رتبه‌بندی بانک‌ها بر مبنای شاخص‌های کملز جهت پیش‌بینی درماندگی مالی به روش رگرسیون لجستیک و تحلیل‌پوششی‌داده‌ها

محورهای موضوعی : بورس اوراق بهادار

غلام عباس پایدار ¹ (گروه حسابداری و مدیریت، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران.)
مرتضی شفیعی ² (گروه مدیریت صنعتی، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران)
فریبرز عوض زاده فتح ³ (گروه حسابداری، واحد گچساران، دانشگاه آزاد اسلامی، گچساران، ایران.)
هاشم ولی پور ⁴ (گروه حسابداری، واحد فیروزآباد، دانشگاه آزاد اسلامی، فیروزآباد، ایران)

تاریخ دریافت : 1400/10/13 تاریخ پذیرش : 1401/06/14 تاریخ انتشار : 1402/04/01

کلید واژه: رگرسیون لجستیک, تحلیل‌پوششی‌داده‌ها, پیش‌بینی درماندگی مالی, شاخص‌های کملز, سیستم نظارت بانکی,

چکیده مقاله :

انتخاب سیستم نظارتی کارآمد برای ارزیابی درماندگی مالی بانک‌ها اهمیت فراوانی دارد، به همین منظور یکی از مهم‌ترین سیستم‌های نظارتی که برای ارزیابی درماندگی مالی بانک‌ها استفاده می‌شود، سیستم نظارتی کملز می‌باشد که شامل شش شاخص؛ کفایت سرمایه، کیفیت دارایی‌ها، کیفیت مدیریت، کیفیت درآمدها، نقدینگی، حساسیت به ریسک بازار می‌شود. لذا در این پژوهش ملاک درماندگی مالی بانک‌ها شاخص‌های کملز می‌باشد؛ که در ابتدا به رتبه‌بندی 17 بانک پذیرفته‌شده در بورس اوراق بهادار تهران در سال مالی 1399 و تفکیک آن‌ها به گروه‌های سالم و درمانده مالی به ‌وسیله شاخص‌های کملز پرداخته شد. سپس جهت پیش‌بینی درماندگی مالی بانک‌ها از مدل‌های، تحلیل‌پوششی‌داده‌ها و رگرسیون لجستیک استفاده شد و سپس با آزمون مقایسه زوجی (T) به بررسی دقت پیش‌بینی هر دو مدل پرداخته شد. درروش رگرسیون لجستیک، از مدل باینری با متد ForwardlR استفاده شد و درروش تحلیل‌پوششی‌داده‌ها نیز از مدل SBM با کاربردی متفاوت استفاده شد؛ که نتایج پژوهش نشان داد که دقت کلی مدل رگرسیون لجستیک از مدل تحلیل‌پوششی‌داده‌ها در ارزیابی درماندگی مالی بالاتر است و همچنین سیستم نظارتی کملز می‌تواند ارزیاب خوبی برای درماندگی مالی بانک‌ها باشد.

چکیده انگلیسی:

It is very important to choose an efficient monitoring system to assess the financial distress of banks, therefore, one of the most important monitoring systems used to assess the financial distress of banks is the CAMELS monitoring system. Which includes six indicators; Capital adequacy, asset quality, management quality, revenue quality, liquidity, market risk sensitivity. Therefore, in this study, the criterion of financial helplessness of banks is CAMELS indicators. Initially, 17 banks listed on the Tehran Stock Exchange in the fiscal year 1399 were ranked and divided into healthy and helpless financial groups by CAMELS indicators. Then, models, Data Envelopment Analysis and logistic Regression were used to predict the financial distress of banks. Then, with the pairwise comparison test (T), the prediction accuracy of both models was investigated. In logistic regression method, binary model with ForwardlR method was used. And in data envelopment analysis method, SBM model with different application was used. The results showed that the overall accuracy of the logistic regression model is higher than the data envelopment analysis model in assessing financial distress and also the CAMELS monitoring system can be a good assessor for banks' financial distress.