تحول در نظام اعتبار‌سنجی: گذار از الگوی وثیقه محور به اعتبار سنجی هدفمند

نظام بانکی ایران در حال حاضر بر پایه وثایق فیزیکی سنگین استوار است که منجر به حبس دارایی های مولد و محرومیت سیستماتیک کارآفرینان، بنگاه های کوچک و متوسط، و اقشار فاقد وثیقه از دسترسی به منابع مالی شده است. این پژوهش با هدف تحلیل ضرورت استراتژیک گذار از نظام سنتی وثیقه محور به اعتبارسنجی هدفمند انجام شده که می تواند به توزیع عادلانه تر منابع مالی و افزایش بهره وری اقتصادی منجر شود. این مطالعه با رویکرد مروری نظام مند اجرا گردید. داده های مرتبط از پایگاه های اطلاعاتی معتبر با استفاده از کلیدواژه های تخصصی استخراج شد. مطالعات انتخاب شده پس از پالایش سیستماتیک، با روش های تحلیل محتوا و تحلیل تماتیک مورد بررسی قرار گرفته و یافته های آنها استخراج و ترکیب گردید. یافته ها نشان می دهد اعتبارسنجی هدفمند با بهره گیری از فناوری های نوین (هوش مصنوعی، کلان داده، یادگیری ماشین) ارزیابی چندبعدی و آینده نگر ریسک اعتباری را میسر می سازد. در این رویکرد، شاخص هایی فراتر از دارایی مانند سابقه اعتباری، توان مالی واقعی، ثبات درآمدی، الگوهای رفتاری و توجیه پذیری طرح برای ترسیم دقیقتر ظرفیت بازپرداخت به کار گرفته می شود. پیاده سازی این پارادایم ضمن کاهش وابستگی به وثیقه، شمول مالی را گسترش داده، تخصیص منابع را بهینه می کند و با امتیازدهی اعتباری و قیمت گذاری مبتنی بر ریسک، به کاهش نرخ نکول و تقویت ثبات نظام بانکی می انجامد. این تحول یک لازام راهبردی برای ارتقای بهره وری اقتصادی و توسعه پایدار است.

transformation in the credit rating system: transition from a collateral-based model to purposeful credit assessment

iran’s banking system currently relies heavily on substantial physical collateral, resulting in the immobilization of productive assets and the systematic exclusion of entrepreneurs, small and medium–sized enterprises, and under-collateralized groups from accessing financial resources. this study aims to analyze the strategic necessity of transitioning from the traditional collateral-based approach to a targeted credit-scoring model, which can promote a more equitable distribution of financial resources and enhance economic productivity. a systematic?review methodology was employed. relevant data were retrieved from reputable databases using specialized keywords. selected studies were refined through a systematic screening process, then examined via content analysis and thematic analysis, and their findings were synthesized. the results indicate that targeted credit scoring, leveraging modern technologies (artificial intelligence, big data, machine learning), enables a multidimensional and forward-looking evaluation of credit risk. this approach incorporates metrics beyond asset value—such as credit history, true financial capacity, income stability, behavioral patterns, and project feasibility—to more accurately map repayment capacity. implementing this paradigm reduces dependence on collateral, broadens financial inclusion, optimizes resource allocation, and, through risk?based scoring and pricing, lowers default rates and strengthens banking system stability. this transformation is a strategic imperative for improving economic efficiency and achieving sustainable development.