پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی ROC استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.
براساس توافقنامه بال 2، تسهیلات پرداختی به اشخاص حقیقی و بنگاه های اقتصادی کوچک و متوسط تحت عنوان پرتفوی اعتباری خرد تعریف شده است و بانک ها مجازند یکی از رویکردهای استاندارد یا رتبه بندی داخلی را برای تعیین سرمایه مورد نیاز به منظور مواجهه با ریسک اعتباری انتخاب کنند. پیاده سازی رویکرد رتبه بندی داخلی، مستلزم طبقه بندی تسهیلات خرد به طبقات همگن ریسکی و تخمین پارامترهای ریسک اعتباری در سطح هر یک از طبقات است. به طور خاص، تابع سرمایه مورد نیاز براساس این رویکرد، برای هر یک از تسهیلات تابعی از احتمال نکول ( PD ) و ارزش مشروط به نکول ( LGD ) هر قرض گیرنده است. به ازای سطح معین LGD ، شکل ریاضی تابع سرمایه مورد نیاز نسبت به احتمال نکول در بازه ای گسترده، مقعر است. به دلیل تقعر تابع سرمایه مورد نیاز، افزایش دقت در طبقه بندی تسهیلات به طبقات همگن ریسکی برای بانک ها صرفه جویی سرمایه ای به همراه خواهد داشت. در این مطالعه، با استفاده از روش درخت طبقه بندی و رگرسیون تسهیلات دریافتی 1343 نفر از مشتریان حقیقی خرد یکی از بانک های خصوصی کشور طی سال های 1391 تا 1392 به چند طبقه ریسکی همگن طبقه بندی شدند. نتایج تحقیق حاکی از آن است که با طبقه بندی دقیق تر مشتریان در سطح پنجم، سرمایه مورد نیاز برای مواجهه با ریسک اعتباری در مقایسه با سطح صفر می تواند حدود 44/0 درصد کاهش یابد.
پایین بودن سطح کارایی در سازمان های تولیدی و خدماتی از جمله مشکلاتی است که کشورهای در حال توسعه با آن مواجه هستند و صنعت بیمه به عنوان یک نهاد مالی و خدماتی نیز با وجود حساسیت نقش آن در اقتصاد، از جمله نهادهایی است که از ناکارایی مزمن رنج می برد. از این رو در این مقاله دو مدل خطای ترکیب مرزی بتیس وکولی (1992) و مدل آثار ناکاریی فنی بتیس وکولی (1995) برای اندازه گیری کارایی فنی در این صنعت به کار برده شده است.....
این پژوهش با هدف بررسی کارایی فنی واحدهای استانی بیمه تأمین اجتماعی طی سال های 1393-1391 به روش تحلیل پوششی داده ها صورت پذیرفته است. ابتدا برای تعیین نوع بازده نسبت به مقیاس واحدهای مورد بررسی آزمون های لازم با استفاده از نرم افزار GAMS انجام شده و الگوی تحلیل پوششی داده ها با بازده ثابت نسبت به مقیاس به عنوان مدل مناسب جهت اندازه گیری کارایی فنی واحدهای تحت بررسی انتخاب گردید. سپس به منظور افزایش دقت تشخیص مدل در تفکیک واحدهای کارا از مدل ابرکارای اندرسون – پترسون جهت اندازه گیری کارایی فنی واحدهای کارا استفاده شد. همچنین در این پژوهش با معرفی دو شاخص جدید عمق و بعد برای شبکه پوشش بیمه تأمین اجتماعی در کشور، پویایی های همزمان این دو شاخص با کارایی فنی واحدها در دو بلوک واحدهای بزرگ و واحدهای کوچک مقایسه شده است. نتایج نشان می دهد که در سطح واحدهای بزرگ رشد کارایی فنی با رشد شاخص عمق شبکه بیمه ای همسو و با رشد شاخص بعد شبکه بیمه ای غیرهمسو بوده است. ضمناً در سطح واحدهای کوچک نتایج به دست آمده یک دست نبوده و آهنگ رشد کارایی فنی واحدها با رشد دو شاخص عمق و بعد شبکه بیمه ای در مناطق مختلف کشور متفاوت بوده است.
تعیین حق بیمه یکی از مهم ترین مسائلی است که شرکت های بیمه همواره با آن مواجهند. لذا از نظریه باوردمندی به منزله ابزاری مهم برای تعیین و تعدیل حق بیمه استفاده می شود. تاکنون مدل های گوناگونی برای تقریب حق بیمه های باورمندی ارائه شده و از دیدگاه های مختلف آماری نیز بررسی شده است. در این مقاله ما نظریه باورمندی را از دیدگاه ناپارامتری و روش محاسبه حق بیمه باورمندی را تحت چند اصل مختلف بررسی خواهیم کرد. به همین منظور با مروری مختصر به حق بیمه باورمندی، برآوردگر هسته ای به روش میانگین موضعی را برای برآورد اتورگرسیون معرفی و از این برآوردگر برای پیش بینی تعداد و میزان خسارت داده های جمع آوری شده از شرکت بیمه البرز در رشته بیمه شخص ثالث استفاده خواهیم کرد.