مدلسازی پیش‌بینی سرایت مالی ناشی از ایجاد شوک در نهادهای سرمایه‌گذار فعال در بازار سرمایه مبتنی بر ریسک همپوشانی سبد سهام

مدلسازي پيش‌بيني سرايت مالي ناشي از ايجاد شوک در نهادهاي سرمايه­گذار فعال در بازار سرمايه مبتني بر ريسک همپوشاني سبد سهام

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

علیرضا رعیتی شوازی ^{1 *} , عباس رضایی پندری ²

1 - استادیار گروه مدیریت مالی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران. (نویسنده مسئول)
2 - دکتري مديريت، دانشکده مديريت و اقتصاد، دانشگاه تربيت مدرس، تهران، ايران

تاریخ دریافت : 1401/11/11 تاریخ پذیرش : 1403/03/29 تاریخ انتشار : 1403/04/09

کلید واژه: سرایت مالی, ریسک همپوشانی سبد سهام, شوک در نهاد مالی, تحلیل تشخیصی,

چکیده مقاله :

ريسک نگهداري دارايي¬هاي مشترک يا ريسک سبد همپوشان يکي از کانال¬هاي شکل¬گيري سرايت مالي است. با توجه به اينکه شوک در يک نهاد سرمايه گذار مي¬تواند به ساير نهادهاي سرمايه گذاري سرايت کند و زيان زيادي به آنها و کل بازارسهام وارد کند و حتي اقتصاد را دچار بحران کند، بنابراين هدف اصلي اين پژوهش ارائه مدلي براي پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه¬گذار در بورس اوراق بهادار تهران مبتني بر ريسک همپوشاني سبد سهام است. اين پژوهش از نوع پيمايشي تحليلي است که با استفاده از روش آماري تحليل تشخيصي انجام شده است. در اين راستا، بر اساس داده هاي مربوط به سبد سهام نهادهاي سرمايه¬گذار در بورس اوراق بهادار تهران يک مدل تشخيصي چند متغيره پيش بيني سرايت مالي مبتني بر شوک در نهادهاي مالي ارائه شده است. بر اساس يافته¬هاي پژوهش متغييرهاي مستقل «ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري»، «ارزش بدهي نهاد سرمايه‌گذاري» و « پيوند متقابل نهاد سرمايه‌گذاري در گروه صنعتي» به عنوان متغيرهاي پيش بيني کننده سرايت مالي مبتني ناشي از ايجاد شوک در نهاد سرمايه¬گذاري تاييد شده است. مدل¬ ارائه شده در اين پژوهش مبناي مناسبي براي پيش بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه‌گذاري و اتخاذ تدابير مناسب به منظور ايجاد ثبات در بازار سرمايه است.

چکیده انگلیسی:

The risk of maintaining shared assets or overlapping portfolios risk is one of channels that cause financial contagion. Since a shock in an investor institution can spread to other investment institutions and cause great damage to them and the entire stock market and even cause a crisis in the economy, therefore; The main goal of this research is to provide a model for predicting financial contagion caused by a shock in investor institutions in Tehran Stock Exchange based on overlapping portfolios risk. This research is an analytical survey that was conducted using the statistical method of discriminant analysis. In order to investigate the goal, based on the data related to the stock portfolio of the investing institutions in the Tehran Stock Exchange, a multi-variable discriminant model for predicting financial contagion based on shocks in financial institutions has been presented. The results indicate that "risky assets value of the investment institution", "Debt value of the investment institution" and "Degree of the investing institution portfolio" have been validated as independent variables. Supervision departments can use the models presented in this study to identify industrial groups that have a high risk of overlapping portfolios and maintain the stability of the financial system by taking appropriate decisions.

متن کامل:



نشریـه علمـی دانش مالی تحلیل اوراق بهادار  دوره 17 / شماره 61 /  بهار 1403  صفحه 184 تا 195

 

 

مدلسازي پيش‌بيني سرايت مالي ناشي از ايجاد شوک در نهادهاي سرمايه­گذار فعال در بازار سرمايه مبتني بر ريسک همپوشاني سبد سهام 

 

عليرضا رعيتي شوازي*¹

عباس رضايي پندري²

تاريخ دريافت: 11/11/1401 تاريخ پذيرش: 09/03/1402

 

چکيده

ريسک نگهداري دارايي­هاي مشترک يا ريسک سبد همپوشان يکي از کانال­هاي شکل­گيري سرايت مالي است. با توجه به اينکه شوک در يک نهاد سرمايه گذار مي­تواند به ساير نهادهاي سرمايه گذاري سرايت کند و زيان زيادي به آنها و کل بازارسهام وارد کند و حتي اقتصاد را دچار بحران کند، بنابراين هدف اصلي اين پژوهش ارائه مدلي براي پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران مبتني بر ريسک همپوشاني سبد سهام است.  اين پژوهش از نوع پيمايشي تحليلي است که با استفاده از روش آماري تحليل تشخيصي انجام شده است. در اين راستا، بر اساس داده هاي مربوط به سبد سهام نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران يک مدل تشخيصي چند متغيره پيش بيني سرايت مالي مبتني بر شوک در نهادهاي مالي ارائه شده است. بر اساس يافته­هاي پژوهش متغييرهاي مستقل «ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري»، «ارزش بدهي نهاد سرمايه‌گذاري» و « پيوند متقابل نهاد سرمايه‌گذاري در گروه صنعتي» به عنوان متغيرهاي پيش بيني کننده سرايت مالي مبتني ناشي از ايجاد شوک در نهاد سرمايه­گذاري تاييد شده است. مدل­ ارائه شده در اين پژوهش  مبناي مناسبي براي پيش بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه‌گذاري و اتخاذ تدابير مناسب به منظور ايجاد ثبات در بازار سرمايه است.

 

واژه­هاي کليدي: سرايت مالي، ريسک همپوشاني سبد سهام، شوک در نهاد مالي، تحليل تشخيصي.

