بهبود پرداخت تسهيلات با در نظر گرفتن انضباط مالي و حداكثر سودآوري در شرايط عدم اطمينان
محورهای موضوعی :رویا چشمی خانی 1 , محمد علی افشار کاظمی 2 , عباس طلوعی اشلقی 3 , عزت الله اصغرزاده 4
1 - رشته مدیریت صنعتی، گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران
2 - رشته مدیریت صنعتی ، گروه مدیریت صنعتی ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - رشته مدیریت صنعتی،گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - رشته مدیریت صنعتی ، گروه مدیریت صنعتی ، واحد مدیریت، دانشگاه تهران، تهران، ایران
کلید واژه: تسهیلات, داده کاوی, خوشه بندی, یادگیری عمیق, شبکه عصبی CNN, شبکه عصبی CNN-LSTM,
چکیده مقاله :
اعطاي تسهيلات، بخش مهمي از عمليات هر بانك را تشكيل مي‌دهد و اين قسمت از فعاليتهاي بانكي از لحاظ اقتصادي حائز اهميت است. بانك‌ها با عمليات اعتباري خود موجبات انتقال منابع را از اشخاصي كه مستقيماً در بانك سرمايه‌گذاري كرده‌اند به كساني كه به پول نياز دارند فراهم مي‌كنند و اين اشخاص با بازپرداخت اقساط خود باعث مي‌شوند گروهي ديگر از مردم بتوانند از اين منابع استفاده كنند. عدم بازپرداخت به‌موقع تسهيلات باعث راكد شدن منابع بانك و در بلندمدت باعث ركود اقتصادي كشور مي‌شود. نظارت بر نحوه‌ی صحیح تخصیص منابع و بهداشت اعتباری امری بسیار مهم می‌باشد زیرا در صورت تخصیص نامطلوب منابع بانک و پرداخت بی‌اصول تسهیلات، بانک‌ها توان بازپرداخت سپرده‌های سپرده‌گذاران را نداشته و با ورشکستگی مواجه خواهند گردید. با بررسي پژوهش‌هاي سالهاي اخير در زمينه بانكداري مشخص گرديد اكثر پژوهش‌ها تركیب بهينه‌ی سبد سرمايه‌گذاري بيشتر در بازار سرمايه پرداخته و كمتر پژوهشگري به بحث و بررسي تركيب بهينه در بازار پولي توجه نموده‌است. بيشتر پژوهش‌هایی كه از روشهاي تحقيق در عمليات و آماري استفاده‌گردیده در‌خصوص مسائل صنعتي بوده و كمتر در مسائل مالي از بحث هاي تحقيق‌در‌عمليات استفاده شده است. در پرتفوي بهينه تركيب تسهيلات يا سرمايه‌گذاري‌ها اكثراً از الگوريتم ژنتيك بهره‌مند شده وكمتر از ديگر روشهاي فازي در شرايط عدم‌اطمينان استفاده شده‌است. بنابراین در اين پژوهش به مدلسازي بهبود پرداخت تسهيلات با استفاده از مدلسازی شبکه‌های عصبی کانولوشنی و CNN-LSTM ، پرداخته‌شده‌است.
Granting facilities is an important part of every bank's operations. This part of banking activities is economically important. With its operations, banks can provide the transfer of resources from those that have directly invested to those who need money, this repayment makes another people use these resources. Failure to repay facilities on time will cause the bank's resources to stagnate and in the long will cause the country's economic recession. It is important to monitor the correct allocation of resources because if bank resources are used and unfounded payments are made, the banks will not be able to pay the depositors and will become bankrupt. By examining the researches in the field of banking, it was found that most of the researches have focused on the optimal combination of the investment portfolio in the capital market, and less researchers have paid attention to the discussion of the optimal combination in the money market. Most of the researches that used operational and statistical research methods were related to industrial issues, and less in financial issues and operational research discussions were used. In the optimal portfolio of the combination of facilities or investments, mostly the genetic algorithm has been used and less than other fuzzy methods have been used in the conditions of uncertainty. Therefore, in this research, the improvement of facility payment modeling has been addressed by using convolutional neural networks and CNN-LSTM modeling.