مردم[۴۴] : بررسی و ارزشیابی نظرات مردم در خصوص واحد اقتصادی شامل : کارآیی در امر تولید، سود حاصل از سرمایه و دارایی ها، جایگاه در صنعت
محصول[۴۵] : بررسی و ارزیابی سودآوری، کمیت و کیفیت، ارزش، در دسترس بودن
حمایت[۴۶] : حمایت داخلی بر اساس صورتهای مالی، حمایت خارجی مانند ضمانت بانکی، ظهرنویسی و اسناد مالی
پرداختها[۴۷] : بررسی اطلاعات مربوط به پرداختهای گذشته، قابلیت نقدینگی و دارایی ها، سوددهی، کیفیت
شمای کلی آینده[۴۸] : بررسی سود ناشی از فروش در قبال احتمالات بازار در خصوص نوسانات قیمت
۲-۳-۵: مزایا و محدودیتهای مدل رتبه بندی اعتباری
از مزایای آن می توان به موارد زیر اشاره کرد :
۱ـ بهبود بخشیدن کنترل اعتباری
۲ـ استانداردهای اعتباری را به راحتی تنظیم و سازگار میکند
۳ـ گردآوری راحتتر داده‌ها
۴ـ آموزش به وام دهندگان جدید آسان‌تر می‌شود
۵ـ زمان کوتاهتری هم از مشتری و هم از بخش اعطای تسهیلات صرف می‌شود (که این امر هم برای بانک و هم برای مشتریان سود آور است)
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
۶ـ تصویب وام دهی را هدفمند میکند (سبب می‌شود که وام دهندگان یک محدوده مشخص را در وام دادن رعایت کنند و تمام محدودیتهای قانونی را برای همه وام گیرندگان در نظر میگیرد و تأثیر هر یک از متغیرها را بر ویژگیهای مشتریان در نظر دارد)
۷ـ کاهش ریسک اعتباری
از محدودیتهای آن می توان به این موضوع اشاره کرد که صحت سیستم رتبه بندی اعتبار به داده‌هایی که به سیستم وارد می‌شود ارتباط دارد، این داده‌ها باید به روز باشند و مدل باید مرتباً تغییر کند تا از ارتباط میان عوامل بالقوه و عملکرد وام مطمئن شود. اگر بانک بخواهد پس از بازاریابی به یک گروه جدیدی وام بدهد باید از تشابه عملکرد وام گیرندگان قبلی اطمینان حاصل کند تا بداند که آیا سیستم توانایی پاسخگویی به آنها را نیز دارد؟ یا باید در داده‌ها و در خود سیستم تغییر ایجاد کند. و ممکن است در این هنگام سیستم پیش بینی درستی به عمل نیاورد. باید یک وزن دهی مناسب به عوامل در این سیستم وجود داشته باشد و صحت و اطمینان مدل آزمون شود. یک مدل مناسب باید در شرایط خوب و بد اقتصادی کاربرد داشته باشد و بتواند پیش بینی درستی کند.
۲-۳-۶: سیستم‌های رتبه بندی اعتباری
سیستم‌های رتبه‌بندی اعتباری را میتوان به سه دسته تقسیم کرد. (استاک[۴۹]،۲۰۰۳، ۳)
۱ـ سیستم‌های قضاوتی
۲ـ رتبه بندی بر مبنای تکنیک‌های آماری
۳ـ سیستم‌های هوشمند
سیستم‌های قضاوتی بسیار کند و پرهزینه هستند. عموماً زمانی که تعداد تقاضاها بالا، و تعداد خبرگان کم میباشد این سیستم‌ها کارآیی لازم را ندارند. در مورد روش‌های آماری نیز هر یک از تکنیک‌هایش فرض‌های خاصی را می‌طلبند. بدیهی است با عدم وجود یا کمرنگ شدن پیش فرض‌ها، دقت و صحت خروجی‌ها مورد تردید قرار میگیرد. وقتی قوانین تصمیم گیری واضح و اطلاعات معتبر می‌باشند سیستم‌های خبره کمک بزرگی به حل مسائل می‌کنند. اما اغلب قوانین مؤسسات اعطاء کننده وام، شفاف نیست و اطلاعات اصلا وجود نداشته و یا بخشی از اطلاعات صحیح نیست، در این حال شبکه‌های عصبی گزینه بسیار مناسبی هستند.
