Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/32359
Title: | ระบบสัญญาณเตือนภัยล่วงหน้าทางการเงิน : การเปรียบเทียบระหว่างวิธีการถดถอยโลจิสติกส์ และโครงข่ายประสาทเทียม |
Other Titles: | A financial early warning system : a comparison between logistic regression approach and neural networks |
Authors: | กัมพล กมลรัตน์ธาดา |
Advisors: | ฐิติวดี ชัยวัฒน์ |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี |
Advisor's Email: | Thitivadee@acc.chula.ac.th |
Subjects: | วิกฤตการณ์การเงิน -- พยากรณ์ ธนาคารและการธนาคาร วัฏจักรธุรกิจ พยากรณ์ธุรกิจ Financial crises -- Forecasting Banks and banking Business cycles Business forecasting |
Issue Date: | 2553 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | วิกฤตการณ์ทางเศรษฐกิจของประเทศสหรัฐอเมริกาในปี พ.ศ. 2551 ก่อให้เกิดความไม่มั่นคงต่อทุกภาคธุรกิจ ซึ่งธุรกิจธนาคารเป็นหนึ่งในธุรกิจที่ได้รับผลกระทบอย่างมากตามสภาวะถดถอยทางเศรษฐกิจในครั้งนี้ ดังนั้น งานวิจัยนี้ จึงมีวัตถุประสงค์เพื่อศึกษาถึงอัตราส่วนทางการเงินต่าง ๆ ที่ส่งผลต่อกับปัญหาความไม่มั่นคงของธุรกิจธฯาคาร เพื่อให้ภาครัฐและเอกชนสามารถใช้อัตราส่วนทางการเงินดังกล่าวเพื่อเป็นเครื่องมือในการตรวจสอบความเข้มแข็งทางการเงินและการดำเนินงานของธุรกิจธนาคาร งานวิจัยนี้ศึกษาถึงปัจจัยที่มีความสำคัญในการชี้วัดและเป็นสัญญาณเตือนภัยล่วงหน้าถึงความไม่มั่นคงทางการเงินของธนาคาร และได้ทำการเปรียบเทียบความแม่นยำและความถูกต้องของตัวแบบสัญญาณเตือนภัยล่วงหน้าในการทำนายความไม่มั่นคงทางการเงินของธนาคาร โดยใช้วิธีการถดถอยโลจิสติกส์และโครงข่ายประสาทเทียม โดยทดสอบอัตราส่วนทางการเงิน 21 อัตราส่วน เพื่อการจำแนกกลุ่มความไม่มั่นคงของธนาคาร โดยผลลัพธ์ชี้ให้เห็นว่าระบบสัญญาณเตือนภัยล่วงหน้าทางการเงินที่ได้จากวิธีการทั้งสองดังข้างต้นมีความสามารถสูงในการจำแนกกลุ่ม โดยสามารถจำแนกกลุ่มของธนาคารที่มีความมั่นคงและกลุ่มของธนาคารที่มีความไม่มั่นคงได้เป็นอย่างดี และผลจากการเปรียบเทียบระหว่างวิธีการถดถอยโลจิสติกส์และโครงข่ายประสาทเทียมพบว่า วิธีการโครงข่ายประสาทเทียมสามารถทำนายข้อมูลและจำแนกกลุ่มได้แม่นยำกว่าวิธีการถดถอยโลจิสติกส์ ดังนั้น งานการวิจัยนี้จึงสามารถนำไปประยุกต์ใช้เพื่อเป็นแนวทางหนึ่งในการที่จะเป็นตัวแบบ เพื่อเป็นระบบสัญญาณเตือนภัยล่วงหน้าทางการเงินในการบ่งชี้ถึงสถานะความไม่มั่นคงของธุรกิจธนาคารต่อไปได้ |
Other Abstract: | U.S. Economic Crisis in 2008 has been marked by a failure in most business sectors. One of the industries substantially affected from this economic downturn is a banking business. From this fact, the purpose of this research wants to investigate the financial ratio factors that are able to forecast the insolvency of a banking business. The result could be useful to the government and private sectors for an auditing financial viability and performance of a banking business. Therefore, the importance of this research is the study of the important factors that indicate and urge in advance for the sign of financial failure. This research uses 21 financial ratios to set up a financial early warning system by using logistic regression approach and neural networks to classify the group of financial viability bank versus the group of financial insolvency bank. This research also compares the accuracy and validity of a financial early warning model. The result shows that the financial early warning model using neural networks to forecast bank insolvency is more accurate and valid than a predicting model using logistic regression approach. In conclusion, this research is useful and should be applicable to use as a financial early warning model to further indicate the insolvency of a banking industry. |
Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553 |
Degree Name: | วิทยาศาสตรมหาบัณฑิต |
Degree Level: | ปริญญาโท |
Degree Discipline: | การประกันภัย |
URI: | http://cuir.car.chula.ac.th/handle/123456789/32359 |
URI: | http://doi.org/10.14457/CU.the.2010.664 |
metadata.dc.identifier.DOI: | 10.14457/CU.the.2010.664 |
Type: | Thesis |
Appears in Collections: | Acctn - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
kamphol_ka.pdf | 2.17 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.