ارزیابی مقایسه‌ای مدل‌های ریسک اعتباری برای محاسبه زیان مورد انتظار: دلالت‌هایی برای ثبات بانکی

پیاده سازی استانداردهای جدید نظارت بانکی همواره یکی از اقدامات لازم برایارتقاء ثبات و تابآوری نظام بانکی است. این مطالعه با تاکید بر محاسبه زیان موردانتظار و سرمایه نظارتی پرتفوی اعتباری توسط مدل های ریسک اعتباری، بر ارزیاب یدلالت های این مد لها برای 5 بانک بزرگ کشور(سپه، ملی، ملت، تجارت و صادرات) تمرکز می کند. با توجه به محدودیتهای داد های در ایران و عدم دسترسی به ریز داده های پرتفوی اعتباری بانکها، با استفاده از روش تولید داده مصنوعی، پرتفوی اعتباری این بانکها در یک توزیع پاره توی بریده شد ه شبیه سازی شده و براساس اطلاعات منتشر شده در صورتهای مالی آ نها کالیبره شده است. تولید دادههای استاندارد مصنوعی از دادههای موجود بر پایه شبیه سازی مونت کارلو با صدهزار تکرار استوار است. نتایج نشاندهنده آن است که استفاده از مدلهای ریسک اعتباری در محاسبه سرمایه نظارتی باعث افت معنادار نسبت کفایت سرمایه بانکهای بزرگ کشور نمی شود. همچنین، ذخیره گیری بر مبنایزیان مورد انتظار باعث کاهش هزینه ذخیره مطالبات مشکوک الوصول این بانکهاخواهد شد. این نتایج با لحاظ کردن نااطمینانی در مدل تغییری نخواهد کرد

comparative evaluation of credit risk models for expected loss estimation: implications for banking stability

backward-looking approaches to loss recognition are among the main causes of banking crisis. this study، emphasizing the calculation of expected credit portfolio losses، focuses on the implications of credit risk models for banking stability. given data limitations in iran، a synthetic dataset consistent with ifrs 9 was generated from existing data. the dataset consists of a credit portfolio with 1،000 loans that were assigned credit ratings based on the empirical frequency distribution، probabilities of default estimated using the beta-binomial distribution، and loan exposures simulated through the truncated pareto distribution. the generation of standardized synthetic data from available information was based on monte carlo simulation with one million iterations. the results indicate that the vasicek model yields more conservative estimates of expected loss compared with mixture models، yet its outcomes are more sensitive to changes in default correlation. credit risk analysts face a trade-off between conservatism and stability. regulatory focus on setting correlation thresholds can more effectively reduce the likelihood of banking crises and enhance the resilience of the banking system.