جذب سپرده ها و اعطای تسهیلات مهمترین و اصل یترین وظیفه بانک ها محسوب می شود. اعطای تسهیلات، بانک ها را در معرض ریسک اعتباری قرار می دهد که عدم مدیریت آن چالش های بسیاری را ایجاد می کند.
بخش مهمی از مشکلات امروز بانک های کشور در زمینه افزایش مطالبات غیرجاری به دلیل عدم بهره مندی از نظام سنجش و مدیریت ریسک اعتباری است. اعتبارسنجی مشتریان کیی از ابزارها و پیش نیازهای لازم برای استقرار مدیریت ریسک اعتباری می باشدکه تاکنون رو کیردها و مدل های گوناگونی پیرامون آن معرفی شده است. در این مقاله به اجمال مروری بر مهمترین این مدل ها خواهد شد.
ریسک اعتباری یکی از قدیمی ترین اشکال ریسک در بازارهای مالی است. اگر اعتبار را انتظار دریافت اصل و سود وام های پرداخت شده تعریف کنیم، در این صورت ریسک اعتباری به عنوان احتمال عدم برآورده شدن این انتظار تعریف می شود. ریسک اعتباری از این واقعیت نشأت می گیرد که وام گیرنده نتواند یا نخواهد تعهداتش را انجام دهد. به عبارت دیگر، ریسک اعتباری، ریسک زیان در قراردادهای مالی ناشی از ناتوانی افراد یا شرکت ها در اجرای تعهدات ذکرشده در قرارداد است. تسهیلات بخش عمدۀ دارایی بانک ها را تشیکل می دهد.
سپرده های جذب شده، بانک را نسبت به پرداخت اصل و سود آن در سررسید های معین متعهد می کند، در حالی که وا های پرداخت شده، بانک را در معرض نکول وام گیرندگان قرار می دهد.بنابراین،ارزیابی اعتباری متقاضیان به رای تصمیم گیری در زمینۀ اعطای تسهیلات به آنها از اهمیت به سزایی برخوردار است.
باتوجه به اهمیت بیش از پیش مدیریت صحیح ریسک اعتباری طی سال های اخیر و تأکید ویژه کمیته بال مبنی بر شناسایی و کنترل این نوع ریسک، می بایست سازوکارهای لازم به منظور کاهش ریسک اعتباری بانک ها فراهم گردد.
به منظور مدیریت ریسک اعتباری، تاکنون تکنیک های متفاوتی همچون انتخاب، محدودسازی، متنوع سازی و تقویت اعتبار معرفی شده است که یکی از مهم ترین ابزارهای دستیابی به این هدف، طراحی و پیاده سازی سیستم اعتبارسنجی در بانک هاست. اعتبارسنجی عبارتست از ارزیابی و سنجش توان بازپرداخت مشتریان اعتباری به صورت انفرادی و محاسبۀ احتمال عدم بازپرداخت اعتبارات دریافتی آنها.
بانک ها به منظور آگاهی از نیازمندی های مشتریان خود، در اعطای تسهیلات باید به شناسایی ویژگی های آنها بپردازند. این امر از طریق اعتبارسنجی صورت می گیرد. به منظور ارزیابی اعتباری مشتریان، در گام نخست می بایست ضوابط و معیارهای اعطای تسهیلات و ارزیابی مشتری را مد نظر قرار داد که در ذیل مهم ترین این معیارها عنوان شده است:
تاکنون روش های متفاوتی درباره سازماندهی و دسته بندی معیارهای ارزیابی اعتباری مشتریان ارائه شده است که در ذیل به مهم ترین این روش ها اشاره می شود:
در فرآیند اعتبارسنجی مشتریان می بایست پس از تعیین معیارهای ارزیابی، وضعیت اعتباری مشتریان را مورد ارزیابی قرار داد. تاکنون مدل های مختلفی پیرامون اعتبارسنجی مشتریان معرفی شده است که در ادامه با دسته بندی انواع مدل های اعتبارسنجی، مهمترین و پرکاربردترین آنها به اختصار تشریح می شود.
مدل احتمال خطی ( Linear probability model ) : این مدل براساس رگرسیون خطی بناشده و با استفاده از تعدادی از متغیرهای کمی ) حسابداری و یا نسبت های مالی( و کیفی ) مشخصه های مدیریتی و محیط اقتصادی و سایر ( ، سعی در پیش بینی احتمال عدم بازپرداخت تسهیلات را دارد. در این مدل، متغیرهای کیفی به صورت متغیرهای صفر و یک وارد مدل می شوند.
مدل های پروبیت و لاجیت ( Probit & Logit models ) : مدل لاجیت یکی از مدل های رگرسیونی است که از تابع سیگموئیدی برای تمیز یا تشخیص دو یا چند گروه متمایز از هم استفاده می کند. در این مدل فرض می شود که احتمال عدم بازپرداخت از تابع توزیع لجست کی پیروی می کند. در مدل رگرسیونی لاجیت از مفهوم بخت برای مقدار متغیر وابسته استفاده می شود.در اصطلاح آماری بخت به معنی نسبت احتمال وقوع یک حادثه بر احتمال عدم وقوع آن است. احتمال بین 0 و 1 تغییر می کند، در حالی که بخت ممکن است بیش از 1 باشد.
