پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,241 |
| تعداد مقالات | 67,872 |
| تعداد مشاهده مقاله | 115,475,769 |
| تعداد دریافت فایل اصل مقاله | 90,244,868 |
شناسایی شاخص های اعتبارسنجی و رتبه بندی مشتریان در تسهیلات خرد در بانک خاورمیانه | ||
| تحقیقات مالی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 اسفند 1402 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2024.370376.1007551 | ||
| نویسندگان | ||
| آزاده احمدی کوشا* 1؛ فائق احمدی2؛ محمد حسین رنجبر3؛ حمیدرضا کردلویی4 | ||
| 1دانشجوی دکتری، گروه علوم اقتصادی، مالی - علوم بانکی، واحد قشم، دانشگاه آزاد اسلامی، قشم، ایران. | ||
| 2استادیار گروه حسابداری مالی، واحد قشم، دانشگاه آزاد اسلامی، قشم، ایران | ||
| 3حسابداری و مدیریت مالی ، دانشگاه آزاد اسلامی واحد بندر عباس ، بندر عباس ، ایران | ||
| 4دانشیار، گروه مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد اسلامشهر، اسلامشهر، ایران | ||
| چکیده | ||
| چکیده هدف: در بانک‌ها، مدیریت و اعتبارسنجی مشتریان یکی از موارد حیاتی است که برای حفظ امنیت مالی و پایداری سازمان بانکی بسیار اهمیت دارد. یکی از چالش‌های اساسی در این حوزه، شناسایی شاخص‌های مناسب برای اعتبارسنجی و امتیازدهی به مشتریان است. به علت اینکه این مشتریان عموماً دسترسی محدودی به اطلاعات مالی و اعتباری دارند و نمی‌توانند ضامن یا سوابق قرض‌دهی مناسبی ارائه کنند، تعیین شاخص‌های صحیح و قابل اعتماد بسیار چالش‌برانگیز است. همچنین، برای امتیازدهی به مشتریان، نیاز به تعیین یک سیستم امتیازدهی مناسب و عادلانه وجود دارد. این سیستم باید بتواند با در نظر گرفتن معیارهای اعتباری و رفتاری، مشتریان را در رده‌های مختلف قرار داده و بر اساس عملکرد آنها، به آنها امتیازهای متناسب اختصاص دهد. علاوه بر این، نیاز به توسعه روش‌هایی برای ارزیابی و پایش مشتریان در طول زمان نیز وجود دارد. هدف از این پژوهش شناسایی شاخص‌های اعتبارسنجی و رتبه‌بندی مشتریان در تسهیلات خرد در بانک خاورمیانه است. روش: این پژوهش از نظر هدف کاربردی-زمینه‌ای و از نظر روش اکتشافی است. جامعه آماری این تحقیق کلیه مشتریان خرد بانکداری دیجتال بانک خاورمیانه است که متقاضی اخذ تسهیلات کم بهره 2 درصد سالانه با نرخ جریمه 6 درصد می‌باشند. روش‌های آماری در این پژوهش در دو بخش آمار توصیفی و استنباطی انجام پذیرفت. در بخش آمار توصیفی برخی فاکتور‌های شخصیتی همچون سن، جنسیت، تحصیلات، کسب و کار، وضعیت بدهی جاری نظام بانکی، وضعیت چکهای برگشتی، وضعیت پولشویی، مانده موجودی حساب بانکی(بانکینو)، سوابق تراکنش‌های بانکی، مکان جغرافیایی (محل زندگی و کار)، مدل گوشی همراه و سیستم عامل گوشی و رتبه اخذ شده از سامانه شرکت مشاوره رتبه‌بندی اعتباری ایران و ... مورد تجزیه و تحلیل قرار گرفته و از طریق جداول و نمودارها بررسی شد. الگوریتم‌ها‌ی نایو بیز، متا، Attribute Selected Classifier و الگوریتم j48 اجرا شده و از نرم‌افزار WEKA برای رده‌بندی معیارها و ایجاد الگو استفاده گردید. همچنین به منظور ارزیابی نهایی مدل اعتبارسنجی و رتبه‌بندی مشتریان تسهیلات خرد بدون پشتوانه از آزمون تی در سطح 0.25 استفاده گردید. یافته‌ها: یافته‌ها نشان داد که اگر فردی جهت درخواست وام مراجعه داشت و وضعیت تسویه وام‌های قبلی شخص 30 روز و 60 روز بعد از سررسید انجام شده باشد، مبلغ تسهیلات دریافتی این شخص حداکثر مبلغ وام قابل پرداخت باشد، وضعیت وام‌های قبلی شخص تسویه شده باشد، مبلغ وام دریافتی هر چه بالاتر باشد، بهتر است، سن فرد بالاتر از میانسال باشد، مدرک فرد کارشناسی، دیپلم و زیر دیپلم نباشد، امتیاز فرد بالای 40 باشد، سیستم عامل گوشی فرد Android نباشد، مدل گوشی فرد SAMSUNG، XIAOMIنباشد و وضعیت تایید پولشویی فرد منفی باشد آنگاه ترجیحاً در صورت لزوم می‌توان با وام آن فرد موافقت شود. نتایج پژوهش: بانک‌ها باید در این استراتژِی (تسهیلات خرد بدون پشتوانه) به اشخاصی تسهیلات بدهند که قبل از وارد شدن به هرگونه رابطه اعتباری جدید در مورد آنها کاملاً شناخت داشته و داده‌های لازم را از آنها جمع‌آوری نموده و از حسن اعتبار و شهرت آنها اطمینان حاصل نمایند. بانک باید اطلاعات کامل و جامعی در خصوص وام‌گیرنده دریافت نماید به نحوی که این اطلاعات قابل اتکا باشد زیرا اعطای تسهیلات به اندازه سودآوری می‌تواند بانک را متحمل ریسک نماید. | ||
| کلیدواژه‌ها | ||
| اعتبارسنجی؛ رتبه‌بندی مشتریان؛ تسهیلات خرد | ||
| عنوان مقاله [English] | ||
| Identification of validation indicators and Ranking of customers in micro-lending in the khavar-e-miyaneh Bank | ||
| نویسندگان [English] | ||
| Azadeh Ahmadi Kousha1؛ faeg ahmadi2؛ mohammad hossein ranjbar3؛ Hamidreza Kordlouie4 | ||
