مقاله کامل تاثیر هوش مالی در پیش بینی ریسک اعتباري با استفاده از مدل ماشین بردار پشتیبان

تاثیر هوش مالی در پیشبینی ریسک اعتباريبا استفاده از مدل ماشین بردار پشتیبان
چکیده
هدف از این مطالعه، بررسی تاثیرهوش مالی در پیشبینی ریسک اعتباري شرکت‌هاي پذیرفته شده در بورس اوراق بهادار تهران میباشد.روش پژوهش از نوع توصیفی- همبستگی است و فرضیه‌ها با استفاده از مدلهاي رگرسیون لجستیک و ماشین بردار پشتیبان مورد آزمون قرار گرفتند.دوره زمانی پژوهش شامل 6 سال ازابتداي 1388 تا پایان 1393 و نمونه آماري شامل 115 شرکت از شرکت‌هاي پذیرفته شده در بورس اوراق بهادار تهران میباشد.
نتایج حاصل از پژوهش نشان داد که هوش مالی توانایی پیشبینی ریسک اعتباري را دارد.به عبارت دیگر هوش مالی توانایی آن را دارد که با بهرهگیري از مدل آماري ماشین بردار پشتیبان ریسک پرداخت تعهدات و ریسک سودآوري را به درستی پیش بینی کند اما در پیشبینی ریسک بهرهوري ناتوان عمل کرد.
واژههاي کلیدي: هوش مالی، ریسک اعتباري، ماشین بردار پشتیبان.
مقدمه
نظام بانکی در ایران همچون سایر کشورها نقش بسیار مهمی در اقتصاد ایفا می نماید، زیرا علاوه برآنکه بانکها واسطه وجوه در بازار پول هستند، به سبب عدم توسعه کافی بازار سرمایه، نقش اساسی در تأمین مالی برنامههاي میانمدت اقتصادي دارند.
مهم ترین فعالیت بانکها جمع آوري منابع مالی و تخصیص آنها به بخشهاي مختلف اقتصادي است. اما باید توجه داشت که از یک سوي، همین منابع مالی، تأمین کننده نیازهاي بانک براي اعطاي تسهیلات بوده و از سوي دیگر، بانکها باید منابع مالی محدود خود را به صورت بهینه به تولید کالاها و خدمات اختصاص دهند که به معناي فعالیت بنگاه در سطح کارا میباشد، چرا که از نظر تئوريهاي اقتصاد، کارآیی نتیجه بهینهسازي تولید و تخصیص منابع است.به بیان دیگر، در یک واحد تولیدي، مدیران و نیروي کار با توجه به اهداف مورد نظر بنگاه و توان فناوري موجود درصدد تعیین میزان تولید خود بهگونهاي هستند که ضمن استفاده از حداکثر امکانات، منابع و تخصیص مطلو هزینه، عوامل تولید (سرمایه و نیروي کار رابه صورت بهینه مورد استفاده قرار دهند. بانکها نیز از این قاعده مستثنی نبوده و در صدد اعطاي تسهیلات به شرکت‌هاییهستند که ضمن برخورداري از ریسک پایین بتوانند بازده متناسب با سود تسهیلات اعطایی را داشته باشند. این امر زمانیمحقق میشود که بانکها قادر به شناسایی مشتریان اعتب اري خود حقیقی وحقوقی بوده و بتوانند آنها را براساس توانایی و تمایل نسبت به بازپرداخت کامل و به موقع تعهدات طبقه بندي نمایند. ریسک و خطر، شرایطی هستند که به صور گوناگون، شرکت‌ها را با قابلیت پذیرش ضرر و زیان در قبال آنها
مواجه میسازند.یک شخص ممکن است به وسیله مجموعهاي از ریسکها دچار آسیب شود[12 ].
براي اعطاي تسهیلات باید درجه اعتبار و قدرت بازپرداخت اصل و سود مبلغ اعتبار را براي دریافتکننده تسهیلات تعیین کرد. شانس اینکه وامگیرنده نتواند وام را بازپرداخت کند ریسک اعتباري یا ریسک عدم بازپرداخت میشود. تعریفی که کمیته بال سوئیس از ریسک اعتباري ارائه میکند به این شرح است:”ریسک اعتباري عبارت است از امکان بالقوه اینکه قرضگیرنده از بانک و یا از طرفحساب وي در اجراي تعهدات خود در مقابل بانک در مدت مشخصی ناتوان شود” [5 ].
