Bankruptcy visualization and prediction using neural networks: A study of U.S. commercial banks

ما یک مدل شبکه های عصبی برای مطالعه ورشکستگی بانک های ایالات متحده با در نظر گرفتن ویژگی های خاص بحران مالی اخیر داریم. ما پیشترترنرهای چند لایه و نقشه های سازماندهی خود را ترکیب می کنیم تا ابزاری برای نشان دادن احتمال ناراحتی تا سه سال قبل از ورشکستگی باشد. بر اساس داده های شرکت بیمه سپرده های صندوق بین سال های 2002 و 2012، نتایج ما نشان می دهد که بانک های شکست خورده بیشتر در وام های املاک و مستغلات متمرکز شده و مقررات بیشتری دارند. وضعیت آنها تا حدی ناشی از گسترش خطرناک است که منجر به کاهش حقوق صاحبان سهام و سود می شود. پس از طراحی مشخصات بانک های مضطرب، ما یک مدل برای شناسایی خرابی ها و یک ابزار برای ارزیابی خطرات بانکی در کوتاه مدت، متوسط ​​و بلند مدت با استفاده از ورشکستگی هایی که از مه 2012 تا دسامبر 2013 در بانک های ایالات متحده رخ داده است، ایجاد می کنیم. این مدل می تواند 96.15٪ از شکست ها را در این دوره تشخیص دهد و از مدل های سنتی پیش بینی ورشکستگی جلوتر است.