رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

نوع مقاله: مقاله پژوهشی

چکیده

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه‌های عصبی هوشمند GMDH انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می‌گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده‌اند. در این مقاله پس از بررسی پرونده‌های اعتباری هر یک از مشتریان، 11 متغیر توضیح دهنده مورد ارزیابی قرار می‌گیرد. نتایج مقاله ضمن دلالت بر تأیید نظریه‌های اقتصادی و مالی نشان می‌دهد که عملکرد پیش بینی الگوی شبکه عصبی (درصد پیش بینی‌های صحیح آن) به مراتب بهتر از الگوهای اقتصاد سنجی متعارف لاجیت و پروبیت است و در زمینه عوامل مؤثر بر ریسک اعتباری نشان می‌دهد که از بین متغیرهای مذکور، نوع وثیقه و نسبت بدهی دارای بیشترین اثر بر متغیر احتمال نکول می‌باشند. همچنین سابقه همکاری، نسبت جاری، نسبت آنی و نسبت مالکانه دارای اثر معمولی و سایر متغیرها کم اثر هستند.

کلیدواژه‌ها


1- مقدمه

بانک­ها به منظور آگاهی از نیازمندی‌های مشتریان خود، در اعطای تسهیلات اعتباری باید به شناسایی ویژگی­های آن­ها بپردازند. این امر از طریق اعتبارسنجی[1]، منجر به کاهش ریسک­های بانکی از جمله ریسک اعتباری[2] می­شود (توماس[3]،2006). اعتباری سنجی به عملی اطلاق می­شود که در آن اعتبار مشتریان حقیقی و حقوقی مؤسسات مالی اعتباری و بانک­ها با توجه به اطلاعات دریافتی از آنها اندازه گیری شده و امکان شناخت بیشتر را نسبت به وضعیت و توان مالی افراد جهت بازپرداخت تسهیلات دریافتی و دریافت خدمات بیشتر فراهم می­کند. بر اساس این روش، ریسک اعتباری افراد اندازه گیری شده و افراد و مشتریان بر اساس ریسک اعتباری خود طبقه بندی و امتیاز دهی می­شوند (خداوردی، 1388).

مؤسسات اعتباری و بانک­ها به دو دلیل به وجود سیستمی برای رتبه بندی اعتباری مشتریان خود نیازمندند. سیستم رتبه بندی اعتباری مشتریان این امکان را برای بانک­ها و مؤسسات اعتباری فراهم می کند که با اتکا به چنین سیستمی و بر اساس نرخ‌های تکلیفی موجود، ریسک پرتفوی اعتباری خود را تا حد ممکن کاهش داده و از بین متقاضیان دریافت تسهیلات، معتبرترین و کم ریسک ترین مشتریان را گزینش نمایند. در مؤسسات اعتباری که امکان تعیین نرخ تسهیلات بر اساس ریسک و درجه اعتباری مشتریان می باشد، سیستم رتبه بندی اعتباری می­تواند این گونه سازمان‌ها را در طراحی پرتفوی اعتباری خود بر اساس رعایت اصل تنوع یاری دهد.

ارائه صحیح و بهینه تسهیلات مالی یکی از فعالیت­های مهم نظام بانکی تلقی می‌شود. بر این اساس در بسیاری از کشورها، بیشتر بانک­ها یک واحد جداگانه و مخصوص تجزیه و تحلیل اعتباری دارند که هدف آن به حداکثر رساندن ارزش افزوده برای سهامداران از طریق مدیریت ریسک اعتباری است. بانک­ها فهرستی از عوامل متعدد در مورد متقاضی تسهیلات، مانند اعتبار وی در گذشته (که معمولاً مؤسسات رتبه­بندی اعتباری تعیین می­نماید)، ثروت متقاضی، میزان نوسان سود وی و آیا باید در قرارداد تسهیلات، وثیقه را گنجانید یا خیر؟  تعیین نموده و بر اساس اطلاعات مذکور ریسک یا احتمال نکول مشتریان را برآورد می کنند.

