نوع مقاله : مقاله پژوهشی

نویسندگان

• میثم علی محمدی ¹
• میر فیض فلاح شمس ²
• خدیجه عبادی ³

¹ کارشناس مالی اداره کل تحقیقات و برنامه ریزی بانک صادرات ایران

² گروه مالی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد، تهران

³ گروه مدیریت مالی، دانشگاه الزهرا،

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، 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.

کلیدواژه‌ها

• ریسک اعتباری
• اعتبارسنجی
• سیستم هشدار سریع
• مطالبات غیرجاری

عنوان مقاله [English]

Designing of a early warning system for credit risk in the banking system

نویسندگان [English]

• meysam alimohammadi ¹
• Mirfeiz Fallah Shams ²
• khadijeh ebadi ³

¹ Financial expert of the General Department of Research and Planning of Bank Saderat Iran

² Department of Finance, Central Tehran Branch, Islamic Azad University, Tehran, Iran

³ Department of Financial Management, Al-Zahra University, Tehran

چکیده [English]

Banks play an important role in the country's economy, which includes equipping resources, intermediation and facilitating the flow of payments and allocating credit to the recipient of facilities. In this way, the bank faces many risks that can be classified into four general categories: credit, liquidity, operations and investment.
The most important risk that banks face is credit risk. Credit risk arises due to the possibility of non-timely repayment of facilities and interest accrued to it.
Banks have always faced the challenge of how and based on what criteria and methods to evaluate credit applicants (facilities and liabilities)? This can be done through a comprehensive, structured system and selection of techniques. This research also seeks an expert proposal and solution to solve this problem in order to be able to categorize the applicants of financial credits well and reduce the possibility of non-repayment of the granted facilities. Obviously, the implementation of these methods and techniques can lead to the design of rapid alert systems for banks to be aware of the status of their credit portfolio and facilities and have knowledge of their customers.
In this article, using logit and probit models (regression models), the factors affecting the risk of customer default are investigated. Research findings indicate that the Probit model is more accurate in predicting customer default risk than the Logit mode.

کلیدواژه‌ها [English]

• credit risk
• scoring
• early warning system. non performing loan