سنجش تاثير روابط اعتباري با مشتري بر هزينه‌هاي مبادله‌اي اعطاي تسهيلات بانكي : الگوي شبكه عصبي

Assessment the Impact of Lending Relationships on Lending Transaction Costs: An Artificial Neural Network Model

بر اساس ديدگاه اقتصاد هزينه مبادله، مبادلات در بازارها داراي هزينه‌هاي جانبي ميباشد و فلسفه شكلگيري نهادها، حداقل نمودن اين هزينه‌هاست. مطالعات زيادي در كشورهاي در حال‌ توسعه انجام گرفته است كه نشان مي‌دهد هزينه‌هاي مبادله در بازار اعتبارات بالاست و اين امر باعث كاهش كارايي مؤسسات اعتباري بازار مالي مي‌شود. اين پژوهش در مرحله نخست به تشريح هزينه‌هاي مبادله تحميل شده به مؤسسات اعتباري و عوامل مؤثر بر آنها از منظر الگوي سنتي اقتصاد هزينه مبادله مي‌پردازد و همچنـين با معرفي "روابط اعتباري با مشتري" به عنـوان متـغيري كه مبين كاهش عدم تـقارن اطلاعاتي بين مؤسسه اعتباري و متقاضي تسهيلات است، اثر اين متغير را بر الگوي ويليامسون مورد بررسي قرار مي‌دهد. روش پژوهش آميخته مد نظر در اين مطالعه مبتني بر نظرخواهي از متخصصان، پرسشنامه و الگوي شبكه عصبي به منظور جمع‌آوري و پردازش داده‌ها است. مؤسسات اعتباري مورد بررسي، نمونه تصادفي از شعب مختلف بانك‌هاي شهر تهران كه داراي مجوز از بانك مركزي تا تاريخ فروردين 1391 بوده‌اند، است. نتايج پژوهش حاكي از آن است كه با ورود متغير "روابط اعطاي تسهيلات" اثر متغيرهاي مستقل "سرمايه‌گذاري در دارايـي‌هاي خاص"، "خاص بودن وثيقه‌ها"، "درجه عدم اطمينان براي مؤسسه اعتباري" و"سختي در اندازه‌گيري عملكرد كاركنان" بر متغير هزينه مبادله اعطاي تسهيلات، كاهش مي‌يابد.

According to the economics of transaction cost, trades in markets include side costs and philosophy of forming entities is minimizing these costs. Many studies have been conducted in developing countries suggesting that high transaction costs in credit market and this reduces the efficiency of credit institutions in financial markets. This study in first stage, describes the transaction costs imposed on credit institutions­ and the factors affecting them from the traditional model of transaction cost economics and also introduced the "relationship lending with the customers" as a variable that points to reduce the information asymmetry between the borrower and the credit institute. The impact of these variables on the Williamson model will be examined. This study methodology is based on discussion from the experts, questionnaire and neural network model for data collection and analysis. Credit institutes under this study have been collected as a random sample from banks in Tehran .These banks had been authorized by central bank of Iran till March 2012. The results shows that with the introduction of the independent variable "lending relationships" the effect of the independent variables "investment in specific assets", "special collaterals", "degree of uncertainty for the credit institute" and "difficulty in measuring employee performance" on variable of transaction costs of lending will be reduced.