مدیریت
دانلود پایان نامه كارشناسی ارشد رشته مدیریت بازرگانی كاربرد شبكه‌های عصبی در طراحی مدل رتبه بندی اعتباری مشتریان بانك سامان (نسخه آپدیت شده با 328 صفحه) کل صفحات:188 صفحه اولیه + 140 صفحه آپدیت ششمین آپدیت نیز اضافه شد! *آپدیت:مقالات زیر در قالب 140 صفحه بصورت رایگان ضمیمه شده اند:)
چكیده بانکها به منظور آگاهی از نیازمندیهای مشتریان خود، در اعطای تسهیلات اعتباری باید به شناسایی ویژگیهای آنها بپردازند. این امر از طریق اعتبارسنجی، منجر به کاهش ریسکهای بانکی از جمله ریسک اعتباری میشود (توماس 2006،3 ).بازار اعتبارات مصرفی در ایران با تشكیل بانكهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت كاهش ریسك اعتباری دارد. امروزه سیستمهای هوشمند كاربردهای فراوانی در امور مختلف بانكی و مالی پیدا كرده‌اند. بررسی و تصویب اعتبارات یكی از كاربردهای شبكه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبكه های عصبی جهت رتبه بندی اعتباری شكل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند. در مرحله بعد مدلهای شبكه عصبی پس از طراحی؛ با داده‌های آموزشی؛ آموزش داده شده و سپس با داده‌های آزمایشی مورد آزمایش قرار گرفتند. نتایج بدست آمده نشان می‌دهد كه رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبكه‌های عصبی قابل پیش بینی است. كلمات كلیدی: تسهیلات شبكه عصبی رتبه بندی اعتباری مقدمه: اعتباری سنجی به عملی اطلاق میشود که در آن اعتبار مشتریان حقیقی و حقوقی مؤسسات مالی اعتباری و بانکها با توجه به اطلاعات دریافتی از آنها اندازه گیری شده و امکان شناخت بیشتر را نسبت به وضعیت و توان مالی افراد جهت بازپرداخت تسهیلات دریافتی و دریافت خدمات بیشتر فراهم میکند. بر اساس این روش، ریسک اعتباری افراد اندازه گیری شده و افراد و مشتریان بر اساس ریسک اعتباری خود طبقه بندی و امتیاز دهی می شوند.(خداوردی، 1388) مؤسسات اعتباری و بانکها به دو دلیل به وجود سیستمی برای رتبه بندی اعتباری مشتریان خود نیازمندند. سیستم رتبه بندی اعتباری مشتریان این امکان را برای بانک ها و مؤسسات اعتباری فراهم می کند که با اتکا به چنین سیستمی و بر اساس نرخها ی تکلیفی موجود، ریسک پرتفوی اعتباری خود را تا حد ممکن کاهش داده و از بین متقاضیان دریافت تسهیلات، معتبرترین و کم ریسک ترین مشتریان را گزینش نمایند. در مؤسسات اعتباری که امکان تعیین نرخ تسهیلات بر اساس ریسک و درجه اعتباری مشتریان می باشد، سیستم رتبه بندی اعتباری میتواند این گونه سازمانها را در طراحی پرتفوی اعتباری خود بر اساس رعایت اصل تنوع یاری دهد. فهرست مطالب فصل اول كلیات تحقیق 1 مقدمه 2 1-1 بیان مسأله 4 1-2 سوال‌های تحقیق 7 1-3 اهمیت و ضرورت موضوع تحقیق 7 1-4 اهداف تحقیق 8 1-5 فرضیات تحقیق 9 1-6 چارچوب نظری تحقیق 10 1-7 متغیرهای پژوهشی 12 1-8 سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) 13 1-9 كاربردهای تحقیق 15 1-10 نوع روش تحقیق 16 1-11 محدوده تحقیق 16 1-12 روش نمونه گیری و تعیین حجم نمونه 17 1-13 ابزار گردآوری اطلاعات 18 1-14 محدودیت‌های تحقیق 18 1-15 روش تجزیه و تحلیل اطلاعات 