بررسی تأثیر شاخص‌های ریسک و رقابتی بانک‌ها بر ریسک سیستمی با رویکرد ریزش مورد انتظار نهایی (MES) با استفاده از مدل GMM

محورهای موضوعی : دانش سرمایه‌گذاری

میثم فدائی واحد ¹ , محمد علی دهقان دهنوی ² , علی دیواندری ³ , میثم امیری ⁴

1 - دانشجوی دکتری مدیریت مالی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی،
2 - تهران، دهکده‌ی المپیک، دانشگاه علامه طباطبایی(ره) ، دانشکده مدیریت و حسابداری ، طبقه‌ی اول، شماره‌ی تماس: تلفن [phone]
3 - استاد تمام دانشکده مدیریت دانشگاه تهران
4 - استادیار دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی

تاریخ دریافت : 1399/07/17 تاریخ پذیرش : 1399/09/08 تاریخ انتشار : 1399/10/01

کلید واژه: نرخ رشد اقتصادی, تورم, ریسک نکول, ریسک سیستمی, شاخص هرفیندال- هیرشمن,

چکیده مقاله :

ریسک سیستمی به‌عنوان یکی از مفاهیم جدید در حوزه مالی از سال 2008 بسیار موردتوجه قرار گرفت و این ریسک در صنعت بانکداری به دلیل رابطه تنگاتنگ بانک‌ها در عملیات روزانه خود بیشتر مدنظر قرار دارد. ازاین‌رو شناسایی عوامل مؤثر بر این ریسک در صنعت بانکداری هدف اصلی پژوهش حاضر است. در این پژوهش رابطه شاخص‌های اقتصاد کلان (نرخ بهره، نرخ رشد اقتصادی و تورم)، ریسک (ریسک نقدینگی و نکول) و رقابتی (شاخص هرفیندال-هیرشمن و اندازه دارائی‌ها) بانک‌ها با استفاده از داده‌های بانک‌ها از سال 1388 تاکنون و با استفاده از روش پنل دیتا GMM مورد آزمون قرار گرفت.نتایج حاصل از مدل‌سازی نشان می‌دهد بین شاخص ریسک نکول (اعتباری) با ریسک سیستمی صنعت بانکداری رابطه معنادار و مستقیم وجود دارد. همچنین در تمامی شاخص‌های رقابت شامل شاخص هرفیندال-هیرشمن و اندازه بانک‌ها نیز رابطه مستقیم وجود داشته و در شاخص‌های کلان اقتصادی نیز رابطه نرخ بهره و تورم با ریسک سیستمی بانک‌ها مستقیم و معنادار است.

چکیده انگلیسی:

Systemic risk has been considered as one of the new concepts in the field of finance since 2008 and this risk is more considered in the banking industry due to the close relationship between banks in their daily operations. Therefore, identifying the factors affecting this risk in the banking industry is the main purpose of this study. In this study, the relationship between macroeconomic indicators (interest rate, economic growth rate and inflation), risk (liquidity and default risk) and competitiveness (Herfindahl-Hirschman index and asset size) using banks' data from 2009 to date and with The GMM data panel method was tested.The results of modeling show that there is a significant and direct relationship between default risk index (credit) and systemic risk of the banking industry. Also, in all competition indicators, including Herfindahl-Hirschman index and the size of banks, there is a direct relationship, and in macroeconomic indicators, the relationship between interest rates and inflation with the systemic risk of banks is direct and significant.

منابع و مأخذ:

• احمدی زانیار. بررسی معیارهای اندازه‌گیری ریسک سیستمی. منتخب گزارش‌های پژوهشی مدیریت پژوهش، توسعه و مطالعات اسلامی. ۱۳۹۳.

*       احمدی زانیار. فرهانیان سید محمدجواد. اندازه‌گیری ریسک فراگیر با رویکرد CoVaR و MES در بورس اوراق بهادار تهران. بورس اوراق بهادار. سال هفتم. تابستان 139. شماره 26

• باباجانی جعفر. بولو قاسم.  غزالی امین . ارائه چارچوبی جهت سنجش و پیش‌بینی ریسک سیستمی با رویکرد ریزش مورد انتظار نهایی (MES) در بازار سرمایه ایران. راهبرد مدیریت مالی. دوره 6. شماره 3 - شماره پیاپی 22 1397: 1-29.


• حکمتی صمد. رضازاده فرید­علی.مالک علی . برآورد ریسک سیستمی در بخش‌های مالی اقتصاد ایران (رهیافت ارزش در معرض ریسک شرطی تفاضلی). فصلنامه مدل‌سازی اقتصادی. دوره 12. شماره 43. پاییز 1397: 99-122.


