پایان نامه ارشد درباره ریسک اعتباری، نسبت بدهی، دارایی ها

دانلود پایان نامه ارشد

ها و عملکرد وام های قبلی را مدلسازی می نماید تا عملکرد آتی وام هایی با وضعیت مشابه را پیش بینی کند. در این تحقیق به اعتبارسنجی مشتریان حقیقی در سیستم بانکی پرداخته می شود که ویژگی های کمی و کیفی مشتریان مانند جنسیت، سن، وضعیت تأهل، تحصیلات، شغل، مدت وام، مبلغ تسهیلات، وثیقه، ارزش وثیقه، هدف از دریافت وام به عنوان متغیرهای مستقل در نظر گرفته شدند. با توجه به نتایج تحقیق، متغیرهای سن و تحصیلات بر روی وضعیت اعتباری تأثیر نداشته و از مدل حذف شدند. در صورتی که سایر متغیرها دارای رابطه ی معنا دار با وضعیت اعتباری مشتریان بودند. بنابراین می توان با استناد به هشت ویژگی باقی مانده، وضعیت اعتباری احتمالی دریافت-کنندگان را پیش بینی نمود. همچنین مدل توانسته است پیش بینی خوبی از وضعیت اعتباری مشتریان داشته باشد.
رضایی و آقابیگی (1386) در پژوهشی با نام ” اعتبارسنجی مشتریان اعتباری بانک ملی بر اساس رگرسیون لجستیک” به سنجش اعتبار کلیه مشتریان حقوقی تسهیلات اعتباری بانک ملی طی سالهای 82 لغایت 85 که فعالیت آنها تولیدی بود، پرداختند. در بدو امر تعداد 61 متغیر تعیین و متعاقباً پس از استخراج کامل کلیه اطلاعات موجود از بانکهای اطلاعاتی و پالایش اطلاعات بدست آمده نهایتاً تعداد 16 متغیر جهت مدلسازی انتخاب گردید که عبارتند از : نوع طرح، داشتن هم گروه، داشتن تعهدات قبلی، نوع شرکت، مدت زمان تنفس، میزان تسهیلات، میزان سرمایه شرکت، سابقه فعالیت شرکت، میزان سهم متقاضی در سرمایه گذاری، نسبت دارایی جاری، دوره گردش موجودی بر حسب روز، دوره وصول مطالبات بر حسب روز، بازده فروش شرکت، نسبت مالکانه و نسبت بدهی. نتیجه تحقیق نشان می دهد، فرآیند اعتباردهی در بانک ملی، فرآیند قضاوتی است همچنین متغیرهای داشتن تعهدات قبلی، نسبت دارایی جاری، نسبت مالکانه و نسبت بدهی، بر میزان بدحسابی و خوش- حسابی متقاضیان تسهیلات متناسب با ضرایب برآورد شده تأثیرگذار می باشند.
سوری (1384) در پژوهش خود با عنوان ” یک مدل سنجش اعتبار برای مشتریان اشخاص حقوقی یک بانک، کاربردی از روش بیزین ” با استفاده از نمونه ای از مشتریان حقوقی بانک به برآورد یک مدل پروبیت از احتمال نکول آنها پرداخت. جامعه آماری این تحقیق قریب به 1800 پرونده اعتباری مشتریان اشخاص حقوقی بانک مورد نظر است که از بدو تأسیس این بانک تا سال 1383 تسهیلات اعتباری دریافت کرده اند. با در نظر گرفتن اینکه جامعه آماری به دو گروه خوش- حساب و بدحساب طبقه بندی شده است، در جمع آوری اطلاعات نیز ابتدا مشتریان حقوقی هر گروه شناسایی شده و به تناسب مشتریان خوش حساب و بدحساب در جامعه، نمونه ای به اندازه 170، به طور تصادفی، مشاهده گرفته شد. نظر به اینکه در برآورد یک مدل سنجش اعتبار حداقلی از اطلاعات مالی نیاز است با بررسی پرونده اعتباری نمونه گرفته شده تنها 74 پرونده مناسب تشخیص داده شد. پس از بررسی پرونده های اعتباری مشتریان و محاسبه نسبتهای مالی برای بنگاه های نمونه، در مدل نهایی متغیرهایی مانند نسبت آنی، نسبت بدهی به خالص دارایی ها، متوسط دوره وصول مطالبات، نسبت بدهی به بانک به کل بدهی، نسبت دارایی های جاری به کل دارایی، نسبت نقد به دارایی های جاری، زمینه فعالیت، سابقه فعالیت برای توضیح احتمال نکول مناسب تشخیص داده شد. این نتایج مربوط به این نکته است که مدل مذکور برآورد شده، وضعیت اعتباری بیش از 80 درصد از بنگاه های نمونه را به درستی پیش بینی می کند.
