An artificial neural network model for predicting the liquidity risk of Iranian private banks

Article Type:
Research/Original Article (دارای رتبه معتبر)
A highly significant financial risk is liquidity risk. Liquidity risk management is a substantial part of Basel Recommendation no. three; with regard to the importance of this risk, this recommendation directs banks to develop and implement appropriate information systems for measuring, predicting, and controlling liquidity risks. Based on its structure, size, and features, each bank manages liquidity risk using different tools and methods. This study investigated the effectiveness of artificial neural networks in predicting liquidity risk in private Iranian banks. Relying on past studies and employing accounting information, this research developed a specific structure and architecture for a multilayer perceptron neural network; then, it predicted the liquidity risk of Iranian private banks from 2009 to 2019 using neural networks plus Matlab software. The research results revealed that artificial neural networks can be used to predict liquidity risk in private Iranian banks.
International Journal Of Nonlinear Analysis And Applications, Volume:14 Issue: 9, Sep 2023
127 to 136  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
  • 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.
In order to view content subscription is required

Personal subscription
Subscribe for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!