ظرفیت اعتباری

امروزه به خاطر افزایش درخواست اعتبارات از بانک ها، مطالبات معوق بانک ها نیز بیشتر شده است. بنابراین، بانک ها برای کاهش مطالبات معوق و بالا بردن کارایی سیستم پولی خود، مجبور شده اند که از روش های گوناگونی همچون روش سنتی قضاوت شخصی و تحلیل ممیزی برای ارزیابی ریسک اعتباری مشتریان بهره ببرند. با این وجود، در قالب پرداخت های کنونی اکثر شرکت ها و مشتریان اعتباری اذعان بر ناکافی بودن تسهیلات دریافتی دارند. بنابراین ارایه مدلی که بتواند ریسک و ظرفیت اعتباری مشتریان را به نحو مناسبی تعیین کند، بانک ها را قادر خواهد ساخت از تسهیلات جمع آوری شده استفاده بهینه ای داشته باشند. بدین منظور، در این مقاله با استفاده از مدل شبکه های عصبی و اطلاعات ترازنامه ای مشتریان بانک تجارت، مدلی برای محاسبه ریسک و ظرفیت اعتباری مشتریان ارایه شده است.

یکی از اهداف مهمی که بانک ها و موسسات مالی جهت بالا بردن کارایی پس اندازهای جمع آوری شده از اشخاص حقیقی و حقوقی دنبال می کنند، این است که با شناسایی مشتریان اعتباری خود تسهیلات اعتباری را به افراد یا ساز مان هایی تخصیص دهند که احتمال نکول کمتری داشته باشند. لیکن برای این کار از روش های مختلفی هم چون روش معمول قضاوت شخصی، تحلیل ممیزی و ... استفاده می کنند. با این وجود اغلب این روش ها، روی ریسک اعتباری مشتریان متمرکز شده اند، در حالی که ظرفیت اعتباری مشتریان می تواند در ارائه تسهیلات نقش مهمی ایفاء نماید. در این مقاله مدل شبکه های عصبی برای محاسبه هر دو عامل ریسک و ظرفیت اعتباری به طور همزمان مورد توجه قرار گرفته است. البته مدل های رگرسیون خطی و لجستیک نیز برای محاسبه ریسک و ظرفیت اعتباری به کار گرفته شده است تا با مدل شبکه های عصبی مقایسه گردد. نتایج به دست آمده دلالت بر کارایی بالای شبکه های عصبی نسبت به رگرسیون خطی در برآورد ظرفیت اعتباری مشتریان و کارایی یکسان مدل شبکه های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری دارد.