دکتر محمدحسین پورکاظمی؛ دکتر الدار صداقت‌پرست؛ رضا ده‌پناه
دوره 3، پاییز و زمستان ، اسفند 1396، ، صفحه 1-23
چکیده
شناسایی عوامل اصلی نکول و استفاده از این اطلاعات در تصمیم‌گیری برای پرداخت تسهیلات، می‌تواند در کاهش هزینه‌های بانک نقش بسیار موثری داشته باشد. تحقیق حاضر با هدف شناسایی عوامل موثر بر ایجاد نکول و پیش‌بینی احتمال نکول متقاضیان حقیقی بانک پاسارگاد، با استفاده از روش شبکه‌های عصبی انجام شده است. نمونه مورد بررسی، شامل اطلاعات پرونده ...
بیشتر
شناسایی عوامل اصلی نکول و استفاده از این اطلاعات در تصمیم‌گیری برای پرداخت تسهیلات، می‌تواند در کاهش هزینه‌های بانک نقش بسیار موثری داشته باشد. تحقیق حاضر با هدف شناسایی عوامل موثر بر ایجاد نکول و پیش‌بینی احتمال نکول متقاضیان حقیقی بانک پاسارگاد، با استفاده از روش شبکه‌های عصبی انجام شده است. نمونه مورد بررسی، شامل اطلاعات پرونده تسهیلات 470 مشتری، از جامعه آماری 25342 مشتری شعب بانک پاسارگاد شهر تهران، در سالهای 1392 تا 1393 است. نتایج اجرای مدل نشان میدهد که روش شبکه‌های عصبی می‌تواند با دقت 92 درصد پیش‌بینی مناسبی از احتمال نکول متقاضیان داشته باشد. طبق نتایج این روش، متغیرهایی چون سوء سابقه مالی و نوع وثیقه، تاثیر زیادی بر روی پیش‌بینی داشتهاند.