• دعائی میثم. ریسک سیستمی در بازارهای مالی جهانی. منتخب گزارش‌های پژوهشی مدیریت پژوهش، توسعه و مطالعات اسلامی. ۱۳۹۳.


• رستگار محمدعلی. کریمی  نسرین.  ریسک سیستمی در بخش بانکی. فصلنامه مدیریت ریسک و مهندسی مالی. دوره 1. شماره 1. پاییز 1395: 1-19.


• حسینی علی. رضوی سمانه. نقش سرمایه در ریسک سیستمی مؤسسات مالی. پژوهش‌های تجربی حسابداری.1393. 13: 127-147.


• عبادی جعفر. الهی ناصر.  هوشمند گهر سعیده.  اثر شوک ارزی بر شاخص ریسک سیستمی صندوق‌های سرمایه‌گذاری مشترک. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی. 1398. دوره ۲۷. شماره ۸۹.


• محمدی اقدم سعید. قواممحمد حسین.  میرفیض فلاح شمس. سنجش ریسک سیستمی ناشی از شوک ارزی در بازارهای مالی ایران. فصلنامه تحقیقات مالی. دوره 19، شماره 3: 475-504


• Acharya, V., L. Pedersen, T. Philippon, and M. Richardson (2010): Measuring Systemic Risk, NYU Working Paper.


• . Acharya, V., Engle, R., Richardson, M.: Capital Shortfall: A new Approach to Ranking and regulating Systemic Risks. American Economic Review 102(3), 59-64 (2012)


• Adrian, T., and Markus K. Brunnermeier (2008-2014): CoVaR, FRB of New York Sta Report, (567).


• Adams,Z.,R. Fuss,andR.Gropp (2010): Modeling Spillover Effects Among Financial Institutions: A State-Dependent Sensitivity Value-at-Risk (SDSVaR) Approach, EBS Working Paper.


• Allen, L., Bali, T. G., and Tang, Y. (2012): Does systemic risk in the financial sector predict futur economic downturns? Technical report.


• Artzner, P., Delbaen, F., Eber, J.-M., Heath, D. (1999) Coherent measures of risk. Math. Fin. 9 (3), 203—228.


• Bernardi, M., G. Gayraud, and L. Petrella (2013), Bayesian inference for CoVaR,


• Billio, M., Getmansky, M., Lo, A. W., and Pellizzon, L. (2010) Econometric measures of systemic risk in the finance and insurance sectors. Technical report.


• Brownlees, C. and Engle, R., (2012) Volatility, Correlation and Tails for Systemic RiskMeasurement, Working Paper, New York University.


• Brunnermeier, M. K., and Y. Sannikov (2014)A Macroeconomic Model with a Financial Sector, American Economic Review, 104(2), 379{421.


• Cao, Z. (2013): Multi-CoVaR and Shapley Value: A Systemic Risk Measure," Bank of France Working Paper.


• Gauthier, C., A. Lehar, and M. Souissi (2012)Macroprudential capital requirements and systemic risk," journal of Financial Intermediation, 21(4), 594{618.


• Girardi, G., and A. Tolga Ergun (2013): Systemic risk measurement: Multivariate GARCH estimation of CoVaR," Journal of Banking & Finance, 37(8), 3169{3180.


• Glosten L. Jaganathan R. and Runkle D. (1993). "Relationship between the Expected Value and Volatility of the Normal Excess Returns on Stocks", Journal of Finance, Vol. 48, pp. 1779-1802.


• Hautsch, N., Schaumburg, J., & Schienle, M. (2011). Quantifying Time-Varying MarginalSystemic Risk Contributions. Working Paper, Humboldt-Universität zu Berlin, Institutefor Statistics and Econometrics and Applied Statistics and Economics.


• Oh, D. H., and A. J. Patton (2013): Time-varying systemic risk: Evidence from a dynamic copula model of cds spreads," Duke University Working Paper.


• Mainik, G., and E. Schaanning (2012): On dependence consistency of CoVaR and some other systemic risk measures,"


• Manganelli, S., Kim, T.-H., and White, H. (2010): Var for var: Measuring systemic risk using multivariate regression quantiles. Technical report.


• Schwaab, B., Koopman, S.-J., and Lucas, A. (2011): Systemic risk diagnostics, coincident indicators and early warning signals. Technical report.


• Wong, A., and T. Fong (2010): An Analysis of the Interconnectivity among the Asia-Pacific Economies," Hong Kong Monetary Authority Working Paper.