سید عبدالخالق حسینی

یکی از ابزارهای لازم و موثر برای توسعه اقتصادی کشور، وجود نظام بانکی کارآمد است. در نظام بانکی ایران، تجهیز منابع و تخصیص آن در قالب تسهیلات بانکی همچنان اصلی ترین وظیفه بانک ها را تشکیل می دهد. این اعطای تسهیلات همیشه برای بانک ها دارای ریسک می باشد. در میان ریسک هایی که بانک ها با آنها مواجه هستند، ریسک اعتباری از اهمیت ویژه ای برخوردار است. بحران های مشاهده شده در نظام بانکی کشور عمدتا ناشی از عدم کارایی در مدیریت ریسک اعتباری بوده است. در این پژوهش با استفاده از روش رگرسیون لاجیت یک نمونه 205 تایی از کشاورزانی که در سال های 1386 تا 1391 از بانک کشاورزی حوزه ممسنی تسهیلات اعتباری دریافت نموده اند، با استفاده از روش نمونه گیری خوشه ای چندمرحله ای تصادفی انتخاب و مورد بررسی قرار گرفته شده است. این کار با انتخاب 17 متغیر که از لحاظ سیستم بانکی و مجربین این رشته و همچنین به لحاظ ویژگی های مزرعه ای اهمیت بسزایی داشته انتخاب شده و مورد تحلیل قرار گرفته شده است. نتایج مدل لاجیت نشان داد که به ترتیب، تجربه کشاورزی، بیمه، مبلغ اقساط و نرخ سود بانکی در سطح احتمال 10 درصد، در حالی که منابع آبی، بلایای طبیعی و درآمد خالص نقدی کشاورزان در سطح احتمال 5 درصد تأثیر معنی داری بر عدم بازپرداخت اعتبارات داشته است.

این مقاله با هدف شناسایی عوامل مؤثر بر ریسک اعتباری و ارائه مدلی جهت پیش بینی ریسک اعتباری و رتبه بندی مشتریان حقوقی متقاضی تسهیلات اعتباری بانک کشاورزی شهرستان ممسنی با استفاده از تکنیک شبکه عصبی انجام گرفته است. بدین منظور بررسی های لازم بر روی اطلاعات مالی و غیرمالی مربوط به یک نمونه 205 تایی که به روش نمونه گیری خوشه ای چندمرحله ای تصادفی از میان کشاورزان دریافت کننده وام در شهرستان ممسنی در طی سال های 1391-1386 انتخاب شده اند، صورت گرفته است. در این پژوهش، 17 متغیر توضیح دهنده شامل متغیرهای مالی و غیرمالی مورد بررسی و تجزیه تحلیل قرار گرفتند. متغیرهای انتخابی به عنوان بردار ورودی شبکه عصبی پرسپترون چندلایه با سه لایه پنهان وارد مدل گردیدند. نتایج حاکی از آن است که مدل شبکه عصبی توانسته است با درصد صحت پیش بینی 95/5 درصدی مشاهدات را منطبق بر واقع برآورد نماید که این امر نشانگر توانایی بالای شبکه عصبی در پیش بینی ریسک اعتباری مشتریان می باشد.