ارایه مدل رتبه بندی اعتباری کشورهای نوظهور
چکیده
هدف اصلی در تحقیق حاضر بررسی اهمیت مقوله ریسک کشور، صنعت رتبه بندی ریسک اعتباری کشورها، بررسی بنیان های ریسک مزبور و در نهایت ارائه مدلی برای رتبه بندی ریسک اعتباری کشورها است.
هدف اصلی در تحقیق حاضر بررسی اهمیت مقوله ریسک کشور، صنعت رتبه بندی ریسک اعتباری کشورها، بررسی بنیان های ریسک مزبور و در نهایت ارائه مدلی برای رتبه بندی ریسک اعتباری کشورها است.
امروزه موسسات مالی به اهمیت، داشتن یک مدل رتبه بندی اعتباری به منظور حفظ توان رقابتی و همچنین کاهش ریسک عملیاتی خود کاملاً آگاه می باشند. نتیجه رتبه بندی بهتر و دقیق تر متقاضیان صرفه جویی در هزینه های عملیاتی موسسات مالی می باشد. تصمیم گیری های نادرست در حوزه اعتباری، سطح بالایی
مدل معرفی شده در این پژوهش یک مدل رتبه بندی اعتباری دو مرحله ای برای متقاضیان حقیقی دریافت تسهیلات میباشد. در مرحله اول تعداد 10 متغیر مستقل تعریف شده است که مدل با استفاده از آنها و همچنین با بکاربردن تکنیک رگرسیون لجستیک و همچنین با کمک نرم افزار eviews 7 به برآورد یک معادله رگ
ازآنجایی که هیچ تئوری جامعی در مورد ارزیابی ریسک اعتباری کشورها وجود ندارد و ازطرف دیگر فرایند رتبه دهی ریسک اعتباری توسط موسسات رتبه دهنده کاملا شفاف نیست، لذا هدف اصلی در تحقیق حاضر، یافتن متغیرهای مالی و اقتصادی است که بیشترین تاثیر را بر روی ریسک کشورها دارند و همچنین پاسخ به
بانکها در پرداخت تسهیلات با خطر بزرگی که به آن ریسک اعتباری می گویند مواجه هستند. برای کاهش این ریسک، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، کاهش یابد. یکی از روش های کاهش این ریسک، طراحی نظام ت
هدف این تحقیق، ارائه یک مدل رتبه بندی اعتباری هیبریدی با ترکیب روش انتخاب ویژگی ها مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی است که به مدیران اعتباری بانک ها و موسسات مالی جهت اخذ تصمیمات اعتباری کمک نماید. سیستم های خبره به عنوان یکی از تکنیک های هوش مصنوعی می توانند به ساخت مدل
یکی از مهمترین خطرهایی که بانکها با آن مواجه هستند ریسک اعتباری می باشد.ریسک اعتباری ازاین واقعیت ریشه میگیرد که طرف قرارداد،نتواند یا نخواهد تعهدات قرار داد را انجام دهد.برای کاهش این ریسک،باید درجه اعتبار وقدرت باز پرداخت اصل و سود تسهیلات گیرنده را تعیین نمود تا احتمال عدم برگ
سیستم های خبره می توانند به ساخت مدل های رتبه بندی اعتباری مشتریان بانک ها کمک کنند. در اینجا، انتخاب ویژگی های مهم در رتبه بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی ها، بهصورت فازی بیان شوند. مسئله این است، چگونه می توان بهکمک الگوریتم ژنتیک، انتخاب ویژگی ها را بهب
طراحی و استقرار مدل رتبه بندی اعتباری در نظام بانکی نقش کارآمدی در راستای بالابردن بهره وری بانکهای کشور در تخصیص بهینه منابع خواهد داشت. در این مقاله تلاش شده است تا به مقایسه تطبیقی دومدل تحلیل پوششی داده ها جهت رتبه بندی اعتباری مشتریان حقوقی متقاضی یکی از بانکهای تجاری کشور و
طراحی و استقرار مدل رتبه بندی اعتباری در نظام بانکی نقش کارآمدی در راستای بالابردن بهره وری بانکهای کشور در تخصیص بهینه منابع خواهد داشت. در این مقاله تلاش شده است تا به مقایسه تطبیقی دومدل تحلیل پوششی داده ها جهت رتبه بندی اعتباری مشتریان حقوقی متقاضی یکی از بانکهای تجاری کشور و
سیستمهای خبره میتوانند به ساخت مدلهای رتبهبندی اعتباری مشتریان بانکها کمک کنند. در اینجا، انتخاب ویژگیهای مهم در رتبهبندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگیها، بهصورت فازی بیان شوند. مسئله این است، چگونه میتوان بهکمک الگوریتم ژنتیک، انتخاب ویژگیها را بهب
در نوشتار حاضر، قصد داریم با استفاده از رویکرد امتیاز بازار نوظهور، رتبۀ اعتباری 47 شرکت پذیرفته شده در بورس اوراق بهادار تهران را طی سال های 1388 تا 1392 تعیین کنیم. این رویکرد، نسخۀ ارتقا یافتۀ مدل مشهور امتیازz (آلتمن[1]، 1968) محسوب می شود. برخلاف مدل اولیۀ امتیاز z، از رویکر
هدف اصلی این مقاله، ارائه مدلی برای رتبه بندی ریسک اعتباری کشورهای در حال توسعه است. به دلیل آنکه هیچ تئوری جامعی درباره ارزیابی ریسک اعتباری کشورها وجود ندارد و از طرف دیگر، فرآیند رتبه دهی ریسک اعتباری توسط موسسه های رتبه دهنده کاملاً شفاف نیست؛ بنابراین، مشکل اول در تحقیق حاضر