شناسایی عوامل موثر بر احتمال نکول شرکت های بورسی با استفاده از مدل بهینه KMV [Persian Thesis]

سید محمد شفیعی

شناسگر رکورد: ۱۵۹۲۶
رشته تحصیلی: مهندسی مالی و مدیریت ریسک
عنوان: شناسایی عوامل موثر بر احتمال نکول شرکت های بورسی با استفاده از مدل بهینه KMV
نويسنده: سید محمد شفیعی
استاد راهنما : دکتر احمد پویانفر
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۳۹۷
چکیده: ارزیابی هر چه بهتر ریسک اعتباری در بانک ها در فضای رقابتی امروزی باعث افزایش مزیت رقابتی بانکها خواهد شد. یکی از اجزای مهم مدلسازی ریسک اعتباری اندازه گیری زیان مورد انتظار و غیر قابل انتظار است، که در اندازه گیری آنها نیاز به محاسبه احتمال نکول میباشد. در مدلسازی ریسک اعتباری به دلیل زیاد بودن متغیرها و ابعاد داده ها، مدلسازی را دچار مشکل کرده و کاهش ابعاد مساله از اهمیت بالایی برخوردار است. برای انتخاب ویژگیهای اعضای نمونه یا کاهش ویژگیهای آنها از طریق روش های نظارت شده، به اطلاعات نحوه بازپرداخت مشتریان نیاز خواهد بود، که مشتریان بانک را به دو دسته نکول کرده (بد) و نکول نکرده (خوب) تقسیم میصصنماید. به دلیل نبود پایگاه داده مناسب یا محرمانه بودن اطلاعات مشتریان، باید از روشی استفاده کرد که بتوان افراد مورد بررسی در نمونه را به دو دسته مذکور تقسیم نمود. از این رو در این تحقیق، دسته بندی شرکت ها بر اساس احتمال نکول مدل KMV و نرخ برش نکول ‎۰.۵ انجام پذیرفته است. به منظور افزایش دقت و هماهنگی بیشتر مدل KMV با فضای کسب و کار ایران، نقطه نکول این مدل، با الگوریتم بهینه سازی ازدحام ذرات، بهینه شده است. این بهینه سازی با استفاده از اطلاعات ‎۱۵۹ شرکت مشمول ماده ‎۱۴۱ قانون تجارت طی سالهای ‎۱۳۸۰ تا ‎۱۳۹۶ انجام پذیرفته است. نتایج این بهینه سازی، افزایش دقت محاسبه احتمال نکول این مدل را نشان میدهد. تکنیک های وزن مشاهدات و ارزش اطلاعات، تکنیکهای نظارت شده انتخاب ویژگی هستند که در این تحقیق مورد استفاده قرار گرفته شده اند. به منظور کاهش ابعاد مدلسازی احتمال نکول شرکتها، این تحقیق به رتبه بندی متغیرهای مالی شرکتها با توجه به احتمال نکول به دست آمده از مدل KMV بهینه و با استفاده از دو تکنیک مذکور می پردازد. رتبه بندی این ویژگی ها با استفاده از اطلاعات نمونه ‎۳۲۰ عضوی بین سالهای ‎۸۰ تا ‎۹۶ و خروجی تکنیک ارزش اطلاعات انجام پذیرفته است. در این پژوهش، ‎۳۱ متغیر مالی شرکتهای بورسی مورد بررسی قرار گرفته اند. این پژوهش، متغیرهای مورد بررسی را در پنچ دسته خیلی خوب، قوی، متوسط، ضعیف و عدم توانایی در پیش بینی، رتبه بندی نموده است. هر یک از این دسته ها به ترتیب، ۱، ۱، ۴، ‎۱۸ و ‎۷ عضو داشته اند. معناداری این دسته بندی با مدل لاجیت، مورد آزمون قرار گرفته است و بیش از ‎۹۰ درصد موارد دسته بندی معنادار بوده است.
واژگان کلیدی: مدیریت مالی
واژگان کلیدی: مدیریت ریسک
واژگان کلیدی: وزن مشاهدات
واژگان کلیدی: ارزش اطلاعات
واژگان کلیدی: الگوریتم بهینه سازی ازدحام ذرات
واژگان کلیدی: احتمال نکول
Register Number Part3 Version Volume Part Part2 Reference Call Number lended Date Back Description
220421 1
220422 2
Copyright 2025 by Payam Hannan co ltd. PayamLib.com