میرزایی، نظریان و باقری (1390) در تحقیقی به ” بررسی عوامل مؤثر بر ریسک اعتباری اشخاص حقوقی بانک ها ” پرداختند. در این پژوهش، محقق با استفاده از روش رگرسیون لجستیک یک نمونه تصادفی 455 تایی (323 مشتری خوش حساب و 132 مشتری بدحساب) از شرکتهای حقوقی را که در سال 1387 از بانک ملی استان تهران تسهیلات اعتباری دریافت نموده اند، بررسی کردند. ابتدا 39 متغیر توضیح دهنده شامل متغیرهای کیفی و مالی با استفاده از روش C5 شناسایی شده و در نهایت 11 متغیر (نوع فعالیت، نوع قرارداد، مبلغ تسهیلات، نوع تسهیلات، تعداد کل حسابهای بانکی، نسبت ارزش وثیقه / ارزش تسهیلات، سابقه همکاری شرکت با بانک، سابقه داشتن بدهی به شبکه بانکی، نسبت آنی، نسبت گردش کل دارایی، نسبت مالکانه) را که اثر معناداری بر ریسک اعتباری و تفکیک بین دو گروه از مشتریان خوش حساب و بدحساب داشتند، انتخاب کرده و مدل نهایی را به وسیله آنها برازش کرد. نتایج نشان می دهد که بر اساس شاخص های آماری، این توابع از نظر ضرایب و همچنین قدرت تفکیک کنندگی معنادار بوده و اعتبار بالایی دارند و همچنین می توان بر اساس متغیرهای کیفی و مالی مشتریان حقوقی بانک را از نظر ریسک اعتباری دسته بندی و امتیاز دهی نمود و از بین نسبتهای مالی، نسبت مالکانه و نسبت آنی بیشترین سهم را در تفکیک مشتریان به دو گروه شرکتهای با ریسک اعتباری بالا و شرکتهای با ریسک اعتباری پایین دارند.
فردحريري (1387) در پژوهشی با عنوان ” مدل سازي ريسك و رتبه بندي اعتباري مشتريان حقوقي بانك رفاه ” با هدف شناسايي عوامل مؤثر و تدوين مدلي براي سنجش ريسك اعتباري مشتريان حقوقي بانك رفاه به روش ” رگرسيون لاجيت ” پرداخته است. بدين منظور اطلاعات كيفي و مالي يك نمونه تصادفي 200 تایی از مشترياني كه در سالهاي 1385 و 1386 از شعب بانك رفاه در سراسر كشور تسهيلات اعتباري دريافت نموده اند، جمع آوري شد. در ابتدا 19 متغير توضيح- دهنده شامل متغير هاي كيفي ومالي شناسايي و بررسي شد. از بين متغيرهاي موجود با استفاده از تحليل رگرسيون لاجيت در نهايت 7 متغير كه اثر معني داري بر ريسك اعتباري مشتريان حقوقي داشتند، انتخاب و مدل نهايي توسط آنها برازش شد. نتايج تحقيق نظريه هاي اقتصادي و مالي در زمينه عوامل موثر بر ريسك اعتباري را تأييد مي كند. اكثر متغيرهاي شناسايي شده در اين تحقيق ، بر ريسك اعتباري ساير بانك ها (از جمله بانك هاي صادرات وملت) نيز مؤثر بوده اند.