| 1Ph.D Candidate, Department od Economic Sciences, Finance - Banking Sciences, Qeshm Branch, Islamic Azad University, Qeshm, Iran. | ||
| 2Assistant Prof. Financial Accounting Department, Qeshm Branch, Islamic Azad University, Qeshm, Iran | ||
| 3Accounting and Financial Management, Islamic Azad University, Bandar Abbas Branch, Bandar Abbas, Iran | ||
| 4Department of Financial Management.Faculty of Management & Accounting , Eslamshahr Branch, Islamic Azad University.Islamshahr. Iran | ||
| چکیده [English] | ||
| Abstract Objective In banks, customer management and validation is one of the vital things that is very important to maintain financial security and stability of the banking organization. One of the basic challenges in this field is to identify suitable indicators for validating and ranking customers. Due to the fact that these customers generally have limited access to financial and credit information and cannot provide guarantors or good credit records, it is very challenging to determine correct and reliable indicators. Also, in order to score customers, there is a need to determine an appropriate and fair scoring system. This system should be able to place customers in different categories by considering credit and behavioral criteria and assign them appropriate points based on their performance. In addition, there is a need to develop methods for evaluating and monitoring customers over time. The purpose of this research is identifying the indicators of validation and ranking of customers in micro-lending in the Khavar-e-Miyaneh Bank. Methods This research is applied-contextual in terms of purpose and exploratory in terms of method. The statistical population of this research is all retail banking customers of Digital Khavar-e-Miyaneh Bank who apply for low interest facilities of 2% annually with a penalty rate of 6%. Statistical methods in this research were carried out in two parts: descriptive and inferential statistics. In the descriptive statistics section, some personality factors such as age, gender, education, business, current debt status of the banking system, bounced checks status, money laundering status, bank account balance, bank transaction records, geographic location (place of residence and work), mobile phone model and operating system of the phone and the rating obtained from the system of Iran's credit rating consulting company and ... were analyzed and checked through tables and graphs. Naive Bayes, Meta, Attribute Selected Classifier and j48 algorithms were implemented and WEKA software was used to classify criteria and create patterns. Also, in order to evaluate the validation model and ranking of customers of unsupported microlending, T-test was used at the level of 0.25. Findings The findings showed that if a person applies for a loan and the status of the person's previous loans has been settled 30 days and 60 days after the due date, the amount of the facility received by this person is the maximum amount of the loan that can be paid, and the status of the person's previous loans has been settled. The higher the loan amount, the better, the person's age is above middle age, the person's degree is not a bachelor's degree, diploma or sub-diploma, the person's score is above 40, the person's phone operating system is not Android, the person's phone model is not SAMSUNG, XIAOMI, and the status If the person's money laundering approval is negative, then preferably, if necessary, the loan of that person can be approved. Research results In this strategy (micro-lending without support), banks should give loans to people who have full knowledge about them before entering into any new credit relationship and have collected the necessary data from them and are sure of their good credit and reputation. Banks must receive complete and comprehensive information about the borrower in such a way that this information can be relied upon, because granting facilities as much as profitability can make the bank bear the risk. | ||
| کلیدواژه‌ها [English] | ||
| customer ranking, micro lending, validation | ||
|
آمار تعداد مشاهده مقاله: 86 |
||