ارائه مدل پیش‌بینی ورشکستگی بانک‌ها و مؤسسات مالی با استفاده از شبکه‌های عصبی بازگشتی و شاخص‌های سلامت مالی
هدف این پژوهش ارائه یک مدل مفهومی-تحلیلی برای پیش‌بینی ورشکستگی بانک‌ها و مؤسسات مالی بر پایه شبکه‌های عصبی بازگشتی و شاخص‌های سلامت مالی از دیدگاه خبرگان بانکی، مالی و فناوری مالی بود. این مطالعه با رویکرد کیفی و طرح اکتشافی انجام شد. مشارکت‌کنندگان شامل 22 نفر از خبرگان بانکی، مدیران ریسک، تحلیلگران مالی، متخصصان فناوری مالی، اعضای هیئت علمی و کارشناسان نظارتی در شهر تهران بودند که به روش نمونه‌گیری هدفمند و گلوله‌برفی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت. تحلیل داده‌ها با روش تحلیل مضمون و با استفاده از نرم‌افزار NVivo انجام شد. برای افزایش اعتبار یافته‌ها از بازبینی مشارکت‌کنندگان، کدگذاری همزمان توسط دو پژوهشگر، مقایسه مستمر داده‌ها و ثبت مسیر تصمیم‌گیری تحلیلی استفاده شد. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: شاخص‌های بنیادین سلامت مالی، کیفیت و یکپارچگی داده‌های بانکی، قابلیت شبکه‌های عصبی بازگشتی در شناسایی روندهای پنهان، حکمرانی و توضیح‌پذیری مدل پیش‌بینی، و الزامات پیاده‌سازی مدل هشدار زودهنگام در نظام بانکی. مشارکت‌کنندگان تأکید داشتند که نسبت کفایت سرمایه، کیفیت دارایی‌ها، نقدینگی، سودآوری، شکاف سررسید، مطالبات غیرجاری، تمرکز تسهیلات و نوسان جریان‌های نقدی باید به‌صورت سری زمانی تحلیل شوند. همچنین، مدل‌های LSTM و GRU به دلیل توانایی در یادگیری وابستگی‌های زمانی، برای پیش‌بینی زودهنگام ناتوانی مالی بانک‌ها مناسب ارزیابی شدند. نتایج نشان داد که پیش‌بینی ورشکستگی بانک‌ها صرفاً با اتکا بر نسبت‌های مالی ایستا امکان‌پذیر نیست و نیازمند تلفیق شاخص‌های سلامت مالی، داده‌های زمانی، الگوریتم‌های یادگیری عمیق، نظارت انسانی و چارچوب حکمرانی مدل است. مدل پیشنهادی می‌تواند مبنایی برای طراحی سامانه هشدار زودهنگام، ارتقای مدیریت ریسک و تقویت ثبات مالی در بانک‌ها و مؤسسات مالی باشد.