دانلود مقاله ریسک و مدیریت ریسک در صنعت کارت اعتباری
تعداد کلمات فایل انگلیسی:13300 کلمه 22صفحه pdf
تعداد صفحات فایل ترجمه:36صفحه word فونت14 Arial
چکیده
با استفاده از اطلاعات کارت اعتباری سطح حساب از شش بانک تجاری بزرگ از ژانویه 2009 تا دسامبر 2013، ما تکنیک های یادگیری دستگاه را برای معامله مشتری، دفتر اعتبار، و متغیرهای اقتصاد کلان ترکیبی برای پیش یبنی تخلف بکار گرفتیم. علاوه بر ارائه اندازه های صحیحی از احتمالات ضرر و ریسک اعتباری، مدل های ما می توانند برای آنالیز و مقایسه اقدامات مدیریت ریسک و محرک های تخلف در بانکها استفاده شوند. ما ناهمگونی مهمی را در فاکتورهای ریسک ، حساسیت ها و قابلیت پیش بینی تخلف در بانکها مشاهده کردیم، که بیان می کند هیچ مدل واحدی برای همه شش نهاد بکار گرفته نمی شود. ما کارایی فرایندهای مدیریت ریسک بانکها را با درصدی از حساب های تخلف اندازه می گیریم که یک بانک به طور کارامد مدیریت می کد، و مشاهده می کند که کارایی همچنین به طور گسنرده در بین نهادها تغییر می کند. این نتایج نیاز برای ک روش سفارشی تر برای نپارت و منظم ساز نهادهای مالی پیشنهاد می کنند، که در آن نسبت های سرمایه، ذخایر ضرر، و دیگر پارامتر ها به طور مجزا برای هر نهاد مطابق با مدل ریسک اعتباری ارائه شده و پیش بینی های ان مشخص شده است.
مقدمه
بحران های مالی 2009-2007 به اهمیت مدیریت ریسک در بین نهادهای مالی تاکید می کند. به اقدامات مدیریت ریسک و سیاست هایی در بانکهای مگا-سایز در مرکز بحران در انتشارات عمومی و منابع علمی توجه ویژه ای شده است. اختلاف نظر اندکی که مدیریت ریسک در این نهادها- یا فقدان ان – نقش مرکزی در شکل گیری رکود اتقادی متعاقب ان داشته است. برخلاف این تمرکز اخیر، به هرحال، سیاست های مدیریت ریسک نهادهای مجزا به طور عمده ای در جعبه های سیاه باقی می ماند.در این مقاله، اقدامات و پیامدهای مدیریت ریسک در شش نهاد مالی بزرگ U.S را با استفاده از تکنیک های سخت محاسبه ای یادگیری دستگاه آزمایش می کنیم که برای یک نمونه بی سابقه بزرگ از داده کارت اعتباری سطح حساب بکار برده شده است. بازار اعتبار مشتری برای درک مدیریت ریسک در نهادهای بزرگ به دو دلیل بسیار مهم می باشد. ابتدا، اعتبار مشتری در ایالات متحده در سه دهه گذشته بسیار رشد یافته است، که در کل به تریلیون در انتهای 2014 می رسد. از اوایل دهه 1980 برای رکود اقتصادی بزرگ، U.S، بدهی خانوار ایالات متحده به عنوان درصدی از درامد شخصی قابل عرضه دوبرابر شده است، گرچه نرخ بهره را کاهش می دهد به این معنی است که نسبت خدمات بدهی با نرخ کمتری رشد کرده است. دوم، ابزارهای تصمیم گیری الگوریتمی شامل استفاده از کارت امتیازی مبتنی بر اطلاعات سخت، در وام مشتری بسیار رایج شده است. با توجه به مقدار بزرگ داده، همچنین تعداد زیاد تصمیم ها در مقایسه با وام اعتباری تجاری، این وابستگی جدید در تصمیم گیری الگوریتمی نباید تعجب اور باشد. به هرحال، پایمدهای این ابزارها برای مدیریت ریسک، برای نهادهای مالی مجزا و سرمایه گذاران انها، و برای اقتصاد در کل هنوز شفاف نیست.
Risk and risk management in the credit card industry6
a b s t r a c t
Using account-level credit card data from six major commercial banks from January 2009 to December 2013, we apply machine-learning techniques to combined consumer tradeline, credit bureau, and macroe- conomic variables to predict delinquency. In addition to providing accurate measures of loss probabilities and credit risk, our models can also be used to analyze and compare risk management practices and the drivers of delinquency across banks. We find substantial heterogeneity in risk factors, sensitivities, and predictability of delinquency across banks, implying that no single model applies to all six institutions. We measure the efficacy of a bank’s risk management process by the percentage of delinquent accounts that a bank manages effectively, and find that efficacy also varies widely across institutions. These results suggest the need for a more customized approached to the supervision and regulation of financial in- stitutions, in which capital ratios, loss reserves, and other parameters are specified individually for each institution according to its credit risk model exposures and forecasts.
