توسعه مدل ریسک همبستگی دارایی ها(ACR) با رویکرد مدیریت دارایی-بدهی (ALM) با استفاده از مدل VECM

محورهای موضوعی : مهندسی مالی

مهدی همتی آسیابرکی ¹ , محمدحسن قلی زاده ² , سید مظفر میربرگ کار ³

1 - گروه مدیریت مالی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2 - گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران
3 - گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

تاریخ دریافت : 1399/02/23 تاریخ پذیرش : 1399/02/23 تاریخ انتشار : 1399/01/01

کلید واژه: علیت گرنجر, مدل تصحیح خطای برداری, ریسک همبستگی دارایی, مدیریت دارایی-بدهی,

چکیده مقاله :

بانک ها به عنوان اهرم هایی در سیاست های کلان اقتصادی از طریق تنظیم و تعدیل نرخ سود بانکی، سیاست های پولی را به اجرا درآورده و تورم و بیکاری که یکی از مهم ترین اهداف کلان اقتصادی می باشد را کنترل می نماید. یکی از این ابزارها مدیریت دارایی- بدهی می باشد. از اینرو هدف از انجام این تحقیق توسعه مدل ریسک همبستگی دارایی ها(ACR) با رویکرد مدیریت دارایی-بدهی(ALM) می باشد. این تحقیق از لحاظ ماهیت از نوع توصیفی و از لحاظ هدف کاربردی است. جامعه آماری تحقیق، شرکت های پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد نظر بانک های پذیرفته شده در این مجموعه هستند که داده های مورد نیاز تحقیق از آن ها قابل استخراج است. دوره زمانی تحقیق، از سال 1391 تا سال 1396 می باشد که تعداد 20 بانک به عنوان نمونه های تحقیق انتخاب گردید. این تحقیق دارای مدلی نظری است و برای آزمون فرضیه ها از مدل تصحیح خطای برداری استفاده گردید. با توجه به آماره t و جهت ضریب تخمین الگوی VECM آن مشخص می شود اثر استفاده از رویکرد مدیریت دارایی-بدهی بر ریسک همبستگی دارایی در تعادل بلندمدت کاهشی می باشد.

چکیده انگلیسی:

Banks, as levers in macroeconomic policies, by regulating and adjusting the bank's interest rates, enforce monetary policies and controls inflation and unemployment, which is one of the most important macroeconomic goals. One of these tools is asset-debt management. Therefore, the purpose of this research is to develop the Asset Correlation Risk Model (ACR) with the Asset- Liability Management approach (ALM). This research is descriptive in nature and in terms of its purpose. The statistical population of the research is the companies accepted in the Tehran Stock Exchange and the sample of the banks accepted in this collection, which can be extracted from the research data. The research period is from 1391 to 1396, with 20 banks selected as research samples. This research has a theoretical model and a vector error correction model was used to test the hypotheses. According to the t-statistic and the coefficient of estimation of the VECM model, it is determined that the effect of using the debt-asset management approach on the asset-liability correlation risk in a long-term equilibrium is decreasing.

منابع و مأخذ:

• رهنمای رودپشتی، فریدون, همتی، آسیابرگی مهدی, شعبانی، برزگر لاله, خاکساریان، فاطمه(1396). آزمون میانگین-واریانس بر اساس چهارچوب نظری ریسک نامطلوب (downside risk) با استفاده از مدل خود رگرسیون برداری (VAR). نشریه دانش سرمایه گذاری، تابستان 1396, دوره 6 , شماره 22 #l00284 ; از صفحه 29 تا صفحه 48 .


• شیخ, رضا, عامری راد قیصری, بهناز. (1395).تحلیل­مدیریت­دارایی­وبدهی­بارویکردتصمیم‌گیری­ گروهی ­چندهدفۀ فازی.مدیریت­دارایی­وتأمین­مالی,4(4),61-78.doi: 10.22108/amf.2016.21113


• Longin, F., Solnik, B. (1995). Is the correlation in international equity returns constant: 1960–1990? J. Int. Money Finance 14, 3–26.


• Moskowitz, T. (2003). An analysis of covariance risk and pricing anomalies. Rev. Financ. Stud. 16, 417–457.


• Po, W.L& Li, D. (2006) optimal dynamic portfolio selection: multi period mean–variance formulation. Math. Finance 10, 387–406.


• Wang, J., Forsyth, P.A.(2011). Continuous time mean variance asset allocation: a time consistent strategy. European J. Oper. Res. 209, 184–201.


• Zhou, X.Y., Li, D.(2000). Continuous-time mean–variance portfolio selection: a stochastic LQ framework. Appl. Math. Optim. 42, 19–33.

1) Roudpashti, Fereydoun, Hemti, Asiabarghi Mehdi, Shabani, Barzegar Laleh, Khaksarian, Fatemeh (2016). Mean-variance test based on downside risk theoretical framework using vector autoregression (VAR) model. Investment Knowledge Journal, Summer 2016, Volume 6, Number 22 #l00284; From page 29 to page 48.
2) Sheikh, Reza, Ameri Rad Kayseri, Behnaz. (2015). Analysis of asset management and performance of multi-objective fuzzy group decision-making. Asset Management and Finance, 4(4), 61-78. doi: 10.22108/amf.2016.21113
3) Longin, F., Solnik, B. (1995). Is the correlation in international equity returns constant: 1960-1990? J. Int. Money Finance 14, 3–26.
4) Moskowitz, T. (2003). An analysis of covariance risk and pricing anomalies. Rev. Financ. Stud. 16, 417–457.
5) Po, W.L. & Li, D. (2006) Optimal dynamic portfolio selection: multi period mean–variance formulation. Math. Finance 10, 387–406.
6) Wang, J., Forsyth, P.A. (2011). Continuous time mean variance asset allocation: a time consistent strategy. European J. Oper. Res. 209, 184–201.
7) Zhou, X. Y., Li, D. (2000). Continuous-time mean–variance portfolio selection: a stochastic LQ framework. Appl. Math. Optim. 42, 19–33.