مطالعات انجام شده در داخل کشور
آقایان سبزواری و نوربخش در سال ۱۳۸۵ در پژوهشی با عنوان ” برآورد مقایسه ای مدل امتیازدهی اعتباری پارامتری لاجیت با روش غیر پارامتریک CART ” به ارزیابی مشتریان حقوقی بانک کارآفرین پرداخته و نتایج دو مدل مذکور را با یکدیگر مقایسه کرده اند. در این پژوهش ۴۴۸ مشاهده از مشتریان حقوقی بانک کارآفرین مورد استفاده قرار گرفته است. بر اساس نتایج بدست آمده هر دو مدل برای تمام مشاهدات از دقت پیش بینی تقریباً برابری برخوردارند، لیکن در نمونه های کوچکتر دقت پیش بینی روش CART بیشتر است.
قرصی (۱۳۹۰) در پژوهشی با عنوان ” رتبه بندی اعتباری مشتریان حقوقی بانک ملت با بهره گرفتن از شبکه های عصبی GMDH و معادلات اقتصاد سنجی ” به مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک ملت به روش رگرسیون لاجیت و پروبیت و مدل شبکه های عصبی GMDH پرداخت. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی ۲۰۰ تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار داد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، در ابتدا ۱۱ متغیر توضیح دهنده شامل متغیرهای مالی و کیفی از جمله نوع وثیقه، شخصیت قانونی متقاضی (حقیقی یا حقوقی)، نوع فعالیت، سابقه همکاری، سرمایه، نسبت جاری، نسبت آنی، نسبت دارایی جاری به کل دارایی، گردش کل دارایی، گردش سرمایه جاری، نسبت بدهی، نسبت مالکانه شناسایی و اثر آنها روی احتمال نکول (عدم بازپرداخت وام) مورد ارزیابی قرار گرفت و مدل به وسیله آن برازش گردید. سپس مدل به روش شبکه عصبی با الگوریتم GMDH طراحی و مدل سازی گردید. نتایج تحقیق ضمن دلالت بر تأیید نظریه های اقتصادی و مالی در زمینه عوامل مؤثر بر ریسک اعتباری نشان می دهد که عملکرد پیش بینی الگوی شبکه عصبی (درصد پیش بینی صحیح آن) به مراتب بهتر ازالگوهای اقتصادسنجی متعارف لاجیت و پروبیت است.
مصطفی فقیه (۱۳۸۷) در رساله خود با عنوان ” طراحی مدل رتبه بندی اعتباری مشتریان حقوقی بانک های تجاری ” با بهره گرفتن از دو شیوه آماری رگرسیون لجستیک و تجزیه و تشخیص چند بعدی (MDA) به منظور رتبه بندی اعتباری مشتریان حقوقی بانک های تجاری الگویی طراحی کرد. الگوی طراحی شده توسط محقق توانست با بهره گرفتن از اطلاعاتی که هنگام مراجعه مشتریان حقوقی به بانک (برای گرفتن تسهیلات بانکی) از ایشان گرفته می شد به رتبه بندی اعتباری مشتریان بپردازد و پس از تجزیه و تحلیل ها با توجه به اطلاعات مربوط، رتبه ای که نشان دهنده وضعیت اعتباری مشتری بود به هریک از ایشان اختصاص دهد. رتبه مورد نظر توانست مبنای ارزیابی اعتبار مشتریان حقوقی قرار گیرد.
دکتر قلی زاده (۱۳۸۳) در رساله دکتری خود با عنوان ” طراحی مدل رتبه بندی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با بهره گرفتن از تحلیل پوششی داده ها ” به رتبه بندی شرکتها پرداخت. در این پژوهش ابتدا به روش پیمایشی، دیدگاه کارشناسان و صاحب نظران پیرامون اهمیت هریک از متغیرهای مالی برای رتبه بندی شرکتها مشخص شده، سپس با بهره گرفتن از رویکرد AHP ، شرکتهای مورد نظر رتبه بندی شدند. نتایج این پژوهش حاکی از این است که رویکرد یاد شده روش مناسبی برای رتبه بندی شرکتها بر حسب ریسک است.
