An artificial neural network model for predicting the liquidity risk of Iranian private banks
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 78
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJNAA-14-9_008
تاریخ نمایه سازی: 24 مهر 1402
چکیده مقاله:
A highly significant financial risk is liquidity risk. Liquidity risk management is a substantial part of Basel Recommendation no. three; with regard to the importance of this risk, this recommendation directs banks to develop and implement appropriate information systems for measuring, predicting, and controlling liquidity risks. Based on its structure, size, and features, each bank manages liquidity risk using different tools and methods. This study investigated the effectiveness of artificial neural networks in predicting liquidity risk in private Iranian banks. Relying on past studies and employing accounting information, this research developed a specific structure and architecture for a multilayer perceptron neural network; then, it predicted the liquidity risk of Iranian private banks from ۲۰۰۹ to ۲۰۱۹ using neural networks plus Matlab software. The research results revealed that artificial neural networks can be used to predict liquidity risk in private Iranian banks.
کلیدواژه ها:
نویسندگان
Mahdi Khosroyani
Department of Accounting, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
Farzaneh Heidarpoor
Department of Accounting, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
Ahmad Yaghoob-nazhad
Department of Accounting, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
Zahra Pourzamani
Department of Accounting, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :