ارزیابی شکنندگی مالی بانک‌ها با به کارگیری روش شبکه عصبی

پیش‌بینی تداوم فعالیت یک بانک در دوره‌های آتی، یکی از عناصر مهم در تصمیم‌گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش‌بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش‌بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته‌ترین مدل‌های پیش‌بینی‌کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره‌گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی‌داری نسبت‌های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح  اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت‌های مالی معنی‌دار که قدرت توضیح‌دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه‌بندی و منحنی roc استفاده شد. نتایج بررسی بیانگر قدرت پیش‌بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته‌های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.

Evaluation of Financial Fragility Using Neural Networks

Predicting continuation of the activity of a bank for future periods is an important element in the decisionmaking process by bank supervisors. The choice of the appropriate method and variable to predict is the main challenging problem in the literature of predicting financial fragility. The neural network model is one of the most advanced predictive models of financial fragility. In the sample under study, using theoretical and empirical literature, financial fragility index is defined according to the structure of the banking network of Iran. Then, the significance of financial ratios is tested using ttest and mean of two samples is tested at 95% confidence level applying Levin statistic. Then, a neural network model is designed with inclusion of significant explanatory financial ratios. To test the accuracy of the model, the classification table and a Receiver Operating Characteristic (ROC) curve is used. Results show that the predictive power of the model is 96%. According to the findings of this paper, credit risk and liquidity risk are the most important explanatory factors of financial fragility.