شناسایی و رتبه‌بندی مشتریان حقوقی متقاضی تسهیلات بانکی از منظر ریسک اعتباری با استفاده از روش ترکیبی ANP-PROMETHEE

محورهای موضوعی : مدیریت

سعید سفیدگران ¹ , حسن حاله ²

1 - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی،واحد قزوین، گروه صنایع و مکانیک ، قزوین، ایران
2 - استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه صنایع و مکانیک ، قزوین، ایران(عده دار مکاتبات)

تاریخ دریافت : 1396/08/01 تاریخ پذیرش : 1396/08/01 تاریخ انتشار : 1395/12/01

کلید واژه: ریسک اعتباری, Promethee, ANP, رتبه‌بندی اعتباری, مدل اعتبارسنجی 5C,

چکیده مقاله :

ارائه تسهیلات یکی از مهم‌ترین فعالیت‌های بانکی تلقی می‌شود اما ریسک اعتباری یا عدم توان گیرنده تسهیلات در بازپرداخت اصل و سود تسهیلات اعطایی ، بانک‌ها را دچار مشکلات عدیده‌ای می‌کند لذا به‌منظور مدیریت و کنترل این ریسک به‌عنوان یکی از بزرگترین عوامل شناخته‌شده ورشکستگی بانک‌ها طراحی مدل‌های رتبه‌بندی امری ضروری به نظر می‌رسد. تاکنون روش‌های مختلفی ازجمله مدل‌های پارامتریک مانند رگرسیون لجستیک و روش‌های نا پارامتریک مانند شبکه‌های عصبی برای رتبه‌بندی مشتریان بانکی استفاده‌شده است اما در تحقیق پیشرو یک مدل رتبه‌بندی تصمیم‌گیری با استفاده از روش ترکیبیPromethee-ANP جهت رتبه‌بندی مشتریان حقوقی بانک رفاه از منظر ریسک اعتباری ارائه‌شده است که از یکسو نیازمند به دست آوردن توزیع و فرضیات مانند روش‌های پارامتری نبوده و برخلاف روش‌هایی مانند شبکه‌های عصبی و رگرسیون لجستیک با به‌کارگیری داده‌های واقعی متقاضیان تسهیلات بانکی، رتبه‌بندی را انجام می‌دهد و از طرف دیگر نظرات و قضاوت‌های خبرگان را نیز مؤثر می‌سازد. جهت به‌کارگیری روش ارائه‌شده 22 شاخص متناسب با معیارهای مدل اعتبارسنجی 5C استخراج و وزن هریک با روش ANP تعیین گردید و در مرحله آخر رتبه‌بندی بر روی نمونه‌ای به حجم 25 از مشتریان حقوقی بانک با روش Promethee انجام شد.

چکیده انگلیسی:

  Bank lending is one of the most important Bank activities but they have many problems by Customer credit risks or inability to repay the principal and interest on loans granted. Thus the design of scoring models to manage and control credit risk known as one of the largest bankruptcy factor of banks is necessary. Various methods such as parametric models as logistic regression and nonparametric methods as neural networks have been used to rank banking customers until now, but in this paper provide a model in scoring of Corporate client applying for credit In terms of credit risk by using hybrid ANP-Promethee method that one the hand need not to get the distribution and assumptions such as parametric models and unlike methods such as neural networks and logistic regression ranked Bank Customer by using actual data and in the other hand consider impact of expert opinions. The application of the proposed method22 index criteria is extracted 5C model validation and the weight of each was determined using ANP and the end step scoring on a sample of 25 corporate customers bank were being Promethee method.