عرب مازار و رویین تن (1385) در پژوهشی با عنوان ” بررسی عوامل مؤثر بر ریسک اعتباری مشتریان بانکی (بررسی موردی بانک کشاورزی) ” با استفاده از روش رگرسیون لوجیت، عوامل مؤثر بر 200 شرکت (142 مشتری خوش حساب و 58 مشتری بدحساب) که در سال های 1378 تا 1383 از شعب بانک کشاورزی استان تهران تسهیلات اعتباری دریافت نموده اند را مورد بررسی قرار داده اند. در این مدل، ابتدا 36 متغیر توضیح دهنده (متغیرهای کیفی و مالی با استفاده از تکنیک C5) شناسایی و مورد بررسی قرار گرفتند که از میان آنها با استفاده از تحلیل لاجیت در نهایت 17 متغیر اثر گذار بر ریسک اعتباری (نوع فعالیت، سابقه همکاری با بانک کشاورزی، سابقه داشتن بدهی معوق، مبلغ وام، معدل گردش حساب، جمع گردش بدهکار حساب، جمع گردش بستانکار حساب، جمع دارایی های جاری، بستانکاران، بدهی بانک ها، بدهی جاری، نسبت جاری، نسبت نقدی، نسبت گردش سرمایه جاری، نسبت متوسط دوره وصول مطالبات، نسبت بدهی جاری به حقوق صاحبان سهام، نسبت بدهی کل به دارایی کل) انتخاب و به مدل نهایی را به وسیله آنها برازش کرده اند. افزایش سابقه همکاری شرکت با بانک و افزایش دارایی های جاری شرکت، ریسک اعتباری را کاهش می دهد در حالی که سابقه داشتن بدهی معوق به بانک و افزایش بدهی جاری شرکت سبب افزایش ریسک اعتباری می شود. همچنین نتایج آنها نشان می دهد مدل لاجیت در برآورد عوامل مؤثر بر ریسک اعتباری از توان بالایی برخوردار است.
تهرانی و فلاح شمس (1385) در ” طراحی و تبیین مدل ریسک اعتباری در نظام بانکی کشور ” با استفاده از داده های اعتباری 316 مشتری حقوقی بانک های کشور و با استفاده از مدل های احتمال خطی، لجستیک و شبکه های عصبی مصنوعی اقدام به طراحی و آزمون کارآیی مدل ریسک اعتباری پرداختند. نتایج حاکی از این بود که ارتباط بین متغیرها در مدل پیش بینی ریسک اعتباری به صورت خطی نبوده و تابع های نمایی و سیگموئید، مناسب ترین مدل های پیش بینی ریسک اعتباری است و بیشترین کارآیی برای پیش بینی ریسک اعتباری به ترتیب مربوط به شبکه های عصبی مصنوعی و مدل لجستیک می باشد.
لطیفی (1383) در پژوهش خود با عنوان ” بررسی ارتباط بین شاخص های ریسک اعتباری و بازپرداخت به موقع تعهدات مشتریان بانکی ” شاخص های ریسک اعتباری که بیشترین همبستگی با بازپرداخت تعهدات مشتریان را دارد تعیین کرده و مدلی طراحی نموده که بر اساس آن عددی به عنوان شاخص اعتباری وام گیرنده در تصمیمات اعتباردهی تعیین شده است. در این خصوص از گزارش های اطلاعات اعتباری و مالی 100 مورد از شرکت های تولیدی که از تسهیلات فروش اقساطی در سال های 1378 تا 1382 بهره مند شده اند، استفاده کرده است به طوری که با بکارگیری تحلیل های چند متغیره فرضیه وجود ارتباط معنادار بین شاخص های ریسک اعتباری و انجام تعهدات مشتریان، مورد تأیید قرار گرفته و در کنار آن مدلی تحت تابع ممیز برای اندازه گیری وضعیت اعتباری شرکت های تولیدی، مشتریان بانک ارائه شده است.
