ایمان داداشی - استادیار، گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، مازندران، ایران.
سجاد کردمنجیری - دانشجوی دکتری حسابداری، گروه حسابداری، دانشگاه آزاد اسلامی، مازندران، ایران.
زهرا خوشنود - استادیار، گروه بانکداری، پژوهشکده پولی و بانکی بانک مرکزی، تهران، ایران.
حمیدرضا غلام نیا روشن - استادیار، گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، مازندران، ایران.

افزایش نسبت مطالبات غیرجاری به تسهیلات اعطایی به عنوان شاخص ریسک اعتباری بانک­ها می تواند سلامت شبکه بانکی، نظام مالی و اقتصاد حقیقی را به خطر اندازد. از این رو در این مقاله، بررسی این ریسک با استفاده از نسبت مانده واقعی مطالبات غیرجاری و با تمرکز بر مجموعه ای گسترده از متغیرها شامل متغیرهای مالی، غیرمالی، خصوصیتی قراردادها، حسابرسی و اقتصادی، در نمونه ای از ۶۷۷ پرونده تسهیلاتی مشتریان حقوقی یک بانک دولتی برای سال های ۱۳۸۵ تا ۱۳۹۶ مورد توجه قرار گرفت. براساس نتایج حاصله، در انتخاب متغیرهای تاثیرگذار بر ریسک اعتباری، الگوریتم لاسو با عملکرد بهتر به شناسایی ۱۰ متغیر کلیدی از گروه متغیرهای مالی، اقتصادی و حسابرسی منتهی شد. با این وجود نتایج آموزش این ویژگی ها توسط مدل ماشین بردار و درخت تصمیم که بیانگر بهترین نتایج در قالب الگوریتم لاسو به همراه درخت تصمیم هستند، ضریب اهمیت اندکی را برای متغیرهای حسابرسی در نظر می گیرند. از این رو استفاده از الگوریتم لاسو به همراه درخت تصمیم با تمرکز بر متغیرهای مالی و اقتصادی می تواند از کفایت لازم برخوردار باشد.

ریسک اعتباری, مطالبات غیرجاری, الگوریتم لاسو, درخت تصمیم, نرخ وصول