• صفحه اصلی
  • تأثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری در کشورهای در حال توسعه، توسعه‌یافته و کمتر توسعه‌یافته

اشتراک گذاری

آدرس مقاله


کد مقاله : 140306071130343 بازدید : 53 صفحه: 1 - 25

https://doi.org/10.71849/ECO.2025.1130343

نوع مقاله: پژوهشی

تأثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری در کشورهای در حال توسعه، توسعه‌یافته و کمتر توسعه‌یافته

محورهای موضوعی : سایر

امیررضا سوری 1 , فاطمه پناهی 2

1 - دکتري اقتصاد، مدیر گروه پژوهش‌های اقتصاد کلان و آینده پژوهی، استادیار موسسه مطالعات و پژوهشهاي بازرگاني، تهران، ایران (نویسنده مسئول). amirsoori@gmail.com
2 - پژوهشگر اقتصادی، گروه پژوهش‌های اقتصاد کلان و آینده پژوهی، موسسه مطالعات و پژوهش‌هاي بازرگاني، تهران، ایران. zhilapanahi59@gmail.com

تاریخ دریافت : 1403/11/25 تاریخ پذیرش : 1404/02/29 تاریخ انتشار : 1404/04/28

کلید واژه: متغیرهای کلان اقتصادی, توسعه مالی, مطالبات غیرجاری, ریسک,

چکیده مقاله :

هدف از این مطالعه بررسی تاثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری (NPLs)  در کشورهای درحال توسعه، توسعه یافته و کمتر توسعه یافته است. برای شناسایی تأثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری از داده‌های پانل دوره 2004 تا 2019 و روش گشتاورهای تعمیم یافته(GMM) استفاده شده است. ضمن اینکه با استفاده از آزمون علیت-گرنجر اثر بلندمدت رشد اقتصادی و توسعه مالی بر مطالبات غیرجاری بررسی شده است. نتایج این مطالعه نشان داد مطالبات غیرجاری با رشد اقتصادی(GDP) و تورم(INF) رابطه منفی و با بیکاری(UNE) رابطه مثبت دارد. ضمن اینکه متغیرهای توسعه مالی نظیر کارایی هزینه بانک (BCE)، بازده دارایی بانک­ها (ROA)، درآمد بدون بهره (یا درآمد کارمزدی) به کل درآمد (NIT)، نسبت کفایت سرمایه بانک­ها (CRB)، میزان واسطه­گری مالی (AFI)، میزان دارایی­های بانک­های خارجی در میان کل دارایی­های بانک  (AFB)با مطالبات غیرجاری رابطه منفی دارند. دیگر یافته­های مطالعه نشان می­دهد که در بلندمدت با افزایش رشد اقتصادی، سطوح مطالبات غیرجاری کاهش می‌یابد. ضمن اینکه توسعه مالی و بهبود فرایندهای نظارتی و کنترلی موجب کاهش مطالبات غیرجاری می­شود.

 

 

چکیده انگلیسی:

This study examines the impact of macroeconomic factors and financial development on non-performing loans (NPLs) across developed, developing, and less developed countries. Utilizing panel data from 2004 to 2019 and employing the Generalized Method of Moments (GMM) approach, the analysis explores the short-term determinants of NPLs, while long-term dynamics are assessed through the Granger causality test. The empirical framework is based on a modified version of the model proposed by Goyal et al. (2023). The findings indicate that NPLs are negatively associated with economic growth (GDP) and inflation (INF), and positively associated with unemployment (UNE). Furthermore, banking sector variables such as bank capital (BCE), return on assets (ROA), non-interest income to total income (NIT), bank credit ratio (CRB), financial capitalization ratio (AFI), and the share of foreign bank assets (AFB) exhibit a negative relationship with NPLs. The study also finds that, in the long run, higher levels of economic growth are associated with a decline in NPLs, and that financial development—along with enhanced regulatory and supervisory mechanisms—contributes to a reduction in loan delinquency.

 

منابع و مأخذ:

1. Abolhasani Hastiani A, Shaygani B, Jamshidnezhad A (2021). The Impact of Non-Performing Loans of Public and Private Banks on Economic Growth in Iran.- ابوالحسنی هستیانی، اصغر، شایگانی، بیتا، و جمشیدنژاد، امیر (1400). بررسی اثر مطالبات غیرجاری بانک‌های دولتی و خصوصی بر رشد اقتصادی ایران. فصلنامه پژوهشنامه اقتصاد کلان، 16(31)، 178-155.
- باستان‌زاد، حسین، و داودی، پدرام (1400). اثرات تکانه‌های سیستماتیک کلان بر مطالبات غیرجاری بانکی: الگوی تلاطم تصادفی عاملی چندمتغیره. فصلنامه پژوهشنامه اقتصاد و برنامه‌ریزی، 26(3)، 74-49.
- صادقی، سمیه (1401). تاثیر خلق نقدینگی بر ریسک سیستمی بانک‌ها در ایران با تمرکز بر ساختار ترازنامه‌ای. فصلنامه مدلسازی اقتصادی، 16 (60)، 86-69.
- کردمنجیری، سجاد، داداشی، ایمان، خوشنود، زهرا، و غلام نیا روشن، حمیدرضا (1399). شناسایی عوامل موثر بر مطالبات غیرجاری بانک‌ها با استفاده از شبکه‌های عصبی و الگوریتم ماشین بردار پشتیبان. فصلنامه مدل‌سازی اقتصادی، 14 (49)، 151-127.
- کفایی، سیدمحمدعلی، و راهزانی، محبوبه (1396). بررسی تاثیر متغیرهای کلان اقتصادی بر ریسک نقدینگی بانک های ایران. پژوهش ها و سیاست های اقتصادی، 25 (81)، 310-261.
- کمیجانی، مهرشاد، پژویان، جمشید، و غفاری، فرهاد (1394). تحلیل اثر متغیرهای کلان اقتصادی و درون بانکی بر مطالبات غیرجاری بانک‌های کشور. مطالعات و سیاست‌های اقتصادی، 12 (2)، 122-105.
- محمدی، تیمور، اسکندری، فرزاد، و کریمی، داود (1395). تأثیر متغیرهای کلان اقتصادی و ویژگی­های خاص بانکی بر مطالبات غیر جاری در نظام بانکی ایران، فصلنامه پژوهشنامه اقتصادی، 16 (62)، 104-83.
- محسنی، رضا، و فتحیان، مریم (1396). تأثیر نوسانات متغیرهای کلان اقتصادی بر مطالبات غیرجاری بانکی. فصلنامه مطالعاتی در مدیریت بانکی و بانکداری اسلامی، 3 (6-7)، 130-95.

- Abolhasani H, A., Shaygani, B., & Jamshidnezhad, A. (2021). The impact of non-performing loans of public and private banks on economic growth in Iran. Macroeconomics Research Letter, 16(31), 155–178. [In Persian]
- Adegboye, A., & Akinyele, O. D. (2022). Assessing the determinants of government spending efficiency in Africa. Future Business Journal, 8(1), 1–17. https://doi.org/10.1186/s43093-022-00130-3
- Bastanzad, H., & Davodi, P. (2021). The impact of macro systematic shocks on the non-performing loans: Multivariate stochastic volatility model. Journal of Planning and Budgeting, 26(3), 49-74. [In Persian]
- Beck, R., Jakubik, P., & Piloiu, A. (2015). Key determinants of non-performing loans: New evidence from a global sample. Open Economies Review, 26(3), 525–550. https://doi.org/10.1007/s11079-015-9358-8
- Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking & Finance, 21(6), 849–870. https://doi.org/10.1016/S0378-4266(97)00003-4
- Espinoza, R. A., & Prasad, A. (2010). Non-performing loans in the GCC banking system and their macroeconomic effects. International Monetary Fund.
- Ghosh, A. (2015). Banking-industry specific and regional economic determinants of non-performing loans: Evidence from US states. Journal of Financial Stability, 20, 93–104. https://doi.org/10.1016/j.jfs.2015.08.002
- Ghosh, A. (2022). Banking sector openness and entrepreneurship. Journal of Financial Economic Policy, 14(1), 1–23. https://doi.org/10.1108/JFEP-05-2021-0085
- Goyal, S., Singhal, N., Mishra, N., & Verma, S. K. (2023). The impact of macroeconomic and institutional environment on NPL of developing and developed countries. Future Business Journal, 9(45), 1–15. https://doi.org/10.1186/s43093-023-00207-2
- Kafaie, M., & Rahzaani, M. (2017). The effect of macroeconomic variables on banks' liquidity risk in Iran. Journal of Economic Research and Policies, 25(81), 261–310. [In Persian]
- Klein, N. (2013). Non-performing loans in CESEE: Determinants and impact on macroeconomic performance. International Monetary Fund, 70–92.
- Komijani, M., Pazhuyan, J., & Ghaffari, F. (2015). Analysis of the effect of macroeconomic and intra-bank variables on the non-performing loans of the country's banks. Economic Studies and Policies, 12(2), 105-122. [In Persian]
- Kordmanjiri, S., Dadashi, I., Khoshnood, Z., & Gholamnia Roshan, H. (2020). Identifying factors affecting non-current debts of banks using neural networks and support vector machine algorithm. Economic Modeling, 14(49), 127–151. [In Persian]
- Lin, X., & Zhang, Y. (2009). Bank ownership reform and bank performance in China. Journal of Banking & Finance, 33(1), 20–29. https://doi.org/10.1016/j.jbankfin.2007.11.024
- Louzis, D. P., Vouldis, A. T., & Metaxas, V. L. (2012). Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of Banking & Finance, 36(4), 1012–1027. https://doi.org/10.1016/j.jbankfin.2011.10.012
- Mohammadi, T., Eskandar, F., & Karimi, D. (2016). The effect of macroeconomic variables on non-performing loans. Journal of Economic Research, 16(62), 81–101. [In Persian]
- Mohseni, R., & Fathian, M. (2018). Impact of fluctuations in macroeconomic variables on non-performing loans. Quarterly Journal of Islamic Finance and Banking Studies, 3(6-7), 95–130. [In Persian]
- Nkusu, M. M. (2011). Non-performing loans and macro financial vulnerabilities in advanced economies. International Monetary Fund.
- Ozili, P. K. (2018). Banking stability determinants in Africa. International Journal of Managerial Finance, 14(4), 462–483. https://doi.org/10.1108/IJMF-01-2018-0002
- Ozili, P. K. (2015). How bank managers anticipate non-performing loans: Evidence from Europe, US, Asia and Africa. Journal of Financial Regulation and Compliance, 23(1), 73–80.
- Podpiera, J., & Weill, L. (2008). Bad luck or bad management? Emerging banking market experience. Journal of Financial Stability, 4(2), 135–158. https://doi.org/10.1016/j.jfs.2007.01.004
- Roman, A., & Bilan, I. (2015). An empirical analysis of the macroeconomic determinants of non-performing loans in EU28 banking sector. Revista Economică, 67(2), 108–127.
- Škarica, B. (2014). Determinants of non-performing loans in Central and Eastern European countries. Financial Theory and Practice, 38(1), 37–59. https://doi.org/10.3326/fintp.38.1.2
- Sadeghi, S. (2023). The effects of liquidity creation on systemic risk: by concentration on banks balance sheet structure. Economic Modeling, 16(60), 69–86. [In Persian]
- Sethi, A. S., & Bajaj, A. (2018). Non-performing loan (NPLs) of Scheduled Commercial Banks (SCBs) in India: Analytical revelations. Finance India, 32(3), 785–804.
- Tanasković, S., & Jandrić, M. (2015). Macroeconomic and institutional determinants of non-performing loans. Journal of Central Banking Theory and Practice, 4(1), 47–62. https://doi.org/10.1515/jcbtp-2015-0004.
متن کامل:


