Применение дискриминационной модели в управлении риском потребительских кредитов в коммерческом банке Вьетнама

Полный текст:


Аннотация

В данной работе с помощью бинарной дискриминационной функции проведена оценка ожидаемого финансового «здоровья» пользователей потребительских кредитов, предоставляемых банком Вьетнама, используя пять демографических, социально-экономических видов займов характеристик пробы заемщиков. Оцениваемая дискриминационная функция оказалась достоверной при 1%-ном уровне значимости и применении модели оценки финансового «здоровья» потребителей выбранной группы потребителей, что дало результат с 73%-ной достоверностью. В развитых странах предполагается, что применение оценки с помощью дискриминационной функции при принятии решения в области потребительского кредита будет способствовать снижению числа плохих долгов, а также даст возможность устанавливать оценку платежеспособности с учетом риска. Это поможет ускорить оформление кредита и поднять уровень его обеспеченности.

Об авторах

Т. Д. Нгуен
Банковская академия Вьетнама
Россия


Т. Т. До
Банковская академия Вьетнама
Россия


Б. Н. Нгуен
Банковская академия Вьетнама
Россия


Список литературы

1. Awh R.Y., & Waters D. (1974). A Discriminant Analysis of Economic, Demographic and Attitudinal Characteristics of Bank Charge-Card Holders: A Case Study. The Journal of Finance, 29 (3), 973-980. Available at: http://dx.doi.org/10.2307/2978604.

2. Boyd H.W. Jr., Westfall R., & Stasch S.F. (2005). Marketing Research: Text and Cases (7th ed., pp. 598-603). Richard D. Irwin, Inc., Homewood, Illinois-60430.

3. Capon N. (1982). Credit Scoring Systems: A Critical Analysis. Journal of Marketing, 46 (Spring), pp. 82-91. Available at: http://dx.doi.org/10.2307/3203343.

4. Credit Card Redlining. (1979). Hearings Before the Subcommittee on Consumer Affairs of the Committee on Banking, Housing and Urban Affairs, United States Senates, 96th Congress, Fist Session, on 15, June 4 & 5, 1979, Washington DC, U.S. Government Printing Office, pp. 183-184.

5. Davis R.H., Edelman D.B., & Gammerman A.J. (1992). Machine-Learning Algorithms for Credit Applications. IMA J. Math. Appl. Bus. Industry, 4, 43-51. Available at: http://dx.doi.org/10.1093/imaman/4.1.43.

6. Dinh T.H. T., & Kleimeier S. (2007). A Credit Scoring Model for Vietnam’s Retail Banking Market. International Review of Financial Analysis, 16 (5), pp. 571-495. Available at: http://dx.doi.org/10.1016/j.irfa.2007.06.001.

7. George D., & Mallery P. (2006). SPSS for Windows Step by Step: A Simple Guide and Reference, 13.0 Update (6th ed., pp. 278-292), Pearson Education.

8. Glen J.J. (2001). Classification Accuracy in Discriminant Analysis: A Mixed Integer Programming Approach. The Journal of Operational Research Society, 52 (3), 328. Available at: http://dx.doi.org/10.1057/palgrave.jors.2601085.

9. Khemakhem S., & Boujelbene Y. (2015). Credit risk prediction: A comparative study between discriminant analysis and the neural network approach. Accounting and Management Information Systems, 14 (1), 60.

10. Abdou H. & Pointon J. (2011). Credit scoring, statistical techniques and evaluation criteria: a review of the literature, Intelligent Systems in Accounting, Finance & Management, 18 (2-3), pp. 59-88.

11. Mircea G., Pirtea M., Neamtu M., & Bazavan S. (2011). Discriminant analysis in a credit scoring model. Paper of Faculty of Economics and Business Administration West University of Timisoara, Romania.

12. Bank nonperforming loans to total gross loans. Available at: http://data.worldbank.org/indicator/FB.AST.NPER.ZS?locations=VN.

13. Elena Bartolozzi, Matthew Cornford, Leticia García-Ergüín, Cristina Pascual Deocón, Oscar Iván Vasquez & Fransico Javier Plaza. (2008). Credit Scoring Modelling for Retail Banking Sector. II Modelling Week, Universidad Complutense de Madrid, 16th - 24th June 2008. Available at: http://www.mat.ucm.es/momat/2008mw/creditscoring.pdf.

14. Thanh Thi Huyen Dinh, Stefanie Kleimeier, Stefan Straetmans. Bank Lending Strategy, Credit Scoring and Financial Crises. School of Business and Economics, Maastricht University, Maastricht, The Netherlands. Available at: http://stefanstraetmans.com/attachments/File/KD_SK_SS_CreditScoring_final.pdf.

15. Hörkkö M. (2010). The determinants of default in consumer credit market. Available at: http://epub.lib. aalto.fi/en/ethesis/pdf/12299/hse_ethesis_12299.pdf.

16. Duong T., Tran V., & Ho Q. (2015, January). A Proposed Credit Scoring Model for Loan Default Probability: a Vietnamese bank case. In International Conference on Qualitative and Quantitative Economics Research (QQE). Proceedings (p. 52). Global Science and Technology Forum.

17. Hintze J. (1998). NCSS statistical software. NCSS, Kaysville, UT.


Дополнительные файлы

Для цитирования: Нгуен Т.Д., До Т.Т., Нгуен Б.Н. Применение дискриминационной модели в управлении риском потребительских кредитов в коммерческом банке Вьетнама. Review of Business and Economics Studies. 2016;4(4):5-16.

For citation: Nguyen T.D., Do T.T., Nguyen B.N. Applying Discriminant Model to Manage Credit Risk for Consumer Loans in Vietnamese Commercial Bank. Review of Business and Economics Studies. 2016;4(4):5-16. (In Russ.)

Просмотров: 2


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2308-944Х (Print)