بررسي توان پيش بيني درآمد بالقوه مشتريان در مقابل سابقه اعتباري آنها جهت باز پرداخت تسهيلات دريافتي در بانك ملت (مطالعه موردي بانك ملت استان زنجان)

Assessing the power of forecasting potential revenue of customers in front of their credit history for loan repayments (Case Study: Bank Mellat of Zanjan province)

هدف از تحقيق حاضر بررسي توانايي پيش بيني درآمد بالقوه به عنوان يك متغير مستقل در كنار سابقه اعتباري مشتريان بانك براي پيش بيني كردن بازپرداخت تسهيلات مي‌باشد .نتايج تحقيقات انجام شده نشان مي‌دهد كه سيستم ارزيابي اعتبار تمامي آيتمهاي موجود در بازپرداخت تسهيلات را بررسي نمي كند و در پيش بيني كارايي كمتري دارد.ابزار اصلي گردآوري اطلاعات در اين تحقيق پرسشنامه مي‌باشد كه بر روي 67 نفر از كارمندان بانك اجرا گرديد. بازپرداخت تسهيلات به عنوان يك متغير وابسته و سابقه اعتباري و درآمد بالقوه متغير‌هاي مستقل مورد نظر بودند .كه نتايج آماري در سطح اطمينان 97 درصد ارتباط معنادار متغير‌هاي مستقل و وابسته را نشان داد. لذا اعطا‌كنندگان تسهيلات بايد در تصميم گيري‌هاي خود هم سابقه اعتباري و هم درآمد بالقوه مشتري را در نظر گيرند. اين تحقيق به بانكها كمك خواهد كرد تا كنترل‌هاي بهتري را در ريسك اعتباري اعمال كنند.

Maryam Khalili Araghi Mansoureh Aligholi (Ph.D) Javad Mohamadi Abstract The purpose of the present study was to investigate the predicting powers of potential income as an additional independent variable to credit history to predict loan repayment. the results of other researches indicate that the credit evaluation system does not fully explore all available predictors of loan repayment and is therefore less efficient at predicting loan repayment. questionnaires as main research instrument was designed on the 67 participants are employees of the bank run. Loan Repayment was the dependent variable, and Credit History and Potential Income were the independent variables. statistical results in the 97 percent confidence level is indicates a significant relationship dependent and independent variables. The findings suggest that lenders should consider both credit history and income potential predictors in credit rationing decisions. This study will help Banks to impose better controls over credit risk. Keywords: credit risk, potential revenue of customers, credit history, loan repayments