دانلود فایل پایان نامه : پایان نامه ارشد رشته اقتصاد : بررسي ريسك اعتباري بانك ها با استفاده از مدل هاي خطي و غير خطي

گرایش : اقتصاد

عنوان :  بررسي ريسك اعتباري بانك ها با بهره گیری از مدل هاي خطي و غير خطي

دانشگاه آزاد اسلامی

واحد یاسوج

دانشکده علوم انسانی، گروه اقتصاد

پايان‌نامه براي دريافت درجه كارشناسي ارشد

رشته برنامه ريزي سيستم هاي اقتصادي «M. A»

گرایش: اقتصاد

عنوان:

بررسي ريسك اعتباري بانك ها با بهره گیری از مدل هاي خطي و غير خطي

(مطالعه موردي بانك اقتصاد نوين) 

استاد راهنما:

دکتر مهرداد مرادی

استاد مشاور:

دکترعنايت اله نجیب‌زاده

پایان نامه

بخش هایی از متن پایان نامه :

(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)

فهرست مطالب

عنوان                      صفحه 

چکیده. 1

فصل اول کلیات پژوهش

1-1 – مقدمه. 3

1-2- اظهار مسئله. 5

1-3- ضرورت انجام پژوهش.. 6

1-4- اهداف پژوهش.. 7

1-5- سوالات تحقيق.. 7

فصل دوم ادبيات و سوابق تحقيق

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

2-1- مقدمه. 9

2-2-تعريف ريسک… 11

     2-3-1- ريسك مالي.. 13

     2-3-2- ريسک‌های غير مالي.. 15

2-4- مدیریت ريسك… 16

2-5- اعتبارسنجی.. 20

2-6- معیارهای امتیازدهی اعتباری.. 23

     2-6-1- معیار c5. 23

     2-6-2- معیار p5. 24

     2-6-3- معیار LAPP. 25

2-7- رتبه‌بندی اعتباری و امتیاز دهی اعتباری.. 26

     2-7-1- انواع رتبه‌بندی.. 28

     2-7-1-1- رتبه‌بندی خارجی.. 29

     2-7-1-2- رتبه‌بندی داخلی.. 29

2-8- سامانه اعتبارسنجی مشتريان بانكي.. 31

     2-8-1- مفهوم سامانه اعتبارسنجی بانکی.. 32

     2-8-2- چهارچوب ارزیابی اعتباری.. 33

     2-8-3- بعضی ویژگی‌های سامانه اعتبارسنجی.. 35

2-9- مزايای عملياتی شدن سامانه اعتبارسنجي.. 36

2-10- گردش اطلاعات در سامانه اعتبارسنجي.. 37

2-11- موسسات رتبه‌بندی اعتباری.. 38

     2-11-1- موسسات رتبه‌بندی اعتباری اشخاص حقوقی.. 38

     2-11-2- موسسات اعتبارسنجی اشخاص حقیقی.. 41

2-12- مروري بر مطالعات انجام شده. 43

     2-12-1- مقدمه. 43

     2-12-2- مطالعات داخلي.. 44

     2-12-3- مطالعات خارجي.. 46

فصل سوم مدل‌ها و روش هاي اقتصاد سنجی و شبکه های عصبی

3-1- مقدمه. 56

3-2- روش تحقيق.. 56

3-3-  جامعه آماری، روش نمونه گيري و حجم نمونه. 57

3-4- شبكه عصبي.. 58

3-6- شبکه‌های عصبی مصنوعی(ANN). 61

3-7- دینامیک نرون. 66

