منابع و ماخذ تحقیق ریسک اعتباری و مدل رگرسیون

دانلود پایان نامه
همچنین با توجه به این جدول خطای نوع اول یعنی ریسک اعتباری در مدل برازش شده برابر 22 درصد و خطای نوع دوم یعنی ریسک تجاری برابر 7 درصد شد که هر دو از حاصل نتایج بدست آمده از مقادیر درجه حساسیت و درجه تشخیص منهای یک بدست آمده اند.
5-5. بررسی قدرت تفکیک کنندگی مدل:
پس از محاسبه درجه حساسیت و درجه تشخیص مدل به دلیل اینکه نمایش دقت طبقه بندی به تنهایی معیار خوبی برای بررسی قدرت تفکیک کنندگی مدل نیست لذا لازم است از ابزارهای بصری یا ویژوال که دید بهتری به ما می دهند استفاده نماییم. یکی از این ابزارها منحنی ROC می باشد. این منحنی در صفحه مختصاتی که محور افقی آن عدد یک منهای درجه تشخیص و محور عمودی آن درجه حساسیت می باشد رسم می شود و واضح است که هر چه منحنی به سمت چپ و به بالا(نقطه (0,1) ) نزدیکتر باشد قدرت مدل نیز بالا خواهد بود. سطح زیر این منحنی که همان مفهوم انتگرال را دارد و مقداری بین صفر و یک است، قدرت مدل را نشان می دهد. همانطور که از شکل پیداست سطح زیر منحنی roc در مدل برازش شده برابر 94.24 درصد است که نشاندهنده قدرت تفکیک بالای مدل در تمایز بین دو گروه مشتریان خوش حساب و بد حساب است.
نمودار1-5 بررسی کارایی و قدرت تفکیک کنندگی مدل به کمک داده های تست مدل

بعد از بدست آوردن پارامترهای مدل و به منظور بررسی کارایی مدل برازش شده بایستی به کمک داده های خارج از مدل که حدود 15 درصد از حجم کل نمونه یعنی 30 نمونه از 157 نمونه است آنرا اندازه گیری نماییم. لذا بایستی به کمک تابع رگرسیون لاجیت مدل بدست آمده، مقادیر این اطلاعات تست وارد مدل شود. توجه شود که ما حالا ضرایب مدل رگرسیون لاجیت را داریم اما طبقه مشتریان که همان متغیر وابسته باشد بایستی به کمک این مدل برازش شده برای داده های تست بدست آید.
معیار طبقه بندی بدین صورت است که اگر مقدار احتمال محاسبه شده برای هر مشاهده کمتر از حد آستانه باشد مشتری در گروه خوش حساب و اگر بیش تر از حد استانه باشد در گروه بدحساب طبقه بندی می شود. نتایج حاصله را در جداول زیر اورده ایم:
جدول 4-5 . بررسی قدرت پیش گویی مدل با استفاده از داده های شاهد یا تست در حد آستانه 0.5
Y=1
بدحساب Y=0
خوش حساب مشخصات واقعی
برآورد
4 20
2 1
0.5 ریسک اعتباری 0.95 درجه حساسیت
0.67 ریسک تجاری 0.33 درجه تشخیص
0.81 میزان نکویی برازش یا کارآیی مدل
همانطور که ملاحضه می شود مدل برای داده های تست از کارایی بالای 0.81 درصد برخوردار است. این عدد از تقسیم مجموع مقادیر درجه حساسیت و تشخیص مدل(تعداد نمونه های روی قطر چپ) به کل مشاهدات نمونه (در اینجا داده های تست) حاصل شده است.
این رقم نشان می دهد که درصورت استفاده از این مدل می توان حدود 81 درصد تسهیلات را به مشتریان واقعی و خوش حساب تخصیص داد.
نتیجه گیری:
در این تحقیق به کمک روش رگرسیون لاجیت و با استفاده از تست های آماری نشان دادیم که یک رابطه معنادار آماری براساس متغیرهای موردنظر به منظور تعیین وضعیت ریسک اعتباری مشتریان حقوقی بانک وجود دارد و تایید کننده نظریه های اقتصادی و مالی در زمینه عوامل تعیین کننده ریسک اعتباری می باشند و همچنین معناداری و علامت ضرایب متغیرهای مستقل یا پیش گویی کننده مدل حاکی از تایید نظریه های اقتصادی و مالی و صحت مدل در رابطه با تعیین عوامل ریسک اعتباری می باشند.