داوود کریمی

پژوهش حاضر به منظور شناسایی عوامل مؤثر بر شکل گیری مطالبات غیرجاری در نظام بانکی کشور براساس مطالعه موردی یکی از بانک های کشور با روش تحقیق توصیفی از نوع پیمایشی صورت گرفته است. جامعه آماری، شعب بانک مورد نظر در کل کشور است که با روش نمونه گیری تصادفی ساده انجام شده است همچنین برای جمع آوری داده ها از ابزار پرسشنامه استفاده شده که دارای روایی محتوا و پایایی مطلوب با روش ضریب آلفای کرونباخ به میزان 80 درصد بوده است. تجزیه و تحلیل داده ها با نرم افزار SPSS و آزمون آماری تحلیل عاملی اکتشافی انجام گرفته است. نتایج تحقیق حاکی از آن است که مهم ترین عوامل مؤثر بر افزایش مطالبات غیرجاری در نظام بانکی کشور عبارت اند از: عدم انطباق وثایق و تضمینات با ضوابط و سیاست های اعتباری داخلی بانک، محدودیت های فنی و تخصصی اعتباری، فرایند نامناسب نظارت بر مصرف تسهیلات و وصول مطالبات، سیاست های ناقص تعیین نرخ سود و وجه التزام، الزامات و محدودیت های قانونی، تحریم های اقتصادی، فضای کسب وکار و اعتبار سنجی که از عوامل و دلایل زیربنایی مطالبات غیرجاری قلمداد شده اند. این هفت عامل توانسته اند بیش از 46 درصد واریانس متغیر وابسته یا مطالبات غیرجاری در نظام بانکی را تبیین کنند.

هدف پژوهش حاضر بررسی تأثیر تلاطمات نرخ ارز بر مطالبات غیرجاری در محدوده زمانی 1392-1384 برای 18 بانک منتخب کشور است. از این رو ابتدا متغیرهای تأثیرگذار بر تسهیلات غیرجاری به دو گروه متغیرهای کلان و خاص بانکی تفکیک شدند. سپس با انجام آزمون های مختلف به تفکیک متغیرهای خاص بانکی و کلان اقتصادی از مانا بودن متغیرهای پژوهش اطمینان حاصل شد و در نهایت برآورد مدل اقتصادسنجی با فن داده های تابلویی به روش اثرات ثابت نشان داد که متغیر رشد اقتصادی تأثیر منفی و متغیرهای شکاف نرخ سود واقعی در بازار غیررسمی و رسمی و تلاطمات نرخ ارز تأثیر مثبت بر متغیر وابسته داشته اند. همچنین بررسی تأثیر متغیرهای خاص بانکی نیز نشان داده اند متغیرهای نسبت سپرده به هزینه که نماینده کارایی و نسبت سهم از تسهیلات که نشان دهنده اندازه بانک هاست، هر دو تأثیر منفی و معنی داری بر ایجاد مطالبات غیرجاری داشته اند، اما ضریب به دست آمده برای نسبت کفایت سرمایه از لحاظ آماری معنی دار نبوده است. ضمن اینکه ضریب متغیر تلاطمات نرخ ارز توسط روش ناهمسانی واریانس خودرگرسیونی عمومی (EGARCH) استخراج و در مدل وارد شده است.

هدف این مطالعه بررسی تاثیر متغیرهای کلان اقتصادی و ویژگی های خاص بانکی بر مطالبات غیرجاری در محدوده زمانی 1392-1384 است. برای دستیابی به این هدف از تکنیک داده های تابلویی در قالب مدل پویا برای 18 بانک کشور استفاده شده است و شاخص نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی هر بانک برای سنجش مطالبات غیرجاری مورد استفاده قرار گرفته است. نتایج تخمین مدل به روش گشتاورهای تعمیم یافته (GMM) نشان می دهد که در میان متغیرهای کلان مورد بررسی، متغیر رشد اقتصادی تاثیر منفی و متغیرهای شکاف نرخ سود واقعی در بازار غیررسمی از نرخ بهره واقعی در بازار رسمی و نوسان نرخ ارز، تاثیر مثبت بر نسبت مطالبات غیرجاری به تسهیلات پرداختی داشته اند. بررسی تاثیر متغیرهای خاص بانکی نیز نشان داده اند که متغیرهای نسبت کفایت سرمایه، نسبت سپرده به هزینه که به عنوان نماینده کارایی معرفی شده است و نسبت سهم از تسهیلات که نشان دهنده اندازه بانک است، همگی تاثیر منفی و معناداری بر ایجاد مطالبات غیرجاری داشته اند. با این وصف می توان فرضیه «مدیریت بد» که نشان می دهد افزایش کارایی هزینه کل، موجب کاهش مطالبات معوق می شود و فرضیه «قدرت و ثبات بازاری» که بر اساس آن استدلال می شود بانک های با قدرت بازاری بالاتر نسبت تسهیلات سررسید گذشته کمتری دارند را برای بانک های مورد بررسی تایید کرد.

برای کاهش هزینه ها و زمان خوابیدگی ماشین آلات صنعتی ، یکی از مهمترین اقدامات جهت پیشگیری از خرابی، بازرسی نگهداری است. بر مبنای محاسبات آماری با بنطباق میزان شکست ، مدت خرابی و زمان بازرسی با تابع توزیع نمایی نسبت به حداقل نمودن مجموع زمان های خوابیدگی بوسیله تعیین تعداد بازرسی اقدام می شود. میزان شکست بدون انجام هرگونه بازرسی نگهداری است. با توجه به اهمیت و حساسیت برخی صنایع، تعیین تعداد بازرسی با قابلیت اطمینان معین ضرورت می یابد که با استفاده از محاسبات آماری از رابطه زیر بدست می آید. روش های جایگزین برای انجام این کار با استفاده از شبکه های عصبی مصنوعی عبارتند از : 1- شناسایی الگو 2- بهینه سازی استفاده از توانایی شناسایی الگوی شبکه عصبی MLP به معنی یادگیری رفتار سیستم و تعمیم عملکرد گذشته به آینده در دوره عادی عمر ماشین و زمان بندی بازرسی نگهداری بر مبنای این عملکرد می باشد. تابع معیار این شبکه است که در آن تعداد بازرسی واقعی یا محاسبه شده توسط روش آماری در واحد زمان و د تابع بازرسی قابل محاسبه بوسیله شبکه عصبی است ، به طوری که تابع معیار حداقل شود. در این مقاله با استفاده از توانایی بهینه سازی شبکه عصبی و برای حداقل کردن مجموع زمان خوابیدگی ماشین از تابع معیار استفاده می شود و سرانجام برای حداقل کردن مجموع زمان خوابیدگی همراه با حداکثر کردن قابلیت اطمینان ، نسبت به حداقل کردن تابع معیار توسط شبکه عصبی اقدام می گردد. کسب نتایج جامع و ملموس به صورت ترکیب بهینه زمان خوابیدگی ( که با تعداد بازرسی رابطه معکوس دارد) و قابلیت اطمینان ( که با تعداد بازرسی رابطه مستقیم دارد) برتری نسبی روش جدید را یه منصه ظهور می رساند.