Determinants of Home Loan Default Risk among Salaried and Self- Employed Borrowers in India: A Comparative Empirical Study Using PLS-SEM and Logistic Regression
यह अध्ययन भारत में वेतनभोगी और स्व-रोजगार वाले उधारकर्ताओं के बीच होम लोन डिफॉल्ट जोखिम के वित्तीय, व्यवहार संबंधी और व्यापक आर्थिक निर्धारकों में अंतर को पहचानने के लिए PLS-SEM और लॉजिस्टिक रिग्रेशन का उपयोग करते हुए एक तुलनात्मक अनुभवजन्य ढांचे का प्रस्ताव और सत्यापन करता है, जो यह प्रदर्शित करता है कि क्रेडिट-इतिहास अनुशासन जोखिम न्यूनीकरण के लिए वेतनभोगी व्यक्तियों के लिए अधिक महत्वपूर्ण प्रभाव डालता है और साथ ही विभेदित अंडरराइटिंग और जोखिम मूल्य निर्धारण के लिए एक तैयार-से-उपयोग योग्य विश्लेषणात्मक पाइपलाइन प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
भारत के वित्तीय बाजारों के हलचल भरे परिदृश्य में, होम लोन केवल एक लेनदेन मात्र नहीं है; यह एक उधारकर्ता और एक बैंक के बीच एक वादा है, एक ऐसा वादा जो दशकों तक फैला रहता है। ऋणदाताओं के लिए, केंद्रीय चुनौती यह अनुमान लगाना है कि कौन उस वादे को निभाएगा और कौन लड़खड़ा सकता है। जबकि पारंपरिक बैंकिंग लंबे समय से कठोर आंकड़ों पर निर्भर रही है—जैसे कि किसी व्यक्ति की मासिक आय का कितना हिस्सा ऋण भुगतान में जाता है या ऋण की तुलना में घर का मूल्य कितना है—शोधकर्ता तेजी से यह महसूस कर रहे हैं कि मानवीय व्यवहार भी समान रूप से महत्वपूर्ण भूमिका निभाता है। लोग केवल स्प्रेडशीट नहीं हैं; उनके वित्तीय विकल्प इस बात से आकार लेते हैं कि वे पैसे को कितनी अच्छी तरह समझते हैं, उनके मनोवैज्ञानिक गुण जैसे कि आवेगशीलता (impulsivity), और वे व्यापक अर्थव्यवस्था की स्थिरता को कैसे देखते हैं। एक मुख्य प्रश्न बना हुआ है: क्या ये कारक एक वेतनभोगी कर्मचारी, जिसे नियमित वेतन मिलता है, को उसी तरह प्रभावित करते हैं जैसे कि वे एक स्व-रोजगार व्यवसायी को प्रभावित करते हैं, जिसकी आय मौसमों के साथ काफी उतार-चढ़ाव भरी हो सकती है?
यह अध्ययन उस प्रश्न का उत्तर देने के लिए बनाया गया है जो वित्तीय डेटा को मानवीय व्यवहार के साथ जोड़कर होम लोन जोखिम का एक व्यापक मॉडल तैयार करता है। शोधकर्ताओं ने भारत में दो विशिष्ट समूहों पर ध्यान केंद्रित किया: वेतनभोगी कर्मचारी और स्व-रोजगार वाले व्यक्ति। उन्होंने जोखिम के सात विशिष्ट चालकों (drivers) की जांच की: व्यक्ति की आय की स्थिरता, उनके मासिक भुगतान का बोझ, सुरक्षा के रूप में घर के मूल्य की पर्याप्तता, उनके ऋण चुकाने का इतिहास, उनका वित्तीय ज्ञान, उनके मनोवैज्ञानिक रुझान, और आर्थिक तनाव के प्रति उनकी धारणा। लक्ष्य यह देखना था कि क्या ये कारक एक उधारकर्ता की जोखिम की अपनी भावना को प्रभावित करते हैं—कि उन्हें भुगतान चूकने की कितनी संभावना लगती है—और यह परीक्षण करना कि क्या रोजगार का प्रकार इन संबंधों की ताकत को बदल देता है। अपने तरीकों को वास्तविक दुनिया के डेटा एकत्र करने से पहले पुख्खी करने के लिए, टीम ने पहले 400 उधारकर्ताओं के एक सिम्युलेटेड (simulated) डेटासेट पर अपने पूरे दृष्टिकोण का परीक्षण किया, जिससे वास्तविक दुनिया का एक डिजिटल दर्पण तैयार हुआ ताकि देखा जा सके कि उनके उपकरण काम करते हैं या नहीं।
