این فایل موجود نیست فهرست مطالب صرفا جهت معرفی ارائه گردیده است
فهرست مطالب
فصل اول
کلیات تحقیق ۱
مقدمه ۲
۱-۱ بیان مسأله ۴
۱-۲ سوالهای تحقیق ۷
۱-۳ اهمیت و ضرورت موضوع تحقیق ۷
۱-۴ اهداف تحقیق ۸
۱-۵ فرضیات تحقیق ۹
۱-۶ چارچوب نظری تحقیق ۱۰
۱-۷ متغیرهای پژوهشی ۱۲
۱-۸ سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) ۱۳
۱-۹ کاربردهای تحقیق ۱۵
۱-۱۰ نوع روش تحقیق ۱۶
۱-۱۱ محدوده تحقیق ۱۶
۱-۱۲ روش نمونه گیری و تعیین حجم نمونه ۱۷
۱-۱۳ ابزار گردآوری اطلاعات ۱۸
۱-۱۴ محدودیتهای تحقیق ۱۸
۱-۱۵ روش تجزیه و تحلیل اطلاعات ۱۹
۱-۱۶ برخی تعاریف، مفاهیم و اصطلاحات ۱۹
فصل دوم ۲۲
ادبیات تحقیق ۲۳
مقدمه ۲۴
بخش اول ۲۵
آشنایی با بانک سامان و انواع تسهیلات ۲۵
آشنایی با بانک سامان ۲۶
چارت خدمات بانک سامان ۲۹
انواع سپردههای سرمایه گذاری ۲۹
سپرده کوتاه مدت ۲۹
سپرده کوتاه مدت ویژه ۳۰
سپرده بلند مدت ۳۰
سپرده اندوخته ۳۱
سپرده ارزی ۳۲
تسهیلات حقوقی ۳۲
ابزارهای اعتباری ۳۳
انواع ابزارهای اعتباری ۳۳
ضوابط و معیارهای اساسی اعطای تسهیلات ۳۴
۱- قابلیت اعتماد و اطمینان ۳۷
۲- قابلیت و صلاحیت فنی ۳۹
۳- ظرفیت مالی و کشش اعتباری ۴۰
۴- وثیقه (تامین) ۴۲
بخش دوم ۴۷
مبانی نظری رتبه بندی اعتبار ۴۷
مقدمه ۴۸
۲-۱ مروری بر تاریخچه رتبه بندی اعتبار ۵۰
۲-۲ رتبه بندی اعتبار ۵۲
فرآیند تصمیم گیری اعطای تسهیلات ۵۳
۳-۲ سیستمهای رتبه بندی اعتبار ۵۸
۴-۲ مدلهای رتبه بندی اعتباری ۵۹
۵-۲ مزایا و محدودیتهای مدل رتبه بندی اعتبار ۶۰
– محدودیتها ۶۰
بخش سوم ۶۲
مبانی نظری شبکه عصبی ۶۲
مقدمه ۶۳
۳-۱ هوش مصنوعی ۶۵
۳-۲ مروری بر تاریخچه شبکه عصبی ۶۷
۳-۳ شبکههای عصبی مصنوعی ۷۰
۳-۴ اساس بیولوژیکی شبکه عصبی ۷۵
۳-۵ مقایسه بین شبکههای عصبی مصنوعی و بیولوژیکی ۷۹
۳-۶ مدل ریاضی نرون ۸۰
۳-۷ ویژگیها و خصوصیات شبکههای عصبی مصنوعی ۸۲
۳-۷-۱ قابلیت یادگیری ۸۲
۳-۷-۲ پردازش اطلاعات به صورت متنی ۸۳
۳-۷-۳ قابلیت تعمیم ۸۳
۳-۷-۴ پردازش موازی ۸۴
۳-۷-۵ مقاوم بودن ۸۴
۳-۸ مشخصههای یک شبکه عصبی ۸۴
۳-۸-۱ مدلهای محاسباتی ۸۵
۳-۸-۲ قواعد یادگیری ۸۸
۳-۸-۳ معماری شبکه ۹۰
۳-۹ عملکرد شبکههای عصبی مصنوعی ۱۰۱
۳-۱۰ محدودیتهای شبکه عصبی ۱۰۳
۳-۱۱ کاربرد شبکههای عصبی در مدیریت ۱۰۴
بخش چهارم ۱۱۰
خلاصه مقالهها ۱۱۰
بخش پنجم ۱۲۴
نتیجه گیری ۱۲۴
فصل سوم ۱۲۹
روش شناسی تحقیق ۱۲۹
۳-۱ مقدمه ۱۳۰
۳-۲ روش تحقیق ۱۳۱
۳-۳ جامعه آماری ۱۳۲
۳-۴ نمونه آماری ۱۳۲
۳-۵ فرضیات تحقیق ۱۳۳
۳-۶ محدوده تحقیق ۱۳۵
۳-۷ جمع آوری دادهها ۱۳۶
۳-۸ تعیین حجم نمونه ۱۳۷
۳-۹ ابزار گردآوری دادهها ۱۳۸
۳-۱۰ روش تجزیه و تحلیل دادهها ۱۳۸
۳-۱۱ فرآیند تحقیق ۱۴۱
فصل چهارم ۱۵۳
یافتههای تحقیق ۱۵۳
۴-۱ مقدمه ۱۵۴
۴-۴-۱ آماده سازی دادههای ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی دادهها ۱۵۴
معماری شبکه ۱۵۵
فصل پنجم ۱۶۲
نتیجه گیری و پیشنهادها ۱۶۲
نتیجه گیری ۱۶۳
پیشنهادات ۱۶۸
فهرست اشکال
شکل (۲-۱) : ساختار نورون ۷۷
شکل (۲-۲) : اولین مدل دقیق سلول عصبی ۸۱
شکل (۳-۳) : معماری شبکه ۹۱
شکل (۳-۴) : پرسپترون چند لایه ۹۲
شکل (۳-۵) : نحوه تشکیل محدودههای فضا توسط تعداد مختلف لایههای پرسپترون ۹۵
شکل (۳-۶) : شبکه هاپفیلد ۱۰۱
فهرست جداول
جدول (۳-۱) : توابع محرک با علائم قرار دادی ۸۷
