دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

بهینه سازی پرتفوی اعتباری بانک، مبتنی بر روش سنجش اعتباری

نوع مقاله : مقاله پژوهشی

نویسندگان
فرخ پوربیژن 1
رضا غلامی جمکرانی 2
میرفیض فلاح شمس 3
حمید رضا کردلویی 4
حسین جهانگیرنیا 2
1 گروه مدیریت مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
2 گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
3 گروه مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
4 گروه مالی، واحد اسلامشهر، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/jik.2026.23999
چکیده
امروزه بانک‌ها به عنوان ارائه دهندگان تسهیلات اعتباری با توجه به داشتن پرتفوی متنوعی از تسهیلات اعطایی، با ریسک اعتباری مواجه‌اند که با توجه به تغییر مداوم در نظام‌های اقتصادی، ابعاد ریسک اعتباری روز به روز گسترده‌تر که نشان دهنده نیاز صنعت بانکداری به ارائه روش‌های جدید محاسبه ریسک اعتباری به منظور مدیریت ریسک اعتباری و در نهایت کاهش نکول دریافت کنندگان تسهیلات و جلوگیری از ورشکستگی بانک‌ها است. لذا هدف تحقیق حاضر بهینه سازی پرتفوی اعتباری بانک مبتنی بر روش سنجش اعتباری است، هدف از مدیریت پرتفوی اعتباری انتخاب پرتفوی بهینه اعتباری بوده که راهنمای بانک برای دستیابی به بیشترین بازده ناشی از اعطای تسهیلات با ریسک متناسب است، جامعه آماری تحقیق حاضر شرکت های فعال بورسی بوده که از تسهیلات بانکی استفاده نموده‌اند و دوره زمانی این مطالعه مربوط به بازه 29/12/1381 الی 27/12/1398 است. در این تحقیق جهت بهینه سازی پرتفوی اعتباری بانک با استفاده از مدل تغییر رژیم مارکوف (MS) به برآورد عوامل اثر گذار بر احتمال نکول مشتریان پرداخته شد و ماتریس انتقال ریسک محاسبه گردید و در ادامه همبستگی بین سری های زمانی احتمال نکول با مدل ارزش در معرض ریسک (VAR) محاسبه شده و در نهایت با استفاده از برآورد زیان مورد انتظار حاشیه ای (MES) و بازده مورد انتظار تسهیلات دریافتی وام گیرندگان به انتخاب ترکیب بهینه پرتفوی اعتباری بانک پرداخته شده است.
کلیدواژه‌ها
مدیریت ریسک
پرتفوی اعتباری
ریسک اعتباری
ارزش در معرض خطر
زیان مورد انتظار حاشیه‌ای

عنوان مقاله English

Optimizing the bank's credit portfolio based on the credit assessment method

نویسندگان English

Farrokh Pourbijan 1
Reza Gholami-Jamkarani 2
Mirfeiz Fallah shams 3
Hamid Reza Kordlouie 4
Hosein Jahangirnia 2
1 Department of Financial Management, Qom Branch, Islamic Azad University, Qom, Iran
2 Department of Accounting, Qom Branch, Islamic Azad University, Qom, Iran
3 Department of Finance, Central Tehran Branch, Islamic Azad University, Tehran, Iran
4 Department of Finance, Eslamshahr Branch, Islamic Azad University, Tehran, Iran
چکیده English

Today, banks as loaners, due to having a diverse granted Loan portfolio, are facing credit risk, which due to the continuous change in economic systems, the dimensions of credit risk are getting wider, which shows the need of the banking industry to the new methods to calculate the credit risk in order to manage the credit risk and finally reduce the default of Borrowers and prevent the bankruptcy of banks. The purpose of this research is to optimize the bank's credit portfolio based on the CreditMetrics method, the goal of credit portfolio management is to optimize credit portfolio that is a guide for the bank to achieve the highest return from granting Loans with risk, the statistical population of this study is stock exchange companies .And The time period of this study is from 2013 to 2018.
in order to optimize the bank's credit portfolio, using the Markov switching model (MS), the factors affecting the probability of customer default were estimated, and the risk transfer matrix was calculated, and then the correlation between the time series of the probability of default has been calculated with the value at Risk method (VAR) and finally, by using the estimation of marginal expected shotfall (MES) and the expected return on the Loan received by the borrowers, the optimized Portfolio of the bank's credit portfolio has been chosen.

