الگوی جامع مدیریت ریسک اعتباری در نظام بانکداری ایران
محورهای موضوعی : دانش سرمایهگذاری
علی ثقفی
1
(استاد دانشگاه علامه طباطبائی، تهران، ایران (نویسنده مسئول))
جمال دامغانیان
2
(دکترای مدیریت مالی دانشگاه علامه طباطبائی، تهران، ایران.)
سجاد سیاح
3
(دکترای مدیریت مالی دانشگاه تهران، تهران، ایران)
حسین خضوعی
4
(کارشناسی ارشد مدیریت مالی دانشگاه امام صادق (ع) ، تهران، ایران.)
کلید واژه: مدیریت ریسک اعتباری, خط مشی, متدلوژی, زیرساخت, نظریه داده بنیاد,
چکیده مقاله :
در فرآیند هدایت وجوه از پس اندازکنندگان به متقاضیان وجوه، ممکن است در خصوص تعهدات پرداخت اصل و فرع تسهیلات نکول رخ دهد. این ریسک که از آن به ریسک اعتباری یاد می شود، قدیمی ترین، بزرگترین و در عین حال مهمترین ریسک بانکی محسوب می شود. در واقع به دلیل عدم تطبیق زمان، سررسید و مبلغ جریانات نقدی و نیز تعداد سپرده گذار با زمان، سررسید، مبلغ و تعداد تسهیلات- نهاد مالی بانک جزو ریسکیترین واسطه های مالی محسوب می شود. ضمن آنکه ضرورت حفظ اعتماد آحاد جامعه جهت جلوگیری از پیامدهای ریسک سیستماتیک (سرایت بحران و امکان وقوع پدیده شکست بازار) ایجاب می کند دولت به عنوان تامین کننده نهایی نقدینگی و اعتبار برای اقتصاد یا آخرین سپر حفاظتی وجوه بانک ها عمل نماید. بنابراین مدیریت یکپارچه ریسک اعتباری در تمامی مراحل قبل از اعطای تسهیلات، حین و بعد از اعطای تسهیلات امری حیاتی برای بانک هاست. پژوهش حاضر با هدف دستیابی به الگویی منسجم در حوزۀ مدیریت ریسک اعتبار است. برای این منظور با استفاده از راهبرد پژوهشی نظریه پردازی زمینه بنیاد، با پشت سر گذاشتن مراحل مختلف کدگذاری به چارچوب سه بخشی الگوی جامع مدیریت ریسک اعتباری شامل خط مشی، متدلوژی و زیرساخت دست پیدا شد.
Credit risk is traditionally defined as the risk that an obligor will not be able to honor its (often long dated) obligations, and has mostly been applied to the fixed income world and more specifically to bank lending. Credit risk is known as the oldest, largest and most important bank's risk. Therefore an integrated credit risk management at all stages of Before lending, While lending,after lending Is critical for banks. This study aims to achieve a coherent pattern in the area of credit risk management. For this purpose,by Using research method of graunded theory and coding behind the different stages of the three-part comprehensive model of credit risk management framework includes policies, methodologies and infrastructure were found
* احمدی، علی؛ احمدی جشفقانی، و اصغر ابوالحسنی هستیانی (1395)؛ «تاثیر ریسک اعتباری بر عملکرد نظام بانکی ایران: مطالعه بینبانکی با رویکرد PANEL Data»، مجله علوم اقتصادی، دوره 10، شماره 34، صص 131-152
* تاجمیر ریاحی، حامد(1391)؛ «بررسی رابطه شاخصهای حسابداری مدیریت ریسک و بازده سهام در بانکها»؛ فصلنامه دانش حسابداری و حسابرسی مدیریت، جلد اول، شماره اول
* حری، محمدصادق و کاوه مهدوی (1394)؛ «طراحی مدلی جهت پیشبینی رتبه اعتباری مشتریان بانکها با استفاده از الگوریتم فراابتکاری و هیبریدی چندمعیاره شبکه عصبی فازی-کلونی مورچگان» (مطالعه موردی شعب پست بانک استان تهران)، مجله پژوهشهای مدیریت در ایران، دوره 19، شماره 1، صص 92-116
* خدایی وله زاقرد، محمد و سمیرا علیایی (1392)؛ «بررسی عوامل کلیدی موثر بر ریسک نکول بانک های پذیرفته شده در بورس اوراق بهادار تهران»، بورس اوراق بهادار تهران، جلد 21، شماره 6، صص 92-11
* خوانساری، رسول و شمس میرفیض فلاح (1388)؛ «ارزیابی کاربرد مدل ساختاری KMV در پیشبینی نکول شرکتهای پذیرفته شده در بورس اوراق بهادار تهران»، مجله تحقیقات مالی، جلد 11، شماره 28
* خوشسیما، رضا و محمد نبی شهبکی (1391)؛ «تاثیر ریسکهای اعتباری، عملیاتی و نقدینگی برکارایی نظام بانکی ایران»، مجله برنامهریزی و بودجه، سال هفدهم، شماره 4.
