مقاله رایگان درباره شبکه عصبی، رگرسیون، شبیه سازی، ریسک اعتباری

دانلود پایان نامه

3-2- روش کلی تحقیق
این تحقیق از جهت هدف به دلیل تکیه بر مبانی نظری در راستای حل مسائل و مشکلات یا بهبود وضعیت اعتبارسنجی مشتریان در قلمرو مکتب کاربردی می باشد.
در این تحقیق در بخش اعتبارسنجی به روش شبکه عصبی روش توصیفی است به جهت اینکه در قسمت تعریف پارامترها یا متغیرها نتایج شبیه ساز ی کاملا می تواند متفاوت باشد و در بخش استفاده از رگرسیون استقرائی است.
بنابراین در بخش اول نتایج قابل تعمیم نمی باشد و در بخش دوم بر مبنای نتایج آزمون های آماری نتایج قابل تعمیم است در نتیجه به علت بزرگی نمونه تصادفی می توان نسبت به کلیت موارد حکم کرد، لذا در مجموع استنتاج به صورت توصیفی صورت گرفته است و در بخش نتیجه گیری فصل پنج استنتاج در قالب پاسخ به سوالات بیان شده است.
این تحقیق از جهت طرح تحقیق به دلیل تکیه بر داده های عملکردی و تاریخی از نوع پس رویدادی یا Expose – facto می باشد.

3-3- جامعه و نمونه آماری
جامعه آماری
مشتریان حقوقی که از بانک ملی استان اصفهان که از تا ریخ 1/1/1391 تا 29/12/1392 تسهیلات دریافت و اصل و سود آن را به بانک عودت داده یا نداده اند، به عنوان جامعه ی آماری تعریف می شوند. دلیل انتخاب مشتریان حقوقی (شرکت هایی که از بانک تسهیلات اعتباری دریافت کرده اند) به عنوان جامعه آماری، در دسترس بودن داده های مالی موثق و حسابرسی شده ی آنها می باشد.
نمونه آماری
شامل آن دسته از مشتریان حقوقی می باشند که در سال 1391 از بانک تسهیلات مشارکت مدنی غیر دولتی دریافت نموده اند. شرکت هایی که بیشتر از 3 ماه از پرداخت اعتبارات و تسهیلات آنان گذشته باشد و اقساط خود را نپرداخته باشند (معوق شده) در گروه شرکت های بد حساب(دارای نکول) قرار می گیرند و شرکت هایی که در زمان سررسید اقساط یا قبل از 3 ماه از گذشتن اقساط خود اقدام به پرداخت نموده اند در گروه شرکت های خوب (بدون نکول) قرار می گیرند.
با توجه به اینکه متغیر وابسته ضریب اعتباری ریسک مشتریان عددی نسبی بین 0 و 1 بوده است از فرمول کوکران به صورت رابطه 1 استفاده شده است:
رابطه1 : n ≥ (Z_(α/2 )^2 0,25)/D^2

که در آن 25/0 واریانس توزیع کیفی در ناهمگن ترین حالت، α احتمال خطای نوع اول و D خطای در برآورد، n نسبت جامعه و در اینجا ریسک اعتباری مشتریان است.اگر α معادل 5 % و D نیز معادل 5 درصد قرار داده شود.

n ≥ (Z_((0,025) )^2 0,25)/〖(0,05)〗^2 ≅384
که جهت احتیاط 400 شرکت به عنوان نمونه تصادفی انتخاب شده است.
3-4- نحوه نمونه گیری
در این تحقیق،کلیه مشتریان اعتباری حقوقی (کوچک و متوسط) شعب شهری بانک ملی در بازه زمانی موردنظر مورد بررسی قرار خواهد گرفت و با استفاده از نرم افزار اکسل دسته بندی و کد گذاری خواهند شد.
در این تحقیق به جهت محرمانه بودن جزئیات اطلاعات جامعه آماری از روش تصادفی ساده استفاده شده به این ترتیب که شرکت ها کد بندی و به کمک شبیه سازی آماری در فاصله کد ها ( 400 کد ) انتخاب و شرکت های متناظر با آن به عنوان نمونه تصادفی انتخاب شده است.

