مقاله رایگان درباره نسبت های مالی، دارایی ها، رگرسیون، تحلیل پوششی داده ها

از پایگاه دادهی بزرگتری نسبت به تحقیقات قبلی استفاده کردند و به این نتیجه رسیدند که ماشین بردار پشتیبان موفق تر از شیوه های قبلی رتبه بندی است و از ماشین برد ار پشتیبان به عنوان یکی از روش های انتخاب ویژگی استفاده کردند.
پاسیراس 2در سال 2008 در مقاله ای با عنوان ” برآورد کارایی فنی و مقیاس بانک یونانی تجاری: تاثیر ریسک اعتباری، و عملیات های بین المللی ” از طریق درنظر گرفتن متغیرها و شاخص های تبیین کننده ریسک بانکی نظیر نسبت وا م های نکول شده به عنوان متغیرهای نهاده در روشDEA ، سعی در تبیین ارتباط ریسک و کارایی در صنعت بانکداری داشته و به ارتباط معنادار این دو مقوله پی برده است.
حسین عبدو و جان پوینتون3(2008) در تحقیقی با عنوان” مقایسه مدل های پارامتری جهت ریسک اعتباری مشتریان” به مقایسه مدل های مختلف ارزیابی ریسک اعتباری پرداخته، نتیجه آن حاکی از کاراتر بودن مدل شبکه های عصبی نسبت به سایر روش های مدل پارامتری می باشد.
چنگ لونگ، هوانگ و همکارانش4 (2007) ، در تحقیق خود به مدلسازی تکنیکی هیبریدی برای اعتبارسنجی پرداخته اند. به این صورت که ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان هم برای انتخاب خصیصه ها و هم برای بهینه سازی پارامترهای مدل اعتبارسنجی بکار رفته است .مقایسه هایی نیز بین تکنیک ماشین بردار پشتیبان و طبقه بندهای شبکه های عصبی، برنامه ریزی ژنتیکی و درخت تصمیم صورت گرفته که نتایج نسبتا یکسانی حاصل شده است. ولی نتایج تجربی نشان می دهد که ماشین بردار پشتیبان، نسبت به تکنیک های موجود داده کاوی، نتایج امید بخش تری را ارائه می دهد.

1-Bellotti, Tony, Crook
2-Pasiouras
3-Abdou H. & et al
4-Lung Huang C. & et al
مین و لی1 نیز در سال 2007 در پژوهشی با عنوان ” رویکرد عملی به امتیازدهی اعتباری ” را برای امتیازدهی اعتباری به کار گرفتند. آنان روش شناسی پیشنهادی امل DEA رویکرد بر مبنای و همکارانش را در جامعه آماری بسیار گسترده تری که داده های مالی جاری 1061 شرکت تولیدی، که پرتفولیوی اعتباری یکی از بزرگ ترین سازمان های تضمین اعتبار در کره را در برمی گیرد، برای رتبه بندی اعتباری مورد استفاده قرار دادند. آنان دریافتند که رویکرد تحلیل پوششی داده ها می تواند به عنوان گزینه ای امیدوار کننده برای بهبود و جایگزینی روش های امتیازدهی کنونی به کار گرفته شود و این رویکرد از کارایی لازم در جهت محاسبه رتبه های اعتباری مشتریان برخوردار است.
چنگ و همکارانش2 در سال 2007 در تحقیقی با عنوان “رویکرد چند گزینه ای به رتبه بندی اعتباری با به کارگیری روش تحلیل پوششی داده ها: ارزیابی وام گیرندگان با درنظر گرفتن پروژه های مالی خصوصی ” یک رویکرد چند گزینه ای به رتبه بندی اعتباری را به وسیله تحلیل پوششی داده ها به منظور ارزیابی وام گیرندگان برای پروژه های مالی خصوصی، پیشنهاد می دهند. در این پژوهش تکنیک های مختلف رتبه بندی اعتباری نظیر تجزیه و تحلیل ممیزی، درخت تصمیم، شبکه های عصبی و ….. مقایسه شده اند. اگرچه تحلیل پوششی داده ها در اوایل دهه 1980 بیان شد، با این حال به کارگیری این روش در زمینه موضوعات رتبه بندی اعتباری همچنان ادامه دارد.
الیزابت فیورنتینو و همکاران3 در مقاله ای با عنوان “کارایی در بانک های آلمان: مقایسه DEA و SFA “، سال 2006، به ارزیابی هماهنگی بین نتایج بازده بدست آمده از دو روش DEA و SFA پرداخته است. وی اقدام به بررسی 34192 نمونه از تمام بانک های آلمان در بین سا ل های 1993 تا 2004 و تجزیه و تحلیل میزان هماهنگی بین نتایج بدست آمده و پنج معیار (متغیرهای نهاده و ستاده) سطوح، رتبه بندی، شناسایی مجریان دقیق، ثبات در طول زمان و همبستگی نسبت به میزان استاندارد حسابداری مبتنی بر کارایی پرداخته است.

