fa ارزیابی کاربرد سیستم هشداردهنده زودهنگام مالی در شبکه بانکی ایران: رویکرد داده کاوی اقتصاد پولی Monetary Economics پژوهشی اصیل - كاربردی Original Research - Empirical <span dir="RTL">یکی از بزرگترین مشکلات بانک‌ها و سرمایه‌گذاران در ایران، عدم اطلاع دقیق از وضعیت عملکرد مالی هر بانک و نقشه راه بهبود شرایط است. علاوه بر آن عموماً زمانی وضعیت نامطلوب عملکرد مالی بانک</span>‌<span dir="RTL">ها نمایان می</span>‌<span dir="RTL">شود که بهبود شرایط بسیار دشوار است. در این مقاله یک مدل سیستم هشدار دهنده زودهنگام&nbsp;</span><span dir="RTL">(</span>EWS &ndash; Early Warning System<span dir="RTL">)&nbsp;</span>بر پایه داده‌کاوی به منظور تشخیص وضعیت عملکرد مالی بانک<span dir="LTR">‌</span>ها ارائه شده است. برای طراحی این مدل از درخت تصمیم <span dir="LTR">CHAID</span> استفاده شده است. با استفاده از این مدل، بانک‌ها از منظر عملکرد مالی در سه دسته ضعیف، متوسط و خوب طبقه‌بندی و مسیر دستیابی به وضعیت مطلوب تعیین شده است. برای این منظور 13 بانک ایرانی در بازه سال‌های 1382 تا 1396 مورد بررسی قرار گرفته است. درنهایت نتایج حاصل از درخت تصمیم با نتایج حاصل از مدل کملز مقایسه گردیده است. بر اساس درخت تصمیم طراحی شده، 8 پروفایل استخراج شده که 2 پروفایل بیانگر وضعیت خوب، 3 پروفایل بیانگر وضعیت متوسط و 3 پروفایل بیانگر وضعیت ضعیف عملکرد مالی است. بر اساس این پروفایل<span dir="LTR">‌</span>ها، طبق آخرین گزارشات منتشر شده توسط بانک<span dir="LTR">‌</span>های مورد مطالعه، 8 بانک دارای عملکرد مالی متوسط و 5 بانک دارای عملکرد مالی ضعیف هستند. بر اساس این پروفایل<span dir="LTR">‌</span>ها، چهار متغیر دارایی به حقوق صاحبان سهام، حقوق صاحبان سهام به تسهیلات، نسبت بدهی بلند مدت به ارزش ویژه و نسبت کفایت نقد به عنوان مرتبط<span dir="LTR">‌</span>ترین متغیرها با عملکرد مالی بانک شناسایی شدند.<br> &nbsp; One of the significant problems of banks and investors in Iran is the lack of precise awareness about the financial performance of each bank and the roadmap for improving the conditions. Besides, the undesirable status of the financial performance of banks becomes evident only when the improvement of conditions is complicated. In this paper, a data mining-based early warning system (EWS) model has been presented to capture the financial performance of banks. To design this model, the CHAID decision tree has been used. Using this model, the banks have been classified as poor, medium, and good regarding financial performance, and the roadmap to achieving the desirable status has been determined. For this purpose, 13 Iranian banks have been investigated within the years 2003-2017. Eventually, the results obtained from the decision tree have been compared with the findings achieved from the CAMELS model. Based on the designed decision tree, 8 profiles have been extracted; 2 representing good, 3 medium, and 3 poor financial performance. Based on these profiles, according to the latest reports published by the studied banks, eight banks have a mediocre financial performance while five banks suffer poor financial performance. According to these profiles, four variables of the asset to shareholders&rsquo; equity ratio, the shareholders&rsquo; equity to loans ratio, the long-term debt to equity ratio, and liquidity coverage ratio were identified as the most relevant variables associated with the financial performance of banks. درخت تصمیم, الگوریتم CHAID, داده‌کاوی, سیستم هشداردهنده سریع, ریسک مالی,مدل CAMEL Abasgholipour, M. (2010). Factors Affecting the Improvement of the Performance of Banks. Banking and Economy Quarterly, 106, 24-35. Abounouri, A., Erfani, A. (2008). Markov Switching Algorithm and Predicting the Probability of Incidence of Liquidity Rati 177 204 http://jme.mbri.ac.ir/browse.php?a_code=A-10-308-1&slc_lang=fa&sid=1 Pooria Rezaei پوریا رضائی pooria_rezai12@yahoo.com 10031947532846003705 10031947532846003705 Yes Bank Ayandeh بانک آینده Seyed Babak Ebrahimi سیدبابک ابراهیمی b_ebrahimi@kntu.ac.ir 10031947532846003706 10031947532846003706 No Khaje Nasir University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Pejman Azin پژمان آذین pejmanazin@gmail.com 10031947532846003707 10031947532846003707 No Bank Ayandeh بانک آینده