مدرس و ذکاوت (۱۳۸۲) برای ” طراحی مدل های ریسک اعتباری برای بانک توسعه صادرات ایران ” یک نمونه ۱۲۰ تایی از مشتریان حقوقی را انتخاب و از روش های تحلیل تمایزی و رگرسیون لجستیک استفاده کردند. متغیرهای نسبت جاری، نسبت بدهی به کل دارایی، نسبت حقوق صاحبان سهام به کل دارایی، نسبت سود قبل از کسر مالیات به حقوق صاحبان سهام، نسبت سود قبل از کسر مالیات به خالص فروش به عنوان پیش‌بینی کننده های نکول در مدل های تحلیل تمایزی و رگرسیون لجستیک استفاده شد. نتایج نشان داد که بر اساس متغیرهای مالی می توان مشتریان حقوقی بانک توسعه را از نظر ریسک اعتباری به خوش حساب و بدحساب دسته بندی کرد. از بین متغیرهای مالی استفاده شده در این تحقیق متغیر نسبت جاری بیشترین سهم را در تفکیک مشتریان داشت.

مطالعات انجام شده در خارج از کشور

یکی دیگر از مطالعات انجام شده در زمینه اندازه گیری ریسک اعتباری اوراق قرضه شرکت‌ها با بهره گرفتن از مدل نمره دهی چند متغیره، به وسیله آلتمن^[۹] در سال ۱۹۶۸ انجام شد و به مدل نمره Z شهرت یافت. آلتمن برای اولین بار از تحلیل تمایزی برای تعیین تابع پیش‌بینی ورشکستگی شرکت‌ها استفاده کرد و رابطه ی بین سوابق نکول و تعدادی از متغیرهای مالی و حسابداری را با بهره گرفتن از مدل چند متغیره بررسی نمود. هدف وی شناسایی عوامل مختلف تعیین کننده ی نکول بود تا بتواند شرکت‌های در حال نکول را از سایر شرکت‌ها تفکیک نماید. نسبت‌های مالی نهایی مورد نظر او نسبت‌های سرمایه در گردش / کل دارایی، سود انباشته / کل دارایی، درآمد قبل از بهره و مالیات / کل دارایی، ارزش بازار حقوق صاحبان سهام / ارزش دفتری بدهی ها، کل فروش / کل دارایی بودند. نتایج نشان داد که پیش‌بینی های این مدل در بیش از ۷۵ درصد موارد درست است.

ساندرز و آلن^[۱۰] از این مدل برای پیش‌بینی ریسک اعتباری وام گیرندگان استفاده کرده و ‌به این نتیجه رسیدند که این مدل از قدرت بالایی برای پیش‌بینی ریسک اعتباری برخوردار است. در اواخر سال ۱۹۷۰ مدل های احتمالی خطی و وضعیتی احتمالی چندگانه^[۱۱] برای پیش‌بینی ورشکستگی شرکت‌ها مطرح شدند. همچنین در سال‌های ۱۹۸۰ و ۱۹۹۰ استفاده از مدل‌های برنامه ریزی ریاضی در بسیاری از مطالعات عنوان شد. هدف اصلی این روش‌ها، حذف فرضیه‌ها و محدودیتهای موجود در تکنیک های قبلی، بهبود اعتبار و صحت طبقه بندی بود.

• 1. امتیازدهی و رتبه بندی اعتباری و تاریخچه پیدایش آن ها

امروزه به منظور اعتبارسنجی مشتریان، نظامهایی نظیر ” امتیازدهی اعتباری^[۱۲] ” و ” رتبه بندی اعتباری ^[۱۳] ” تدوین و توسعه یافته اند. امتیازدهی اعتباری، نظامی است که به وسیله آن بانک‌ها و مؤسسات اعتباری با بهره گرفتن از اطلاعات حال و گذشته متقاضی، احتمال عدم بازپرداخت وام توسط وی را ارزیابی نموده و به او امتیاز می‌دهد(یانگ لویی^[۱۴]،۲۰۰۱، ۴). به عبارت دیگر امتیازدهی اعتباری به معنی کمی نمودن احتمال نکول در آینده است. این روش مشتریان اعتباری را بی طرفانه و بر اساس آمار و اطلاعات کمی رتبه بندی می کند در حالی که روش های قدیمی برای ارزیابی مشتریان به طور عمده ذهنی^[۱۵] و مبتنی بر دیدگاه مسئولین بودند. رتبه بندی اعتباری هم در واقع روشی برای شناسایی و موافقت با اعطای وام به متقاضیان با ریسک پایین و اجتناب از اعطای وام به متقاضیان با ریسک بالا از طریق رتبه بندی آن ها می‌باشد.