ریسک اعتباري پیامد معاملات مالی بین عرضهکنندگان و استفادهکنندگان وجوه میباشد و به عنوان ماهیت چنین معاملاتی محسوب میشود.
در بازاري که حاشیه سود بانکها به دلیل تشدید رقابت همواره در حال کاهش بوده و همواره فشار براي کاهش بیشتر هزینهها احساس میشود، مدلهاي ریسک اعتباري با پیش بینی زیانهاي عدم بازپرداخت وامها نوعی برتري نسبی براي بانکها و نهادهاي اعتباري ایجاد خواهد کرد.مدلهاي ریسک اعتباري امکان بهینه سازي ترکیب پرتفوي اعتباري و تعیین سرمایه اقتصادي بانکها براي کاهش هزینههاي سرمایهاي را فراهم خواهد ساخت.وقوع این اتفاق ناشی از عدم نظارت دقیق بر اعطاي تسهیلات است. وقوع بحران مالی جهانی درسهایی را با خود به همراه داشت.یکی از این درسها بیان می کند که محصولات جدید سیستم مالی، میتوانند ریسکهاي پیشبینی نشدهاي را در بر داشته باشند.درس دیگر، دلالت بر این امر دارد که حتی با وجود در اختیار داشتن سیستمهاي رتبه بندي ریسک اعتباري، بیتوجهی به ماهیت سیستماتیک
ریسکمیتواند سبب عدم بهرهبرداري مناسب از سیستمهاي مربوطه شود[14 ].
نمونه بارز از عدم توجه به ریسک اعتباري را در بحران مالی آمریکا در سنوات اخیر میتوان به وضوح مشاهده کرد.بحران مالی آمریکا از اعطاي اعتبارات به بخش مسکن، بدون توجه دقیق به اهلیت اعتباري و توان بازپرداخت متقاضیان شروع شد و با افزایش عرضه مسکن و افت قیمت آن، دیگر پرداخت اقساط تسهیلات براي تسهیلاتگیرندگان مقرون به صرفه نبود چرا که در قیمتهاي جدید، میزان بدهی آنها به سیستم بانکی، بیشتر از ارزش ملک بود. بنابراین با خودداري بدهکاران از بازپرداخت اقساط تسهیلات به سیستم بانکی و به دلیل اینکه بانکها در بازار فرعی مسکن به افرادي تسهیلات داده بودند که از توانایی لازم براي بازپرداخت برخوردار نبودند، بحران از این بخش آغاز و به مثابه ظروف مرتبطه به سایر بازارها سرایت نمود. وقوع این اتفاق در کشوري که از سیستمهاي پیشرفته سنجش اعتباري برخوردار است، ناشی از عدم نظارت دقیق بر اعطاي تسهیلات است. اگر چه در ایران، به دلیل نظارت شدید بر ذخایر نقدي بانکها احتمال وقوع چنین وضعیتی چندانمحتمل نیست، زنگ خطري است که یادآور شود نظارت دقیق بر اجراي صحیح قوانین و مقررات میتواند کشور را ازمواجهه با بحران مالی در امان بدارد.این بحران مالی اثبات کرد که حتی با وجود در اختیار داشتن سیستمهاي رتبهبنديریسک اعتباري، بیتوجهی به ماهیت سیستماتیک ریسک میتواند سبب عدم بهرهبرداري مناسب از سیستمهاي مربوطهشود[14 ].
مبانی نظري و پیشینه پژوهش
بانکها به عنوان یک نهاد مالی که نقش تعیینکننده در اقتصاد کشورها دارند با انواع ریسک به مفهوم احتمال زیان و یا عدم اطمینان در بازارهاي مالی دست به
گریبانند.در بازارهاي مالی یکی از ریسکهاي مهم و مطرح که بررسی و شناخت و تمرکز بر کنترل آن میتواند نقش بهسزایی در پایین آوردن هزینه‌ها، افزایش درآمدها و در نتیجه سودآوري بانکها داشته باشد ریسک اعتباري است که در نتیجه عدم توان مشتري در بازپرداخت تسهیلات و اعتبارات دریافتی محتمل میشود. از این رو به مفهوم شناخت ریسک، تخمین و ارائه راهکار مناسب رویکرد جدید است که پرداختن به آن در ارتقا اثربخش و رشد پایدار بانکها نقشی اساسی بازي میکند [1 ].
