آزاده احمدی کوشا

هدف: برای امتیازدهی به مشتریان، بایستی یک سیستم امتیازدهی مناسب و عادلانه تعیین شود؛ سیستمی که بتواند با در نظر گرفتن معیارهای اعتباری و رفتاری، مشتریان را در رده های مختلف قرار دهد و بر اساس عملکرد آن ها، به آن ها امتیازهای متناسب اختصاص دهد. علاوه براین، به توسعه روش هایی برای ارزیابی و پایش مشتریان در طول زمان نیاز است. هدف از این پژوهش، شناسایی و تحلیل شاخص های اعتباری و رفتاری و ارائه مدلی برای رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه (بدون وثیقه) است. اعتبارسنجی مشتریان فرایند پیچیده ای است که شامل مراحل بررسی مدارک، تحلیل وضعیت مالی و تاریخچه پرداخت های قبلی مشتریان است. یکی از موضوعات مهم در اعتبارسنجی مشتریان، تعیین میزان، توان و قابلیت بازپرداخت وام توسط مشتریان است. هدف از این پژوهش، ارائه مدل اعتبارسنجی و رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه و برآورد احتمال نکول تسهیلات خُرد بدون پشتوانه، در بانکداری دیجیتال بانک خاورمیانه است. روش: جامعه آماری این پژوهش، کلیه مشتریان خُرد بانکداری دیجیتال بانک خاورمیانه بود و از روش تمام شماری برای مشتریان سال های ۱۴۰۰ تا ۱۴۰۱ استفاده شد. مبنای این پژوهش برای رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه، مدلی بود که در پژوهش احمدی کوشا و همکاران (۱۴۰۳) ارائه شد؛ از این رو شاخص هایی همچون سن، مبلغ وام دریافتی، مبلغ مجاز درخواست وام، مبلغ کل تسهیلات دریافتی، امتیاز، تأیید پول شویی، جنسیت، شغل، شهر، مدرک، وضعیت وام و نوع شغل، به عنوان متغیرهای ورودی اولیه در نظر گرفته شدند. در ادامه، از رگرسیون فازی و با الهام از کتابخانه های نرم افزار Python مانند SciKit-Fuzzy و NumPy، داده ها تحلیل شدند و در ادامه، فرمولی برای رگرسیون فازی به دست آمد. همچنین، به منظور ارزیابی نهایی مدل اعتبارسنجی و رتبه بندی مشتریان تسهیلات خُرد بدون پشتوانه، از یک مثال برای یک مشتری استفاده شد. یافته ها: بر اساس خروجی به دست آمده، متغیرهای مبلغ وام دریافتی درخواست شده، مبلغ کل تسهیلات و شغل، تأثیری در پرداخت اقساط ۶۰ روز بعد از سررسید ندارد. افزون براین، رتبه بندی متغیرهای مهم در پرداخت اقساط ۶۰ روز بعد از سررسید، به ترتیب عبارت اند از: وضعیت تسویه وام، وضعیت پول شویی، جنسیت، مدرک، سن، امتیاز، نوع شغل و شهر. همچنین، اعتبار و قدرت پیش بینی مدل، از طریق یک مشتری بررسی شد که نمره 8738/0 به دست آمد که نشان می دهد این مشتری در پرداخت اقساط ۶۰ روز بعد از سررسید، در وضعیت خوبی قرار داشته است. بدین ترتیب کارآمدی مدل در ارزیابی و مدیریت ریسک اعتباری آزمون شد. استفاده از این مدل برای مؤسسه های مالی در تضمین شیوه های وام دهی پایدار حیاتی است. نتیجه گیری: با توجه به متغیرهای شناسایی شده مؤثر بر رفتار پرداخت پس از سررسید، برای مؤسسه های مالی ضروری است که این عوامل را در چارچوب های ارزیابی ریسک خود بگنجانند. این بانک باید اجرای پروتکل های سخت گیرانه مبارزه با پول شویی را در اولویت قرار دهد و به طور منظم معیارهای ارزیابی ریسک خود را به روز کند تا با الزامات نظارتی هماهنگ شود. همچنین، برای به حداکثر رساندن کاربرد این مدل، بانک خاورمیانه باید در نظارت و اصلاح مستمر مدل سرمایه گذاری و از آخرین داده های موجود از رفتارهای مشتری برای انطباق با پویایی بازار استفاده کند.