1-Min JH., Lee YC
2-Cheng EWL. & et al
3-Elisabetta Fiorentino & et al
نتایج این پژوهش بیانگر این مساله است که روش های غیرپارامتری 3 نسبت به خطاهای سنجش حساس می باشند. علاوه بر این، احتساب تفاوت های نظام مند در میان بانک های تجاری، قر ض الحسنه و پس انداز به منظور جلوگیری از تفسیر نادرست درباره وضعیت کارایی کلی بانک مهم می باشد. از دیگر دستاوردهای این پژوهش این است که علیرغم تغییرات بنیادی در حال انجام در نظام بانکداری اروپا، ثبات نرخ کارایی در کوتاه مدت بسیار بالا می باشد.
گری و همکاران1(2006) در پژوهشی به بررسی تأثیر متغیرهای مالی و صنعتی مورد استفاده مؤسسه استاندارد و پورز بر روی رتبه اعتباری شرکت های استرالیایی پرداختند. پژوهشگران از الگوی پروبیت به منظور تحقیق بهره گرفتند. نتایج نشان داد که نسبت های اهرم و پوشش بهره بیشترین تأثیر را بر رتبه اعتباری دارد.
گونزالس2 در سال 2005 در مقاله ای با عنوان ” مقررات بانک و ریسک با در نظر گرفتن عوامل به وجودآورنده: مقایسه بین المللی از ریسک در بانک ها ” با در نظر گرفتن تعداد شعب بانک ها و تعداد پرسنل به عنوان نهاده، سرمایه گذاری و حجم سپرده ها به عنوان ستانده، کارایی بانک ها را با تاثیر دادن متغیرهای ریسک اعتباری و ریسک کل با استفاده از مدل DEA بدست آورده و بر همین اساس بانک ها را رتبه بندی کرده است. این مقاله در نهایت رابطه ی معنی داری بین ریسک و دارایی به دست آورده است.
ریچاردو و کالوز3 در مقاله ای با عنوان “کاربرد روش تحلیل پوششی داده ها جهت تخمین کارایی بانک ها” در برزیل سال 2006 ، با در نظر گرفتن 50 بانک برتر و بزرگ برزیل و استفاده از آمار متغیرهای ترازنامه ای این بانک ها، ب
ه
ارزیابی کارایی و مقایسه این بانک ها پرداخته اند.

