برآورد احتمال نكول تسهيلات پرداختي بانك با استفاد هاز رگرسيون لاجيت

Estimation of Bank Credit Repayment Default

بحران هاي مشاهده شده در نظام بانكي و كاهش قدرت سودآوري بانك ها عمدتاً ناشي از عدم كارايي در كنترل و مديريت ريسك اعتباري است و به كارگيري سيستم رتبه بندي مشتريان، مهم ترين ابزاري است كه بان كها براي مديريت و كنترل ريسك اعتباري به آن نيازمندند. هدف از اين مطالعه، ارايه يك مدل كاربردي براي رتبه بندي و برآورد احتمال نكول تسهيلات پرداختي به مشتريان اعتباري بانك پارسيان با استفاده از رگرسيون لاجيت است. براي اين منظور، از داده هاي اطلاعاتي گذشته و حال مشتريان مانند ثبات شغلي، وثيقه، درآمد و چند شاخص اصلي ديگر استفاده، و از طريق رتبه بندي و امتيازدهي اعتباري، احتمال عدم نكول تسهيلات براي هر مشتري، انداز هگيري مي شود. نتايج تخمين مدل نشان داد كه احتمال عدم نكول تسهيلات با متغيرهاي ميزان وثيقه دريافتي از مشتري، ميزان درآمد ماهانه مشتري، وضعيت متقاضي دريافت تسهيلات از لحاظ محل سكونت )مالك يا مستاجر بودن متقاضي(، سن متقاضي، وضعيت شغلي از لحاظ ثبات و مدرك تحصيلي رابطه مثبت دارد و با مبلغ تسهيلات پرداختي به مشتري و مدت زمان بازپرداخت تسهيلات اعطايي به متقاضي، رابطه منفي دارد.

The current crises and also diminishing profitability in a banking system are often resulted from lack of efficiency in credit risks management and control. The most important instrument that banks need to adopt for monitoring and management of credit risk is customers’ ranking system. This study tries to employ Logit regression in a practical model for ranking the customers and to estimate the probable credit default in Parsian Bank. For this reason, certain data pertaining to the customers’ previous and present records such as professional stability, collateral, income and some other major factors are collected in order; then the credit default probability was measured for each customer through ranking and scoring. The results showed that the non-default probability for the credits paid to the customer has positive relationship with variables such as the value of collateral received from the customer, their monthly income, the status of real-estate ownership of the credit-applying customer, the age of applicant, and also their professional and educational status. On the other hand, the aforementioned probability is negatively related to “the amount of credit paid to the customer” as well as to the “repayment duration”.