مدرس و ذکاوت (1382) برای ” طراحی مدل های ریسک اعتباری برای بانک توسعه صادرات ایران ” یک نمونه 120 تایی از مشتریان حقوقی را انتخاب و از روش های تحلیل تمایزی و رگرسیون لجستیک استفاده کردند. متغیرهای نسبت جاری، نسبت بدهی به کل دارایی، نسبت حقوق صاحبان سهام به کل دارایی، نسبت سود قبل از کسر مالیات به حقوق صاحبان سهام، نسبت سود قبل از کسر مالیات به خالص فروش به عنوان پیش بینی کننده های نکول در مدل های تحلیل تمایزی و رگرسیون لجستیک استفاده شد. نتایج نشان داد که بر اساس متغیرهای مالی می توان مشتریان حقوقی بانک توسعه را از نظر ریسک اعتباری به خوش حساب و بدحساب دسته بندی کرد. از بین متغیرهای مالی استفاده شده در این تحقیق متغیر نسبت جاری بیشترین سهم را در تفکیک مشتریان داشت.
مطالعات انجام شده در خارج از کشور
یکی دیگر از مطالعات انجام شده در زمینه اندازه گیری ریسک اعتباری اوراق قرضه شرکتها با استفاده از مدل نمره دهی چند متغیره، بوسیله آلتمن9 در سال 1968 انجام شد و به مدل نمره Z شهرت یافت. آلتمن برای اولین بار از تحلیل تمایزی برای تعیین تابع پیش بینی ورشکستگی شرکتها استفاده کرد و رابطه ی بین سوابق نکول و تعدادی از متغیرهای مالی و حسابداری را با استفاده از مدل چند متغیره بررسی نمود. هدف وی شناسایی عوامل مختلف تعیین کننده ی نکول بود تا بتواند شرکتهای در حال نکول را از سایر شرکتها تفکیک نماید. نسبتهای مالی نهایی مورد نظر او نسبتهای سرمایه در گردش / کل دارایی، سود انباشته / کل دارایی، درآمد قبل از بهره و مالیات / کل دارایی، ارزش بازار حقوق صاحبان سهام / ارزش دفتری بدهی ها، کل فروش / کل دارایی بودند. نتایج نشان داد که پیش بینی های این مدل در بیش از 75 درصد موارد درست است.
ساندرز و آلن10 از این مدل برای پیش بینی ریسک اعتباری وام گیرندگان استفاده کرده و به این نتیجه رسیدند که این مدل از قدرت بالایی برای پیش بینی ریسک اعتباری برخوردار است. در اواخر سال 1970 مدل های احتمالی خطی و وضعیتی احتمالی چندگانه11 برای پیش بینی ورشکستگی شرکتها مطرح شدند. همچنین در سالهای 1980 و 1990 استفاده از مدلهای برنامه ریزی ریاضی در بسیاری از مطالعات عنوان شد. هدف اصلی این روشها، حذف فرضیه ها و محدودیتهای موجود در تکنیک های قبلی، بهبود اعتبار و صحت طبقه بندی بود.
امتیازدهی و رتبه بندی اعتباری و تاریخچه پیدایش آنها
امروزه به منظور اعتبارسنجی مشتریان، نظامهایی نظیر ” امتیازدهی اعتباری12 ” و ” رتبه بندی اعتباری 13 ” تدوین و توسعه یافته اند. امتیازدهی اعتباری، نظامی است که بوسیله آن بانکها و مؤسسات اعتباری با استفاده از اطلاعات حال و گذشته متقاضی، احتمال عدم بازپرداخت وام توسط وی را ارزیابی نموده و به او امتیاز می دهد(یانگ لویی14،2001، 4). به عبارت دیگر امتیازدهی اعتباری به معنی کمی نمودن احتمال نکول در آینده است. این روش مشتریان اعتباری را بی طرفانه و بر اساس آمار و اطلاعات کمی رتبه بندی می نماید در حالی که روشهای قدیمی

پایان نامه
Previous Entries پایان نامه ارشد درباره اعتبارسنجی، ریسک اعتباری، شبکه های عصبی Next Entries پایان نامه ارشد درباره ریسک اعتباری، رتبه بندی، شبکه های عصبی