مدل سازی پیش بینی کارایی بانک های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تحلیل پوششی داده ها و الگوریتم های فرا ابتکاری در هوش مصنوعی: کاربردهای ضمنی در تأمین مالی صنعت لاستیک ایران

کاشانی پور, محمد; فتحی, محمد رضا; عرب زاده, سید امیرعلی

doi:10.22034/irm.2026.527030.1321

مدل سازی پیش بینی کارایی بانک های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تحلیل پوششی داده ها و الگوریتم های فرا ابتکاری در هوش مصنوعی: کاربردهای ضمنی در تأمین مالی صنعت لاستیک ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

محمد کاشانی پور ¹

محمد رضا فتحی ²

سید امیرعلی عرب زاده ³

¹ دانشیار دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران

² دانشیار، گروه مدیریت صنعتی و فناوری، دانشکدگان فارابی دانشگاه تهران، قم ، ایران

³ 3. دانشجوی دکتری حسابداری، دانشکده حسابداری و مدیریت دانشگاه پردیس کیش، دانشگاه تهران، کیش ، ایران

10.22034/irm.2026.527030.1321

چکیده

اولین گام در راه بهبود کارایی ارائه روشی برای پیش‌بینی کارایی بین واحدها در این زمینه است. نهادهای مالی از دیرباز نقش به سزایی در توسعه و رشد اقتصادی کشورها داشته و بانک‌ها به عنوان یکی از مهم‌ترین نهادهای مالی، نقش پررنگ‌تری نسبت به سایر نهادها در امر توسعه داشته‌اند. هدف پژوهش حاضر، ارزیابی و پیش‌بینی کارایی بانک‌ها با استفاده از تحلیل پوششی داده‌ها و الگوریتم‌های فرا ابتکاری در هوش مصنوعی است. در ابتدا با استفاده از مدل تحلیل پوششی داده‌ها و با در نظر گرفتن جمع کل دارایی‌ها، تعداد شعب، تعداد پرسنل، هزینه مالی، هزینه اداری و سطح تحصیلات کارکنان به عنوان ورودی‌های مدل و سود و زیان خالص، مانده تسهیلات اعطایی، درآمد سپرده‌گذاری‌ها، سپرده دیداری، درآمده تسهیلات اعطایی و درآمد کارمزد به عنوان متغیرهای خروجی مدل به بررسی کارایی بانک‌های پذیرفته شده در بورس اوراق بهادار تهران در سال‌های 1391 تا 1401 پرداخته شد و در مرحله بعد، از شبکه عصبی مصنوعی و الگوریتم ژنتیک برای پیش‌بینی کارایی بانک‌ها استفاده شد. نتایج ارزیابی نشان داد که مدل شبکه عصبی پرسپترون چندلایه دارای دقت بالاتری در پیش-بینی کارایی بانک‌هاست. از آنجا که یکی از چالش‌های اصلی صنعت لاستیک ایران تأمین مالی و دسترسی به منابع بانکی است، نتایج حاصل از پیش‌بینی و ارزیابی کارایی بانک‌ها می‌تواند در راستای بهبود تخصیص منابع مالی به این صنعت مؤثر واقع شود. لذا مدل ارائه‌شده، کاربرد مستقیم در تحلیل توانمندی بانک‌ها برای پشتیبانی مالی صنعت لاستیک دارد.

کلیدواژه‌ها

کارایی بانک‌ها

مدل DEA دو مرحله‌ای

شبکه عصبی مصنوعی

الگوریتم‌های فرا ابتکاری در هوش مصنوعی

موضوعات