Abstract:
هدف اصلی این مطالعه، شناسایی عوامل مؤثر بر ریسک اعتباری شرکتهای دانشبنیان مستقر در پارکهای علم و فنآوری استان سمنان و ارائه مدل مناسب برای سنجش ریسک اعتباری آنها است. جامعه آماری تحقیق شامل تمامی ۶۸ شرکت دانشبنیان استان سمنان است که طی سالهای ۱۳۹۵، ۱۳۹۶ و ۱۳۹۷ در پارکهای علم و فنآوری استان سمنان مشغول فعالیت بودهاند. برای این منظور، مدل رگرسیون لاجیت با متغیر وابسته کیفی صفر برای شرکتهای فاقد معوق (فاقد ریسک) و یک برای شرکتهای دارای معوق (دارای ریسک) با ۶ متغیر توضیحی شامل متغیرهای نسبت تمرکز، سابقه شرکت، نوع وثایق، سابقه اخذ وام، سابقه چک برگشتی و سودآوری پیشنهاد و معرفی گردید. منبع جمعآوری دادههای متغیر وابسته و متغیرهای توضیحی به جز نسبت تمرکز، سامانه استعلام یکپارچه بانک مرکزی است. همچنین برای محاسبه متغیر نسبت تمرکز، با استفاده از ریز دادههای بخش صنعت ایران در سالهای مورد مطالعه، نسبت تمرکز ۵ بنگاهی بر حسب اشتغال به تفکیک کدهای دورقمی صنایع (ISIC) با برازش الگوی پارامتریکی لگنرمال برآورد و ساختار صنعت شناسایی و سپس جایگاه شرکتهای مورد مطالعه در این ساختار مشخص گردید. در نهایت به کمک نرمافزار Eviews تمامی متغیرها وارد مدل و برازش صورت گرفت. طبق نتایج حاصل، متغیرهای نسبت تمرکز، نوع وثیقه ملکی و سودآوری به ترتیب دارای اثر منفی و معنیدار بر ریسک اعتباری هستند؛ یعنی با افزایش هر یک از این متغیرها، با فرض ثابت ماندن سایر متغیرها، احتمال معوق شدن تسهیلات یا ریسک اعتباری کاهش مییابد. همچنین به ترتیب متغیرهای سابقه چکهای برگشتی، سابقه اخذ وام و سابقه شرکت با اثر مثبت و معنادار، بیشترین تأثیر را در افزایش ریسک اعتباری دارند. از مجموع ۶۸ شرکت دانشبنیان در استان سمنان، تعداد ۴۵ شرکت در ساختار رقابت انحصاری، ۲ شرکت در ساختار انحصار چندجانبه و ۲۱ شرکت در ساختار رقابت کامل جای دارند.
The main purpose of this study is to identify and investigate the factors affecting the credit risk of knowledge-based companies located in Science and Technology Parks of Semnan province and to present an appropriate model. The statistical population of the study includes all 68 knowledge-based companies of Semnan province that have been active in Science and Technology Parks of Semnan province during 2016, 2017 and 2018. For this purpose, the logit Regression Model with a qualitative dependent variable with zero value for non-deferred companies (risk-free) and one for companies with deferred (risky) with 6 explanatory variables including variables of concentration ratio, company history, type of documents, history of borrowing, history of returned checks and profitability were proposed and introduced. The source of data collection of dependent variable and explanatory variables, other than the concentration ratio, is the integrated inquiry system of Central Bank. Also, to calculate the concentration ratio variable, using the microdata of Iran's industrial sector in the years under study, the concentration ratio of 5 firms in terms of employment by two-digit industry codes (ISIC) was estimated by fitting the lognormal parametric model. Then, the structure of the industry was identified and the position of the studied companies in this structure was determined. Finally, with the help of Eviews software, all variables were entered into the model and fitted. According to the results, the variables of concentration ratio, type of collateral and profitability have a significant negative effect on credit risk; That is, by increasing each of these variables, assuming the other variables remain constant, the probability of facility deferral or credit risk decreases. Also, the variables of returned checks history, borrowing history and company history with a positive and significant effect, have the greatest impact on increasing credit risk. Out of 68 knowledge-based companies in Semnan province, 45 companies are in the structure of monopoly competition, 2 companies are in the structure of multilateral monopoly and 21 companies are in the structure of full competition.
Machine summary:
از طرفي با توجه به اين که تاکنون مطالعه اي پيرامون شناسايي عوامل مؤثر بر ريسک اعتباري شرکت هاي دانش بنيان فعال در پارکهاي علم و فن آوري ايران که پرداخت کننده تسهيلات ارزان قيمت به اين شرکت ها هستند و در سال هاي اخير با ريسک عدم پرداخت تسهيلات يا همان ريسک اعتباري مواجه شده اند صورت نگرفته است ، پژوهش حاضر ميتواند براي پوشش اين شکاف تحقيقاتي مفيد باشد و از طرف ديگر استفاده از متغير توضيحي نسبت تمرکز براي بررسي و نشان دادن تأثير آن بر ريسک اعتباري در تحقيق مشابه ديگري استفاده نشده است و به نوعي به کارگيري اين متغير در مدل پيشنهادي ميتواند داراي جنبه نوآوري باشد و در صورت اثبات معني داري آن در مدل در آينده مورد مطالعه گسترده تر قرار گيرد.
براي اين منظور تعدادي متغير کمي و کيفي با مطالعه منابع متعدد نظري و نيز بااستفاده از نظرات متخصصان حوزه هاي دانشگاهي، مالي و صنعتي شامل نسبت تمرکز، نسبت تشکيل سرمايه در صنعت ، سابقه شرکت ، سابقه اخذ وام ، سابقه چک برگشتي، نوع وثايق ، سودآوري، نوع شرکت هاي دانش بنيان و وضعيت مالکيت آن ها شناسايي و با جمع آوري داده هاي خام آن ها از منابع مربوط ، در خصوص بررسي تأثير آن ها روي ريسک اعتباري مطالعه صورت ميگيرد.
Credit Risk Analysis Applying Logistic Regression, Neural Networks and Genetic Algorithms Models, International Journal of ijaers whatsapp Advanced Engineering Research and Science..