پایان نامه ارشد درباره ریسک اعتباری، رتبه بندی، شبکه های عصبی

دانلود پایان نامه ارشد

برای ارزیابی مشتریان به طور عمده ذهنی15 و مبتنی بر دیدگاه مسئولین بودند. رتبه بندی اعتباری هم در واقع روشی برای شناسایی و موافقت با اعطای وام به متقاضیان با ریسک پایین و اجتناب از اعطای وام به متقاضیان با ریسک بالا از طریق رتبه بندی آنها می باشد.
امروزه در صنعت اعتباری، شبکه های عصبی تبدیل به یکی از دقیق ترین ابزار آنالیز اعتبار در میان سایر ابزار شده است. دیسای و همکارانش16 در سال 1996 به بررسی توانایی های شبکه های عصبی و تکنیکهای آماری متداول نظیر آنالیز ممیزی خطی17 و آنالیز رگرسیون خطی18 در ساخت مدلهای امتیازدهی اعتباری پرداخته اند (دیسای ،1996، 24-37). همچنین وست19 در سال 2000 به بررسی مدلهای کمی پرداخت. نتایج بدست آمده بیانگر این بود که شبکه های عصبی قادر به بهبود دقت امتیازدهی می باشند. آنان همچنان بیان کردند که آنالیز رگرسیون خطی جایگزین بسیار خوبی برای شبکه های عصبی است. در حالیکه درخت تصمیم و مدل نزدیکترین همسایه و آنالیز ممیزی خطی نتایج نوید بخش و دلگرم کننده ای ایجاد نکردند. (وست،2000، 1131-1152).
رتبه بندي اعتبار به طور اساسي يك راه تشخيص تفاوت‌هاي گروه‌ها در يك جمعيت است. ايده جدا كردن گروهها در يك جمعيت در آمار به وسيله فيشر در سال 1963 معرفي گرديد. (توماس20،2000، 16).
دانهم21 در سال 1938 اولين سيستم ارزيابي تقاضا نامه‌هاي اعتباري را با بكارگيري پنج معيار زير توسعه داد.(آلتمن،2000، 16)
1ـ موقعيت22
2ـ درآمد23
3ـ وضعيت مالي
4ـ ضامن يا وثيقه24
5ـ اطلاعات بازپرداخت وام از بانك‌ها25
دانهم استدلال كرد كه اهميت معيارهاي مختلف بايد براساس تجربه مشخص گردد.
با آمدن كارت‌هاي اعتباري در اواخر 1960 اهميت رتبه بندي اعتباري براي بانك‌ها و ديگر ارائه كنندگان كارت‌هاي اعتباري نمايان شد. وقتي اين سازمان‌ها رتبه بندي اعتبار را به كار بردند دريافتند كه اين كار از هر تدبير قضاوتي مفيدتر است، زيرا نرخ اشتباه به ميزان 50 درصد يا بيشتر پايين آمده بود.
بوكس26 در سال 1967 اولين فردي بود كه استفاده از پس زمينه كامپيوتر براي استفاده از مجموعه بزرگي از داده‌ها را معرفي كرده همچنين او سعي در تركيب ابزارهاي آماري چند متغيره را داشت. اتفاقي كه پذيرش كامل رتبه بندي اعتبار را تضمين كرد تصويب قانون فرصت برابر اعتبار27 در آمريكا در سال‌هاي 1975 و 1976 بود.
پيشرفت در محاسبات اجازه داد تا سعي شود تكنيك‌هاي ديگري براي ساختن كارت امتياز به كار رود. در حال حاضر با به كارگيري تكنيك‌هاي هوش مصنوعي مانند سيستم‌هاي خبره و شبكه‌هاي عصبي و الگوريتم ژنتيك تأكيد بر روي تغيير واقع بينانه از سعي در حداقل كردن شانس يك مشتري در درخواست ناجور (ريسك بالا)‌ در مورد يك محصول خاص به تحقيق در مورد اينكه چگونه شركت مي‌تواند سود خود را از آن مشتري ماكزيمم كند رخ داده است.(توماس،2000، 17)

