Αξιολόγηση επίδοσης του τραπεζικού μάνατζμεντ μέσω της μέτρησης της πιστοληπτικής ικανότητας των δανειοδοτούμενων μικρομεσαίων επιχειρήσεων (SMEs) με τη χρήση μοντέλων credit scoring, κατά τη διάρκεια της κρίσης

Abstract

The current crisis of the Greek economy led to a rapid increase of non-performing loans. The control and management of bad debts is a matter of vital importance for the sustainability of the Greek banking system. The asymmetric information at the time of granting of loans, led to adverse selection, resulting the exposure of financial institutions to a higher credit risk. In an effort to reduce exposure to additional risks during the crisis, the bank managements applied policies of credit rationing, which led to a credit crunch of the national economy.In parallel, the interventionist policy of Greek Government, as a result of the inability of conventional treatment of depression (inability to exercise fiscal - monetary policy), led to an increase in the percentage of borrowers who consciously choose not to service their debt obligations (moral hazard).In the present study we evaluate the effectiveness of bank management by measuring the creditworthiness of SMEs during the crisis.Using data from applications of business loans issued by one of the fourth domestic systemic banks in 2005, we study their performance in the period August 2010 - July 2012. Initially, we observe a significant increase of non-performing loans as crisis deepens. Also, we notice that the loans developed more than 90 days delay in the first year, indicated a further deterioration in the 2nd year. As a result, it seems to be an urgent focus of banks to avoid transition of loans in more than 90 days late.Subsequently, using the binomial logistic regression, we show that the factors related to the financial soundness of borrowers (real estate, private facilities and private residence), the strong collateral, the previous deposit cooperation with the borrower and the multi-annual operation of the business, note temporal negative correlation with the probability of a loan to be classified as non-performing. Conversely, the existence of adverse factors, the high "loan to turnover" ratio, the existence of preexisting debt cooperation and the age of the borrower, positively affect the possibility of a loan to been characterized as non-performing. Subsequently, we use the model multinomial logistic regression in order to observe the evolution of the influence of the independent variables in the formulation of additional non-performing loans, during the two years. We observe that the agents “own facilities”, “loan to turnover” ratio, "pre-existing deposit cooperation" and "rented house" showed reversal of the effect during the month of July 2012.Finally, we compare the credit scoring model applied by the bank with models: binomial logistic regression, decision trees, neural network "Multilayer perceptron" and neural network "Radial Basis Function". The most effective model is the neural network "Multilayer perceptron", followed by binomial logistic regression and decision trees. The model used by the bank showed the worst performance, over time. In general, the bank management options could reduce non-performing loans. Additionally, bank management should focus on the control of non-performing loans in order to avoid further increase, as well as to focus on financing viable enterprises, using modern credit scoring models.

Η τρέχουσα κρίση της ελληνικής οικονομίας οδήγησε σε ραγδαία αύξηση των μη εξυπηρετούμενων δανείων. Ο έλεγχος και η διαχείριση των επισφαλών πελατών αποτελεί υπόθεση ζωτικής σημασίας για τη βιωσιμότητα του ελληνικού τραπεζικού συστήματος. Η ασύμμετρη πληροφόρηση κατά το χρόνο χορήγησης των δανείων, οδήγησε σε εσφαλμένες επιλογές δανειοδότησης (adverse selection), με αποτέλεσμα την έκθεση των πιστωτικών ιδρυμάτων σε υψηλότερο από τον επιθυμητό πιστωτικό κίνδυνο. Στη προσπάθεια τους να περιορίσουν την έκθεση σε πρόσθετους κινδύνους κατά τη διάρκεια της κρίσης, οι διοικήσεις των τραπεζών ακολούθησαν πολιτική επιλεκτικής εξυπηρέτησης της πελατείας τους (credit rationing), γεγονός που οδήγησε σε πιστωτική ασφυξία της εθνικής οικονομίας.Παράλληλα, η παρεμβατική πολιτική του κράτους, απόρροια της αδυναμίας συμβατικής αντιμετώπισης της ύφεσης (αδυναμία άσκησης δημοσιονομικής – νομισματικής πολιτικής), οδήγησε σε αύξηση του ποσοστού των δανειοληπτών που συνειδητά επιλέγουν τη μη εξυπηρέτηση των δανειακών τους υποχρεώσεων (ηθικός κίνδυνος – moral hazard).Στη παρούσα διατριβή αξιολογούμε την αποτελεσματικότητα του τραπεζικού μάνατζμεντ μέσω της μέτρησης της πιστοληπτικής ικανότητας των δανειοδοτούμενων μικρομεσαίων επιχειρήσεων, κατά τη διάρκεια της κρίσης.Χρησιμοποιώντας στοιχεία αιτήσεων επιχειρηματικών δανείων που χορηγηθήκαν από μία εκ των 4ων εγχώριων συστημικών τραπεζών το 2005, μελετάμε τη συμπεριφορά τους κατά τη διετία Αύγουστος 2010 – Ιούλιος 2012. Αρχικά, παρατηρείται σημαντική αύξηση των μη εξυπηρετούμενων δανείων καθώς βαθαίνει η κρίση. Επίσης, παρατηρούμε ότι τα δάνεια που εμφανίζουν περισσότερες από 90 ημέρες καθυστέρησης κατά το 1ο έτος, σημειώνουν περαιτέρω επιδείνωση κατά το 2ο έτος, με συμπέρασμα να κρίνεται επιτακτική η εστίαση των τραπεζών στην αποφυγή μετάπτωσης των δανείων σε περισσότερες από 90 ημέρες καθυστέρηση.Με βάση το μοντέλο της διωνυμικής λογαριθμικής παλινδρόμησης, προκύπτει ότι οι παράγοντες που σχετίζονται με την οικονομική ευρωστία των δανειοληπτών (ακίνητη περιουσία, ιδιόκτητες εγκαταστάσεις, ιδιόκτητη κατοικία), η ισχυρή εξασφάλιση, η προϋφιστάμενη καταθετική συνεργασία με το δανειολήπτη και η πολυετής λειτουργία της επιχείρησης, σημειώνουν διαχρονικά αρνητική συσχέτιση με τη πιθανότητα ενός δανείου να χαρακτηρισθεί ως μη εξυπηρετούμενο. Αντιθέτως, η ύπαρξη δυσμενών στοιχείων, ο υψηλός λόγος «ύψος δανείου προς κύκλο εργασιών», η ύπαρξη προϋφιστάμενης δανειακής συνεργασίας και η ηλικία του δανειολήπτη επηρεάζουν θετικά τη πιθανότητα ενός δανείου να εμφανίσει προβληματική συμπεριφορά. Για την εξέλιξη της επίδρασης των ανεξάρτητων μεταβλητών στη διαμόρφωση πρόσθετων μη εξυπηρετούμενων δανείων, κατά τη διάρκεια της διετίας, χρησιμοποιούμε το μοντέλο πολυωνυμικής λογαριθμικής παλινδρόμησης. Παρατηρούμε ότι οι παράγοντες «ιδιόκτητες εγκαταστάσεις», «λόγος ύψος δανείου προς κύκλο εργασιών», «προϋφιστάμενη καταθετική συνεργασία» και «ενοικιαζόμενη κατοικία» εμφάνισαν αντιστροφή της επίδρασης κατά το μήνα Ιούλιο 2012.Τέλος, συγκρίνουμε το μοντέλο credit scoring που εφάρμοζε η τράπεζα με τα μοντέλα: διωνυμική λογαριθμική παλινδρόμηση, δένδρα αποφάσεων, νευρωνικό δίκτυο “Multilayer perceptron” και νευρωνικό δίκτυο “Radial Basis Function”. Από τη μελέτη μας προκύπτει ότι το αποτελεσματικότερο μοντέλο είναι το νευρωνικό δίκτυο “Multilayer perceptron”, ενώ ακολουθούν η διωνυμική λογαριθμική παλινδρόμηση και τα δένδρα αποφάσεων. Το μοντέλο που χρησιμοποιούσε η τράπεζα εμφάνισε, διαχρονικά, τις χειρότερες επιδόσεις. Σε γενικές γραμμές, οι επιλογές του τραπεζικού μάνατζμεντ θα μπορούσαν να περιορίσουν τα μη εξυπηρετούμενα δάνεια. Επιπροσθέτως, θα πρέπει οι διοικήσεις των τραπεζών να εστιάσουν στον έλεγχο των μη εξυπηρετούμενων δανείων προκειμένου να αποφευχθεί περαιτέρω αύξησή τους, καθώς επίσης να εστιάσουν στη χρηματοδότηση των υγιών επιχειρήσεων, με βάση σύγχρονα μοντέλα μέτρησης της πιστοληπτικής ικανότητας.