمد تقی تقوی فرد در سال 1389 تحقیقی تحت عنوان ” طبقه بندی متقاضیان تسهیلات اعتباری بانکی با بهره گرفتن از داده کاوی و منطق فازی ” انجام داد، در این پژوهش، هدف، بهره گیری از ابزارهای داده کاوی و منطق فازی برای طبقه بندی مشتریان تسهیلات اعتباری می باشد به طوریکه ابهامات و عدم قطعیت را در خصوص طبقات مشتریان و نیز متغیرهای تاثیر گذار در رفتار آنها را پوشش دهد.
روش کار بدین شکل می باشد که طبق یک فرایند استاندارد داده کاوی، داده های مشتریان سابق بانک سامان جمع آوری و پالایش شده و سپس طبقات و متغیرهایی که قابلیت فازی کردن داشتند، طبق نظر کارشناسان بانک و با توجه به اصطلاحات کلامی آنها برای این متغیرها، فازی شده و با بهره گرفتن از تکنیک درخت تصمیم فازی، داده های نهایی مدلسازی گردیدند. همچنین داده های غیر فازی نیز با چند الگوریتم دیگر مدلسازی شدند. نتیجه حاصل شده نشان داد که درخت تصمیم فازی نتایج بهتری را به لحاظ دقت تفکیک مشتریان نسبت به درخت های سنتی، شبکه های عصبی و رو ش های آماری از قبیل رگرسیون لجستیک و شبکه های بیزین دارد؛ ولی نسبت به مد ل های درخت ژنتیکی و ماشین بردار پشتیبان دقت کمتری دارد. از طرفی تکنیک درخت تصمیم فازی نسبت به عملکرد پیش بینی کارشناسان اعتبارسنج بانک نیز قدرت پیش بینی بهتری حاصل نموده است.
در پژوهشی که البرزی و همکاران در سال 89 انجام دادند به بررسی رتبه اعتباری مشتریان بانک توسط شبکه عصبی پرداختند. در تحقیق به مدل سازی رفتار اعتباری مشتریان با بهره گرفتن از شبکه های عصبی جهت تخصیص بهینه منابع و ارتقاء کیفیت خدمات تسهیلات بانک های کشور پرداخته شده است .در ادامه، مشتریان تسهیلات اعتباری ساخت مسکن در شهر تهران به سه دسته خوش حساب، سررسید گذشته و بدحساب تقسیم شده اند و متغیرهای تاثیرگذار بر رفتار اعتباری انها شناسایی گردیدند. نتایج بدست امده حاکی از آن است که رفتار اعتباری مشتریان با بهره گرفتن از مدل های رتبه بندی شبکه های عصبی قابل پیش بینی است. همچنین مدل تحلیل ممیزی با همان داده های تاریخی اجرا گردید. مقایسه بین قدرت تفکیک مدل های شبکه عصبی و مدل تحلیل ممیزی، نشان می دهدکه مدل های رتبه بندی اعتباری شبکه های عصبی نسبت به مدل تحلیل ممیزی از قدرت تفکیک یا دقت پیش بینی بیشتری برخوردار هستند.
محمود اکرمی در تحقیق خود تحت “عنوان بررسی عوامل مؤثر در مطالبات سررسید گذشته و معوق بانک” در سال 1388 انجام داده است این پژوهش ازطریق بررسی برخی عوامل مرتبط با مطالبات سررسیدگذشته ومعوق به منظور ارائه راهکارهایی جهت پیشگیری از ایجاد آن انجام شده است. در این راستا رابطه نه متغیر؛ معدل موجودی شش ماهه حساب جاری، داشتن چک برگشتی، سابقه افتتاح حساب جاری، زمینه فعالیت تولیدی متقاضی، سابقه اعتباری مشتری، نوع وثیقه ارائه شده، حجم گردش بستانکار حساب جاری، مبلغ تسهیلات و نسبت مبلغ تسهیلات به معدل موجودی به عنوان متغیرهای مستقل وضعیت بازپرداخت تسهیلات (معوق شدن در مقابل معوق نشدن)، به عنوان متغیر وابسته پژوهش بررسی شده است. داده های پژوهش از طریق بررسی پرونده های موجود در بانک تهیه، و با روش آماری رگرسیون لجستیک، تحلیل شده است. از مدل نهایی، میتوان نتیجه گرفت با افزایش یک واحد در متغیرهای چک برگشتی، سابقه اعتباری و نسبت مبلغ به معدل موجودی، احتمال معوق شدن تسهیلات افزایش یافته و با افزایش یک واحد در حجم گردش بستانکار حساب جاری متقاضی، احتمال معوق شدن تسهیلات کاهش می یابد.

