عناصر مشابهة
مدخل محاسبي مقترح لتقييم قدرة المنشأة على الاستمرار باستخدام الشبكات العصبية الاصطناعية لتدعم قرارات استمرار الائتمان
| المصدر: | مجلة المحاسبة والمراجعة |
|---|---|
| الناشر: |
جامعة بني سويف - كلية التجارة
|
| المؤلف الرئيسي: | |
| المجلد/العدد: | ع1 |
| محكمة: | نعم |
| الدولة: | مصر |
| التاريخ الميلادي: | 2022 |
| الصفحات: | 290 - 359 |
| DOI: | 10.21608/naus.2022.230215 |
| ISSN: | 2314-4793 |
| رقم MD: | 1286706 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | Arabic |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| رابط المحتوى: |
|
| المستخلص: | تناول البحث مدخل محاسبي مقترح للتنبؤ بمخاطر الائتمان المصرفي (المتعلقة بقدرة المنشأة على الاستمرار) وذلك باستخدام الشبكات العصبية الاصطناعية في ترشيد قرارات استمرار الائتمان أو ما يعرف مهنيا بقرارات تعويم العملاء المصرفيين بهدف تحسين الكفاءة المصرفية، وتم ذلك من خلال دراسة مقارنة مع سجلهم الائتماني باستخدام تقاريرهم المالية، والتي تغطى الفترة من عام 2015 إلى عام 2019 من أحد المصارف المصرية من خلال عينة تضمنت 451 منشأة منهم 150 مفردة لتدريب الشبكة العصبية الاصطناعية مقابل 301 مفردة خضعت لتقييم الموقف الائتماني لتقدير قدرتهم على الاستمرار في ضوء عمليات قرارات استمرار الائتمان أو ما يعرف بالتعويم المصرفي، عبر استخدام 90 متغير من المتغيرات المالية وغير المالية، خلص التحليل الإحصائي إلى تباين نتائج التقييم بين الشبكات العصبية الاصطناعية والبيانات التاريخية ذات الأساس الكمي عند مستوى ثقة 99% مقابل التماثل في ظل البيانات الاسمية أما عند المقارنة بين تقييم نتائج الشبكات العصبية الاصطناعية مع نتائج النماذج التقليدية (A-Score & Z-Score) فقد كان هناك تباين سواء باستخدام البيانات الكمية أو الوصفية عند مستوى ثقة 99%، وقد أوصت الباحثة بالنظر إلى الشبكات العصبية الاصطناعية باعتبارها أحد أدوت دعم مهنة المحاسبة والمراجعة. Purpose: Study presents proposed accounting approach for predicting credit risk through artificial neural networks tools to rationale credit continuation decisions, or what we call it practically as bank customer's flotation, to improve bank efficiency. Methodology: Proposed accounting approach for evaluating firm continuation ability using Artificial Neural Networks for credit approving decisions. Results/Finding: Study launched comparative analysis with bank credit files through their financial reports, which cover the period from 2015 to 2019 from one bank from Egyptian banking sector which is as sample included 451 frim, 150 of this sample have been used to train the artificial neural networks versus 301 observation have been subjected to evaluate credit scenario which have done to estimate bank ability to continue, in light of credit continuation decisions, or bank flotation, study used 90 variable from financial and non financial variables. study have showed significant variation of evaluation results between artificial neural networks and historical data of quantitative basis at .99 confidence level, versus symmetry under nominal data, but there was significant variation between ANN results and traditional models outputs (A- Score & Z Score) whether using quantitative or qualitative data at .99 confidence level. Value/Contribution: The study recommended using ANN as supportive tool for accounting and auditing profession. |
|---|
