نرخ وصول

یکی از موضوعات مهم در خصوص اعطای تسهیلات بانکی، احتمال عدم تعهد تسهیلات گیرنده در بازپرداخت تسهیلات دریافتی است. عوامل متعددی در عدم بازپرداخت بدهی بانک ها دخیل هستند که با شناسایی آن ها می توان زمینه را برای کاهش و کنترل ریسک اعتباری فراهم کرده و در فرآیند اعطای اعتبارات بهبود ایجاد نمود. در این مطالعه به بررسی عوامل مؤثر بر نرخ وصول تسهیلات با مطالعه موردی بانک کشاورزی استان خراسان رضوی با استفاده از مدل اقتصادسنجی توبیت پرداخته شد. برای این منظور با استفاده از روش نمونه گیری تصادفی کوکران تعداد ۲۱۵ مشتری از مشتریان مختلفی که بخشی از تسهیلات دریافتی آن ها از شعب بانک کشاورزی استان خراسان رضوی در سال ۱۳۹۲ با عدم وصول مواجه شده بود، انتخاب شده و اطلاعات مورد نیاز مطالعه گردآوری گردید. نتایج تخمین مدل توبیت با استفاده از نرم افزار STATA نشان داد که اندازه تسهیلات، دارای اثر مستقیم ضعیفی، نرخ سود بازپرداخت تسهیلات اثر معکوسی و بی معنی، طول دوره بازپرداخت تسهیلات اثر مثبت و قوی، ضمانت از نوع ضمانتی اثر مثبت، ضمانت از نوع وثیقه ای اثر معکوس، وقوع حادثه اثر معکوس و همزمانی سر رسید پرداخت تسهیلات با فصل فروش محصول دارای اثر مستقیم قوی بر نرخ وصول تسهیلات می باشد

مدیریت ریسک اعتباری، رتبه بندی اعتباری و ارزیابی میزان ریسک مشتریان، در کنار جذب منابع از اهمیت بالایی برای بانک ها برخوردار است؛ زیرا اگر بانک ها با تخصیص بهینۀ منابع و کسب درآمد بین فرایند تجهیز و تخصیص منابع خود نتوانند توازن ایجاد کنند، در آینده با مشکلات زیادی روبه رو می شوند. براساس آمارهای رسمی منتشرشده از سوی بانک مرکزی ج.ا.ا در سال های اخیر، میزان مطالبات معوق بانک ها بسیار افزایش یافته است؛ زیرا سیستم اعتبارسنجی دقیقی برای ارزیابی اعتبار و اندازه گیری میزان ریسک مشتریان وجود ندارد. در این پژوهش، الگویی با استفاده از روش های داده کاوی برای پیش بینی شاخص نرخ وصول مشتریان ارائه می شود. رویکردی که در سال های اخیر در دنیا به عنوان روشی جدید برای اندازه گیری ریسک مشتریان به جای اندازه گیری احتمال نکول مدّنظر قرارگرفته است. نتایج نشان می دهد الگوی پیشنهادی این پژوهش، دقت بیشتری دارد. به طور کلی، هدف پیش بینی درصد وصول مطالبات قراردادهای با احتمال ریسک مطالباتی بالا قبل از اعطای تسهیلات است.

افزایش نسبت مطالبات غیرجاری به تسهیلات اعطایی به عنوان شاخص ریسک اعتباری بانک ها می تواند سلامت شبکه بانکی، نظام مالی و اقتصاد حقیقی را به خطر اندازد. از این رو در این مقاله، بررسی این ریسک با استفاده از نسبت مانده واقعی مطالبات غیرجاری و با تمرکز بر مجموعه ای گسترده از متغیرها شامل متغیرهای مالی، غیرمالی، خصوصیتی قراردادها، حسابرسی و اقتصادی، در نمونه ای از 677 پرونده تسهیلاتی مشتریان حقوقی یک بانک دولتی برای سال های 1385 تا 1396 مورد توجه قرار گرفت. براساس نتایج حاصله، در انتخاب متغیرهای تاثیرگذار بر ریسک اعتباری، الگوریتم لاسو با عملکرد بهتر به شناسایی 10 متغیر کلیدی از گروه متغیرهای مالی، اقتصادی و حسابرسی منتهی شد. با این وجود نتایج آموزش این ویژگی ها توسط مدل ماشین بردار و درخت تصمیم که بیانگر بهترین نتایج در قالب الگوریتم لاسو به همراه درخت تصمیم هستند، ضریب اهمیت اندکی را برای متغیرهای حسابرسی در نظر می گیرند. از این رو استفاده از الگوریتم لاسو به همراه درخت تصمیم با تمرکز بر متغیرهای مالی و اقتصادی می تواند از کفایت لازم برخوردار باشد.