مدلسازي ريسك نقدينگي بانك‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران با استفاده از شبكه‌هاي عصبي مصنوعي و شبكه‌هاي بيزي (مطالعه موردي: بانك ملت)

در صورت مديريت نادرست يا عدم كنترل ريسك نقدينگي در يك بانك، امكان بروز صدمه‌هاي مالي و اعتباري و حتي ورشكستگي بانك به‌وجود مي‌آيد. در اين مقاله روشي را پيشنهاد كرده‌ايم كه از روش‌هاي بروز در يادگيري ماشين استفاده ‌مي‌كند و براي مقابله با اين مشكلات، مدلي را پيشنهاد مي‌كنيم كه از شبكه‌هاي عصبي مصنوعي و بيزي استفاده ‌مي‌كند. متغيرهاي مدل نسبت‌هاي نقدينگي هستند و از طريق داده‌هاي ترازنامه استاندارد بانكي به‌راحتي در دسترس هستند. طراحي و اجراي اين مدل پيشنهادي شامل چندين الگوريتم و آزمايش جهت اعتبارسنجي مدل است. به‌عنوان تعريف ريسك نقدينگي بر روي مفهوم توانايي پرداخت تمركز كرده‌ايم. همچنين يك مطالعه موردي در بانك ملت با استفاده از داده‌هاي صورت‌هاي مالي اين بانك بين سال‌هاي 1390 تا 1396، براي نشان دادن قابليت اجرا، كارايي، دقت و انعطاف‌پذيري مدل اندازه‌گيري ريسك نقدينگي تحقيق، پياده‌سازي كرده‌ايم. نتايج عددي به‌دست‌آ‌مده در مطالعه موردي نشان ‌مي‌دهد كه روش هوشمند دو فازي پيشنهادي توانايي تأييد نتايج از طريق اجراي مستقل و موازي مجموعه داده‌هاي مشابه را دارا مي‌باشد.