Economic Modeling

sanad.iau.ir/journal/eco

 

img0 

Original Article

Macroeconomic changes and financial development on non-performing loans are developing, developed and less developed

Amir Reza Souriimg01, Fatemeh Panahiimg02*

https://doi.org/10.71849/ECO.2025.1130343

Abstract

This study examines the impact of macroeconomic factors and financial development on non-performing loans (NPLs) across developed, developing, and less developed countries. Utilizing panel data from 2004 to 2019 and employing the Generalized Method of Moments (GMM) approach, the analysis explores the short-term determinants of NPLs, while long-term dynamics are assessed through the Granger causality test. The empirical framework is based on a modified version of the model proposed by Goyal et al. (2023). The findings indicate that NPLs are negatively associated with economic growth (GDP) and inflation (INF), and positively associated with unemployment (UNE). Furthermore, banking sector variables such as bank capital (BCE), return on assets (ROA), non-interest income to total income (NIT), bank credit ratio (CRB), financial capitalization ratio (AFI), and the share of foreign bank assets (AFB) exhibit a negative relationship with NPLs. The study also finds that, in the long run, higher levels of economic growth are associated with a decline in NPLs, and that financial development—along with enhanced regulatory and supervisory mechanisms—contributes to a reduction in loan delinquency.

Received:

13/02/2025

 

Accepted:

19/05/2025

 

Keyword:

Macroeconomic Variables, Financial Development, Non-performing Loans, Risk

 

JEL Classification: 

C32, C58, E62, E58, G21

 

 

 

 

 

 


 

1. Introduction

This study analyzes data from 94 countries over the period 2004–2019, encompassing developed, developing, and less developed economies. The extensive sample size and 16-year time span provide a robust basis for examining the effects of macroeconomic variables and financial development on non-performing loans (NPLs). The findings are particularly relevant for bank managers, financial institutions, and monetary and financial policymakers, including central banks, as they offer insights into the dynamics influencing credit risk. The structure of the paper is as follows: the first section reviews the theoretical literature on macroeconomic and financial development variables affecting NPLs; the second section outlines the research methodology, data sources, and estimation techniques; the third section presents the empirical model and results; and the final section offers a summary of key findings, conclusions, and policy recommendations.

 

2. Research method and data

This study examines the determinants of non-performing loans (NPLs) using country-level panel data for the period 2004 to 2019, drawn from the International Monetary Fund and the World Bank’s Global Financial Development Database. Due to data limitations regarding financial development indicators in some countries, the final sample includes 94 countries—comprising 21 developed, 48 developing, and 25 less developed nations. To address the research objectives and test the proposed hypotheses, the study investigates the impact of two main categories of variables—macroeconomic indicators and financial development measures—on NPLs. A panel data regression model is estimated using annual data and STATA14 software. The model specification includes NPLs as the dependent variable (NPL(i,t)), with its lagged value (NPL(i,t-1)) incorporated to account for persistence in credit risk over time.

 

The explanatory variables used in the analysis include bank cost efficiency (BCE), return on assets (ROA), the ratio of non-interest income to total income (NIT), capital adequacy ratio (CRB), financial intermediation (AFI), the ratio of foreign bank assets to total bank assets (AFB), gross domestic product (GDP), unemployment rate (UNE), and inflation rate (INF). The study employs the Generalized Method of Moments (GMM) to estimate the model. The use of GMM is justified by the limitations of the ordinary least squares (OLS) approach, particularly in contexts where heterogeneity and endogeneity are present, as is often the case when examining the impact of financial variables on non-performing loans (NPLs). Prior studies (e.g., Kedir et al., 2018; Goyal, 2023; Singhal) have demonstrated that OLS estimators can be biased and inconsistent due to the endogenous nature of banking variables and their simultaneous interaction with NPLs. Accordingly, GMM provides a more robust framework for addressing these econometric issues.

3. Analysis and discussion

The empirical analysis reveals a strong and positive relationship between current and lagged non-performing loans (NPLs), indicating persistence in NPL levels over time. This finding aligns with the results of Ozili (2018) and Ghosh (2022). Across all panels, gross domestic product (GDP) is negatively associated with NPLs, supporting the conclusion that economic growth contributes to a reduction in loan defaults, consistent with the studies by Laven and Majnouni (2003) and Ozili (2015). Economic expansion fosters financial stability and higher repayment capacity, thereby lowering the volume of NPLs. In contrast, inflation (INF) is positively correlated with NPLs, a result in line with Sharika (2014) and Beck et al. (2015), suggesting that inflationary pressures may undermine borrowers’ real income and repayment ability.

