رتبه بندی اعتبار

رتبه بندی اعتبار یک وسیله آماری است که به منظور تعیین درجه ریسک مشتریان به کار می‌رود. رتبه بندی اعتبار می‌تواند احتمال خطا را در تعیین پارامترهایی که بر مبنای آن مشتریان اعتبار داده شده را تعیین کند. رتبه بندی اعتبار به بانک کمک می‌کند تا فرایند کارایی را بهبود بخشد و روش‌های مناسبی را برای تصمیمات اعتباری مشخص می‌کند. رتبه بندی اعتبار یک روش آماری است که جهت پیش یبنی احتمال خطای وام گیرندگان آتی و یا اینکه چقدر از وام گیرندگان فعلی دچار قصور می‌شوند به کار می‌رود. تکنیک‌های آماری از داده‌های تاریخی در این روش استفاده می‌کنند. رتبه بندی اعتبار سعی دارد که تاثیر شخصیت و ویژگی‌های متقاضیان مختلف را بر میزان ریسک و خطا مشخص کند. اگرچه بانک‌ها و موسسات مالی اعتباری واسط بین سرمایه گذاران و متقاضیان تسهیلات اعتباری به متقاضیان می‌باشند ولی می‌توان گفت مهمترین عملیات آنها اعطای تسهیلات به متقاضیان می‌باشد این موسسات برای انجام این فعالیت مهم خود ناچار به استقرار یک سیستم کارآمد هستند تا عملیات اعطای تسهیلات در بازارهای رقابتی کنونی از کارایی و سرعت لازم برخوردار باشد و هم احتمال عدم برگشت اصل فرع تسهیلات اعطا شده که پاشنه آشیل موسسات مالی و اعتباری می‌باشد به حداقل کاهش یابد. از این منظر یکی از کاربردهای اساسی سیستم های رتبه بندی اعتبار که اصولا یک راه تشخیص تفاوت‌های گروهها در یک جمعیت است واضح می‌گردد.

توماس[1] دو علت اساسی برای توسعه سیستم‌های فعلی رتبه‌بندی اعتبار ذکر می‌کند:

1ـ به علت شرایط اقتصادی موسسه نیازمند شناسایی تکنیک‌های پیش بینی ریسک مصرف کننده جهت تطبیق اتوماتیک با شرایط جدید است.

2ـ شرکت‌ها به جای سعی در کاهش مشتریان بد حساب امیدوارند بتوانند مشتریانی را شناسایی کنند که پرمنفعت هستند.

[1] ـ توماس، پیشین، ص 150.

 سیستم‌های رتبه بندی اعتبار

سیستم‌های رتبه‌بندی اعتباری را می‌توان به سه دسته تقسیم کرد[1].

1ـ سیستم‌های قضاوتی

2ـ رتبه بندی بر مبنای تکنیک‌های آماری

3ـ سیستم‌های هوشمند

سیستم‌های قضاوتی بسیار کند و پرهزینه هستند. عموما زمانی که تعداد تقاضاها بالا، و تعداد خبرگان کم می‌باشد این سیستم‌ها کارآیی لازم را ندارند. در مورد روش‌های آماری نیز هر یک از تکنیک‌هایش فرض‌های خاصی را می‌طلبند. بدیهی است با عدم وجود یا کمرنگ شدن پیش فرض‌ها، دقت و صحت خروجی‌ها مورد تردید قرار می‌گیرد. وقتی قوانین تصمیم گیری واضح و اطلاعات معتبر می‌باشند سیستم‌های خبره کمک بزرگی به حل مسائل می‌کنند. اما اغلب قوانین موسسات اعطا کننده وام، شفاف نیست و اطلاعات اصلا وجود نداشته و یا بخشی از اطلاعات صحیح نیست، در این حال شبکه‌های عصبی گزینه بسیار مناسبی هستند.

مدل‌های رتبه بندی اعتباری

فرنس کیس[2] مدل‌های رتبه بندی اعتبار را در دو گروه بزرگ به شرح زیر دسته بندی می‌کند.

الف) مدل‌های رتبه‌بندی اعتباری پارامتریک

ـ مدل احتمالی خطی

ـ مدل‌ پروبیت ولجیت

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)[3]

ـ مدل نزدیکترین همسایه[4]

ـ فرآیند تجزیه و تحلیل سلسله مراتبی

ـ سیستم‌های خبره

مزایا و محدودیت‌های مدل رتبه بندی اعتبار

1ـ بهبود بخشیدن کنترل اعتباری

2ـ استانداردهای اعتباری را به راحتی تنظیم و سازگار می‌کند.

3ـ گردآوری راحتتر داده‌ها

4ـ آموزش به وام دهندگان جدید آسان‌تر می‌شود

5ـ زمان کوتاهتری هم از مشتری و هم از بخش اعطای تسهیلات صرف می‌شود (که این امر هم برای بانک و هم برای مشتریان سود آور است)‌.

6ـ تصویب وام دهی را هدفمند می‌کند (سبب می‌شود که وام دهندگان یک محدوده مشخص را در وام دادن رعایت کنند و تمام محدودیت‌های قانونی را برای همه وام گیرندگان در نظر می‌گیرد و تاثیر هر یک از متغیرها را بر ویژگی‌های مشتریان در نظر دارد).

7ـ کاهش ریسک اعتباری

محدودیت‌ها

صحت سیستم رتبه بندی اعتبار به داده‌هایی که به سیستم وارد می‌شود ارتباط دارد این داده‌ها باید به روز باشد و مدل باید مرتبا تغییر کند تا از ارتباط میان عوامل بالقوه و عملکرد وام مطمئن شود. اگر بانک بخواهد پس از بازاریابی به یک گروه جدیدی وام بدهد باید از تشابه عملکرد وام گیرندگان قبلی اطمینان حاصل کند تا بداند که آیا سیستم توانایی پاسخگویی به آنها را نیز دارد؟ یا باید در داده‌ها و در خود سیستم تغییر ایجاد کند. و ممکن است در این هنگام سیستم پیش بینی درستی به عمل نیاورد. باید یک وزن دهی مناسب به عوامل در این سیستم وجود داشته باشد و صحت و اطمینان مدل آزمون شود. یک مدل مناسب باید در شرایط خوب و بد اقتصادی کاربرد داشته باشد و بتواند پیش بینی درستی کند.

[1] – Fensterstock , 2003 , pp.3.

[3] – Classification Trees

[4] – Nearest Neighbours Model