3-8- تقسیم‌بندی ساختاری شبکه‌های عصبی مصنوعی.. 66

3-9- آموزش شبکه عصبی.. 67

3-10- شبکه عصبی مصنوعی پرسپترون. 67

3-11- شبکه پیشخور پس‌انتشار. 69

3-12- شبکه المان پس‌انتشار. 70

3-13- شبکه آبشاری پس‌انتشار. 70

3-14- شبکه رگرسیون تعمیم یافته. 71

3-15- الگوی استنتاجی-تطبیقی عصبی-فازی (ANFIS). 72

3-16- مدل شبکه عصبی GMDH.. 80

3-17- مدل رگرسيوني لاجيت.. 81

3-18-  برآورد مدل لاجيت.. 83

فصل چهارم برآورد مدل و نتایج

4-1- مقدمه. 88

4-2-تفسیر مدل لاجیت.. 90

4-3- پیش بینی مورد انتظار. 93

4-4- مدل سازی به وسیله شبکه عصبی GMDH.. 94

     4-4-1- نتایج حاصل از تخمین شبکه عصبی GMDH.. 94

فصل پنجم نتیجه گیری و پیشنهادات

5-1 مقدمه. 98

5-2- پذیرش یا رد فرضیات.. 99

     5-2-1-  فرضیه اول. 99

     5-2-2- فرضیه دوم. 99

     5-2-3- فرضیه سوم. 100

5-3- پیشنهادات.. 100

5-4- پیشنهادات برای تحقیقات آتی.. 101

منابع.. 103

چکیده:
هدف از این پژوهش طراحی و استقرار مدل اندازه¬گیری ریسک اعتباری در نظام بانکی تأثیر کارامدی در راستای بالا بردن بهره¬وری بانک‌ها و موسسات مالی در تخصیص بهینه منابع می‌باشد. در این پژوهش کوشش شده تا کارایی مدل‌های لجستیک و شبکه عصبی مصنوعی GMDH برای پیش‌بینی ریسک اعتباری مشتریان نظام بانکی مورد مطالعه قرار گیرد و همچنین مهمترین عوامل موثر بر ریسک اعتباری، شناسایی و مورد مطالعه قرار گیرند. اطلاعات مورد بهره گیری در این پژوهش مربوط به 100 نفر از مشتریان حقوقی یکی از بانک‌های کشور است. بنابر اهداف پژوهش متغیرهای مورد بهره گیری نیز به صورت ترکیبی از مهمترین متغیرهای مالی و غیرمالی است. نتایج مدل لاجیت نشان می¬دهد که متغیرهای تعداد چک¬های برگشتی، سابقه فعالیت شرکت نزد بانک، میزان سرمایه شرکت، نسبت گردش مجموعه دارایی، نسبت بدهی به حقوق صاحبان سهام و نسبت حاشیه سود خالص مهمترین متغیرهای موثر بر شناسایی میزان ریسک اعتباری مشتریان است. اما مدل شبکه عصبی علاوه برمتغیرهای یادشده در بالا متغیرهایی از قبیل تحصیلات مدیر عامل، ارزش وثیقه به میزان تسهیلات، خالص سرمایه در گردش به دارایی، نسبت حاشیه سود عملیاتی و نسبت بازدهی به دارایی را به عنوان متغیرهای با اثر زیاد بر میزان ریسک اعتباری معرفی می¬کند. مقایسه کارایی مدل لاجیت و مدل شبکه عصبی نشان می¬دهد که مدل شبکه عصبی با سه لایه مخفی با کارایی 95 درصد کاراترین مدل برای شناسایی و تعیین میزان ریسک تسهیلات است.
واژه¬های کلیدی: اعتبارسنجی، شبکه عصبی، ریسک اعتباری، مدل لاجیت