پژوهش­ها و کاربردهای متعددی در حوزه اعتبار سنجی، برای شناسایی مشتریان خوب و بد بانک­ها صورت گرفته است. روش قضاوتی در اعتبارسنجی به دلیل خطا و زمان زیاد به تدریج جای خود را به روش­های پارامتریک و ناپارامتریک داده است (توماس،2006). روش­های پارامتریک[4] مثل لاجیت و پروبیت[5]، تحلیل ممیزی[6] و رگرسیون لجستیکی[7] در ابتدای ظهور اعتبارسنجی مورد استفاده قرار گرفتند و سپس استفاده از روش­های ناپارامتریک[8] و داده کاوی[9] مثل: درختان تصمیم­گیری[10]، شبکه­های عصبی[11] و سیستم­های خبره[12] مورد توجه محققین قرار گرفت(سبزواری و همکاران،2006). به طور کلی مطالعات بسیاری در این زمینه صورت پذیرفته  است که از میان آنها می‌توان به مطالعات خارجی: سالچین برگر[13] (1992)،کوانتس و فانت[14] (1993)، آلتمن[15]و همکاران (1994)، لاچر[16] و همکاران(1995)، دسایی[17](1996)، پیراموتا[18](1998)، دیوید وست[19] (2000)، تیان شیونگ لی[20]و همکاران (2002)، مو­چین چینو شی هسین هوانگ[21] (2003)، حسین عبده[22] و همکاران (2007)، جی جنگ‌هاونگ[23] و همکاران (2009) و مطالعات داخلی شامل علی منصوری (1382)، پونه رویین تن (1384)، پویا حسینی (1387)  اشاره نمود. در اکثر این پژوهش­ها نشان داده شده که کارایی روش‌های ناپارامتریک و داده کاوی از جمله شبکه­های عصبی به مراتب بالاتر از روش­های سنتی آماری می­باشد. همچنین نتایج مدلها نشان می­دهد که بین تغییر وثیقه‌ها از سفته به ملک ( سند رهنی) و ریسک نکول، رابطه معکوس معناداری وجود دارد. به عبارت دیگر با تغییروثیقه از سفته به ملک، ریسک نکول کم می‌شود، بین تغییر نوع مالکیت محل فعالیت از استیجاری به ملکی و ریسک نکول متقاضی رابطه معکوس معناداری وجود دارد یعنی با تغییر نوع مالکیت از استیجاری به ملکی، ریسک نکول کاهش می­یابد. بین سابقه همکاری با بانک و ریسک نکول رابطه معکوس معناداری وجود دارد. بین نسبت جاری و احتمال نکول رابطه معکوس، بین نسبت مالکانه و احتمال نکول رابطه معکوس، بین سرمایه مشتریان و احتمال نکول هم رابطه معنی داری وجود دارد.

شبکه­های عصبی از نسل جدید تکنیک­های داده­کاوی به شمار می­آیند که در دو دهه اخیر توسعه زیادی یافته­اند. مزیت اصلی شبکه­های عصبی، قابلیت فوق­العاده آنها در یادگیری و نیز پایداریشان در مقابل اغتشاشات ناچیز ورودی است (ایواخننکو[24]، 1995). از این رو در این تحقیق، از روش‌های اقتصادسنجی متعارف (پروبیت و لاجیت) جهت الگوسازی و پیش بینی متغیر هدف (احتمال نکول) استفاده کرده و نتایج حاصله را با روش شبکه عصبی هوشمند GMDH[25]، مقایسه می­کنیم.

این مقاله حاوی دو نوع آوری نسبت به مطالعات قبلی است. اولاً این مقاله اولین مطالعه ای است که روشی را برای رتبه بندی اعتباری مشتریان بانک پارسیان با استفاده از رویکرد شبکه‌های عصبی ارائه کرده است. ثانیاً در این مقاله، برای طراحی شکل شبکه عصبی و تعیین ضرایب آن، از رویکرد GMDH مبتنی بر الگوریتم ژنتیک استفاده شده است. روش­های تکاملی[26] مانند الگوریتم ژنتیک(هیاست و مورت[27]، 2003) کاربرد وسیعی در مراحل مختلف طراحی شبکه­های عصبی به خاطر قابلیت­های منحصر به فرد خود در پیدا کردن مقادیر بهینه و امکان جستجو در فضاهای غیر قابل پیش بینی،‌ دارند)نریمان زاده و همکاران 2002). لذا در مقاله حاضر، برای طراحی شکل شبکه عصبی و تعیین ضرایب آن، از الگوریتم ژنتیک استفاده شده است.