* رنجبر، هادی؛ علی اکبر حق دوست، مهوش صلصالی؛ علیرضا خوشدل؛ محمد علی سلیمانی و نسیم بهرامی(1391)؛ «نمونهگیری در پژوهشهای کیفی: راهنمایی برای شروع»، سالنامه پژوهش علوم سلامت و نظامی، جلد 10، شماره 3، صص 238-250
* شمس قارنه، ناصر و سیما جنتی(1391)؛ «ارائه مدلی پویا جهت پیش بینی نرخ نکول شرکتهای لیست شده در بورس ایران (مطالعه موردی: صنعت ساخت محصولات فلزی)»، مهندسی مالی و مدیریت اوراق بهادار، جلد 4، شماره 13
* شوالپور، سعید و الهام اشعری (1392)؛ «بررسی تاثیر ریسک اعتباری بر سوداوری بانکها در ایران»، تحقیقات مالی, جلد 15، شماره 2، صص 229-246
* صفری، سعید؛ مرضیه ابراهیمی شقاقی و محمد جواد شیخ (1389)؛ «مدیریت ریسک اعتباری مشتریان حقوقی در بانکهای تجاری با رویکرد تحلیل پوششی دادهها (رتبهبندی اعتباری)»، مجله پژوهشهای مدیریت در ایران (مدرس علوم انسانی)، جلد 4، صص 137-164
* صلصالی، مهوش؛ علی فخر موحدی و محمدعلی چراغی (1386)، «ﭘﮋوﻫﺶ ﮔﺮاﻧﺪد ﺗﺌﻮری در ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﻓﻠﺴﻔﻪ و ﻋﻠﻮم ﻛﺎرﺑﺮدی»، اﻧﺘﺸﺎرات ﺑﺸﺮی
* طالبی، محمد و شیرزادی، نازنین (1390)؛ «ریسک اعتباری: اندازهگیری و مدیریت»، تهران، انتشارات سمت
* عباسیان، عزتالله؛ سامان فلاحی و عبدالصمد رحمانی(1390)، «اثر تنوعبخشی در پرتفوی تسهیلات بر ریسک اعتباری بانکها»؛ تحقیقات مالی, جلد 13, شماره 31
* عبدلی، قهرمان؛ علیرضا فردحریری(1393)، «الگوسازی سنجش ریسک اعتباری مشتریان حقوقی بانک رفاه»، پژوهشهای اقتصادی کاربردی, جلد 2, شماره 1, صفحات 1-24
* عرب مازار عباس و پونه رویین تن(1385)،«عوامل موثر بر ریسک اعتباری مشتریان بانکی، مطالعه موردی بانک کشاورزی»، جستارهای اقتصادی, جلد 6, شماره 3,صفحات 45-80
* عزیز نژاد، صمد؛ الهه مهرپرور و امین چراغان(1393)، «دلایل وصول نشدن مطالبات غیرجاری بانکها»، مرکز پژوهش های مجلس شورای اسلامی.
