در این پژوهش سه روش برای ارزیابی مشتریان بانک از نقطه نظر اعتبار آن ها، مورد استفاده قرار خواهد گرفت. همچنین سعی شد تا با بهره گرفتن از یک مجموعه داده، مدلی مناسب برای پیشبینی وضعیت اعتباری مشتریان جدید طراحی شود. مدلی که بتواند با کمترین خطا مشتریان را اعتبارسنجی کند. از آنجایی که پیشرفت صحت حتی به میزان کم میتواند منجر به کاهش هزینه های کلان برای بانک در زمینه ریسک اعتباری شود، در این پژوهش از روش های ماشین بردار پشتیبان، درخت تصمیم و شبکه های عصبی برای اعتبارسنجی مشتریان استفاده می شود.
پس از بررسی میزان اتکای بانک ها به اطلاعات صورت های مالی شرکت در ارزیابی توان مالی آنان در بازپرداخت بدهی ها و نیز قابلیت پاسخگوئی این صورت ها به نیاز های اطلاعاتی جهت انجام این ارزیابی و با توجه به چارچوب نظری ارائه شده ، مدل مفهومی تحقیق حاضر به شکل زیر مدنظر قرار میگیرد.
شکل ۲-۱ : مدل مفهومی تحقیق
بازخورد
تعریف مسأله
( ارزیابی وضعیت کمی و کیفی شرکت ها جهت اعطای تسهیلات)
-
- آنالیز پایگاه داده
-
- انتخاب و تعدیل داده ها
-
- سازماندهی داده ها
- یکپارچه سازی داده
حوزه تصمیم گیری
-
- ایجاد دانش
- تفسیر نتایج
پایگاه داده ها
گزینش راه حل / اجرا
انتقال داده
(جداول داده)
مدل های داده کاوی
-
- ماشین بردار پشتیبان
-
- درخت تصمیم
- شبکه های عصبی
-
– مرتب سازی داده ها
– الگوبردای از قواعد و شروط :
– مؤلفه ها :
– متغیر های کیفی مالی
– نسبت های مالی
– خوشه بندی
-
- تأیید/ اعتبار مدل ها
-
- پالایش داده
- تجسم داده (نمودار ،گراف و…)
خروجی مدل ها
منبع : یافته های پژوهشگر
-
- ریسک اعتباری و تاریخچه پیدایش آن
در حوزه مالی و بانکی یکی از عوامل مهم که پیش تر ذکر شد، مفهوم ریسک میباشد که از اهمیت بالایی برخوردار است، بدین جهت یکی از مهمترین رویکردها جهت کاهش خسارت های ریسک اعتباری، شناسایی، سنجش درجه و طبقه بندی اعتباری مشتریان، رویکرد اعتبارسنجی میباشد. اعتبارسنجی به معنای ارزیابی و سنجش توان بازپرداخت متقاضیان وام و تسهیلات مالی و احتمال عدم بازپرداخت دریافتی از سوی آن ها میباشد.
طراحی مدلی برای اندازه گیری و درجه بندی ریسک اعتباری برای نخستین بار در سال ۱۹۰۹ به وسیله جان موری[۵] بر روی اوراق قرضه انجام شد. برخی از محققان متوجه شباهت زیاد اوراق قرضه و تسهیلات اعطایی شدند و اندازه گیری ریسک عدم پرداخت اصل و سود وام ها را بررسی نمودند.
