Measuring and Analyzing Systemic Risk in Selected Index of the Tehran Stock Exchange and Examining the Factors Affecting it

Subject Areas : Financial Economics

امیر حسین حاجیلو مقدم ¹ , مهدی ذوالفقاری ² , naeim shokri ³

1 - دانشگاه تربیت مدرس
2 - گروه علوم اقتصادی، دانشگاه تربیت مدرس
3 - Tarbiat Modares University

Received: 2022-06-06 Accepted : 2024-05-28 Published : 2024-07-10

Keywords: Conditional risk value, Systematic Risk, Exchange Rate Changes, Oil Price Changes, Panel Data.,

Abstract :

Systemic risk is the probability of a sudden collapse of a financial system that disrupts the efficiency of the financial system and causes chain reactions and increases pessimistic expectations in the financial system. Therefore, the purpose of this paper is to measure and rank systemic risk in the selected financial and non-financial index of the Tehran Stock Exchange and to investigate the factors affecting this risk. To achieve this goal, using the study of Van Cauwenberge et al (2019) and applying the conditional value at risk delta criterion (∆CoVaR), using the dynamic conditional correlation (DCC) model using daily data related to the selected stock market index (both financial and non-financial) during march 2011 to the end of August 2020, the mentioned criterion has been calculated. Then, using panel data regression, its relationship with effective factors including value at risk (VaR), systematic risk (beta), exchange rate changes, and oil price changes is examined. The results show that the non-financial index of the stock exchange has a greater share in the occurrence of systemic risk than other financial indexes. In addition, the results of the panel data model indicate the fact that the criterion of value at risk (VaR) and systematic risk (beta) among endogenous variables have a positive and significant effect on the systemic risk index and also among exogenous factors the Currency rate has a positive and significant effect on systemic risk, but oil prices do not have a significant effect on systemic risk.

References:

بریشمی، حمید، مهرآرا، محسن و رحمانی، محمد. (1398). اندازه‌گیری و تحلیل ریسک سیستمی در بخش بانکداری ایران و بررسی عوامل مؤثر بر آن، مدلسازی اقتصادسنجی، دوره 4، شماره 3، صص 11-36.

آسیابی‎اقدم، لیلا، رحیم‎زاده، اشکان، فلیحی، نعمت، رجایی، یداله. (1400). انتخاب سبد دارایی سهام مبتنی بر روش اقتصاد رفتاری (مورد مطالعه بازار بورس تهران)، فصلنامه اقتصاد مالی، سال پانزدهم، شماره 55، صفحه 189-155.

تهرانی، رضا، سراج، مصطفی، فروش باستانی، علی و فلاح پور، سعید. (1399). ارزیابی اثر ریسک سیستمی بخش بانکی بر عملکرد اقتصاد کلان ایران، فصلنامه تحقیقات مالی، دوره 22، شماره 3، صص 297-319.

حکمتی فرید، صمد، رضازاده، علی و مالک، علی. (1397). برآورد ریسک سیستمی در بخش‌های مالی اقتصاد ایران (رهیافت ارزش در معرض ریسک شرطی تفاضلی)، فصلنامه علمی - پژوهشی مدلسازی اقتصادی، دوره 12،شماره 43، صص 99-122.

دانش جعفری، داود، محمدی، تیمور، بت شکن، محمد هاشم و پاشازاده، حامد. (۱۳۹۶). بررسی ریسک سیستمیک بانک های منتخب نظام بانکی در ایران با استفاده از روش همبستگی شرطی پویا (DCC)، فصلنامه پژوهش های پولی - بانکی، شماره 33، صص 457-480.

رحیمی باغی، علی، عرب صالحی، مهدی و واعظ برزانی، محمد. (1398). ارزیابی ریسک سیستمی در نظام مالی کشور با استفاده از روش شبکه علیت گرنجر، تحقیقات مالی، دوره21، 121شماره 1، صص 121-142.

رستگار، محمد علی و کریمی، نسرین. (1395). ریسک سیستمی در بخش بانکی، مدلسازی ریسک و مهندسی مالی، دوره1، شماره1، صص 1-19.

صادقی شریف، سید جلال، سوری، علی و استاد هاشمی، علی. (۱۳۹۷). مدلسازی و برآورد ریسک سیستم بانکی در قالب یک مدل شبکه ای با استفاده از معیار CoVaR، فصلنامه پژوهش های پولی - بانکی، دوره11، شماره 36، صص210-183.

صادقی، حجت اله و شمس، مرضیه. (1393). محاسبه ارزش در معرض ریسک بر اساس تقریب کورنیش- فیشر از توزیع نرمال (مطالعه‌ای در نهادهای مالی بازار بورس اوراق بهادار تهران)، مدیریت دارایی و تأمین مالی، دوره2،شماره 1، صص20-1.

صراف، فاطمه، کریمی، مجتبی و بشارت پور، فاطمه. (1401). تأثیر افق مالکیت نهادی بر مسئولیت اجتماعی و ارزش سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. اقتصاد مالی، 16(58)، 173-191.

فلاحتی، علی، فتاحی، شهرام، حیدری دیزگرانی، علی و شکری، نعیم. (1396). بررسی پایداری مالی و شوک‌های مالی گذرا در اقتصاد ایران. اقتصاد مالی، 11(41)، 123-154.

کشاورز حداد، غلامرضا. (1395). اقتصاد سنجی داده‌های خرد و ارزیابی سیاست، انتشارات نی، چاپ اول.

محمدی اقدم، سعید، قوام، محمد حسین و فلاح شمس، میر فیض. (1396). سنجش ریسک سیستمی ناشی از شوک ارزی در بازارهای مالی ایران، تحقیقات مالی، دوره19، شماره 3، صص475-504.

ویسی زاده، وحید، شکرخواه، جواد و امیری، میثم. (1400). مدل ترکیبی ارزش در معرض ریسک شبیه سازی تاریخی فیلتر شده مبتنی بر تبدیل موجک در افقهای زمانی سرمایه گذاری مختلف در بورس اوراق بهادار تهران.

Acharya, V.V., Pedersen, L.H., Philippon, T. and Richardson, M. (2017). Measuring systemic risk. The review of financial studies, 30(1), pp.2-47.

Adrian, T. and Brunnermeier, M.K. (2011). CoVaR (No. w17454). National Bureau of Economic Research.

Benoit, S., Colliard, J.E., Hurlin, C. and Pérignon, C. (2017). Where the risks lie: A survey on systemic risk. Review of Finance, 21(1), pp.109-152.

Bernal, O., Gnabo, J.Y. and Guilmin, G. (2014). Assessing the contribution of banks, insurance and other financial services to systemic risk. Journal of Banking & finance, 47, pp.270-287.

Bierth, C., Irresberger, F. and Weiß, G.N. (2015). Systemic risk of insurers around the globe. Journal of Banking & Finance, 55, pp.232-245.

Billio, M., Getmansky, M., Lo, A.W. and Pelizzon, L. (2010). Measuring systemic risk in the finance and insurance sectors.

Bisias, D., Flood, M., Lo, A.W. and Valavanis, S. (2012). A survey of systemic risk analytics. Annu. Rev. Financ. Econ., 4(1), pp.255-296.

Brownlees, C.T. and Engle, R. (2012). Volatility, correlation and tails for systemic risk measurement. Available at SSRN, 1611229.

Caballero, R.J. (2009). Crisis and Reform: Managing Systemic Risk. Rivista di Politica Economica.

de Mendonça, H.F. and da Silva, R.B. (2018). Effect of banking and macroeconomic variables on systemic risk: An application of ΔCOVAR for an emerging economy. The North american Journal of Economics and finance, 43, pp.141-157.

European Central Bank (ECB). (2010). “Financial networks and financial stability". Financial Stability Review, pp.160 - 155.

Girardi, G. and Ergün, A.T. (2013). Systemic risk measurement: Multivariate GARCH estimation of CoVaR. Journal of Banking & Finance, 37(8), pp.3169-3180.

Giudici, P. and Parisi, L. (2016). CoRisk: measuring systemic risk through default probability contagion. Available at SSRN.

Greene, W.H. (2008). The econometric approach to efficiency analysis. The measurement of productive efficiency and productivity growth, 1(1), pp.92-250.

Lunde, A. and Hansen, P.R. (2001). A Forecast Comparison of Volatility Models: Does Anything Beat a GARCH (1, 1)? (No. 2001-04).

Petrella, L., Laporta, A.G. and Merlo, L. (2019). Cross-country assessment of systemic risk in the European stock market: evidence from a CoVaR analysis. Social Indicators Research, 146(1), pp.169-186.

Reboredo, J.C., Rivera-Castro, M.A. and Ugolini, A. (2016). Downside and upside risk spillovers between exchange rates and stock prices. Journal of Banking & Finance, 62, pp.76-96.

Schwarcz, S.L. (2008). Systemic risk. Geo. Lj, 97, p.193.

Tiwari, A.K., Trabelsi, N., Alqahtani, F. and Raheem, I.D. (2020). Systemic risk spillovers between crude oil and stock index returns of G7 economies: Conditional value-at-risk and marginal expected shortfall approaches. Energy Economics, 86, p.104646.

Van Cauwenberge, A., Vancauteren, M., Braekers, R. and Vandemaele, S. (2019). International trade, foreign direct investments, and firms’ systemic risk: Evidence from the Netherlands. Economic Modelling, 81, pp.361-386.

Yin, L., Feng, J. and Han, L. (2021). Systemic risk in international stock markets: Role of the oil market. International Review of Economics & Finance, 71, pp.592-619.

Zhang, A., Pan, M., Liu, B. and Weng, Y.C. (2020). Systemic risk: The coordination of macroprudential and monetary policies in China. Economic Modelling, 93, pp.415-429.

Full-Text:



اندازه گیری و تحلیل ریسک سیستمی در شاخص های منتخب بورس اوراق بهادار تهران و بررسی عوامل مؤثر بر آن

 

 

چکيده¹

ریسک سیستمی به معنای احتمال سقوط ناگهانی یک سیستم مالی می‌باشد که کارایی سیستم مالی را مختل می‌کند و باعث بروز واکنش‌های زنجیره‌ای و افزایش انتظارات بدبینانه در سیستم مالی می‌شود. از این رو، هدف از این مقاله اندازه‌گیری و رتبه‌بندی ریسک سیستمی در شاخص‌های منتخب مالی و غیرمالی بورس اوراق بهادار تهران و بررسی عوامل مؤثر بر این ریسک است. برای دستیابی به این هدف، با بهره‎گیری از مطالعه ون کاونبرگ و همکاران (2019) و به کارگیری معیار دلتای ارزش در معرض خطر شرطی (CoVaR∆)، به کمک مدل همبستگی شرطی پویا (DCC) با استفاده از داده‌های روزانه مربوط به شاخص‌های منتخب صنایع بورسی (اعم از مالی و غیر مالی) طی دوره فروردین 1390 تا پایان مرداد ماه 1399، معیار یاد شده محاسبه شده است. سپس با استفاده از رگرسیون داده‌های پانل، ارتباط آن با عوامل مؤثر شامل ارزش در معرض خطر (VaR)، ریسک سیستماتیک (بتا)، تغییرات نرخ ارز و تغییرات قیمت نفت بررسی می‌شود. نتایج نشان می‌دهد که شاخص‌های غیرمالی بورس اوراق بهادار سهم بیشتری را در بروز ریسک سیستمی نسبت به سایر شاخص‌های مالی دارند. افزون بر این، نتایج مدل داده‌های تابلویی گویای این واقعیت است که معیار ارزش در معرض خطر (VaR) و ریسک سیستماتیک (بتا) در بین متغیرهای درون‌زا تأثیر مثبت و معناداری بر روی ریسک سیستمی شاخص‎ها داشته و همچنین در بین عوامل برون‌زا نرخ ارز تأثیر مثبت و معناداری بر ریسک سیستمی دارد، اما قیمت نفت تأثیر معناداری بر ریسک سیستمی ندارد.

کلید­واژه­ها: ارزش در معرض خطر شرطی، ریسک سیستماتیک، تغییرات نرخ ارز، تغییرات قیمت نفت، داده‌های تابلویی.

طبقه‌بندی JEL: G01، G32، E44.

 

 

1. مقدمه 

 بحران مالی 2009-2008 شکنندگی سیستم مالی جهانی را آشکار نمود که در آن مشکلات در یک بخش از اقتصاد به سایر بخش‌ها سرایت یافت و منجر به کاهش پی‌در‌پی ارزش دارایی‌ها و فعالیت‌های اقتصادی واقعی شد (شواتز²، 2008). اهمیت این سرایت، پس از بحران سال 2008 برجسته‌تر شد و مطالعات بسیار گسترده‌ای در خصوص آسیب‌شناسی ارتباط بین بازارها صورت گرفت و به‌تدریج مفاهیمی تحت عنوان ریسک سیستمی مطرح شد. در مورد تعریف ریسک سیستمی و عامل ایجادکننده آن تعریف جامع و واحدی وجود ندارد اما محققان در طول تاریخ عامل ایجاد ریسک سیستمی را بانک‌ها و مؤسسات مالی می‌دانند. با این حال در این مطالعه از تعریف ارائه شده توسط (ژانگ و همکاران³، 2020؛ ون کاونبرگ و همکاران⁴، 2019) که ریسک سیستمی را به عنوان ریسکی که ظرفیت کل سیستم را مختل می‌کند و پیامد‌های منفی بالقوه‌ای برای اقتصاد واقعی دارد استفاده شده است. ریسک سیستمی صرفاً بی‌ثباتی مالی نیست بلکه یک شوک مالی غیر‌معمول است که باعث شوک‌های منفی قوی به اقتصاد واقعی می‌شود که نتیجه آن کاهش تولید کل، اشتغال و رفاه اقتصادی می‌باشد. در مورد سیستم‌های مالی بسیار متمرکز، شکست یک بانک یا بازار می‌تواند پیامد‌های سیستمی داشته باشد. نقص کل سیستم مالی یا نقص در بخشی از سیستم مالی در صورت نبود پاسخ‌های سیاستی مناسب، باعث ایجاد آسیب‌های شدیدی به بخش واقعی اقتصاد و رفاه شهروندان می‌شود (بانک مرکزی اروپا⁵، 2010). در اکثر موارد، سرمایه‌گذاران نگران از دست دادن ارزش یک سهم و یا کالا هستند در حالی که ریسک سیستمی، متمرکز بر روی کل بازار است. این سقوط اغلب زمانی رخ می‌دهد که یک شرکت کلیدی در کل سیستم شروع به ورشکستگی می‌کند، ترس حاصل شده موج‌وار روی سایر شرکت‌ها اثر منفی می‌گذارد و آن‌ها دچار افت می‌شوند. این واکنش زنجیره‌ای باعث می‌شود بازار دچار استرس شود و در معرض بحران قرار گیرد (صادقی و شمس، 1393). از آن‌ جا که دولت‌ها به دنبال تدوین سیاست‌هایی برای کاهش هزینه‌های اقتصادی بحران‌های مالی و نیز جلوگیری از سرایت بحران و مقابله با آن هستند، توجه به این موضوع برای دولت‌ها مفید خواهد بود. به‌ویژه در ایران به دلیل بزرگ شدن مؤسسات مالی فعال در بازار، وابستگی و افزایش تعاملات بین آن‌ها، پیچیده شدن نهادهای مالی، افزایش تعداد نهاد‌های مالی، افزایش نوآوری مالی، پیچیده شدن ابزار‌های معاملات و بزرگ شدن بازار‌های مالی در اقتصاد کشور پایش و نظارت مستمر بر ریسک سیستمی در بازار سرمایه روز به روز اهمیت بیشتری می‌یابد (صادقی و شمس، 1393). گفتنی است که نتایج حاصل از این تحقیق برای مقامات پولی و مالی در جهت اهداف نظارتی مناسب خواهد بود. مروری بر مطالعات انجام شده در داخل کشور (همچون ویسی زاده و همکاران، 1400؛ تهرانی و همکاران،  1399؛ ابریشمی و همکاران، 1398؛ صادقی شریف و همکاران، 1397؛ حکمتی‌فرید و همکاران، 1397؛ دانش‌جعفری و همکاران، 1396؛ محمدی‌اقدم و همکاران، 1396) نشان می‌دهد تا‌کنون در زمینه برآورد ریسک سیستمی در بخش‌های غیر مالی بورس اوراق بهادار تهران و همچنین عوامل تأثیر گذار بر این ریسک مطالعه‌ای صورت نگرفته و در اغلب این پژوهش‌ها به محاسبه ریسک سیستمی در بخش‌های مالی (نظیر بانک و بیمه) پرداخته شده است. 