1-Gray & et al
2-González
3-Richardo calves
نتایج این پژوهش، حاکی از کارایی و برتری روش DEA در رتبه بندی و درجه بندی بانک ها نسبت به رتبه بندی به روش سنتی آنها دارد.
لی و همکارانش1 در سال 2002 برای ادغام شبکه عصبی و تجزیه و لی و چن 3 در سال 2005 برای طراحی مدل رتبه بندی – تحلیل ممیزی اعتباری دو مرحله ای مرکب (شامل شبکه های عصبی مصنوعی و رگرسیون انطباقی چند متغیری اسپیلینز)
هم چنین در سال های اخیر استفاده از الگوریتم ژنتیک و ماشین های بردار پشتیبانی درزمینه رتبه بندی اعتباری مورد توجه قرار گرفته است که می توان به پژوهش های هوآنگ وهمکارانش در سال 2006 برای طراحی برنامه ریزی دو مرحله ای ژنتیک برای مدل های و لونگ هوانگ و همکارانش در سال 2007 برای رتبه بندی اعتباری ، به کارگیری ماشین های بردار پشتیبانی برای رتبه بندی اعتباری با رویکرد داده کاوی اشاره کرد.
در اواخر سال 1990 به منظور “تحلیل گروه همسالان” همراه با ویژگی های مالی خاصی که میان دو یا چند گروه تفاوت قائل شود، تحلیل پوششی داده ها معرفی شد. بر خلاف رویکرد های تجزیه و تحلیل ممیزی چند گانه، شبکه های عصبی و تحلیل رگرسیون خطی، رویکرد تحلیل پوششی داده ها صرفاً به اطلاعات واقعی (مجموعه مشاهده شده داده های ورودی-خروجی) برای محاسبه رتبه های اعتباری نیازمند است. یه یکی از پیشگامان ترکیب تحلیل پوششی داده ها با تحلیل نسبت های مالی است. او از تحلیل پوششی داده ها برای ارزیابی عملکرد بانک بهره گرفت و مطالعه او به طور تجربی نشان داد که تحلیل پوششی داده ها در ارتباط با تحلیل نسبت های مالی، قادر است به جمع آوری نسبت های پیچیده پرداخته و آن ها را در ابعاد مالی معناداری طبقه بندی کند. این ویژگی، تحلیلگر را قادر می سازد تا به بینشی برای استراتژی های عملیاتی بانک دست پیدا کند.

1-Lee TS & et al
هوانگ، چن، هسو1 (2004) به مقایسه ی ماشین بردارپشتیبان با شبکه های عصبی در پیش بینی رتبه های اعتباری سازمان ها پرداختند. ولی به تفاوت ناچیزی در عملکرد به نتایج دست یافتند.
امل و همکارانش 2 در سال 2003 یک متدولوژی امتیازدهی اعتباری براساس تحلیل پوششی داده ها پیشنهاد کردند. آن ها داده های مالی جاری 82 شرکت تولیدی/ صنعتی را که تشکیل دهنده پرتفولیوی اعتباری یکی از بزرگ ترین بانک های ترکیه بود، برای رتبه بندی اعتباری به کار گرفتند. در این پژوهش براساس ادبیات موضوع، 42 نسبت مالی انتخاب شد و از میان آن ها 6 نسبت مهم مالی مورد توجه قرار گرفت. امل و همکارانش پس از اعتبارسنجی مدل با تجزیه و تحلیل رگرسیون دریافتند که روش تحلیل پوششی داده ها قادر به تخمین رتبه های، اعتباری شرکت ها بوده و از کارایی لازم برای امتیازدهی اعتباری برخوردار است.
یولالان و همکاران 3( 2003 ) در مقاله ای تحت عنوان “امتیازدهی اعتباری رهیافتی در بانکداری تجاری” به امتیازدهی اعتباری مشتریان بانک ترکیه در هفت مرحله به این شرح پرداختند:
– انتخاب مجموعه مشاهدات: در آغاز مطالعه تقریباً اطلاعات 100 بنگاه وجود داشت. به منظور ایجاد درجه همگنی میان شرکت ها در مجموعه مشاهدات، شرکت هایی که اطلاعات آماری آنها تفاوت معناداری با میانگین صنعت داشت را از مطالعه حذف و در نهایت 82 شرکت تولیدی صنعتی اصلی برای بررسی نهایی باقی ماندند.
– تعیین ابعاد مالی اصلی: ابعاد مالی پذیرفته شده مانند نسبت های نقدینگی، فعالیت، ساختار مالی، سوددهی، رشد و جریان وجوه برای تعیین نسبت های مالی بالقوه یا مناسب با استفاده از معیار c5 مورد استفاده قرار گرفتند.

