Sentabr, 2025-Yil
75
BANK KREDITLARINING TO‘LOV QOBILIYATINI ANIQLASH INDIKATORLARI
VA ULARNING SAMARADORLIGI
Akbarov Zohidjon Sobirjon o‘g‘li
O‘zbekiston Respublikasi Bank-moliya akademiyasi magistranti.
https://doi.org/10.5281/zenodo.17113909
Annotatsiya.
Ushbu maqolada tijorat banklari tomonidan berilayotgan kreditlar bo‘yicha
qarz oluvchilarning to‘lov qobiliyatini aniqlashda qo‘llaniladigan asosiy indikatorlar va ularning
amaliy samaradorligi tahlil qilinadi. Jumladan, likvidlik koeffitsienti, DSCR, DSTI, kredit skoring
reytinglari kabi moliyaviy ko‘rsatkichlar va ularning qarzdorlik darajasiga ta’siri empirik
ma’lumotlar asosida ko‘rib chiqiladi. Tadqiqotda O‘zbekiston bank sektoridagi mavjud
tendensiyalar, xususan “Davrbank” ATB misolida oxirgi yillardagi kredit portfeli samaradorligi
chuqur o‘rganiladi. Olingan natijalar asosida kredit risklarini kamaytirish va to‘lov qobiliyatini
baholash tizimini takomillashtirish bo‘yicha takliflar ishlab chiqilgan. Mazkur ish banklarda
kredit siyosatini optimallashtirishga doir ilmiy va amaliy qarorlar qabul qilishda foydali manba
bo‘lib xizmat qiladi.
Kalit soʻzlar:
To‘lov qobiliyati, kredit skoring, DSCR, DSTI, kredit riski, kredit portfeli,
moliyaviy ko‘rsatkichlar, bank kreditlari, kredit siyosati, mijoz baholash, Davrbank, qarz tahlili,
moliyaviy barqarorlik.
Kirish.
Tijorat banklari faoliyatida kredit berish jarayoni asosiy daromad manbai bo‘lishi
bilan birga, eng katta moliyaviy xavf manbai ham hisoblanadi. Ayniqsa, qarz oluvchilarning
to‘lov qobiliyatini aniq baholamasdan ajratilgan kreditlar bankning kredit portfelida muammoli
qarzlar ulushining ortishiga olib keladi. Shu bois, zamonaviy bank amaliyotida qarz oluvchining
moliyaviy holatini baholashda turli indikatorlar – joriy likvidlik koeffitsienti, DSCR, DSTI, kredit
skoring va kredit tarixiga asoslangan yondashuvlar keng qo‘llanilmoqda. O‘zbekiston bank
tizimida ham ushbu ko‘rsatkichlarning amaliy samaradorligini chuqur o‘rganish, ularni
takomillashtirish orqali bank risklarini kamaytirish muhim ahamiyat kasb etmoqda. Mazkur
maqolada aynan shu indikatorlarning amaliyotdagi ahamiyati va ularning samaradorligi tahlil
qilinadi. Tijorat banklari faoliyatining markaziy yo‘nalishi – kredit berish orqali foyda olishdir.
Biroq, kredit – bu nafaqat daromad, balki xatar manbai hamdir. Ayniqsa, qarz
oluvchilarning to‘lov qobiliyatini yetarlicha chuqur va asosli baholamaslik bank uchun qaytmas
kreditlar (NPL) hajmining ortishiga olib keladi. Shu bois, zamonaviy bank amaliyotida qarz
oluvchining moliyaviy va no-moliyaviy ko‘rsatkichlariga asoslangan baholash tizimlari keng joriy
qilinmoqda. Ushbu esse banklar tomonidan qo‘llanilayotgan to‘lov qobiliyatini baholash
indikatorlarini o‘rganadi va ularning amaliy samaradorligini statistik tahlillar asosida ko‘rsatadi.
Bank kreditlari – bu muayyan foiz va shartlar asosida bank tomonidan ajratiladigan
moliyaviy resurslar bo‘lib, ularning asosiy tavsifi – vaqtinchalik, qaytarilishi lozimligi va foyda
keltirishi hisoblanadi. To‘lov qobiliyati esa qarz oluvchining kredit bo‘yicha majburiyatlarni o‘z
vaqtida va to‘liq bajarish salohiyatini anglatadi. Bu salohiyat nafaqat mijozning joriy daromadlari,
balki moliyaviy barqarorlik, kredit tarix, mol-mulk bilan ta’minlanganlik darajasi, va biznes reja
asosida baholanadi.
Sentabr, 2025-Yil
76
Banklar kredit ajratish jarayonida to‘lov qobiliyatini aniqlashda quyidagi asosiy
indikatorlardan foydalanadilar.
1-rasm. Banklar tomonidan qarz oluvchilarning to‘lov qobiliyatini baholashda
qo‘llaniladigan moliyaviy indikatorlar
Manba: O‘rganishlar natijasida muallif ishlanmasi.
Current Ratio (joriy likvidlik koeffitsienti) – mijozning joriy aktivlari va joriy
majburiyatlari nisbatini o‘lchaydi. 1.2 dan yuqori bo‘lishi ijobiy baholanadi.
DSCR (Debt Service Coverage Ratio) – mijozning qarzni qoplash salohiyatini ko‘rsatadi.
≥1.25 bo‘lishi xavfsiz hudud hisoblanadi.
DSTI (Debt Service to Income) – qarzdorlik yuki, ya’ni kredit to‘lovlarining umumiy
daromadga nisbati. 40% dan past bo‘lishi ma’qul.
EBITDA/Total Debt – foyda asosida qarzlar qoplash ko‘rsatkichi.
Kredit skoring ballari – avtomatlashtirilgan tizimlar orqali mijoz profili va tarixiga ko‘ra
berilgan baho.
Kredit tarixi – oldingi qarzlar bo‘yicha o‘z vaqtida to‘lovlar, kechikishlar va majburiyatlar
bajarilishi.
Ushbu indikatorlar birgalikda qarz oluvchining umumiy to‘lov salohiyatini chuqur tahlil
qilishga imkon beradi.
O‘zbekiston bank sektorida so‘nggi yillarda kredit portfellarining sifati yaxshilanmoqda.
2020–2024 yillar davomida “Davrbank” ATB kredit portfelida to‘lov qobiliyatini aniqlash
indikatorlari yaxshilangan sari NPL darajasi izchil pasaygan. Masalan, DSCR ko‘rsatkichi 2020
yilda 1.15 bo‘lgan bo‘lsa, 2024 yilda 1.48 ga yetdi. NPL darajasi esa mos ravishda 4.8% dan 2.3%
ga tushgan. Bu esa indikatorlarning samarali qo‘llanilganligini isbotlaydi.
Davrbank kredit komissiyasi kredit skoring, likvidlik ko‘rsatkichlari va mijozning sektor
bo‘yicha tavakkalchilik darajasini inobatga olgan holda qaror qabul qilmoqda. Ayniqsa, DSCR 1.3
dan past bo‘lgan mijozlar uchun qo‘shimcha ta’minot yoki qisqa muddatli kreditlar ajratilmoqda.
Zamonaviy xalqaro bank amaliyotida qarz oluvchilarning to‘lov qobiliyatini baholash
jarayoni an’anaviy moliyaviy ko‘rsatkichlar bilan chegaralanmaydi.
Sentabr, 2025-Yil
77
AQSh, Yevropa Ittifoqi va Yaponiya kabi ilg‘or moliyaviy tizimlarga ega davlatlarda
behavioral scoring (xulq-atvorli baholash tizimi) keng qo‘llanilmoqda. Bu usul mijozning
bankdagi odatlarini – kartadagi mablag‘lar harakati, hisob qoldig‘i dinamikasi, to‘lov intizomi
kabi ko‘plab mikro-moliyaviy xatti-harakatlarni avtomatik tarzda baholaydi. Bu indikatorlar
an’anaviy moliyaviy ko‘rsatkichlardan ko‘ra real vaqt rejimidagi holatni aks ettiradi.
Shuningdek, rivojlangan davlatlarda sun’iy intellekt (AI-based models) asosida qaror qabul
qiluvchi tizimlar keng joriy etilmoqda. Bu tizimlar katta hajmdagi tarqoq ma’lumotlarni tahlil
qilish, andozalarni aniqlash va riskni bashorat qilish imkonini beradi. AI yondashuvi insoniy
subyektivlikni kamaytiradi hamda kredit portfelining barqarorligini oshirishga xizmat qiladi.
Yana bir dolzarb yondashuv — Big Data va Open Banking texnologiyalaridir. Bu model
orqali banklar mijozning boshqa moliyaviy tashkilotlardagi faoliyati, kredit tarixi va moliyaviy
xatti-harakatlarini umumlashtirgan holda baholashadi. O‘zbekiston bank tizimida bu
texnologiyalar hali to‘liq joriy etilmagan bo‘lsa-da, “Davrbank” ATB 2023-yildan boshlab AI-
skoring bo‘yicha test loyihalarini yo‘lga qo‘ygan. Bu esa bankning raqamli transformatsiyasiga va
riskni boshqarish sifatining oshishiga xizmat qilmoqda.
Banklar kredit riskini kamaytirish va qaytarilmas kreditlar darajasini pasaytirish maqsadida
to‘lov qobiliyatini baholovchi indikatorlar samaradorligini doimiy ravishda takomillashtirib
borishlari lozim. Eng avvalo, birlashtirilgan baholash modellarini ishlab chiqish zarur. Ya’ni, faqat
moliyaviy emas, balki no-moliyaviy, psixologik, ijtimoiy va texnologik ko‘rsatkichlarni ham
qamrab oluvchi ko‘p indikatorli tizimlar ishlab chiqilishi kerak. Bu yondashuv qaror qabul
qilishda aniqlikni oshiradi va qarz oluvchilarni chuqurroq tahlil qilish imkonini beradi.
