Μελέτη ευρωπαϊκών τραπεζών για την πρόβλεψη της συμπεριφοράς τους στη σύγχρονη οικονομική πραγματικότητα με τη χρήση τεχνητών νευρωνικών δικτύων

Abstract

Στόχος της διπλωματικής εργασίας είναι η πρόβλεψη ορισμένων τραπεζικών δεικτών, με τη βοήθεια των οποίων μπορούν να εξαχθούν χρήσιμα συμπεράσματα για τη ρευστότητα ενός τραπεζικού ιδρύματος και τη μελλοντική του πορεία. Σε αυτή την κατεύθυνση μελετώνται έξι τράπεζες της ευρωπαϊκής ηπείρου και παράγονται προβλέψεις με ορίζοντα ενός έτους για τους δείκτες μη-εξυπηρετούμενων δανείων (NPL ratio) και κεφαλαιακής επάρκειας (Tier 1 ratio), καθώς και για το λόγο Κέρδη/Ενεργητικό. Οι προβλέψεις παράγονται τόσο με τις "κλασικές" μεθόδους πρόβλεψης, δηλαδή τις μεθόδους Naive, SES, Holt, DES και Theta, όσο και με τη χρήση τεχνητών νευρωνικών δικτύων, οι επιδόσεις των οποίων επιδιώκεται να βελτιωθούν. Οι προβλέψεις που προκύπτουν από τις διαφορετικές μεθόδους συγκρίνονται μεταξύ τους για να εξαχθούν συμπεράσματα ως προς την ακρίβειά τους και να επιλεχθούν οι καλύτερες από αυτές για μελλοντικές προβλέψεις στον τραπεζικό τομέα.

The aim of the present diploma thesis is the forecasting of banking ratios which are related to the liquidity and the future prospects of a banking institution. In this framework, forecasts for NPL ratio, Tier 1 ratio as well as the ratio Profits/Assets are generated for six European banks. The forecast horizon is 4 quarters. For these forecasts both classic methods, namely Naive, SES, Holt, DES and Theta, and artificial neural networks are used and an attempt is made to improve their performance. The different forecasts are compared in order to reach useful conclusions on their accuracy and choose the best of them for future banking forecasts.