---

[1]  استادیار گروه مدیریت مالی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران (نویسنده مسئول) [e-mail]

[2]  دکتري مديريت، دانشکده مديريت و اقتصاد، دانشگاه تربيت مدرس، تهران، ايران. [e-mail]

مقدمه

جهاني‌شدن، ادغام بازارهاي مالي و رشد چشمگير فناوري‌هاي مالي باعث ايجاد يک سيستم مالي درهم‌تنيده و پيچيده‌تر شدن روابط بين مؤسسات مالي (گاي، هالدن و کاپاديا¹، 2011) و شکل گيري کانال‌هاي جديد انتقال شوک بين نهادهاي مالي گرديده (برانو همکاران² ، 2021) که در ادبيات مالي با مفهوم سرايت مالي³ تعريف مي‌شود (ماي و آرينامينپاتي⁴، 2010). سرايت مالي از طريق کانال‌هاي مختلف پديدار مي‌شود که از آن جمله مي‌توان به ريسک نگهداري دارايي­هاي مشترک يا ريسک سبد‌هاي همپوشان⁵ اشاره کرد (بانوو و همکاران⁶، 2016). در يک بازار مالي پويا بر اساس جذابيت‌هاي مالي صنايع فعال و پررونق، ريسک همپوشاني سبد ايجاد و تا زمان فعال شدن انباشته مي‌شود و در يک دوره زماني خاص بروز کرده و به‌صورت منفي بر شاخص بورس تأثير مي‌گذارد. ناتواني يک يا چند شرکت كليدي در يك صنعت خاص و يا يک خبر گروهي و تأثيرگذار بر کل صنعت مي‌تواند موجب ايجاد بحران صنعت مربوطه و يا حتي کل بازار شود (رعيتي شوازي، بولو، ابراهيمي و اميري، 1398). سرايت مالي مي‌تواند نه‌فقط نهادهاي با شرايط مالي ضعيف، بلکه نهادهاي با چشم‌انداز شرايط سالم را نيز تحت تأثير اثرات دومينويي قرار دهد؛ بنابراين درک جزئيات ماهيت سرايت و انتقال بحران مالي به منظور تدوين سياست‌هايي براي حداقل­سازي انتقال بحران مالي در زمان وقوع و طراحي سيستم­هاي قانوني هماهنگ براي جلوگيري از وقوع آن از اهميت بالايي برخوردار است و به سرمايه‌گذاران در اتخاذ تصميمات مربوط به سبد سرمايه­گذاري بسيار کمک مي‌کند (بير و فراي⁷، 2009). علي­رغم تبعات گسترده سرايت مالي در بازارها و نهادهاي مرتبط، مي‌توان با تشخيص دقيق و به هنگام سرايت و مجاري آن، اين پديده را به‌خوبي مديريت نمود و تبعات مالي آن را تا حد زيادي کاهش داد. پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه گذاري در بازار سرمايه مي‌تواند براي گروه کثيري از ذينفعان و فعالان بازار سرمايه شامل نهادهاي نظارتي در حوزه مالي ازجمله وزارت امور اقتصاد و دارايي، بيمه مرکزي، بانک مرکزي، صندوق ضمانت سپرده‌ها و سازمان بورس و اوراق بهادار و همچنين سرمايه‌گذاران، تحليلگران، ضامنين و مديران سبد نهادهاي سرمايه‌گذاري مفيد و مثمر ثمر ‌باشد. بنابراين با توجه به اهميت سرايت مالي ناشي از شوک در نهادهاي سرمايه گذاري در بازار سرمايه و خلاء نظري در زمينه سنجش آن، ارائه مدلي براي سنجش و پيش‌بيني سرايت مالي مبتني بر ريسک همپوشاني سبد سهام ناشي از شوک در نهادهاي سرمايه گذاري ضروري است. 

سرايت مالي ناشي از ريسک سيستمي⁸ (هوانگ، اين و کيم⁹، 2010؛ دستخان و شمس قرانه، 1396)، ريسک اعتباري (آرينامينپاسي، کاپاديا و ماي¹⁰ 2012)، ارتباط يا همبستگي سرايت مالي با ساير متغيرهاي مالي (زماني، سوري و ثنايي، 1389 ؛ کاسيولي، شريستا، مور و فارمر¹¹، 2014؛ چنگ، هو و ليائو¹²  2017) و ابعاد سرايت مالي سرايت مالي ناشي از ريسک همپوشاني سبدسهام (کاسيولي، فارمر، فوتي و راکمور¹³ 2015؛ رعيتي شوازي و همکاران 1398) در پژوهش­هاي قبلي مورد مطالعه قرار گرفته است. باباجاني، بولو و غزالي (1397) ريسک سيستمي را به‌عنوان يکي از کانال‌هاي انتقال سرايت مالي مدل‌سازي و مدل سنجش و پيش‌بيني ريسک سيستمي در بورس اوراق بهادار تهران  را ارائه داده‌اند.

مباني نظري 

به‌طورمعمول سرايت مالي عامل مشترک در آشفتگي همه بازارهاي مالي است که نظريه‌پردازان اقتصادي آن را به‌عنوان بازتاب نقش سرمايه‌گذاران و ماهيت بخش خدمات مالي توصيف مي­کنند  (ما و همکاران¹⁴، 2021). سرايت مالي موجب تصميمات گروهي سرمايه‌گذاران، عدم تقارن اطلاعاتي، تعادل سبد و محدوديت‌هاي ثروت مي­شود (بير و فراي، 2009).  سرايت مالي به گسترش بحران‌هاي مالي از يک شرکت، بازار، گروه دارايي يا منطقه جغرافيايي اشاره دارد(بير، 2012) و نشان‌دهنده اختلال، نقص و يا بيماري مالي است (کالب¹⁵، 2011).

معمولا فعالان بازارهاي مالي، سرايت مالي را در دوره‌هاي بحران مالي و هنگام تحليل‌هاي گسترده نظري سرايت مالي درک مي‌کنند  (بنکرايم و همکاران¹⁶، 2022)؛ بنابراين بررسي تجربي آن سخت است. حتي امروزه، اجماع اندکي در خصوص تعريف تجربي سرايت مالي وجود دارد. مسئله وجود سرايت مالي در رابطه با بحران مالي، مربوط به تعريف آماري سرايت مالي و شيوه اندازه­گيري آشفتگي‌هاي بازاري است. با مطالعات تجربي اخير، به‌طورکلي سرايت مالي به نوسان نرخ ارز، قيمت سهام و جريان‌هاي سرمايه در يک بازار، درنتيجه بحران مالي در بازار ديگر تعريف مي‌شود. بر اين اساس، سرايت مالي به توسعه شوک‌هاي بازار از يک نقطه‌به‌نقطه ديگر اشاره دارد (هوانگ و همکاران، 2010). اصطلاح سرايت که به طور معمول در مقابل وابستگي متقابل مورداستفاده قرار مي­گيرد، بيانگر اين است که در طول بحران‌هاي مالي ممکن است شکست يا ناهنجاري در سازوکار انتقال بين‌المللي رخ دهد که اين ناهنجاري انعکاسي از تغييرات در تعادل­هاي چندگانه، ترس غيرمرتبط با مسائل بنيادي بازار و نيز حرکات رمه­وار¹⁷ سرمايه­گذاران است (کارستي، پريسولي و سبراکيا¹⁸، 2005).

سرايت مالي از طريق کانال‌هاي مثل؛ ريسک سيستمي¹⁹، ريسک چرخشي²⁰ و ريسک نگهداري دارايي­هاي مشترک و به عبارت بهتر ريسک سبد‌هاي همپوشان پديدار (کاسيولي و همکاران، 2014)، ريسک­ سيستمي و ريسک چرخشي متاثير از وام­دهي و روابط بين نهادهاي مالياست. ريسک سيستمي زماني به وجود مي­آيد که ناتواني نهاد مالي ورشکسته در پرداخت بدهي­ها و تعهدات خود موجب انتقال وضعيت آشفته به ساير نهادهاي مالي سوق دادن آنها به گرداب ورشکستگي سوق گردد. ريسک چرخشي نيز زماني پديدار مي‌شود که مؤسسات مالي، به وام­هاي کوتاه‌مدت جهت تأمين نقدينگي خود وابسته بوده و در مقابل، به دليل آشفتگي مالي اين مؤسسات، اعتباردهندگان از اعطاي اعتبار به آن‌ها امتناع مي‌کنند؛ بنابراين، آن‌ها نيز قادر به اعتباردهي نخواهند بود و درنتيجه تحت‌فشار قرارگرفته و نهايتاً دچار ورشکستگي مي­شوند (گاي و همکاران، 2011).

بسياري از بحران‌هاي مالي در ابتدا توسط بحران در يک بخش خاص ايجاد مي‌شود و پس‌ازآن به بخش‌هاي ديگر سرايت نموده و درنتيجه منجر به ايجاد بحران در کل اقتصاد مي‌شود. در اين حالت چنانچه شرکتي کليدي در يک صنعت خاص دچار شکست شود، باعث مي‌شود آن صنعت نيز دچار بحران شود. سرايت مالي ناشي از همپوشاني سبد، از طريق نگهداري دارايي­هاي مشترک ايجاد مي‌شود (بيال²¹ و همکاران، 2011؛ ماي و آرينامينپاتي، 2010). براي تشريح سرايت مالي مبتني بر ريسک همپوشاني، شبکه‌اي از نهادهاي سرمايه­گذاري (N نهاد سرمايه‌گذار) و گروه‌هاي صنعتي (M گروه صنعتي) در نظر گرفته مي‌شود؛ با سرمايه‌گذاري نهادهاي سرمايه­گذار در گروه‌هاي صنعتي، پيوند بين نهادهاي سرمايه­گذار و گروه‌هاي صنعتي برقرار مي‌شود. سرايت مالي مي‌تواند زماني پديد آيد که واسطه‌هاي مالي از شوك­هاي نامطلوب واردشده بر وضعيت پرتفوي خود زيان مي­بينند به‌طوري‌که ارزش پرتفوي آن‌ها پايين­تر از آستانه تحمل ريسک آن‌ها قرار مي­گيرد (گرامپ و واياناس²²، 2002) و ايجاد توازن مجدد در پرتفوي سرمايه­گذار مي‌تواند به‌عنوان کانال انتقال بحران عمل نمايد (برونر، گلوس و رينهارت²³، 2006). درصورتي‌که نوسانات قيمت در يک گروه صنعتي، باعث آشفتگي يک نهاد سرمايه­گذاري شود، منتج به پديده «فروش آتشين²⁴» در آن گروه صنعتي توسط نهاد سرمايه­گذاري مذکور شده و اين پديده، کاهش قيمت آن دارايي را تشديد مي‌کند. اين کاهش قيمت، ساير نهادهاي صاحب آن گروه صنعتي را تحت تأثير قرار داده و آشفتگي مالي آن‌ها را رقم مي‌زند و باعث ايجاد يک سيکل فروش و افت مضاعف قيمت در آن گروه صنعتي مي‌شود. همچنين روابط بين گروه­هاي صنعتي مختلف را تحت تأثير قرار داده و بحران را تشديد مي‌کند (کنت و واگالاس²⁵، 2013). پديده همپوشاني سبد سهام متاثر از حجم سرمايه گذاري نهادهاي مالي در گروه صنعتي، تنوع سرمايه گذاران در يک گروه بورسي و تعداد پيوندهاي متقابل نهاد سرمايه‌گذاري و گروه صنعتي است (کاسيولي و همکاران، 2014). حتي سبدهاي با تنوع بالا نيز دچار ريسک متناظر با سقوط کل بازار مي‌شوند (شئو و چنگ²⁶، 2012). بنابراين سرايت مالي مبتني بر ريسک همپوشاني را مي توان ناشي شوک به گروه صنعتي در نظر گرفت (کاسيولي و همکاران، 2014). شوک اوليه به نهاد سرمايه گذاري، که بيانگر کاهش ناگهاني ارزش سبد يک يا چند نهاد مالي است و تاثير شوک وارد شده بر نهادهاي مالي ديگر اندازه­گيري مي­شود. در ايران تاثير اين شوک ها بوسيله شبيه سازي مونت کارلو سنجيده شده است (رعيتي شوازي و همکاران، 1398)، (رعيتي شوازي و همکاران، 1400) ولي مدلسازي کلاسيک اين پديده علمي در اين تحقيق انجام مي گيرد.

روش پژوهش

اين پژوهش از حيث هدف، پژوهشي بنيادي است که با استفاده از نتايج آن مي‌توان عوامل موثر بر سرايت‌پذير بودن نهادهاي سرمايه‌گذاري فعال در بازار سرمايه را شناسايي و تبيين کرد. همچنين ازلحاظ روش انجام در زمره پژوهش‌هاي پيمايشي – تحليلي قرار دارد. پيمايشي- تحليلي بودن آن به اين دليل است که علاوه بر توصيف وضعيت موجود به آزمون فرضيه‌ها مي‌پردازد و براي تعيين تأثيرگذاري متغيرها از روش آمار استنباطي تحليل تشخيصي استفاده مي‌کند (کرسول و کرسول²⁷، 2017).

