چکیده:
این مقاله با هدف شناسایی عوامل موثر بر خطرپذیری اعتباری و ارائه مدلی برای رتبهبندی اعتباری
مشتریان حقوقی متقاضی تسهیلات بانک تجارت استان تهران» با استفاده از روش تحلیل پوششی دادهها
تاایی تصادفی ساده از مشتریان حقوقی متقاضی تسهیلات صورت گرفت. در این پژوهش. ۳۷ متغیر
توضیحدهنده شامل متغیرهای مالی و غیرمالی بررسی شد که از بین متغیرهای موجود در نهایت با استفاده
از تکنیک تجزیه و تحلیل عاملی و قضاوت خبرگان (روش دلفی)» ۸ متغیر تاثیرگذار بر خطرپذیری اعتباری
انتخاب شد که وارد مدل تحلیل پوششی دادهها شد و امتیازات کارایی شرکتهای حقوقی با استفاده از آنها
بهدست آمد. سپس برای اعتبارسنجی مدل مربوط به آن» تابع رگرسیونی براورد شد که درآن ۸ شاخص
وابسته در نظر گرفته شد. نتایج نشان میدهد که ۲۵ شرکت. روی مرز کارایی قرار داشته و کاملا کارا
بودهاند. همچنین با آزمون فرضیه معناداربودن ضرایب مشخص شد که تمامی شاخصها بجز یک شاخص
آ"ارزش ویژه به دارایی کل" بر مسیرهای مورد انتظار قرار داشته و از نظر آماری,؛ در سطح 95% اطمینان
معنادار میباشند.با مقایسه رتبههای حاصل از بهکارگیری معادله رگرسیونی با رتبههای بهدست آمده از روش تحلیل
پوششی داده هاء ملاحظه شد که تفاوت معناداری میان مقادیر محاسبه شده و واقعی وجود ندارد و این
مساله دلالت بر فرضیه کارایی مدل تحلیل پوششی دادهها در رتبهبندی اعتباری مشتریان حقوقی بانک
تجارت میکند.
خلاصه ماشینی:
در این پژوهش ،27 متغیر توضیح دهنده شامل متغیر های مالی و غیر مالی بررسی شد كه از بین متغیر های موجود در نهایت با استفاده از تكنیك تجزیه و تحلیل عاملی و قضاوت خبرگان (روش دلفی)، 8 متغیر تأثیرگذار بر خطرپذیری اعتباری انتخاب شد كه وارد مدل تحلیل پوششی داده ها شد و امتیازات كارایی شركت های حقوقی با استفاده از آن ها به دست آمد.
ir با مقایسه رتبه های حاصل از به كارگیری معادله رگرسیونی با رتبه های به دست آمده از روش تحلیل پوششی داده ها، ملاحظه شد كه تفاوت معنا داری میان مقادیر محاسبه شده و واقعی وجود ندارد و این مسأله دلالت بر تأیید فرضیه كارایی مدل تحلیل پوششی داده ها در رتبه بندی اعتباری مشتریان حقوقی بانك تجارت می كند.
آنان دریافتند كه رویكرد تحلیل پوششی داده ها می تواند به عنوان گزینه ای امیدوار كننده برای بهبود و جایگزینی روش های امتیازدهی كنونی به كار گرفته شود و این رویكرد از كارایی لازم در جهت محاسبه رتبه های اعتباری مشتریان برخوردار است [27، صص980-988].
S. ; “A comparison of neural networks and linear Rating models in the credit union environment”; European Journal of Operational Research; Vol. 95, 1996.
; “Neural network credit Rating models”; Journal of Computers & Operations Research, Vol. 27, 2000.
; “Credit rating using a hybrid neural discriminant technique”; Journal of Expert Systems With Applications, Vol. 23, 2002.
; “A two-stage hybrid credit Rating model using artificial neural networks and multivariate adaptive regression alpines”; Expert System with aApplication, Vol. 28, 2005.
; “A credit Rating approach for the commercial banking sector”; Journal of Socio-Economic Planning Sciences, Vol. 37, 2003.