وکیلی (۱۳۸۹) در تحقیقی به ” نقش متغیرهای مالی و اقتصادی در رفتار اعتباری مشتریان حقوقی بانک پاسارگاد ” پرداخت. در این تحقیق نحوه تأثیر متغیرهای مالی، ویژگیهای کیفی مشتریان و متغیرهای اقتصادی کشور بر رفتار اعتباری مشتریان حقوقی بانک پاسارگاد مورد بررسی قرار گرفته است. برای این منظور دو گروه ۱۲۵ تایی از مشتریان اعتباری نکول کرده و نکول نکرده بانک پاسارگاد که در طی سالهای ۱۳۸۴ تا ۱۳۸۸ تسهیلات دریافت نموده اند به عنوان نمونه آماری تحقیق انتخاب شده اند. تحقیق در دو مرحله صورت پذیرفته است؛ در مرحله اول با بهره گرفتن از مشخصات مالی و کیفی شرکتهای تحت مطالعه یک مدل امتیازدهی اعتباری تخمین زده شده است که براساس نتایج آن، متغیرهای اثرگذار بر امتیاز اعتباری مشتریان عبارتند از: نسبت ارزش ویژه، نسبت مالکانه و نسبت سرمایه در گردش به کل دارایی. مدل امتیاز دهی اعتباری تخمین زده شده دارای نرخ دقت کلی ۶/۶۵ درصد بوده و مشتریانی که امتیاز مثبت (بیشتر از صفر) کسب نمایند در زمره مشتریان خوش حساب و مشتریانی که نمره منفی کسب نمایند در گروه مشتریان بدحساب طبقه بندی میشوند. در مرحله دوم تحقیق، با بهره گرفتن از تحلیل مدت دار و رگرسیون کاکس، یک مدل مدت دار تخمین زده شده است تا اثر امتیاز اعتبار مشتری، نرخ تورم، نرخ بیکاری و نرخ رشد GDP را بر مدت زمان بازپرداخت بررسی نماید. نتایج تحقیق نشان می دهد که امتیاز اعتباری محاسبه شده بر اساس مدل مرحله اول، نرخ تورم و نرخ بیکاری رابطه معناداری با مدت زمان بازپرداخت وام مشتری دارند.
مطالعات انجام شده در خارج از کشور
لیمسو بونچایی[۵۰]، گان و لی[۵۱] (۲۰۰۵) پژوهشی با عنوان ” تحلیلی از امتیازدهی اعتباری برای وامهای کشاورزی در تایلند ” را انجام داده اند. هدف از این تحقیق، تخمین مدل امتیازدهی اعتباری برای وامهای کشاورزی در تایلند بوده است. برای این منظور، آنها از مدل لاجیت و دو نوع از مدلهای شبکه عصبی مصنوعی با عنوان شبکه های عصبی احتمالی[۵۲] و شبکه عصبی چند لایه باز خوردی[۵۳] برای برآورد مدل امتیازدهی اعتباری خود استفاده کردند. نتایج حاصل از بررسی های تجربی قدرت پیش بینی مدل های مذکور نشان می دهد که مدل شبکه عصبی احتمالی بطور کلی قدرت پیش بینی صحیح این مدل در داده های داخل نمونه، بیشتر از دو مدل دیگر است. نتایج حاصل از قدرت پیش بینی مدل در داده های خارج از نمونه نشان می دهد که هر سه مدل از قدرت پیش بینی یکسان برخوردارند اما در کل، مدل لاجیت فقط وام های خوب را می تواند پیش بینی کند و توان پیش بینی وام های بد را ندارد اما قدرت پیش بینی مدل لاجیت در مورد وام های خوب بالاتر از دو مدل دیگر است. به منظور تصمیم گیری در مورد انتخاب یکی از این سه مدل و کاهش خطای طبقه بندی وام ها، زیان انتظاری طبقه بندی نادرست، محاسبه شده است. محاسبه این نسبت نشان می دهد که مدل شبکه عصبی احتمالی نسبت به دو مدل دیگر، از اولویت در برآورد امتیاز اعتباری مشتریان برخوردار است.