تحليل تشخيصي را ميتوان به دو روش هم­زمان و گام به گام انجام داد. در روش هم‌زمان تمام متغيرهاي مستقل وارد مدل مي‌شود و بر اساس شاخص‌هاي برازش مدل مي‌توان متغيرهايي که معني‌دار نيستند را حذف کرد اما در روش گام‌به‌گام، متغيرهاي مستقل برحسب توانايي تفکيک خود وارد مدل مي‌شود به عبارتي ابتدا متغيري که بيشترين قدرت تفکيک دارد وارد مدل مي‌شود و در گام بعدي متغيري وارد مدل مي‌شود که قدرت تشخيص مدل را بهبود مي‌بخشد. با به دست آمدن ضرايب هر يک از متغيرهاي مستقل ترکيب خطي تابع تشخيصي تعريف مي‌شود. قبل از اجراي هر کدام از اين روشها لازم است پيشفرضهاي مربوط به امکان اجراي تحليل تشخيصي بررسي شود. در اين پژوهش براي آزمون مدل و فرضيات پژوهش از روش تحليل تشخيصي گام‌به‌گام استفاده‌شده است. جامعه آماري پژوهش حاضر، کليه نهادهاي سرمايه‌گذاري فعال در بازار سرمايه ايران است که طبق ماده شش اساسنامه کانون نهادهاي سرمايه‌گذاري ايران شامل کليه شرکت‌هاي سرمايه‌گذاري، شرکت‌هاي هلدينگ، صندوق‌هاي سرمايه‌گذاري مشترک و صندوق‌هاي بازنشستگي است. در پژوهش حاضر داده‌هاي کليه نهادهاي سرمايه‌گذاري که سبد بورسي داشته و اطلاعات مربوط به سبد آن‌ها در معرض ديد عموم قرارگرفته شده است، موردبررسي قرارگرفته است؛ که شامل 204 نهاد سرمايه‌گذاري است و اطلاعات مربوط به دو سال 99 و 1401 آن‌ها در طراحي  و آزمون مدل مورداستفاده قرارگرفته است. با توجه به هدف پژوهش مبني بر ارائه مدلي براي پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران مبتني بر ريسک همپوشاني سبد سهام ، سؤالات اين پژوهش به اين صورت مطرح مي‌شود:

مدل پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران چگونه است؟

متغيرهاي مستقل مدل تحليل تشخيصي پيش‌بيني سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران کدام اند؟

با توجه به سؤال پژوهش و اين موضوع که سرايت مالي مبتني بر ريسک همپوشاني سبد مي­تواند ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه ايجاد شود، بنابراين فرضيه­هاي پژوهش عبارت‌اند از:

فرضيه اصلي: مدل مبتني بر تحليل تشخيصي توانايي پيش‌بيني سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه را دارد.

·       فرضيه فرعي اول: ارزش دارايي‌هاي ريسکي نهاد مالي (Y1)  بر سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

·       فرضيه فرعي دوم: ارزش بدهي نهاد مالي (Y2) بر سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

·       فرضيه فرعي سوم: ارزش حقوق صاحبان سهام تعديلي نهاد مالي(Y3) بر سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

·       فرضيه فرعي چهارم: ارزش نقدينگي نهاد مالي (Y4) بر سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

·       فرضيه فرعي پنجم: پيوند متقابل نهاد سرمايه‌گذاري در گروه صنعتي (Y5)  بر سرايت مالي ناشي از شوک در نهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

·       فرضيه فرعي ششم: پيوند متقابل گروه هاي صنعتي سرمايه گذاري شده توسط نهاد مالي (Y6) )  بر سرايت مالي ناشي از شوک در نهادهاي سرمايه گذار در بازار سرمايه معني‌دار است.

تشخيصي عمدتاً وقتي مورداستفاده قرار مي‌گيرد که قصد داشته باشيم بين دو گروه تفکيک قائل شويم، اين دو گروه در بحث‌هاي اقتصادي، مالي و بازرگاني مي‌تواند شامل شرکت‌هاي خوب و بد، مؤسسات ورشکسته و غير ورشکسته و ... مورداستفاده قرار گيرد (آذر و خديور، 1395) با توجه به هدف پژوهش و ماهيت متغير وابسته، جهت تمايز بين نهادهاي سرمايه‌گذاري با سرايت مالي و عدم سرايت مالي از تحليل تشخيصي استفاده‌شده است.

متغير وابسته پژوهش سرايت يا عدم سرايت مالي نهادهاي سرمايه‌گذاري (CP) است. در اين تحقيق سرايت مالي بيانگر ايجاد درماندگي در حداقل يک نهاد سرمايه‌گذاري ناشي از درماندگي مالي در يکي از گروه هاي صنعتي است و عدم سرايت مالي عدم درماندگي ساير نهادهاي سرمايه‌گذاري در صورت درماندگي در آن گروه صنعتي تعريف‌شده است. براي بررسي شوک در نهادهاي سرمايه گذاري يعني برقراري شرايطي براي کاهش ارزش يا به عبارتي ورشکستگي نهادهاي سرمايه‌گذاري از متغيرهاي مستقل جمع ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري (Y1)، جمع ارزش بدهي نهاد سرمايه‌گذاري (Y2)، جمع ارزش حقوق صاحبان سهام تعديلي نهاد سرمايه‌گذاري (Y3)، جمع ارزش نقدينگي نهاد سرمايه‌گذاري (Y4)، پيوند متقابل نهاد سرمايه‌گذاري در گروه صنعتي (Y5) و پيوند متقابل گروه هاي صنعتي سرمايه گذاري شده توسط نهاد مالي (Y6) استفاده‌شده است. مقدار متغير Y5 از تقسيم جمع تنوع نهادهاي سرمايه‌گذاري که در گروه صنعتي سرمايه‌گذاري کرده‌اند به تعداد نهادهاي مالي که در آن گروه سرمايه‌گذاري کرده‌اند به دست مي‌آيد. مقدار متغير Y6، از تقسيم جمع تنوع گروه­هاي صنعتي که توسط آن نهاد سرمايه­گذاري شده‌اند به تعداد گروه سرمايه‌گذاري شده توسط آن نهاد به دست مي­آيد(رعيتي شوازي و همکاران، 1398). تعداد گروه‌هاي صنعتي موجود در سبد هر نهاد سرمايه­گذاري که بيانگر تعداد پيوندهاي متقابل است، تنوع سبد آن نهاد سرمايه‌گذاري  است . تعداد نهاد سرمايه گذار در هر گروه صنعتي که بيانگر تعداد پيوندهاي متقابل است، تنوع گروه­هاي صنعتي که توسط آن نهاد سرمايه­گذاري شده‌اند را مشخص مي کند(کاسيولي و همکاران، 2014). داده­هاي پژوهش عبارت است از داده‌هاي متناظر با مؤلفه­هاي شناسايي‌شده در اين پژوهش که براي تمامي نهادهاي سرمايه‌گذاري در دسترس در بازار سرمايه ايران، استخراج‌شده است. براي احصاء داده‌هاي موردنياز جهت سنجش مدل (ارزش سهام موجود در سبد، ميزان بدهي، جمع حقوق صاحبان سهام و ميزان دارايي جاري باقابليت نقد شوندگي بالاي نهادهاي سرمايه‌گذاري) از نرم‌افزار ره‌آورد نوين و ساير داده‌هاي گزارش‌شده از طريق شرکت‌هاي نرم‌افزاري ارائه‌دهنده خدمات نرم‌افزاري به کارگزاري ها در بازار سرمايه، وب‌سايت شرکت مديريت فناوري بورس تهران و سامانه کدال اخذ شده است.

