fa ارزیابی مقایسه‌ای مدل‌های ریسک اعتباری برای محاسبه زیان مورد انتظار: دلالت‌هایی برای ثبات بانکی پولی و مالی پولی و مالی كاربردي Applicable <span dir="RTL" lang="FA" style="font-size:11.0pt"><span style="line-height:107%"><span b="" style="font-family:" zar="">رویکردهای گذشته‌نگر در شناسایی زیان‌ها پس از وقوع آنها، یکی از دلایل اصلی کاهش تاب‌آوری بانکی است. این مطالعه با تأکید بر محاسبه زیان مورد انتظار پرتفوی اعتباری توسط مدل‌های مختلف، بر ارزیابی دلالت‌های مدل‌های ریسک اعتباری برای ثبات و ارتقای تاب‌آوری بانکی تمرکز دارد. با توجه به محدودیت‌های داده‌ای در ایران و عدم ثبت دقیق مبتنی بر استاندارد، با استفاده از روش تولید مصنوعی داده‌های استاندارد ازداده‌های موجود </span></span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="line-height:107%"><span b="" style="font-family:" zar="">شامل پرتفوی اعتباری با </span></span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span style="line-height:107%"><span b="" style="font-family:" zar="">۱۰۰۰</span></span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="line-height:107%"><span b="" style="font-family:" zar=""> تسهیلات به رتبه‌بندی اعتباری بر اساس توزیع فراوانی تجربی و احتمال نکول با استفاده از توزیع بتا-دوجمله‌ای و شبیه‌سازی تسهیلات با استفاده از توزیع</span></span></span> <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="line-height:107%"><span b="" style="font-family:" zar="">پاره‌تو مقید اقدام شده است. تولید داده‌های استاندارد مصنوعی از داده‌های موجود بر پایه شبیه‌سازی مونت کارلو با یک میلیون تکرار استوار است. نتایج نشان‌دهنده آن است که مدل‌ واسیچک نسبت به مدل‌های ترکیبی در برآورد زیان مورد انتظار محافظه‌کارانه‌تر عمل می‌نمایند، ولی تغییرپذیری نتایج آنها نسبت به همبستگی نکول‌ها،&nbsp; بیشتر است. با توجه به یافته‌ها، تحلیلگران ریسک اعتباری با یک بده بستان بین سطح محافظه‌کاری و ثبات نتایج مدل‌ها مواجه هستند و تمرکز نهاد ناظر، بانک مرکزی، بر آستانه همبستگی می‌تواند در کاهش احتمال بحران‌های بانکی موثر‌تر بوده و تاب‌آوری نظام بانکی را افزایش دهد. </span></span></span> <span style="font-size:11.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">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.</span></span></span> ریسک اعتباری, استاندارد بین‌المللی گزارشگری مالی شماره ۹ , زیان مورد انتظار, ثبات بانکی, مدل‌های آستانه‌ای و ترکیبی Credit Risk, International Financial Reporting Standard 9 (IFRS 9), Expected Credit Loss, Banking Stability, Threshold and Hybrid Models 61 90 http://jemr.khu.ac.ir/browse.php?a_code=A-10-3028-1&slc_lang=fa&sid=1 Vahid Majed وحید ماجد majed@ut.ac.ir 100319475328460014008 100319475328460014008 Yes Faculty of Economics, University of Tehran دانشکده اقتصاد دانشگاه تهران Mohsen mehrara محسن مهرآراء mmehrara@ut.ac.ir 100319475328460014009 100319475328460014009 No Mustafa Shadab Sadabad مصطفی شاداب سعدآباد sm.shadab1372@gmail.com 100319475328460014007 100319475328460014007 No Faculty of Economics, University of Tehran دانشکده اقتصاد دانشگاه تهران