مقاله حاضر به دنبال یافتن پاسخی برای سوالات زیر می­باشد: عوامل موثر بر ریسک اعتباری مشتریان کدامند؟ و کدامیک از مدلهای لاجیت، پروبیت و شبکه­های عصبی (با الگوریتم یادگیری ژنتیک) از عملکرد بهتری در تعیین ریسک اعتباری مشتریان برخوردارند؟

این مقاله در پنج بخش تنظیم شده است. بخش دوم ادبیات موضع تحقیق شامل: انواع  ریسک­هایی که یک مؤسسه مالی با آن مواجه است را مرور می­کنیم. در بخش سوم روش شناسی شامل: شواهد آماری و منابع جمع‌آوری داده‌ها، تصریح مدل شامل: معرفی متغیرها، ارتباط متغیرها، نحوه اندازه‌گیری متغیرها و همچنین به معرفی الگوهای اقتصادسنجی و روش شبکه عصبی هوشمند GMDH پرداخته می­شود. بخش چهارم مقاله به برآورد مدل و تجزیه و تحلیل آن اختصاص یافته و در بخش پایانی نیز نتایج و پیشنهادات ارائه می­گردد.

2- ادبیات موضوع

در این بخش مبانی نظری انواع مهمترین ریسک‌هایی که مؤسسات مالی با آن مواجه هستند را مرور کرده و در ادامه با تفصیل بیشتر به تبیین ریسک اعتباری و اعتبارسنجی می­پردازیم.

2-1- انواع ریسک‌های مؤسسات مالی

در منابع علمی مختلف، تعاریف متعددی از ریسک ارائه شده­است. افراد مختلف بر اساس زاویه دید خود و حوزه فعالیتشان به تعریف این واژه پرداخته­اند.

در فرهنگ مدیریت راهنما ریسک بدین صورت تعریف شده­است: «ریسک عبارت است از آنچه که حال یا آینده دارایی یا توان کسب درآمد شرکت، مؤسسه یا سازمانی را تهدید می­کند». واژه ریسک در فرهنگ لانگمن[28] چنین تعریف شده­است: «ریسک عبارتست از احتمال وقوع حادثه­ای نامطلوب و یا احتمال وقوع خطر». در فرهنگ وبستر[29]، ریسک از لحاظ لغوی به معنای خطر آمده­است. به عبارتی دیگر ریسک به معنی شانس و احتمال آسیب و یا ضرر و زیان تعریف شده­است. وستون[30] و بریگام[31]، ریسک یک دارایی را بدین­گونه تعریف می­کند: «ریسک یک دارایی عبارت است از تغییر احتمالی بازده آتی ناشی از آن دارایی».  

با آنکه به نظر می­رسد ریسک واجد یک مفهوم و تعریف ساده است، اما هنوز اقتصاددانان، به یک مفهوم جامع و واحد از این واژه دست نیافته­اند. بطور کلی و با توجه به تعاریف ارائه ­شده به طور کلی سه عامل مشترک را می­توان در آنها مشاهده کرد: عمل یا اقدامی بیش از یک نتیجه به بار می­آورد، تا زمان محقق شدن نتایج از حصول هیچ یک از نتایج اطمینانی وجود نداشته باشد، و حداقل یکی از نتایج ممکن پیامد نامطلوبی به همراه داشته باشد (احمدی­زاده، 1385).

ریسک­های اصلی شناسایی شده توسط کمیته بال[32] برای یک موسسه مالی عبارتند از: ریسک نقدینگی، ریسک نرخ بهره، ریسک بازار، ریسک عملیاتی، ریسک اعتباری.

