fa برآورد احتمال نکول تسهیلات پرداختی بانک با استفاده از رگرسیون لاجیت پژوهشي Research <div style="text-align: justify;">بحران‌های مشاهده‌شده در نظام بانکی و کاهش قدرت سودآوری بانک&rlm;ها عمدتاً ناشی از عدم کارایی در کنترل و مدیریت ریسک اعتباری است و به &rlm;کارگیری سیستم رتبه&rlm; بندی مشتریان، مهم‌ترین ابزاری است که بانک‌ها برای مدیریت و کنترل ریسک اعتباری به آن نیازمندند. هدف از این مطالعه، ارایه یک مدل کاربردی برای رتبه &rlm;بندی و برآورد احتمال نکول تسهیلات پرداختی به مشتریان اعتباری بانک پارسیان با استفاده از رگرسیون لاجیت است. برای این منظور، از داده &rlm;های اطلاعاتی گذشته و حال مشتریان مانند ثبات شغلی، وثیقه، درآمد و چند شاخص اصلی دیگر استفاده، و از طریق رتبه&rlm; بندی و امتیازدهی اعتباری، احتمال عدم نکول تسهیلات برای هر مشتری، اندازه&rlm; گیری می‌شود. نتایج تخمین مدل نشان داد که احتمال عدم نکول تسهیلات با متغیرهای میزان وثیقه دریافتی از مشتری، میزان درآمد ماهانه مشتری، وضعیت متقاضی دریافت تسهیلات از لحاظ محل سکونت (مالک یا مستأجر بودن متقاضی)، سن متقاضی دریافت تسهیلات ، وضعیت شغلی متقاضی از لحاظ ثبات و مدرک تحصیلی متقاضی دریافت تسهیلات، رابطه مثبت دارد و با مبلغ تسهیلات پرداختی به مشتری و مدت زمان بازپرداخت تسهیلات اعطایی به متقاضی، رابطه منفی دارد.</div> <div style="text-align: justify;"><span style="font-size:12pt"><span style="line-height:120%"><span style="unicode-bidi:embed"><span style="font-family:&quot;Times New Roman&quot;,serif">The current crises and also diminishing profitability in a banking system are often resulted from lack of efficiency in credit risks management and control. The most important instrument that banks need to adopt for monitoring and management of credit risk is customers&rsquo; ranking system. This study tries to employ Logit regression in a practical model for ranking the customers and to estimate the probable credit default in Parsian Bank. For this reason, certain data pertaining to the customers&rsquo; previous and present records such as professional stability, collateral, income and some other major factors are collected in order; then the credit default probability was measured for each customer through ranking and scoring. The results showed that the non-default probability for the credits paid to the customer has positive relationship with variables such as the value of collateral received from the customer, their monthly income, the status of real-estate ownership of the credit-applying customer, the age of applicant, and also their professional and educational status. On the other hand, the aforementioned probability is negatively related to &ldquo;the amount of credit paid to the customer&rdquo; as well as to the &ldquo;repayment duration&rdquo;.</span></span></span></span></div> امتیازدهی, نکول تسهیلات, بانک پارسیان , ریسک اعتباری, مدل لاجیت. Scoring, Refunding Failure, Parsian Bank, Credit Risk, Logit Regression 52 31 http://eprj.ir/browse.php?a_code=A-10-1-15&slc_lang=fa&sid=1 Hamid Sepehrdoust حمید سپهردوست hamidbasu1340@gmail.com 10031947532846008664 10031947532846008664 Yes Associate Professor, Department of Economics, Faculty of Economics & Social Science, Bu-Ali-Sina University, Iran دانشیار گروه اقتصاد دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلی سینا Adel Berjisian عادل برجیسیان adelberjisian@gmail.com 10031947532846008665 10031947532846008665 No Ph.D Sudent of Economics, Faculty of Economics & Social Science, Bu-Ali-Sina University, Iran. دانشجوی دکتری دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلی سینا