ارائه مدل جامع جهت اندازهگیری ریسک نقدینگی بانکهای پذیرفتهشده در بورس اوراق بهادار تهران(مطالعه موردی: بانک ملت)
محورهای موضوعی : اقتصاد مالیتورج آذری 1 , مجتبی دستوری 2 , رضا تهرانی 3
1 - گروه مدیریت وحسابداری، واحدبین الملل کیش، دانشگاه آزاداسلامی،تهران،
2 - گروه مدیریت و حسابداری، واحدبین الملل کیش، دانشگاه آزاد اسلامی، کیش، ایران
3 - گروه مدیریت وحسابداری، واحدبین الملل کیش، دانشگاه آزاداسلامی،تهران،ایران
کلید واژه: صنعت بانکداری, شبکه عصبی مصنوعی, C45, G24, D83, C11, یادگیری ماشین, واژههای کلیدی: ریسک نقدینگی, شبکه بیزی. طبقه بندی JEL : G32,
چکیده مقاله :
چکیدهعدم مدیریت نقدینگی بانکها یکی از مهمترین ریسکهای هر بانک میباشد و کمتوجهی به ریسک نقدینگی منجر به عواقب جبرانناپذیر میشود. جلوگیری از وقوع ریسک نقدینگی نیازمند یک روش اندازهگیری جامع میباشد؛ اما ریسک نقدینگی موضوعی پیچیده است و این پیچیدگی ارائه یک تعریف مناسب را دشوار میسازد. علاوه بر این، تعریف فاکتورهای تعیینکننده ریسک نقدینگی و فرمولبندی تابع هدف مرتبط برای تقریب و پیشبینی مقدار آن پیچیده است. در این تحقیق برای مقابله با این مشکلات و ارزیابی ریسک نقدینگی و فاکتورهای کلیدی آن، مدلی را پیشنهاد میکنیم که از شبکههای عصبی مصنوعی و بیزی استفاده میکند. طراحی و اجرای این مدل شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی است. در این مقاله از الگوریتمهای بهینهسازی لونبرگ-مارکوارت و ژنتیک جهت آموزش شبکه عصبی مصنوعی استفاده کردهایم. همچنین یک مطالعه موردی در بانک ملت برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطافپذیری مدل اندازهگیری ریسک نقدینگی تحقیق، پیادهسازی کردهایم.
AbstractLack of liquidity management of banks is one of the most important risks for any bank and lack of attention to liquidity risk leads to irreparable consequences. Preventing liquidity risk requires a comprehensive measurement method but liquidity risk is complicated issue, and this complexity makes it difficult to provide a proper definition. In addition, defining liquidity risk determinants and formulation of the related objective function to measurement its value is a difficult task. To address these problems and assess liquidity risk and its key factors, in this study we propose a model that uses artificial neural networks and Bayesian networks. Design and implementation of this model includes several algorithms and experiments to validate the model. In this paper, we have used Levenberg-Marquardt and Genetic optimization algorithms to teach artificial neural networks. We have also implemented a case study in Bank Mellat to demonstrate the feasibility, efficiency, accuracy and flexibility of the research liquidity risk measurement model.
فهرست مراجع
احمدی شالی، جعفر، وصفی، مهدی، 1396، پیشبینی نقدینگی بر اساس برآورد نقطهای و بازهای روش آریما و مقایسه آن با روش هموارسازی نمایی دوگانه، فصلنامـه اقتصاد مالی، دوره یازدهم، شماره 40، صفحه 159 تا 175.
اسماعیل زاده، علی و جوانمردی، حلیمه،1396، طراحی الگویی مناسب مدیریت نقدینگی و پیشبینی ریسک آن در بانک صادرات ایران، فصلنامـه اقتصاد مالی، دوره یازدهم ، شماره 39، صفحه 171 تا 191.
بزرگ اصل، موسی و برزیده، فرخ و صمدی، محمد تقی، 1397، تأثیر ریسک نقدینگی و ریسک اعتباری بر پایداری مالی در صنعت بانکداری ایران، رهیافت رگرسیون چندک. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، دوره یازدهم، شماره سی و هشتم.
دهقانی احمدآباد، محمدرضا و سعیدی کوشا، مهدی، 1399، برآورد سنجههای ریسک زیان نقدینگی در بانکهای تجاری با استفاده از فرآیندهای تصادفی، فصلنامه راهبرد مدیریت مالی، دوره 8، شماره2.
سلیمانی، برنا، نعمتی، مهرداد، الماسی، حسن، 1399، ارزیابی عملکرد بانکهای خصوصی در بورس اوراق بهادار تهران بر اساس مدل CAMEL، فصلنامـه اقتصاد مالی، دوره چهاردهم، شماره 50، صفحه 115 تا 144.
کدائی، محمدعلی و راهزانی، محبوبه، 1395، بررسی تاثیر نااطمینانی کالن اقتصادی بر ریسک نقدینگی بانکهای ایران، فصلنامه پژوهشنامه اقتصادی، سال شانزدهم، شماره 62، پاییز 1395، 62-3.
Bassey, G. E. & Moses, C. E., 2015, Bank Profitability and Liquidity Management: A Case Study of Selected Nigerian Deposit Money Banks, University Of Uyo, International Journal of Economics, Commerce and Management, Vol. 3, Issue 4, pp.1-24.