همان‎طور که اشاره شد ریسک سیستمی به احتمال بروز بحران‌ در سیستم مالی به‌دلیل برخی فعالیت‌ها، تصمیمات یا معاملات مالی اشاره دارد. با این‌حال، هنگامی که یک رویداد غیر عادی (بحران مالی) رخ می‌دهد، شاخص‌های مالی و غیرمالی بورس اوراق بهادار نیز از این زیان رنج می‌برند. پیامدهای ریسک سیستمی ممکن است باعث ایجاد زنجیره‌ای از زیان‌های قابل‌ توجه بر سرمایه‌گذارن خُرد نظیر از دست دادن سرمایه و ناتوانی در نجات سرمایه خود می‌شود. همچنین پیامد این ریسک برای سیاست‌گذاران اقتصاد کلان موجب افزایش هزینه‌های اقتصادی بحران مالی و عدم مقابله به ‌موقع با بحران ایجاد شده می‌شود. آگاهی از ریسک سیستمی و عوامل مؤثر در بروز آن در میان شاخص‌های صنایع بورس اوراق بهادار از دیدگاه سرمایه‌گذاران خُرد به منظور پیش‌بینی دورنمای بازار و ریسک پرتفوی سرمایه‌گذاری‌ها مهم است و از منظر اقتصاد کلان نیز درک صحیح از شدت ریسک به منظور فراهم آوردن نهادهای ناظر قدرتمند و توسعه قوانین مالی بسیار با اهمیت است. با توجه به طبیعت ناپایدار بازار سهام، یافتن یک راه جدید برای اندازه‌گیری مؤثر ریسک سیستمی بسیار مهم است. محاسبه ریسک سیستمی به عنوان یک سنجه هشدار دهنده به سرمایه‌گذاران، مدیران و سایر سهامداران ایران کمک خواهد کرد تا تصمیمات مالی خود را به‌طور مؤثر بگیرند. بدین منظور مسئله اصلی این مطالعه برآورد ریسک سیستمی در شاخص‌های مالی و غیرمالی منتخب بورس اوراق بهادار تهران با بهره‌گیری از معیار دلتای ارزش در معرض خطر شرطی⁶ و همچنین بررسی عوامل مؤثر بر آن‌ها طی دوره فروردین 1390 تا پایان مرداد ماه 1399 می‌باشد. 

هدف مطالعه حاضر، اندازه‌گیری و تجزیه و تحلیل ریسک سیستمی در شاخص‌های اصلی مالی و غیر مالی منتخب بورس اوراق بهادار تهران و بررسی عوامل مؤثر تأثیر گذار بر ریسک سیستمی آن‌ها می‌باشد. از این رو نوآوری مقاله حاضر نسبت به سایر پژوهش‎های مشابه مشتمل بر موارد ذیل است:

موضوع ریسک سیستمی موضوعی جدید در ادبیات مالی جهان است و از عمر آن کمتر از یک دهه می‌گذرد. اما با وجود جدید بودن این موضوع، در کشورهای خارجی به ویژه کشورهایی که با بحران مالی مواجه شده‌اند حجم گسترده‌ای از مطالعات در مورد این موضوع شکل گرفته است. علی‌رغم این حجم گسترده مطالعات در کشورهای خارجی، تاکنون در ایران مطالعات چندانی برای اندازه‌گیری ریسک سیستمی صورت نگرفته است. با این حال مطالعات محدود انجام گرفته در ایران به اندازه‌گیری ریسک سیستمی در بخش‌های مالی (نظیر بانک و بیمه) بورس اوراق بهادار تهران به صورت محدود پرداخته شده است. همچنین روش‌های محاسبه ریسک سیستمی در مطالعات مذکور ساده بوده و دقیق نمی‌باشد. بدین منظور در این مطالعه با استفاده از معیار  با به کارگیری مدل‌های بر پایه مد‌ل‌های اقتصادسنجی پیشرفته (خانواده ⁷GARCH نظیر مدل‌های گارچ نمایی تک متغیره و گارچ چند متغیره) به محاسبه این معیار جهت اندازه‌گیری ریسک سیستمی در بخش‌های مالی و غیرمالی بورس اوراق بهادار پرداخته شده است. همچنین علاوه بر محاسبه ریسک سیستمی در این بخش‌ها نیز به بررسی تأثیر متغیرهای تأثیر گذار بر این ریسک شامل متغیرهای ریسک سیستماتیک (بتا⁸) و ارزش در معرض خطر (⁹VaR) به عنوان متغیرهای درون‌زا و متغیرهای کلان برون‌زا شامل تغییرات نرخ ارز و تغییرات قیمت نفت پرداخته شده است. به بیان دیگر، سؤال اصلی این است که ریسک سیستمی بین شاخص‌های صنایع منتخب مالی و غیرمالی بورس اوراق بهادار تهران چگونه است؟ تأثیر متغیر‌های مؤثر بر روی ریسک سیستمی به چه شکل است؟ در این راستا جهت پاسخ به این سؤالات و نیل به این اهداف، ادامه مقاله به صورت زیر سازمان‌دهی شده است:

در بخش دوم به مبانی نظری و مروری بر پیشینه تحقیق پرداخته شده و در قسمت سوم روش تحقیق ارائه می‌شود. بخش چهارم به بیان یافته‌ها و نتایج تجربی پرداخته و بخش پنجم و پایانی به نتیجه‌گیری و بحث و ارائه پیشنهادات سیاستی اختصاص یافته است. 

2. مبانی نظری و مروری بر پیشینه پژوهش

1-2 مبانی نظری

طی دهه‌های گذشته با توسعه فرآیند جهانی‌شدن، ارتباط بین کشورها و اقتصادهای آن روز به ‌روز در حال افزایش است، به‌ گونه‌ای که در صورت انتشار یک خبر در یک بازار (بازار نفت، بازار طلا، بازار سهام) به ‌سرعت اثر این خبر به سایر بازارها و اقتصادها منتقل ‌شده و این نشان می‌دهد که ارتباط بین کشورها (به‌ ویژه بازارهای مالی) قوی است (فلاحتی و همکاران، 1396). هنگام بروز نااطمینانی شدید در بازارهای پولی و مالی ناشی از یک بحران، سرایت ریسک به شدت افزایش می‌یابد و ثبات کل سیستم مالی را به خطر می‌اندازد (صراف و همکاران، 1401). قابل ذکر است افزایش نااطمینانی در بازارهای پولی و مالی باعث بروز واکنش‌های زنجیره‌ای در سیستم شده و موجب افزایش انتظارات بدبینانه می‎گردد (رحیمی باغی و همکاران، 1398).

