مدلسازی ریسک اعتباری مشتریان بانک با استفاده از مدل تحلیل بقا مبتنی بر روش اسپلاین

نوع مقاله: مقاله پژوهشی

نویسندگان

گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس

چکیده

امروزه بانکهای کشور با معضلات جدی به لحاظ نوع داراییهایشان مواجه هستند. از جمله عواملی که منجر به این وضعیت شدهاند میتوان به کیفیت بد داراییهای بانکها اشاره داشت که علت آن را میتوان نداشتن سیستم رتبهبندی و ارزیابی درست در ریسک اعتباری دانست.
در این پژوهش با استفاده از مدل رگرسیون کاکس و همچنین مدل بقای رگرسیون لجستیک مبتنی بر اسپلاین به پیش‌بینی احتمال نکول در طول زمان پرداخته ایم. برای مدلسازی ریسک اعتباری با استفاده از این دو روش از 10 متغیر مربوط به 2861 نفر از مشتریان یک بانک ایرانی استفاده گردیده است. پس از انجام مدلسازی با توجه به نتایجی که از مقایسه این دو مدل با استفاده از روش ROC به دست آمد، مدل رگرسیون کاکس با معیار AUC=0.799 از کارایی بالاتری نسبت به مدل بقای رگرسیون لجستیک مبتنی بر اسپلاین با معیار AUC=0.746 لجستیک مبتنی بر اسپلاین برخوردار است.

کلیدواژه‌ها


عنوان مقاله [English]

Credit Risk Modeling: Spline based logistic regression Survival approach

نویسندگان [English]

  • Mohammad Ali Rastegar
  • Mahdi Eidi Goosh
Financial Engineering Group, Industrial & Systems Engineering, Tarbiat Modares University
چکیده [English]

Nowadays, banks in the country are faced with serious problems in terms of their assets. One of the factors that led to this situation is the poor quality of banks' assets, which can be attributed to the lack of a rating system and an improper assessment of credit risk. This study predicts the probability of default during a specific time using the Cox regression model as well as the survival model of spline-based logistic regression. For modeling of credit risk, using these two methods, 10 variables related to 2861 customers of an Iranian bank were used. We compared two models using ROC method, the Cox regression model with AUC = 0.799 was more efficient than the spline-based logistic regression model with AUC = 0.746.

کلیدواژه‌ها [English]

  • credit risk
  • Cox regression
  • spline-based logistic regression survival
  • ROC