2-3-1: مدلهای امتیازدهی اعتباری
روشهای امتیازدهی اعتباری به دو صورت کمی و کیفی انجام می شود. در تحلیل کیفی، امتیازدهی اعتباری ارتباط نزدیکی با توانایی و قابلیت تجزیه و تحلیل مسئولین بخش اعتباری دارد. لیکن در تحلیل کمی، تعیین احتمال عدم بازگشت اصل و سود تسهیلات از طریق تابع توزیع آن امکان پذیر است.
اکثر الگوهای کمی ریسک اعتباری، چارچوب معنایی مشابهی دارند، اما اختلافاتی که در اجرای این مدل ها بوجود می آید، ناشی از شیوه برآورد پارامترهای اصلی از اطلاعات موجود است. به طور کلی روشهای آماری و ریاضی اندازه گیری ریسک اعتباری را می توان به دو گروه عمده زیر تقسیم کرد :
الف) مدل‌هاي رتبه‌بندي اعتباري پارامتريك
ـ مدل احتمالي خطي28
ـ مدل‌ لجیت و پروبيت29
ـ مدل‌هاي مبتني بر آناليز مميزي30
ـ شبكه‌هاي عصبي
ب) مدل‌هاي رتبه بندي اعتباري ناپارامتريك
ـ برنامه ريزي رياضي31
ـ درخت دسته بندي (الگوريتم تقسيم بندي بازگشتي)
ـ مدل نزديكترين همسايه32
ـ فرآيند تجزيه و تحليل سلسله مراتبي33
ـ سيستم‌هاي خبره34
ـ الگوریتم ژنتیک35
2-3-2: ضرورت امتیازدهی اعتباری مشتریان
امتیازدهی اعتباری برای بانکها این امکان را فراهم می آورند که ریسک اعتباری را اندازه گیری نموده و آن را متناسب با پورتفوی اعتباری اداره کنند. بدین مفهوم که اکسپوژر36 (ریسک قابل مشاهده و محاسبه) بانک را در رابطه با انواع ریسک تعدیل و اصلاح نمایند. این مطلب را می توان با رابطه یک توضیح داد :
رابطه 2-1 : محاسبه زیان مورد انتظار
(احتمال عدم بازپرداخت) * (نرخ زیان در صورت عدم بازپرداخت) * (مبلغ در معرض ریسک) = زیان مورد انتظار
در این رابطه نرخ زیان (عدد یک منهای سهم درصدی از وام که بوسیله تضمین پوشش داده شده است) و مبلغ در معرض خطر (میزان وام) معمولاً معلوم و احتمال عدم بازپرداخت مجهول میباشد. سیستم امتیازدهی می بایست قابلیت برآورد احتمال عدم بازپرداخت را داشته باشد. مهمترین ابزاری که بانکها برای مدیریت و کنترل ریسک اعتباری به آن نیاز دارند، سیستم امتیازدهی اعتباری مشتریان است. بدیهی است وجود چنین سیستمی بانک را در گزینش مطلوب مشتریان اعتباری خود یاری نموده و ضمن کنترل و کاهش ریسک اعتباری، سطح بهره وری فرآیند اعطای تسهیلات بانکی را ارتقاء خواهد داد.
2-3-3: اهمیت رتبه بندی اعتباری مشتریان
ریسک اعتباری به عنوان اصلی ترین علت ورشکستگی بانکها محسوب می شود. اساس عملکرد صحیح مدیریت ریسک اعتباری بانکها و مؤسسات اعتباری به شناسایی عوامل ذاتی ریسک در عملیات وام دهی بستگی خواهد داشت. بانکها با استقرار سیستم مدیریت ریسک اعتباری مناسب میتوانند تدابیر لازم را برای حذف و یا کاهش ریسک اعتباری اتخاذ نمایند. در این راستا بانکها با طبقه بندی اعتبارات و عدم پذیرش وام ها و اعتبارات نامناسب، خود را از پذیرش ریسک اضافی مصون می دارند. بدون تبعیت از یک سیستم مدیریت ریسک اعتباری مناسب، تأثیر زیان عملیات بانکی غیر قابل پیش بینی خواهد بود. از این رو یک سیستم رتبه بندی اعتباری مشتریان در حالت مناسب و کارآمد، می تواند در شناسایی، اندازه گیری و مدیریت بر ریسک اعتباری یاری نماید.(راعی، فلاح پور،1387، 17-34)

2-3-4: معیارهای رتبه بندی اعتباری مشتریان
الف) معیار C5 : این معیار به طور خلاصه به شرح زیر است :
1. شخصیت37 : شامل بررسی تعهدپذیری، اعتبار متقاضی و بررسی صحت عمل وی در عملیات مالی و فعالیتهای گذشته
2. ظرفیت : توان مدیریت و ظرفیتهای تجاری متقاضی، ظرفیت درآمدی شامل قدرت کسب سود و درآمدزایی
3. سرمایه38 : بررسی سرمایه و صورتهای مالی متقاضی
4. وثیقه39 : پیش بینی وثیقه ها یا ابزارهایی که می توان در زمان دریافت اعتبار یا تسهیلات، به عنوان پوشش در اختیار مؤسسه مالی یا بانک قرار داد.
5. شرایط40 : بررسی شرایط سیاسی، اقتصادی و اجتماعی و عوامل بیرونی که بسته به نوع فعالیت شرکت، از حیطه اختیار متقاضی خارج است و کنترلی بر آن نمی تواند داشته باشد، ولی در عین حال می تواند بر بازپرداخت وام ها یا تعهدات اعتبارگیرندگان تأثیر بگذارد.
ب) معیار LAPP: این معیار به طور خلاصه به شرح زیر است :
نقدینگی41 : توانایی مشتری در تأمین وجوه به منظور رفع نیازهای جاری از جمله پرداخت تعهدات کوتاه مدت مانند اصل و سود تسهیلات دریافتی
فعالیت42 : بررسی نوع و حجم فعالیت، دوره گردش عملیات و…
سودآوری43 : بررسی میزان سودآوری، سود ناویژه و سود خالص در مقایسه با فروش و قیمت تمام شده
توان بالقوه یا پتانسیل : بررسی و تحلیل وضعیت و کارآیی مدیریت، ترکیب نیروی انسانی، محصولات، منابع مالی، نفوذ در بازار و ارتباطات.(جمشیدی،1383، 26)
ج) معیار P5 : این معیار به طور خلاصه به شرح زیر است :
مردم44 : بررسی و ارزشیابی نظرات مردم در خصوص واحد اقتصادی شامل : کارآیی در امر تولید، سود حاصل از سرمایه و دارایی ها، جایگاه در صنعت
محصول45 : بررسی و ارزیابی سودآوری، کمیت و کیفیت، ارزش، در دسترس بودن
حمایت46 : حمایت داخلی بر اساس صورتهای مالی، حمایت خارجی مانند ضمانت بانکی، ظهرنویسی و اسناد مالی
پرداختها47 : بررسی اطلاعات مربوط به پرداختهای گذشته، قابلیت نقدینگی و دارایی ها، سوددهی، کیفیت
شمای کلی آینده48 : بررسی سود ناشی از فروش در قبال احتمالات بازار در خصوص نوسانات قیمت