 

مطلب مشابه :  منابع تحقیق درباره همبستگی پیرسون

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

در مقاله ای که دانش شکیب و همکارش در سال 88 ارائه نمودند به رتبه بندی شرکت های سیمان بورس و اوراق بهادار تهران پرداختند که در این مقاله از دو روش ای اچ پیو تاپسیس استفاده نمودند. برای این تحقیق از 30 شرکت سیمانی استفاده شده است و همچنین 16 نسبت مالی به عنوان معیار برای این شرکت ها در نظر گرفته شده است ودر نهایت رتبه بندی خود را رتبه بندی سازمان مدیریت صنعتی مقایسه کرده است.
در مقاله ای دیگر پاکدین امیری و همکاران در سال 88 به بررسی عوامل موثر بر شاخص قیمت بورس تهران پرداختند و با شیوه تاپسیس به رتبه بندی این عوامل پرداختند. نتایج بدست آمده نشان می دهد که به ترتیب نسبت قیمت بر درآمد، سیر تاریخی قیمت سهام، عایدی هر سهم و میزان بازدهی دارایی ها بیشترین تاثیر را بر شاخص قیمت سهام دارا می باشند.
رهنمای رودپشتی و همکاران ( 1388 ) در پژوهش خود، از مدل های آلتمن و فالمر جهت پیش بینی ورشکستگی شرکت ها استفاده کردند که نتایج حاصله حاکی از آن است که در پیش بینی یک شرکت، تفاوت معنی داری بین نتایج دو مدل وجود دارد. همچنین مدل آلتمن در پیش بینی
ورشکستگی محافظه کارانه از مدل فالمر عمل می کند.
حمیدرضا اسکندری در سال 1387 تحقیقی با عنوان ” رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری” را در بانک اقتصاد نوین انجام داد. نتایج حاصل از پژوهش نشان می دهد که مهمترین مزیت شبکه های عصبی توانایی آنها در رشد (یا تغییر) ساختار تعداد نورونها و اتصالات آنها است . که باعث می شود از آنجا که طراح شبکه نمی تواند ،داده کاوی (Data mining) شبکه برای ارائه بهتر مسئله تطبیق داده شود. در مسائلی از قبیل داده کاوی ساختار داده ها را حدس بزند، این توانایی رشد بسیار مهم است. آن است که توزیع پراکندگی ورودی ها را تشخیص میدهد. این خصوصیت از آنجا ناشی می شود (SOM) 1 یکی از دیگر مزایای مه که بردارهای وزن نقشه موجود به ازای هر ورودی جدید با یکدیگر رقابت میکنند و در نتیجه این رقابت یک بردار وزن (برنده ) و یا تعدادی از بردارهای وزن(برنده و تعدادی از همسایه های آن) به بردار ورودی نزدیک میشوند.
از دیگر کاربردهای مهم نقشه های خودسامانده، استفاده از آنها در خوشه بندی داده ها است. با کنترل هر سلول، رشد شبکه عصبی قابل کنترل خواهد بود. همچنین اگر سلول های نامطلوبی در خوشه بندی وجود داشته باشند، می توان این سلول ها را بصورت مجازی حذف کرد.
این الگوریتم عمل خوشه بندی را تقویت میکند و شبکه عصبی آموزش دیده، بصورت قابل انعطافی به فضای ورودی وابسته به زمان وفق می یابد. مهمترین ویژگی این شبکه ها که استفاده از آنها را در خوشه بندی توجیه می کند عبارتند اند: دسته بندی فضای ورودی بدون اطلاعات کلاس ها پیش از آموزش و نیز تطبیق انعطاف پذیر به فضای ورودی وابسته به زمان.

