برآورد ریسک اعتباری مشتریان با استفاده از تحلیل چند بعدی ترجیحات (مطالعه موردی: یک بانک تجاری در ایران)

الموضوعات :

سید علی ناجی اصفهانی ¹ , محمد علی رستگار ²

1 - دانشجوی کارشناسی ارشد دانشگاه خوارزمی
2 - گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس

تاريخ الإرسال : 04 الإثنين , رجب, 1440 تاريخ التأكيد : 04 الإثنين , رجب, 1440 تاريخ الإصدار : 15 الأربعاء , جمادى الثانية, 1440

الکلمات المفتاحية: طبقه‎بندی JEL: .G32, C15, G21 واژگان کلیدی: ریسک اعتباری, بانک تجاری, آنالیز چند بعدی ترجیحات (LINMAP),

ملخص المقالة :

چکیده هدف این مقاله ارزیابی و پیش‌بینی ریسک اعتباری شرکت‎های متقاضی تسهیلات از یک بانک تجاری در ایران است. بدین منظور، با استفاده از نمونه‌گیری تصادفی بین مقطعی، 75 درصد درون نمونه‌ای و 25 درصد برون نمونه‌ای و مدل تحلیل چندبعدی ترجیحات وضعیت نسبت‎های مالی و عملکرد آن‎ها نزد بانک طی سال‌های 1389–1393 مورد بررسی قرار گرفت. نتایج حاکی از کارایی روش استفاده شده جهت پیش‌بینی رفتار اعتباری مشتریان بانک می‎باشد. با توجه به مزیت‎های روش استفاده شده که شامل عدم وابستگی به سابقه عملکرد مالی شرکت‎ها و دقت پیش‌بینی این روش نسبت به روش‎های متداول می‎باشد، پیشنهاد می‎شود از این روش به عنوان ورودی تحقیقات مدیریت پرتفوی اعتباری بانک‎ها استفاده گردد.

المصادر:

منابع

-  رستگار، محمد‌علی، جبینی، سجاد (1397). طبقه‎بندی اعتباری مشتریان حقوقی یک بانک ایرانی با استفاده از KFP-MCOC. فصلنامه علمی- پژوهشی اقتصاد مقداری، 15 (56): 181-199.

-      Agliardi, E., & Agliardi, R. (2009). Fuzzy defaultable bonds. Fuzzy Sets and Systems, 160: 2597-2607.

-      Altman, E.I. (2000). Predicting financial distress of companies: revisiting the Z-score and ZETA models. Stern School of Business, New York University: 9-12.

-      Altman, E.I. (2001). Analyzing and explaining default recovery rates.

-      Altman, E.I., & Saunders, A. (1997). Credit risk measurement: Developments over the last 20 years. journal of banking & finance, 21: 1721-1742.

-      Bereketli, I., & Erol Genevois, M., & Esra Albayrak, Y., & Ozyol, M. (2011). WEEE treatment strategies_آ evaluation using fuzzy LINMAP method. Expert Systems with Applications, 38: 71-79.

-      Castagnetti, C., & Rossi, E. (2013). EURO corporate bond risk factors. Journal of Applied Econometrics, 28: 372-391.

-      Doumpos, M., & Kosmidou, K., & Baourakis, G., & Zopounidis, C. (2002). Credit risk assessment using a multicriteria hierarchical discrimination approach: A comparative analysis. European journal of operational research, 138: 392-412.

-      Hayre, L., & Chiluveru, S. (2012). Evaluation of Mortgage Credit Risk. The Journal of Fixed Income, 21: 43-54.

-      Mou,T.Y., & Zhou,Z.F. & Shi,Y., (2006). Credit Risk Evaluation Based on LINMAP. In Computational Science–ICCS.

-      Ohlson, J.A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of accounting research,109-131.

-      Orsenigo, C., & Vercellis, C. (2013). Linear versus nonlinear dimensionality reduction for banks credit rating prediction. Knowledge-Based Systems, 47: 14-22.

-      Pérez-Martín, A., & Pérez-Torregrosa, A., & Vaca, M. (2018) Big Data techniques to measure credit banking risk in home equity loans. Journal of Business Research, 89: 448-454.

-      Shen, F., & Ma, X., & Li, Z., & Xu, Z., & Cai, D. (2018). An extended intuitionistic fuzzy TOPSIS method based on a new distance measure with an application to credit risk evaluation. Information Sciences, 428: 105-119.

-      Srinivasan, V., & Shocker, A.D. (1973). Linear programming techniques for multidimensional analysis of preferences. Psychometrika , 38: 337-369.

-      Xia, H.C., & Li, D.F., & Zhou, J.Y., & Wang, J.M. (2006). Fuzzy LINMAP method for multiattribute decision making under fuzzy environments. Journal of computer and system sciences, 72: 741-759.

-      Zhou, Z., & Tang, X., & Shi, Y. (2005). A multi-factors evaluation method on credit evaluation of commerce banks. Data Mining and Knowledge Management,pp: 229-232. Springer.