استفاده کنندهگان صورتهاي مالی، به ویژه سرمایهگذاران عمده براساس اطلاعات مالی تصمیم به خرید و فروش سهم میگیرند.اعتباردهندگان عمدتا در زمان پرداخت وام به اطلاعات مالی نیاز دارند.این اطلاعات میتواند در قالب یک مدل، عملکرد مالی شرکت‌ها را پیشبینی و ارزیابی کند.به طور کلی، مدلهاي مورد استفاده براي ارزیابی عملکرد را می توان در سه گروه عمده طبقبندي کرد: الفمدلهاي آماري: از قبیل تحلیل ممیزي، رگرسیون لجستیک. مدلهاي سیستم خبره:
از قبیل شبکههاي عصبی، درخت تصمیم، ماشین بردار پشتیبان. جمدلهاي نظري: از قبیل معیار تفکیک ترازنامه [15 ].
تقریبا همه می دانند که شخصی با بهره هوشی 130 ظاهرا باید از شخصی با بهره هوشی 95 باهوشتر باشد. میتوان چنین معادلهاي را براي هوش مالی نیز در نظر گرفت. ممکن است شما از نظر هوش آکادمیک در سطح یک نابغه باشید در حالی که از لحاظ هوشیاري مالی هم سطح یک آدم نادان باشید. اما تفاوت میان هوشیاري مالی و هوش مالی چیست؟ پاسخ آن است که هوشیاري مالی آن بخش از هوشیاري ذهنی انسان است که از آن براي حل مشکلات مالی استفاده میکند
وهوش مالی معیاري براي اندازهگیري هوشیاري مالی است. درواقع میزان هوشیاري مالی با اندازه هوش مالی نشان داده می شود[2].
اولین نسبت مالی که در تجزیه وتحلیلهاي مالی مورد استفاده قرار گرفت، نسبت جاري بود که بیشتر نیازهاي اطلاعاتی اعطا کنندگان اعتبار را تامین میکرد.اعطاکنندگان اعتبار در وحله اول بر جریانهاي نقدي و توانایی شرکت در پرداخت بدهیهاي خود علاقهمند بودند.این امر باعث شد تا رویکرد تجزیه و تحلیل نسبتها جهت اعطا اعتبار از توسعه بیشتري بویژه در کشور امریکا برخوردار گردد، بانکهاي تجاري در اوایل دهه 1890 به صورت گسترده متداول نشده بود، طی دهه 1890حجم و گردش اطلاعات مالی بطور وسیعی افزایش پیدا کرد.تقریبا در همان زمان تفکیک اقلام جاري و غیرجاري شروع وبررسی روابط بین اقلام مختلف داده‌ها متداول گردید.در سالهاي آخر دهه 1890 روند مقایسه داراییهاي جاري به بدهیهاي جاري شکل گرفت و به این ترتیب استفاده از این نسبتها در تحلیل صورتهاي مالی با نسبت جاري آغاز شد.وال1912 ضرورت محاسبه نسبتهاي مختلف و تعیین معیاري براي ارزیابی آنها را مطرح و شروع به گردآورياطلاعات صورتهاي مالی نمود و نتیجه کارخود را در سال 1919 منتشر نمود.در همین سال یک سیستم کامل از تجزیه وتحلیل نسبتها توسط الکساندر وال ارائه شد و بانکها را که قبلا براي اعطاي وام از نسبت جاري استفاده میکردند موردانتقاد قرار داد و بیان کرد که بانکها به جاي اینکه فقط از نسبت جاري استفاده کنند باید روابط صورتهاي مالی با یکدیگررا مورد توجه قرار دهند تا تصویر کاملی بدست آورند[29 ]. در حدود سال 1919
شرکت دپونت شروع به استفاده از سیستم مثلثی نسبتها در ارزیابی نتایج عملیات نمود.این سیستم سعی در ارائه چارچوبی داشت تا رشد وتوسعه نسبتها در قالبی منطقی صورت گیرد[29 ].