Furthermore, the results indicate a positive relationship between unemployment (UNE) and NPLs, echoing the findings of Enkoso (2011). Higher unemployment rates reduce household income and creditworthiness, contributing to increased default risks. Bank cost efficiency (BCE) exhibits a negative relationship with NPLs, corroborating the results of Lozis et al. (2012); improved cost efficiency reflects stronger risk management and operational effectiveness, which help to reduce default rates. Similarly, the return on assets (ROA) is negatively related to NPLs, as noted in Berger and DeYoung (1997), implying that more profitable banks tend to have lower levels of problematic loans.

The capital adequacy ratio (CRB) also demonstrates a negative association with NPLs, consistent with the findings of Bodriga et al. (2010) and Klein (2013). This suggests that banks with stronger capital buffers are better equipped to manage credit risk, benefiting from more rigorous monitoring and credit screening practices. A negative relationship is also observed between the ratio of non-interest income to total income (NIT) and NPLs, supporting Ozili (2019). Banks with diversified income streams are less reliant on risky interest-bearing assets, reducing their exposure to default risk.

Moreover, financial intermediation (AFI), measured by domestic credit provision, is inversely related to NPLs across all panels, indicating that more developed financial systems are associated with improved credit allocation and reduced loan defaults. The share of foreign bank assets (AFB) among total bank assets is also negatively associated with NPLs, as observed in Ghosh (2022), suggesting that foreign participation in the banking sector can enhance prudential practices and reduce credit risk. Finally, the effect of financial freedom on NPLs is consistently significant and negative across all panels, underscoring the role of liberalized financial environments in improving credit quality and reducing default rates.

 

4. Conclusion

The findings of the study indicate a long-term convergence between economic growth and the reduction of non-performing loans (NPLs). Periods of sustained economic growth are typically associated with increased income levels and greater stability in the manufacturing and service sectors, thereby decreasing the likelihood of loan defaults. In such conditions, borrowers’ capacity and willingness to repay loans improve, enhancing banks’ ability to meet financial obligations and maintain financial soundness. Additionally, financial development contributes to more effective supervisory and regulatory mechanisms, thereby reducing the volume of non-performing assets in the banking sector.

A key responsibility of central banks and other financial supervisory authorities is to ensure the reliability and efficiency of the financial system, thereby safeguarding the interests of all stakeholders. Financial stability fundamentally depends on a robust banking sector that can efficiently intermediate between savers and borrowers. In advanced economies, prudential oversight mechanisms such as bank stress testing are employed to monitor systemic risk, with NPL modeling serving as a critical component of such evaluations. These practices aim to restore and uphold public confidence and financial stability during periods of stress.

Moreover, the study underscores the role of financial development in mitigating NPL levels. Financial liberalization, in particular, enables banks to adopt advanced technologies and introduce innovative financial products and services, thereby strengthening operational capacity and reducing exposure to credit risk.

 

Funding 

There is no funding support.

 

Declaration of Competing Interest

The author declares no conflicts of interest relevant to the content of this article.

 

Acknowledgments

We thank the anonymous reviewers for their valuable comments, which have significantly contributed to improving the quality of this work.

 

 

 

 

[1] * Assistant Professor, Department of Macroeconomics and Future Studies, Institute for Trade Studies and Research, Tehran, Iran (Corresponding Author), amirsoori@gmail.com

[2] ** Economics Researcher, Department of Macroeconomics and Future Studies, Institute for Trade Studies and Research, Tehran, Iran. zhilapanahi59@gmail.com

How to Cite: Souri, A. R., & Panahi, F. (2025(. Macroeconomic changes and financial development on non-performing loans are developing, developed and less developed. Economic Modeling. 19 (69) 1-25.

پژوهشی

تأثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری در کشورهای در حال توسعه، توسعه‌یافته و کمتر توسعه‌یافته

اميررضا سوري1، فاطمه پناهی2

https://doi.org/10.71849/ECO.2025.1130343

تاریخ دریافت:

25/11/1403

تاریخ پذیرش:

29/02/1404

 

واژگان کلیدی:‌ 

متغیرهای کلان اقتصادی، توسعه مالی، مطالبات غیرجاری، ریسک

طبقه‌بندی JEL:

C32, C58, E62, E58, G21

چکیده 

هدف از این مطالعه بررسی تاثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری (NPLs)  در کشورهای درحال توسعه، توسعه یافته و کمتر توسعه یافته است. برای شناسایی تأثیر متغیرهای کلان اقتصادی و توسعه مالی بر مطالبات غیرجاری از داده‌های پانل دوره 2004 تا 2019 و روش گشتاورهای تعمیم یافته(GMM) استفاده شده است. ضمن اینکه با استفاده از آزمون علیت-گرنجر اثر بلندمدت رشد اقتصادی و توسعه مالی بر مطالبات غیرجاری بررسی شده است. نتایج این مطالعه نشان داد مطالبات غیرجاری با رشد اقتصادی(GDP) و تورم(INF) رابطه منفی و با بیکاری(UNE) رابطه مثبت دارد. ضمن اینکه متغیرهای توسعه مالی نظیر کارایی هزینه بانک (BCE)، بازده دارایی بانک­ها (ROA)، درآمد بدون بهره (یا درآمد کارمزدی) به کل درآمد (NIT)، نسبت کفایت سرمایه بانک­ها (CRB)، میزان واسطه­گری مالی (AFI)، میزان دارایی­های بانک­های خارجی در میان کل دارایی­های بانک  (AFB)با مطالبات غیرجاری رابطه منفی دارند. دیگر یافته­های مطالعه نشان می­دهد که در بلندمدت با افزایش رشد اقتصادی، سطوح مطالبات غیرجاری کاهش می‌یابد. ضمن اینکه توسعه مالی و بهبود فرایندهای نظارتی و کنترلی موجب کاهش مطالبات غیرجاری می­شود.

