|
پیش‌بینی بحران‌های مالی در بانکداری اسلامی
با استفاده از یادگیری ماشین و داده‌های نامتوازن
|
سعید محمدبیگی*    |
| فلسفه اقتصاد اسلامی |
|
|
چکیده: (1186 مشاهده) |
| این پژوهش با هدف طراحی چارچوب پیش‌بینی بحران مالی برای بانک‌های اسلامی انجام شده است، زیرا مدل‌های موجود عمدتاً بر بانک‌های متعارف متمرکزند و به ویژگی‌های خاص بانکداری اسلامی مانند الزامات شرعی توجه کافی ندارند. روش تحقیق شامل استفاده از داده‌های مالی، کلان‌اقتصادی و حاکمیت شرعی ۴۵۰ مشاهده سال-بانک (شامل بانک‌های اسلامی و متعارف) طی سال‌های ۲۰۱۵ تا ۲۰۲۳ است. متغیر وابسته، وضعیت بحران مالی بر اساس معیارهای لایون والونسیا (۲۰۱۸) و متناسب با بانکداری اسلامی تعریف شد. نوآوری اصلی پژوهش، معرفی و اندازه‌گیری کمّی متغیر «فاصله شرعی از استانداردهای AAOIFI» به عنوان یک عامل پیش‌بینی‌کننده بحران است. برای مقابله با نامتوازنی داده‌ها (تنها 3/5٪ مشاهدات مربوط به بحران)، از تکنیک SMOTE استفاده شد. الگوریتم‌های مختلف یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم، SVM و XGBoost مورد ارزیابی قرار گرفتند. یافته‌ها نشان داد که الگوریتم XGBoost با حساسیت 83/0و سطح AUC-ROC معادل 93/0، بهترین عملکرد را در شناسایی بانک‌های بحران‌زده دارد. متغیر «فاصله شرعی» پس از بازده دارایی‌ها (ROA)، به عنوان دومین متغیر بااهمیت شناسایی شد. تحلیل‌ها تأیید کردند که افزایش این فاصله (کاهش انطباق با استانداردهای شرعی) احتمال وقوع بحران را به‌طور معناداری افزایش می‌دهد. همچنین مدل توسعه‌یافته برای بانک‌های اسلامی از دقت تشخیص بالاتری (حساسیت 87/0) نسبت به بانک‌های متعارف (76/0) برخوردار بود. این پژوهش با پر کردن شکاف موجود در ادبیات، چارچوبی عملیاتی برای ناظران بانکی (مانند بانک‌های مرکزی و IFSB) فراهم می‌آورد تا بانک‌های اسلامی آسیب‌پذیر را زودتر شناسایی کنند. نتایج حاکی از آن است که رعایت حاکمیت شرعی و شفافیت، نه تنها یک تکلیف دینی، بلکه یک راهبرد مؤثر کاهش ریسک تجاری است. |
|
| واژه‌های کلیدی: بانکداری اسلامی، پیش‌بینی بحران مالی، یادگیری ماشین، XGBoost، داده‌های نامتوازن |
|
|
متن کامل [PDF 1639 kb]
(413 دریافت)
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
|
|
|
|
|
|
