بررسی عوامل تأثیرگذار بر تعیین حق بیمه سپرده در بین بانکهای ایرانی پذیرفته شده در بورس و فرابورس ایران
محورهای موضوعی : دانش سرمایهگذاریمحمدرضا آقامحمدسمسار 1 , سعید فلاح پور 2 * , سعید شیرکوند 3 , علی فروش باستانی 4
1 - دانشجوی دکتری مالی گرایش بیمه دانشگاه تهران
2 - استادیار مدیریت مالی دانشکده مدیریت دانشگاه تهران.
3 - استادیار مدیریت مالی دانشکده مدیریت دانشگاه تهران.
4 - استادیار ریاضی دانشگاه تحصیلات تکمیلی علوم پایه زنجان.
کلید واژه: سپرده بیمه, ریسک سیستمیک, حق بیمه سپرده بیمه, گارچ چند متغیره, ریسک سیستماتیک,
چکیده مقاله :
سپرده بانکی از منابع بسیار مهم برای بانک ها به شمار میآید که اگر با سرمایه گذاری های ضعیف یا تسهیلات سوخت شده همراه گردد، مؤسسات مالی را دچار مشکلات عدیده ای خواهد نمود. یکی از راه های مقابله از سوخت شدن سپرده ها، بیمه کردن آنها میباشد. پژوهش حاضر به دنبال ارائه مدلی است که بتواند ریسک صنعت بانکداری را متناسب با قیمت حق بیمه اندازهگیری نماید. و از مدلسازی مبتنی با ریسک بهره میجوید این مدلسازی با استفاده از مدلهای گارچ چند متغیره بوده که میتواند به قیمتگذاری صحیحتر حق بیمه سپرده منتج گردد. برای تعیین عوامل موثر بر حق بیمه ها و تعیین ارتباط آنها از اطلاعات بانک های فعال بورس اوراق بهادار تهران در بین سالهای 1393 الی 1397 استفاده گردیده است. با استفاده از مدلهای بلکشولز، مرتون بلکشولز، مرتون بلکشولز با در نظر گرفتن ریسک سیستماتیک و همچنین مدل مرتون بلکشولز با استفاده از مدلسازی گارچ چند متغیره اقدام به قیمت-گذاری حق بیمه سپرده شده است. با توجه به نتایج به دست آمده از تخمین معادلات رگرسیونی مشخص گردید که حق بیمه دریافت شده توسط صندوق ضمانت سپرده ها با توجه به ریسک سیستمی شبکه بانکی نبوده و بهتر به نظر می آید که ارزش حق بیمه سپرده ها با در نظرگیری ریسک بانکی باشد. در این راستا و با توجه به مدل ها تخمین زدهشده، ریسک سیستمیک شبکه بانکی، ارزش محاسبهشده حق بیمه با در نظرگیری مدل گارچی چند متغیره را بهتر در نظر می گیرد.
Bank deposits are a very important resource for banks, which, if accompanied by weak investments or fuel facilities, will cause many problems for financial institutions. One way to combat the burning of deposits is to insure them. The present study seeks to provide a model that can measure the risk of the banking industry in proportion to the price of premiums. And it uses risk-based modeling. This modeling uses multivariate GARCH models, which can lead to more accurate pricing of deposit premiums. To determine the factors affecting premiums and determine their relationship, the information of active banks of Tehran Stock Exchange between 1393 and 1397 has been used. Using Blacksholes, Merton Blacksholes, Merton Blacksholes models with systematic risk and Merton Blacksholes models using multivariate GARCH modeling, premium pricing has been done. According to the results obtained from the estimation of regression equations, it was found that the premium received by the Deposit Guarantee Fund was not due to the systemic risk of the banking network and it seems better that the value of the deposit premium is considered considering the risk. Be banking. In this regard, and according to the estimated models, the systemic risk of the banking network better considers the calculated value of the premium by considering the multivariate Garchi model.
- افشاری، زهرا، یزدانپناه، احمد، باخدا، مریم، 1388، تأثیر سیستم بیمه سپرده صریح بر وقوع بحرانهای بانکی، فصلنامه پول و اقتصاد، شماره 1، صص 25-56.
- امیری، حسین، توفیقی، مونا، 1396، الزامات وجود بیمه سپرده و ارتباط آن با مقاومت بانکی، فصلنامه اقتصاد مالی، شماره 41،صص 177-199.
- امیری، حسین، 1396، ارزیابی نرخ بیمه سپرده در بانکهای ایران، فصلنامه مدلسازی اقتصادسنجی، شماره 2، صص 151-179.
- حیدری، حسن، عزیزنژاد، صمد، 1387، بررسی جایگاه بیمه سپردهها در کارکرد نظام بانکی و الزامات راهاندازی آن در ایران، دفتر مطالعات اقتصادی مرکز پژوهشهای مجلس.
- زارعی، ژاله، کمیجانی، اکبر، 1394، شناسایی و پیشبینی بحرانهای بانکی در ایران، فصلنامه مدلسازی اقتصادی، شماره 1، صص 1-23.
- طالب لو، رضا، 1390، قیمتگذاری بیمه سپردهها در بانکهای خصوصی ایران، پژوهشنامه اقتصادی، شماره 43، صص 75-98.
- فرجی، یوسف، آقاییپور، اعظمالسادات، 1394، راهکارهای ارائهی بیمهی سپرده در ایران با اتکا به تجارب کشورهای دیگر، فصلنامه صنعت بیمه، شماره 1، صص 5-43.
- Acharya, V., Pedersen, L.H., Philippon, T. & Richardson, M. P. (2010). Measuring systemic risk. AFA 2011 Denver Meetings Paper. Found on http://papers.ssrn.com/sol3/papers. cfm?abstract_id=1573171