اهمیت این سرایت که میان بازارها روی می‌دهد پس از بحران سال 2008 برجسته‌تر شد و بعد از سال 2008 مطالعات بسیار گسترده‌ای در خصوص آسیب‌شناسی ارتباط بین بازارها صورت گرفت و به‌تدریج مفاهیمی تحت عنوان ریسک سیستمی  مطرح شد. ریسک سیستمی می‌تواند توسط رویدادهای ایجاد شده در هریک از بخش‌های سیستم مالی (بانکی، بازار سرمایه و غیره) تحریک شود. همانطورکه گفته شد، در مورد ریسک سیستمی و عامل ایجادکننده آن تعریف جامع و واحدی وجود ندارد اما محققان در طول تاریخ تعاریفی را ارائه نموده‌اند که در ادامه به چند مورد از آن‌ها اشاره می‌شود؛ بیلو و همکاران¹⁰ (2010)، ریسک سیستمی را هر شرایطی که ثبات سیستم مالی را تهدید می‌کند، تعریف می‌کنند. بانک مرکزی اروپا (2010) ریسک سیستمی را خطر ناپایداری¹¹ مالی تعریف می‌کند و آن را چنان گسترده می‌داند که منجر به این می‌شود که عملکرد سیستم مالی مختل شده و این اختلال تا جایی است که باعث کاهش رشد اقتصادی و رفاه اقتصادی می‌شود. برخی دیگر آن را ایجاد کننده عدم تعادل در اقتصاد می‌دانند (کابالرو¹²، 2009).

برانلس و انگل¹³ (2012) ریسک سیستمی را کاهش یا نزول بازار در سطحی زیر سطح آستانه‌ای مورد انتظار در یک دوره زمانی معین تعریف می‌کند. رویدادهای ریسک سیستمی می‌تواند ناگهانی و غیرمنتظره باشد، اما بحران‌های مالی پیشین همچون بحران مالی سال 2008 نشان می‌دهد که بروز ریسک سیستمی اغلب به‌صورت درونی در طول زمان و در غیاب پاسخ‌های سیاستی مناسب ایجاد می‌شود. برای بررسی و مدیریت موضوع ریسک سیستمی نیازمند آشنایی با مدل‌های سنجش و محاسبه ریسک سیستمی خواهد بود. کاملاً مسلم است که پیش از مدیریت هر چیزی نخست باید بتوان آن را مورد ارزیابی قرار داد که همین مطلب در مورد ریسک سیستمی نیز مطرح است. مبحث معیارها، به دلیل ارائه تعاریف رقابتی و گاهی اوقات متناقض از تهدیدهای مربوط به ثبات مالی، مبحثی چالش‌برانگیز است. در عین ‌حال، برای اینکه روش‌های اندازه‌گیری ریسک سیستمی مناسب باشند، کاربرد عملی آن باید مفاهیم اقتصادی را به گزینه‌های خیلی خاص تفسیر کند (بیساس و همکاران¹⁴، 2012). تاکنون معیارهای اندازه‌گیری ریسک سیستمی بسیاری مطرح ‌شده‌ است که در بین این معیارها  که توسط آدریان و برونرمایر¹⁵ (2011) مطرح و بسط و گسترش یافت؛ بیش از سایر معیارها مورد استفاده قرار گرفته است (برنال و همکاران¹⁶، 2017؛ جیردای و آرگون¹⁷، 2013).

این معیار این امکان را فراهم می‌آورد تا ریسک سیستمی به صورت تأثیر هر نهاد مالی بر اساس VaR نهاد دیگر برآورد گردد. این سنجه "سهم یک نهاد در ریسک سیستمی" را محاسبه کرده و می‌تواند ریسک سیستم را با نهادهایی که "ازنظر سیستمی مهم‌اند" شناسایی کند. در واقع سنجه   یک فرم حل شده از سنجه ریسک سیستمی است که (وابستگی دنباله‌ای بین کل سیستم مالی و یک بخش خاص از سیستم مالی (مانند بانک‌ها) را فراهم می‌سازد (برنال و همکاران، 2017)). همان‌گونه که از تعریف این سنجه پیداست به معنی ارزش در معرض خطر در شرایط خاص است؛ به‌ عبارت ‌دیگر ارزش در معرض خطر سیستم مالی به شرطی که نهادها در وضعیت بحران باشند. دلتای ارزش در معرض خطر شرطی اختلاف بین CoVaR به شرطی که نهاد (موسسه مالی) در وضعیت بحران باشد CoVaR همان نهاد به شرطی که در وضعیت نرمال قرار گرفته باشد. این سنجه "سهم یک ‌نهاد (موسسه مالی) در ریسک سیستمی" محاسبه کرده و می‌تواند ریسک سیستم را با نهادهایی که "از نظر سیستمی مهم‌اند" شناسایی کند. تفاوت این سنجه با سایر سنجه‌های محاسبه ریسک سیستمی به این دلیل است که در این سنجه جهت ریسک از شرکت یا نهاد به سمت سیستم مالی است و میزان ریسک ایجاد شده یک شرکت خاص بر کل سیستم مالی را در نظر می‌گیرد؛ اما در سایر سنجه‌ها جهت ریسک از سیستم مالی به سمت شرکت می‌باشد.

2-2 پیشینه پژوهش

آدریان و برونرمیر (2011) یک روش جدید برای انداز‌ه‌گیری ریسک سیستمی معرفی کردند که به نام دلتای ارزش در معرض خطر شرطی () معروف شد.  بدین منظور آن‌ها با معرفی  به صورت اختلاف بین CoVaR مشروط بر سهم یک موسسه (بنگاه) در حالتی بنگاه در بحران قرار بگیرد با CoVaR مشروط بر همان بنگاه در وضعیتی که در حالت میانه (نرمال) خود قرار بگیرد دریافتند که اندازه، سطح اهرم، عدم تطابق سررسید و نسبت ارزش بازار به ارزش دفتری عوامل مهمی برای سهم‌بندی ریسک سیستمی هستند. 

جیرادی و آرگون (2013) در مطالعه‌ای با اصلاح معیار  معرفی شده توسط آدرین و برونرمیر با تعدیل محاسبات آن‌ها، تعریف درماندگی مالی را تغییر داده و شیوه جدیدی از اندازه‌گیری ریسک سیستمی را ارائه نمودند. نتایج این مطالعه نشان می‌دهد که مؤسسات مالی سپرده‌پذیر بیشترین سهم را در ریسک سیستمی داشته‌اند.

 بیرث و همکاران¹⁸ (2015) در مطالعه‌ای، به اندازه‌گیری ریسک سیستمی در 253 شرکت بین‌المللی فعال در حوزه بیمه‌ای با استفاده از معیار  ارائه شده توسط آدریان برونرمیر می‌پردازند. یافته‌های این پژوهش بیانگر این است که بیمه‌گران به طور قابل توجهی در بی‌ثباتی بخش مالی نقش داشتند. همچنین دریافتند که بیمه‌گران غیر عمر سهم بیشتری در بروز ریسک سیستمی نسبت به بیمه‌گران عمر دارند.

گیودیسی و پاریسی¹⁹ (2016) در پژوهشی به سنجش ریسک سیستمی در بازارهای مالی کشورهای عضور اتحادیه اروپا با استفاده از معیار  می‌پردازند. نتایج مطالعه آ‌ن‌ها نشان می‌دهد که ریسک سیستمی در بخش بورس بالاتر از بخش بیمه و بانک می‌باشد.

