14917

14917

ارزيابي ريسك اعتباري مشتريان حقوقي بانك آينده با دو رهيافت رگرسيون لاجيت و شبكه هاي عصبي

كارشناسي ارشد

صنايع

مهرماه1394

مهرماه1394

دكترسعيد ميرزامحمدي

دكتر فرناز برزين پور

صنايع

چكيده امروزه با گسترش دامنه فعاليت¬هاي مالي و پديد¬آمدن انواع بحران¬هاي اقتصادي، بانكها و موسسات مالي را با ريسك¬هاي گوناگوني مواجه كرده¬است.يكي از مهمترين ريسك¬هاي شناسايي شده ريسك اعتباري بوده و ريسك اعتباري عبارت است از احتمال اينكه بعضي از دارايي¬هاي بانك، بويژه اعتبارات اعطايي از نظر ارزش كاهش يابد و يا بيارزش شود، بعبارت ديگر ريسك اعتباري ريسكياست كه از نكول يا قصورطرف قراردادمي باشد.اين ريسك¬ها به ترتيب از تغييرات غيرمنتظره در زمينه توانايي وام¬گيرندگان در بازپرداخت تعهدات خود، نوسان نرخ¬بهره و عدم كفايت نقدينگي پديد ميآيد.اين پژوهش با هدف ارزيابي ريسك اعتباري مشتريان حقوقي بانك آينده بوسيله دو مدل رگرسيون لاجيت و شبكه عصبي با الگوريتم GMDH و انتخاب مدل بهينه انجام شده¬است. بدين¬منظور تعداد100 پرونده از مشتريان حقوقي بانك مذكور به صورت نمونه¬گيري تصادفي انتخاب و 20 متغير شامل متغيرهاي كيفي و اطلاعات مالي شركت¬ها از آنها استخراج گرديد. براي مدلسازي توسط رگرسيون لاجيت ابتدا 20 متغير براي تخمين وارد مدل شدند و با حذف متغيرهايي كه در سطح اطمينان95 درصد معني¬دار نبودند، در نهايت 8 متغيرمستقل بعنوان متغيرهاي تاثيرگذار توسط اين مدل شناسايي و مدل بهينه نهايي با آنها تخمين زده شد و دلالت بر ارتباط معكوس سابقه فعاليت شركت نزد بانك و همچنين سرمايه شركت¬ها، با ريسك نكول تسهيلات داشت.در ادامه و با توجه به قابليت مدل شبكه عصبي در تفكيك متغيرهاي موثر و كم اثر، تمامي 20متغير مستقل وارد مدل شدند و با تخمين انجام شده 12 متغير بعنوان عوامل با تاثير بيشتر شناسايي گرديد و با مقايسه نتايج حاصل از دو مدل دقت مدل شبكه عصبي با الگوريتمGMDH بيشتر از مدل لاجيت مشخص و تبيين گرديد. واژگان كليدي:ريسك اعتباري، اعتبارسنجي، نكول تسهيلات، اقتصاد سنجي، شبكه عصبي GMDH