میثم علی محمدی؛ میر فیض فلاح شمس؛ خدیجه عبادی
چکیده
بانک‌ها در اقتصاد کشور نقشهای مهمی همچون تجهیز منابع، واسطه‌گری، تسهیل جریان پرداخت و تخصیص اعتبار به دریافت‌کننده تسهیلات را برعهده دارند. در این مسیر، ریسک‌های زیادی بانک را تهدید می‌کند که می‌توان آنها را در چهار گروه کلی اعتباری، نقدینگی، عملیاتی و سرمایه‌گذاری دسته‌بندی کرد. مهم‌ترین ریسکی که بانک‌ها با آن مواجهند، ...
بیشتر
بانک‌ها در اقتصاد کشور نقشهای مهمی همچون تجهیز منابع، واسطه‌گری، تسهیل جریان پرداخت و تخصیص اعتبار به دریافت‌کننده تسهیلات را برعهده دارند. در این مسیر، ریسک‌های زیادی بانک را تهدید می‌کند که می‌توان آنها را در چهار گروه کلی اعتباری، نقدینگی، عملیاتی و سرمایه‌گذاری دسته‌بندی کرد. مهم‌ترین ریسکی که بانک‌ها با آن مواجهند، ریسک اعتباری است که بهعلت احتمال عدم بازپرداخت به‌موقع تسهیلات و سود تعلقگرفته به آن به وجود می‌آید (فلاح‌پور، 1383). بانک‌ها همواره با این مشکل روبهرو بوده‌اند که چگونه و بر اساس چه شاخص‌ها و روش‌هایی متقاضیان اعطای اعتبار (تسهیلات و تعهدات) را ارزیابی کنند. این کار با استفاده از سیستمی جامع، ساختاریافته و انتخاب تکنیک‌های مناسب امکانپذیر است. مقاله حاضر، در پی پیشنهاد و راه‌کاری کارشناسانه بهمنظور حل این مسئله اجرا شده است تا بتواند متقاضیان اعتبارات مالی را بهخوبی دسته‌بندی کند و از احتمال عدم بازپرداخت تسهیلات اعطایی بکاهد. در این مقاله با استفاده از مدل‌های لاجیت و پروبیت (مدل‌های رگرسیونی)، عوامل مؤثر بر ریسک نکول مشتریان بررسی شده است. بدین منظور شاخص‌های مؤثر بر ریسک اعتباری استخراج شد. برای برآورد ریسک اعتباری بانک، از مدل‌های پروبیت و لاجیت استفاده شد. نتایج نشان داد که مدل پروبیت در مقایسه با مدل لاجیت، در پیش‌بینی ریسک نکول مشتریان دقت بیشتری دارد.