در شبکه های که برای خوشه بندی از آنها استفاده می شود، محدودیت هایی نیز وجود دارد مثلا برای ورودی های پیچیده شبکه از شکل GSOMطبیعی خود خارج می شود و نیز الگوریتم یادگیری نمی تواند به فضای ورودی وابسته به زمان وفق یابد.
و برطرف شدن محدودیت های این شبکه خواهد SOM باعث بهبود شبکه نظارت ( Supervised ) با یک شبکه SOM ترکیب شبکه شد. که در نتیجه شبکه ارائه شده در 97/91 درصد موارد پیش بینی صحیحی خواهد داشت.
1- Self Organization Map
فقیه (1387 ) با بهره گرفتن از دو شیوه آماری رگرسیون لجستیک و تجزیه و تشخیص چند به منظور رتبه بندی اعتباری مشتریان حقوقی بانک های تجاری الگویی،(MDA) 1 بعدی طراحی کرد. الگوی طراحی شده توسط محققان توانست با بهره گرفتن از اطلاعاتی که هنگام مراجعه مشتریان حقوقی به بانک (برای گرفتن تسهیلات بانکی) از ایشان گرفته می شد به رتبه بندی اعتباری مشتریان بپردازند و پس از تجزیه و تحلیل ها با توجه به اطلاعات مربوط، رتبه های که نشان دهنده وضعیت اعتباری مشتری بود به هریک از ایشان اختصاص دهد. رتبه مورد نظر توانست مبنای ارزیابی اعتبار مشتریان حقوقی قرار گیرد.
راعی و فلاحپور ( 1387 ) در پژوهش خود با هدف پیش بینی درماندگی مالی شرکت ها، به بررسی نتایج مدل ماشین بردار پشتیبان در مقایسه با مدل آماری رگرسیون لجستیک پرداختند. یافته های آنها حاکی از آن است که مدل ماشین بردار پشتیبان نسبت به مدل رگرسیون لجستیک، نه تنها از دقت کلی بهتری برخوردار است، بلکه توانایی بالاتری نیز در تعمیم پذیری دارد.
منصوری گرگری و عیسی زاده ( 1387 )در تحقیقی با عنوان” برآورد ریسک و ظرفیت اعتباری مشتریان بانک تجارت با بهره گرفتن از شبکه های عصبی” به ارائه مدلی برای محاسبه ریسک اعتباری و ظرفیت اعتباری مشتریان بانک تجارت با بهره گرفتن از شبکه های عصبی مصنوعی و اطلاعات ترازنامه ای پرداختند، نتایج حاصل نشان داد که نتایج کاربرد مدل شبکه عصبی مصنوعی و لوجیت در برآورد ریسک اعتباری اختلاف معناداری ندارند.
فلاح شمس و تهرانی ( 1384) در تحقیقی با عنوان”طراحی و تبیین مدل ریسک اعتباری در نظام بانکی کشور” به مطالعه کارآیی مدل های احتمالی خطی، لجستیک و شبکه های عصبی مصنوعی برای پیش بینی ریسک اعتباری مشتریان نظام بانکی کشور پرداختند.
1- Model Driver Architecture
متغیرهای پیش بینی کننده در این مدل ها، نسبت های مالی وام گیرندگان بوده که معنی داری ارتباط آنها با ریسک اعتباری از طریق آزمون های آماری مناسب تأیید شد.آنها نشان دادند بیشترین کارآیی برای پیش بینی ریسک اعتباری به ترتیب مربوط به شبکه های عصبی مصنوعی و مدل لجستیک می باشد.