مین و لی[۵۴] (۲۰۰۸) در پژوهشی با هدف ” رتبه بندی اعتباری از شیوه تحلیل پوششی داده ها ” استفاده کردند. به این منظور محققان داده های مالی حسابرسی شده شماری از شرکتهای تولیدی را مورد استفاده قرار دادند. ایشان نسبتهای هزینه های مالی به فروش، بدهی های جاری به سرمایه و کل بدهی به کل دارایی را ورودی و نسبتهای سرمایه به کل دارایی و دارایی جاری به بدهی جاری را خروجی الگو در نظر گرفتند. اعتقاد محققان بر این بود که نتیجه پژوهش، شامل رتبه اعتباری بدست آمده با بهره گرفتن از شیوه تحلیل پوششی داده ها نتیجه قابل اعتماد و قابل اتکایی است. به همین منظور محققان نتیجه را با روش های دیگر نیز مورد مقایسه قرار دادند.
هوریگن[۵۵] (۱۹۶۶) تحقیقی در زمینه ” رتبه بندی اعتباری با بهره گرفتن از نسبتهای مالی ” انجام داد. او از یک رویکرد سه مرحله ای برای تحقیق خود استفاده کرد. در مرحله اول با آزمون همبستگی میان هفده نسبت مالی و رتبه های اعتباری، شش نسبت که بیشترین رابطه را با رتبه ها داشت (متغیر تصنعی، کل دارایی، خالص دارایی ها به کل بدهی، سرمایه در گردش به فروش، فروش به خالص دارایی ها، سود خالص به فروش) به عنوان متغیرهای مستقل تحقیق انتخاب کرد. در مرحله دوم بهترین الگوی رگرسیونی را با توجه به نسبتهای انتخاب شده به منظور تعیین رتبه ها ایجاد کرد. در مرحله سوم هم با حل مدل رگرسیون، رتبه های اعتباری حاصل شد. در نهایت آزمون الگو با اسناد قرضه جدیداً منتشر شده و مقایسه با رتبه های مودیز، ۵۸% موفقیت را نشان داد.
اتکاء به صورتهای مالی جهت پیش بینی ورشکستگی
بخش قابل توجهی از منابع سیستم بانکی، جهت تأمین نیازهای مالی شرکت ها تخصیص مییابد که عمدتاً در قالب شرکتهای تجاری، متقاضی استفاده از تسهیلات بانکی هستند. ابعاد فعالیتهای تولیدی، صنعتی و تجاری این دسته از مشتریان بانک ها گسترده تر از اشخاص حقیقی است و به همان نسبت اعطای تسهیلات به آنها بررسی بیشتر و دقیق تری را می طلبد که در قالب تحلیل مالی بر اساس استفاده از اطلاعات در دسترس میسر است. اطلاعات لازم برای تحلیل مالی یک شرکت یا هر واحد اقتصادی شامل اطلاعات مربوط به محیط پیرامونی شامل اوضاع و احوال سیاسی و اقتصادی و اطلاعات مربوط به شرکت شامل “اطلاعات مربوط به فعالیت” و “اطلاعات مالی” (حسینی پور عزآبادی،۱۳۸۲، ۱۱). در واقع بانک ها نیاز به اطلاعاتی دارند که بتوانند توانایی واحد تجاری در بازپرداخت اصل و فرع تسهیلات اعطایی در سررسید معین را مورد ارزیابی قرار دهند و یکی از منابع اطلاعاتی، صورتهای مالی دریافتی از واحدهای تجاری میباشد. حال اینکه صورتهای مالی تهیه شده توسط شرکتها، برای استفاده بانک ها جهت اعطای تسهیلات اعتباری مفید هستند و یا خیر و این که مسئولین اعطای تسهیلات در بانکها، با تکنیک های تجزیه و تحلیل صورتهای مالی آشنایی کافی دارند یا خیر باید مورد بررسی قرار گیرد.(چرخی سهل آباد،۱۳۷۶، ۸)
توسعه مدلهای پیش بینی درماندگی مالی و ورشکستگی به عنوان یک موضوع مهم، همواره مورد توجه بنگاه های اقتصادی بوده است. پیش بینی درماندگی مالی می تواند اثر مهمی بر تصمیمات مربوط به اعطای تسهیلات و سودآوری نهادهای مالی داشته باشد. در ادبیات مالی نیز تعاریف مختلفی از درماندگی مالی ارائه گردیده است. گردون آن را به عنوان کاهش قدرت سودآوری شرکت تعریف می کند که احتمال عدم توانایی بازپرداخت بهره و اصل بدهی را افزایش می دهد. حالت دیگری از درماندگی مالی عبارت است از زمانی که جریانات نقدی شرکت برای بازپرداخت اصل و فرع بدهی ناکافی باشد.(راعی،فلاح پور،۱۳۸۷، ۱۸)
مطالعات انجام شده در داخل کشور
رادمنش (۱۳۸۳) در پژوهشی به ” بررسی میزان اتکای اعتباردهندگان به صورتهای مالی واحدهای اقتصادی جهت اعطای تسهیلات در شهرستان شیراز ” پرداخت. او در این تحقیق به دنبال پاسخگویی به سؤالاتی از قبیل میزان استفاده از اطلاعات صورتهای مالی، میزان استفاده از جریان وجوه نقد، میزان استفاده از نسبت بدهی به دارایی، میزان استفاده از نسبت سودآوری بود. محقق برای بدست آوردن اطلاعات، پرسشنامه میان مسئولین بخش اعتبارات توزیع کرد. نتایج بدین صورت بود که اعتباردهندگان در شهرستان شیراز به صورتهای مالی به ویژه ترازنامه، صورت سود و زیان و جریان وجوه نقد واحدهای تجاری اهمیت خاصی می دهند. همچنین آنها به نسبت های اهرمی و سودآوری توجه خاصی دارند. و در پایان علت عدم بازپرداخت اعتبار را وجود شرایط تورمی، عدم وجود اطلاعات کافی، عدم بررسی دقیق وضعیت مالی شرکتها، عدم آشنایی برخی مدیران اعتباردهنده با دانش حسابداری و عدم استفاده از این اطلاعات را می داند.
خالقی (۱۳۷۴) در پژوهشی ” قابلیت پاسخگویی صورتهای مالی اساسی به نیازهای اطلاعاتی اعتبار دهندگان ” را بررسی کرده است. او در این تحقیق به دنبال پاسخ به سؤالاتی از قبیل آیا صورتهای مالی می تواند اطلاعات مورد نیاز را که به ترازنامه و بخش دارایی های جاری و تجزیه و تحلیل مربوطه به این گروه از دارایی ها توجه دارند ارائه نماید یا اینکه آیا صورتهای مالی می تواند اطلاعات مورد نیاز اعتباردهندگان بلند مدت را که به بخش دارایی های ثابت و روند سودآوری مؤسسات از طریق تجزیه و تحلیل صورتحساب سود و زیان توجه دارند ارائه نماید، می باشد. در این تحقیق نتایج حاصل از گزارشگری مالی بر روی تصمیمات اعتباردهندگان (شعب بانکهای صادرات استان تهران) با توجه به اعتبارات اعطا شده در سالهای ۷۳ و ۷۴ مورد بررسی قرار گرفت. با بهره گرفتن از نسبتهایی را که بانک برای اعطای اعتبار به مشتریان بکار می گیرد از یک طرف و اطلاعات ارائه شده در صورتهای مالی از طرف دیگر نتیجه حاکی از این شد که ارقام ارائه شده در صورتهای مالی تا جایی که مربوط به دارایی های جاری و بدهیها باشد، قابل استخراج از ترازنامه میباشد. اما اطلاعات مربوط به دارایی های ثابت و ارزش ویژه به دلیل اینکه با ارزشهای روز ممکن است مطابقت نداشته باشد توسط کارشناسان بانک از طریق ارزیابی دارایی های ثابت صورت میگیرد در نتیجه برخی از اطلاعات منعکس شده در ترازنامه و سود و زیان برآورد کننده نیازهای اطلاعاتی بانک نمی باشد و جواب سؤال مطرح شده منفی است یعنی صورتهای مالی اساسی قابلیت پاسخگویی کامل به نیازهای اطلاعاتی بانکها را ندارد.
