ارزيابي شكنندگي مالي بانك‌ها با بكارگيري روش شبكه عصبي

Evaluation of financial fragility using neural networks

پیش‌بینی تداوم فعالیت یك بانك در دوره‌های آتی، یكی از عناصر مهم در تصمیم‌گیری ناظران بانكی بوده و در این میان، انتخاب متغیر پیش‌بینی كننده و روش مناسب، به عنوان یكی از مسائل چالش برانگیز در ادبیات پیش‌بینی شكنندگی مالی مطرح بوده است. یكی از پیشرفته‌ترین مدل‌های پیش‌بینی‌كننده شكنندگی مالی، مدل شبكه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره‌گیری از ادبیات نظری و تجربی، شاخص شكنندگی مالی متناسب با ساختار شبكه بانكی كشور تعریف شده و سپس با به كارگیری 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 كه قدرت توضیح‌دهی در مدل داشته باشند، مدل شبكه 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، ریسك اعتباری و ریسك نقدینگی، از مهمترین عوامل توضیح دهنده شكنندگی مالی هستند.

Predicting continuation of the activity of a bank for future periods is an important element in the decision-making 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 t-test 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.