इस सिम्युलेटेड परीक्षण के परिणामों ने डिफॉल्ट के डर को प्रेरित करने वाली एक स्पष्ट तस्वीर पेश की। शोधकर्ताओं द्वारा जांच किए गए सातों कारकों को डिफॉल्ट के महत्वपूर्ण भविष्यवक्ता के रूप में पाया गया। जब आय अस्थिर होती है, जब मासिक भुगतान भारी लगता है, जब घर के मूल्य की तुलना में ऋण राशि बहुत अधिक होती है, या जब किसी उधारकर्ता का भुगतान चूकने का इतिहास होता है, तो डिफॉल्ट का कथित जोखिम बढ़ जाता है। इसके विपरीत, एक मजबूत क्रेडिट इतिहास, उच्च वित्तीय साक्षरता और स्थिर मनोवैज्ञानिक गुण एक ढाल के रूप में कार्य करते हैं, जो उस कथित जोखिम को कम करते हैं। मॉडल इतना मजबूत था कि वह इस बात की लगभग 28 प्रतिशत भिन्नता की व्याख्या कर सका कि उधारकर्ता अपने जोखिम को कैसे देखते थे, और इसने एक साधारण अनुमान की तुलना में परिणामों की बेहतर भविष्यवाणी की। इसने पुष्टि की कि वित्तीय अनुपातों को व्यवहार संबंधी अंतर्दृनों के साथ जोड़ने वाला एक मॉडल ऋण जोखिम को समझने का एक व्यवहार्य तरीका है।
हालाँकि, सबसे महत्वपूर्ण निष्कर्ष तब सामने आया जब शोधकर्ताओं ने दोनों समूहों की तुलना की। उन्होंने पाया कि इन कारकों का महत्व हर किसी के लिए एक समान नहीं है। विशेष रूप से, उधारकर्ता के क्रेडिट इतिहास और उनके डिफॉल्ट के जोखिम के बीच का संबंध वेतनभोगी कर्मचारियों के लिए स्व-रोजगार वाले व्यक्तियों की तुलना में काफी अधिक मजबूत था। एक वेतनभोगी कर्मचारी के लिए, एक स्वच्छ क्रेडिट रिकॉर्ड विश्वसनीयता का एक शक्तिशाली संकेत है, जो उनके व्यवहार की भविष्यवाणी करने में पर्याप्त वजन रखता है। एक स्व-रोजगार वाले व्यक्ति के लिए, जिसकी आय धाराएं अक्सर अनियमित और दस्तावेजीकरण में कठिन होती हैं, एक क्रेडिट इतिहास एक शोर भरा संकेत है; यह मायने रखता है, लेकिन इसमें उतनी निर्णायक शक्ति नहीं होती। यह सुझाव देता है कि बैंकों द्वारा जोखिम को आंकने के लिए उपयोग किए जाने वाले नियम इन दो समूहों के लिए अलग होने चाहिए, क्योंकि एक मानक नियम यह सटीक रूप से नहीं दर्शा सकता कि प्रत्येक समूह ऋण का प्रबंधन कैसे करता है।
इन व्यवहारिक भावनाओं और वास्तविक वित्तीय परिणामों के बीच के अंतर को पाटने के लिए, अध्ययन ने एक पूरक विश्लेषण भी चलाया जो आय के अनुपात और क्रेडिट ब्यूरो स्कोर जैसे कठोर डेटा को देखता है। इस अध्ययन के इस भाग ने पुष्टि की कि उच्च भुगतान बोझ और कम क्रेडिट स्कोर सीधे तौर पर ऋण के खराब होने की संभावना को बढ़ाते हैं। इसने यह भी दिखाया कि इन वित्तीय आंकड़ों को ध्यान में रखने के बाद भी, वित्तीय साक्षरता एक सुरक्षात्मक कारक के रूप में कार्य करती है, जो डिफॉल्ट की संभावना को कम करती है। विश्लेषण ने व्यवहारिक मॉडल को दृश्यमान ऋण-स्तरीय परिणामों से जोड़ने की पद्धतिगत व्यवहार्यता को प्रदर्शित किया, जो सिम्युलेटेड डेटा पर डिफॉल्ट करने वाले और डिफॉल्ट न करने वाले खातों के बीच अच्छा विभेदन (discrimination) दिखाता है, हालांकि इन विशिष्ट प्रदर्शन मेट्रिक्स को वास्तविक ऋण डेटा पर पुनः सत्यापित किया जाना चाहिए।
लेखक सावधानीपूर्वक नोट करते हैं कि ये निष्कर्ष एक सिम्युलेटेड पायलट अध्ययन से आए हैं, जो वास्तविक लोगों के लिए सर्वेक्षण तैनात करने से पहले उनके तरीकों को मान्य करने के लिए एक आवश्यक पहला कदम है। यहाँ वर्णित संख्याएं और पैटर्न एक कार्यशील ढांचे के उदाहरण हैं, न कि भारतीय आवास बाजार पर अंतिम निर्णय। फिर भी, यह अध्ययन आवास वित्त संस्थानों के लिए एक स्पष्ट मार्ग प्रदान करता है। यह सुझाव देता है कि ऋणदाताओं को अपने जोखिम मूल्यांकन को अनुकूलित करने पर विचार करना चाहिए, शायद आवेदक के वेतनभोगी या स्व-रोजगार होने के आधार पर क्रेडिट इतिहास पर अलग-अलग भार डालना चाहिए। इसके अलावा, यह वित्तीय साक्षरता कार्यक्रमों के महत्व को रेखांकित करता है, विशेष रूप से उन स्व-रोजगार वाले उधारकर्ताओं के लिए जो आय की अस्थिरता का सामना करते हैं, ताकि डिफॉल्ट के विरुद्ध लचीलापन बनाया जा सके। यह समझते हुए कि जोखिम का मानवीय तत्व रोजगार के प्रकारों के अनुसार अलग तरह से व्यवहार करता है, वित्तीय क्षेत्र अधिक सटीक, निष्पक्ष और प्रभावी ऋण प्रथाओं की ओर बढ़ सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।