بررسی سودمندی الگوریتمهای فراابتکاری در بهینه سازی ریسک یکپارچه نظام بانکی

این پژوهش با هدف ارزیابی ریسک یکپارچۀ نظام بانکی از طریق الگوریتم های فراابتکاری گرگ خاکستری، ژنتیک و ازدحام ذرات به رشتۀ تحریر در آمده است. این پژوهش از لحاظ هدف از نوع تحقیقات کاربردی و بر اساس ماهیت و روش از نوع همبستگی است. گردآوری داده‌ها، از راه مطالعات کتابخانه‌ای، مقالات و سایت‌ها در قالب قیاسی و گردآوری اطلاعات برای رد و تایید فرضیات از راه استقرایی انجام‌ گردیده است. جامعه آماری این تحقیق،نظام بانکی و نمونه مورد مطالعه شامل بانکهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای مالی1392 تا 1397 می‌باشد. به منظور گردآوری داده‌های موردنیاز، از بانک داده های مالی وزارت امور اقتصادی و دارایی ،سایت کدال و... استفاده شده است. پس از استخراج اطلاعات، و تنظیم آنها در قالب مدل ریسک یکپارچه، تابع هدف و محدودیت‌ها در نرم‌افزار matlab وارد شده و متغیرهای ریسک و بازده با استفاده از الگوریتم‌های فراابتکاری ازدحام ذرات، ژنتیک و گرگ خاکستری به دست آمدند و به مقایسه نتایج آنها از طریق نرم‌افزار spss 16 پرداختیم. پس از بررسی نتایج حاصل از مقایسۀ شاخصهای ارزیابی الگوریتم‌ها مشخص گردید که الگوریتم گرگ خاکستری کارامدی بهتری را در بهینه‌سازی تابع هدف ارائه می‌دهد. همچنین با بررسی فرضیات تحقیق مشخص گردید که الگوریتم های ازدحام ذرات و ژنتیک از کارآمدی همسانی برای ارزیابی ریسک یکپارچۀ نظام بانکی برخوردار هستند و الگوریتم گرگ خاکستری نسبت به الگوریتم های توده ذرات و ژنتیک، ثبات و همگرایی بهتر و زمان اجرای کمتری داشته و شاخصهای ارزیابی بهتری را در حل مسئله ارائه می‌دهد.

usefulness of meta-heuristic algorithms on optimizing of the integrated risk in banking system

aim of this study was to evaluate the integrated risk of the banking system through the metaphysical algorithms of gray wolf, genetics and particle swarming. this research is applied research in terms of purpose and correlational in nature and method. data collection has been done through library studies, articles and sites in deductive form and data collection to refute and confirm hypotheses inductively. the statistical population of this research is the banking system and the sample includes banks listed on the tehran stock exchange during the fiscal years 1392 to 1397. in order to collect the required data, the financial database of the ministry of economic affairs and finance, codal site, etc. have been used. after extracting the information, and setting them in the form of an integrated risk model, the objective function and constraints are entered in matlab software and the variables of risk and return (profit and loss on assets and debts) were obtained using particle swarm algorithms, genetics and gray wolves and we compared their results using spss 16 software. after that, first the descriptive statistics were analyzed and then inferential statistics were performed. after reviewing the results of comparing the evaluation indicators of algorithms, it was determined that the gray wolf algorithm is efficient. provides better goal function optimization. also, by examining the research hypotheses, it was found that particle swarm algorithms and genetics have the same efficiency for assessing the integrated risk of the banking system. provides better problem solving.