فهرست نشریات علمی دسترسی آزاد ایران

هدف: یکی از ریسک‌های مهم پیش روی مؤسسه‌های مالی، ریسک اعتباری است که از احتمال قصور تسهیلات‌گیرنده در بازپرداخت تسهیلاتی یا بازپرداخت به‌موقع تسهیلات شکل می‌گیرد. یکی از نهادهای مالی بسیار مهم در اقتصاد ایران، صندوق ضمانت صادرات ایران است که به‌عنوان تنها مؤسسه بیمه اعتبار صادراتی رسمی ایران، کاملاً دولتی است و تمامی تعهدهای مربوط به پوشش‌های صندوق بر عهده دولت است. صندوق ضمانت صادرات ایران، به‌عنوان تنها صادرکننده ضمانت‌نامه‌های صادراتی در اقتصاد ایران، طی دهه اخیر حدود 8/15میلیارد دلار از طریق صدور انواع ضمانت‌نامه و بیمه‌نامه، ریسک پذیرفته است که بیشترین مبلغ خسارت آن، به ضمانت‌نامه‌های اعتباری صادره مربوط می‌شود. بر اساس آمار و مستندات موجود در صندوق ضمانت صادرات ایران، طی دوره ۱۳۸۷ تا ۱۳۹۷، این صندوق 7/6 میلیارد دلار ضمانت‌نامه صادر کرده است که بیشترین مبلغ خسارت (بیش از ۳۱۷ میلیون دلار)، مربوط به ضمانت‌نامه‌های اعتباری صادرشده به نفع اعتباردهندگان است. نظر به اهمیت این موضوع با دستیابی به یک الگوی بهینه برای اعتبارسنجی مشتریان ضمانت‌نامه‌های اعتباری صندوق ضمانت صادرات ایران، می‌توان ریسک اعتباری و به‌تبع آن، خسارات پرداختی صندوق را کاهش داد؛ به‌گونه‌ای که حتی اگر تنها ۱ درصد خسارت‌های صندوق کاهش یابد، حداقل سالانه بیش از ۱۳۳۰ میلیارد ریال از مجموع خسارات وارده به صندوق کاهش خواهد یافت. بدیهی است که با افزایش صدور ضمانت‌نامه‌های اعتباری صندوق، این رقم افزایش بیشتری نیز خواهد یافت. بر این اساس، هدف اصلی پژوهش، انتخاب بهترین روش برای تفکیک اشخاص خوش‌حساب از بدحساب، برای کاهش نکول اعتبارات اعطاشده صندوق ضمانت صادرات ایران است.روش: در این پژوهش تلاش شده است تا به‌کمک مدل شبکه عصبی مصنوعی، مدلی برای ارزیابی ریسک متقاضیان تسهیلات و ضمانت‌نامه‌ها از این صندوق طراحی شود که بیشترین قدرت پیش‌بینی احتمال نکول تسهیلات اعطایی را داشته باشد. برای این منظور، بر اساس داده‌های ۲۱۷۰ پرونده اعتبار اعطایی این صندوق، ۶۹ متغیر درون‌سازمانی و برون‌سازمانی انتخاب و اطلاعات آن جمع‌آوری شد و از میان آن‌ها ۶ متغیر در مدل نهایی شبکه عصبی استفاده شد که عبارت‌اند از: استان محل فعالیت اعتبار گیرنده، ذی‌نفع ضمانت‌نامه (بانک اعتباردهنده)، تعداد کارمند، نسبت جاری، نرخ سود واقعی و نرخ رشد اقتصادی.یافته‌ها: بر اساس مدل شبکه عصبی و با سه شیوه بیزین، لونبرگ و گرادیان مزدوج و با ۱ تا ۳۰ نرون در لایه پنهان، بهترین مدل‌ها استخراج شدند. بهترین مدل با کلیه متغیرهای مستقل (یعنی ۶۹ متغیر مستقل)، پیش‌بینی‌ای با ۹۶/۲ درصد دقت داشته است که از مدل اقتصادسنجی پروبیت بیشتر است.نتیجه‌گیری: بر اساس نتایج حاصل از این پژوهش، می‌توان ضمن تفکیک مشتریان خوش‌حساب از بدحساب و بر اساس رتبه اعتباری مشتریان، میزان وثایق اخذشده از مشتریان را متناسب با وضعیت اعتباری گروه‌های اعتباری تنظیم کرد؛ بدین معنا که چنانچه مشتری جزء مشتریان خوش‌حساب و با رتبه اعتباری خوب باشد، می‌توان وثایق کمتری از ایشان گرفت و اگر مشتری ریسک اعتباری بالاتری داشته باشد، متناسب با آن، وثایق بیشتری را به‌عنوان تضمین تعهد بازپرداخت درخواست کرد. در این صورت، ضمن اندازه‌گیری ریسک اعتباری و تفکیک مشتریان، می‌توان به مدیریت بهینه ریسک و پرتفوی اعتباری صندوق ضمانت صادرات ایران اقدام کرد.