پارس پروژه پرتال خدمات دانشگاهی
این فایل موجود نیست فهرست مطالب صرفا جهت معرفی ارائه گردیده است
فهرست مطالب
فصل اول
کلیات تحقیق 1
مقدمه 2
1-1 بیان مسأله 4
1-2 سوالهای تحقیق 7
1-3 اهمیت و ضرورت موضوع تحقیق 7
1-4 اهداف تحقیق 8
1-5 فرضیات تحقیق 9
1-6 چارچوب نظری تحقیق 10
1-7 متغیرهای پژوهشی 12
1-8 سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) 13
1-9 کاربردهای تحقیق 15
1-10 نوع روش تحقیق 16
1-11 محدوده تحقیق 16
1-12 روش نمونه گیری و تعیین حجم نمونه 17
1-13 ابزار گردآوری اطلاعات 18
1-14 محدودیتهای تحقیق 18
1-15 روش تجزیه و تحلیل اطلاعات 19
1-16 برخی تعاریف، مفاهیم و اصطلاحات 19
فصل دوم 22
ادبیات تحقیق 23
مقدمه 24
بخش اول 25
آشنایی با بانک سامان و انواع تسهیلات 25
آشنایی با بانک سامان 26
چارت خدمات بانک سامان 29
انواع سپردههای سرمایه گذاری 29
سپرده کوتاه مدت 29
سپرده کوتاه مدت ویژه 30
سپرده بلند مدت 30
سپرده اندوخته 31
سپرده ارزی 32
تسهیلات حقوقی 32
ابزارهای اعتباری 33
انواع ابزارهای اعتباری 33
ضوابط و معیارهای اساسی اعطای تسهیلات 34
1- قابلیت اعتماد و اطمینان 37
2- قابلیت و صلاحیت فنی 39
3- ظرفیت مالی و کشش اعتباری 40
4- وثیقه (تامین) 42
بخش دوم 47
مبانی نظری رتبه بندی اعتبار 47
مقدمه 48
2-1 مروری بر تاریخچه رتبه بندی اعتبار 50
2-2 رتبه بندی اعتبار 52
فرآیند تصمیم گیری اعطای تسهیلات 53
3-2 سیستمهای رتبه بندی اعتبار 58
4-2 مدلهای رتبه بندی اعتباری 59
5-2 مزایا و محدودیتهای مدل رتبه بندی اعتبار 60
– محدودیتها 60
بخش سوم 62
مبانی نظری شبکه عصبی 62
مقدمه 63
3-1 هوش مصنوعی 65
3-2 مروری بر تاریخچه شبکه عصبی 67
3-3 شبکههای عصبی مصنوعی 70
3-4 اساس بیولوژیکی شبکه عصبی 75
3-5 مقایسه بین شبکههای عصبی مصنوعی و بیولوژیکی 79
3-6 مدل ریاضی نرون 80
3-7 ویژگیها و خصوصیات شبکههای عصبی مصنوعی 82
3-7-1 قابلیت یادگیری 82
3-7-2 پردازش اطلاعات به صورت متنی 83
3-7-3 قابلیت تعمیم 83
3-7-4 پردازش موازی 84
3-7-5 مقاوم بودن 84
3-8 مشخصههای یک شبکه عصبی 84
3-8-1 مدلهای محاسباتی 85
3-8-2 قواعد یادگیری 88
3-8-3 معماری شبکه 90
3-9 عملکرد شبکههای عصبی مصنوعی 101
3-10 محدودیتهای شبکه عصبی 103
3-11 کاربرد شبکههای عصبی در مدیریت 104
بخش چهارم 110
خلاصه مقالهها 110
بخش پنجم 124
نتیجه گیری 124
فصل سوم 129
روش شناسی تحقیق 129
3-1 مقدمه 130
3-2 روش تحقیق 131
3-3 جامعه آماری 132
3-4 نمونه آماری 132
3-5 فرضیات تحقیق 133
3-6 محدوده تحقیق 135
3-7 جمع آوری دادهها 136
3-8 تعیین حجم نمونه 137
3-9 ابزار گردآوری دادهها 138
3-10 روش تجزیه و تحلیل دادهها 138
3-11 فرآیند تحقیق 141
فصل چهارم 153
یافتههای تحقیق 153
4-1 مقدمه 154
4-4-1 آماده سازی دادههای ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی دادهها 154
معماری شبکه 155
فصل پنجم 162
نتیجه گیری و پیشنهادها 162
نتیجه گیری 163
پیشنهادات 168
فهرست اشکال
شکل (2-1) : ساختار نورون 77
شکل (2-2) : اولین مدل دقیق سلول عصبی 81
شکل (3-3) : معماری شبکه 91
شکل (3-4) : پرسپترون چند لایه 92
شکل (3-5) : نحوه تشکیل محدودههای فضا توسط تعداد مختلف لایههای پرسپترون 95
شکل (3-6) : شبکه هاپفیلد 101
فهرست جداول
جدول (3-1) : توابع محرک با علائم قرار دادی 87
جدول (4-1) : مقایسه نتایج میانگین خطا در مدل A 157
جدول (4-2) : نتایج اجرای آموزش مدل A 157
جدول (4-3) : مقایسه نتایج میانگین خطا درمدل B 158
جدول (4-4) : نتایج اجرای آموزش مدل B 158
جدول (4-5) جدول مقایسه نتایج 159
جدول (4-6) نتایج اجرای مدلA 160
جدول (4-7) 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 تصميم گيري همواره با انسان همراه بوده و با ظهور سازمانها، شركتها و خاصه با تغييرات پرشتاب محيطي توسعه فراوان يافته است. بسياري از محققان تلاش و همت خويش را در اين حوزه متمركز نمودهاند تا الگوهاي مناسبتر و دقيقتري را براي بهبود نظامهاي تصميم گيري معرفي نموده و تصميم گيران را با توفيق بيشتري مواجه سازند
در اعطاي تسهيلات كه يكي از عمدهترين فعاليتهاي بانكها و موسسات اعتباري است براي تصميم گيري صحيح، بايد درجه اعتبار و قدرت بازپرداخت اصل و سود تسهيلات دريافت كننده را تعيين نمود تا احتمال عدم برگشت اصل و سود تسهيلات اعطايي، يعني ريسك درجه اعتبار، كاهش يابد. يكي از روشهاي كاهش اين ريسك، طراحي نظام تعيين درجه اعتباري براي دريافت كنندگان تسهيلات است، و كانون اين نظام، مدل رتبه بندي يا ارزيابي اعتباري است
با استفاده از چنين مدلي، رتبه يا درجه اعتباري متقاضي مشخص شده و بر اساس آن راجع به اعطاي تسهيلات يا عدم اعطا، تصميم گيري مي شود. در حال حاضر بهره برداري از سيستمهاي هوشمند به منظور بهينه سازي و پيش بيني به عنوان يكي از ابزارهاي پيشرفته در حوزههاي مختلف علوم، كاربرد فراوان دارد. شبكههاي عصبي به عنوان يك سيستم هوشمند در عرصههاي مختلف مالي از جمله تصويب اعتبارات، كاربرد دارند.
در تصويب اعتبارات، ارزيابي اعتبار مشتريان يكي از موارد بسيار پيچيده در فعاليتهاي مالي به شمار ميرود
به نظر ميرسد جستجو براي روابط عملي ديگر اهميت خود را از دست داده است. آنچه اهميت دارد اين است كه حركت و رابطه مجموعهاي از متغيرها را با مجموعهاي ديگر دريابيم. براي اينكار مدل شبكه عصبي مصنوعي به مراتب از مغز فراتر ميرود كه در يك آن نميتواند همه چيز را با هم ببينيد
ارزيابي اعتباري مشتريان ميتواند توسط كارشناسان خبره و ارزيابها انجام پذيرد، ليكن اين امر اغلب به علت كمبود وقت، هزينه بالا، كمبود تعداد افراد خبره و تعداد موارد ارزيابي، مقرون به صرفه نيست. با استفاده از فن آوري اطلاعات و ارتباطات كه تحول عظيمي در سيستم بانكداري بوجود آورده و ضمن ايجاد فرصتهاي نوين، چالشهاي جديدي را نيز با خود به ارمغان آورده است، ميتوان مدلهاي ارزيابي اعتباري را طراحي كرد كه با استفاده از روشهاي علمي به جاي قضاوتهاي ذهني در زمان كم و با هزينه مناسب، حسابهاي خوب (مشتريان خوش حساب) و حسابهاي بد (مشتريان بد حساب) را از هم تفكيك كرد.
1-1 بيان مسأله
اعطاي تسهيلات بانكي از لحاظ اقتصادي اهميت زيادي دارد. زيرا با افزايش كمي سرمايه، باعث رشد و توسعه اقتصادي ميشود. اما در اعطاي تسهيلات، بانكها با خطر بزرگي كه به آن ريسك اعتباري ميگويند مواجه هستند. اين ريسك علت مواجهه بانكها با بحرانهاي عمده مالي است. ريسك اعتباري را ميتوان احتمال عدم بازپرداخت وام از طرف متقاضي در نظر گرفت. كه بايستي مديريت گردد. براي مديريت ريسك اعتباري از روشهاي مختلفي ميتوان استفاده كرد يكي از روشها طراحي نظام تعيين درجه اعتباري براي دريافت كنندگان تسهيلات است.
هدف از اين تحقيق اين است كه در بازار اعتبارات با طراحي و استقرار سيستم اعتبار سنجي مشتريان، به دنبال شناسايي الگوهاي رفتاري مشتريان و در نتيجه ايجاد امكان پيش بيني رفتار است. ارزيابي اعتبار مشتريان زمينه بسيار پيچيدهاي در فعاليتها به حساب ميآيد. تعداد عوامل و پيچيدگي روابط مالي، اقتصادي و رفتاري، ارزيابي اعتبار را بسيار دشوار ميسازد. از طرفي امر ارزيابي اغلب بايد در محدوده زماني كوتاهي صورت پذيرد زيرا طولاني شدن فرآيند ارزيابي موجب تاخير در عمليات و در نهايت موجب افزايش هزينهها خواهد شد. از طرف ديگر عدم دقت احتمالي در ارزيابي ميتواند به تصميمات اشتباه و در نهايت زيانهاي گزاف منجر گردد. محدوديت زماني و ضرورت دقت در ارزيابي، پيچيدگي موضوع را دو چندان ميكند
سيستمهاي رتبه بندي اعتباري را ميتوان به سه دسته تقسيم كرد
1ـ سيستمهاي قضاوتي
2ـ رتبه بندي بر مبناي تكنيك هاي آماري
3ـ سيستمهاي هوشمند
سيستمهاي قضاوتي بسيار كند و پرهزينه هستند. عموماً زماني كه تعداد تقاضاها بالا، و تعداد خبرگان كم ميباشد اين سيستمها كارآيي لازم را ندارند، در مورد روشهاي آماري نيز هر يك از تكنيكهايش فرضهاي خاص را ميطلبند. بديهي است با عدم وجود يا كمرنگ شدن پيش فرضها، دقت و صحت فزونيها مورد ترديد قرار ميگيرد. وقتي قوانين تصميم گيري واضح و اطلاعات معتبر ميباشند سيستمهاي خبره كمك بزرگي به حل مسائل ميكنند. اما اغلب موسسات اعطا كننده وام، شفاف نيست و اطلاعات اصلاً وجود نداشته و يا بخشي از اطلاعات صحيح نيست، در اين حال شبكههاي عصبي گزينه بسيار مناسبي هستند. در بازار اعتبارات ايران يكي از مشكلات اعطاي تسهيلات، ضوابط اخذ وثيقه و يا آورده نقدي از طرف متقاضيان استفاده از اعتبارات و تسهيلات شبكه بانكي است. تجزيه و تحليل اطلاعات نشان ميدهد كه درصد بيشتري از افراد مورد مطالعه، ضوابط اخذ وثيقه و انعطاف ناپذير بودن معيارهاي ارزيابي جهت جلوگيري از سوخت شدن اصل و سود تسهيلات را يكي از مشكلات دسترسي به تسهيلات و اعتبارات اعطايي سيستم بانكي،ميدانند. همچنين درصد بالايي از پاسخ دهندگان، طولاني بودن زمان ارزيابيها را مشكل آفرين بيان نمودهاند
با توجه به شرايط بازار اعتبارات و با در نظر گرفتن انواع سيستمهاي رتبه بندي اعتباري و عملكرد مناسب شبكههاي عصبي مساله اصلي اين تحقيق طراحي مدلي با كمك شبكه عصبي است كه با استفاده از آن بتوان با حداقل خطاها و در كمترين زمان ممكن نسبت به اعطاي تسهيلات در بانك اقدام شود.
اين مدل در صورتي ميتواند از كارايي لازم برخوردار گردد كه قادر باشد پاسخ مناسبي را براي سوالات تحقيق دهد.