3-5- روش های گردآوری اطلاعات
روش های گردآوری اطلاعات در این تحقیق را به طور کلی می توان به سه دسته تقسیم نمود که عبارت اند از:
1-مطالعه کتابخانه ای : اصل مطالعه پایان نامه بوده که از طریق اسناد و مدارک مکتوب علمی و پژوهشی مربوط به گذشته شامل کتا ب ها، پایان نامه ها، گزارش ادبیات تحقیق و … استفاده می شود.
دراین پایان نامه نیز بخشی از تحقیق (بررسی ادبیات تحقیق ) از این روش استفاده شده است.
2-روش های میدانی : در خصوص جمع آوری اطلاعات مربوط به تایید یا رد سوالات تحقیق از روش میدانی استفاده گردیده شده است جهت دستیابی به اطلاعات مورد نیاز از منابع زیر استفاده شده است:
الف) مطالعه اسناد و مدارک
مطالعه و بررسی صورت های مالی و یادداشت های پیوست صورت های مالی شرکت های منتخب
ب) مشاهده
بررسی مشاهده اطلاعات اولیه گردآوری شده توسط شعب بانک ملی
3-کاوش های اینترنتی
جهت جمع آوری برخی از اطلاعات مربوط به ادبیات تحقیق، از کاوش اینترنتی نیز استفاده شده است.
الف) پایگاه اسناد ملی کشور (www.nlai.ir )
ب) مقالات موجود در سایت مقالات جهاددانشگاهی (www.fa.journals.sid.ir )
ج) بانک اطلاعات نشریات ایران (www.magiran.com )
د) پورتال جامع علوم انسانی (www.ensani.ir )
ه) مقالات خارجی موجود در سایت (www.sciencedirect.com )
و) سایت بانک ملی ( www.bmi.ir )
3-6- روش‌ها و ابزار تجزیه و تحلیل داده‏ها
آمار توصیفی
استفاده از جدول داده ها
شاخص های نکویی برازش
ضرایب چولگی و کشیدگی
آزمون ناپارامتریک کولموگروف- اسمیرونوف
آماره دوربین واتسون
ضریب همبستگی خطی پیرسون
آزمون همسانی وایت
توزیع تی استیودنت

3-6-1- روش های آماری
رگرسیون چند متغیره

3-6-2- روش های غیر آماری
شبکه عصبی MLP
3-7- برآورد مدل رگرسیون لجستیک
به منظور طراحی مدل بهینه سنجش ریسک اعتباری، اطلاعات اولیه با استفاده از نرم افزار اکسل برای ورود به مدل آماده شد. به منظور دستیابی به مدل بهینه اعتبارسنجی متغیرهای مورد نظر را وارد مدل کرده و در مدل برازش شده و مورد بررسی قرارخواهدگرفت.
مقادیر برآورده شده ضرایب متغیر های مستقل با استفاده از نرم افزار SPSS محاسبه خواهد گردید.
در نهایت پس از بررسی مشخص خواهد شد که متغیرهای چک
برگشتی، مبلغ تسهیلات دریافتی توسط مشتریان، ارزش وثیقه دریافتی از مشتریان حقوقی، متوسط موجودی حساب جاری مشتریان، گردش بستانکار حساب جاری مشتریان، سابقه اعتباری و سابقه حساب جاری مشتریان در مدل معنادار می باشد بنابراین تابع لجیت یا لگاریتم احتمال قصور در باز پرداخت به احتمال عدم قصور در بازپرداخت به صورت رابطه 2 است:
رابطه 2 :
F=LN(Y/(1-Y))= C+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+ β6X6+ β7X7
از رابطه بالا احتمال عدم بازپرداخت وام (ریسک اعتباری) توسط مشتریان محاسبه می شود. بدین ترتیب، افزایش متغیرهایی که دارای ضریب منفی هستند باعث کاهش Y می شود و افزایش متغیرهایی که دارای ضریب مثبت هستند، باعث افزایش Y می شوند.
3-8- برآورد مدل شبکه های عصبی
پس از تکرار چندین سیکل یادگیری در نهایت ساختار شبکه عصبی پرسپترون 3 لایه، با 7 نرون در لایه ورودی، 20 نرون در لایه میانی و یک نرون در لایه خروجی و تابع تانژانت- سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی با الگوریتم پس انتشارانتخاب می گردد. جهت طراحی، آموزش و آزمایش مدل شبکه عصبی از نرم افزار متلب نسخه 7.1 استفاده می شود.

شبکه عصبی
مدل استفاده شده در این تحقیق یک شبکه عصبی سه لایه است که از بردار ورودی با 7 متغیر ورودی که عبارتنداز: چک برگشتی، مبلغ تسهیلات دریافتی توسط مشتریان، ارزش وثیقه دریافتی از مشتریان حقوقی، متوسط موجودی حساب جاری مشتریان، گردش بستانکار حساب جاری مشتریان، سابقه اعتباری و سابقه حساب جاری مشتریان، شمای ساختاری شبکه پرسپترون سه لایه مورد استفاده در این تحقیق در شکل 3-1 نشان داده شده است:

شکل 3-1: ساختار شبکه عصبی

P بردار ورودی، IW_(1-1) ماتریس وزن در لایه پنهان اول می باشد، n_i بردار نرون ها، a_i بردار خروجی، f_i تابع انتقال، b_i بردار بایاس در لایه i ام است و IW_ij ماتریس وزن در لایه پنهان i ام می باشد.
تعداد نرونها در لایه پنهان اول برابر با تعداد متغیر ها فرض شده است که این تعداد بهینه ترین تعداد نرون در این لایه می باشد.
تابع انتقال استفاده شده در لایه سوم تابع لگاریتمی سیگوئید 1/(1+e^(-net.g) ) where که در آنg 0 است که در شبکه های پس انتشار بسیار مورد استفاده قرار می گیرد.این تابع انتقال موجب می شود
خروجی شبکه عددی بین 0 تا 1 باشد.