ربرودو و همکاران²⁰ (2016) در مقاله‌ای به بررسی تأثیر تغییرات نرخ ارز بر ریسک سیستمی بازار سهام در کشورهای در حال توسعه پرداختند. برای این منظور ایشان از معیار  ارائه شده توسط آدریان و برونرمایر (2011‌) با استفاده از رویکرد کاپولا-گارچ طی دوره 18 آپریل 2001 الی 7 نوامبر 2014 پرداختند. یافته‌های پژوهش، نشان دهنده رابطه مثبت بین قیمت سهام و نرخ ارز در کشورهای در حال توسعه می‌باشد.

فریرا و سیلوا²¹ (2018) در مطالعه‌ای، ریسک سیستمی بخش بانکی برزیل را با معیار  ارائه شده توسط آدریان برونرمیر اندازه‌گیری کرده‌اند. نتایج تحقیق آن‌ها نشان می‌دهد که متغیر‌های بانکی از جمله اهرم ‌مالی و بازده دارایی‌ها تاثیرمثبت و معنادار بر روی ریسک سیستمی بانک دارد.

ون کاونبرگ و همکاران (2019) در مطالعه‌ای، ریسک سیستمی مربوط به شرکت‌های مالی و غیر‌ مالی بورس اوراق بهادار هلند را با استفاده از معیار اصلاح شده  توسط جیرادی و آرگون اندازه‌گیری کرده‌اند. نتایج مطالعه آ‌ن‌ها نشان می‌دهد که ریسک سیستمی نه‌تنها در بخش مالی وجود دارد، بلکه در بخش‌های دیگر اقتصاد نیز ردپای معنی‌داری از این نوع ریسک نیز مشاهده می‌شود.

 تیواری و همکاران²² (2020) در مقاله‌ای‌، به بررسی تأثیر قیمت نفت بر ریسک سیستمی بازار سهام گروه G7 پرداختند. برای رسیدن به این هدف با استفاده از رویکرد  ارائه شده توسط آدریان و برونرمایر (2011) طی دوره ژانویه 2003 الی نوامبر  2017 پرداختند. یافته‌های پژوهش نشان دهنده این است که در گروه G7 تغییرات قیمت نفت تأثیر مثبت و معناداری بر روی ریسک سیستمی بازار سهام این کشورها داشته است.

ین و همکاران²³ (2021) در مقاله‌ای به بررسی سرایت شوک‌های نفتی بر ریسک سیستمی بازار سهام بین المللی (کشورهای توسعه یافته) پرداختند. برای دستیابی به این هدف ایشان ابتدا با استفاده از معیار  ریسک سیستمی سهام کشورهای توسعه یافته را محاسبه کرده و سپس با استفاده از یک مدل رگرسیون تأثیر شوک‌های نفتی را بر روی این ریسک طی دوره ژانویه 2000 الی دسامبر 2016 پرداختند. یافته‌های پژوهش گویای این است که ریسک سیستمی شاخص‌های سهام بین‌المللی تحت تأثیر شوک‌های قیمت نفت قرار دارند.

 رستگار و کریمی (1395) در مطالعه‌ای مشابه به تخمین ریسک سیستمی در بخش مالی (اعم‌از بخش بانکی) بازار بورس اوراق بهادار تهران با رویکرد  توسعه یافته شده توسط جیرادی و آرگون می‌پردازند. برای این منظور، داده‌های بانک‌های پذیرفته شده در بورس اوراق بهادار تهران طی دوره 1389 الی 1394 انتخاب و ریسک سیستمی با رویکرد یاد شده محاسبه می‌شود. سپس با استفاده از رگرسیون داده‌های پانل، ارتباط آن با مشخصه‌های اصلی بانک شامل ارزش در معرض خطر، نسبت اهرمی و سرمایه بررسی می‌شود. یافته­های پژوهش نشان می‌دهد که ریسک سیستمی بازار در دوره مورد بررسی وابستگی بالایی با بخش مالی دارد. همچنین نشان داده شده که معیار یاد شده با نسبت اهرمی، سرمایه و ارزش در معرض خطر رابطه مثبت و معناداری دارد.

دانش جعفری و همکاران (1396) در پژوهشی به بررسی ریسک سیستمی در نظام بانکی کشور با استفاده از رویکرد  توسعه یافته شده توسط جیرادی و آرگون طی دوره خرداد 1388 الی اردیبهشت 1395 پرداختند. آن‌ها در این پژوهش با در نظر گرفتن اندازه بانک‌ها و بازه زمانی مشترک، 6 بانک به‌عنوان نمونه انتخاب کرده‌اند. نتایج مطالعه آ‌ن‌ها نشان می‌دهد بانک ملت و بانک صادرات به دلیل این که در بین بانک‌های پذیرفته شده در بورس اوراق بهادار تهران بزرگ‌ترین بانک از نظر دارایی هستند، بیشترین سهم را در بروز ریسک سیستمی داشته است.

صادقی شریف و همکاران (1397) در مطالعه‌ای به مدل‌سازی و برآورد ریسک در بخش بانکی بورس اوراق بهادار پرداختند. برای این منظور داده‌های مربوط به شاخص بانکی طی دوره آذر 1387 الی فروردین 1397 مورد استفاده قرار دادند. با به‌کارگیری روش   توسعه یافته توسط جیرادی و آرگون نشان دادند که نظام بانکی ریسک سیستمی بالایی دارد.

حکمتی فرید و همکاران (1397) در مطالعه‌‌ای مشابه به بررسی ریسک سیستمی در بخش‌های مالی اقتصاد ایران (اعم از بانک, بورس و بیمه) با استفاده از رویکرد  ارائه شده توسط آدریان برونرمیر طی دوره 1394 الی 1374 پرداختند. یافته‌های آن‌ها نشان داده که صنعت بیمه بیشترین ریسک سیستمی و بخش بانکی کمترین ریسک سیستمی را دارد.

ابریشمی و همکاران (1398) در پژوهشی به اندازه‌گیری و تحلیل ریسک سیستمی در بخش بانکداری و بررسی عوامل مؤثر بر آن پرداختند. برای رسیدن به این با استفاده از سنجه‌های ، MES و SRISK برای بانک‌های پذیرفته شده در بورس اوراق بهادار تهران طی دوره 14/02/1392 الی 14/06/1397 به محاسبه این ریسک پرداختند. سپس با به‌کارگیری تحلیل همبستگی و رگرسیونی، اثر مهم‌ترین متغیرهای ذاتی بانک و همچنین متغیرهای کلان اقتصادی، بر روی این ریسک پرداختند. یافته‌های پژوهش نشان دهنده این است که، ارزش در معرض خطر بر روی ریسک سیستمی تأثیر مثبت و معنادار دارد اما اندازه بانک تأثیر مثبت و معنادار بر روی این ریسک نداشته است. همچنین مشخص گردید که رشد اقتصادی اثر منفی بر روی ریسک سیستمی دارد اما افزایش تورم موجب افزایش ریسک سیستمی می‌شود.

رحیمی باغی و همکاران (1398) در مقاله‌ای به ارزیابی ریسک سیستمی در بانک‌ها، شرکت‌های سرمایه‌گذاری و بیمه پرداختند. برای رسیدن به این هدف با استفاده از روش علیت گرنجری طی دوره 1390 الی 1395 پرداختند. یافته‌های پژوهش گویای این واقعیت است که بخش بانکی بیشترین ریسک سیستمی و بخش بیمه کمترین ریسک سیستمی را داشته است.

