پیش‌بینی و تصور ورشکستگی با استفاده از شبکه‌های عصبی: مطالعۀ بانک‌های تجاری ایالات متحده آمریکا

Elsevier
سال انتشار :
2015
تعداد صفحات مقاله انگلیسی :
13
نشریه :
الزویر
تعداد رفرنس ها :
79
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Bankruptcy prediction Financial crisis Multilayer perceptron Neural networks Self-organizing maps
کلمات کلیدی :
پیش‌بینی ورشکستگی؛ بحران مالی؛ پرسپترون چندلایه؛ شبکه‌های عصبی؛ نقشه‌های خودسازماندهی
عنوان فارسی :

پیش‌بینی و تصور ورشکستگی با استفاده از شبکه‌های عصبی: مطالعۀ بانک‌های تجاری ایالات متحده آمریکا

عنوان انگلیسی :

Bankruptcy visualization and prediction using neural networks: A study of U.S. commercial banks

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417414007118
آدرس DOI :
https://doi.org/10.1016/j.eswa.2014.11.025
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2015

تعداد صفحات مقاله انگلیسی : 12

نشریه : الزویر

تعداد رفرنس ها : 79

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Bankruptcy prediction Financial crisis Multilayer perceptron Neural networks Self-organizing maps

کلمات کلیدی : پیش‌بینی ورشکستگی؛ بحران مالی؛ پرسپترون چندلایه؛ شبکه‌های عصبی؛ نقشه‌های خودسازماندهی

عنوان فارسی : پیش‌بینی و تصور ورشکستگی با استفاده از شبکه‌های عصبی: مطالعۀ بانک‌های تجاری ایالات متحده آمریکا

عنوان انگلیسی : Bankruptcy visualization and prediction using neural networks: A study of U.S. commercial banks

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417414007118



چکیده انگلیسی
We develop a model of neural networks to study the bankruptcy of U.S. banks, taking into account the specific features of the recent financial crisis. We combine multilayer perceptrons and self-organizing maps to provide a tool that displays the probability of distress up to three years before bankruptcy occurs. Based on data from the Federal Deposit Insurance Corporation between 2002 and 2012, our results show that failed banks are more concentrated in real estate loans and have more provisions. Their situation is partially due to risky expansion, which results in less equity and interest income. After drawing the profile of distressed banks, we develop a model to detect failures and a tool to assess bank risk in the short, medium and long term using bankruptcies that occurred from May 2012 to December 2013 in U.S. banks. The model can detect 96.15% of the failures in this period and outperforms traditional models of bankruptcy prediction.

چکیده فارسی
ما با در نظر گرفتن ویژگی‌های خاص بحران مالی اخیر، به تدوین مدل شبکه‌های عصبی برای مطالعۀ ورشکستگی بانک‌های ایالات متحده آمریکا پرداختیم. ما پرسپترون‌های چندلایه و نقشه‌های خودسازماندهی شده را ترکیب کردیم تا ابزار نمایش دهندۀ احتمال نابسامانی‌ها تا سه سال پیش از وقوع ورشکستگی را ارائه کنیم. نتایج داده‌های شرکت بیمه سپرده فدرال بین سال‌های 2002 تا 2012 نشان می‌دهد که بانک‌های شکست خورده بیشتر بر وام‌های مسکن متمرکز هستند و مقررات بیشتری دارند. موقعیت آنها تا حدی به واسطۀ گسترش پرخطر است که به کاهش دارایی خالص و سود سهام منتج می‌شود. پس از گذر از ویژگی‌های بانک‌های بی‌سامان، به تدوین الگویی برای شناسایی ناکامی‌ها و ابزاری برای ارزیابی ریسک بانک در کوتاه، میان و بلندمدت با استفاده از ورشکستگی‌هایی پرداختیم که از می 201 تا دسامبر 2013 در بانک‌های ایالات متحده آمریکا روی داده بود. این مدل می‌تواند 96.15 درصد از ناکامی‌های این دوره را تشخیص دهد و پیش‌بینی ورشکستگی بهتری نسبت به مدل‌های سنتی انجام دهد.

موضوعات مقاله