چرخی سهل آباد در پژوهشی به ” بررسی قابلیت استفاده از صورتهای مالی شرکتها، در اعطای تسهیلات اعتباری توسط بانکها ” در سال ۱۳۷۴ در بانکهای تجاری تهران پرداخت. او در این تحقیق از پرسشنامه استفاده کرد. وی در این مطالعه بیان کرد که یکی از ابزارهای مؤثر در تصمیم گیری بانکها در تخصیص و اعطای تسهیلات اعتباری، اطلاعات مالی تهیه شده از شرکتهاست، لذا اطلاعات مالی موجود در صورتهای مالی باید نیاز اطلاعاتی بانکها را تأمین کنند تا تصمیم گیری صحیحی صورت گیرد. محقق در این تحقیق به دنبال پاسخ به سؤالاتی از قبیل آیا صورتهای مالی تهیه شده توسط شرکتها، برای استفاده بانک ها جهت اعطای تسهیلات اعتباری مفید هستند و آیا که مسئولین اعطای تسهیلات در بانکها، با تکنیک های تجزیه و تحلیل صورتهای مالی آشنایی کافی دارند، میباشد. نتایج بدست آمده از این پژوهش نشان می دهد، اول آنکه صورتهای مالی تهیه شده توسط شرکتها جهت اعطای اعتبار توسط بانک ها مفید نمی باشند و دلایل عمده آن نیز نارسایی موجود در صورتهای مالی ذکر گردیده است که عبارت است از به موقع نبودن صورتهای مالی، عدم وجود صورتهای مالی میان دوره ای، عدم وجود صورتهای مالی برآوردی و…. دوم آنکه، مسئولین دایره اعتبارات با تکنیک های تجزیه و تحلیل آشنایی کافی ندارند و علت اصلی آن هم عدم وجود آموزش لازم می باشد بطوریکه اکثر مسئولین دایره اعتبارات با تکنیک های تجزیه و تحلیل آشنایی کافی ندارند و جهت تجزیه و تحلیل فقط عمدتاً از نسبتهای مالی استفاده می کنند و از سایر فنون تجزیه و تحلیل استفاده چندانی نمی شود و حتی اگر از نسبتهای مالی استفاده می کنند از نسبتهای مالی که میتواند توانایی بازپرداخت بدهی را تا حدودی ارزیابی نماید استفاده نمی کنند و تنها تعدادی از نسبتهای مالی معروف را استفاده نموده و از سایر نسبتهای مالی لازم و ضروری صرف نظر می کنند و علت آن هم نداشتن دانش کافی در رابطه با تکنیک های مختلف تجزیه و تحلیل است.
ایزدپناهی در پژوهشی ” میزان اتکای بانکهای تجاری به اطلاعات صورتهای مالی در اعطای تسهیلات به واحدهای اقتصادی در ایران ” در سال ۱۳۷۱ را بررسی کرد. محقق در این تحقیق به دنبال پاسخ سؤالاتی از قبیل آیا اعطای تسهیلات بیشتر متکی به وثایق دریافتی از مشتریان می باشد و آیا صورتهای مالی تهیه شده توسط واحدهای اقتصادی در ایران برای بانکهای تجاری کارآیی لازم را دارد، می باشد. براساس بررسی های تجربی تحقیق مشخص شد که اولین عامل مؤثر در اعطای تسهیلات، اخذ وثیقه می باشد و صورتهای مالی از اهمیت کمتری نسبت به عوامل دیگر برخوردار بود و دلیل عدم اجرای قراردادها بر اساس مفاد پیش بینی شده، عدم نظارت کافی بر طرح ها و نبود تعداد کافی کارشناس خبره مورد نیاز بانکها بود. افزون بر این، علیرغم دریافت تضمین کافی، مطالبات معوق ناشی از عدم بازپرداخت تسهیلات توسط مشتریان سیر صعودی داشته و دلیل آن، نامساعد بودن وضعیت نقدینگی با توجه به شرایط تورمی موجود و عدم وجود اطلاعات کافی جهت بررسی دقیق در هنگام پرداخت تسهیلات بوده است. بانکها می توانند بر اساس این، وضعیت مشتری را بررسی و با توجه به وضعیت مشتری تصمیم گیری نمایند و از مخاطرات مصون بمانند. صورتهای مالی در مرحله تصمیم گیری اهمیت زیادی دارند و می توانند به عنوان ابزاری مهم جهت بررسی وضعیت مشتری، کارآیی مدیریت و ظرفیت مالی ایفا نقش نماید. در ایران بدلیل مشکلات و نارساییهای عدیده در وضعیت و موقعیت مناسبی قرار ندارد.
