پایان نامه اعتبارسنجی واحد تجاری|مدلهای امتیازدهی اعتباری |
دانهم در سال 1938 اولین سیستم ارزیابی تقاضا نامههای اعتباری را با بکارگیری پنج معیار زیر توسعه داد.(آلتمن،2000، 16)
1ـ موقعیت
2ـ درآمد
3ـ وضعیت مالی
4ـ ضامن یا وثیقه
5ـ اطلاعات بازپرداخت وام از بانکها
دانهم استدلال کرد که اهمیت معیارهای مختلف باید براساس تجربه مشخص گردد.
با آمدن کارتهای اعتباری در اواخر 1960 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 50 درصد یا بیشتر پایین آمده بود.
بوکس در سال 1967 اولین فردی بود که استفاده از پس زمینه کامپیوتر برای استفاده از مجموعه بزرگی از دادهها 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 در آمریکا در سالهای 1975 و 1976 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 شبکههای 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،2000، 17)
2-3-1: 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 بوجود می آید، 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
ـ مدل لجیت و پروبیت
ـ مدلهای مبتنی بر آنالیز ممیزی
ـ شبکههای عصبی
ب) مدلهای رتبه بندی اعتباری ناپارامتریک
ـ برنامه ریزی ریاضی
ـ درخت دسته بندی (الگوریتم تقسیم بندی بازگشتی)
ـ مدل نزدیکترین همسایه
ـ فرایند تجزیه و تحلیل سلسله مراتبی
ـ سیستمهای خبره
ـ الگوریتم ژنتیک
Danhem
Position Held
Income Statement
Collateral
Loan Repayment Data From Banks
Bogess
Equal Credit Opportunity
Liner Probability Model
Logit & Probit Model
Discriminate Analysis Model
Mathematical Planning
K-Nearest Neighbor (K-NN)
Analytical Hierarchy Process
Expert System
Genetic Algorithm
فرم در حال بارگذاری ...
[پنجشنبه 1400-03-06] [ 10:18:00 ق.ظ ]
|