منابع و ماخذ تحقیق حساب های بانک و ریسک اعتباری

دانلود پایان نامه
بانک یک سال افزایش یابد، احتمال قصور در بازپرداخت به بازپرداخت به موقع از عدد واحد کمتر و برابر 0.67 می شود.به عنوان مثال تفسیر ضریب سابقه داشتن همکاری با بانک کشاورزی(X1) به صورت زیر است:
این ضریب نشان می دهد که اگر سابقه همکاری با بانک یک سال افزایش یابد، لگاریتم شانس به نفع عدم بازپرداخت به موقع به طور متوسط 0.4 واحد کاهش می یابد. یعنی اگر سابقه همکاری با
2-5. تفسیرضرایب:
ضرایب برآورد شده متغیرهای مستقل، میزان تغییر تابعی از متغیر وابسته را به ازای یک واحد تغییر در متغیر مستقل بیان می کنند. تفسیر برخی از ضرایب به صورت زیر است:
1-2-5. تعداد حساب های بانکی (X1): علامت منفی این ضریب نشان می دهد که تعداد حسابهای هر شرکت، ریسک اعتباری شرکت را به طور معکوس متأثر می سازد؛ یعنی در صورت ثبات سایر شرایط، اگر تعداد حسابهای شرکت یک واحد افزایش یابد، لگاریتم شانس به نفع عدم بازپرداخت به موقع به طور متوسط225/0 واحد کاهش خواهد یافت به طوری که احتمال قصور در بازپرداخت به احتمال باز پرداخت به موقع برابر818/0 می شود. افزایش تعداد حسابهای بانکی می تواند ارتباط بیشتر و فعال تر مشتری با بانک باشد و لذا چنین مدیرانی عموماً تلاش خواهند کرد تا در پرداخت اقساط تسهیلات خویش دچار وقفه نشوند.
3-5. نکویی برازش مدل لاجیت:
در روش رگرسیون لاجیت با توجه به اینکه ضریب تعیین معمولی به تنهایی برای نشان دادن خوبی برازش مدل مناسب نیست، لذا می بایست از شاخصهای دیگری نیز به این منظور بهره جست. برخی از این شاخص ها با نتایج حاصله روی داده آمده است
جدول 2-5 . شاخص های نکویی برازش مدل
احتمال مقدار شاخص
0.001 149.73 LR(17 df)
0.73 5.81 H-L(8 df)
– 0.63 McFadden R-squared
در این جدول آماره LR دارای توزیع کای دو با 17 (تعداد متغیرهای مستقل) درجه آزادی است و برای آزمون فرضیه “بی اثر بودن متغیرهای مستقل بر متغیر وابسته” به کار می رود. به عبارت دیگر در این آماره فرضیه مساوی صفر بودن تمامی ضرایب متغیرهای مستقل در مقابل مخالف صفر بودن آنها بر اساس فرمول زیرآزمون می شود:

مطلب مرتبط :   شرکت‌های پذیرفته شده و عدم تقارن اطلاعاتی

در این فرمول منظور از lnLmodel ماکزیمم لگاریتم درستنمایی با حضور متغیرهای موجود است و lnLnull ماکزیمم لگاریتم تابع درستنمایی با فرض صفر بودن تمامی ضرایب می باشد.
برطبق جدول 2 معلوم است که احتمال این آماره خیلی نزدیک به صفر است که کمتر از 0.05 (فاصله اصمینان 95 درصد) است که نشاندهنده این است که فرض صفر مبنی بر بی اثر بودن متغیرهای مستقل رد شده و در نتیجه رگرسیون معنی دار می باشد.
حال نوبت به بررسی آماره McFadden R-square می رسد. این آماره شبیه آماره در رگرسیون خطی است و مقدارش بین صفر و یک تغییر می نماید و شاخص خوبی برای اندازه گیری برازش مدل است و از فرمول زیر تبعیت می نماید:

در بررسی چگونگی کارکرد این شاخص لازم به ذکر است که هر اندازه مقدار شاخص به یک نزدیکتر باشد، میزان تطابق مدل با واقعیت و به عبارتی نکویی برازش بیشتر خواهد بود و اگر به صفر نزدیک تر باشد، نکویی برازش کمتر می باشد و حاکی از این است که مدل با واقعیت مطابقت ندارد. از جدول 2 مشخص است که عدد احتمال بدست آمده(0.63)، عدد قابل قبولی می باشد.
آماره دیگر آمارۀ “هاسمر لمشو” (H-L) است. در این آماره مشاهدات به j=10 چارک مساوی تقسیم می شوند و آماره دارای توزیع کای دو با j-2=8 درجه آزادی می باشد و برای آزمون فرض اینکه “ضرایب برآورد شده احتمال وقوع پدیده موردنظر از تابع توزیع لوجستیک پیروی می کند” به صورت زیر به کار می رود: