بکارگیری رویکرد تلفیقی دلفی فازی - رگرسیون لجستیک چندگانه در شناسایی و ارزیابی ریسک اعتباری مشتریان حقیقی بانک ملت
محورهای موضوعی : مهندسی مالی
سیروس عزیزاللهی
1
,
مهدی معدن چی زاج
2
,
قاسم محسنی
3
,
مهرداد حسینی شکیب
4
1 - گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
2 - گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
4 - گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
کلید واژه: ریسک اعتباری, اعتبارسنجی, مشتریان حقیقی, رگرسیون لجستیک چندگانه,
چکیده مقاله :
هدف از این پژوهش اعتبار سنجی مشتریان حقیقی بانک ملت با استفاده از رویکرد دلفی فازی و رگرسیون لجستیک چندگانه، است. بدین منظور، ابتدا به روش کتابخانه‌ای، شاخص‌های مؤثر بر ارزیابی ریسک اعتباری مشتریان حقیقی، شناسایی و سپس، از روش دلفی فازی، استفاده و شاخص‌ها، غربالگری گردید. جامعه این بخش را خبرگان بانکی (بانک ملت) تشکیل دادند که به روش گلوله برفی انتخاب شدند. در ادامه داده‌های نهایی مرتبط با شاخص‌ها، شامل پرونده‌های 7318 مشتری حقیقی بانک ملت طی سالهای 1399 – 1393، جمع‌آوری و با روش رگرسیونی لجستیک چندگانه در چهار رده وصول به موقع، سررسید گذشته، معوق و مشکوک الوصول، تحلیل شد. نتایج نشان داد، شاخص‌های مبلغ وام، زمان باز پرداخت وام، فاصله اقساط، مبلغ هر قسط، تمدید وام، وام قبلی، وثیقه ملکی، معدل موجودی، نرخ سود تسهیلات و سطح تحصیلات، تأثیر معنی‌داری بر ریسک اعتباری مشتریان حقیقی دارند. همچنین معنی‌داری شاخص‌های جنسیت، سن و شغل، تأیید نگردید.
The purpose of this study is to validate the real customers of Bank Mellat using fuzzy Delphi approach and multiple logistic regression. For this purpose, first, the effective indicators on assessing the credit risk of real customers were identified by library method and then, the fuzzy Delphi method was used and the indicators were screened. The community of this section was formed by banking experts (Bank Mellat) who were selected by snowball method. Then, the final data related to the indicators, including the files of 7318 real customers of Bank Mellat during the years 2014-2020, were collected and analyzed by multiple logistic regression method in four categories of timely receipt, past due date, delinquent and doubtful receipt. The results showed that the loan amount, loan repayment time, installment interval, installment amount, loan extension, previous loan, real estate collateral, inventory average, facility interest rate and education level have a significant effect on credit risk of real customers. Also, the significance of gender, age and occupation indices was not confirmed.
_||_