مدل های مبتنی بر تحلیل ممیزی ( Discrimination analysis models ) : نخستین روش کلاس کی آماری که برای رتبه بندی اعتباری مورد استفاده قرار گرفت، بر مبنای تحلیل ممیزی استوار بوده است. این مدل ها برای طبقه بندی تعدادی مشاهده به دو یا چند گروه که از قبل تعیین شده اند، براساس مشخصه های هر مشاهده به کار می رود.
برنامه ریزی ریاضی : طبقه بندی مشتریان اعتباری می تواند به صورت برنامه ریزی ریاضی انجام شود. برای مثال، روش تحلیل پوششی داده ها نوعی روش برنامه ریزی خطی غیر پارامتری است که برای محاسبه کارایی بنگاه های اقتصادی مورد استفاده قرار می گیرد. در این گونه مدل ها امکان مدل سازی، بدون برآورد تابع توزیع و محدودیت های آماری مربوطه امکان پذیر است.
درخت واره های طبقه بندی ( recursive partitioning ) - الگوریتم های تقسیم بندی بازگشتی (Classification trees algorithms ) :
فرآیندی برای طبقه بندی است که برای تقاضای کامپیوتری طراحی شده است، به نحوی که تخمین قواعد رتبه بندی به عنوان نتیجه، یک زیرمجموعه صفر و یک از معیارهای توصیفی است. در نتایج این مدل، درختی به صورت صفر و یک طراحی می شود که شامل گره ها و شاخه های بسیاری است. بنابراین این فرآیند احتمال تصمی مگیری را ارائه می کند.
مدل های نزد کیترین همسایگان ( Nearest neighbors models ) : روشی است برای یافتن داده های نزدیک به هم، با ویژگی های نامشخص آزمایشی که باید این نزدیکی (ویژگی ) از قبل تعریف شده باشد تا به طبقه بندی داده ها منتج شود. نتیجه مدل یافتن الگویی است که بهترین طبقه بندی را درباره رفتار الگوی داده ها به آزمایش می گذارد.
فرآیند سلسله مراتب تحلیلی (Analytical hierarchy process ) : این فرآیند مبتنی بر این اصل است که به هنگام تصمیم گیری درباره موضوعی معین، در واقع ناگزیریم که داده ها و عوامل اطلاعاتی بسیاری را مد نظر قرار دهیم. این فرآیند ارتباط بین بخ شهای جزئی و عملکرد تصمیم گیری را به صورت منطقی برقرار می کند.
سیستم های خبره ( Expert systems ) : این سیستم با استفاده از روش های ساختار یافته، به دنبال تقلید از فرآیند تصمیم گیری متخصصین با تجربه است و آنها را به صورت مجموعه قواعد درون سازمان مستقر می نماید. طبق این سیستم برای تعیین وضعیت اعتباری وام گیرنده از اطلاعات متنوعی از قبیل تخصص پرسنل، قضاوت شخصی اعتباردهنده و وز ندادن به خصیصه های کلیدی وام گیرنده استفاده می شود. مهمترین این رو شها، پنج C اعتباری ، LAPP و پنج P هستند که قبلاً معرفی گردید.
شبکه های عصبی مصنوعی ( Artificial neural networks ) : ایده ایست برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد. عنصرکلیدی این ایده، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فو قالعاده به هم پیوسته تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می کند.
شبکه های عصبی مصنوعی نظیر انسان ها با مثال یاد می گیرند. یک شبکه عصبی مصنوعی برای انجام وظیفه های مشخص، مانند شناسایی الگوها و دسته بندی اطلاعات، در طول یک فرآیندیادگیری، تنظیم می شود. در سیستم های زیستی، یادگیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است.
باتوجه به جنبه کیفی برخی از مدل های معرفی شده و به دلیل بهره مندی از نقاط قوت و پوشش نقاط ضعف مد لها، امروزه ارزیابان اعتباری رویکرد ترکیبی استفاده از مدل های اعتباری را مد نظر قرار می دهند تا نتایج حاصل، از کیفیت مطلوبی برخوردار گردد.
شایان ذکر است، به منظور محاسبه اندازه گیری ریسک پرتفوی اعتباری موسسه مالی، سنجش احتمال نکول مشتری اعتباری ضروری است که این احتمال از طریق شیوه های یادشده به دست می آید. یکی از مهمترین مباحثی که در مقوله ریسک اعتباری مطرح می شود، رویکردی است که بر مبنای آن میزان ریسک اعتباری سنجش و ارزیابی می شود. برخی از این مدل های پیشرفته ریسک اعتباری عبارتند از:
بانک ها با توجه به ماهیت فعالیت شان در راستای واسطه گری وجوه، همواره در معرض ریسک اعتباری قرار دارند که با توجه به تأثیر آن بر سایر ریسک های مترتب بر فعالیت های بانکی، مدیریت و کنترل آن از اهمیت به سزایی برخوردار است. ارزیابی متقاضیان پیش از اعطای تسهیلات که از آن به « اعتبارسنجی » یاد می شود، نقش قابل توجهی در پیشگیری و کاهش بروز ریسک اعتباری دارد. استفاده از رویکردهای علمی در کنار رویکرد سنتی می تواند ضمن آنکه افزایش جامعیت ارزیابی را به عمل آورد، تبعات و چال شهای بروز ریسک اعتباری را نیز به میزان قابل توجهی کاهش دهد.
منبع : www.ebg.ir
مصطفی اختیاری - کارشناس اداره کل تحقیقات و کنترل ریسک بانک سپه
فهرست منابع و ماخذ در دفتر نشریه موجود است.
ثبت نظر