* فاضلیان، سیدمحسن؛ کورش پرویزیان و احسان ذاکرنیا(1393)، «شناسایی و اولویتبندی عوامل سیستماتیک و غیرسیستماتیک مؤثر بر افزایش مطالبات معوق در نظام بانکداری بدون ربای ایران مطالعه موردی: بانک سپه»، جستارهای اقتصادی ایران, جلد 11, شماره 2,صفحات 9-44
* فلاحپور،سعید؛ رضا راعی و محمد هندیجانی(1393)، «رویکرد شبکه ی عصبی مبتنی بر کلونی زنبور عسل مصنوعی جهت تخمین رتبه اعتباری مشتریان بانک ها»، مهندسی مالی و مدیریت اوراق بهادار, جلد 21,صفحات 33-53،
* قاسمی احمدرضا و طاهره دنیاییهریس(1394)، «اندازه گیری ریسک اعتباری مشتریان با رویکرد شبکه عصبی در یکی از بانک های دولتی»، مهندسی مالی و مدیریت اوراق بهادار, جلد 7, شماره 27,صفحات 155-181
* کرانی، حامد و مولود آقایی پور(1393)، «کاربرد نظریه تحلیل بقا در مدیریت ریسک اعتباری دریافت کنندگان تسهیلات»، فصلنامه روند, جلد 65, 175-200
* محمدپور، احمد(1390)؛ «روش در روش: درباره ساخت معرفت در علوم انسانی»، تهران: جامعه شناسان.
* محمدیان حاجی کرد، امین؛ ملیحه اصغر زاده و مصطفی امام دوست(1395)، «بررسی ریسک اعتباری مشتریان حقوقی با استفاده از مدل ماشین بردار پشتیبان و مدل هیبریدی الگوریتم ژنتیک – مطالعه موردی بانک تجارت»، مهندسی مالی و مدیریت اوراق بهادار, جلد 7, شماره 27,صفحات 17-32
* منصورفر، غلامرضا؛ فرزاد غیور و بهناز لطفی(1392)، «ترکیب اجزای جریان نقد و پیش بینی درماندگی مالی در بورس اوراق بهادار تهران»، تحقیقات حسابداری و حسابرسی, جلد 4, شماره 18,صفحات 74-87
* مهرابی، امیرحمزه؛ حسین خنیفر؛ علی نقی امیری؛ حسن زارعیمتین و غلامرضا جندقی(1390)، «معرفی روش شناسی نظریه داده بنیاد برای تحقیقات اسلامی (ارایه یک نمونه)»، مجله مدیریت فرهنگ سازمانی, جلد 9, شماره 23,صفحات 5-30
* میر مطهری، سید احمد(1386)، «آزمون رابطه میان رشد اقتصادی و ساختار مالی ایران» پژوهشنامه اقتصادی، شماره 24، صفحات 103-116
* نورا، عباسعلی؛ فرانک حسین زاده سلجوقی، محمد سیف پناه و آزاده صالحی(1390)، «بررسی اثر ریسک برکارایی با استفاده از تحلیل پوششی دادههای شبکهای در حضور خروجی نامطلوب»، در سومین همایش ملی تحلیل پوششی دادهها
* واعظ محمد؛ هادی امیری و مهدی حیدری(1390)، «تاثیر چرخه های تجاری بر نرخ نکول تسهیلات بانکی ایران طی دوره 1377-1379 و تعیین سبد بهینه تسهیلات برای کل نظام بانکی»، فصلنامه پژوهش های پولی-بانکی, جلد 3, شماره 7,. صفحات 41-76
* Abdelrahim. (2013). Effectiveness of credit risk management of saudi banks in the light of gobal financial crisis: A qualitative study. asian transaction on basic and applied sciences, 3(2), 73-91.
* Alessandri, P., & Drehmann, M. (2010). An economic capital model integrating credit and interest rate risk. Journal of Banking and Finance(34), 752-764.
* Allen, L., & Saunders, A. (2003). A survey of cyclical effects in credit risk measurement models. BIS Working Papers .
* Altman, E. I., & Saunders , A. (1998). Credit risk measurement: Developments over the last 20 years. Journal of Banking & Finance, 21, 1721-1742.
* Anbar, a. (2006). redit risk management in the Turkish banking sector: a survey study. electronic journal of social science, 5(17), 10-24.
* Arunkumar , R., & Kotreshwar , G. (2006). Risk Management in Commercial Banks (A Case Study of Public and Private Sector Banks). Indian Institute of Capital Markets 9th Capital Markets Conference Paper .
* Atiya, a. (2001). Bankruptcy Prediction for Credit Risk Using Neural. IEEE transactions on neural networks, 12(4), 929-935.
* Breuer, T., Jandacka, M., Rheinberger, K., & Summer, M. (2010). Does adding up of economic capital for market-and credit risk amount to conservative risk assessment. Journal of Banking & Finance, 34(4), 703-712.
* Bo, L., & Congwei, X. (2009, May). Notice of Retraction An Application of the Combination of Principal Component Analysis and BP Neural Network to Credit Assessment in the Commercial Banks. In Information Technology and Applications, 2009. IFITA'09. International Forum on (Vol. 1, pp. 426-429). IEEE.
* Budhwar, P. S. (1996). Cognitive Mapping as a Tool to Elicit Managerial Cognitions: Methodology Analysed. Vikalpa, 21(4), 17-26.
* Chen,M.,Huang,S.,(2003).Credit scoring and rejected instance s reassigning through evolutionary computation techniques .Exp.Syst.Appl.24,433–441.
* Chen, K., & Pan, C. (2012). An Empirical Study of Credit Risk Efficiency of Banking Industry in Taiwan. Journal of Chinese Management Review, 1(15), 1-16.
* Clifford, w., smithson, c., & wilford, s. (1991). Reviewed Work:Managing Financial Risk. The Journal of Finance, 46(4), 1570-1572.
* Committee, I. E. (2015). Market-base financing in emerging market countries.
* Corbin, J., & Strauss, A. (2008). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (3rd ed.). Thousand Oaks, CA: Sage.
* Crouhy, m., galai, d., & mark , r. (2014). the essential of risk management. McGraw-Hill Education.
* Demirguc-kunt, A., & Detragiache, E. (1998). Financial Liberalization and Financial Fragility. IMF working paper.
* Emel, AhmetBurak. Oral, Muhittin. Reisman, Arnold. Yolalan, Reha. (2003). A credit scoring approach for the commercial banking sector. Socio-Economic Planning Sciences, 37, 103–123.
* Estrella, a., & mishkin, f. (1996). The Yield Curve as a Predictor of U.S. Recessions. Current issues in economics and finance, 2(7).
* Flint, D. J. (1998). Change in customers' desired value: a grounded theory study of its nature and processes based on business customers' lived experiences in the US automobile industry. UMI Dissertation Services.
* Froot, k., scharfstein, d. s., & stein, j. c. (1993). risk management:coordinating corporate investment and financing policies. the journal of finance, 48(5).
* Fukuda, S. (2012). Market-specific and currency-specific risk during the global financial crisis: evidence from the interbank markets in Tokyo and London. Journal of Banking and Finance, 36(12), 3185-3196.
* Giesecke, K., & Kim, B. (2011). Systemic risk: What defaults are telling us. Management Science, 57(8), 1385-1405.
* Glantz, M. (2003). managing bank risk. London:academic press.
* Hayali, a. (2012). importance of internal control system in banking sector:evidence from turkey. Marmara University.
* Horstedt, m., & linjamaa, j. (2015). credit risk evaluation of swedish smes.
* Idowu, a., & awoyemi, s. (2014). The Impact of Credit Risk Management on the Commercial Banks Performance in Nigeria. International Journal of Management and Sustainability, 3(5), 295-306.
* Kabari, L. G. Nwachukwu, E. O. (2013). Credit Risk Evaluating System Using Decision Tree – Neuro Based Model. International Journal of Engineering Research &Technology, 2, 2738-2745.
* Kimura, H., Basso, L. F., & Kayo, E. K. (2015). Decision Models in Credit Risk Management. In P. Guarnieri, Decision Models in Engineering and Management (pp. 57-73). Springer.
* KITHINJI, A. M. (2010). CREDIT RISK MANAGEMENT AND PROFITABILITY OF COMMERCIAL BANKS IN KENYA . SCHOOL OF BUSINESS, UNIVERSITY OF NAIROBI, .
* Kumar, M., Arora, A., & Lahille, J.-P. (2011). Construct of credit risk management index for commercial banks. Banks and Bank Systems, 6(1).
* KURAWA, J., & Garba, s. (2014). An Evaluation of the Effect of Credit Risk Management (CRM) on theProfitability of Nigerian Banks. Journal of Modern Accounting and Auditing, 10(1), 104-115.
* Laukkanen, M. (1992). Comparative cause mapping of management cognitions: A computer database method for natural data. Helsinki School of Economics and Business Administration
* Li, f., & zou, y. (2014). the impact of credit risk management on profitability of commercial banks:A study of europe. Umea school of business and economics.
* Meulbroek , L. K. (2002). Integrated Risk Management for the Firm: A Senior Manager's Guide. Claremont Colleges - Robert Day School of Economics and Finance.
* Miles, M., & Huberman, A. (2002). Qualitative Data Analysis: An Expanded Sourcebook, 2nd Edition. SAGE Publications.
* Min, Jae H. Lee, Young-Chan. (2008). A practical approach to credit scoring. Expert Systems with Applications, 35, 1762–1770
* Mishkin , F. S., & Eakins, S. (2011). Financial Markets and Institutions (7th Edition) (The Prentice Hall Series in Finance). Prentice Hall.
* Mohan, R. (2008). Global financial crisis and key risks – impact on India and Asia. India: Deputy Governor of the Reserve Bank of India.
* Nijskens, R., & Wagner, W. (2011). Credit risk transfer activities and systemic risk: how banks became less risky individually but posed greater risks to the financial system at the same time. Journal of Banking & Finance, 35(6), 1391-1398.
* Nijskens, R., & Wagner, W. (2011). Credit risk transfer activities and systemic risk: how banks became less risky individually but posed greater risks to the financial system at the same time. Journal of Banking & Finance, 35(6), 1391-1398.
* Novak, J. D., & Cañas, A. J. (2010). The Theory Underlying Concept Maps and How to Construct Them. 2006. Florida Institute for Human and Machine Cognition: Pensacola, FL
* Nurgaliyeva, A. (2013). Assessment and Management of Credit Risk. World Applied Sciences Journal, 26(4), 494-501.
* Nwaz, m., & Munir, s. (2012). Credit risk and performance of Nigerian. Interdisiplinary journal of Contemporary Research in, 4(7), 49-63.
* Ogboi, C., & Unuafe, O. (2013). Impact of Credit Risk Management and Capital Adequacy on the Financial Performance of Commercial Banks in Nigeria. Journal of Emerging Issues in Economics, 2(3), 703-717.
* Olamide , o., uwalomwa, u., & olubukunola, u. (2015). The Effect of Risk Management on Bank’s Financial Performance in Nigeria. Journal of Accounting and Auditing: Research & Practice, 2015, 1-7.
* Qian, J., & Strahan, P. (2007). How laws and institutions shape financial contracts: the case of bank loans. The Journal of Finance, 62(6), 2803-2834.
* Risk Management and Financial Performance of Banks in Nigeria. (n.d.). Journal of Business and Management.
* Saunders, a., & allen, l. (2002). Credit Risk Measurement: New Approaches to Value at Risk and Other Paradigms. wiley.
* Selden, L. (2005). On grounded theory – with some malice. Journal of Documentation, 61(1), 114-129.
* Singh, A. (2013). Credit risk management in indian commercial banks. international journal of marketing financial services & management research, 2(7), 47-51.
* Stiglitz, j., & weiss, a. (1981). credit rationing in markets with imperfect information. the american economic review, 71(3), 393-410.
* Stulz, R., 1984, Optimal hedging policies, Journal of Financial and Quantitative Analysis 19, 127-40
* Treacy, w., & carey, M. (n.d.). Credit Risk Rating at Large US Banks. Federal Reserve Bulletin.
* Van greuning, h., & brajovic-bratanovic, s. (2003). Analyzing and managing banking risk : a framework for assessing corporate governance and financial risk management. worldbank.
* Wang , y., gao, s., & zhang, j. (2013). credit risk management in rural commercial banks in china. the 7th international days of statistics and economics. prague.
* Yanping,Y.,Zhengming, Q., Min, Y.,Rui, G.,Liting, F.,Penghui, G. (2012). Research on the Application of Decision Tree to the Analysis of Individual Credit Risk. Information Technology, 25, 209-214
* Yu, L., Wang, S., Lai, K. (2008). Credit risk assessment with a multistage neural network ensemble learning approach. Expert Systems with Applications. 34, 1434–1444
* Yu, L.,Yue, W., Wang, S., Lai, K.K.(2010). Support vector machine based multiagent ensemble learning for credit risk evaluation. Expert Systems with Applications, 37, 1351-1360
* Zribi, N., & Boujelbène, Y. (2011). The factors influencing bank credit risk: The case of Tunisia. Journal of Accounting and Taxation, 4, 70-78
_||_