Investigating the Efficiency of Hybrid Model in Comparison with Logistic Regression and Artificial Neural Network in Credit Risk Evaluation of Companies Listed in Tehran Stock Exchange
Message:
Abstract:

Credit risk evaluation is an integral part of the lending process. Significance of credit rating is increased by the global financial crisis and banks’ capital requirement. The purpose of this research is to find a new and more accurate way to estimate corporate credit scoring. Based on Traditional statistical methods and artificial Intelligence (AI), this research following Lee, et al., (2016) is testing a hybrid model, the model is combing logistic regression and artificial neural network(ANN). Population of the study is companies listed on Tehran Stock Exchange during 2010 to 2016.sampling method is systematic eliminating method that with considering the criteria, number of 90 companies were selected for the study. The results show the hybrid model in comparison with logistic regression and artificial neural network is more efficient in credit rating of companies listed in Tehran Stock Exchange.

Article Type:
Case Study
Language:
Persian
Published:
Islamic Economics & Banking, Volume:9 Issue: 31, 2020
Pages:
173 - 204
magiran.com/p2140455  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.