سرمایه فکری،کارآئی ثبات مالی و اثرات آن بر پایداری مالی بانک ها با رویکرد الگوریتم های فضائی عصبی: (مورد مطالعه : بانک های ایران و عراق)

پژوهش حاضر با هدف بررسی تاثیرات کارایی ثبات مالی و سرمایه فکری بر پایداری مالی بانک‌های پذیرفته‌شده در بورس ایران و عراق انجام شده است. این پژوهش با بهره‌گیری از داده‌های مالی گسترده 22 بانک ایرانی و 44 بانک عراقی در بازه زمانی 2000 تا 2023 و استفاده از رویکردهای یادگیری ماشین، الگوریتم‌های فضایی و شبکه‌های عصبی برای تحلیل عمیق و چندبعدی روابط پیچیده بین متغیرهای مالی این بانک‌ها پرداخته است. نتایج حاصل از این تحقیق نشان می‌دهد که مدل‌های یادگیری ماشین، به‌ویژه یادگیری عمیق بیزین و شبکه عصبی ترانسفور، عملکرد برجسته‌ای در پیش‌بینی و تحلیل پایداری مالی بانک‌ها دارند. این مدل‌ها قادر به شناسایی الگوهای پنهان و روابط غیرخطی در داده‌های مالی هستند که روش‌های سنتی قادر به کشف آن‌ها نیستند. مدل خودرگرسیون بردار فضایی، با ترکیبی از یادگیری‌های عمیق، آشکار می‌سازد که ثبات مالی، کارایی و سرمایه فکری به ترتیب مهم‌ترین عوامل تاثیرگذار بر پایداری مالی بانک‌ها در ایران و عراق هستند. این یافته‌ها اهمیت در نظر گرفتن وابستگی‌های فضایی و بین‌بخشی را در تحلیل‌های مالی برجسته می‌کند. علاوه بر این، مدل پانل فضایی هیبرید نقش حیاتی کفایت سرمایه را در پایداری مالی نشان می‌دهد و همزمان تاثیرات منفی تمرکز بانکی، مالکیت دولتی و اهرم مالی بالا بر پایداری مالی را آشکار می‌سازد. این نتایج لزوم بازنگری در سیاست‌های مربوط به ساختار مالکیت و مدیریت ریسک در سیستم بانکی را برجسته می‌کند. . بنابراین، نتایج نشان میدهد که ثبات مالی، کارایی و سرمایه فکری مهمترین عوامل تاثیرگذار بر پایداری مالی بانکها هستند. همچنین، کفایت سرمایه نقش حیاتی در این زمینه ایفا میکند ، درحالی که تمرکز بانکی، مالکیت دولتی و اهرم مالی بالا تاثیرات منفی بر پایداری مالی دارند. این یافته ها اهمیت در نظر گرفتن وابستگی های فضایی و بین بخشی در تحلیل های مالی را برجسته می کند و لزوم بازنگریدر سیاست های مربوط به ساختار مالکیت و مدیریت ریسک در سیستم بانکی را نشان می دهد. به طورکلی، این مطالعه راهنمای ارزشمندی برای سیاست گذاران و مدیران بانکی در جهت بهبود پایداری مالی و افزایش کارایی سیستم بانکی در هر دو کشور فراهم میکند. در مجموع، این پژوهش با ارائه تحلیلی عمیق و چندوجهی، دیدگاه های نوینی را در زمینه عوامل موثر بر پایداری مالی بانک ها ارائه می دهد.

intellectual capital, efficiency of financial stability and financial capital of banks with the approach of neural spatial algorithms: (study case: iranian and iraqi banks)

the present study was conducted with the aim of investigating the effects of financial stability efficiency and intellectual capital on the financial stability of banks admitted to the stock exchanges of iran and iraq. this research has made use of extensive financial data of 22 iranian banks and 44 iraqi banks in the period from 2000 to 2023 and using machine learning approaches, spatial algorithms and neural networks for deep and multidimensional analysis of complex relationships between financial variables of these banks. the results of this research show that machine learning models, especially bayesian deep learning and transfer neural network, have outstanding performance in predicting and analyzing the financial stability of banks. these models are able to identify hidden patterns and nonlinear relationships in financial data that traditional methods are unable to discover. the spatial vector autoregression model, with a combination of deep learning, reveals that financial stability, efficiency and intellectual capital are respectively the most important factors affecting the financial stability of banks in iran and iraq. these findings highlight the importance of considering spatial and intersectoral dependencies in financial analyses. in addition, the hybrid spatial panel model shows the critical role of capital adequacy in financial stability and simultaneously reveals the negative effects of banking concentration, state ownership and high financial leverage on financial stability. these results highlight the need to review policies related to ownership structure and risk management in the banking system.