1-Huang,Chun
2-Emel AB. & et al
3-Yolalan, Reha

– تعیین نسبت های مالی مناسب: در نهایت، به منظور رتبه بندی اعتباری مشتریان بانک ها از 46 نسبت مالی استفاده شد. گرچه نسبت های مالی بیشتری نیز می توانست مورد استفاده قرار گیرد، بحث وجود همگنی و تجانس میان شرکت های مورد مطالعه تعداد نسبت های مالی را به 46 نسبت محدود کرد.
– تصفیه نسبت های مالی مناسب جهت به دست آوردن مولفه های مالی اصلی: در این مرحله 46 نسبت مالی به دست آمده در مرحله قبل به عنوان ورودی (نهاده) تحلیل عاملی مورداستفاده قرار گرفتند.
عوامل با استفاده از روش مولفه های اصلی (اجزای دارای مقادیر ویژه بیشتر از 1) استخراج شدند. تناوب عوامل با استفاده از روش وریمکس متعامد صورت گرفت. به دلیل وجود همبستگی کامل میان برخی نسبت ها، در این مرحله 4 نسبت از تحلیل عاملی کنار گذارده شده و درنهایت 42 نسبت در مجموعه باقی ماند که در 11 عامل گروه بندی شده و برحسب مشخصات مشترک میان نسبت ها به هفت عامل وام های بانکی، دارایی های ثابت، سود دهی، نسبت بدهی به حقوق صاحبان سهام، ساختار بدهی از بعد زمان، نقدینگی و هزینه های فروش طبقه بندی شدند.
انتخاب نسبت های مالی نهایی با توجه به قضاوت های کارشناسان: درنهایت با توجه به قضاوت های کارشناسان، 6 نسبت مالی انتخاب شدند. از میان این نسبت ها، نهاده های مدل شامل وام های کوتاه مدت بانک/بدهی جاری؛ بدهی جاری/ خالص فروش؛ 1 قدرمطلق (دارایی های ثابت/حقوق صاحبان سهام) و ستانده های آن شامل (دارایی های جاری- موجودی کالا)/ بدهی های جاری، حقوق صاحبان سهام/ کل دارایی ها، خالص سود/ کل دارایی ها می باشد.
– محاسبه رتبه های اعتباری به روش تحلیل پوششی داده ها: با بکارگیری نهاده ها و ستانده های با بازدهی ثابت استفاده شد. CCR مرحله پنجم، کارایی شرکت ه
ای مورد بررسی با استفاده از مدل درصد قرار داشتند. رتبه های اعتباری به دست آمده در محدوده 100- 75/2 در میان شرکت های مورد بررسی تنها 16 شرکت کاملاً کارا بودند.
– اعتباربخشی از طریق رگرسیون، تحلیل ممیزی، تحلیل های قضاوتی: در این مرحله به منظور اعتبار بخشی به نتایج حاصل از تحلیل پوششی داده ها از سه روش تحلیل رگرسیونی، تحلیل ممیزی و تحلیل های قضاوتی استفاده شد.
الف) تحلیل رگرسیون: در این مرحله، رتبه های اعتباری تحلیل پوششی داده ها به عنوان متغیر وابسته و نسبت های مالی مورد استفاده به عنوان متغیر مستقل در رگرسیون مورد استفاده قرار گرفتند.
نتایج حاصل از رگرسیون نشان دادکه تمام متغیرها به جزء سود خالص/ کل دارایی ها بر مسیرهای موردانتظار قرار

                                                    .

Post Author : ادمین

Related Post

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *