چکیده:
احتمال نکول مشتریان اعتباری بانک ها اصلی ترین جزء برای ارزیابی ریسک اعتباری مبتنی بر توافقنامه بال 2 است. در این تحقیق، به منظور تخمین احتمال نکول، ابتدا مدل امتیازدهی اعتباری لاجیت با استفاده از اطلاعات شخصیتی، اعتباری و شغلی مندرج در پرونده های اعتباری 1343 نفر از مشتریان یکی از بانک های خصوصی کشور طی دوره زمانی 1391 تا 1392 برآورد گردید. سوابق اعتباری مشتریان به عنوان مهم ترین عامل تاثیرگذار بر احتمال نکول آنها شناسایی گردید. آماره ROC مدل برابر 71.1 درصد شد که حاکی از قدرت تمیز مناسب مدل است. با استفاده از الگوریتم K-میانگین امتیازات اعتباری مشتریان خوشه بندی و به هفت رتبه اعتباری طبقه بندی شدند. در مرحله بعد، با استفاده از روش فراوانی نکول تاریخی احتمال نکول متناظر با هر یک از رتبه های اعتباری برآورد گردید. درنهایت صحت احتمال نکول برآورد شده از طریق آزمون کالیبریشن و با استفاده از داده های 327 پرونده اعتباری در سال 1393 مورد تائید قرار گرفت. بدون تردید، تطبیق با توافقنامه های بین المللی حوزه بانک داری ضرورتی اجتناب ناپذیر است. نتایج مطالعه حاضر می تواند مبنای پیشنهادی به بانک های کشور برای تخمین احتمال نکول مشتریان و پیاده سازی توافقنامه بال 2 در حوزه مدیریت ریسک اعتباری باشد.
خلاصه ماشینی:
در اين تحقيق ، به منظور تخمين احتمال نکول ، ابتدا مدل امتيازدهي اعتباري لاجيت با استفاده از اطلاعات شخصيتي ، اعتباري و شغلي مندرج در پرونده هاي اعتباري ۱۳۴۳ نفر از مشتريان يکي از بانک هاي خصوصي کشور طي دوره زماني ۱۳۹۱ تا ۱۳۹۲ برآورد گرديد.
نتايج مطالعه حاضر مي تواند مبناي پيشنهادي به بانک هاي کشور براي تخمين احتمال نکول مشتريان و پياده سازي توافقنامه بال ۲ در حوزه مديريت ريسک اعتباري باشد.
نکته حائز اهميت آن است که کليه فرايند مدل سازي ريسک اعتباري نظير تخمين احتمال نکول مشتريان بايد تحت ضوابط خاص تعيين شده در توافقنامه بال ۲ انجام گيرد و ناظران بانکي مسئول نظارت بر اجراي اين ضوابط هستند.
حال سؤال اساسي اين است که شيوه هاي مورد تائيد براي تخمين مدل هاي امتيازدهي اعتباري ، آزمون اعتبار مدل ها و درنهايت تخمين احتمال نکول کدام اند؟ در اين مطالعه ، ضمن لحاظ نمودن الزامات توافقنامه بال ۲ مدلي براي تخمين احتمال نکول مشتريان حقيقي يکي از بانک هاي خصوصي که تسهيلات کمتر از مبلغ ۵۰۰ ميليون ريال دريافت نموده اند ارائه مي شود.
مفروضات اين مدل به شرح ذيل است : ۱) درصد تغييري که در ارزش دارايي هاي قرض گيرنده i ام (Zi) رخ خواهد داد به صورت ذيل فرض مي شود: به تصویر صفحه مراجعه شود يعني ترکيب خطي از دو جزء: عامل Z که با سيکل هاي تجاري همبستگي دارد (و بنابراين همه قرض گيرندگان را به يک شکل تحت تأثير قرار مي دهد) و عامل εi که فقط به ريسک منحصربه فرد قرض گيرنده بستگي دارد.
1 Milligan & Cooper 2 Calinski & Harabasz ۳.
Statistical Classification Methods in Consumer Credit Scoring: A Review.
Bank Lending Policy, Credit Scoring and Value-at-Risk.