ریسک نقدینگی عبارتست از: ریسک ناشی از فقدان نقدینگی لازم جهت پوشش تعهدات کوتاه مدت و خروجی­های غیر منتظره وجوه. در چنین شرایطی بانک مجبور به جذب منابع گران قیمت و یا نقد کردن سایر دارایی­های خود در زمان کمتر و با قیمتی بسیار پایین­تر از قیمت بازار آنها می­شود[33]. بانک­ها ریسک نقدینگی را به طور سیستماتیک و منظم از طریق تطابق نمودار سر رسید دارایی­ها و بدهی­های خود، به ویژه در زمان­هایی که سررسید آنها نزدیک است، از روی احتیاط و با نگهداری ذخایر نقد از قبیل: وجه نقد نزد سایر بانک­ها و اوراق بهادار دولتی قابل فروش در بازار، مدیریت می‌کنند. آنها ممکن است امکانات آماده و پشتیبانی متقابل بین بانکی را داشته باشند تا در صورت بروز مسائل نقدینگی، به صورت موقت متعهد پرداخت وام به یکدیگر باشند. در حالتی که کل بازار مالی تنش داشته باشد، معمولا‌ً امکان دریافت وام از آخرین پناهگاه یعنی بانک مرکزی، وجود دارد (هیچنس[34]،‌هاگ[35]، مالت[36]، 2001).

تغییرات نرخ بهره نیز نقش بسیار مهمی را در جریان پولی ناشی از عملیات بانکی مانند: اعطای تسهیلات و اخذ سپرده­ها ایفا می­کند. از ریسک ناشی از تغییرات نرخ بهره به عنوان ریسک نرخ بهره یاد می­شود. نوسانات نرخ بهره ارزش خالص دارایی­ها و سود ناشی از آن را تحت تأثیر قرار می­دهد بانک­ها جهت محدود کردن و کنترل ریسک ناشی از نوسانات نرخ بهره باید سیاست­های واضحی را اتخاذ کنند. سیستم اندازه­گیری ریسک نرخ بهره بانک­ها باید شامل تمامی منابع ریسک نرخ بهره بوده و برای ارزیابی تأثیر تغییرات نرخ بهره بر عایدات و ارزش اقتصادی بانک کافی باشد(دهقان، 1384).

سرمایه گذاری در بازار سهام و ارز، بخشی از فعالیت­های بانک­ها و مؤسسات مالی و اعتباری را تشکیل می­دهد. این امر باعث می­شود که بانک­ها با ریسک بازار که ناشی از تغییرات قیمت سهام و ارز است، مواجه شوند. کمیته بال ریسک بازار را ریسک مربوط به زیان­های ایجاد شده در اثر وضعیت اقلام داخل و خارج ترازنامه، ناشی از نوسانات بازار می‌داند. از دیدگاه بال ریسک بازار می­تواند ناشی از ریسک نرخ ارز[37] و ریسک بازار کالا[38] باشد (عبده تبریزی،1388).

تعاریف بسیار متنوعی از ریسک عملیاتی ارائه شده­است. کمیته بال ریسک عملیاتی را به عنوان ریسک ناشی از فرایندهای داخلی، افراد، سیستم و یا اتفاقات خارجی می‌داند. در برخی دیگر از تعاریف نیز گفته شده است که فقط زیان­های مستقیم حاصل از عملیات سازمان را در بر می‌گیرد، در صورتی که بسیاری از ریسک­های عملیاتی نتیجه غیرمستقیم انجام عملیات سازمان هستند که می­توان به انواع سرقت­ها و سوءاستفاده­ها مانند اختلاس اشاره کرد. برخی از عوامل ایجاد زیان عملیاتی عبارتند از: سرقت داخلی[39]، سرقت خارجی[40]، فرآیند سازمان در امور مربوط به استخدام کارکنان و ایمنی محیط کاری، فرآیندهای مرتبط با مشتریان، محصولات و کسب وکار، برای مثال تغییرات در مقررات، مطالبات، رضایت مشتری، دعاوی حقوقی و نظایر آن، آسیب به دارایی­های فیزیکی، برای مثال مواردی که طی آن دارایی­های آسیب دیده موجب ایجاد وقفه در امر تجارت شود. آسیب ممکن است به‌دلیل آتش‌سوزی، سیل یا زمین لرزه باشد. تغییرات در محیط تجاری و اشکالات و خطاهای سیستمی، برای مثال اشکال در سیستم، ویروس اینترنتی، داده­های نادرست، خطوط ارتباطی ضعیف و نظایر آن. مدیریت اجرا، تحولات و فرآیندها درون سازمان (همان).

