بررسی ریسک اعتباری طبقه‌بندی مشتریان شبکة بانکی با استفاده از مدل‌های پیش‌بینی و تصمیم‌گیری چندمعیاره (مطالعة موردی: بانک ملی استان کردستان)

جامعی, رضا; احمدی, فریدون; نصیری, بهنام

doi:10.22055/jiar.2016.12726

بررسی ریسک اعتباری طبقه‌بندی مشتریان شبکة بانکی با استفاده از مدل‌های پیش‌بینی و تصمیم‌گیری چندمعیاره (مطالعة موردی: بانک ملی استان کردستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

رضا جامعی ¹

فریدون احمدی ²

بهنام نصیری ³

¹ استادیار حسابداری دانشگاه کردستان، سنندج، ایران

² استادیار مدیریت دولتی، دانشگاه پیام نور، تهران، ایران

³ دانشجوی کارشناسی‌ارشد حسابداری، دانشگاه کردستان، سنندج، ایران

10.22055/jiar.2016.12726

چکیده

پژوهش حاضر با هدف طبقه‌بندی مشتریان بانکی بر اساس ریسک اعتباری به کمک مدل‌های پیش‌بینی و تصمیم‌گیری چندمعیاره انجام شده است. از آنجا که یکی از عوامل کلیدی در شبکة بانکی ریسک اعتباری است، لذا بانک‌ها علاقه‌مندند از روش‌های مختلف ریسک مزبور را کاهش دهند. پژوهش حاضر بر حسب هدف کاربردی و بر اساس شیوة گردآوری داده‌های توصیفی از نوع اسنادی است به گونه‌ای که تعداد 385 پرونده از بین مشتریان حقیقی (250) و حقوقی (135) بانک ملی استان کردستان به عنوان نمونة آماری به شیوة طبقه‌ای تصادفی ساده انتخاب و مورد بررسی قرار گرفته است. نتایج حاصل از این مطالعه نشان می‌دهد که هر دو مدل TOPSIS و رگرسیون لجستیک می‌توانند در طبقه‌بندی مشتریان بدحساب و خوش‌حساب توسط مدیران مؤسسات اعتباری مورد استفاده قرار گیرند، لیکن دقت برآورد مدل TOPSIS بهتر از مدل لاجیت می‌باشد.

کلیدواژه‌ها

ریسک اعتباری

مدل‌های تصمیم‌گیری چندشاخصه

رگرسیون لجستیک

شبکة بانکی

عنوان مقاله English

Classification of Customers of Banking Network Based on Credit Risk with Anticipating Models and Multiple Indicators Decision Making

نویسندگان English

Reza Jamei ¹

Freyedon Ahmadi ²

Behnam Nasiri ³

¹ Assistant Professor of Accounting, University of Kurdistan

² Assistant Professor of Public Management, Payame Noor University, Tehran, Iran

³ M.A. Student of Accounting, University of Kurdistan, Sannandaj, Iran

چکیده English

The purpose of this study is to classify customers of banking network on the basis of credit risk with anticipating models and multiple indicators decision making. Because one of the major factors in banking is credit risk, therefore, banks are interested in decreasing the credit risk using different methods. Descriptive data were randomly collected from 385 customer documents (250 individual customers and 135 company customers) of Melli Bank of Iran. The results indicate that both models of TOPSIS and LOGIT can be used in classifying good and bad customers by managers of credit institutes; however, TOPSIS model can better estimate than LOGIT.

کلیدواژه‌ها English

credit risk

Multiple decision making model

Banking network

Logistic Regression