چکیده:
طراحی و استقرار مدل اندازهگیری ریسک اعتباری در نظام بانکی نقش کارآمدی در
راستای بالا بردن بهرهوری بانکهای کشور در تخصیص بهینه منابع خواهد داشت.در این
مقاله تلاش شد تا کارآیی مدلهای احتمالی، خطی، لجستیک و شبکههای عصبی مصنوعی برای
پیشبینی ریسک اعتباری مشتریان نظام بانکی کشور، مورد بررسی قرار گیرد.متغیرهای
پیشبینیکننده در این مدلها، نسبتهای مالی وامگیرندگان بوده که معنیداری
ارتباط آنها با ریسک اعتباری از آزمونهای آماری مناسب تأیید شد.با استفاده از
دادههای مالی و اعتباری 316 نفر از مشتریان حقوقی بانکهای کشور مدلهای یاد شده
طراحی و مورد آزمون کارآیی قرار گرفت.نتیجههای به دست آمده بیانگر این است که
ارتباط بین متغیرها در مدل پیشبینی ریسک اعتباری به صورت خطی نبوده و تابعهای
نمایی و سیگموئید مناسبترین مدلهای پیشبینی ریسک اعتباری محسوب میشوند.بیشترین
کارآیی برای پیشبینی ریسک اعتباری به ترتیب مربوط به شبکههای عصبی مصنوعی و مدل
لجستیک میباشد.
خلاصه ماشینی:
"موضوعهای این بخش در برگیرنده، فرضیهها، روش پژوهش، جامعه آماری، شیوههیا نمونهگیری، روشهای تحلیل آماری و آزمون فرضیات میباشد و در نهایت در بخش پایانی مقاله، یافتههای پژوهش و پیشنهادها برای استقرار سیستم اندازهگیری و مدیریت ریسک اعتباری در نظام بانکی کشور ارائه شده است.
در این پژوهش از مدل احتمال خطی برای پیشبینی ریسک اعتباری(احتمال عدم بازپرداخت وام)مشتریان استفاده شده است(ابریشمی، 1381).
نتایج آزمون فرضیهی پنجم برای آزمون این فرضیه که بین نوع صنعت و درجهی ریسک اعتباری مشتریان(نرخ عدم بازپرداخت وامها) رابطهی معنیداری وجود دارد، از روش تحلیل واریانس استفاده شد.
مدل لجستیک طراحی شده برای پیشبینی ریسک اعتباری، براساس ضرایب نسبتهای مالی(متغیرهای مستقل)به صورت زیر تعریف میشود: (به تصویر صفحه مراجعه شود) حدود مقدار z با استفاده از دادههای آماری به شرح زیر میباشد: براساس مدل برازش شده، احتمال رخداد عدم بازپرداخت وام از سوی مشتری نوعی به صورت زیر محاسبه میشود: همچنین نتایج آزمون کارآیی مدل لجستیک حاکی از کارآیی بالای مدل در پیشبینی ریسک اعتباری است.
درحالیکه نتایج پژوهش حاضر نشاندهندهی این واقعیت است که امکان پیشبینی ریسک اعتباری مشتریان در هنگام اعطای تسهیلات اعتباری از راه مختصات مشتریان به عنوان متغیرهای پیشبین و استفاده آنها در مدلهای آماری و شبکههای عصبی وجود دارد.
نتایج حاکی از این است که در بین سه مدل طراحی شده، به ترتیب مدل شبکه پرسپترون و مدل لجستیک از کارآیی بالایی برای پیشبینی ریسک اعتباری مشتریان(یعنی پیشبینی احتمال عدم بازپرداخت مشتریان)برخوردار هستند.
در این مقاله نیز شبکهی پرسپترون دو لایه برای پیشبینی (به تصویر صفحه مراجعه شود) ریسک اعتباری مورد استفاده قرار گرفته و مشخص شد، قدرت پیشبینی این مدل نسبت به سایر مدلها بالاتر است."