مدلسازي ريسك اعتباري مشتريان بانك با استفاده از مدل تحليل بقا مبتني بر روش اسپلاين

Credit Risk Modeling: Spline based logistic regression Survival approach

امروزه بانكهاي كشور با معضلات جدي به لحاظ نوع داراييهايشان مواجه هستند. از جمله عواملي كه منجر به اين وضعيت شده اند ميتوان به كيفيت بد دارايي هاي بانكها اشاره داشت كه علت آن را ميتوان نداشتن سيستم رتبه بندي و ارزيابي درست در ريسك اعتباري دانست. در اين پژوهش با استفاده از مدل رگرسيون كاكس و همچنين مدل بقاي رگرسيون لجستيك مبتني بر اسپلاين به پيش‌بيني احتمال نكول در طول زمان پرداخته ايم. براي مدلسازي ريسك اعتباري با استفاده از اين دو روش از 10 متغير مربوط به 2861 نفر از مشتريان يك بانك ايراني استفاده گرديده است. پس از انجام مدلسازي با توجه به نتايجي كه از مقايسه اين دو مدل با استفاده از روش ROC به دست آمد، مدل رگرسيون كاكس با معيار AUC=0.799 از كارايي بالاتري نسبت به مدل بقاي رگرسيون لجستيك مبتني بر اسپلاين با معيار AUC=0.746 لجستيك مبتني بر اسپلاين برخوردار است.

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.