Chen, Y.K, Shen, H.H, Kao, L., 2018, Bank Liquidity Risk and Performance. Review of Pacific Basin Financial Markets and Policies., 21(1).
Crouhy, M., Galai, D., Mark, A., 2000, A Comparative Analysis of Current Credit Risk Models, Journal of Banking and Finance, Vol. 24, No. 1-2, P 59-117.
Drehmann, M., Nikolaou, K., 2009, Funding Liquidity Risk: Definition and Measurement, European Central Bank, Working Paper Series March, No. 1024.
Jobst, A. A., 2014, Measuring Systemic Risk-adjusted Liquidity (SRL): A Model Approach, J. Bank. Financ, 45 270–287.
Konovalova, N., and Zarembo, J., 2015, Imbalanced Liquidity Risk Management: Evidence from Latvian and Lithuanian Commercial Banks, Copernican Journal of Finance and accounting, vol4, No 1.
Marz , L., Neu, p., 2007, Scenario Analysis and Stress Testing, in Liquidity Risk Measurement and Management, John Wiley & Sons Inc, New Jersey, pp. 37–64 .
Musakwa, F.T, 2013, Measuring Bank Funding Liquidity Risk, Retrieved from Actuaries.org, 10.
Papadamou, S., Sogiakas, D., Sogiakas, V., Toudas, K. 2021, The Prudential Role of Basel III liquidity Provisions towards Financial Stability, Journal of forcasting.
Rahman, M. L., & Banna, S. H., 2016, Liquidity Risk Management: A Comparative Study between Conventional and Islamic Banks in Bangladesh. Journal of Business and Technology (Dhaka), 10(2), 18-35.
Sabri Mohammad, Mehmet Asutay, Rob Dixon, Elena Platonova., 2020, Liquidity Risk Exposure and Its Determinants in the Banking Sector: A Comparative Analysis Between Islamic, Conventional and Hybrid Banks. Journal of International Financial Markets, Institutions and Money. Volume 66.
Scannella, E., 2016, Theory and Regulation of Liquidity Risk Management in Banking, International Journal of Risk Assessment and Management, Vol.19 No.1/2, pp.4 – 21.
Tripe, D., 1999, Liquidity Risk in Banks – A New Zealand Perspective, New Zealand, Massey University, 42.
Vento, G.A., La Ganga, P., 2009, Bank Liquidity Risk Management and Supervision: Which Lessons from Recent Market Turmoil, J. Money Invest Bank, 10, 78–125.
_||_
Bassey, G. E. & Moses, C. E., 2015, Bank Profitability and Liquidity Management: A Case Study of Selected Nigerian Deposit Money Banks, University Of Uyo, International Journal of Economics, Commerce and Management, Vol. 3, Issue 4, pp.1-24.
Chen, Y.K, Shen, H.H, Kao, L., 2018, Bank Liquidity Risk and Performance. Review of Pacific Basin Financial Markets and Policies., 21(1).
Crouhy, M., Galai, D., Mark, A., 2000, A Comparative Analysis of Current Credit Risk Models, Journal of Banking and Finance, Vol. 24, No. 1-2, P 59-117.
Drehmann, M., Nikolaou, K., 2009, Funding Liquidity Risk: Definition and Measurement, European Central Bank, Working Paper Series March, No. 1024.
Jobst, A. A., 2014, Measuring Systemic Risk-adjusted Liquidity (SRL): A Model Approach, J. Bank. Financ, 45 270–287.
Konovalova, N., and Zarembo, J., 2015, Imbalanced Liquidity Risk Management: Evidence from Latvian and Lithuanian Commercial Banks, Copernican Journal of Finance and accounting, vol4, No 1.
Marz , L., Neu, p., 2007, Scenario Analysis and Stress Testing, in Liquidity Risk Measurement and Management, John Wiley & Sons Inc, New Jersey, pp. 37–64 .
Musakwa, F.T, 2013, Measuring Bank Funding Liquidity Risk, Retrieved from Actuaries.org, 10.
Papadamou, S., Sogiakas, D., Sogiakas, V., Toudas, K. 2021, The Prudential Role of Basel III liquidity Provisions towards Financial Stability, Journal of forcasting.
Rahman, M. L., & Banna, S. H., 2016, Liquidity Risk Management: A Comparative Study between Conventional and Islamic Banks in Bangladesh. Journal of Business and Technology (Dhaka), 10(2), 18-35.
Sabri Mohammad, Mehmet Asutay, Rob Dixon, Elena Platonova., 2020, Liquidity Risk Exposure and Its Determinants in the Banking Sector: A Comparative Analysis Between Islamic, Conventional and Hybrid Banks. Journal of International Financial Markets, Institutions and Money. Volume 66.
Scannella, E., 2016, Theory and Regulation of Liquidity Risk Management in Banking, International Journal of Risk Assessment and Management, Vol.19 No.1/2, pp.4 – 21.
Tripe, D., 1999, Liquidity Risk in Banks – A New Zealand Perspective, New Zealand, Massey University, 42.
Vento, G.A., La Ganga, P., 2009, Bank Liquidity Risk Management and Supervision: Which Lessons from Recent Market Turmoil, J. Money Invest Bank, 10, 78–125.