![](/images/graphics-bg.png)
Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank
Joint Authors
Matoussi, Hamadi
Abd al-Mawla, Ayidah
Source
Economic Research Forum : Working Paper Series
Issue
Vol. 2008, Issue 453 (31 Dec. 2008), pp.1-31, 31 p.
Publisher
Economic Research Forum for the Arab Countries Iran and Turkey
Publication Date
2008-12-31
Country of Publication
Egypt
No. of Pages
31
Main Subjects
Topics
Abstract 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.
Abstract 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.
American Psychological Association (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
Modern Language Association (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
American Medical Association (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
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 17-19
Record ID
BIM-48214