الشبكات العصبية االصطناعية وتقدير مخاطر القروض بالبنوك التجارية الجزائرية بالشرق الجزائري

Abstract

Abstract: The process of assessing the risk of loans is extremely important for any bank and this is within the endeavor that aims to preserve the granted funds and avoid falling into situations of inability to pay these funds, and this importance is as well no less for the economy as a whole, as a good assessment of the risk of loans by banks will directly contribute in directing these loans correctly towards the economic projects that have the actual ability to achieve growth and continuation, and this will in turn be reflected on the economic effectiveness, especially if this economy does not contain an active financial market, but with the developments in the banking environment, the process of assessing the risk of these loans has been made more difficult, so there was a need for new models that depend on artificial intelligence that have a greater ability to keep up with all these developments, the most prominent of which was the artificial neural networks model, the most important thing that distinguishes this model from other smart models is its high ability to adapt and accommodate new variables because of its non-linearity in the way it solves problems since it has proven its efficiency in the field of assessing the risk of loans, especially in the aspect related to speed and accuracy in performance and this is in many banks in the world, as for the Algerian commercial banks, the application of this type of model is still in its early beginnings, such as this study that aims to build an artificial neural network model to assess the risk of bank loans and apply it to a sample of files related to investment loans that were granted during the period of 2015-2018, which was sent by a number of commercial agencies of the National Bank of Algeria to the Regional Directorate in the East located in Annaba, and then after that the effectiveness of using this model was compared with the traditional method adopted in this bank, as this study found that the artificial neural networks model is more effective than the method used to assess the risk of investment loans in this bank. --------------------------------------------------------------------------------

Abstrait : Le processus d'évaluation du risque des crédits est extrêmement important pour toute banque, et cela s'inscrit dans l'effort qui vise à préserver les fonds accordés et à éviter de tomber dans des situations d'incapacité de payer ces fonds. Cette importance n'est pas moindre, ainsi que pour l'économie dans son ensemble, car une bonne évaluation du risque de prêts par les banques y contribuera directement en orientant correctement ces prêts vers des projets économiques qui ont la capacité réelle de réaliser la croissance et la continuité, et cela se reflétera à son tour dans l'efficacité économique, surtout si cette économie ne contient pas de marché financier actif ; mais l'évolution de l'environnement bancaire a rendu le processus d'évaluation du risque de ces prêts plus difficile. Par conséquent, il y avait un besoin de nouveaux modèles basés sur l'intelligence artificielle qui ont une plus grande capacité à suivre le rythme de tous ces développements, dont le plus important était le modèle des réseaux de neurones artificiels, et la chose la plus importante qui distingue ce modèle des autres modèles intelligents est sa grande capacité à s'adapter et à absorber de nouvelles variables grâce à ses caractéristiques de non-linéarité dans la manière dont il résout les problèmes, et il a fait ses preuves dans le domaine de l'évaluation du risque de crédit, en particulier dans l'aspect lié à la rapidité et à la précision des performances. Dans de nombreuses banques dans le monde, comme pour les banques commerciales algériennes, l'application de ce type de modèle en est encore à ses balbutiements, comme cette étude qui vise à construire un modèle de réseau de neurones artificiels pour estimer le risque des prêts bancaires et l'appliquer à un échantillon de dossiers sur les prêts d'investissement qui ont été accordés au cours de la période 2015-2018 et qui ont été envoyés par un certain nombre d'agences commerciales de la Banque Nationale d'Algérie à la Direction Régionale de l'Est située à Annaba, puis par la suite, l'efficacité de l'utilisation de ce modèle a été comparée à la méthode traditionnelle adoptée dans cette banque, et cette étude a conclu que le modèle de réseau de neurones artificiels était d’un efficacité supérieure à la méthode utilisée pour estimer le risque des crédits d'investissement dans cette banque. -------------------------------------------------------------------------- الملخــــــــص: تكتسب عملية تقدير مخاطر لقروض أهمية بالغة بالنسبة لأي بنك، وهذا ضمن المسعى الذي يهدف الى الحفاظ على الأموال الممنوحة وتفادى الوقوع في حالات العجز عن تسديد هذه الأموال، هذه الأهمية لا تقل كذلك بالنسبة إلى الاقتصاد ككل، فالتقدير الجيد لمخاطر القروض من طرف البنوك يساهم بشكل مباشر في توجيه هذه القروض بالشكل الصحيح نحو المشاريع الاقتصادية التي تمتلك القدرة الفعلية على تحقيق النمو والاستمرار وهذا ما سينعكس بدوره كذلك على الفعالية الاقتصادية خاصة إذا لم يحتوي هذا الاقتصاد على سوق مالي نشط، ولكن بسبب التطورات الحاصلة في البيئة المصرفية جعل من عملية تقدير مخاطر هذه القروض أكثر صعوبة لذلك كانت هنالك حاجة الى نماذج جديدة تعتمد على الذكاء الاصطناعي يكون لها قدرة أكبر على مسايرة كل هذه التطورات، وكان من أبرز هذه النماذج الشبكات العصبية الاصطناعية، حيث تتميز عن باقي النماذج الذكية الأخرى بقدرتها العالية على التكيف واستيعاب المتغيرات الجديدة حيث تتسم بعدم الخطية عند حلها للمشكلات، وبالتالى تم استخدامها في مجال تقدير خطر القروض في العديد من بنوك العالم، للإستفادة من ميزاتها المختلفة خاصة الجانب المتعلق بالدقة والسرعة في الأداء، أما في ما يخص البنوك التجارية الجزائرية لا يزال تطبيق هذا النوع من النماذج في بداياتها الأولى، كهذه الدراسة التي تهدف الى بناء نموذج لشبكة عصبية اصطناعية لتقدير خطر القروض المصرفية وتطبيقها على عينة من الملفات الخاصة بقروض الاستثمار والتي تم منحها خلال الفترة 2014-2018، والتي تم ارسالها من طرف عدد من الوكالات التجارية للبنك الوطني الجزائري ومقارنتها مع الطريقة التقليدية المعتمدة في هذا البنك، ولقد توصلت الدراسة إلى أن نموذج الشبكات العصبية الاصطناعية له فعالية أكبر من الطريقة المتبعة في تقدير مخاطر قروض الاستثمار في هذا البنك. -----------------------------------------------