کلیدواژه‌ها English

Risk Management
Credit portfolio
Credit risk
VAR
EMS

  1. منابع داخلی

    1. ابراهیمی، بابک و محمودی، رضوان (1395)، بررسی و انتخاب بهترین ترکیب داریی  و بدهی بانک های ایرانی، تهران، دانشگاه خاتم، پژوهشکده فنی و مهندسی.
    2. دائی‌کریم‌زاده، سعید (1395)، ترکیب بهینۀ تسهیلات مشارکتی بانک‌های تجاری ایران در بخش‌های اقتصادی با استفاده از نظریۀ فرا مدرن سبد سرمایه‌گذاری، مدیریت دارایی و تأمین مالی، 4(4)، 17-28.
    3. صالحی، فهیمه؛ جعفری اسکندری، میثم و صالحی، مجتبی (1393)، بهینه سازی سبد تسهیلات اعطایی موسسات مالی با استفاده از برنامه‌ریزی ریاضی و الگوریتم ژنتیک (مطالعه موردی بانک تجارت)، فصلنامة توسعة مدیریت پولی و بانکی، 2 ، 3، 1-22.
    4. مشهدی یان ملکی، محمدرضا، سوری، علی, ابراهیمی، محسن، مهرآرا، محسن، ماجد، وحید (1399)، ترکیب بهینه سبد دارایی بانک‌ها در واکنش به شرایط اقتصادی (مطالعه موردی بانک تجارت). فصلنامه مطالعات اقتصادی کاربردی ایران, 9(35)، 155-173.
    1. منصوری، علی و آذر، عادل (1381)، طراحی و تبیین مدل کارآمد تخصیص تسهیلات بانکی رویکرد شبکه های عصبی، رگرسیون لجستیک و خطی، مرکز تحقیقات کامپیوتری علوم اسلامی.
    2. مهرآرا، محسن و صادقیان، صغری (1387)، تعیین ترکیب بهینه وام در بخش های اقتصادی: (مطالعه موردی بانک سامان)، اقتصاد مالی, 2, 5، 116-134.

    منابع خارجی

    1. Basel Committee on Banking Supervision, Principal for Management of Credit Risk September 2000.
    2. Campbell, R. Harvey, John C. Liechty, Merril W. Liechty, and Peter Mueller. (2010). Portfolio Selection with Higher Moments, University of Texas M.D. Anderson Cancer Center, Houston, TX 77030, USA.
    3. Edwin, J. Elton, Martin, J.Gruber, Stephen, J. Brown, William, N. Goetzmann. (2010). Modern Portfolio Theory and Investment Analysis. Business & Economics, 752 pages.
    4. Jim, V. (2016). Business Cycle Based Portfolio Optimisation, Tilburg School of Economics and Management, Tilburg University, MSc Finance thesis November.
    5. Korn, R. (1997). Optimal Portfolios: Stochastic Models for optimal investment and Risk management in continuous time,World Scientific,Singapore.
    6. Marcucci, J., Quagliariello, M. (2006). “Is bank portfolio riskiness procyclical?, Evidence from Italy using a vector autoregression”, Journal of International Financial Markets, Institutions and Money, Volume 18, Issue 1, 46-63.
    7. Pim Van Vliet, (2011). “Dynamic Strategic Asset Allocation: Risk and Return Across Economic Regimes”, SSRN Electronic Journal, Vol. 12, 360-375.
    8. Saunders, A. and Allen, L (2002), Credit Risk Measurement. Second  Edition, New York: John Wiley and Sons.
    9. Siegel (1991). “Investment Portfolio Management Using the Business Cycle Approach”, Vilnius Gediminas Technical University, Saulėtekio al. 11, LT-10223 Vilnius, Lithuania E-mails: 1 Audrius.Dzikevicius@vgtu.lt (corresponding author); 2 jarvet@gmail.com Received 27 July 2012; accepted 25 October 2012.
    10. Treacy, William F; Carey Mark S. (1998), Credit risk rating at large U.S. banks, Federal Reserve Bulletin, Board of Governors of the Federal Reserve System (U.S).
    11. Wilson T., (1997), Credit Risk Modeling: A New Approach, New York: Mc Kinsey Inc.
    12. Zhang, Y., Li, X. & Guo, S. (2018). “Portfolio selection problems with Markowitz’s mean–variance framework: a review of literature”. Fuzzy Optim Decis Making, 17, 125-158.