فصل اول
کلیات پژوهش

1- کلیات پژوهش
1-1 – مقدمه
عدم ثبات سیاسی و اقتصادی در جوامع امروزی از سویی، الزامات کنترل بازار پول و سرمایه از سوی دیگر، اهمیت تجزیه و تحلیل و مدیریت ریسک این بازارها را افزایش داده می باشد. طیف ریسک از کارگاه های کوچک و صنایع بزرگ تا موسسات مالی را شامل می گردد، اما ریسک بنگاه های مالی از مفهوم مهمتری برخوردار می باشد. اهمیت ریسک به قدری در این موسسات مورد توجه می باشد که در بسیاری از موارد، باعث دخالت‌های مستقیم قانونی از سوی قانون گذاران برای کنترل آنها می گردد (خداوردي، 1388).
امروزه شاهد بحران‌های مالی در سطح گسترده ای در بین بنگاه های اقتصادی هستیم. متاسفانه با وجود بحران‌های جهانی اخیر، هنوز ارزیابی نادرستی از مفهوم ریسک اعتباری هست، به همین جهت، با رخ دادن یک بحران، بیشتر دولت¬ها مجبور می¬شوند که راه حل¬های موقت نجات را برای سیستم بانکی به کار گیرند. با در نظر داشتن همه¬گیر شدن بحران‌های اقتصادی کنونی، طرح ریزی برای پیش بینی احتمال عدم پرداخت تسهیلات اعطایی توسط شرکت‌ها از اهمیت ویژه ای برای سهامداران، طلبکاران، حساب رسان و مدیران بانکی برخوردار می باشد.
اگر چه زیان اعتباری هزینه معمول فعالیت‌های تجاری در بانک ¬می باشد، لیکن افزایش زیان دهی می¬تواند موجودیت موسسات مالی را تهدید کند. شاهد این ادعا، نیاز مستمر بانک‌ها به تصحیح مدل هایی می باشد که ریسک هر وام و نرخ های نکول پرتفوی وام ها را می سنجند. پیش بینی دقیق و هشدارهای اولیه احتمال عدم پرداخت موجب کنترل ریسک، جلوگیری از اتخاذ تصمیمات نادرست، کاهش هزینه نظارت بر پرداخت دیون و کاهش زمان ارزیابی اعتباری می گردد. آژانسهای رتبه‌بندی بین المللی مانند مودیزو استاندارداند پورزبه جهت ناکارآمد بودن مدل‌هایشان در پیش بینی ریسک پرداخت دیون شرکت‌ها و بانک‌ها مورد انتقاد قرار گرفته اند. بعلاوه، آژانس¬های رتبه‌بندی محلی و بین المللی به تحلیل ریسک شرکت‌های بزرگ تمایل دارند، در حالی که سیستم مالی و بانک‌ها، نیازمند مدل‌هایی برای تحلیل ریسک شرکت‌های کوچک و متوسط نیز می‌باشد. ضمن اینکه بانک‌ها، مدل‌های داخلی خود را برای تعیین ریسک وام‌ها دارند.
اما این روش‌ها هنوز مقدماتی¬اند و متکی بر روش‌های ساده ریاضی با فرض¬های ناقص هستند. در نتیجه نیاز به سیستم تشخیص سریع و خودکار پیش بینی احتمال عدم پرداخت، مورد توجه قرار گرفت .
مروری بر مقالات اخیر در این مورد نشان می¬دهد که عمده عللی که باعث شکست تجاری می گردد، اطلاعات نامتقارن بین بانک‌ها و شرکت‌ها می باشد. بعلاوه، گسترش ابزارهای تحلیلی برای تعیین اینکه کدام اطلاعات مالی بر پیش بینی بحران مالی موثر می باشد، مورد توجه قرار گرفت. سلامت شرکت‌ها در فضای تجاری بسیار رقابتی بستگی به توانایی کسب سود و پرداخت دین مالی دارد به همین جهت، شکست تجاری می تواند برای هر شرکتی در هر اندازه ای رخ دهد (وو، 2010).

مدل‌های ریسک نکول (احتمال عدم توانایی در بازپرداخت یا عدم تمایل به بازپرداخت وام) با در نظر داشتن بحران‌های اقتصادی اخیر در جهان، پیشرفت چشمگیری داشته‌اند. با این حال مدل‌های موجود برای پیش بینی احتمال عدم پرداخت وام، با کمبود پوشش اطلاعاتی مناسب مواجه هستند که منجر به تصمیم‌گیری نادرست توسط سرمایه‌گذاران و تحلیل‌گران مالی می گردد.
بانک‌ها به عنوان واسطه وجوه با جذب منابع مازاد جامعه و تزریق آن به بخش‌های اقتصادی که نیازمند نقدینگی هستند، سبب گردش منابع و در نهایت توسعه بخش‌های مختلف اقتصادی کشور می شوند. ضمن اینکه بانک‌ها بایستی بتوانند با برنامه ریزی دقیق، منابع و مصارف خود را مدیریت کنند تا در معرض انواع ریسک‌های مالی و غیرمالی قرار نگیرند.