3-9- مدل تحقیق
متغیرهای مورد بررسی در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:

رابطه کلی Y = f(x1,x2,x3,x4,x5,x6,x7)
2-تعریف متغیر ها
اعتباری ریسک بینی پیش{█(Y_1= رگرسیون روش@Y_2=عصبی شبکه روش)┤ = Y

انطباق بر واقع رتبه بندی بر مبنای روش رگرسیون لجستیک = X1
انطباق بر واقع رتبه بندی بر مبنای روش شبکه عصبی = X2
3 – دسته بندی متغیر ها
متغیر وابسته = F(X_1 )
متغیر مستقل = x1 … x7
اندازه گیری متغیر ها
تعریف متغیر ها: Y ریسک اعتباری مشتریان که در وضعیت فعلی به عنوان یک ضریب نسبی و در برخی بانک ها به صورت کیفی یا رتبه ای تعیین می شود. در این تحقیق به یک ضریب نسبی بین صفر تا یک و عملا بین صفر تا 3/0 اندازه گیری شده است.

X1 که می تواند بر مبنای تعداد یا مبلغ چک برگشتی مشتری تعریف گردد. در این تحقیق به عنوان مبلغ چک های برگشتی مشتری که در مجموع محاسبه شده در نظر گرفته شده است.
X2 که بر مبنای ارزش کارشناسی شده وثیقه ملکی اخذ شده بابت اعطای تسهیلات از مشتری اخذ شده و طبق ضوابط درصدی از ارزش تسهیلات اعطایی بوده و در این بانک 625/1 آن منظور شده است.
X3 مبلغ تسهیلات اعطایی است که بر مبنای مدارک و مستندات بانک و بر مبنای میزان تسهیلات اعطایی به ازای هر مشتری استخراج شده است.
X4 عبارت از جمع گردش بستانکار مشتری طبق مدارک بانک از زمان تسویه و صفر شده تسهیلات قبلی است.
X5 عبارت از متوسط موجودی ماهیانه مشتری بوده که از متوسط موجودی دوازده ماه قبل از دریافت تسهیلات محاسبه شده است.
X6 عبارت است از مدت زمانی است که از زمان سررسید اقساط گذشته است.
X7 به عنوان مدت فعال بودن حساب جاری مشتری بر حسب سال به دست آمده است.

تعیین رابطه بین متغیر ها
رابطه ریاضی بین متغیرها به تبع تحقیقات مشابه یا مرتبط در استفاده از روش های اقتصاد سنجی به صورت یک رابطه خطی در رابطه 2 تعریف شده است.
رابطه 2 :
F=LN(Y/(1-Y))= C+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+ β6X6 + β7X7

و در شبیه سازی به کمک شبکه عصبی رابطه ای غیر خطی و پیچیده بوده که تابعی از فرآیند شبیه سازی است.

6- نحوه بدست آوردنf
در روش اقتصاد سنجی رابطه ریاضی به صورت معادله پارامتریک خطی تعریف شده که مقادیر Y , Xj بر مبنای عملکرد واقعی مشتریان در نمونه تصادفی مورد بررسی مقدار گرفته و پارامترهای معادله یا jβ بر مبنای محاسبات رگرسیونی برآورد شده است. در روش شبکه عصبی نیز پارامترها و نوع رابطه غیرخطی در وضعیت بهینه شبیه سازی شده است.

7- الگوریتم شبیه سازی
به منظور ارزیابی ریسک اعتباری مشتریان حقوقی بانک ملی ایران، ابتدا به تعیین شاخص های ریسک اعتباری و نوع ارتباط آنها با وضعیت اعتباری پرداخته و سپس با استفاده از روش آماری مدل بهینه را برآورد می کنیم.
داده های مورد استفاده در تحقیق را می توان از حیث ماهیت به دو دسته تقسیم بندی کرد، شامل داده های کمی و داده های کیفی. داده های کمی استفاده شده مربوط به شرکت های نمونه می با
شد، که از اطلاعات پرونده تسهیلاتی آنها از بانک استخراج گردید. داده های کیفی نیز مربوط به برخی ویژگی های شرکت های نمونه می باشد که این داده ها را در فرآیند تحقیق بوسیله کدگذاری به داده کمی تبدیل کرده و مورد استفاده قرار داده ایم.
در این تحقیق 7 متغیر مالی و غیر مالی به عنوان متغیر مستقل و ریسک اعتباری به عنوان متغیر وابسته در نظر گرفته شده است.
متغیر وابسته تعیین ریسک اعتباری همواره دارای مقدار بین 0 و 1 است و عملا بین صفر تا 0.3 می باشد، در حالتی که متغیر های مستقل دارای مقدار پیوسته اند.

3-10- نرم افزار های مورد استفاده
EXCEL – جهت طبقه بندی و کدگذاری
MATLAB – و

Post Author : mitra--javid

Related Post

دیدگاهتان را بنویسید