دراسة مقارنة لتحليل الانحدار المتعدد ونهج الانتشار العصبي للشبكات العصبية في التنبؤ بالقوة المالية للبنوك
Title A Comparative Study of Multiple Regression Analysis and Back Propagation Neural Network Approaches on Predicting Financial Strength of Banks: An Indian Perspective
الباحث الرئيس يزيد بدر ناصر السعوي
الباحثون المشاركون
التخصص: علوم الحاسب
التخصص الدقيق: الشبكات العصبونية
المستخلص: الدافع الرئيسي لهذه الدراسة هو التنبؤ بأداء البنوك باستخدام تحليل الانحدار المتعدد والشبكة العصبية الاصطناعية ومقارنة هاتين الطريقتين للدقة. لتحقيق هذا الهدف ، تم جمع البيانات المالية المنتشرة على مدى 10 سنوات من 2010 إلى 2019 من 19 بنكًا من القطاع العام . تتكون البيانات من 17 نسب مالية تم جمعها من البيانات المالية ومنشورات أخرى لمنظمات العينة. تم اختيار نسبة كفاية رأس المال (CRAR) كمتغير تابع لقياس القوة المالية للبنوك والتنبؤ بها. يتم التعرف على تحديد النسب الهامة التي هي محددات CRAR باستخدام تقنية الانحدار ثم يتم استخدام هذه النسب المحددة كمدخل لتطوير نموذج الشبكة العصبية. حددت نتائج تحليل الانحدار متعدد الخطوط 7 نسب مالية لها علاقة إيجابية بين المتغير التابع (CRAR). تم استخدام هذه المتغيرات السبعة المعتمدة في التنبؤ بالقوة المالية (CRAR) للبنوك.
Abstract: The main motivation of this study is to forecast the performance of Indian banks using multiple
regression analysis and artificial neural network and to compare these two methods for the accuracy. To
achieve this goal, financial data spread over 10 years from 2010 to 2019 was collected from 19 Indian public
sector banks. The data consists of 17 financial ratios collected from financial statements and other publications
of the sample organizations. Capital Adequacy Ratio (CRAR) has been chosen as dependent variable for
measuring and predicting the financial strength of banks. Identification of significant ratios that are
determinants of CRAR are identified by using regression technique then these identified ratios are used as input
for a developing a neural network model. The findings of multi-linear regression analysis identified 7 financial
ratios that have a positive relationship between with dependent variable (CRAR). These 7 dependent variables
were used to predict the financial strength (CRAR) of the Banks.
Then a feed forward back propagation neural network was developed with these 7 dependent variables to
predict the CRAR. Finally, the performances of these two methods were measured by using the Mean Square
Error (MSE), Root Mean Squared Error (RMSE) and Mean Absolute Percent Error (MAPE). The results
indicate that ANN model scores an improvement of 55.67% in MSE over regression model. In RMSE which
re-scales the errors in order to keep the errors’ dimension as the predicted value, ANN model scores an
improvement of 33.425% over regression model. It also indicates that ANN model scores an improvement of
99.32% over regression model in MAPE which measures the magnitude of absolute errors in relative terms.
Results show that ANN model outperforms the regression model and is superior technique of forecasting
CRAR of Indian Banks.
الحالة: محكم ومنشور
جهة التحكيم: WSEAS TRANSACTIONS on BUSINESS and ECONOMICS
دار النشر: WSEAS TRANSACTIONS ON BUSINESS AND ECONOMICS