مشابهت زیاد تسهیلات اعتباري به اوراق قرضه باعث شده تا درجهبندي ریسک اعتباري تسهیلات بانکها یعنی اندازه گیري ریسک اعتباري اعم از بازپرداخت اصل و بهره وامها از سوي برخی از پژوهشگران مورد توجه قرار گیرد.دراین میان میتوان به مطالعه فیشر در سال 1936 به عنوان اولین سیستم ارزیابی اعتبار و مطالعه» دورانه« در سال 1941 که با استفاده از »تحلیل ممیزي« و با تکیه بر نتایج فیشر انجام گرفت، به عنوان بنیانگذار سیستمهاي امتیازدهی حال حاضر اشاره نمود[23 ].
یکی دیگر از نخستین مطالعات در زمینه اندازهگیري ریسک اعتباري اوراق قرضه شرکت‌ها با استفاده از مدل نمرهدهی چند متغیره مطالعات آلتمندر سال 1968 است که مدل نمره z وي از شهرت زیادي برخوردار است.مدل نمره z آلتمن یک مدل تحلیل ممیزي چند متغیره است که با استفاده از مقادیر نسبتهاي مالی مهم میکوشد تا شرکت‌هایی راکه داراي درماندگی مالی هستند را از شرکت‌هایی که دارایی درماندگی مالی نیستند، از هم تمیز دهد. با توجه به این که عمدتا عدم بازپرداخت وام مربوط به شرکت‌هایی است که درآینده دچار درماندگی مالی خواهند شد بنابراین امکان پیشبینی ریسک اعتباري با استفاده از این مدل امکانپذیر خواهد بود[17 ].
دیساي و همکاران41996 به بررسی توانایی هاي شبکههاي عصبی و تکنیکهاي آماري متداول نظیر آنالیز ممیزي خطی و
آنالیز رگرسیون خطی در ساخت مدل هاي امتیازدهی اعتباري پرداخته اند. نتایج بدست آمده بیانگر این بود که شبکه هاي عصبی قادر به بهبود دقت امتیازدهی میباشند.آنها هم چنین بیان کردند که آنالیز رگرسیون خطی جایگزین بسیار خوبی براي شبکههاي عصبی است.در حالی که درخت تصمیم و مدل نزدیکترین همسایه و آنالیز ممیزي خطی نتایج نویدبخش و دلگرم کننده اي ایجاد نکردهاند[22 ].
ساندرز52003 از این مدل براي پیشبینی ریسک اعتباري شرکت‌هایی که از بانکها تسهیلات گرفته بودند، استفاده کردند و با بررسیهاي صورت گرفته مشخص شد که این مدل براي پیشبینی ریسک اعتباري از قدرت بالایی برخوردار است.استفاده از چنین مدلی در بانک، باعث میشود که اگر نمرهz شرکت وام گیرنده پایین تر از حد بحرانی باشد، درخواست وام رد میشود و یا کنترل وتسلط بیشتري براي افزایش ایمنی وام اعطایی اعمال شود و از این راه زیانهاي ناشی از عدم بازپرداخت وام به کمترین حد خواهد رسید.در این مدل نمره z به نسبت هاي مالی وام گیرنده و وزن هاي هر یک ازنسبتها بستگی خواهد داشت. وزن هر یک از نسبت هاي مالی بستگی به تجار موارد قصور وام گیرنده در بازپرداخت وامدارد.هر چه میزانz بالاتر باشد، طبقه ریسک عدم بازپرداخت وام گیرنده کمتر خواهد بود. بنابراین مقدار پایین یا منفیشاخص z بیانگر این است که وامگیرنده از نظر ریسک عدم بازپرداخت در طبقه بالایی قرار خواهد داشت[25 ].
اسچباش و استکینگ2005 از ماشین بردار پشتیبان در وامهاي اعتباري استفاده کردند و به این نتیجه رسیدند که ماشین بردار پشتیبان نسبتا بهتر از رگرسیون لجستیک عمل میکند ولی تفاوت زیادي با آن ندارد.درهر دوي این مقالات از
ماشین بردار پشتیبان خطی و هستهيRBF استفاده شده و در هر دو مورد اندازه پایگاه داده اعتباري به کار رفته خیلی کوچکتر از اندازه واقعی آن است[26].
