ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی و شبکه عصبی ترکیبی درجه بالا

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی و شبکه عصبی ترکیبی درجه بالا دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی و شبکه عصبی ترکیبی درجه بالا  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی و شبکه عصبی ترکیبی درجه بالا،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی و شبکه عصبی ترکیبی درجه بالا :

نام کنفرانس، همایش یا نشریه : نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)

تعداد صفحات :۱۴

بانک به عنوان یک نهاد مالی باید ریسک اعتباری هر یک از بدهکاران را برآورد کند. این کار مبنای اصلی قیمت گذاری یک وام، تعیین نرخ بهره مناسب و تعیین مقدار وثیقه مورد نیاز در مورد هر وام گیرنده است. در عین حال باید به کیفیت اعتباری سبد وام خود نیز به عنوان مجموعه ای از بدهی ها توجه کند، زیرا تداوم فعالیت بانک، تا حد زیادی به عملکرد آن و حجم زیان های اعتباری در یک دوره معین بستگی دارد.در این مقاله نحوه محاسبه ریسک اعتباری شرکتهای متقاضی وام بررسی شده است به طوریکه با استفاده از روش تحلیل سلسله مراتبی فازی معیارهای موثر بر ریسک اعتباری شرکتهای متقاضی وام وزن دهی شده اند و با استفاده از شبکه عصبی ارتباط بین معیارهای موثر بر ریسک اعتباری و میزان اعتبار شرکت متقاضی وام به صورت مدل جعبه باز استخراج شده است. مدل شبکه عصبی با داده های تاریخی مربوط به ۱۷۴ شرکت وام گیرنده در سال های ۱۳۸۳ تا ۱۳۸۷ از بانک ملت جمهوری اسلامی ایران وام دریافت نموده اند و دوره بازپرداخت آن ها تمام شده است اجرا شده است. خروجی مدل قابلیت پیش بینی ریسک اعتباری با دقت ۸۴% را دارا می باشد

کلید واژه: ریسک اعتباری، نرخ عدم پرداخت بدهی، شبکه عصبی، تحلیل سلسله مراتبی فازی