2-2- ریسک اعتباری

ریسک اعتباری ریسکی است که از نُکول/قصور[41] طرف قرارداد، یا در حالتی کلی‌تر ریسکی که از «اتفاقی اعتباری» به وجود می‌آید. به طور تاریخی این ریسک معمولا در مورد اوراق قرضه واقع می‌شد، بدین صورت که قرض‌دهنده‌ها از بازپرداخت وامی که به قرض‌گیرنده داده بودند، بی اطمینانی داشتند. به همین خاطر گاهی اوقات ریسک اعتباری را «ریسک نکول» هم گویند.

ریسک اعتباری، ناشی از ناتوانی و یا عدم تمایل دریافت کننده تسهیلات در بازپرداخت تسهیلات می­باشد. این عدم عمل به تعهدات می­تواند ناشی از کسادی شرایط کسب و کار یا سایر وضعیت­هایی باشد که طرف قرارداد با آن مواجه است. به عبارت دیگر ریسک اعتباری عبارتست از احتمال اینکه بعضی از دارایی­های بانک، بویژه تسهیلات اعطایی از نظر ارزش کاهش یابد و یا بی­ارزش شود. با توجه به اینکه سرمایه بانک­ها نسبت به کل ارزش دارایی­های آنها کم است، حتی اگر درصد کمی از وام­های اعطایی، قابل وصول نباشد، بانک با خطر ورشکستگی روبرو خواهد شد.

فرآیند مدیریت ریسک اعتباری یعنی شناسایی، ارزیابی و تجزیه تحلیل و واکنش مناسب به ریسک اعتباری و نیز نظارت مستمر بر آنها با توجه به شرایط متغیر محیطی (اقتصادی، سیاسی، اجتماعی و تکنولوژیکی...) (مدرس و ذکاوت، 1386).

بحران­های مشاهده شده در نظام بانکی کشورها عمدتاً ناشی از عدم کارایی در مدیریت ریسک اعتباری بوده­است. تمرکز اعطای تسهیلات با حجم بالا به یک فرد، شرکت، گروه صنعتی و یا بخش اقتصادی خاص از عوامل افزایش دهنده این ریسک خواهد بود. مهمترین ابزاری که بانک­ها برای مدیریت و کنترل ریسک اعتباری به آن نیازمندند، سیستم رتبه بندی اعتباری مشتریان است. چنین سیستمی، مشتریان را  بر اساس میزان ریسکی که متوجه بانک خواهد نمود، رتبه­بندی می­کند. بدیهی است چنین سیستمی بانک را در گزینش مطلوب مشتریان اعتباری خود، یاری نموده و ضمن کنترل و کاهش ریسک اعتباری، سطح بهره­وری فرایند اعطای تسهیلات را ارتقا خواهد داد.(احمدی­زاده، 1385)

2-3- اعتبار سنجی

اعتبارسنجی به مفهوم ارزیابی و سنجش توان بازپرداخت متقاضیان اعتبار تسهیلات مالی و احتمال عدم بازپرداخت اعتبارات دریافتی از سوی آنها می‌باشد. اعتبارسنجی اظهارنظری رسمی ‌است که توسط مؤسسه‌های اعتبار ‌سنجی درباره اعتبار مشتریان حقیقی و حقوقی بانک­ها و موسسات مالی اعتباری مطرح می‌شود و امکان شناخت بیشتر را نسبت به وضعیت و توان مالی افراد جهت بازپرداخت تسهیلات دریافتی و دریافت خدمات بیشتر فراهم می‌کند. رتبه‌سنجی (تعیین رتبه اعتباری) در حقیقت بینش لازم جهت شناخت ریسک اعتباری مشتریان را برای یک بنگاه فراهم می‌سازد (مدرس،1386). مرحله اعتبارسنجی در بررسی اعتباری مشتریان، شناسایی عوامل اصلی اثرگذار بر ریسک اعتباری می­باشد.

اساس کار اعتبار سنجی بر مبنای داده کاوی بنیان نهاده شده است. در فرآیند اعتبار سنجی، مشتریان بر اساس شاخص‌ها و ویژگی‌های مختلفی مورد ارزیابی و رتبه بندی قرار می‌گیرند(فردحریری، 1387). این رتبه یا امتیاز در واقع نمایانگر اعتبار مالی مشتری است که بانک می‌تواند بر اساس آن نسبت به ارائه خدمات به مشتری خیلی سریع­تر و دقیق­تر تصمیم گیری کند.

در فعالیت‌های مالی همواره سود بیشتر همراه با ریسک بیشتر است و در چنین شرایطی پرتفوی اعتباری با نگاهی همزمان به دو مؤلفه سود و ریسک چیده می‌شود که علاوه بر پذیرش ریسک معقول، فرآیند اعطای تسهیلات با سودآوری مناسب همراه باشد. طراحی چنین پرتفویی مستلزم ایجاد موازنه میان توان ریسک­پذیری و سود انتظاری است. در چنین شرایطی سیستم رتبه بندی اعتباری مشتریان برای ایجاد چنین توازنی بین ریسک و سود، ضروری است و عدم وجود چنین سیستمی بی شک به وجود و شکل گیری یک پرتفوی اعتباری کارآمد و بهینه که تأمین کننده منافع مالی مؤسسات باشد، لطمه وارد خواهد نمود.

3- روش تحقیق

نوع روش تحقیق در این پژوهش از نظر هدف کاربردی و از نظر نحوه گردآوری داده‌ها، توصیفی پیمایشی می باشد. به منظور رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان، از اطلاعات مربوط به پرونده‌های 400 مورد از مشتریان اعتباری  بانک استفاده می­شود. جامعه آماری این تحقیق، اطلاعات تراکنشی و جمعیت­شناختی 400 نفر از مشتریان این بانک می­باشد که به صورت کاملاً تصادفی انتخاب شده­اند. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده­اند.

3-1- معرفی متغیرهای الگو

برای تعیین رتبه و امتیاز اعتباری، بایستی متغیرهای توضیحی موثر بر ریسک اعتباری مشتری که توانایی توضیح دهندگی متغیر وابسته را داشته باشند، شناسایی کرد. متغیر‌های مورد استفاده در الگو را می توان به دو گروه اصلی زیر تقسیم بندی نمود:

الف) متغیر‌های کمی:  اطلاعاتی که مشتریان برای گرفتن تسهیلات ارائه می‌دهند و در پرونده اعتباری آنها موجود است مثل نسبت جاری، نسبت آنی و نسبت مالکانه؛.

ب) متغیر‌های کیفی: شامل متغیرهایی از قبیل شخصیت قانونی متقاضی(حقیقی یا حقوقی)، نوع فعالیت اقتصادی، سابقه همکاری با بانک و مالکیت محل کار.

 فهرست متغیرهای مورد استفاده در الگو به همراه توضیحات مربوطه در جدول(1) نمایش داده شده اند[42].بر اساس اطلاعات پرونده‌های یاد شده، مشتریان را به دو گروه خوب (عدم نکول وام) و بد (نکول وام) تقسیم کرده و مبتنی بر مجموعه اطلاعات نمونه برای متغیرهای وابسته و مستقل، الگوهای اقتصاد سنجی  لاجیت و پروبیت را برآورد کرده و عملکرد آنها با شبکه عصبی  GMDHمقایسه می­شود.

 

جدول1: متغیرهای مورد استفاده در تحقیق

ردیف

متغیر

توضیحات

1

نوع وثیقه(سند رهنی = 1، سایر وثیقه­ها = 0)

یکی از عواملی که حسن نیت مشتری را در پایبندی به ایفای به موقع تعهدات خود نشان  می‌دهد، ارائه وثایق قابل ترهین و تضمینات متقاضی نزد مؤسسه می‌باشد. 

2

نوع مالکیت محل فعالیت(استیجاری = 1، سایر = 0).

متقاضیانی که طی سالهای متمادی در دفتر یا مرکز تجاری معتبر به لحاظ مالکیت و مکان آن مشغول فعالیت هستند، از رتبه و امتیاز اعتباری و صلاحیت عمومی بیشتری برخوردارند.

3

سابقه همکاری مشتریان با بانک

استمرار، تمرکز و تداوم فعالیت یک مشتری و سابقه آن نزد بانک، باعث آگاهی بیشتر از میزان و نحوه فعالیت‌ها وتوانایی­های وی از یک سو وکاهش ریسک­های آتی از سوی دیگر می­گردد.