Skoring tizimini banklararo miqyosda integratsiyalash dolzarb vazifa hisoblanadi. Buning
uchun yagona raqamli kredit byurosi orqali banklar bir-birlari bilan ma’lumot almashinuvi qilishi,
qarz oluvchilarning tarixini ko‘ra olishi zarur. Bu yondashuv qasddan noto‘g‘ri ma’lumot taqdim
etish yoki bir nechta bankdan kredit olish kabi xavflarni kamaytiradi.
Alohida e’tibor talab qiladigan yana bir yo‘nalish – mikro va kichik biznes subyektlari
uchun soddalashtirilgan indikator modellarini ishlab chiqishdir. Bu segmentda rasmiy buxgalteriya
hisobotlari yetarli emasligi sababli alternativ indikatorlar (mobil to‘lovlar, mijoz soni, ijtimoiy
tarmoqlardagi reytinglar) asosida baholash tizimlari joriy qilinishi maqsadga muvofiq.
Kredit monitoring tizimini kuchaytirish ham indikatorlar samaradorligining muhim
omilidir. Kredit berilgach, to‘lov qobiliyatining pasayishi yoki iqtisodiy muhitdagi o‘zgarishlar
tufayli risk darajasi o‘zgarishi mumkin. Shu bois, mijozning moliyaviy ahvolini doimiy ravishda
kuzatib borish, indikatorlar asosida kredit “salomatligini” nazorat qilish bank uchun katta ustunlik
beradi.
Xulosa.
Yuqoridagi tahlillar shuni ko‘rsatadiki, kreditlar bo‘yicha to‘lov qobiliyatini
aniqlash indikatorlari – banklar uchun eng muhim riskni baholash vositasidir. Ayniqsa, DSCR,
DSTI, likvidlik va skoring tizimlari qaror qabul qilishda aniqlikni oshiradi. O‘zbekiston bank
sektorida, xususan Davrbank tajribasida bu indikatorlarning samarali ishlatilishi NPL darajasining
kamayishiga olib kelmoqda. Kelgusida bu indikatorlar asosida sun’iy intellekt va Big Data
yondashuvlari bilan boyitilgan tizimlar joriy qilinishi bank kredit risklarini sezilarli darajada
kamaytiradi.
Sentabr, 2025-Yil
78
Foydalanilgan adabiyotlar roʻyxati
1.
Huyen, G.T.T., Doan, T.V. & Quy, T.L., 2024. An experimental study on fairness‑aware
machine learning for credit scoring problem. arXiv preprint.
2.
Rida, A., 2024. Machine and Deep Learning for Credit Scoring: A compliant approach.
arXiv preprint.
3.
Hoang, M.D., Le, L. & Nguyen, A.T., 2021. Federated Artificial Intelligence for Unified
Credit Assessment. arXiv preprint.
4.
Kothandapani, H.P., 2025. Leveraging AI for credit scoring and financial inclusion in
emerging markets. ResearchGate Publication.
5.
Goyal, K., Garg, M. & Malik, S., 2025. Adoption of artificial intelligence‑based credit risk
assessment and fraud detection in banking services: a hybrid approach (SEM‑ANN).
Financial Innovation, SpringerOpen.
6.
Vuković, D.B., 2025. AI integration in financial services: a systematic review of
opportunities, challenges and policy implications. Humanities and Social Sciences
Communications, Nature Portfolio.
7.
Amato, A., 2024. How can artificial intelligence help customer segmentation and early
warning systems in banking? Journal of Behavioral and Experimental Finance, Elsevier.
8.
Salami, I.A. et al., 2025. Addressing Bias and Data Privacy Concerns in AI‑Driven Credit
Scoring Systems Through Cybersecurity Risk Assessment. ResearchGate Publication.
9.
Trinh, H.H., 2024. Global banking systems, financial stability, and uncertainty. Research in
International Business and Finance, Elsevier.
10.
Gorshkov, V., 2022. Cashless Payment in Emerging Markets: The Case of Russia. Journal
of Payments Strategy & Systems.
11.
Ruziev, K., 2024. Connectedness and Inequitable Access to Formal Credit in Uzbekistan. In:
Financial Inclusion and Development in Central Asia. Springer.
12.
European Central Bank (ECB), 2024. Artificial intelligence: a central bank's view. ECB
Publications.
13.
European Banking Federation (EBF), 2024. AI-based technologies impact on the European
banking industry: Final Report. EBF Report Series.
14.
https://davrbank.uz