داده واقعي براي سرايت مالي مبتني بر ريسک همپوشاني سبد در دسترس نيست، مقدار اين متغير براي هر نوع از شوک­ها از طريق الگوريتم زير (کاسيولي و همکاران، 2014) و با استفاده از برنامه نويسي در محيط R محاسبه شده است (رعيتي شوازي و همکاران، 1398):

1.       معرفي يک شوک اوليه در سيستم

2.       نقد کردن سبد نهاد سرمايه­گذاري ناتوان

3.       ارزيابي مجدد ارزش گروه‌هاي صنعتي

4.       درصورتي‌که نهاد جديدي ناتوان شود، بازگشت به مرحله 2 و در غير اين صورت توقف فرايند 

لازم به ذکر است که نهاد سرمايه­گذاري جديدي در طول فرايند به سيستم اضافه نمي­شود و درصورتي‌که يک نهاد سرمايه­گذار در طول فرايند درمانده اعلام شود، در ادامه فرايند کنار گذاشته مي‌شود. بررسي پيش فرضهاي تحليل تشخيصي بيانگر اين است که؛ براساس نتايج آزمون همبستگي متغييرهاي مستقل، شدت ارتباط خطي ميان متغيرهاي مستقل ارتباط چندان قوي را نشان نمي‌دهد بنابراين ميتوان از متغييرها در مدل تشخيصي استفاده کرد. يکي ديگر از پيش‌فرض‌هاي تحليل تشخيصي، آزمون يکساني ماتريس کوواريانس گروه‌ها است. اين آزمون از طريق آزمون ام­باکس²⁸ موردبررسي قرارگرفته است، با توجه به پذيرش ناهمساني ماتريس کوواريانس گروه‌ها، اجراي روش تحليل تشخيصي مبتني بر روش نابرابري ماتريس کوواريانس گروه‌ها انجام‌گرفته است. به‌منظور تائيد نهايي صحت طبقه‌بندي گروه‌هاي صنعتي موردبررسي و درواقع معني‌داري تفاوت مقادير متغيرهاي مستقل براي سطوح متغير وابسته از شاخص ويلکس لامبدا استفاده‌شده است.

يافته‌ها

براي استفاده از روش تحليل تشخيصي متغير وابسته پژوهش (CP) به يک متغير کيفي با دو سطح (سرايت مالي و عدم سرايت مالي) تقسيم‌شده است. به‌منظور بررسي مناسب بودن متغييرهاي مستقل و درواقع معني‌داري تفاوت مقادير متغيرهاي مستقل براي سطوح متغير وابسته از شاخص ويلکس لامبدا استفاده‌شده است. سطح تحت پوشش آماره ويلکس لامبدا (جدول 1) نشان داد که در سطح اطمينان 95% ميانگين براي متغيرهاي Y1، Y2، Y3 و Y5 در سطوح متغير وابسته با هم اختلاف معني‌داري دارد و اين متغيرها مي‌توانند وارد مدل شوند درحالي‌که براي متغيرهاي Y4 و Y6 فرض برابري ميانگين در سطوح متغير وابسته تائيد مي‌شود و اين متغيرها براي ورود به مدل مناسب نيستند.

 

---

[1]  .Gai, Haldane, & Kapadia

[2]  . Braun, Krampf, & Murau

[3] 1. Financial Contagion

[4]  . May & Arinaminpathy

[5] .Overlapping Portfolios

[6] . Banwo, Caccioli, Harrald, & Medda

[7]  . Baur & Fry

[8]  . Systematic Risk

[9]  . Hwang, In, & Kim

[10]  .Arinaminpathy, Kapadia, & May

[11]  . Caccioli, Shrestha, Moore, & Farmer

[12] . Cheng, Wu, & Liao

[13]  .Caccioli, Farmer, Foti, & Rockmore

[14]  . Ma, Zhu, & Wu

[15]  .Kolb

[16] . Benkraiem, Garfatta, Lakhal, & Zorgati 

[17]  .Herd Movements

[18]  . Corsetti, Pericoli, & Sbracia

[19]  .Counterparty Risk

[20]  .Roll-Over Risk

[21]  .Beale

[22]  .Gromb & Vayanos

[23]  .Broner, Gelos, & Reinhart

[24]  .Fire Sale

[25]  .Cont & Wagalath

[26]  .Sheu & Cheng

[27]  .Creswell

[28] . Box's M

 

جدول(1) آزمون برابري ميانگين دو گروه متغير وابسته مدل سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار

متغيرهاي مستقل	شاخص ويلکس لامبدا	آماره F	درجه آزادي1	درجه آزادي2	سطح معني‌دار
Y1	605/0	506/265	1	406	000/0
Y2	943/0	52/24	1	406	000/0
Y3	818/0	376/90	1	406	000/0
Y4	1	199/0	1	406	655/0
Y5	985/0	998/5	1	406	015/0
Y6	989/0	551/4	1	406	033/0

 

 براي آزمون مدل از روش تحليل تشخيصي گام‌به‌گام استفاده‌شده است. در سه مرحله، متغيرهاي Y1، Y2 و Y5 وارد مدل شده‌اند و يک تابع تشخيصي کانوني براي سرايت مالي در اثر شوک در نهادهاي سرمايه گذار در بازار سرمايه شناسايي‌ شدکه شاخص‌هاي آن (جدول 2) بيانگر اين است که اين تابع 6/71 درصد از کل واريانس را تبيين مي‌نمايد.

 

جدول (2) شاخص‌هاي تابع تشخيصي کانوني و آزمون معناداري مدل سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار

ارزش ويژه	همبستگي کانوني	آزمون ويلکس لامبدا	آماره کاي دو	درجه آزادي	سطح معني‌داري
055/1	716/0	487/0	294/291	3	000/0

 

علاوه بر شناسايي متغيرهاي مهم در الگوي تشخيصي، معني‌داري کل تابع با توجه به اين متغيرها بايد مورد آزمون قرار گيرد. نتايج آزمون معناداري (جدول 2) نشان مي‌دهد که مقداري آماره آزمون کاي دو 294/291 است که در سطح اطمينان 95% معني‌دار بوده و نشان از معني‌داري کل تابع تشخيصي مي‌دهد، همچنين ميانگين دو گروه عدم سرايت مالي و سرايت مالي در حضور متغيرهاي Y1، Y2 و Y5 متفاوت است و اين تابع توانسته 7/51 درصد (487/0-1) از کل تغييرات ميان اين دو گروه را تبيين کند. چون در اجراي تحليل تشخيصي به طور معمول متغيرهايي از واحدها و مقياس‌هاي متفاوت داريم، براي تعيين سهم نسبي هر يک از آن‌ها از ضرايب استانداردشده استفاده مي‌شود. جدول (3) ضريب استانداردشده متغيرهاي مستقل را در مدل و همبستگي هرکدام از آن‌ها با تابع تشخيصي را نشان مي‌دهد.

