نظام التنبؤ بالتعثر المالي للبنوك باستخدام الشبكات العصبية الاصطناعية.

قمت في هذا المشروع بتطوير نموذج تعلم عميق (Deep Learning) متقدم للتنبؤ بحالات التعثر المالي (Financial Distress) للبنوك اليونانية. يعتمد النموذج على تحليل البيانات المالية التاريخية والمؤشرات الاقتصادية لتحديد احتمالية دخول البنك في أزمة مالية قبل وقوعها، مما يساعد في اتخاذ إجراءات استباقية لتقليل المخاطر.

المهام التي قمت بها:

معالجة البيانات (Data Preprocessing): تنظيف وهيكلة البيانات المالية المعقدة للبنوك اليونانية (مثل: إجمالي الأصول، صافي الأرباح، العائد على الأصول ROA، والعائد على حقوق المساهمين ROE).

بناء النموذج (Model Architecture): تطوير شبكة عصبية اصطناعية باستخدام مكتبة TensorFlow و Keras مكونة من عدة طبقات لمعالجة الميزات المالية.

تحسين الأداء: استخدام تقنيات مثل StandardScaler لتوحيد البيانات و Adam Optimizer لتحسين دقة النموذج.

تحليل النتائج: تقييم النموذج باستخدام مصفوفة الارتباك (Confusion Matrix) وتقارير التصنيف (Classification Report)، حيث حقق النموذج دقة واعدة في التمييز بين البنوك السليمة والمتعثرة.

تصور البيانات (Data Visualization): استخدام مكتبات Matplotlib و Seaborn لعرض توزيع البيانات ونتائج التنبؤ بشكل مرئي يسهل فهمه.

التقنيات المستخدمة:

اللغة: Python.

المكتبات الأساسية: Pandas, NumPy, Scikit-learn.

التعلم العميق: TensorFlow, Keras.

التصور البياني: Matplotlib, Seaborn.