نقش متغیرهای مالی و شخصیتی در ریسک عدم بازپرداخت تسهیلات مشتریان حقوقی بانکها …

این تحقیق همچنین نشان می دهد که استفاده از روشهای پارامتریک به منظور استنتاج کردن احتمالات قصور از مقیاسهای اعتباری ممکن است منجر به یک تخمین بیش از حد یا تخمین کمتر از واقع نیازهای سرمایه ای نسبت به استفاده از رتبه های قصور ( باز پس ندادن وام های گرفته شده) دسته رتبه بندی اعتباری می شود.
وایت لورنس در مقاله ای تحت عنوان
The Credit Rating industry : an Industrial organization analysis.
در راستای طرح پیشنهادی کمیته بال در نظارت بر رتبه بندی اعتبار ی وام گیرندگان به چگونگی رتبه بندی واحدهای صنعتی پرداخته است. این مقاله بیشتر در چارچوب مشخص صنعتی کشور آمریکا و قانون مبادله وامنیت به بررسی پرداخته و چارچوب قانونی را در رتبه بندی مورد نقد قرار داده است. در واقع موانع وتسهیل کنندگان رتبه بندی را ارزیابی نموده و راه کارهایی را بر مبنای آن پیشنهاد نموده است.
۴- تحقیق دیگری مربوط به دین تای هوین و استفانی کلایمبر در دانشگاه ماستریخت باعنوان رتبه بندی اعتباری برای مشتریان خرد برای بانک های ویتنام در سال ۲۰۱۰ که در این تحقیق با استفاده از روش لاجیت مدلی پایه گذاری کردند. در این تحقیق نتیجه گیری شد که متغیرهای تاثیر گذار درکشورهای درحال توسعه همان متغیرهای موثر در بانک های کشورهای توسعه یافته هستند که البته شدت وضعف تاثیر هر متغیر ممکن است متفاوت باشد نتیجه گیری جالب این تحقیق این است که در کشورهای درحال توسعه بدلیل ماهیت اقتصاد این کشورها که دائماً در حال تغییرند مدل های اعتباری نیز باید پس از هر چند سال بازنگری و با شرایط روز تطبیق داده شوند.
۲-۱۹-۲) مطالعات داخلی :
یکی ازمطالعات داخلی در این زمینه مقاله ای تحت عنوان اعتبار سنجی مشتریان حقیقی در سیستم بانکی کشور می باشد که توسط محمد جلیلی ،محمد خدایی و مهدیه کنشلو به رشته تحریر در آمده و درسال ۱۳۸۹ در فصلنامه مطالعات کمی در مدیریت دانشگاه آزاد ابهر به چاپ رسیده است.در این تحقیق با توضیح این نکته که از جمله مخاطرات پیش روی بانکها شامل ریسک بازار،ریسک نقدینگی،ریسک اعتباری و ریسک تجاری می باشد و از میان این ریسکها، ریسک اعتباری از اهمیت بیشتری برای مدیران بانکها برخوردار است. از آنجایی که ریسک اعتباری جزئی ذاتی و لاینفک از فعالیتهای بانکداری می باشد و با توجه به این نکته که منابع مالی و تسهیلات اعطایی بانکها محدود می باشد، ارزیابی توان بازپرداخت مشتریان پیش از اعطای تسهیلات، یکی از مهمترین چالشهای بانکها محسوب می شود.لذا در این تحقیق نسبت به بررسی و تاثیر ویژگیهای کیفی و کمی مشتریان از قبیل سن،جنسیت،شغل،نوع وام و … را بر وضعیت اعتباری(خوش حسابی و بد حسابی)مشتریان اندازه گیری می کند.نتایج حاصل از این تحقیق نشان داد که متغیرهای سن و تحصیلات بر روی وضعیت اعتباری مشتریان تاثیری نداشته و از مدل حذف شدند ولی سایر متغیرهای مستقل بر وضعیت اعتباری مشتریان تاثیر معناداری دارد.در این تحقیق از مدل رگرسیون لوجستیک برای تحلیل داده ها اسفاده شد.نتایج تحقیق نشان داد این مدل از پیش بینی خوبی برخوردار است.
از کارهای مهم داخلی در این زمینه، پژوهش آقای میر فیض فلاح شمس با عنوان طراحی و تبیین مدل ریسک اعتباری در نظام بانکی کشور می باشد. محقق در تحقیق خود سعی نموده است که کارائی مدل های مختلف از جمله احتمال خطی، لوجستیک و شبکه های عصبی مصنوعی را برای پیش بینی ریسک اعتباری مورد بررسی قرار دهد. متغیرهای پیش بینی در این مدل ها عمدتاً نسبت های مالی وام گیرندگان بوده است. این تحقیق از آنجا که چارچوبی از اندازه گیری ریسک و همچنین متدلوژی ریسک اعتباری در نظام بانکی کشور را ارائه نموده است بسیار حائز اهمیت می باشد.
محقق دراین تحقیق با استفاده از اطلاعات مالی و اعتباری ۳۱۶ نفر از دریافت کنندگان اعتبار،
مدل را مورد آزمون قرار داده و نتیجه گرفته است که توابع نمایی و سیگموئید مناسب ترین مدل های پیش بینی ریسک اعتباری محسوب می گردند.
جامعهآماری مورد مطالعه کلیه مشتریان اعتباری در شبکه بانکی کشور که از بانک ها
تسهیلات اعتباری دریافت نموده اند می باشد که برای نمونه آماری شعب بانک ها بصورت
تصادفی ساده انتخاب و با استفاده از روش نمونه گیری طبقه ای تعداد ۳۱۶ نفر از این
دریافت کنندگان تسهیلات طی سالهای ۷۷ تا ۸۲ انتخاب شده اند.
لازم به ذکر است محقق از حساسیت مسئولین بانک ها در ارائه اطلاعات اعتباری مشتریان و
ناکافی بودن اطلاعات به عنوان محدودیت تحقیق یاد کرده است. داده های مورد استفاده
برای طراحی مدل شامل نوع وام، تعداد کل اقساط، اقساط معوقه و اطلاعات مالی مشتریان
اعتباری بانک ها بوده است.
در بخش یافته های تحقیق نتایج آزمون فرضیات به شرح ذیل اعلام شده است :
در سطح اطمینان ۹۵% مشخص شد که بین نوسانات نرخ ارز و ریسک اعتباری مشتریان
بانک ها ارتباط مستقیمی وجود دارد. ضریب همبستگی محاسبه شده طی سالهای ۷۹ تا ۸۰
برای کلیه وام ها ۷۴ درصد و برای وام های ارزی ۹۴ درصد بوده است.
در سطح اطمینان ۹۵% نتیجه گرفته است که ارتباط منطقی بین ریسک و نرخ سود
تسهیلات اعتباری بانک های کشور وجود ندارد ضریب همبستگی بین نرخ سود و نرخ عدم
بازپرداخت تسهیلات برابر با ۳۶ درصد اعلام شده است . در سطح اطمینان ۹۹/۰ اعلام نموده است که بین زمان سررسید وام ها و نرخ عدم بازپرداخت رابطه مستقیمی وجود دارد.
در سطح اطمینان ۹۵ درصد مشخص