 

جدول (3) ضرايب متغيرهاي مستقل و همبستگي آن‌ها با تابع تشخيصي سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار

متغير مستقل	ضريب استانداردشده	همبستگي با تابع تشخيصي
Y1	512/1	787/0
Y2	899/0-	239/0
Y5	209/0	118/0

 

در جدول (3) ميزان همبستگي ميان هر متغير مستقل با تابع تشخيصي، معادل بارهاي عاملي در آناليز عاملي هستند. هرچه مقدار اين اعداد به يک نزديک‌تر باشد، نشان از نقش مؤثرتر آن متغير در تابع تشخيصي دارد. همان‌طور که مشاهده مي‌شود متغيرهاي Y1، Y2 و Y5 نقش مؤثري در مدل تشخيصي ارائه‌شده دارد. هرچند بارهاي تشخيصي معيار مناسبي براي توان تشخيصي مدل هستند اما مي‌توان از وزن‌هاي تشخيصي براي اهداف مقايسه استفاده کرد. اين وزن‌ها چه استانداردشده و چه غير استانداردشده سهم هر متغير را در تابع تشخيص نشان مي‌دهند. در حالت استانداردشده متغيرهاي Y1، Y2 و Y5 بيشترين وزن تشخيص را در معادله تشخيص به خود اختصاص داده‌اند و مدل تشخيصي سرايت مالي در اثر شوک نهادهاي سرمايه گذار در بازار سرمايه به‌صورت مدل (1) تعريف مي‌شود.

CP=1.512×Y1-0.899×Y2+0.209×Y5+e (مدل 1)

پرسش ديگري که بايد به آن جواب داد اين است که تا چه حد مي‌توان بر اساس مدل (1)، رفتار سرايت مالي در نهادهاي سرمايه­گذاري را پيش‌بيني نمود يا به‌عبارت‌ديگر اعتبار مدل ارائه‌شده چقدر است؟ براي اعتبار سنجي مدل تحليل تشخيصي با استفاده از ميانگين درون‌گروهي تابع تشخيصي برحسب سطوح متغيرهاي وابسته مقدار امتياز برش محاسبه مي‌شود. با توجه به اينکه براي مدل (1) ميانگين براي گروهي که سرايت مالي نداشتند 233/0- است درحالي‌که اين مقدار براي گروه داراي سرايت مالي 512/4 است و ازآنجاکه از مجموع 408 مشاهده 388 مشاهده مربوط به گروه اول و 20 مشاهده مربوط به گروه دوم است، با فرض اينکه اين مشاهدات نمونه‌اي از جامعه هستند، امتياز برش به‌صورت زير محاسبه مي‌شود:

Zcs=(233/0-×388)+ (512/4×20)/(388+20)=0

با مقايسه امتياز تشخيصي محاسبه‌شده براي هر مشاهده به‌وسيله مدل (1) با امتياز برش، هر مشاهده طبقه‌بندي مي‌شود. رويکرد طبقه‌بندي به اين صورت است که اگر امتياز تشخيص از صفر (امتياز برش) کمتر باشد، آن مشاهده در گروه عدم سرايت مالي طبقه‌بندي مي‌شود و اگر امتياز تشخيص از صفر (امتياز برش) بيشتر باشد آن مشاهده در گروه سرايت مالي طبقه‌بندي مي‌شود. ماتريس‌هاي طبقه‌بندي براي مشاهدات هر دو نمونه و طبقه‌بندي اصلي در جدول (4) نشان داده‌شده است.

 

جدول (4) اعتبارسنجي مدل  تشخيصي سرايت مالي در اثر شوک در نهادهاي سرمايه گذار در بازار سرمايه

شرح		احتمال سرايت	عضويت گروه پيش‌بيني‌شده
			عدم سرايت مالي	سرايت مالي
سرايت مالي	تعداد	عدم سرايت مالي	384	4
		سرايت مالي	8	12
	درصد	عدم سرايت مالي	99	1
		سرايت مالي	40	60

 

بر اساس جدول (4) صحت پيش‌بيني نمونه تحليلي و نمونه اعتبار سنجي شده متقاطع، مدل (1) درستي 1/97 درصد دارد. ابزار اوليه اعتبار سنجي از طريق به‌کارگيري نمونه کنترل و ارزيابي درستي پيشگويي آن نشانگر اين است که عمليات تشخيص در سطح عالي قابل‌پذيرش است، اما با توجه به اينکه نمونه‌هاي کنترل از نمونه اوليه به‌دست‌آمده است اين رويکرد اعتبار دروني را ايجاد مي‌کند و براي تحليل اعتبار بيروني بايد نمونه‌هاي اضافي از جامعه مرتبط انتخاب شود.

بحث و تحليل يافته­ها

نتايج آزمون معناداري مدل سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذاري (جدول 2) بيانگر اين است آزمون ويلکس لامبدا در سطح معناداري 5% معني‌دار بوده و نشان­دهنده معني‌داري کل تابع تشخيصي است. بنابراين فرضيه اصلي پژوهش (مدل مبتني بر تحليل تشخيصي توانايي پيش‌بيني سرايت مالي ناشي از شوک درنهادهاي سرمايه گذار در بازار سرمايه را دارد) تاييد مي­شود. همچنين اعتبارسنجي مدل تشخيصي سرايت مالي در اثر شوک در نهادهاي سرمايه گذار در بازار سرمايه (مدل 1) بيانگر اين است که عمليات تشخيص در سطح عالي قابل‌پذيرش است. آزمون برابري ميانگين دو گروه متغير وابسته مدل سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار (جدول 1) و برازش مدل تحليل تشخيصي به روش گام به گام بيانگر اين تاييد فرضيه­هاي فرعي اول، دوم و پنجم مي باشد و متغيرهاي جمع ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري (Y1)، جمع ارزش بدهي نهاد سرمايه‌گذاري (Y2) و پيوند متقابل نهادهاي سرمايه­گذار در گروه صنعتي (Y5)  در سطح معناداري 5% بر سرايت مالي ناشي از شوک در نهادهاي سرمايه گذار در بازار سرمايه تاثيرگذار هستند. اين سه متغير مهمترين متغيرها در تمايز سرايت مالي ناشي از شوک در نهادهاي سرمايه­گذار در بازار سرمايه بوده و با استفاده از مدل (1) مي­توان بخش عمده­اي از سرايت مالي ناشي از شوک در نهادهاي سرمايه گذار در بازار سرمايه را پيش­بيني کرد.

