Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank
المؤلفون المشاركون
Matoussi, Hamadi
Abd al-Mawla, Ayidah
المصدر
Economic Research Forum : Working Paper Series
العدد
المجلد 2008، العدد 453 (31 ديسمبر/كانون الأول 2008)، ص ص. 1-31، 31ص.
الناشر
منتدى البحوث الاقتصادية للدول العربية إيران و تركيا
تاريخ النشر
2008-12-31
دولة النشر
مصر
عدد الصفحات
31
التخصصات الرئيسية
الموضوعات
الملخص AR
يمثل تقييم مخاطر الائتمان مشكلة هامة تنطوي على تحد كبير للمؤسسات المالية.
و قد اقترحت الأدبيات أساليب تصنيف كثيرة للتعامل مع هذه المشكلة.
و تحظى الشبكات الإقليمية على وجه الخصوص بقدر كبير من الاهتمام نظرا لما تتميز به من خاصية التقريب الشامل.
تساهم هذه الدراسة في أدبيات تقييم مخاطر الائتمان في منطقة الشرق الأوسط و شمال أفريقيا.
نستخدم نموذج شبكة إقليمية متعددة المستويات للتنبؤ بما إن كان يمكن تصنيف طالب قرض معين على أن لديه سيولة أم أنه مفلس.
و نستخدم قاعدة بيانات من 1100 ملفا لقروض منحت لشركات تجارية و صناعية تونسية من بنك تجاري في عامي 2002 و 2003.
النتائج الأساسية التي توصلنا إليها هي : قدرة تنبؤ جيدة بنسبة 97.1 % في مجموعة التدريب و بنسبة 71 % في مجموعة التأكيد لشبكة التدفق غير النقدي.
يحسن إدخال متغيرات التدفق النقدي جودة التنبؤ إلى 97.25 % و 90 % على التوالي في المجموعتين داخل و خارج العينة.
يؤدي إدخال الرهن إلى النموذج إلى تحسن كبير في إمكانية التنبؤ إلى 99.5 % في مجموعة بيانات التدريب و إلى 95.3 % في مجموعة بيانات التأكيد.
الملخص EN
Credit–risk evaluation is a very important and challenging problem for financial institutions.
Many classification methods have been suggested in the literature to tackle this problem.
Neural networks have especially received a lot of attention because of their universal approximation property.
This study contributes to the credit risk evaluation literature in the MENA region.
We use a multilayer neural network model to predict if a particular applicant can be classified as solvent or bankrupt.
We use a database of 1100 files of loans granted to commercial and industrial Tunisian companies by a commercial bank in 2002 and 2003.
Our main results are : a good capacity prediction of 97.1% in the training set and 71% in the validation set for the non cash-flow network.
The introduction of cash-flow variables improves the prediction quality to 97.25% and 90% respectively both in the in-sample and out-of-sample sets.
Introduction of collateral in the model substantially improves the prediction capacity to 99.5% in the training dataset and to 95.3% in the validation dataset.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Matoussi, Hamadi& Abd al-Mawla, Ayidah. 2008. Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank. Economic Research Forum : Working Paper Series،Vol. 2008, no. 453, pp.1-31.
https://search.emarefa.net/detail/BIM-48214
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Matoussi, Hamadi& Abd al-Mawla, Ayidah. Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank. Economic Research Forum : Working Paper Series No. 453 (2008), pp.1-31.
https://search.emarefa.net/detail/BIM-48214
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Matoussi, Hamadi& Abd al-Mawla, Ayidah. Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank. Economic Research Forum : Working Paper Series. 2008. Vol. 2008, no. 453, pp.1-31.
https://search.emarefa.net/detail/BIM-48214
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references : p. 17-19
رقم السجل
BIM-48214
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر