مدلسازی ریسک اعتباری با استفاده از مدل مارکوف سوئیچینگ (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
یکی از عوامل مهم مشکلات سیستم بانکی، عدم توجه کافی به ریسک اعتباری است. نادیده گرفتن توان اعتباری متقاضیان و تسهیلات تکلیفی، بانکها را با حجم قابل توجهی از دارایی های مشکل دار و انبوهی از تسهیلات غیرجاری روبه رو کرده و توان تامین مالی آنها را به شدت کاهش داده است. روش های هوشمندی همچون مدل سوئیچینگ چند متغیره به دلیل رفتار مبتنی بر تجزیه چندگانه، امکان یافتن پاسخ های مناسب برای پیش بینی میزان ریسک را فراهم می نمایند. هدف از این پژوهش مدلسازی ریسک اعتباری برخی از بانک های ایرانی با استفاده از روش مارکوف سوئیچینگ می باشد. به منظور جلوگیری از ضررهای احتمالی بانکها، مطالعه متغیرهایی که تاثیر بسزایی در ایجاد شرایط پرخطر و بحرانی دارند، مهم است. این مسئله را می توان از طریق مدل مارکوف دو رژیمی که روشی مفید برای توصیف فرایندی که طی آن متغیرها در یک سری حالت ها در زمان پیوسته مورد سنجش فرار میگیرند، مدل سازی کرد. بنابراین در این پژوهش با تحلیل متغیرهای مستقلی همچون متغیرهای اقتصادی خرد و کلان، عوامل مالی، شوک های خارجی و شاخص درماندگی مالی با استفاده از روش سوئیچینگ چند متغیره به شناسایی، امتیاز دهی و تعیین تاثیر هریک از متغیر های مستقل مورد بررسی در کنترل ریسک اعتباری و در نتیجه پیش بینی ریسک اعتباری در بانکها پرداخته می شود. در این راستا سه فرضیه تعیین شد و از داده های سالانه بانک های عضو بورس اوراق بهادار تهران در بازه سال 1390 الی 1398 برای آزمون فرضیه ها استفاده شد. نتایج حاصل از آزمایشات در نرم افزار MATLAB نشان از عملکرد مناسب دقت پیش بینی ریسک روش مبتنی بر مارکوف سوئیچینگ چندمتغیره دارد.Credit Risk Modeling Using Markov Switching Model
One of the most important causes of banking system problems is not paying enough attention to credit risk. Ignoring the creditworthiness of applicants and mandatory facilities has left banks with a significant amount of problem assets and a large number of non-current facilities and has severely reduced their ability to finance. Intelligent methods such as multivariate switching model, due to the behavior based on multiple analysis, make it possible to find appropriate answers to predict the amount of risk. The purpose of this study is to model the credit risk of some Iranian banks using the Markov-Switching method. In order to prevent potential losses of banks, it is important to study the variables that have a significant impact on creating high-risk and critical conditions. This can be modeled through the Markov dual-regime model, which is a useful way to describe the process by which variables escape in a series of states at a continuous time being measured. Therefore, in this paper, by analyzing independent variables such as micro and macroeconomic variables, financial factors, external shocks and financial distress index using multivariate switching method to identify, score and determine the impact of each of the independent variables in credit risk control and consequently credit risk forecast is considered in banks. In this regard, three hypotheses were determined and the annual data of the member banks of the Tehran Stock Exchange in the period 2011 to 2020 were used to test the hypothesis. The results of experiments in MATLAB software show the proper performance of risk prediction accuracy of the method based on multivariate Markov switching.
تبلیغات
