چگونگی اختصاص منابع بانک ها به تسهیلات گیرندگان و بازگشت به موقع این منابع، یکی از دغدغه های اصلی نظام بانکی می باشد. نحوه تخصیص بهینه منابع و بررسی صحیح و همه جانبه تقاضاهای واصله برای استفاده از تسهیلات بانکی، همواره برای مدیران بانک ها اهمیت داشته است. هدف این پژوهش مدل سازی علل درونی معوق شدن تسهیلات قرض الحسنه در بانک قرض الحسنه رسالت است. جامعه ی مورد بررسی در این تحقیق، مشتریان شعب بانک قرض الحسنه رسالت سراسر کشور در دوره ی زمانی 94-1393 می باشد. از این جامعه یک نمونه شامل 2160 پرونده تسهیلات گیرندگان بانک قرض الحسنه رسالت به روش تصادفی ساده انتخاب شده است. مدل پروبیت [i] جهت ارزیابی عوامل موثر بر مطالبات معوق این بانک با بکارگیری 6 متغیر مستقل که اثر معناداری بر ریسک اعتباری دارند، برازش شده است. معناداری ضرایب با استفاده از آماره والد [ii] (W) و معناداری کل رگرسیون، با استفاده از آماره نسبت درستنمایی [iii] (LR) در سطح اطمینان 95 درصد بررسی و تایید شده است. برای بررسی قدرت تفکیک کنندگی مدل، منحنی حد آستانه (ROC) [iv] رسم شده است. از روش "حد آستانه بهینه" جهت بررسی کارایی و قدرت پیش بینی مدل استفاده شده است. نتایج نشان می دهد ضرایب و همچنین قدرت تفکیک کنندگی مدل پروبیت معنادار بوده و اعتبار بالایی دارد. نتایج تحقیق نشان می دهد که افزایش مدت زمان بازپرداخت تسهیلات، افزایش بدهی جاری و همچنین تغییر وثیقه از چک به سایر تضامین باعث افزایش احتمال نکول تسهیلات شده و افزایش ارزش وثیقه، افزایش مبلغ وام و افزایش مبلغ اقساط به کاهش این احتمال منجر می شود.
<br clear="all" />
[i] Probit model
[ii] Wald
[iii] Likelihood ratio
[iv] Receiver Operating Characteristic
Abstract
The allocation of bank facilities to customers and the timely return of these loans is one of the main concerns of the banking system. Allocate resources optimally and to check the correct and comprehensive requests for using bank facilities, has always been important for bank managers. this paper is to model the internal factors of loan delinquency in Gorzaholahsaneh Resalat Bank. The survey population in this research is the of Borrowers of Ghorz-al-Hassaneh Bank throughout the country during the period 2014-2015. The random sampling method is simple sammple. The sample consists of 2160 people Who have borrowed from the bank. The probit model is used for analyze credit risk. To investigate the predictive power of the model used ROC curve method. The results show that all coefficients are significant at 5 percent as well as the resolution of the Probit model. Increasing the repayment of facilities, increasing current debt, and also changing the bail from checks to other guarantees increases the probability of failure. Increase the value of the collateral, the amount of the loan and the amount of installments deu to decrese probability of failure.