 

 

 

 

1. مقدمه

مطالبات غیرجاری (NPLs)3 به وام‌هایی گفته می‌شود که بیش از یک دوره معین از تاریخ سررسید آنها گذشته و پرداخت نشده‌ باشند. این دوره معمولاً 90 روز است، اما ممکن است در کشورهای مختلف متفاوت باشد. در ایران مطالبات غیرجاری شامل مطالبات سررسید گذشته، معوق و مشکوک­الوصول است و به­طور معمول شامل مطالباتی است که بیش از 18 ماه از تاریخ سررسید یا تاریخ قطع بازپرداخت اقساط آنها گذشته باشد. کیفیت اعتبار پرداختی به توانایی وام‌گیرندگان در بازپرداخت وام بستگی دارد. هرچه مطالبات غیرجاری افزایش یابد ریسک اعتباری بانک افزایش خواهد یافت. کیفیت پرتفوی وام (مجموعه وام‌های یک بانک یا موسسه مالی) که توسط بخش بانکداری در کشورها و مناطق مختلف نگهداری می‌شود با مطالبات غیرجاری سنجیده می­شود هرچند می­توان این امر را با استفاده از شاخص‌های دیگری نظیر نسبت مطالبات غیرجاری به کل وام‌ها، نسبت مطالبات غیرجاری به سرمایه پایه و یا نسبت مطالبات غیرجاری به درآمد ارزیابی کرد. افزایش مطالبات غیرجاری یک ریسک بزرگ بانکی برای تقریباً همه کشورهای جهان است زیرا بر ثبات مالی و سودآوری سیستم بانکی تأثیر منفی دارد. همچنین ترازنامه بانک­ها و موسسات مالی را تضعیف و توانایی آنها برای وام­دهی را کاهش و هزینه استقراض را افزایش می­دهد. این امر می‌تواند به تنگنای اعتباری و کاهش وام­های پرداختی به کسب‌وکارها و افراد منجر شده و آنها را در تامین مالی با مشکل مواجه کند.

در کشورهایی که مطالبات غیرجاری سیستم بانکی زیاد است، برای نجات بانک‌ها و مؤسسات مالی ناکارآمد از بحران مالی باید درآمدهای مالیاتی در بخش بانکی هزینه شود که مخارج دولت برای توسعه را محدود می­کند و آثار غیرمستقیم نامطلوبی بر کل اقتصاد دارد  (آدگبویه و آکینیل4، 2022). در بعد اقتصادی، مطالبات غیرجاری می­توانند چندین اثر منفی داشته باشند. اولاً دسترسی به اعتبارات را کاهش می­دهند و سرمایه­گذاری در پروژه­های جدید و توسعه اشتغال را دشوارتر می­کنند که می­تواند به کاهش بهره­وری و رشد اقتصادی منجر شود. ثانیاً مطالبات غیرجاری می­توانند اعتماد به سیستم مالی را کاهش دهند و به افزایش ریسک اعتباری، فرار سرمایه و کاهش تمایل بانک‌ها و سایر موسسات مالی به اعطای وام منجر شوند. ثالثاً مطالبات غیرجاری می­توانند منجر به  کاهش سودآوری بانک­ها، از دست دادن اعتماد در بخش بانکی شوند، که می­تواند تمایل افراد و کسب­وکارها را برای پس­انداز، سرمایه­گذاری و رشد اقتصادی کاهش دهد.

بحران مالی سال 2008 و فروپاشی­های مالی در سرتاسر جهان نشان داد که در کشورهایی که دارای موسسات بانکی دارای مطالبات غیرجاری زیاد هستند، احتمال وقوع بحران بیشتر است. وابستگی ساختاری نظام اقتصادی به بانکداری و به­هم پیوستگی آنها، ممکن است آثار نامطلوبی بر ثبات اقتصادی داشته باشد.

این مقاله از بسیاری جهات به ادبیات فعلی در مورد NPLها کمک خواهد کرد. در این مطالعه عوامل کلان اقتصادی بهعنوان عوامل تعیین کننده NPLها بررسی شده است. ضمن اینکه اثر توسعه مالی و اقتصادی برNPLها نیز واکاوی شده است. بنابراین، این مطالعه رویکردی جامع برای درک اینکه چرا موسسات بانکی کشورها آسیب­پذیر و مستعد مشکلات مالی هستند را تشریح می­کند. این تحقیق به دولت، قانونگذاران و مقامات پولی کمک می­کند تا اهمیت محرک­های مختلف مطالبات غیرجاری را درک کنند. این موضوع به ارزیابی و کنترل زیان اعتباری و جلوگیری از ورشکستگی در سیستم‌های بانکی کمک می‌کند.

در مطالعه حاضر، 94 کشور طی دوره 2019-2004 (به مدت 16 سال) شامل کشورهای توسعه یافته، درحال توسعه و کمتر توسعه یافته در نظر گرفته شده­ است. حجم نمونه بزرگ و دوره طولانی، امکان بررسی دقیق­تر اثرات متغیرهای کلان اقتصادی بر NPLها را فراهم می‌کند که می­تواند برای مدیران بانک­ها و سایر موسسات مالی و سیاستگذاران پولی و مالی و به­خصوص بانک مرکزی مفید باشد.

