مدیریت ریسک اعتباری در نظام بانکی- رویکرد تحلیل پوششی داده ها و رگرسیون لجستیک و شبکه عصبی

این مقاله با هدف شناسایی عوامل موثر بر ریسک اعتباری و ارائه مدلی جهت پیش بینی ریسک اعتباری و رتبه بندی اعتباری مشتریان حقوقی متقاضی تسهیلات یک بانک تجاری، با استفاده از روش تحلیل پوششی داده‌ها و رگرسیون لجستیک و شبکه عصبی و مقایسه این سه مدل انجام گرفته است. بدین منظور بررسی های لازم بر روی اطلاعات مالی و غیر مالی با استفاده از یک نمونه 146 تایی تصادفی ساده از مشتریان حقوقی متقاضی تسهیلات، صورت گرفت. در این پژوهش، 27 متغیرتوضیح دهنده شامل متغیرهای مالی و غیر مالی مورد بررسی قرار گرفت که از بین متغیرهای موجود نهایتاً با استفاده از تکنیک تجزیه و تحلیل عاملی و قضاوت خبرگان (روش دلفی)، 8 متغیر تاثیرگذار بر ریسک اعتباری انتخاب گردید که وارد مدل تحلیل پوششی داده ها شده و امتیازات کارایی شرکت‌های حقوقی با استفاده از آنها بدست آمد. همچنین متغیر های انتخابی به عنوان بردار ورودی شبکه عصبی پرسپترون 3 لایه وارد مدل شد و در نهایت با استفاده از رگرسیون لجستیک نیز اطلاعات مربوطه پردازش گردید. نتایج حاصل از مدل تحلیل پوششی داده ها و شبکه عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری و رتبه بندی اعتباری در مقایسه با نتایج واقعی حاکی از آنست که مدل شبکه عصبی در پیش بینی ریسک اعتباری مشتریان حقوقی و رتبه بندی اعتباری از کارایی بیشتری برخوردار است.