2-3-5: مزايا و محدوديت‌هاي مدل رتبه بندي اعتباری
از مزایای آن می توان به موارد زیر اشاره کرد :
1ـ بهبود بخشيدن كنترل اعتباري
2ـ استانداردهاي اعتباري را به راحتي تنظيم و سازگار مي‌كند
3ـ گردآوري راحتتر داده‌ها
4ـ آموزش به وام دهندگان جديد آسان‌تر مي‌شود
5ـ زمان كوتاهتري هم از مشتري و هم از بخش اعطاي تسهيلات صرف مي‌شود (كه اين امر هم براي بانك و هم براي مشتريان سود آور است)‌
6ـ تصويب وام دهي را هدفمند مي‌كند (سبب مي‌شود كه وام دهندگان يك محدوده مشخص را در وام دادن رعايت كنند و تمام محدوديت‌هاي قانوني را براي همه وام گيرندگان در نظر مي‌گيرد و تأثير هر يك از متغيرها را بر ويژگي‌هاي مشتريان در نظر دارد)
7ـ كاهش ريسك اعتباري
از محدودیتهای آن می توان به این موضوع اشاره کرد که صحت سيستم رتبه بندي اعتبار به داده‌هايي كه به سيستم وارد مي‌شود ارتباط دارد، اين داده‌ها بايد به روز باشند و مدل بايد مرتباً تغيير كند تا از ارتباط ميان عوامل بالقوه و عملكرد وام مطمئن شود. اگر بانك بخواهد پس از بازاريابي به يك گروه جديدي وام بدهد بايد از تشابه عملكرد وام گيرندگان قبلي اطمينان حاصل كند تا بداند كه آيا سيستم توانايي پاسخگويي به آنها را نيز دارد؟ يا بايد در داده‌ها و در خود سيستم تغيير ايجاد كند. و ممكن است در اين هنگام سيستم پيش بيني درستي به عمل نياورد. بايد يك وزن دهي مناسب به عوامل در اين سيستم وجود داشته باشد و صحت و اطمينان مدل آزمون شود. يك مدل مناسب بايد در شرايط خوب و بد اقتصادي كاربرد داشته باشد و بتواند پيش بيني درستي كند.
2-3-6: سيستم‌هاي رتبه بندي اعتباری
سيستم‌هاي رتبه‌بندي اعتباري را مي‌توان به سه دسته تقسيم كرد. (استاک49،2003، 3)
1ـ سيستم‌هاي قضاوتي
2ـ رتبه بندي بر مبناي تكنيك‌هاي آماري
3ـ سيستم‌هاي هوشمند
سيستم‌هاي قضاوتي بسيار كند و پرهزينه هستند. عموماً زماني كه تعداد تقاضاها بالا، و تعداد خبرگان كم مي‌باشد اين سيستم‌ها كارآيي لازم را ندارند. در مورد روش‌هاي آماري نيز هر يك از تكنيك‌هايش فرض‌هاي خاصي را مي‌طلبند. بديهي است با عدم وجود يا كمرنگ شدن پيش فرض‌ها، دقت و صحت خروجي‌ها مورد ترديد قرار مي‌گيرد. وقتي قوانين تصميم گيري واضح و اطلاعات معتبر مي‌باشند سيستم‌هاي خبره كمك بزرگي به حل مسائل مي‌كنند. اما اغلب قوانين مؤسسات اعطاء كننده وام، شفاف نيست و اطلاعات اصلا وجود نداشته و يا بخشي از اطلاعات صحيح نيست، در اين حال شبكه‌هاي عصبي گزينه بسيار مناسبي هستند.

مطالعات انجام شده در داخل کشور
آقایان سبزواری و نوربخش در سال 1385 در پژوهشی با عنوان ” برآورد مقایسه ای مدل امتیازدهی اعتباری پارامتری لاجیت با روش غیر پارامتریک CART ” به ارزیابی مشتریان حقوقی بانک کارآفرین پرداخته و نتایج دو مدل مذکور را با یکدیگر مقایسه کرده اند. در این پژوهش 448 مشاهده از مشتریان حقوقی بانک کارآفرین مورد استفاده قرار گرفته است. بر اساس نتایج بدست آمده هر دو مدل برای تمام مشاهدات از دقت پیش بینی تقریباً برابری برخوردارند، لیکن در نمونه های کوچکتر دقت پیش بینی روش CART بیشتر است.
قرصی (1390) در پژوهشی با عنوان ” رتبه بندی اعتباری مشتریان حقوقی بانک ملت با استفاده از شبکه های عصبی GMDH و معادلات اقتصاد سنجی ” به مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک ملت به روش رگرسیون لاجیت و پروبیت و مدل شبکه های عصبی GMDH پرداخت. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 200 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار داد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از

پایان نامه
Previous Entries پایان نامه ارشد درباره ریسک اعتباری، نسبت بدهی، دارایی ها Next Entries پایان نامه ارشد درباره صورتهای مالی، رتبه بندی، دارایی ها