ساختار مقاله بدین شرح است که ابتدا به بررسی ادبیات نظری عوامل کلان اقتصادی و متغیرهای توسعه مالی موثر بر مطالبات غیرجاری پرداخته شده است. در بخش دوم روش­شناسی تحقیق تشریح و داده­ها و روش مورد استفاده توضیح داده شده است. در بخش سوم الگوی تجربی و نتایج مطالعه تشریح شده و درنهایت در بخش جمع­بندی، نتیجه‌گیری و پیشنهادها ارائه شده است.

 

2.‌ مروری بر ادبیات

مطالبات غیرجاری (NPLs) عاملی برای ثبات مالی و رشد اقتصادی در بسیاری از کشورها شناخته شده است. بنابراین، درک عواملی که باعث ایجاد مطالبات غیرجاری می­شوند در ارائه توصیه­های سیاستی به سیاستگذاران بسیار مهم است. در ادامه به بررسی ادبیات موجود در مورد رابطه مطالبات غیرجاری و عوامل کلان اقتصادی و عوامل تعیین­کننده در سطح بانک پرداخته شده است.

در بررسی مطالبات غیرجاری در اقتصاد ایران باید توجه ویژه‌ای به بی‌ثباتی‌های خاص محیط اقتصاد کلان کشور باید شود. عواملی مانند تورم و شوک‌های غیر اقتصادی ناشی از تحریم‌ها، نقش مهمی در افزایش مطالبات غیرجاری ایفا می‌کنند. این بی‌ثباتی‌ها باعث کاهش توان بازپرداخت وام‌گیرندگان و افزایش ریسک اعتباری بانک‌ها شده و مدیریت مطالبات غیرجاری را پیچیده‌تر می­کند. همچنین، تلاطمات ارزی و فشارهای ناشی از تحریم‌ها، علاوه­بر آثار مستقیم بر اقتصاد، توان تسهیلات‌دهی بانک‌ها را محدود کرده و موجب افزایش هزینه‌های مالی و کاهش نقدینگی در نظام بانکی می‌شوند. بنابراین، تحلیل دقیق این عوامل کلان و خاص اقتصادی برای درک بهتر روند مطالبات غیرجاری در ایران ضروری است.

نتایج تحقیقات برگر و دی یانگ با استفاده از تکنیک‌های علیت گرنجر بر روی چهار بانک نشان داد که خطر اخلاقی و مدیریت ضعیف ممکن است مسئول بخش قابل­توجهی از مطالبات غیر جاری باشد. ضمن اینکه ارتباط بین سودآوری بانک و مطالبات غیرجاری منفی است (برگر و دی یانگ5، 1997).

براساس تحقیقات لاون و مجنونی زمانی که اقتصاد رشد می­کند، مطالبات غیرجاری کاهش می­یابدکه به نفع ثبات صنعت بانکی است. نتایج مطالعه آنها بیانگر این بود که بین مطالبات غیرجاری و رشد اقتصادی رابطه منفی وجود دارد (لاون و مجنونی6، 2003).

پودپیرا و ویل یک رابطه علی بین مطالبات غیرجاری و کارایی هزینه تخمین زدند. نتایج مطالعه آنها نشان داد که مدیریت ضعیف در بانک­ها می­تواند موجب افزایش مطالبات غیرجاری شود (پودپیرا و ویل7، 2008). 

تحقیقات اسپینوزا و پراساد بیانگر این است که مطالبات غیرجاری با افزایش نوسانات مالی جهانی همبستگی مثبت دارند. به­عبارتی هرچه نوسانات مالی جهانی افزایش یابد میزان مطالبات غیرجاری افزایش خواهد یافت (اسپینوزا و پراساد8 ، 2010).

مطالعات اندکی تلاش کرده‌اند تا رابطه مطالبات غیرجاری و آزادسازی بانکی را بررسی کنند. برای مثال، تحقیقات بودریگا و همکاران نشان داد که مشارکت خارجی موجب افزایش نرخ­ رشد اعتباری و کاهش مطالبات غیرجاری در کشور میزبان می­شود. ضمن اینکه بین مطالبات غیرجاری و نسبت کفایت سرمایه رابطه منفی وجود دارد (بودریگا و همکاران9 ، 2010).

 

img0 

نمودار 1. تغییرات روند برخی از متغیرهای کلان اقتصاد ایران

منبع:  https://www.imf.org

 

انکوسو10 اظهار می­دارد که بدتر شدن شرایط اقتصاد کلان، مانند کاهش رشد اقتصادی، موجب افزایش مطالبات غیرجاری می­شود. علاوه بر این، بیکاری بیشتر با مطالبات غیرجاری بیشتر همراه است، زیرا سطوح بالای بیکاری ظرفیت وام­گیرندگان را برای بازپرداخت وام­ها کاهش می‌دهد (انکوسو، 2011).

نتایج مطالعه لوزیس وولدیس و متاکساس درخصوص عوامل موثر بر مطالبات غیرجاری در بخش بانکداری یونان نشان داد که اثربخشی مدیریت، تولید ناخالص داخلی، بیکاری، نرخ بهره و بدهی عمومی به­طور قابل­توجهی بر مطالبات غیرجاری تأثیر می­گذارند و افزایش کارایی هزینه بانک موجب کاهش مطالبات غیرجاری می­شود (لوزیس وولدیس و متاکساس 11 ، 2012). 