وان گستل و همکارانش 2006 از حداقل مجذورات ماشین بردار پشتیبان با هستهي بیزیین براي طبقهبندي ورشستگی بانکها استفاده کرد.این محققان تفاوت مهم ومعنی داري بین ماشین بردار پشتیبان، رگرسیون لجستیک وLDA پیدا نکردند[28 ].
چنگ – لونگ هوانگ و همکاران2007 در پژوهش خود به مدل سازي تکنیکی هیبریدي براي اعتبارسنجی پرداختند به این صورت که ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان هم براي بهینه سازي پارامترهاي مدل اعتبارسنجی بکار رفته است.مقایسه هایی نیز بین تکنیک ماشین بردار پشتیبان و طبقهبنديهاي شبکههاي عصبی، برنامهریزي ژنتیکی و درخت تصمیم صورت پذیرفته که نتایج نسبتا یکسانی حاصل شده است. ولی نتایج تجربی نشان میدهد که ماشین بردار پشتیبان نسبت به تکنیکهاي موجود داده کاوي نتایج امید بخشتري را ارائه می دهد[21 ].
بلوتی، ک روك2008 به مقایسه عملکرد ماشین بردار پشتیبان با چندین الگوریتم معروف پرداختند و از پایگاه داده بزرگتري نسبت به پژوهشات قبلی استفاده کردند وبه این نتیجه رسیدند که ماشین بردار پشتیبان موفقتر از تکنیکهاي قبلی رتبه بندي است و از ماشین بردار پشتیبان به عنوان یکی از روش هاي انتخاب ویژگی استفاده کردند[19 ].
اورسکی2012 بر روي داده‌هاي موجود در بانکی در کرواسی اقدام به انجام پژوهشی براي ارزیابی ریسک اعتباري به
وسیله شبکه عصبی مصنوعی نمود.او در این پژوهش شبکه عصبی را به طور معمول اجرا کرد.در مرحله بعد با استفاده از مدل سیستم هیبریدي و الگوریتم ژنتیک دادههاي جمع آوري شده را پیشپردازش کرد و نتایج مرحله دوم را با نتایج قبلی مقایسه کرد.در نهایت مدل هیبریدي و الگوریتم ژنتیک تاثیر بسیار زیادي بر دقت عملکرد شبکه عصبی گذاشته و نتایج دقیقتري را ایجاد میکند[24 ].
بنهایون وهمکاران 2013 در پژوهشی به بررسی میزان تاثیر هوش مالی در پیشبینی ریسک اعتباري شرکت‌ها پرداختهاند که متغیرهاي این پژوهش در تحقیق حاضر مورد استفاده قرار گرفته است. آنها در پژوهش خود از مدل ماشین بردار پشتیبان استفاده نموده اند.نتایج حاصل از این پژوهش گویاي این مطلب است که این مدل آماري از دقت بالایی در پیشبینی ریسکاعتباري برخوردار است و با استفاده از اطلاعات مالی و نسبتهاي آن میتوان به استفادهکنندگاندر تصمیمگیريهاي درستاقتصادي کمک شایانی نمود[20].
آرورا و باربیتا2013 در مقاله خود با عنوان “فرایند ارزیابی اعتبار در بانکSBI” به ارائه مدلی در خصوص ارزیابیریسک اعتباري مشتریان پرداختند. نتایج تحقیق نشان داد، مناسب ترین روش براي ارزیابی اعتبار مشتریان بررسی موقعیتمالی و توانایی مشتریان در بازپرداخت تسهیلات در آینده می باشد[18].
در پژوهشی آبیولا و الایوسی2014 با عنوان “تأثیر عملکرد مدیریت ریسک در بنگاههاي مالی در نیجریه”به بررسیاهمیت مدیریت مدیریت ریسک اعتباري در بانک ها پرداخته اند.نتایج نشان داد که اهمیت مدیریت ریسک اعتباري

فایل : 36 صفحه

فرمت : Word