1-2- اظهار مسئله
یکی از مهمترین عوامل بقا بانک‌ها و موسسات مالی و اعتباری، ایجاد توازن بین منابع و مصارف می‌باشد. زیرا هرگونه انحراف از منابع و مصارف برای بانک زیان¬های عدیده¬ای در بر خواهد داشت. فزونی منابع به مصارف به معنی عدم تخصیص مناسب منابع می باشد که به کاهش درآمدهای بانک و سپرده گذاران می انجامد. فزونی مصارف به منابع از نظر تئوری امکان پذیر نیست، زیرا نمی توان مصارفی بیش از امکانات موجود داشت، ضمن اینکه برداشت بیشتر از موجودی از حساب بانک‌ها نزد بانک مرکزی، با جریمه سنگینی مواجه خواهد گردید. بلوکه شدن منابع بانک‌ها در سرفصلهای سررسید گذشته، معوق و مشکوک الوصول، نه تنها توان پرداخت تسهیلات را در بانک‌ها می کاهد بلکه با تاثیر منفی بر روی بهره وری، دست‌یابی به اهداف بانک‌ها را با مشکل مواجه کرده و شکوفایی اقتصادی کشور کاهش می یابد. وقفه در بازگشت منابع به بانک‌ها، این موسسات را دچار کمبود منابع می کند و توان تسهیلات دهی بانک‌ها را می‌کاهد. عدم تخصیص به موقع و به اندازه منابع به واحدهای اقتصادی، به صورت زنجیروار بین صنایع مختلف جابه‌جا شده و کشور را با اقتصادی بحران زده مواجه خواهد نمود (منهاج، 1384).
توجه کافی به معیارهای اساسی اعطای تسهیلات شامل شخصیت ، توان مالی ، کشش اعتباری و وثیقه در زمان پرداخت تسهیلات و همچنین نظارت کافی در حین و بعد از پرداخت تسهیلات از عوامل تاثیر گذار بر جلوگیری از ایجاد و افزایش مطالبات می باشد. لذا برای بانک‌ها مهم می باشد که بتوانند با ابزارهای علمی احتمال معوق شدن تسهیلات اعطایی را بسنجند، زیرا می توانند با ابزارهای مختلف مانند کاهش مبلغ تسهیلات، اخذ وثایق محکمتر، بیمه اعتباری و … احتمال نکول تسهیلات را کاهش دهند. متاسفانه امروزه عدم بازپرداخت یه باز¬پرداخت با تاخیر تسهیلات یکی از معضلات اساسی و مهم در سیستم بانکی کشور است که بانک‌ها و موسسات مالی را دچار معضلات عدیده¬ای نموده می باشد.

1-3- ضرورت انجام پژوهش
معضلات به وجود آمده در بانک‌ها و موسسات مالی کشور در مورد عدم بازپرداخت به موقع تسهیلات توسط مشتریان بانک و به هدر رفتن سرمایه¬های بانک‌ها و موسسات در این دوران و عدم وجود یک سیستم علمی برای شناسایی و مشخص کردن میزان ریسک پرداخت تسهیلات به مشتریان مختلف این ضرورت را ایجاد می¬کند که در پی طراحی سیستم‌هایی باشیم که با در نظر داشتن اطلاعات و مشخصات افراد حقیقی یا حقوقی بتواند میزان ریسک عدم بازپرداخت تسهیلات توسط این افراد و یا شرکت‌ها را مشخص نماید.

1-4- اهداف پژوهش
هدف از این پژوهش مطالعه و شناسایی عوامل موثر بر میزان ریسک نکول تسهیلات اعطایی توسط بانک‌ها و موسسات مالی و همچنین به¬کار بردن روش‌های مختلف و متداول در این زمینه و مقایسه کارایی آنها در تشخیص میزان ریسک نکول و انتخاب بهترین مدل و روش است.
‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌
1-5- سوالات تحقيق
 آیا بین سوابق همکاری با بانک و ریسک نکول تسهیلات ارتباط معکوس و معنی¬داری هست؟
 آیا بین سرمایه مشتریان حقوقی و ریسک نکول تسهیلات ارتباط معکوس و معنی¬داری هست؟
 آیا مدل شبکه عصبی در مقایسه با مدل لاجیت از دقت بیشتری در سنجش اعتبار مشتریان بانک‌ها وموسسات مالی برخوردار است؟

فرضیه¬های پژوهش
 بین سوابق همکاری با بانک و ریسک نکول تسهیلات ارتباط معکوس و معنی¬داری هست.
 بین سرمایه مشتریان حقوقی و ریسک نکول تسهیلات ارتباط معکوس و معنی¬داری هست.
 مدل شبکه عصبی در مقایسه با مدل لاجیت از دقت بیشتری در سنجش اعتبار مشتریان بانک‌ها و موسسات مالی برخوردار است.

