علم تصمیم گیری همواره با انسان همراه بوده و با ظهور سازمان‌ها، شرکت‌ها و خاصه با تغییرات پرشتاب محیطی توسعه فراوان یافته است. بسیاری از محققان تلاش و همت خویش را در این حوزه متمرکز نموده‌اند تا الگوهای مناسبتر و دقیق‌تری را برای بهبود نظام‌های تصمیم گیری معرفی نموده و تصمیم گیران را با توفیق بیشتری مواجه سازند.[1]
در اعطای تسهیلات که یکی از عمده‌ترین فعالیت‌های بانک‌ها و موسسات اعتباری است برای تصمیم گیری صحیح، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، یعنی ریسک درجه اعتبار، کاهش یابد. یکی از روش‌های کاهش این ریسک، طراحی نظام تعیین درجه اعتباری برای دریافت کنندگان تسهیلات است، و کانون این نظام، مدل رتبه بندی یا ارزیابی اعتباری است[2].
با استفاده از چنین مدلی، رتبه یا درجه اعتباری متقاضی مشخص شده و بر اساس آن راجع به اعطای تسهیلات یا عدم اعطا، تصمیم گیری می شود. در حال حاضر بهره برداری از سیستم‌های هوشمند به منظور بهینه سازی و پیش بینی به عنوان یکی از ابزارهای پیشرفته در حوزه‌های مختلف علوم، کاربرد فراوان دارد. شبکه‌های عصبی به عنوان یک سیستم هوشمند در عرصه‌های مختلف مالی از جمله تصویب اعتبارات، کاربرد دارند.
در تصویب اعتبارات، ارزیابی اعتبار مشتریان یکی از موارد بسیار پیچیده در فعالیت‌های مالی به شمار می‌رود[3].
به نظر می‌رسد جستجو برای روابط عملی دیگر اهمیت خود را از دست داده است. آنچه اهمیت دارد این است که حرکت و رابطه مجموعه‌ای از متغیرها را با مجموعه‌ای دیگر دریابیم. برای اینکار مدل شبکه عصبی مصنوعی به مراتب از مغز فراتر می‌رود که در یک آن نمی‌تواند همه چیز را با هم ببینید[4].
1 ـ جعفرعلی جاسبی، 1383، ص 12.
2 ـ شایان آرانی، 1380، ص 20.
1ـ البرزی، عبده تبریزی، 1377، ص 7.
2ـ همان.
کلیات تحقیق 1
مقدمه 2
1-1 بیان مسأله 4
1-2 سوال‌های تحقیق 7
1-3 اهمیت و ضرورت موضوع تحقیق 7
1-4 اهداف تحقیق 8
1-5 فرضیات تحقیق 9
1-6 چارچوب نظری تحقیق 10
1-7 متغیرهای پژوهشی 12
1-8 سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) 13
1-9 کاربردهای تحقیق 15
1-10 نوع روش تحقیق 16
1-11 محدوده تحقیق 16
1-12 روش نمونه گیری و تعیین حجم نمونه 17
1-13 ابزار گردآوری اطلاعات 18
1-14 محدودیت‌های تحقیق 18
1-15 روش تجزیه و تحلیل اطلاعات 19
1-16 برخی تعاریف، مفاهیم و اصطلاحات 19
فصل دوم 22
ادبیات تحقیق 23
مقدمه 24
بخش اول 25
آشنایی با بانک سامان و انواع تسهیلات 25
آشنایی با بانک سامان 26
چارت خدمات بانک سامان 29
انواع سپرده‌های سرمایه گذاری 29
سپرده کوتاه مدت 29
سپرده کوتاه مدت ویژه 30
سپرده بلند مدت 30
سپرده اندوخته 31
سپرده ارزی 32
تسهیلات حقوقی 32
ابزارهای اعتباری 33
انواع ابزارهای اعتباری 33
ضوابط و معیارهای اساسی اعطای تسهیلات 34
1- قابلیت اعتماد و اطمینان 37
2- قابلیت و صلاحیت فنی 39
3- ظرفیت مالی و کشش اعتباری 40
4- وثیقه (تامین) 42
بخش دوم 47
مبانی نظری رتبه بندی اعتبار 47
مقدمه 48
2-1 مروری بر تاریخچه رتبه بندی اعتبار 50
2-2 رتبه بندی اعتبار 52
فرآیند تصمیم گیری اعطای تسهیلات 53
3-2 سیستم‌های رتبه بندی اعتبار 58
4-2 مدل‌های رتبه بندی اعتباری 59
5-2 مزایا و محدودیت‌های مدل رتبه بندی اعتبار 60
- محدودیت‌ها 60
بخش سوم 62
مبانی نظری شبکه عصبی 62
مقدمه 63
3-1 هوش مصنوعی 65
3-2 مروری بر تاریخچه شبکه عصبی 67
3-3 شبکه‌های عصبی مصنوعی 70
3-4 اساس بیولوژیکی شبکه عصبی 75
3-5 مقایسه بین شبکه‌های عصبی مصنوعی و بیولوژیکی 79
3-6 مدل ریاضی نرون 80
3-7 ویژگی‌ها و خصوصیات شبکه‌های عصبی مصنوعی 82
3-7-1 قابلیت یادگیری 82
3-7-2 پردازش اطلاعات به صورت متنی 83
3-7-3 قابلیت تعمیم 83
3-7-4 پردازش موازی 84
3-7-5 مقاوم بودن 84
3-8 مشخصه‌های یک شبکه عصبی 84
3-8-1 مدل‌های محاسباتی 85
3-8-2 قواعد یادگیری 88
3-8-3 معماری شبکه 90
3-9 عملکرد شبکه‌های عصبی مصنوعی 101
3-10 محدودیت‌های شبکه عصبی 103
3-11 کاربرد شبکه‌های عصبی در مدیریت 104
بخش چهارم 110
خلاصه مقاله‌ها 110
بخش پنجم 124
نتیجه گیری 124
فصل سوم 129
روش شناسی تحقیق 129
3-1 مقدمه 130
3-2 روش تحقیق 131
3-3 جامعه آماری 132
3-4 نمونه آماری 132
3-5 فرضیات تحقیق 133
3-6 محدوده تحقیق 135
3-7 جمع آوری داده‌ها 136
3-8 تعیین حجم نمونه 137
3-9 ابزار گردآوری داده‌ها 138
3-10 روش تجزیه و تحلیل داده‌ها 138
3-11 فرآیند تحقیق 141
فصل چهارم 153
یافته‌های تحقیق 153
4-1 مقدمه 154
4-4-1 آماده سازی داده‌های ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی داده‌ها 154
معماری شبکه 155
فصل پنجم 162
نتیجه گیری و پیشنهادها 162
نتیجه گیری 163
پیشنهادات 168
شامل 190 صفحه word
دانلود پایان نامه طراحی و تبیین مدل رتبه بندی اعتباری مشتریان با استفاده از شبکه‌های عصبی