کلاین12 16 کشور اروپای شرقی و مرکزی را بین سال­های 1998 تا 2011 بررسی کرد. نتایج مطالعه او نشان داد که مطالبات غیرجاری با رشد اعتبار، رشد تولید ناخالص داخلی و تورم رابطه منفی دارند. همچنین تغییرات نرخ ارز تأثیر مبهمی بر مطالبات غیرجاری دارد. کاهش ارزش پول ملی در اقتصادهایی که از سیاست‌های نرخ ارز شناور پیروی می‌کنند و مقدار زیادی بدهی به ارز خارجی دارند بر افزایش مطالبات غیرجاری تأثیر مثبت دارد. از طرفی کاهش ارزش پول ملی می‌تواند توانایی کسب‌وکارهای صادرات‌محور را برای بازپرداخت بدهی‌های خود افزایش دهد و موجب کاهش مطالبات غیر جاری اینگونه کسب­و­کارها شود. دیگر نتایج این مطالعه نشان داد، بانک‌هایی که جریان نقدی مثبت دارند، مطالبات غیرجاری کمتری دارند. زیرا درآمد بیشتری از پرداخت وام نسبت به مطالبات غیرجاری خواهند داشت و سودآوری کلی بانک افزایش می‌یابد. به­علاوه مطالبات غیرجاری با کفایت سرمایه بانک رابطه معکوس دارد زیرا بانک‌هایی که سرمایه کمتری دارند، تشویق می‌شوند تا تصمیمات سرمایه‌گذاری پرریسک‌تری اتخاذ کنند که این امر باعث افزایش وقوع مطالبات غیرجاری می‌شود (کلاین، 2013). 

شاریکا نشان داد که رابطه منفی بین مطالبات غیرجاری و تورم، رکود اقتصادی، وضعیت اشتغال، ریسک و نرخ تورم وجود دارد. همچنین شاخص بورس اوراق بهادار از طریق اثر ثروت ممکن است بر مطالبات غیرجاری تأثیر بگذارد، ولی اثر مطالبات غیرجاری بر قیمت مسکن آشکار نیست (شاریکا13 ، 2014).

تحقیقات بک، یاکوبیک و پیلوی نشان داد که مطالبات غیرجاری به طور قابل توجهی تحت تأثیر رشد اقتصاد، تورم، قیمت سهام، نرخ ارز و نرخ بهره وام قرار دارند. با توجه به اینکه مطالبات غیرجاری اغلب در دوران رونق اقتصادی کمتر و در دوران رکود اقتصادی، افزایش می­یابند، نرخ رشد تولید ناخالص داخلی و مطالبات غیرجاری رابطه منفی دارند. همچنین افزایش رقابت بانکی موجب کاهش ثبات مالی و افزایش مطالبات غیرجاری می­شود. قیمت مسکن نیز با مطالبات غیرجاری رابطه مثبت دارد به­عبارتی اگر قیمت مسکن افزایش یابد، خانوارهایی که برای خرید خانه جدید وام دریافت کرده­اند ممکن است نتوانند اقساط وام خود را پرداخت کنند و مطالبات غیرجاری افزایش می­یابد (بک، یاکوبیک و پیلوی 14، 2015) یافته­های رومن و بیلان نیز تأثیر معنا‌دار عوامل اقتصاد کلان و متغیرهای مالی بر مطالبات غیرجاری را تایید کرد  (رومن و بیلان15، 2015).

تاناسکوویچ و جاندریچ از نسبت اعتبار خصوصی به تولید ناخالص داخلی به­عنوان شاخصی برای میزان توسعه بخش مالی استفاده کردند. نتایج مطالعه آنها نشان داد که مطالبات غیرجاری با میزان توسعه بخش مالی، همبستگی منفی دارد اما با نسبت وام های ارزی و نرخ ارز همبستگی مثبت دارد (تاناسکوویچ و جاندریچ16 ، 2015).

اوزیلی نشان داد مطالبات غیرجاری در دوره رشد اقتصادی کاهش و در دوره رکود اقتصادی افزایش می­یابد، بنابراین تغییرات رشد تولید ناخالص داخلی با تغییرات در میزان مطالبات غیرجاری مرتبط است (اوزیلی17، 2015). گوش نیز معتقد است که اهرم تاخیر18 در بانک­ها موجب تاثیر بر مطالبات غیرجاری می­شود. این امر به این دلیل است که اهرم تاخیر می‌تواند ریسک بانک را افزایش دهد و باعث شود که احتمال بازپرداخت اقساط توسط وام­گیرندگان کاهش یابد (گوش19، 2015).

تحقیقات نشان داد که هر چه قدرت بازار بانک بیشتر باشد، ریسک ورشکستگی بانک، نسبت­های سرمایه و مطالبات غیرجاری کاهش خواهند یافت. اوزیلی بیان می‌کند که مطالبات غیرجاری با میزان نقدینگی بانک و همچنین رشد مالی رابطه منفی دارند (اوزیلی، 2019).همچنین تحقیقات گوش نشان داد که افزایش سرمایه بانک و آزادی مالی باعث کاهش مطالبات غیرجاری می­شود و به طور قابل توجهی ثبات بانکی را افزایش می­دهد (گوش، 2022).

کمیجانی، پژویان و غفاری (1395) در مقاله­ای به بررسی اثر متغیرهای اقتصاد کلان و درون بانکی بر مطالبات غیرجاری بانک‌های کشور پرداختند. در این مطالعه با استفاده از مدل داده‌های پانل دیتا نقش عوامل مؤثر بر ایجاد مطالبات غیرجاری در 19 بانک کشور به­صورت فصلی در دوره 1394-1387 برآورد شده است. با استفاده از مدل آزمون شده میزان تأثیر هر یک از متغیرهای اقتصاد کلان و درون بانکی بر مطالبات غیرجاری برآورد گردید. یافته‌ها دلالت بر تأثیر متغیرهای درون بانکی بر مطالبات غیرجاری ولی در عین حال نمی‌توان از نقش متغیرهای اقتصاد کلان اقتصادی بر مطالبات غیرجاری غافل شد.

