رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان (بخش اول)

با مقاله با هدف مدل سازی سنجش ریسک اعتباری و اعتبار سنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت و پروبیت و مدل شبکه های عصبی هوشمند GMDH انجام می شود. 
بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده اند. 
در این مقاله پس از بررسی پرونده های اعتباری هر یک از مشتریان، 11 متغیر توضیح دهنده مورد ارزیابی قرار می گیرد. نتایج مقاله ضمن دلالت بر تایید نظریه های اقتصادی و مالی نشان می دهد که عملکرد پیش بینی الگوی شبکه عصبی (رصد پیش بینی های صحیح آن) به مراتب بهتر از الگوهای اقتصاد سنجی متعارف لاجیت و پروبیت است و در زمینه عوامل موثر بر ریسک اعتباری نشان می دهد که از بین متغیرهای مذکور، نوع وثیقه و نسبت بدهی دارای بیشترین اثر بر متغیر احتمال نکول می باشند. 
همچنین سابقه همکاری، نسبت جاری، نسبت آنی و نسبت مالکانه دارای اثر معمولی و سایر متغیرها کم اثر هستند. 

مقدمه

بانک ها به منظور آگاهی از نیازمندی های مشتریان خود، در اعطای تسهیلات اعتباری باید به شناسایی ویژگی های آن ها بپردازند. این امر از طریق اعتبارسنجی، منجر به کاهش ریسک های بانکی از جمله ریسک اعتباری می شود. اعتبارسنجی به عملی اطلاق می شود که در آن اعتبار مشتریان حقیقی و حقوقی موسسات مالی اعتباری و بانک ها با توجه به اطلاعات دریافتی از آن ها اندازه گیری شده و امکان شناخت بیشتر را نسبت به وضعیت و توان مالی افراد جهت بازپرداخت تسهیلات دریافتی و دریافت خدمات بیشتر فراهم می کند.
براساس این روش، ریسک اعتباری افراد اندازه گیری شده و افراد و مشتریان بر اساس ریسک اعتباری خود طبقه بندی و امتیاز دهی می شوند. 
موسسات اعتباری و بانک ها به دو دلیل به وجود سیستمی برای رتبه بندی اعتباری مشتریان خود نیازمندند. سیستم رتبه بندی اعتباری مشتریان این امکان را برای بانک ها و موسسات اعتباری فراهم می کند که با اتکا به چنین سیستمی و بر اساس نرخ های تکلیفی موجود، ریسک پرتفوی اعتباری خود را تا حد ممکن کاهش داده و از بین متقاضیان دریافت تسهیلات، معتبرترین و کم ریسک ترین مشتریان را گزینش نمایند. 
در موسسات اعتباری که امکان تعیین نرخ تسهیلات بر اساس ریسک و درجه اعتباری مشتریان می باشد، سیستم رتبه بندی اعتباری می تواند این گونه سازمان ها را در طراحی پرتفوی اعتباری خود بر اساس رعایت اصل تنوع یاری می دهد. 
ارائه صحیح و بهینه تسهیلات مالی یکی از فعالیت های مهم نظام بانکی تلقی می شود. بر این اساس در بسیاری از کشورها، بیشتر بانک ها یک واحد جداگانه و مخصوص تجزیه و تحلیل اعتباری دارند که هدف آن به حداکثر رساندن ارزش افزوده برای سهامداران از طریق مدیریت ریسک اعتباری است. 
بانک ها فهرستی ارزش افزوده برای سهامداران از طریق مدیریت ریسک اعتباری است. بانک ها فهرستی از عوامل متعدد در مورد متقاضی تسهیلات، مانند اعتبار وی در گذشته (که معمولا موسسات رتبه بندی اعتباری تعیین می نماید)، ثروت متقاضی، میزان نوسان سود وی و آیا باید در قرارداد تسهیلات، وثیقه را گنجانید یا خیر؟ تعیین نموده و بر اساس اطلاعات مذکور ریسک یا احتمال نکول مشتریان را برآورده می کنند. 
پژوهش ها و کاربردهای متعدد در حوزه اعتبار سنجی، برای شناسایی مشتریان خوب و بد بانک ها صورت گرفته است. روش قضاوتی در اعتبارسنجی به دلیل خطا و زمان زیاد به تدریج جای خود را به روش های پارامتریک و ناپارامتریک داده است. روش های پارامتریک مثل لاجیت و پروبیت، تحلیل ممیزی و رگرسیون لجستیکی در ابتدای ظهور اعتبارسنجی مورد استفاده قرار گرفتند و سپس استفاده از روش های ناپارامتریک و داده کاوی مثل: درختان تصمیم گیری، شبکه های عصبی و سیستم های خبره مورد توجه محققین قرار گرفت (سبزواری و همكاران، 2006 ). 
به طور كلی مطالعات بسياری در اين زمينه صورت پذيرفته است كه از میان آن ها می توان به مطالعات خارجی: سالچین برگر (1992)، کوانتس و فانت (1993)، آلتمن و همکاران (1994)، لاچر و همکاران (1995)، دسایی (1996)، پیراموتا (1998)، دیوید وست (2000)، تیان شیونگ لی و همکاران (2002)، مو چین چین و شی هسین هوانگ (2003)، حسین عبده و همکاران (2007)، جی جنگ هاونگ و همکاران (2009) و مطالعات داخلی شامل علی منصوری (1382)، پونه رویین تن (1384)، پویا حسینی (1387) اشاره نمود. 
در اکثر این پژوهش ها نشان داده شده که کارایی روش های ناپارامتریک و داده کاوی از جمله شبکه های عصبی به مراتب بالاتر از روش های سنتی آماری می باشد. همچنین نتایج مدل ها نشان می دهد که بین تغییر وثیقه ها از سفته به ملک (سند رهنی) و ریسک نکول، رابطه معکوس معناداری وجود دارد. 
به عبارت دیگر با تغییر وثیقه از سفته به ملک، ریسک نکول کم می شود، بین تغییر نوع مالکیت محل فعالیت از استیجاری به ملکی و ریسک نکول متقاضی رابطه معکول معناداری وجود دارد یعنی با تغییر نوع مالکیت از استیجاری به ملکی، ریسک نکول کاهش می یابد. 
بین سابقه همکاری با بانک و ریسک نکول رابطه معکوس معناداری وجود دارد. بین نسبت جاری و احتمال نکول رابطه معکوس، بین نسبت مالکانه و احتمال نکول رابطه معکوس، بین سرمایه مشتریان و احتمال نکول هم رابطه معنی داری وجود دارد. 
شبكه های عصبی از نسل جديد تكنيك های داده كاوی به شمار مي آيند كه در دو دهه اخير توسعه زيادی يافته اند. مزيت اصلی شبكه های عصبی، قابليت فوق العاده آنها در يادگيري و نيز پايداريشان در مقابل اغتشاشات ناچيز ورودي است (ایواخننکو 1995). از این رو در این تحقیق، از روش های اقتصادسنجی متعارف (پروبیت و لاجیت) جهت الگوسازی و پیش بینی متغیر هدف (احتمال نکول) استفاده کرده و نتایج حاصله را با روش شبکه عصبی هوشمند GMDH مقایسه می کنیم.
این مقاله حاوی دو نوع آوری نسبت به مطالعات قبلی است. اولا این مقاله اولین مطالعه ای است كه روشی را برای رتبه بندی اعتباری مشتريان بانك پارسيان با استفاده از رويكرد شبكه های عصبی ارائه كرده است. ثانیا در این مقاله، برای طراحی شکل شبکه عصبی و تعیین ضرایب آن، از رویکرد GMDH مبتنی بر الگوریتم ژنتیک استفاده شده است. 
روش های تکاملی مانند الگوریتم ژنتیک (هیاست و مورت 2003) کاربرد وسیعی در مراحل مختلف طراحی شبکه های عصبی به خاطر قابلیت های منحصر به فرد خو در پیدا کردن مقادیر بهینه و امکان جستجو در فضاهای غیر قابل پیش بینی، دارند (نریمان زاده و همکاران 2002). لذا در مقاله حاضر، برای طراحی شکل شبکه عصبی و تعیین ضرایب آن، از الگوریتم ژنتیک استفاده شده است. 
مقاله حاضر به دنبال یافتن پاسخی برای سوالات زیر می باشد: عوامل موثر بر ریسک اعتباری مشتریان کدامند؟ و کدامیک از مدل های لاجیت و پروبیت و شبکه های عصبی (با الگوریتم یادگیری ژنتیک) از عملکرد بهتری در تعیین ریسک اعتباری مشتریان برخوردارند؟
این مقاله در پنج بخش تنظیم شده است. بخش دوم ادبیات موضع تحقیق شامل: انواع ریسک هایی که یک موسسه مالی با آن مواجه است را مرور می کنیم. در بخش سوم روش شناسی شامل: شواهد آماری و منابع جمع آوری داده ها، تصریح مدل شامل: معرفی متغیرها، ارتباط متغیرها، نحوه اندازه گیری متغیرها و همچنین به معرفی الگوها اقتصادسنجی و روش شبکه عصبی هوشمند GMDH پرداخته می شود. 
بخش چهارم مقاله به برآورد مدل و تجریه و تحلیل آن اختصاص یافته و در بخش پایانی نیز نتایج و پیشنهادات ارائه می گردد. 

ادبیات موضوع

در اين بخش مبانی نظری انواع مهم ترين ريسك هايی كه مؤسسات مالی با آن مواجه هستند را مرور كرده و در ادامه با تفصيل بيشتر به تبيين ريسك اعتباری و اعتبارسنجی می پردازيم.

انواع ریسک های موسسات مالی

در منابع علمی مختلف، تعاریف متعددی از ریسک ارائه شده است. افراد مختلف بر اساس زاویه دید خود و حوزه فعالیتشان به تعریف این واژه پرداخته اند. 
در فرهنگ مدیریت راهنما ریسک بدین صورت تعریف شده است: (ریسک عبارت است از آنچه که حال یا آینده دارایی یا توان کسب درآمد شرکت، موسسه یا سازمانی را تهدید می کند.) واژه ریسک در فرهنگ لانگمن چنین تعریف شده است: (ریسک عبارتست از احمال وقوع حادثه ای نامطلوب و یا احتمال وقوع خطر). در فرهنگ وبستر، ریسک از لحاظ لغوی به معنای خطر آمده است.
به عبارتی دیگر ریسک به معنی شانس و احتمال آسیب و یا ضرر و زیان تعریف شده است. وستون و بریگام، ریسک یک دارایی را بدین گونه تعریف می کند: (ریسک یک دارایی عبارت است از تغییر احتمالی بازده آتی ناشی از آن دارایی)
با آنکه به نظر می رسد ریسک واجد یک مفهوم و تعریف ساده است، اما هنوز اقتصاددانان، به یک مفهوم جامع و واحد از این واژه دست یافته اند. به طور کلی و با توجه به تعاریف ارائه شده به طور کلی سه عامل مشترک را می توان در آن ها مشاهده کرد: عمل یا اقدامی بیش از یک نتیجه به بار می آورد، تا زمان محقق شدن نتایج از حصول هیچ یک از نتایج اطمینانی وجود نداشته باشد، و حداقل یکی از نتایج ممکن پیامد نامطلوبی به همراه داشته باشد. 
ریسک های اصلی شناسایی شده توسط کمیته بال برای یک موسسه مالی عبارتند از: ریسک نقدینگی، ریسک نرخ بهره، ریسک بازار، ریسک عملیاتی، ریسک اعتباری.
ریسک نقدینگی عبارت است از: ریسک ناشی از فقدان نقدینگی لازم جهت پوشش تعهدات کوتاه مدت و خروجی های غیر منتظره وجوه. در چنین شرایطی بانک مجبور به جذب منابع گران قیمت و یا نقد کردن سایر دارایی های خود در زمان کمتر و با قیمتی بسیار پایین تر از قیمت بازار آن ها می شود. 
بانک ها رسیک نقدینگی را به طور سیستماتیک و منظم از طریق تطابق نمودار سر رسید دارایی ها و بدهی های خود، به ویژه در زمان هایی که سر رسید آن ها نزدی است، از روی احتیاط و با نگهداری ذخایر نقد از قبیل: وجه نقد نزد سایر بانک ها و اوراق بهادار قابل فروش در بازار، مدیریت می کنند. 
آن ها ممکن است امکانات آماده و پشتیبانی متقابل بین بانکی را داشته باشند تا در صورت بروز مسائل نقدینگی، به صورت موقت متعهد پرداخت وام به یکدیگر باشند. در حالتی که کل بازار مالی تنش داشته باشد، معمولا امکان دریافت وام از آخرین پناهگاه یعنی بانک مرکزی وجود دارد. 
تغییرات نرخ بهره نیز نقش بسیار مهمی را در جریان پولی ناشی از عملیات بانکی مانند: اعطای تسهیلات و اخذ سپرده ها ایفا می کند. از ریسک ناشی از تغییرات نرخ بهره به عنوان ریسک نرخ بهره یاد می شود. نوسانات نرخ بهره ارزش خالص دارایی ها و سود ناشی از آن را تحت تاثیر قرار می دهد بانک ها جهت محدود کردن و کنترل ریسک ناشی از نوسانات نرخ بهره باید سیاست های واضحی را اتخاذ کنند. 
سیستم اندازه گیری ریسک نرخ بهره بانک ها باید شامل تمامی منابع ریسک نرخ بهره بوده و برای ارزیابی تاثیر تغییرات نرخ بهره بر عایدات و ارزش اقتصادی بانک کافی باشد. 
سرمایه گذاری در بازار سهام و ارز، بخشی از فعالیت های بانک ها و موسسات مالی و اعتباری را تشکیل می دهد. این امر باعث می شود که بانک ها با ریسک بازار که ناشی از تغییرات قیمت سهام و ارز است، مواجه شوند. کمیته بال ریسک بازار را ریسک مربوط به زیان های ایجاد شده در اثر وضعیت اقلام داخل و خارج ترازنامه، ناشی از نوسانات بازار می داند. از دیدگاه بال ریسک بازار می تواند ناشی از ریسک نرخ ارز و ریسک بازار کالا باشد. 
تعاریف بسیار متنوعی از ریسک عملیاتی ارائه شده است. کمیته بال ریسک عملیاتی را به عنوان ریسک ناشی از فرایندهای داخلی، افراد، سیستم و یا اتفاقات خارجی می داند. در برخی دیگر از تعاریف نیز گفته شده است که فقط زیان های مستقیم حاصل از عملیات سازمان را در بر می گیرد، در صورتی که بسیاری از ریسک های عملیاتی نتیجه غیر مستقیم انجام عملیات سازمان هستند که می توان به انواع سرقت ها و سو استفاده ها مانند اختلاس اشاره کرد.
 
منبع: فصلنامه مدلسازی اقتصادی (سال سوم، شماره 3، پیاپی 9، پاییز 1388، صفحات 150-121)، رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان
https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=137093