آقای فلاح پور (۱۳۸۳) در پژوهش خود با نام ” پیش بینی درماندگی مالی شرکتها با بهره گرفتن از شبکه های عصبی مصنوعی ” انجام شد که در این پژوهش از روش تحلیل همبستگی استفاده شد. در این پژوهش مدل تحلیل ممیزی چندگانه و شبکه های عصبی برای پیش بینی درماندگی مالی شرکتهای بورس مورد بررسی قرار گرفته است. یافته های این پژوهش حاکی از این است که اگر چه با بهره گرفتن از تحلیل ممیزی امکان پیش بینی درماندگی مالی وجود دارد، ولی مدل های یاد شده در مقایسه با شبکه های عصبی مصنوعی از کارآیی کمتری برخوردار هستند.
دکتر سلیمانی (۱۳۸۱) در رساله دکتری خود با عنوان ” بررسی شاخص های پیش بینی کننده ورشکستگی ” به پیش بینی ریسک ورشکستگی شرکتها با بهره گرفتن از مدل Z آلتمن پرداخت. در این پژوهش در واقع اعتبار مدل یاد شده در بازار ایران مورد بررسی قرار گرفته است. روش مورد استفاده در این پژوهش اقتصادسنجی و همبستگی بوده است. یافته های این پژوهش حاکی از این است که مدل یاد شده از توانایی مناسبی برای پیش بینی ریسک ورشکستگی شرکتها برخوردار است.
مطالعات انجام شده در خارج از کشور
در سال ۱۹۶۶ ، ویلیام بیور برای بررسی توان نسبتهای مالی در پیش بینی درماندگی مالی، از تجزیه و تحلیل تک متغیری استفاده کرد. او در این تجزیه و تحلیل بیشتر از نسبتهایی استفاده کرد که مربوط به جریانات نقدی می شدند. در این پژوهش، بیور عدم توانایی شرکت به انجام تعهدات مالی را به عنوان درماندگی مالی تعریف کرد. در این تحقیق، بیور ۳۰ نسبت مالی را که تصور می کرد بهترین شاخص برای سلامت مالی یک شرکت هستند انتخاب کرد. سپس این نسبتها را به شش گروه تقسیم کرد. این شش گروه عبارت بودند از : نسبتهای مربوط به جریان نقدی، نسبتهای بدهی به کل دارایی، نسبتهای دارایی های نقد شونده به کل دارایی، نسبتهای دارایی های نقد شونده به بدهی های جاری، نسبتهای فعالیت (گردش) و نسبتهای سود خالص. نتایج تحقیق او نشان داد که نسبت جریان نقدی به کل بدهی بیشترین دقت را در پیش بینی درماندگی مالی شرکتها تا پنج سال قبل از وقوع آن را دارد.
داده کاوی و تاریخچه پیدایش آن
امروزه متخصصین وآگاهان، توسعه تجارت جهانی را منوط به توسعه تجارت الکترونیک دانسته و همچنین بانکداری الکترونیک و استفاده از تکنیکها، مدل ها و ابزارهای مناسب را نیز موجب حضور موفق تر مؤسسات مالی و بانکها در عرصه رقابت و تجارت جهانی قلمداد می نمایند. بانکها در فضای رقابتی کسب و کار امروزی با مسائل و مشکلات عدیده ای همگام با تغییرات محیطی و اقتصادی روبرو هستند که با توسعه تکنولوژی و حجیم و پیچیده تر شدن فعالیتها، این امر بیش از پیش ملموس بوده، که از آن جمله می توان به پدیده ریسک اشاره نمود. به واقع ریسکها در ذات فعالیتهای بانکی و مالی نهفته اند. از آنجایی که از لحاظ نظری حذف ریسک غیر ممکن می باشد بنابراین می بایست با مدیریت بر آن به عنوان تنها راه حل ممکن اقدام نمود. با مطالعه در حوزه مدیریت ریسک با تکنیکها، روشها و ابزارهای گوناگونی روبرو می شویم که لازمه بکارگیری آنها تشخیص نوع ریسک و متناسب با آن ابزارهای اندازه گیری و کاهش ریسک می باشد. نتایج بررسی های به عمل آمده در خصوص مدلهای مورد استفاده در مدیریت بر انواع ریسک ها نشان داده است که بکارگیری الگوها و مدلهای داده کاوی از مدلهای مناسب در این زمینه می باشد.
۲-۵-۱: گام های داده کاوی
به طور کلی گام های اجرای داده کاوی در تمام منابع یکسان نیستند ولی آنچه که تقریباً در بین همه آنها به صورت مشترک وجود دارد، کشف دانش را دارای مراحل تکراری زیر می دانند :