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

فصل دوم
ادبيات و سوابق تحقيق

2- ادبیات و سوابق پژوهش
2-1- مقدمه
امروزه تردیدی وجود ندارد که یکی از ابزارها و عوامل لازم و مؤثر برای توسعه اقتصادی کشور، همانا وجود سیستم بانکی کارآمد می باشد. هرگونه اقدامی در جهت بهبود و ارتقاء سیستم بانکداری موجب خواهد گردید که جریان پس انداز، سرمایه گذاری و تخصیص منابع بهبود یابد و امکانات بالقوه، پراکنده و نهفته در کشور برای پیشرفت و رفاه عمومی به کار گرفته گردد.
بانک‌ها تأثیر مهمی در اقتصاد کشور بر عهده دارند که شامل تجهیز منابع، واسطه گری و تسهیل جریان پرداخت و تخصیص اعتبار به دریافت کننده تسهیلات می باشد. بانک در این زمینه تأثیر واسطه را داراست. به گونه ای که پول را از سپرده گذار که موقتاً کاربردی برای پول خود ندارد، اخذ کرده و در اختیار متقاضیان تسهیلات که قادرند بهره گیری کارآمدتری از آن بکنند قرار می‌دهد. در این مرحله سودی به سپرده گذار تعلق می‌گیرد و از وام گیرنده نیز سودی در قالب بهره دریافت می گردد. مابه االتفاوت این دو نرخ، سهم بانک می باشد که بایستی حداقل کفاف مخارج بانک را بدهد.
علیرغم رویکرد مشتری مداری توأم با رقابت دراکثر کشورها، پیشرفت علم الکترونیک و کامپیوتر، ارائه بسیاری از خدمات بانکی بدون حضور مشتریان در بانک‌ها در اسرع وقت با بهره‌گیری از شبکه جهانی اینترنت، هنوز اعطای تسهیلات اعتباری به مشتریان چیزی حدود 70 تا 80 درصد عملیات بانک‌ها را شامل می گردد. همه موسسات اعتبار دهنده بدون در نظر داشتن هدفی که دنبال می‌کنند بی درنگ خود را در معرض ریسک سرباز زدن بهره گیری کنندگان از این تسهیلات در بازپرداخت دیون قرار می دهند. به بیانی دیگر ریسک جزء ذاتی بانکداری می‌باشد . پیامد های چنین ریسکی در مواردی ممکن می باشد موجب بروز تنگناهای مالی شدید و یا حتی باعث ورشکستگی موسسه اعتبار دهنده گردد . لذا موفقیت پیوسته و بلند مدت یک نهاد مالی، در گرو اعمال مدیریت ریسک بهینه در آن نهاد می‌باشد . فلسفه مدیریت ریسک‌های بانکی وابسته به هدفی می باشد که بانک دنبال می کند و آن افزایش بازده سهامداران در چارچوب کلی احتمال وقوع ریسک می‌باشد. مدیریت ریسک بر شناسایی، سنجش و کنترل ریسک‌ها متمرکز می باشد و بدین طریق می توان ریسک‌ها را رتبه‌بندی مناسب نموده و سرمایه را تخصیص داد.
بانک‌ها با انواع مختلفی از ریسک‌ها مواجه می شوند، که بعضی از آنها عبارتند از ریسک اعتباری ، ریسک تجاری ، ریسک نقدینگی ، ریسک بازار ، ریسک نوسان نرخ بهره و غیره.
اما مانند مهمترین ریسک‌هایی که غالباً بانک‌ها با آن روبرو هستند ریسک اعتباری می باشد. مفهوم ریسک اعتباری به احتمال وقوع زیان در یک عملیات اعتباری نظیر وخامت وضعیت مالی دریافت کننده تسهیلات و یا ورشکستگی آن بر می گردد که منجر به از دست رفتن ارزش دارایی می گردد . ریسک اعتباری در واقع نوعی عامل بالقوه می باشد که بر اساس آن دریافت کننده تسهیلات قادر به انجام تعهدات خود طبق ضوابط مذکور در قرارداد نمی‌گردد.
برای اکثر سرمایه‌گذاران و موسسات سرمایه‌گذاری، اوراق قرضه و سایر انواع ابزارهای بدهی به عنوان عامل اصلی در ایجاد ریسک اعتباری به شمار می رود، اما در بانک‌ها از تسهیلات می‌توان به عنوان عامل مهم در ایجاد ریسک اعتباری نام برد. همان گونه که بانک‌ها ریسک اعتباری تک تک معاملات را به تنهایی کنترل می‌کنند ، بایستی مجموعه پرتفوی خود را نیز کنترل کنند. براین‌اساس بانک‌ها و موسسات اعتباری در سراسر دنیا ، امروزه از ابزارهای گوناگونی برای مقابله با این ریسک‌ها بهره می برند. بکارگیری این ابزراها امکان کنترل ریسک را به گونه مؤثرتری برای بانک‌ها فراهم می آورد . در سال های اخیر تعدادی از مؤسسات بزرگ مالی جهان با توسعه سیستم های پیشرفته کوشش بر مدل سازی ریسک اعتباری کرده‌اند. وظیفه عمده این مدل ها شناسایی، ارزیابی و کنترل ریسک‌های موجود می‌باشد.

تعداد صفحه :122