Abstract
ניתוח טקסט באמצעות בינה מלאכותית נמצא בשימוש נרחב בשנים האחרונות בתחומים רבים כמו רפואה, מדע וביטחון. לאחרונה, החלו ליישם שיטות אילו גם בתחומי ה כלכלה והמימון. בעבודה זו נסקור ונסביר את השיטות המובילות כיום לניתוח נושאים בספרות הכלכלית: LDA( Allocation Dirichlet Latent ) ו- NMF) Factorization Matrix Negative-Non). בנוסף, נחקור את השוני בתגובה של הבנקים הישראלים למשבר הפיננסי של 2008 ולפרסום הנחיות באזל III. בהתייחס למידת ההומוגניות במערכת הבנקים, נמצא כי במרבית התקופות המערכת הבנקאית הגיבה באופן דומה, כאשר נצפתה התנהגות שונה בקרב בנק הפועלים בכל הקשור להשפעת המשבר על נושא ההון. לפי מודל ה LDA, משקל הנושא עלה באופן מובהק עם פרוץ המשבר בעוד שביתר הבנקים לא חל שינוי מהותי. בתחום האשראי, רק בבנק לאומי נצפתה בתקופת המשבר, עליה מובהקת בשכיחות המונח "risk credit", בעוד שביתר הבנקים לא חל שינוי שכזה. ייתכן והשינויים הנצפים הם כי שני הבנקים המובילים בישראל, נאלצו לאמץ רגולציות עודפות ביחס ליתר הבנקים, בגין התפיסה של Fail To Big Too והחשש מתגובת שרשרת. (מתוך המאמר)
Original language | Hebrew |
---|---|
Journal | תיאוריה ופרקטיקה בניהול |
Volume | 6 |
State | Published - 2023 |
IHP Publications
- ihp
- Artificial intelligence
- Banks and banking
- Basel III
- Financial statements
- LDA
- NMF
- Natural language processing (Computer science)
- Risk management
- TBTF