هدف: در بانک ها، مدیریت و اعتبارسنجی مشتریان، یکی از موارد حیاتی است و برای حفظ امنیت مالی و پایداری سازمان بانکی بسیار اهمیت دارد. یکی از چالش های اساسی در این حوزه، شناسایی شاخص های مناسب برای اعتبارسنجی و امتیازدهی به مشتریان است. چون اغلب این مشتریان به اطلاعات مالی و اعتباری دسترسی محدودی دارند و نمی توانند ضامن یا سوابق قرض دهی مناسبی ارائه کنند، تعیین شاخص های صحیح و قابل اعتماد بسیار چالش برانگیز است. همچنین، برای امتیازدهی به مشتریان، باید یک سیستم امتیازدهی مناسب و عادلانه وجود داشته باشد. این سیستم باید بتواند با در نظر گرفتن معیارهای اعتباری و رفتاری، مشتریان را در رده های مختلف قرار دهد و بر اساس عملکرد آن ها، به آن ها امتیازهای متناسب اختصاص دهد. علاوه براین، نیاز به توسعه روش هایی برای ارزیابی و پایش مشتریان در طول زمان نیز وجود دارد. هدف این پژوهش، شناسایی شاخص های اعتبارسنجی و رتبه بندی مشتریان در تسهیلات خُرد در بانک خاورمیانه است. روش: این پژوهش از نظر هدف کاربردی زمینه ای و از نظر روش اکتشافی است. جامعه آماری آن، کلیه مشتریان خُرد بانکداری دیجیتال بانک خاورمیانه بودند که درخواست دریافت تسهیلات کم بهره ۲ درصد سالانه با نرخ جریمه ۶ درصد را داشتند. روش های آماری در این پژوهش، در دو بخش آمار توصیفی و استنباطی انجام گرفت. در بخش آمار توصیفی، برخی فاکتورهای شخصیتی همچون سن، جنسیت، تحصیلات، کسب وکار، وضعیت بدهی جاری نظام بانکی، وضعیت چک های برگشتی، وضعیت پول شویی، مانده موجودی حساب بانکی (بانکینو)، سوابق تراکنش های بانکی، مکان جغرافیایی (محل زندگی و کار)، مدل گوشی همراه و سیستم عامل گوشی و رتبه اخذ شده از سامانه شرکت مشاوره رتبه بندی اعتباری ایران و... تجزیه وتحلیل و از طریق جدول و نمودارها بررسی شدند. الگوریتم های نایو بیز، متا، Attribute Selected Classifier و الگوریتم j۴۸ اجرا و از نرم افزار وکا برای رده بندی معیارها و ایجاد الگو استفاده شد. افزون بر این، به منظور ارزیابی نهایی مدل اعتبارسنجی و رتبه بندی مشتریان تسهیلات خُرد بدون پشتوانه، از آزمون تی در سطح ۰/۲۵ استفاده شد. یافته ها: یافته ها نشان داد که اگر فردی برای درخواست وام مراجعه کند، بانک باید به شاخص هایی توجه کند و بر اساس آن شاخص ها، در خصوص پرداخت یاعدم پرداخت وام تصمیم گیری کند. از این رو به فردی که تمام یا بخش عمده ای از این شاخص ها را دارد، می توان وام پرداخت کرد یا از متقاضی، وثیقه مناسب گرفت. این شاخص ها عبارت اند از: ۱. تسویه وام های قبلی شخص در بانک اعطا کننده، ۳۰ روز و ۶۰ روز بعد از سررسید وام انجام شده باشد؛ ۲. مبلغ تسهیلات دریافت شده این شخص، بالاترین مبلغ وام قابل پرداخت باشد؛ ۳. وضعیت وام های قبلی شخص در سایر بانک ها تسویه شده باشد؛ ۴. مبلغ وام درخواستی هر چه بالاتر باشد، بهتر است؛ ۵. سن فرد بالاتر از میان سال باشد؛ ۶. مدرک فرد کارشناسی، دیپلم و زیر دیپلم نباشد؛ ۷. امتیاز فرد بالای ۴۰ باشد؛ ۸. سیستم عامل گوشی فرد اندروید نباشد؛ ۹. مدل گوشی فرد سامسونگ یا شیائومی نباشد؛ ۱۰. بررسی های مربوط به وضعیت پول شویی فرد منفی باشد. نتیجه گیری: بانک ها باید در این استراتژِی (تسهیلات خُرد بدون پشتوانه) به اشخاصی تسهیلات بدهند که قبل از وارد شدن به هرگونه رابطه اعتباری جدید، درباره آن ها کاملاً شناخت داشته باشند. داده های لازم را از آن ها جمع آوری کنند و از حسن اعتبار و شهرت آن ها اطمینان یابند. بانک باید اطلاعات کامل و جامعی در خصوص وام گیرنده دریافت کند؛ به نحوی که این اطلاعات قابل اتکا باشد؛ زیرا اعطای تسهیلات به اندازه سودآوری، می تواند بانک را متحمل ریسک کند.