تهرانی و همکاران (1399) در مقاله‌ای به ارزیابی اثر ریسک سیستمی بخش بانکی بر عملکرد اقتصاد کلان ایران پرداختند. برای این منظور با استفاده از سنجه SRISK با رویکردDCC-GARCH  طی دوره 1/11/1387 الی  31/6/1397 در بانک‌های پذیرفته شده در بورس اوراق بهادار پرداختند. نتایج پژوهش نشان دهنده این است که افزایش ریسک سیستمی آثار نامطلوب بلندمدتی بر عملکرد اقتصاد کلان و سرمایه‌گذاری می‌گذارد. همچنین پیشنهاد می‌کند که سیاست‌گذار به‌منظور انجام اقدامات به‌‌موقع جهت جلوگیری از آثار نامطلوب بحران، شاخصSRISK  را پایش کند. در اغلب مطالعات انجام گرفته در داخل و خارج کشور به بخش­های مالی (نظیر بانک و بیمه) توجه بیشتری صورت گرفته است و بخش­های غیر مالی و عوامل تأثیر گذار بر این نوع ریسک در کانون توجه قرار نگرفته است. همچنین در مطالعات داخلی، رابطه بین ریسک سیستمی و متغیرهای کلان اقتصادی مطرح نشده است؛ بنابراین مطالعه حاضر با پوشش این شکاف تحقیقاتی برای نخستین بار، به محاسبه و رتبه‌بندی ریسک سیستمی در بخش‌های مالی و غیرمالی بورس اوراق بهادار تهران و بررسی عوامل مؤثر به این ریسک می‌پردازد. 

3. روش‌شناسي پژوهش

 پژوهش حاضر در دو مرحله اجرا شده است: ابتدا ریسک سیستمی شاخص‌های مالی و غیرمالی بورس اوراق تهران سنجیده و رتبه‌بندی می‌شود، سپس، رابطه بین ریسک سیستمی شاخص‌های مالی و غیرمالی و فاکتورهای اقتصاد کلان ارزیابی خواهد شد.

 

3-1 ارزش در معرض خطر شرطی 

معیار CoVaR در این مطالعه، بر مبنای مطالعه گیرادی و آرگون(2013) به دست آمده است. بر این اساس ارزش در معرض خطر شرطی را به‌صورت زیر در نظر گرفته می‌شود.

(1)

 

شرط در نظر گرفته شده این است که بازدهی شاخص i کوچک‌تر از مقدار ارزش در معرض خطر آن شاخص باشد. تفاوت این تعریف با تعریف آدریان برونرمیر(2011) در این است که در تعریف آن‌ها مقدار شرط به صورتی تعریف شده بود که شاخص i دقیقاً در مقدار VaR خود قرار داشته باشد اما در این تعریف، با تعریف قرار گرفتن شاخص( مالی، غیرمالی) در مقداری بازدهی کمتر از VaR خود، امکان در نظر گرفتن وقایع و آشوب‌های شدیدتر برای شاخص  iفراهم شده است. با این تعریف به عنوان سهم شاخص i در ریسک سیستمی است. شرط در نظر گرفته شده این است که بازدهی شاخص i کوچکتر از مقدار ارزش در معرض خطر آن شاخص باشد تفاوت این تعریف با تعریف آدریان و برانرمیر (۲۰۱۱) در این است که در تعریف آن‌ها مقدار شرط به صورتی تعریف شده بود که شاخص i دقیقاً در مقدار VaR خود قرار داشته باشد اما در این ،تعریف با تعریف قرار گرفتن شاخص مورد نظر در مقداری بازدهی کمتر از VaR ،خود امکان در نظر گرفتن وقایع و آشوب‌های شدیدتر برای شاخص فراهم شده است با این تعریف CoVaR به عنوان سهم شاخص i در ریسک سیستمی است. به صورت زیر  است.

(2)
(3)

 

معیار CoVaR به دست آمده درصد اختلاف بین ارزش در معرض خطر بازار مشروط بر تحت شرایط بحرانی بودن مؤسسه i و ارزش در معرض خطر بازار مشروط به تحت شرایط نرمال استاندارد بودن موسسه i (که به صورت   است) را نشان می‌دهد. حالت استاندارد  نشان دهنده حالتی است که بازدهی مؤسسه i در اطراف میانگین خود با اختلاف نهایتاً یک انحراف معیار قرار دارد.

 

3-2 سنجش ریسک سیستمی بخش‌های مالی و غیر مالی با روش  

آدریان و برونرمیر (2011) برای سنجش ریسک سیستمی، معیار  را پیشنهاد دادند. این معیار بر پایه مفهوم VaR بنا شده است. همان گونه که از تعریف این معیار پیداست به این معنا است که VaR در شرایط خاص است؛ به عبارت دیگر VaR سیستم مالی به شرطی که شاخص‌ها در وضعیت بحران باشند. در واقع اختلاف بین CoVaR به شرطی که نهاد در وضعیت بحران باشد، CoVaR همان نهاد به شرطی که در وضعیت نرمال قرار گرفته باشد. این معیار "سهم یک نهاد در ریسک سیستمی" محاسبه کرده و می‌تواند ریسک سیستم را با نهادهایی که "از نظر سیستمی مهم‌اند" شناسایی کند. با توجه به توضیحات ارائه شده مقدار دلتای ارزش در معرض خطر شرطی به‌صورت رابطه زیر محاسبه می‌شود:

(4)

که در آن  ارزش در معرض خطر با سطح اطمینان  برای شرکت (نهاد) i است. همچنین نحوه محاسبه CoVaR به‌صورت رابطه (5) است:

(5)

که به این معنا است که در دامنه اطمینان مذکور، ضرر سهام این شرکت از مقدار  فراتر نخواهد رفت. بنابراین  به‌صورت زیر محاسبه می‌شود:

(6)

که در آن  معمولاً برابر 5% در نظر گرفته می‌شود و لذا دامنه اطمینان برابر 95% خواهد بود.  مقدار بازده شرکت (نهاد) i در دوره زمانی t است. یک رهافیت عمومی‌تر توسط جیرادی و آرگون (2013) در نظر گرفته شد که در آن درماندگی مالی یک شرکت شامل شرایطی باشد که در آن، مقدار زیان از ارزش در معرض خطر فراتر رود. جیرادی و آرگون (2013) این معیار را توسط روش محاسبه‌ای سه مرحله‌ای با استفاده از مدل‌های گارچ تک متغیره و چند متغیره پیشنهاد نمودند که ادامه به آن پرداخته خواهد شد.

گام اول: ارزش در معرض خطر (VaR) هر کدام از شاخص‌ها (اعم از مالی و غیر مالی) با استفاده از مدل ARMA-GJR²⁴ محاسبه می‌شود.

 ارزش در معرض خطر به سادگی بدترین زیان را در یک افق زمانی معین خلاصه می‌کند، که در یک سطح اطمینان مشخص فراتر نخواهد رفت که به زبان ریاضی به‌ صورت زیر تعریف می‌شود:

(7)

که  بازدهی در زمان ، و  کوانتیل بازدهی در زمان  است. در روش پارامتریک جهت محاسبهVaR  فرض را بر این قرار می‌دهد که بازدهی‌های مالی دارایی توزیع خاصی (مثل نرمال، تی-استودنت، تی-استودنت چوله و غیره) است. به عنوان مثال اگر  دارای توزیع نرمال استاندارد () و یا توزیع‌های (تی-استودنت، تی-استودنت چوله و غیره) باشد، آنگاه ارزش در معرض خطر به‌صورت زیر است:

(8)

که در آن   میانگین شرطی است که با استفاده از مدل ARMA تخمین زده می‌شود،    واریانس شرطی که می‌توان از مدل‌های خانواده GARCH استفاده کرد و   کوانتیل   با توزیع نرمال استاندارد با  است.

