عنوان پایان‌نامه
بررسی ریسک و رتبه بندی اعتباری مشتریان حقوقی بانک سینا
- رشته تحصیلی
- بانکداری اسلامی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62434
- تاریخ دفاع
- ۰۳ شهریور ۱۳۹۲
- دانشجو
- ثمین منتخب خوراسانی
- استاد راهنما
- حسین عباسی نژاد
- چکیده
- این تحقیق با هدف شناسایی عوامل موثر و تدوین مدلی برای سنجش ریسک اعتباری مشتریان حقوقی بانک سینا به روش « رگرسیون لاجیت » انجام شده است . بدین منظور اطلاعات کیفی و مالی یک نمونه تصادفی 300 تایی از مشتریانی که در سال های 1389 و 1390 از شعب بانک سینا در سراسر کشور تسهیلات اعتباری دریافت نموده اند ، جمع آوری شد . برای این منظور متغیرهای مشابه در مطالعات بانک های دیگر با استفاده از تحلیل رگرسیون لاجیت که اثر معنی داری بر ریسک اعتباری مشتریان حقوقی داشتند ، انتخاب و مدل نهایی توسط آنها برازش شد . در این پژوهش با استفاده از نرم افزار Eviews نتایج پژوهش تحلیل شده است . یافته های پژوهش نیز به صورت اولویت های زیر مشخص گردید : ضریب میانگین مانده حساب افراد نشان می دهد که این متغیر ریسک اعتباری شرکت را به طور معکوس متأثر می سازد ؛ اگر معدل حساب یک ریال بیشتر شود لگاریتم نسبت شانس به نفع عدم بازپرداخت به موقع 12/4 واحد کاهش می یابد . ضریب متغیر چک های برگشتی مثبت بود که نشان دهنده این است که اگر تعداد چک های برگشتی یک شرکت یک عدد افزایش یابد لگاریتم نسبت شانس به نفع عدم بازپرداخت به موقع تسهیلات به طور متوسط 22/15 واحد افزایش می یابد . ضریب مبلغ معوق به دارایی جاری مثبت بود که اگر این نسبت یک واحد افزایش یابد باعث افزایش 16/4 واحد در لگاریتم نسبت شانس به نفع قصور در بازپرداخت به موقع می شود . ضریب نسبت بازده فروش منفی است و افزایش 1 واحد آن موجب کاهش لگاریتم نسبت شانس به نفع قصور در پرداخت به میزان 30/2 می شود . ضریب بدهی کل مثبت بود که با افزایش 1 ریال بدهی کل موجب افزایش 01/2 در L ( لگاریتم نسبت شانس به نفع قصور در بازپرداخت ) می شود . ضریب بدهی کل به دارایی کل نشان می دهد که با افزایش 1 واحد این متغیر باعث افزایش L ( لگاریتم نسبت شانس به نفع قصور در بازپرداخت ) به میزان 89/0 می شود . این متغیر از لحاظ مالی منفی در نظر گرفته می شود . ضریب نسبت جاری (نسبت دارایی جاری به بدهی جاری) منفی بود که با افزایش 1 واحدی این متغیر کاهش 76/0واحدی L ( لگاریتم نسبت شانس به نفع قصور در بازپرداخت ) را به دنبال خواهد داشت.
- Abstract
- The objectives of this survey are to recognize the effective factors and to codify a model for the evaluation of the credit risk of the legal clients of Sina Bank by Logit Regression Method. To achieve these goals, the qualitative and financial information is gathered from a random case of 300 clients who received credit facilities from different branches of Sina Bank in Iran in 1389-1390. So, similar variables have been selected from the information of other banks by Logit Regression Analysis which has a significant effect on credit risk of legal clients ; then, the last model has been practiced by this data. The results of this survey have been analyzed by Eviews software and prioritized in this way: the coefficient average account balance indicates that this variable will influence the credit risk of the company conversely; if the average account increases 1 Rl., the algorithm of the odds ratio in favor of the lack of timely repayment will decrease 4/12 units. The variable coefficient of bad cheques was positive which shows that if the number of bad cheques in a company increases just one, the algorithm of the odds ratio in favor of the lack of timely repayment of facilities will averagely increase 15/22 units. The coefficient of the deferred amount to the current assets was positive; and if this ratio increases one unit, it will cause a 4/16 unit increase in the algorithm of the odds ratio in favor of the failure to timely repayment. The coefficient of the return of sales ratio is negative and one unit increase leads to 2/30 units decrease in the algorithm of the odds ratio in favor of the failure to timely repayment. The coefficient of total debt was positive which 1 Rl. increase in total debt causes 2/01 unit increase in L (the algorithm of the odds ratio in favor of the lack of timely repayment). The coefficient of total debt to total assets indicates that 1 unit increase in this variable leads to 0/89 unit increase in L (the algorithm of the odds ratio in f