4

سرمایه مشتری

ارزش و اهمیت شرکت­ها را از میزان سرمایه آنها  می­توان درک کرد. هر قدر سرمایه ثبت شده شرکت­ها بیشتر باشد، از اعتبار بالاتری جهت افتتاح حساب و دریافت تسهیلات برخوردار خواهند بود.

5

نسبت جاری

(بدهی جاری/ دارایی جاری). نسبت جاری نشان می‌دهد که دارایی جاری تا چه اندازه بدهی جاری را می‌پوشاند. نسبت مذکور را مقیاس نقدینگی در کوتاه مدت می‌دانند.

6

نسبت آنی

(بدهی جاری/ موجودی کالا -دارایی جاری)، این نسبت به وضوح نشان می‌دهد که آن قسمت از دارایی جاری که از لحاظ ارزش، ثبات بیشتری دارد و احتمال کاهش در آن کمتر است تا چه میزان می‌تواند پشتوانه طلبکاران کوتاه مدت قرار گیرد.

7

دارایی جاری به دارایی کل

این نسبت نشان دهنده دارایی جاری به دارایی کل می باشد.

8

گردش دارایی کل

(دارایی کل/ فروش)  این نسبت نشان می‌دهد چگونه دارایی‌های یک شرکت به منظور ایجاد در آمد فروش بکار گرفته شده است.

9

گردش سرمایه جاری

(سرمایه در گردش / فروش خالص) این نسبت نشان می‌دهد سرمایه در گردش چگونه در مسیر فروش به کار رفته است.  

10

نسبت بدهی

(دارایی کل/  بدهی کل). میزان وجوهی را نشان می‌دهد که به وسیله بدهی تأمین شده است.

11

نسبت مالکانه

(کل دارایی/  حقوق صاحبان سهام) این نسبت نشان دهنده این است که به طور کلی چه مقدار از دارایی‌ها به صاحبان سهام تعلق دارد و در تفسیر با نسبت کل بدهی‌ها ارتباط نزدیک دارد. این نسبت را می‌توان به نوعی مکمل نسبت­های نقدینگی دانست، زیرا نشانگر محل تأمین نقدینگی از نوع استقراض یا عدم استقراض است

3-2-  معرفی الگوی اقتصادسنجی و روش شبکه عصبی GMDH

به منظور مدلسازی عوامل تعیین کننده ریسک اعتباری از الگوهای اقتصاد سنجی متعارف لاجیت و پروبیت و روش‌های شبکه عصبی GMDH کمک خواهیم گرفت. در این بخش به معرفی این الگوها می پردازیم.

 

3-2-1- تابع لاجیت

مدل لاجیت یکی از مدل‌های رگرسیونی است که در حالتی که متغیر وابسته باینری یا موهومی باشد مورد استفاده قرار می‌گیرد. در این حالت Y به عنوان متغیر وابسته تنها می‌تواند مقادیر 0 (متناظر با بازپراخت به موقع وام توسط مشتری) و 1 (نکول در بازپرداخت) را اختیارکند. اگرمتغیرهای مستقل  X1i,… X ni عوامل تعیین کننده احتمال نکول باشند احتمال این که متغیر Y مقدار 1 را بپذیرد برابر است با:

(1)              

که در آن احتمال نکول مشتری و متغیرهای  تا عوامل تعیین کننده احتمال یاد شده می­باشند. این تابع را تابع توزیع تجمعی لوجستیک[43] می‌نامند. این تابع را می­توان به شکل زیر دوباره نویسی کرد:

 (2)                                              

                             

هم­­چنان که Zi بین ∞- تا ∞+ تغییر می‌کند Pi بین 0 و 1 مقادیر خود را اختیار خواهد کرد. در این رابطه Pi به طور غیر خطی به Zi (یعنی Xi) مربوط است. اما از تابع Pi ملاحظه می‌شود Pi نه تنها بر حسب X بلکه بر حسب β‌ها هم غیر خطی است. اما به راحتی می‌توان نشان داد که می‌توان معادله Pi را به صورت رابطه ای خطی بر حسب پارامترها تبدیل نمود:

(3)                                      

 

(4)                                      

 

حال به طور ساده  نسبت احتمال حادثه مورد نظر بر آلترناتیو آن است که در اینجا بیانگر میزان برتری احتمال وقوع حادثه بر عدم آن می‌