 

گام دوم: محاسبه همبستگی‌های شرطی بین جفت‌های شاخص صنایع و شاخص کل سیستم مالی با استفاده از مدل ²⁵DCC-GJR

 

مدل DCC-GARCH توسط انگل (2002) معرفی گردید که یک رویکرد مرتبط جدا کردن مدل‌سازی همبستگی از مدل‌سازی نوسانات در چارچوب مدل‌های نوع GARCH است. می‌توانیم برآورد مدل را به دو بخش تقسیم کنیم: بخش اول برآورد ماتریس همبستگی و بخش دوم برآورد واریانس‌ها. این مدل به‌صورت زیر است:

(9)

که در آن  ماتریس کوواریانس شرطی متشکل از دو جزء است که شامل همبستگی نمونه  و ماتریس قطری نوسانات با زمان متغیر  است. فرض کنید ماتریس همبستگی CCC که مطرح شد وابسته به زمان باشد، بنابراین  متشکل از یک ماتریس اتورگرسیو قطعی مثبت متقارن   است.

 

(10)

   که در آن  به‌ وسیله رابطه زیر برآورد می‌شود:

(11)

که در این رابطه  ماتریس غیرشرطی (K*K) از Y (لگاریتم بازده شاخص) است.  و  پارامترهایی هستند که دارای محدودیت‌های  و  برای اطمینان از مثبت بودن ماتریس همبستگی و مانایی است.

 

 

گام سوم: قرار دادن یافته‌های گام اول و دوم در رابطه جهت محاسبه معیار  

 

طبق تعریف CoVaR معادل با VaR یک بازار مشخص است به شرطی که حادثه شرطی توسط بانک مشخص تجربه شود:

(12)

                                         

که در رابطه بالا  سطح ریسک احتمال شرطی است. با فرض یک فرآیند تک متغیره خواهیم داشت:

(13)
(14)

 

در عبارت بالا، و انحرافات استاندارد شرطی و،  باقیمانده‌های شرطی استانداردشده هستند. اگر تابع میانگین شرطی برحسب  خطی باشد، دو گشتاور اول  با فرض اینکه  باشد، به‌صورت زیر خواهد بود:

(15)
(16)

همبستگی شرطی  بین بازده شاخص صنایع و بازده بازار(شاخص کل) است. با استاندارد کردن بازده بازار مشخص، داریم:

(17)

زمانی که شاخص i در حالت درماندگی (بحران) مالی قرار بگیرد، رابطه اخیر را می‌توان به شکل رابطه(18)بازنویسی نمود:

 

(18)

که در آن توزیع شرطی بازده بازار است.

هنگامی‌که شاخص موردنظر، در شرایط مناسب (حالت میانه) قرار داشته باشد:

(19)

همان‌طوری‌ که پیش‌تر گفته شد این رابطه تفاوت حالتی که شاخص (بنگاه) در حالت بحرانی باشد که معمولاً مقدار  را 5% (سطح اطمینان 95%) در نظر گرفته می‌شود را از حالتی که بنگاه در وضعیت میانه قرار دارد (حالت نرمال -  را 50%) در نظر می‌گیرد.

(20)
(21)

همان‌طور که پیش‌تر گفته شد، در گام اول مدل ابتدا VaR هرکدام از شاخص‌ها با استفاده از مدل ARMA-GJR محاسبه می‌شود. سپس در گام دوم همبستگی‌های شرطی پویا   و واریانس‌های شرطی شاخص  و سیستم‌مالی  به وسیله مدل DCC-GJR محاسبه می‌شود. در گام آخر با استفاده از رابطه به محاسبه این معیار پرداخته می‌شود. علاوه بر این  نشان دهنده ریسک سیستماتیک (بتا()) شاخص مورد نظر می‌باشد (گیودیسی و پاریسی، 2016؛ یین و همکاران، 2021).

 

3-3 رابطه بین ریسک سیستمی بخش‌های مالی و غیرمالی و فاکتورهای اقتصاد کلان

در مدل داده­های پانل فرض می­کنیم، مشاهدات مربوط به N فرد و در طول دوره T است. برای نشان دادن این دو بعد، از دو اندیس i و t استفاده می­کنیم، یعنی:

 

حال برای فرد i در زمان t معادله کلی به صورت رابطه (22)، قابل تصریح است.

(22)

که در آن  بردار ستونی ضرایب و پارامترهایی است که باید برآورد شود و  بردار سطری (1×K) متغیرهای توضیحی رگرسیون است. اگر جمله خطا  فرض‌های رگرسیون کلاسیک خطی را برقرار سازد، آنگاه به‌کارگیری روش حداقل مربعات معمولی برآوردگرهای بدوم تورش با کم‌ترین واریانس را نتیجه می‌دهد. جزء خطا مدل (22) می‌تواند یکی از سه حالت زیر را داشته باشد، که به ترتیب آن را یک مدل پانل یک عاملی فردی، مدل یک عاملی زمان و دوعاملی فردی و زمانی می‌نامیم.                                                               

(23)
(24)
(25)

اگر  غیر تصادفی باشد، آنگاه مدل (22) را یک مدل داده‌های پانل اثرات ثابت می‌نامیم و با استفاده از متغیرهای مجازی فردی (برای N-1) برآورد می‌کنیم. اگر  تصادفی باشند، نخست ساختار ماتریس واریانس جزء اخلال  را به دست آورده و سپس پارامترهای رگرسیون (22) را با استفاده از GLS²⁶برآورد می­کنیم (کشاورز حداد، 1395).

پس از محاسبه سنجه ریسک سیستمی، حال رابطه بین سهم ریسک نظام‌مند و عوامل مؤثر بر آن به طور دقیق توسط تجزیه و تحلیل رگرسیون داده‌های پانل مورد بررسی قرار می‌دهیم. مدل زیر را برای بررسی تأثیر عوامل مؤثر بر ریسک سیستمی استفاده می‌کنیم:

(26)

که در آن  نشان ‌دهنده ریسک سیستمی شاخص‌های مالی و غیرمالی، عرض از مبدا (اثرات مشاهده نشده)،  بردار از متغیرها (ارزش در معرض خطر، ریسک سیستماتیک، تغییرات نرخ ارز و تغییرات قیمت نفت) و در نهایت  جزء خطا می‌باشد. این مدل برگرفته از مطالعه انجام گرفته توسط ون کاونبرگ و همکاران (2019) می‌باشد و انتخاب متغیرهای مستقل مدل بر اساس مطالعات انجام گرفته توسط (آچاریا و همکاران²⁷، 2017؛ آدریان وبرونرمایر، 2016؛ جیرادی و آرگون، 2013 و ون کاونبرگ و همکاران، 2019) می‌باشد.

با توجه به روش تجزیه و تحلیل ارائه شده، شاخص کل به عنوان نماینده سیستم مالی در نظر گرفته می‎شود و 9 شاخص با اهمیت بورسی به عنوان شاخص‌های مالی و شاخص‌های غیرمالی در نظر گرفته می‎شود. دلیل انتخاب این شاخص‌ها بزرگ بودن زیر مجموعه و تأثیر گذاری بر روی شاخص کل می‌باشد که جدول 1 آن‌ها را نشان می‌دهد:

جدول 1: داده‌های مرحله اول پژوهش

نام شاخص	نام گروه
مالی	بانکی
بیمه و بازنشستگی
سایر مالی
غیرمالی	فلزات اساسی
انبوه‌سازی
شیمیایی
کانه‌های ‌فلزی
خودرو
قند و شکر

منبع: یافته‎های پژوهش

 

گفتنی است که اطلاعات و داده‌های مربوط به شاخص‌ها از پایگاه اینترنتی سازمان بورس اوراق بهادار (TSETMC) و نرم‌افزار ره‌آورد نوین طی فروردین 1390 تا پایان مردادماه 1399 به‌ دست ‌آمده است. همچنین پس از محاسبه و رتبه‌بندی ریسک سیستمی شاخص‌های محاسبه شده، در جدول 2 متغیرهای مرحله دوم پژوهش ارائه شده است.