Introduction
The financial crisis of 2007–2009 highlighted the importance of risk management within financial institutions. Particular attention has been given to the risk management practices and policies at the mega-sized banks at the center of the crisis in the popular press and the academic literature. Few dispute that risk manage- ment at these institutions—or the lack thereof—played a central role in shaping the subsequent economic downturn. Despite this recent focus, however, the risk management policies of individual institutions largely remain black boxes
کد:12370
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله ریسک و مدیریت ریسک در صنعت کارت اعتباری
تعداد کلمات فایل انگلیسی:13300 کلمه 22صفحه pdf
تعداد صفحات فایل ترجمه:36صفحه word فونت14 Arial
چکیده
با استفاده از اطلاعات کارت اعتباری سطح حساب از شش بانک تجاری بزرگ از ژانویه 2009 تا دسامبر 2013، ما تکنیک های یادگیری دستگاه را برای معامله مشتری، دفتر اعتبار، و متغیرهای اقتصاد کلان ترکیبی برای پیش یبنی تخلف بکار گرفتیم. علاوه بر ارائه اندازه های صحیحی از احتمالات ضرر و ریسک اعتباری، مدل های ما می توانند برای آنالیز و مقایسه اقدامات مدیریت ریسک و محرک های تخلف در بانکها استفاده شوند. ما ناهمگونی مهمی را در فاکتورهای ریسک ، حساسیت ها و قابلیت پیش بینی تخلف در بانکها مشاهده کردیم، که بیان می کند هیچ مدل واحدی برای همه شش نهاد بکار گرفته نمی شود. ما کارایی فرایندهای مدیریت ریسک بانکها را با درصدی از حساب های تخلف اندازه می گیریم که یک بانک به طور کارامد مدیریت می کد، و مشاهده می کند که کارایی همچنین به طور گسنرده در بین نهادها تغییر می کند. این نتایج نیاز برای ک روش سفارشی تر برای نپارت و منظم ساز نهادهای مالی پیشنهاد می کنند، که در آن نسبت های سرمایه، ذخایر ضرر، و دیگر پارامتر ها به طور مجزا برای هر نهاد مطابق با مدل ریسک اعتباری ارائه شده و پیش بینی های ان مشخص شده است.
مقدمه
بحران های مالی 2009-2007 به اهمیت مدیریت ریسک در بین نهادهای مالی تاکید می کند. به اقدامات مدیریت ریسک و سیاست هایی در بانکهای مگا-سایز در مرکز بحران در انتشارات عمومی و منابع علمی توجه ویژه ای شده است. اختلاف نظر اندکی که مدیریت ریسک در این نهادها- یا فقدان ان – نقش مرکزی در شکل گیری رکود اتقادی متعاقب ان داشته است. برخلاف این تمرکز اخیر، به هرحال، سیاست های مدیریت ریسک نهادهای مجزا به طور عمده ای در جعبه های سیاه باقی می ماند.در این مقاله، اقدامات و پیامدهای مدیریت ریسک در شش نهاد مالی بزرگ U.S را با استفاده از تکنیک های سخت محاسبه ای یادگیری دستگاه آزمایش می کنیم که برای یک نمونه بی سابقه بزرگ از داده کارت اعتباری سطح حساب بکار برده شده است. بازار اعتبار مشتری برای درک مدیریت ریسک در نهادهای بزرگ به دو دلیل بسیار مهم می باشد. ابتدا، اعتبار مشتری در ایالات متحده در سه دهه گذشته بسیار رشد یافته است، که در کل به تریلیون در انتهای 2014 می رسد. از اوایل دهه 1980 برای رکود اقتصادی بزرگ، U.S، بدهی خانوار ایالات متحده به عنوان درصدی از درامد شخصی قابل عرضه دوبرابر شده است، گرچه نرخ بهره را کاهش می دهد به این معنی است که نسبت خدمات بدهی با نرخ کمتری رشد کرده است. دوم، ابزارهای تصمیم گیری الگوریتمی شامل استفاده از کارت امتیازی مبتنی بر اطلاعات سخت، در وام مشتری بسیار رایج شده است. با توجه به مقدار بزرگ داده، همچنین تعداد زیاد تصمیم ها در مقایسه با وام اعتباری تجاری، این وابستگی جدید در تصمیم گیری الگوریتمی نباید تعجب اور باشد. به هرحال، پایمدهای این ابزارها برای مدیریت ریسک، برای نهادهای مالی مجزا و سرمایه گذاران انها، و برای اقتصاد در کل هنوز شفاف نیست.
Risk and risk management in the credit card industry6
a b s t r a c t
Using account-level credit card data from six major commercial banks from January 2009 to December 2013, we apply machine-learning techniques to combined consumer tradeline, credit bureau, and macroe- conomic variables to predict delinquency. In addition to providing accurate measures of loss probabilities and credit risk, our models can also be used to analyze and compare risk management practices and the drivers of delinquency across banks. We find substantial heterogeneity in risk factors, sensitivities, and predictability of delinquency across banks, implying that no single model applies to all six institutions. We measure the efficacy of a bank’s risk management process by the percentage of delinquent accounts that a bank manages effectively, and find that efficacy also varies widely across institutions. These results suggest the need for a more customized approached to the supervision and regulation of financial in- stitutions, in which capital ratios, loss reserves, and other parameters are specified individually for each institution according to its credit risk model exposures and forecasts.
Introduction
The financial crisis of 2007–2009 highlighted the importance of risk management within financial institutions. Particular attention has been given to the risk management practices and policies at the mega-sized banks at the center of the crisis in the popular press and the academic literature. Few dispute that risk manage- ment at these institutions—or the lack thereof—played a central role in shaping the subsequent economic downturn. Despite this recent focus, however, the risk management policies of individual institutions largely remain black boxes
کد:12370
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com