Authors

1 Professor of Agricultural Economics, University of Tehran, Tehran, Iran

2 Ph.D. Student of Agricultural Economics, University of Tehran, Tehran,Iran

Abstract

Non-Performing Loans (NPL) including overdue, deferred, and doubtful debts, are serious challenges facing banking systems in Iran. These three categories are not the same in risk ordering. The presence of doubtful debts creates the highest risk for the banks. Thus, specifying factors that can reduce the share of this category in total NPL is very crucial. The main objective of present study is to differentiate factors affecting different classes of NPL based on their differences in reducing each of the debt categories. To this end, data on debtors of the Iranian Agricultural Bank (Bank Keshavarzi) over 2009-2013 period in two provinces of Tehran and Kermanshah were analyzed. Since the dependent variable in this study is an ordered one, the Partial Proportional Odds model, a special form of the Generalized Ordered Logit model, is utilized to specify factors affecting NPL and to distinguish their impacts on different debt categories. Results indicate that the loan receivers with dishonored cheques in their profile, most likely would not be able to repay their loan and will fall to the doubtful debts group. On the other hand, loan paid to the services and agricultural production activities compared with loan allocated to the non-agricultural activities, loans paid for investment comparing to loans paid for current operational expenses, and payments financed from bank’s own resources comparing with payments accommodated from legally designated resources are important factors that can decrease the probability of turning loans to the doubtful debts. Consequently, to reduce the share of the doubtful debts in total non-performing loans, banks need to focus on managing and controlling the above mentioned influencing factors.

Keywords

اداره بررسی­های اقتصادی و برنامه‌ریزی بانک کشاورزی (1393)، گزارش عملکرد سالیانه بانک کشاورزی (1387 تا 1391)، بانک کشاورزی، تهران.
انصاری، وحیده (1380)، شناسایی و تعیین نقش عوامل مؤثر بر رکود طرح­های کشاورزی در ایران، پایان‌نامه کارشناسی ارشد، دانشگاه تهران، دانشکده اقتصاد و توسعه کشاورزی.
بابازاده، طاهره (1390)، شناسایی عوامل مؤثر بر عدم بازپرداخت تسهیلات بلندمدت بانک کشاورزی (استان مازندرانپایان‌نامه کارشناسی ارشد، دانشگاه تهران، دانشکده اقتصاد و توسعه کشاورزی.
بخشی، محمدرضا (1378)، شناسایی و تعیین نقش عوامل مؤثر بر عملکرد بازپرداخت اعتبارات کشاورزی: مطالعه موردی شهرستان بیرجند، پایان‌نامه کارشناسی ارشد، دانشگاه تهران، دانشکده اقتصاد و توسعه کشاورزی.
دایره آمار و وصول، اداره کل وصول مطالبات و اجرای بانک کشاورزی (1393)، اطلاعات تسهیلات اعطایی بانک کشاورزی به مشتریان حقیقی و حقوقی طی سال­های 1387-1391، بانک کشاورزی، تهران.
شریفی رنانی، حسین، همایون رنجبر و ابراهیم فولادی (1390)، بررسی عوامل مؤثر در عدم بازپرداخت تسهیلات کشاورزی، مطالعه موردی بانک کشاورزی استان اصفهان»، مجله اقتصاد کشاورزی و توسعه، سال نوزدهم، شماره 74، صص 100-77.
عرب‌مازار، عباس و پونه روئین‌تن (1385)، عوامل مؤثر بر ریسک اعتباری مشتریان بانکی، مطالعه موردی بانک کشاورزی، دو فصلنامه جستارهای اقتصادی، سال سوم، شماره 6، صص 80-45.
کردبچه، حمید و لیلا پردل نوش‌آبادی (1390)، تبیین عوامل مؤثر بر مطالبات معوق در صنعت بانک‌داری ایران، فصلنامه پژوهش‌های اقتصادی ایران، سال شانزدهم، شماره 49، صص 150-117.
محتشمی، تکتم (1384)، تدوین الگوی پیش‌بینی ریسک اعتباری متقاضیان حقوقی تسهیلات: مطالعه موردی بانک کشاورزی،  پایان‌نامه کارشناسی ارشد،  دانشگاه تهران، دانشکده اقتصاد و توسعه کشاورزی.
مؤسسه عالی آموزش بانکداری ایران (1393)، گزارش عملکرد بانک­های کشور
 (1387-1391)
، بانک مرکزی جمهوری اسلامی ایران، تهران.
Behr, P., Güttler, A., & Plattner, D. (2004). Credit scoring and relationship lending: The case of German SME. http://kreditwesen.uni-uenster.de/assettypes/SimplePage.
Brant, R. (1990), Assessing proportionality in the proportional odds model for ordinal logistic regression. Biometrics, 1171-1178.
Chaudhary, M. A., & Ishfaq, M. (2003). Credit worthiness of rural borrowers of Pakistan. The Journal of Socio-Economics, 32(6), 675-684.
Greene, W. H., & Hensher, D. A. (2008). Modeling ordered choices: A primer and recent developments. June 15, Version 4, Available at SSRN: https://ssrn.com/abstract=1213093 or http://dx.doi.org/10.2139/ssrn.1213093, New York.
Hou, J., Skees, J. R., & Wang, W. (2005). Potential of Credit Scoring in Microfinance Institutions in US (Community Venture Corp. of Kentucky Taken as Case Study). In 2005 Annual Meeting, February 5-9, 2005, Little Rock, Arkansas (No. 35487). Southern Agricultural Economics Association.
Jappelli, T. (1990). Who is credit constrained in the US economy?. The Quarterly Journal of Economics, 105(1), 219-234.
Menegaki, A. N., Hanley, N., & Tsagarakis, K. P. (2007). The social acceptability and valuation of recycled water in Crete: A study of consumers' and farmers' attitudes. Ecological Economics, 62(1), 7-18.
Negrin, J. L. (2004). The Importance of Borrowers’ History on Credit Behavior: The Mexican Experience (No. 226). Econometric Society.
Özdemir, Ö., & Boran, L. (2004). An empirical investigation on consumer credit default risk (No. 2004/20). Discussion Paper, Turkish Economic Association.
Schreiner, M. (2003). Scoring: The Next Breakthrough in Microcredit?. Occasional paper, 7.
Williams, R. (2006). Generalized ordered logit/partial proportional odds models for ordinal dependent variables. Stata Journal, 6(1), 58.
Williams, R. (2010). Generalized ordered logit models midwest sociological meetings.
World Bank. (2014). Financial sector, https://data.worldbank.org/indicator.