عنوان پایان‌نامه

ریسک اعتباری و رتبه بندی مشتریان حقوقی بانک صنعت و معدن



    دانشجو در تاریخ ۲۲ آبان ۱۳۹۰ ، به راهنمایی ، پایان نامه با عنوان "ریسک اعتباری و رتبه بندی مشتریان حقوقی بانک صنعت و معدن" را دفاع نموده است.


    محل دفاع
    کتابخانه دانشکده اقتصاد شماره ثبت: 1430;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54219
    تاریخ دفاع
    ۲۲ آبان ۱۳۹۰
    دانشجو
    مهسا قربانی

    امروزه به خاطر افزایش درخواست اعتبارات از بانک‌ها مطالبات معوق بانک‌ها نیز بیشتر شده است. بنابراین بانک‌ها برای کاهش مطالبات معوق و بالا بردن کارایی سیستم پولی خود، مجبور شده¬اند که از روش¬های گوناگونی همچون روش سنتی قضاوت شخصی و تحلیل ممیزی برای ارزیابی ریسک اعتباری مشتریان بهره ببرند. با این وجود، در قالب پرداخت¬های کنونی اکثر شرکت¬ها و مشتریان اعتباری اذعان بر ناکافی بودن تسهیلات دریافتی دارند. بنابراین ارائه مدلی که بتواند ریسک و ظرفیت اعتباری مشتریان را به نحو مناسبی تعیین کند، بانک¬ها را قادر خواهد ساخت که از تسهیلات جمع¬آوری شده استفاده بهینه داشته باشند. در حال حاضر 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 کوتاه مدت با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تأثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به دو دسته خوش حساب، بد حساب 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 به خوبی قابل پیش بینی است.
    Abstract
    Today, there is an increasing delayed loan because of to increase demand of credits from banks. So, Banks have to uses different ways, such as discriminate analysis and personal judgment to decrease the delayed loan and to secure their monetary system. But the ways are not such effective that the customer became satisfied. Hence, supplying a model for estimating real risk and credit capacity of customers is so useful for both banks and customers. Neural network is one of the useful ways. The research is pursuing estimate of customers in the method.