جدول 2: متغیرهای مرحله دوم پژوهش

نوع متغیر	نام متغیر
مشخصه اصلی شاخص	ارزش در معرض خطر (VaR)
	ریسک سیستماتیک (بتا)
متغیر کلان	نرخ ارز
	قیمت نفت

                                    منبع: یافته‎های پژوهش

متغیرهای مشخصه اصلی نظیر ارزش در معرض خطر و ریسک سیستماتیک از گام‌های اول و دوم مرحله اول استخراج شده است. در بین متغیرهای کلان از نرخ ارز غیررسمی روزانه و قیمت نفت روزانه گزارش شده توسط اپک²⁸ طی فروردین ماه 1390 تا پایان مرداد ماه 1399 استفاده شده است.

4. تحلیل داده‌ها و یافته­ها

همان‌طور که در بخش‌های قبل توضیح داده شد، جهت محاسبه دلتای ارزش در معرض خطر شرطی از مدل گارچ تک متغیره و گارچ چند متغیره استفاده شده است. این مدل در سه گام برآورد می‌شود. همان‌طور که در بخش قبل گفته شد در گام اول ارزش در معرض خطر هر کدام از صنایع با استفاده از مدل gjrGARCH محاسبه می‌شود. گام دوم به برآورد همبستگی‌های شرطی و واریانس‌های شرطی پرداخته می‌شود. گام آخر با استفاده از نتایج گام‌های قبل و با قرار دادن این نتایج در مدل ارائه شده در رابطه (21) ارزش در معرض خطر شرطی تفاضلی محاسبه می‌شود. پیش از برآورد مدل لازم است آزمون‌های پیش آزمایی انجام شود. که در ادامه ارائه می‎گردد.

1-4 آمارهای توصیفی

برای محاسبه بازدهی‌های متغیرهای تحقیق از فرمول (27) استفاده ‌شده است.

(27)

که در آن  بازده شاخص صنایع در زمان  و  قیمت پایانی شاخص صنایع در زمان t است. به منظور تجزیه و تحلیل توصیفی با استفاده از اطلاعات سری زمانی بازده شاخص صنایع و بازده شاخص کل بازار مورد محاسبه قرار گرفته است. آمارهای توصیفی داده‎های تحقیق در جداول 3 و 4 ارائه شده است:

جدول 3: آمار توصیفی داده‌های تحقیق

بازده آماره	شاخص کل	شاخص بانکی	شاخص بیمه و بازنشستگی	شاخص سایر مالی	شاخص فلزات اساسی
میانگین	0018/0	0015/0	0016/0	0012/0	0019/0
میانه	0005/0	0002/0-	0002/0-	0003/0-	0002/0-
بیشینه	0477/0	0982/0	1309/0	1329/0	0647/0
کمینه	0567/0-	1201/0-	0820/0-	0610/0-	0813/0-
انحراف معیار	0102/0	0139/0	0138/0	0182/0	0144/0
چولگی	4174/0	1986/0	6049/0	3836/0	4351/0
کشیدگی	9120/6	6172/9	3575/8	1786/4	3048/5
جارک-برا	775/1512	690/4154	036/2852	0051/187	9906/573
احتمال	0000/0	0000/0	0000/0	0000/0	0000/0
تعداد	2269	2269	2269	2269	2269

منبع: یافته‎های پژوهش

 

جدول 4: آمار توصیفی داده‌های تحقیق

 

بازده آماره	شاخص انبوه‌سازی	شاخص شیمیایی	شاخص استخراج کانه ‌فلزی	شاخص خودرو	شاخص قند و شکر
میانگین	0017/0	0020/0	0019/0	0017/0	0023/0
میانه	00001/0-	0002/0	0003/0-	00002/0	0000/0
بیشینه	0630/0	0656/0	0914/0	1351/0	1446/0
کمینه	0649/0-	0601/0-	0490/0-	0755/0-	0900/0-
انحراف معیار	0152/0	0125/0	0161/0	0204/0	0167/0
چولگی	3460/0	4232/0	7390/0	4642/0	7776/0
کشیدگی	8893/3	2855/6	3414/5	6364/4	7681/6
جارک-برا	0519/120	340/1088	8593/724	6775/334	080/1571
احتمال	0000/0	0000/0	0000/0	0000/0	0000/0
تعداد	2269	2269	2269	2269	2269

منبع: یافته‎های پژوهش

مقادیر آمارهای توصیفی در جداول 3 و 4 نشان می‌دهد که در طی دوره مذکور به ترتیب شاخص قند و شکر و شاخص سایر مالی به طور متوسط دارای بیشترین و کمترین بازدهی هستند. بر اساس انحراف معیار، بازدهی شاخص خودرو دارای بیشترین نوسان و شاخص بیمه و بازنشستگی دارای کمترین نوسان بوده‎اند و آماره جارک-برا گویای این واقعیت است که فرضیه نرمال بودن سری زمانی بازده‌ها رد می‌شود و تمامی سری‎های زمانی بازده‌های تحقیق توزیع نرمال ندارند. همچنین آماره چولگی مقدار مثبت بوده و گویای این واقعیت است که سری زمانی بازده داری دنباله راست بلندتری نسبت به دنباله چپ دارد. با توجه به اختلاف میان توزیع‌های بازده‌های سری زمانی شاخص‌ها و توزیع نرمال، مناسب خواهد بود که از یک توزیع دم پهن‌تر، مانند توزیع تی-استودنت چوله (²⁹skwt) استفاده کنیم. همچنین با توجه مطالعه انجام‌گرفته توسط (جیرادی و آرگون، 2013؛ ون کاونبرگ و همکاران، 2019 و تیواری و همکاران، 2020) توزیع تی استودنت- چوله را برای محاسبه این شاخص پیشنهاد می‌کنند.

 

2-4 آزمون مانایی³⁰ سری زمانی متغیرهای تحقیق

مانایی پایه اصلی تحلیل سری‌های زمانی است. اگر فرض مانایی متغیرها رد شود، یا به‌عبارتی‌دیگر متغیرهای تحقیق نامانا باشد؛ موجب بروز مشکلاتی در اعتبار آزمون‌های آماری می‌شود. از آزمون‌های رایج بررسی ریشه واحد در سری‌های زمانی آزمون دیکی و فولر تعمیم‌یافته (³¹ADF) است. درصورتی‌که قدر مطلق مقدار آماره محاسبه‌شده بیشتر از مقدار بحرانی سری زمانی باشد نشان‌دهنده آن است که سری زمانی فاقد ریشه واحد است. جدول 5 نتایج آزمون ریشه واحد را بر روی متغیرهای سری زمانی بازده شاخص‌ها نشان می‌دهد.

جدول 5: نتایج آزمون ریشه واحد بر روی بازده شاخص‌ها

1

 

---

[1]  

 

[2]  Schwarcz

[3]  Zhang et al.

[4]  Cauwenberge and et al.

[5]  European Central Bank

[6]  Conditional Value at Risk

[7]  Generalized Autoregressive Conditional Heteroskedasticity

[8]  Beta

[9]  Value at Risk

[10]  Billio et al.

[11]  Instability

[12]  Caballero

[13]  Brownlees & Engle

[14]  Bisias et al.

[15]  Adrian and Brunnermeier

[16]  Bernal et al.

[17]  Girardi and Ergün

[18]  Bierth et al.

[19]  Giudici & Parisi

[20]  Reboredo et al. 

[21]  Ferreira and Silva

[22]  Tiwari et al. 

[23]  Yin et al.

[24]   Autoregressive Moving Average model

[25]  Dynamic conditional correlation

[26]  Generalized Linear Models

[27]  Acharya et al.

[28]  OPEC

[29]  Skew Student’s t-distribution

[30]  Stationarity

[31]  Augmented Dickey-Fuller

---