جدول (۴-۱) : مقایسه نتایج میانگین خطا در مدل A 157
جدول (۴-۲) : نتایج اجرای آموزش مدل A 157
جدول (۴-۳) : مقایسه نتایج میانگین خطا درمدل B 158
جدول (۴-۴) : نتایج اجرای آموزش مدل B 158
جدول (۴-۵) جدول مقایسه نتایج ۱۵۹
جدول (۴-۶) نتایج اجرای مدلA 160
جدول (۴-۷) نتایج اجرای مدل B 160
پیوست :
پیوست الف : جداول و نمودارهای مربوط به مدل A 170
پیوست ب :جداول و نمودارهای مربوط به مدل B 173
چکیده
بازار اعتبارات مصرفی در ایران با تشکیل بانکهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کردهاند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با دادههای آموزشی؛ آموزش داده شده و سپس با دادههای آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان میدهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکههای عصبی قابل پیش بینی است.
کلمات کلیدی
شبکه عصبی؛ رتبه بندی اعتباری؛ تسهیلات
مقدمه
علم تصمیم گیری همواره با انسان همراه بوده و با ظهور سازمانها، شرکتها و خاصه با تغییرات پرشتاب محیطی توسعه فراوان یافته است. بسیاری از محققان تلاش و همت خویش را در این حوزه متمرکز نمودهاند تا الگوهای مناسبتر و دقیقتری را برای بهبود نظامهای تصمیم گیری معرفی نموده و تصمیم گیران را با توفیق بیشتری مواجه سازند
در اعطای تسهیلات که یکی از عمدهترین فعالیتهای بانکها و موسسات اعتباری است برای تصمیم گیری صحیح، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، یعنی ریسک درجه اعتبار، کاهش یابد. یکی از روشهای کاهش این ریسک، طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است، و کانون این نظام، مدل رتبه بندی یا ارزیابی اعتباری است
با استفاده از چنین مدلی، رتبه یا درجه اعتباری متقاضی مشخص شده و بر اساس آن راجع به اعطای تسهیلات یا عدم اعطا، تصمیم گیری می شود. در حال حاضر بهره برداری از سیستمهای هوشمند به منظور بهینه سازی و پیش بینی به عنوان یکی از ابزارهای پیشرفته در حوزههای مختلف علوم، کاربرد فراوان دارد. شبکههای عصبی به عنوان یک سیستم هوشمند در عرصههای مختلف مالی از جمله تصویب اعتبارات، کاربرد دارند.
در تصویب اعتبارات، ارزیابی اعتبار مشتریان یکی از موارد بسیار پیچیده در فعالیتهای مالی به شمار میرود
به نظر میرسد جستجو برای روابط عملی دیگر اهمیت خود را از دست داده است. آنچه اهمیت دارد این است که حرکت و رابطه مجموعهای از متغیرها را با مجموعهای دیگر دریابیم. برای اینکار مدل شبکه عصبی مصنوعی به مراتب از مغز فراتر میرود که در یک آن نمیتواند همه چیز را با هم ببینید
ارزیابی اعتباری مشتریان میتواند توسط کارشناسان خبره و ارزیابها انجام پذیرد، لیکن این امر اغلب به علت کمبود وقت، هزینه بالا، کمبود تعداد افراد خبره و تعداد موارد ارزیابی، مقرون به صرفه نیست. با استفاده از فن آوری اطلاعات و ارتباطات که تحول عظیمی در سیستم بانکداری بوجود آورده و ضمن ایجاد فرصتهای نوین، چالشهای جدیدی را نیز با خود به ارمغان آورده است، میتوان مدلهای ارزیابی اعتباری را طراحی کرد که با استفاده از روشهای علمی به جای قضاوتهای ذهنی در زمان کم و با هزینه مناسب، حسابهای خوب (مشتریان خوش حساب) و حسابهای بد (مشتریان بد حساب) را از هم تفکیک کرد.