امروزه در صنعت اعتباری، شبکه های عصبی تبدیل به یکی از دقیق ترین ابزار آنالیز اعتبار در میان سایر ابزار شده است. دیسای و همکارانش^[۱۶] در سال ۱۹۹۶ به بررسی توانایی‌های شبکه های عصبی و تکنیک‌های آماری متداول نظیر آنالیز ممیزی خطی^[۱۷] و آنالیز رگرسیون خطی^[۱۸] در ساخت مدل‌های امتیازدهی اعتباری پرداخته‌اند (دیسای ،۱۹۹۶، ۲۴-۳۷). همچنین وست^[۱۹] در سال ۲۰۰۰ به بررسی مدل‌های کمی پرداخت. نتایج به دست آمده بیانگر این بود که شبکه های عصبی قادر به بهبود دقت امتیازدهی می‌باشند. آنان همچنان بیان کردند که آنالیز رگرسیون خطی جایگزین بسیار خوبی برای شبکه های عصبی است. در حالی که درخت تصمیم و مدل نزدیکترین همسایه و آنالیز ممیزی خطی نتایج نوید بخش و دلگرم کننده ای ایجاد نکردند. (وست،۲۰۰۰، ۱۱۳۱-۱۱۵۲).

رتبه بندی اعتبار به طور اساسی یک راه تشخیص تفاوت‌های گروه‌ها در یک جمعیت است. ایده جدا کردن گروه ها در یک جمعیت در آمار به وسیله فیشر در سال ۱۹۶۳ معرفی گردید. (توماس^[۲۰]،۲۰۰۰، ۱۶).

دانهم^[۲۱] در سال ۱۹۳۸ اولین سیستم ارزیابی تقاضا نامه‌های اعتباری را با به کارگیری پنج معیار زیر توسعه داد.(آلتمن،۲۰۰۰، ۱۶)

۱ـ موقعیت^[۲۲]

۲ـ درآمد^[۲۳]

۳ـ وضعیت مالی

۴ـ ضامن یا وثیقه^[۲۴]

۵ـ اطلاعات بازپرداخت وام از بانک‌ها^[۲۵]

دانهم استدلال کرد که اهمیت معیارهای مختلف باید ‌بر اساس تجربه مشخص گردد.

با آمدن کارت‌های اعتباری در اواخر ۱۹۶۰ اهمیت رتبه بندی اعتباری برای بانک‌ها و دیگر ارائه کنندگان کارت‌های اعتباری نمایان شد. وقتی این سازمان‌ها رتبه بندی اعتبار را به کار بردند دریافتند که این کار از هر تدبیر قضاوتی مفیدتر است، زیرا نرخ اشتباه به میزان ۵۰ درصد یا بیشتر پایین آمده بود.

بوکس^[۲۶] در سال ۱۹۶۷ اولین فردی بود که استفاده از پس زمینه کامپیوتر برای استفاده از مجموعه بزرگی از داده ها را معرفی کرده همچنین او سعی در ترکیب ابزارهای آماری چند متغیره را داشت. اتفاقی که پذیرش کامل رتبه بندی اعتبار را تضمین کرد تصویب قانون فرصت برابر اعتبار^[۲۷] در آمریکا در سال‌های ۱۹۷۵ و ۱۹۷۶ بود.

پیشرفت در محاسبات اجازه داد تا سعی شود تکنیک‌های دیگری برای ساختن کارت امتیاز به کار رود. در حال حاضر با به کارگیری تکنیک‌های هوش مصنوعی مانند سیستم‌های خبره و شبکه های عصبی و الگوریتم ژنتیک تأکید بر روی تغییر واقع بینانه از سعی در حداقل کردن شانس یک مشتری در درخواست ناجور (ریسک بالا)‌ ‌در مورد یک محصول خاص به تحقیق ‌در مورد اینکه چگونه شرکت می‌تواند سود خود را از آن مشتری ماکزیمم کند رخ داده است.(توماس،۲۰۰۰، ۱۷)

۲-۳-۱: مدل‌های امتیازدهی اعتباری

روش های امتیازدهی اعتباری به دو صورت کمی و کیفی انجام می شود. در تحلیل کیفی، امتیازدهی اعتباری ارتباط نزدیکی با توانایی و قابلیت تجزیه و تحلیل مسئولین بخش اعتباری دارد. لیکن در تحلیل کمی، تعیین احتمال عدم بازگشت اصل و سود تسهیلات از طریق تابع توزیع آن امکان پذیر است.

اکثر الگوهای کمی ریسک اعتباری، چارچوب معنایی مشابهی دارند، اما اختلافاتی که در اجرای این مدل ها به وجود می‌آید، ناشی از شیوه برآورد پارامترهای اصلی از اطلاعات موجود است. به طور کلی روش های آماری و ریاضی اندازه گیری ریسک اعتباری را می توان به دو گروه عمده زیر تقسیم کرد :

الف) مدل‌های رتبه‌بندی اعتباری پارامتریک

ـ مدل احتمالی خطی^[۲۸]

ـ مدل‌ لجیت و پروبیت^[۲۹]

ـ مدل‌های مبتنی بر آنالیز ممیزی^[۳۰]