در همین راستا اعتبارسنجی روشی برای شناخت گروههای مختلف جامعه است و زمانی مفید میباشد که شخص نمی تواند ویژگی هایی که گروه ها را از هم تفکیک میکند، مشاهده نماید. این تکنیک یک تکنیک آماری است که توسط”فیشر[۶] “، در سال ۱۹۳۶ بیان گردید. در سال ۱۹۴۱، “دوراند[۷]” متوجه شد که می توان از این تکنیک و تکنیک های مشابه برای تفکیک قرض گیرندگان خوب و بد استفاده نمود. با ظهور کارت های اعتباری در سال ۱۹۶۰، ارزش اعتبارسنجی بیشتر شد. زمانی که بانک ها از این تکنیک استفاده کردند، متوجه شدند که این تکنیک بهتر از طرح های قضاوتی است. در سال ۱۹۶۶ برای تعیین ورشکستگی شرکتها، مدل رگرسیون لجستیک به وسیله بی ور[۸] به کار گرفته شد. بعدها از این مدل برای اندازه گیری ریسک اعتباری اوراق قرضه منتشر شده شرکتها استفاده شد. در سال ۱۹۸۰ موفقیت اعتبارسنجی در کارت های اعتباری منجر به این شد که بانک ها به استفاده از روش های اعتبارسنجی به دیگر خدمات خود مثل وام به اشخاص ثالث تشویق گردند. زیرا تا قبل از آن به خانه و کسب و کارهای کوچک وام میدادند. موفقیت در امر محاسبات منجر به این شد که تکنیک های دیگر نیز به کمک اعتبارسنجی بیایند مانند رگرسیون لجستیک و برنامه ریزی خطی و درخت تصمیم گیری. اخیراًً نیز تکنیک های هوش مصنوعی مانند سیستم های خبره و شبکه های عصبی به جمع این روشها اضافه شده اند.
۲-۲-۱: ضرورت طراحی سیستمهای سنجش و ارزیابی اعتبار مشتریان
از جمله مهمترین دلایل می توان به کمک آن ها به افزایش جریان نقدینگی مؤسسه، اطمینان از بازگشت اعتبار اعطایی توسط مشتری، کاهش ریسک بازپرداخت اصل و فرع اعتبار اعطایی، بهبود کیفی تصمیمات مدیریتی، کاهش هزینه های تجزیه و تحلیل اعتبار مشتریان، افزایش سرعت اخذ تصمیمات اعتباری و نظارت بهتر بر حسابهای اعتباری موجود مؤسسه اشاره نمود.
به دلیل اهمیت مشتری در سازمانهای عصر نوین و حساسیت و پیچیدگی فرایند سنجش و اندازه گیری صحیح، دقیق، عینی و عملی اعتبار مشتریان و همچنین به لحاظ نقش حائز اهمیت اعتبارسنجی در موفقیت عملکرد سازمانها، طراحی سیستمهای اعتبار سنجی بیش از پیش ضرورت یافته است.
مطالعات انجام شده در داخل کشور
صلاحی (۱۳۹۰) در پژوهش خود با عنوان ” بررسی و اولویت بندی عوامل مؤثر بر اعتبارسنجی مشتریان بانک ها با بهره گرفتن از روش AHP (مورد : بانک سینا) ” به بررسی نظری روش های اعتبارسنجی مشتریان پرداخته و از آن طریق با بهره گرفتن از روش C5 (شخصیت وام گیرنده، ظرفیت بازپرداخت وام گیرنده، سرمایه، وثیقه، شرایط) به اولویت بندی شاخص های مذکور پرداخت. یافته های پژوهش نیز به صورت اولویت های زیر مشخص گردید : سرمایه با ضریب ۳۹۵/۰، وثیقه با ضریب ۲۶۵/۰، شرایط با ضریب ۱۴۹/۰، ظرفیت بازپرداخت با ضریب ۱۰۴/۰، شخصیت با ضریب ۰۸۸/۰تعیین شده اند. در شاخص شخصیت در بخش حقیقی و حقوقی مهمترین مؤلفه تعداد درخواستها جهت اخذ وام بود. شاخص بازپرداخت در بخش حقیقی مهمترین مؤلفه آن درآمد (سالانه) خالص پس از کسر مالیات و در بخش حقوقی ثبات درآمد و ارزش بازار سهام به بدهی بوده است. مهمترین مؤلفه شاخص سرمایه در بخش حقیقی ارزش روز املاک و مستغلات و ثروت خالص (کل دارایی منهای کل بدهی) بوده است و همین طور در بخش حقوقی موجودی کالا، مواد و سفارشات بوده است. مهمترین مؤلفه شاخص شرایط در بخش حقیقی جنسیت وام گیرندگان و رده استخدامی بوده و در بخش حقوقی، افق زمانی سرمایه گذاری و تعداد پرسنل بوده است. مهمترین مؤلفه شاخص وثیقه نیز در بخش حقیقی و حقوقی، ریسک وثیقه و میزان دارایی های آزاد قابل وثیقه است.