19 1-16 برخی تعاریف، مفاهیم و اصطلاحات 19 فصل دوم 22 ادبیات تحقیق 23 مقدمه 24 بخش اول 25 آشنایی با بانك سامان و انواع تسهیلات 25 آشنایی با بانك سامان 26 چارت خدمات بانك سامان 29 انواع سپرده‌های سرمایه گذاری 29 سپرده كوتاه مدت 29 سپرده كوتاه مدت ویژه 30 سپرده بلند مدت 30 سپرده اندوخته 31 سپرده ارزی 32 تسهیلات حقوقی 32 ابزارهای اعتباری 33 انواع ابزارهای اعتباری 33 ضوابط و معیارهای اساسی اعطای تسهیلات 34 1- قابلیت اعتماد و اطمینان 37 2- قابلیت و صلاحیت فنی 39 3- ظرفیت مالی و كشش اعتباری 40 4- وثیقه (تامین) 42 بخش دوم 47 مبانی نظری رتبه بندی اعتبار 47 مقدمه 48 2-1 مروری بر تاریخچه رتبه بندی اعتبار 50 2-2 رتبه بندی اعتبار 52 فرآیند تصمیم گیری اعطای تسهیلات 53 3-2 سیستمهای رتبه بندی اعتبار 58 4-2 مدلهای رتبه بندی اعتباری 59 5-2 مزایا و محدودیت‌های مدل رتبه بندی اعتبار 60 - محدودیت‌ها 60 بخش سوم 62 مبانی نظری شبكه عصبی 62 مقدمه 63 3-1 هوش مصنوعی 65 3-2 مروری بر تاریخچه شبكه عصبی 67 3-3 شبكه‌های عصبی مصنوعی 70 3-4 اساس بیولوژیكی شبكه عصبی 75 3-5 مقایسه بین شبكه‌های عصبی مصنوعی و بیولوژیكی 79 3-6 مدل ریاضی نرون 80 3-7 ویژگی‌ها و خصوصیات شبكه‌های عصبی مصنوعی 82 3-7-1 قابلیت یادگیری 82 3-7-2 پردازش اطلاعات به صورت متنی 83 3-7-3 قابلیت تعمیم 83 3-7-4 پردازش موازی 84 3-7-5 مقاوم بودن 84 3-8 مشخصه‌های یك شبكه عصبی 84 3-8-1 مدلهای محاسباتی 85 3-8-2 قواعد یادگیری 88 3-8-3 معماری شبكه 90 3-9 عملكرد شبكه‌های عصبی مصنوعی 101 3-10 محدودیت‌های شبكه عصبی 103 3-11 كاربرد شبكه‌های عصبی در مدیریت 104 بخش چهارم 110 خلاصه مقاله‌ها 110 بخش پنجم 124 نتیجه گیری 124 فصل سوم 129 روش شناسی تحقیق 129 3-1 مقدمه 130 3-2 روش تحقیق 131 3-3 جامعه آماری 132 3-4 نمونه آماری 132 3-5 فرضیات تحقیق 133 3-6 محدوده تحقیق 135 3-7 جمع آوری داده‌ها 136 3-8 تعیین حجم نمونه 137 3-9 ابزار گردآوری داده‌ها 138 3-10 روش تجزیه و تحلیل داده‌ها 138 3-11 فرآیند تحقیق 141 فصل چهارم 153 یافته‌های تحقیق 153 4-1 مقدمه 154 4-4-1 آماده سازی داده‌های ورودی جهت رتبه سنجی مشتریان با كمك شبكه عصبی آماده سازی داده‌ها 154 معماری شبكه 155 فصل پنجم 162 نتیجه گیری و پیشنهادها 162 نتیجه گیری 163 پیشنهادات 168 فهرست اشكال شكل (2-1) : ساختار نورون 77 شكل (2-2) : اولین مدل دقیق سلول عصبی 81 شكل (3-3) : معماری شبكه 91 شكل (3-4) : پرسپترون چند لایه 92 شكل (3-5) : نحوه تشكیل محدوده‌های فضا توسط تعداد مختلف لایه‌های پرسپترون 95 شكل (3-6) : شبكه هاپفیلد 101 فهرست جداول جدول (3-1) : توابع محرك با علائم قرار دادی 87 جدول (4-1) : مقایسه نتایج میانگین خطا در مدل A 157 جدول (4-2) : نتایج اجرای آموزش مدل A 157 جدول (4-3) : مقایسه نتایج میانگین خطا درمدل B 158 جدول (4-4) : نتایج اجرای آموزش مدل B 158 جدول (4-5) جدول مقایسه نتایج 159 جدول (4-6) نتایج اجرای مدلA 160 جدول (4-7) نتایج اجرای مدل B 160 پیوست : پیوست الف : جداول و نمودارهای مربوط به مدل A 170 پیوست ب :جداول و نمودارهای مربوط به مدل B 173