۱-۱ بیان مسأله
اعطای تسهیلات بانکی از لحاظ اقتصادی اهمیت زیادی دارد. زیرا با افزایش کمی سرمایه، باعث رشد و توسعه اقتصادی میشود. اما در اعطای تسهیلات، بانکها با خطر بزرگی که به آن ریسک اعتباری میگویند مواجه هستند. این ریسک علت مواجهه بانکها با بحرانهای عمده مالی است. ریسک اعتباری را میتوان احتمال عدم بازپرداخت وام از طرف متقاضی در نظر گرفت. که بایستی مدیریت گردد. برای مدیریت ریسک اعتباری از روشهای مختلفی میتوان استفاده کرد یکی از روشها طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است.
هدف از این تحقیق این است که در بازار اعتبارات با طراحی و استقرار سیستم اعتبار سنجی مشتریان، به دنبال شناسایی الگوهای رفتاری مشتریان و در نتیجه ایجاد امکان پیش بینی رفتار است. ارزیابی اعتبار مشتریان زمینه بسیار پیچیدهای در فعالیتها به حساب میآید. تعداد عوامل و پیچیدگی روابط مالی، اقتصادی و رفتاری، ارزیابی اعتبار را بسیار دشوار میسازد. از طرفی امر ارزیابی اغلب باید در محدوده زمانی کوتاهی صورت پذیرد زیرا طولانی شدن فرآیند ارزیابی موجب تاخیر در عملیات و در نهایت موجب افزایش هزینهها خواهد شد. از طرف دیگر عدم دقت احتمالی در ارزیابی میتواند به تصمیمات اشتباه و در نهایت زیانهای گزاف منجر گردد. محدودیت زمانی و ضرورت دقت در ارزیابی، پیچیدگی موضوع را دو چندان میکند
سیستمهای رتبه بندی اعتباری را میتوان به سه دسته تقسیم کرد
۱ـ سیستمهای قضاوتی
۲ـ رتبه بندی بر مبنای تکنیک های آماری
۳ـ سیستمهای هوشمند
سیستمهای قضاوتی بسیار کند و پرهزینه هستند. عموماً زمانی که تعداد تقاضاها بالا، و تعداد خبرگان کم میباشد این سیستمها کارآیی لازم را ندارند، در مورد روشهای آماری نیز هر یک از تکنیکهایش فرضهای خاص را میطلبند. بدیهی است با عدم وجود یا کمرنگ شدن پیش فرضها، دقت و صحت فزونیها مورد تردید قرار میگیرد. وقتی قوانین تصمیم گیری واضح و اطلاعات معتبر میباشند سیستمهای خبره کمک بزرگی به حل مسائل میکنند. اما اغلب موسسات اعطا کننده وام، شفاف نیست و اطلاعات اصلاً وجود نداشته و یا بخشی از اطلاعات صحیح نیست، در این حال شبکههای عصبی گزینه بسیار مناسبی هستند. در بازار اعتبارات ایران یکی از مشکلات اعطای تسهیلات، ضوابط اخذ وثیقه و یا آورده نقدی از طرف متقاضیان استفاده از اعتبارات و تسهیلات شبکه بانکی است. تجزیه و تحلیل اطلاعات نشان میدهد که درصد بیشتری از افراد مورد مطالعه، ضوابط اخذ وثیقه و انعطاف ناپذیر بودن معیارهای ارزیابی جهت جلوگیری از سوخت شدن اصل و سود تسهیلات را یکی از مشکلات دسترسی به تسهیلات و اعتبارات اعطایی سیستم بانکی،میدانند. همچنین درصد بالایی از پاسخ دهندگان، طولانی بودن زمان ارزیابیها را مشکل آفرین بیان نمودهاند
با توجه به شرایط بازار اعتبارات و با در نظر گرفتن انواع سیستمهای رتبه بندی اعتباری و عملکرد مناسب شبکههای عصبی مساله اصلی این تحقیق طراحی مدلی با کمک شبکه عصبی است که با استفاده از آن بتوان با حداقل خطاها و در کمترین زمان ممکن نسبت به اعطای تسهیلات در بانک اقدام شود.
این مدل در صورتی میتواند از کارایی لازم برخوردار گردد که قادر باشد پاسخ مناسبی را برای سوالات تحقیق دهد.