دانلود کامل پایان نامه در سایت pifo.ir موجود است.

شده است که بین نسبت های مالی با نرخ عدم
بازپرداخت تسهیلات ارتباط معنی داری وجود دارد. بیشترین همبستگی مربوط به نسبت های
سود آوری ( بین ۸۹ تا ۹۳ درصد) و سپس مربوط به نسبت های نقدینگی ( حدود ۷۰درصد)
است ارتباط بین نسبت های سود آوری و نقدینگی با نرخ عدم بازپرداخت معکوس است در حالی
که ارتباط بین نسبت های اهرمی و نرخ عدم باز پرداخت مستقیم است. با اطمینان ۹۵ درصد
اعلام شده است که میانگین ریسک اعتباری در کلیه منابع یکسان نخواهد بود.
مدل احتمال خطی در پیش بینی ریسک اعتباری ضعیف است . مدل لوجستیک برای پیش
بینی ریسک اعتباری مدلی موثر و کار آمد است. مدل شبکه عصبی پرسپترون چند لایه در پیش بینی ریسک اعتباری از کارایی خوبی برخوردار است.
پایان نامه دکترای مدیریت دولتی، توسط آقای احمد ودادی که در دانشگاه آزاد اسلامی واحد علوم و تحقیقات با عنوان بررسی رفتار اعتباری مشتریان تسهیلات مصرفی با استفاده از شبکه های عصبی امتیاز بندی اعتباری دیگر تحقیق داخلی است که :
جامعه آماری آن متشکل از پرونده اعتباری مشتریان بانک صادرات در سال ۷۹ تا ۸۴ و در مورد تسهیلات قرض الحسنه ازدواج است. نمونه آزمایشی ونمونه آموزش باتوجه به مبانی نظری ویژگی های جامعه آماری انتخاب شده اند.
افراد مورد بررسی به صورت تصادفی از میان وام گیرندگان انتخاب شده اند تعدادی از داده ها به عنوان یادگیری تعدادی به عنوان آزمون و تعدادی نیز به عنوان پیش بینی کننده در نظر گرفته شده اند.
با استفاده از نرم افزار Neurusolution که قابلیت رتبه بندی مشتریان را دارد و می تواند از توانایی های شبکه های عصبی استفاده کند، مسئله بررسی شده است. پرونده اعتباری مشتریان تسهیلاتی حوزه غرب تهران شامل نمونه آزمایشی و آموزشی است . مراحل زیر برای طراحی و اجرای مدل شبکه عصبی انجام گرفته است :
 
آماده سازی داده ها و پیش پردازش های لازم
طراحی شبکه
نهایی کردن و آموزش مدل
اجزای مدل