پونه رویینتن در پایان نامه کارشناسی ارشد خود در سال 1384 تحت عنوان “بررسی عوامل موثر بر ریسک اعتباری مشتریان حقوقی بانک (بررسی موردی بانک کشاورزی)” با بهره گرفتن از روش رگرسیون لجیت، عوامل مؤثر بر 200 (شرکت 142 مشتری خوش حساب و 58 مشتری بدحساب)تسهیلات گیرنده از بانک کشاورزی را مورد بررسی قرار داده است.
در این مدل، ابتدا 36 متغیر توضیح دهنده شناسایی و مورد بررسی قرار گرفتند 5C متغیرهای کیفی و مالی با بهره گرفتن از شیوه که از میان آنها 17 متغیر اثرگذار بر ریسک اعتباری (نوع فعالیت، سابقه همکاری با بانک کشاورزی، سابقه داشتن بدهی معوق، مبلغ وام، معدل گردش حساب، جمع گردش بدهکار حساب، جمع گردش بستانکار حساب، جمع دارایی های جاری، بستانکاران، بدهی بانک ها، بدهی جاری، نسبت جاری، نسبت نقدی، نسبت گردش سرمایه جاری، نسبت متوسط دوره وصول مطالبات، نسبت بدهی جاری به حقوق صاحبان سهام، نسبت بدهی کل به دارایی کل) باقی مانده و ریسک اعتباری مشتریان نیز به عنوان متغیر وابسته در نظر گرفته شد.
نتایج نشان داد که ریسک اعتباری تحت تاثیر نوع فعالیت شرکت قرار دارد.افزایش سابقه همکاری شرکت با بانک و افزایش دارایی های جاری شرکت، ریسک اعتباری را کاهش میدهد درحالی که سابقه داشتن بدهی معوق به بانک و افزایش بدهی جاری شرکت سبب افزایش ریسک اعتباری میشود.
پایان نامه، حقدوست، شادی، «مدلسازی پیش بینی قیمت سهام با بهره گرفتن از شبکه عصبی و مقایسه آن با روش‌های پیش بینی ریاضی»، دانشگاه آزاد اسلامی واحد علوم تحقیقات، 1384، استاد راهنما دکتر طلوعی، ‌در این پایان نامه سعی شده است با دو روش رگرسیون و شبکه‌های عصبی به پیش بینی قیمت سهام پرداخته شود. برای این کار داده‌های مورد نیاز را از شرکت‌هایی چون ایران خودرو، پتروشیمی اصفهان، شهد ایران و… بدست آورده شد. برای مقایسه از روش‌های آماری R2، MSE و MAPE استفاده شده است.
عرب مازار و روئین تن ( 1383 ) در تحقیقی با عنوان” عوامل موثر برریسک اعتباری مشتریان بانکی، مطالعه موردی بانک کشاورزی”، بااستفاده از 36 متغیراطلاعات کیفی و مالی یک نمونه تصادفی200 تایی از شرکت هایی که از شعب بانک کشاورزی استان تهران تسهیلات اعتباری دریافت نموده اند را بررسی نمودند.
لطیفی ( 1383 ) در تحقیقی با عنوان” بررسی ارتباط بین شاخص های ریسک اعتباری و بازپرداخت به موقع تعهدات مشتریان بانک ملت ” شاخص های ریسک اعتباری که بیشترین همبستگی با بازپرداخت تعهدات مشتریان را دارد تعیین کرده و مدلی طراحی نموده که براساس آن عددی به عنوان شاخص اعتباری وام گیرنده در تصمیمات اعتباردهی تعیین شده است.
در یکی از پژوهش های انجام شده در داخل کشور راعی در سال 1383 به پیش بینی درماندگی مالی شرکت ها با بهره گرفتن از شبکه های عصبی مصنوعی پرداخته است و بیان می کند که اگر سرمایه گذاری ها در فرصت مناسب

پاسخی بگذارید

فوکا | Postmag سبز فایل.