نتيجه­گيري و پيشنهادها

اين پژوهش با هدف ارائه مدل پيش‌بيني سرايت مالي ناشي از ايجاد شوک در نهادهاي سرمايه گذار در بازار سرمايه بر اساس داده­هاي مربوط به سبد نهادهاي سرمايه‌گذار در بورس اوراق بهادار تهران انجام‌شده است. ارائه مدلي براي پيش‌بيني سرايت مالي مبتني بر ريسک همپوشاني سبدسهام که قابليت تفکيک نهادهاي سرمايه­گذاري ازنظر سرايت­پذيري مالي دارد از نوآوري­هاي اين پژوهش است. براي پيش‌بيني سرايت مالي براثر شوک نهادهاي سرمايه گذار در بازار سرمايه يعني برقراري شرايطي براي کاهش ارزش يا به عبارتي ورشکستگي نهادهاي سرمايه گذار در بازار سرمايه از متغيرهاي؛ جمع ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري (Y1)، جمع ارزش بدهي نهاد سرمايه‌گذاري (Y2)، جمع ارزش حقوق صاحبان سهام تعديلي نهاد سرمايه‌گذاري (Y3)، جمع ارزش نقدينگي نهاد سرمايه‌گذاري (Y4)، پيوند متقابل نهادهاي سرمايه­گذار در گروه صنعتي (Y5) و پيوند متقابل گروه هاي صنعتي سرمايه گذاري شده توسط نهاد مالي (Y6) استفاده‌شده است. در مدل نهايي (مدل 1) سه متغير Y1، Y2 و Y5 به‌عنوان متغيرهاي پيش‌بيني کننده سرايت مالي ناشي از شوک نهادهاي سرمايه گذار در بازار سرمايه در مدل تحليل تشخيصي باقي‌مانده است و مدل بر اساس آن‌ها تعريف‌شده است. اعتبارسنجي مدل نهايي بيانگر اين است که اين مدل 1/97 درصد قابليت تفکيک سرايت‌پذيري مالي در نهادهاي سرمايه­گذار در بورس اوراق بهادار تهران را دارد. مدل (1) نشان مي‌دهد با افزايش جمع ارزش دارايي‌هاي ريسکي نهاد سرمايه‌گذاري (Y1) احتمال سرايت در کل سيستم مالي افزايش مي‌يابد، يا به عبارتي زماني که يک نهاد مالي بين دارايي‌هاي خود، دارايي‌هاي ريسکي (سرمايه‌گذاري در سهام بورسي) رقم قابل‌توجهي را به خود اختصاص دهد احتمال اينکه ناقل سرايت يا پذيرنده سرايت باشد و درماندگي دفعي آن منجر به رخ دادن سرايت در سيستم مالي شود، بيشتر است. با توجه به اينکه ارزش بدهي جاري در نهادهاي سرمايه‌گذاري عدد قابل‌توجهي نبوده و عمده بدهي‌هاي اين شرکت‌ها در صورت وجود در بدهي‌هاي بلندمدت قرار مي‌گيرند، جمع ارزش بدهي نهاد سرمايه‌گذاري (Y2) با احتمال سرايت رابطه منفي دارد و اين رابطه نيز قابل توجيه است. پيوند متقابل نهاد سرمايه‌گذاري در گروه صنعتي (Y5) نيز نشانگر ارتباطات بيشتر در شبکه مالي است و با افزايش اين متغير، احتمال درماندگي نهادهاي مالي مذکور و تحقق سرايت افزايش مي‌يابد و هم‌جهتي رابطه اين متغير و احتمال سرايت توجيه‌پذير است. استفاده از روش‌هاي جديد براي سنجش ريسک با رويکرد تأمين امنيت کل سيستم و جلوگيري از بحران مالي، رويکرد جديدي است که بر امنيت کل سيستم و روابط متقابل سبد‌هاي همه نهادهاي سرمايه‌گذاري تمرکز مي­کند. بر اساس معيارهاي سنجش و پيش‌بيني سهم ريسک همپوشاني سبدسهام، بخش‌هاي نظارتي مي‌توانند نهادهاي سرمايه‌گذاري که ريسک همپوشاني سبد بالايي دارند را ارزيابي نموده و درنتيجه ثبات سيستم مالي را حفظ نمايند. علاوه بر اين، هنگامي‌که ريسک از سطح مشخصي تجاوز کند، بخش‌هاي نظارتي مالي قادر خواهند بود تا با اتخاذ اقدامات نظارتي، مانند بالا بردن سرمايه موردنياز، افزايش الزامات مربوط به نقدينگي و تقويت مديريت ساختار زماني به‌صورت بين دوره‌اي، به‌منظور اجتناب از خسارات عظيم به سرمايه‌گذاراني که در يک گروه صنعتي پذيرنده ريسک، سرمايه‌گذاري زيادي کرده‌اند و حتي سهامداران نهادهاي سرمايه‌گذاري در معرض ريسک و يا به‌منظور جلوگيري از وقوع يک بحران مالي گسترده‌تر، اقدام نمايند. لذا پيشنهاد مي­شود، مقامات ناظر شامل وزارت امور اقتصاد و دارايي، مجلس شوراي اسلامي، بانک مرکزي، سازمان بورس و اوراق بهادار، صندوق تثبيت بازار سرمايه و صندوق سرمايه‌گذاري مشترک توسعه بازار سرمايه از روش­هاي ارائه‌شده در اين پژوهش جهت سنجش و پيش‌بيني سرايت مالي ناشي از شوک در  نهادهاي سرمايه‌گذاري در معرض ريسک همپوشاني سبد سهام، اقدام نمايند. مدل­هاي ارائه‌شده در اين پژوهش قابليت پيش‌بيني سرايت مالي مبتني بر ريسک همپوشاني سبدسهام را دارد، پيشنهاد مي‌شود در پژوهش‌هاي آينده سرايت مالي در کل شبکه اجزا نظام مالي جهت تحليل انواع ريسک‌ها و اجزا سيستم‌هاي مالي مورد تحليل قرار گيرد.

منابع:

آذر، عادل و خديور، آمنه (1395). کاربرد تحليل آماري چند متغيره در مديريت. تهران. انتشارات نگاه دانش.

باباجاني، جعفر، بولو، قاسم، غزالي، امين. (1397). ارائه چارچوبي جهت سنجش و پيش‌بيني ريسک سيستمي با رويکرد ريزش مورد انتظار نهايي (MES) در بازار سرمايه ايران. راهبرد مديريت مالي، 6(3)، 1-29.

دستخوان، حسين، شمس قارنه، ناصر. (1396). مقايسه شاخص‌هاي ارزيابي ريسک سيستمي در شبکه‌هاي مالي: شناسايي شرکت‌هاي مهم از نظر سيستمي در بازار بورس تهران. مدلسازي ريسک و مهندسي مالي، 2(1)، 1-21.

زماني، شيوا، سوري، داوود، ثنائي اعلم، محسن. (1389). بررسي وجود سرايت بين سهام شرکت‎ها در بورس اوراق بهادار تهران با استفاده از يک مدل ديناميک چندمتغيره. تحقيقات اقتصادي، 4 (45)، 54-29.

رعيتي شوازي، عليرضا، بولو، قاسم، ابراهيمي سرو عليا، محمدحسن، اميري، مقصود. (1398)، "تحليل پايداري مدل سنجش سرايت مالي مبتني بر همپوشاني پرتفوي بر اساس شبيه سازي مونت کارلو"، فصلنامه علمي و پژوهشي مطالعات حسابداري مالي, دانشگاه علامه طباطبائي، شماره63، پاييز 98، ص 25-1.

رعيتي شوازي، عليرضا، بولو، قاسم، ابراهيمي سرو عليا، محمدحسن، اميري، مقصود. (1400)، "سرايت مالي مبتني بر ريسک همپوشاني پرتفوي در گروه هاي صنعتي بورس اوراق بهادار تهران"، فصلنامه علمي و پژوهشي راهبرد مالي, دانشگاه االزهرا، دوره 9، شماره 3 - شماره پياپي 34، پاييز 1400، صفحه 1-257.

 

Arinaminpathy, N., Kapadia, S., & May, R. M. (2012). Size and complexity in model financial systems. Proceedings of the National Academy of Sciences, 109(45), 18338-18343.

Baur, D. G. (2012). Financial contagion and the real economy. Journal of Banking & Finance, 36(10), 2680-2692.

Baur, D. G., & Fry, R. A. (2009). Multivariate contagion and interdependence. Journal of Asian Economics, 20(4), 353-366.

Banwo, O., Caccioli, F., Harrald, P., & Medda, F. (2016). The effect of heterogeneity on financial contagion due to overlapping portfolios. Advances in complex systems, 19(08), 1650016.‏

Beale, N., Rand, D. G., Battey, H., Croxson, K., May, R. M., & Nowak, M. A. (2011). Individual versus systemic risk and the Regulator's Dilemma. Proceedings of the National Academy of Sciences, 108(31), 12647-12652.

Beirne, J., Caporale, G. M., Schulze‐Ghattas, M., & Spagnolo, N. (2013). Volatility spillovers and contagion from mature to emerging stock markets. Review of International Economics, 5(21), 1060-1075.

Benkraiem, R., Garfatta, R., Lakhal, F., & Zorgati, I. (2022). Financial contagion intensity during the COVID-19 outbreak: A copula approach. International Review of Financial Analysis, 81, 102136.‏

Broner, F. A., Gelos, R. G., & Reinhart, C. M. (2006). When in peril, retrench: Testing the portfolio channel of contagion. Journal of International Economics, 69(1), 203-230.

Braun, B., Krampf, A., & Murau, S. (2021). Financial globalization as positive integration: monetary technocrats and the Eurodollar market in the 1970s. Review of international political economy, 28(4), 794-819.‏

Caccioli, F., Farmer, J. D., Foti, N., & Rockmore, D. (2015). Overlapping portfolios, contagion, and financial stability. Journal of Economic Dynamics and Control, 51, 50-63.

Caccioli, F., Shrestha, M., Moore, C., & Farmer, J. D. (2014). Stability analysis of financial contagion due to overlapping portfolios. Journal of Banking & Finance, 46, 233-245.

Cheng, X., Wu, J., & Liao, S. S. (2017). A study of contagion in the financial system from the perspective of network analytics. Neurocomputing, 264, 42-49.

Cont, R., & Wagalath, L. (2013). Running for the exit: distressed selling and endogenous correlation in financial markets. Mathematical Finance: An International Journal of Mathematics, Statistics and Financial Economics, 23(4), 718-741.

Corsetti, G., Pericoli, M., & Sbracia, M. (2005). ‘Some contagion, some interdependence’: More pitfalls in tests of financial contagion. Journal of International Money and Finance, 24(8), 1177-1199.

Creswell, J. W., & Creswell, J. D. (2017). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches: SAGE Publications.

Gai, P., Haldane, A., & Kapadia, S. (2011). Complexity, concentration and contagion. Journal of Monetary Economics, 58(5), 453-470.

Gromb, D., & Vayanos, D. (2002). Equilibrium and welfare in markets with financially constrained arbitrageurs. Journal of financial Economics, 66(2-3), 361-407.

Hwang, I., In, F. H., & Kim, T. S. (2010). Contagion effects of the US subprime crisis on international stock markets. Paper presented at the Finance and Corporate Governance Conference.

Kolb, R. W. (2011). Financial contagion: the viral threat to the wealth of nations (Vol. 604): John Wiley & Sons.

Ma, J. L., Zhu, S. S., & Wu, Y. (2021). Joint effects of the liability network and portfolio overlapping on systemic financial risk: contagion and rescue. Quantitative Finance, 21(5), 753-770.‏

May, R. M., & Arinaminpathy, N. (2010). Systemic risk: the dynamics of model banking systems. Journal of the Royal Society Interface, 7(46), 823-838.

Sheu, H.-J., & Cheng, C. L. (2012). Systemic risk in Taiwan stock market. Journal of Business Economics and Management, 13(5), 895-914.

 

 

 

 

 

Predicting Financial Contagion from Generating shock in Investment Institutions Activated in Capital Market due to Overlapping Portfolios Risk

¹Alireza Rayati Shavazi * 

²Abbas Rezaei Pandari

 

Abstract

The risk of maintaining shared assets or overlapping portfolios risk is one of channels that cause financial contagion. Since a shock in an investor institution can spread to other investment institutions and cause great damage to them and the entire stock market and even cause a crisis in the economy, therefore; The main goal of this research is to provide a model for predicting financial contagion caused by a shock in investor institutions in Tehran Stock Exchange based on overlapping portfolios risk. This research is an analytical survey that was conducted using the statistical method of discriminant analysis.  In order to investigate the goal, based on the data related to the stock portfolio of the investing institutions in the Tehran Stock Exchange, a multi-variable discriminant model for predicting financial contagion based on shocks in financial institutions has been presented. The results indicate that "risky assets value of the investment institution", "Debt value of the investment institution" and "Degree of the investing institution portfolio" have been validated as independent variables. Supervision departments can use the models presented in this study to identify industrial groups that have a high risk of overlapping portfolios and maintain the stability of the financial system by taking appropriate decisions.

Key words: Financial Contagion, Overlapping Portfolio Risk, shock in investment institution, Discriminant Analysis.

 

---

[1] Department of Human Sciences, Islamic Azad University, Yazd, Iran. (Corresponding author). [e-mail]

[2] Department of Industrial Management, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran. [e-mail]