محمدی، اسکندری و کریمی(1395) در مقاله‌ای به بررسی تاثیر متغیرهای کلان اقتصادی و ویژگی‌های خاص بانکی بر مطالبات غیرجاری در محدوده زمانی 1392-1384 پرداختند. آنها برای دستیابی به این هدف از تکنیک داده‌های تابلویی در قالب مدل پویا برای 18 بانک کشور استفاده کردند و از شاخص نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی هر بانک برای سنجش مطالبات غیرجاری استفاده کردند. نتایج تخمین مدل به روش گشتاورهای تعمیم یافته (GMM)20 نشان داد که در میان متغیرهای کلان مورد بررسی، متغیر رشد اقتصادی تاثیر منفی و متغیرهای شکاف نرخ سود واقعی در بازار غیررسمی از نرخ بهره واقعی در بازار رسمی و نوسان نرخ ارز، تاثیر مثبت بر نسبت مطالبات غیرجاری به تسهیلات پرداختی دارند. بررسی تاثیر متغیرهای خاص بانکی نیز نشان داد که متغیرهای نسبت کفایت سرمایه، نسبت سپرده به هزینه که به­عنوان نماینده کارایی معرفی شده است و نسبت سهم از تسهیلات که نشان‌دهنده اندازه بانک‌ است، همگی تاثیر منفی و معناداری بر ایجاد مطالبات غیرجاری دارند. آنها براین اساس فرضیه «مدیریت بد» که نشان می‌دهد افزایش کارایی هزینه کل، موجب کاهش مطالبات معوق می‌شود و فرضیه «قدرت و ثبات بازاری» که براساس آن استدلال می‌شود بانک‌های با قدرت بازاری بالاتر نسبت تسهیلات سررسید گذشته کمتری دارند را برای بانک‌های مورد بررسی تایید کردند.

کفایی و راهزانی (1396) در مقاله­ای، تاثیر عوامل کلان اقتصادی بر ریسک نقدینگی بانک­های ایران را با استفاده از یک الگوی رگرسیونی و روش حداقل مربعات معمولی پویای تابلویی را بررسی کردند. در این مطالعه اطلاعات 14 بانک کشور طی دوره 1392-1385 با در نظر گرفتن تواتر فصلی مورد بررسی قرار گرفته است. نتایج حاصل از برآورد الگو با استفاده از روش حداقل مربعات معمولی پویا (DOLS)21 نشان داد که عوامل کلان اقتصادی و ویژگی‌های بانکی منتخب، همگی بر ریسک نقدینگی بانک­ها موثرند. نتایج حاصل از برآورد الگو نشان داد که متغیرهای کلان اقتصادی (نرخ رشد، نرخ تورم، نرخ ارز و نوسانات شاخص قیت سهام)‌ و متغیرهای خاص بانکی (اندازه بانک، نرخ سود و ریسک اعتباری)‌ اثرات مثبت و معنا­داری بر ریسک نقدینگی بانک‌ها دارند و با افزایش هر کدام از این متغیرها بانک‌ها در معرض ریسک نقدینگی قرار خواهند گرفت. پس با تداوم چنین روندی بی­اعتمادی نسبت به سیستم بانکی افزایش و سپرده‌گذاران برای خروج سپرده‌های خود از بانک‌ها هجوم می­آورند و در نهایت بانک با ورشکستگی و کشور با بحران‌های مالی روبرو خواهد شد.

محسنی و فتحیان (1396) طی مطالعه­ای،  نوسانات متغیرهای کلان اقتصادی را بر مطالبات غیرجاری طی دوره 1357 تا 1394 بررسی کرده­اند. در این مقاله برای استخراج و مدل‌سازی نوسانات متغیرهای کلان از مدل نامتقارن ناهمسان واریانس شرطی (EGARCH) استفاده شده است. برای بررسی تاثیر نوسانات بر مطالبات غیرجاری بانک‌ها نیز مدل خودرگرسیون (VAR) به‌کار گرفته شده است. نتایج حاکی از این است که در بلندمدت تقریباً 71/1 درصد از تغییرات نسبت مطالبات غیرجاری به تسهیلات پرداختی بانک‌ها، توسط مقادیر گذشته خود این متغیر، 3/5 درصد توسط نوسانات تورم، 15/3درصد توسط نوسانات درآمدهای نفتی، 1/8 درصد توسط شاخص نوسانات تولید ناخالص داخلی غیر نفتی، 7/1 درصد توسط شاخص‌ نوسانات کسری بودجه دولت و 2/1 درصد توسط نوسانات نرخ بیکاری توضیح داده می‌شود.

کردمنجیری، داداشی، خوشنود و روشن (1399) در مطالعه‌ای تحت عنوان «شناسایی عوامل موثر بر مطالبات غیرجاری بانک‌ها با استفاده از شبکه‌های عصبی و الگوریتم ماشین بردار پشتیبان» با استفاده از شبکه‌های عصبی و ماشین بردار به شناسایی عوامل تاثیرگذار بر ایجاد و افزایش مطالبات غیرجاری برای اتخاذ تصمیم مناسب‌تر در اعطای تسهیلات پرداخته شده است. نتایج مطالعه آنها نشان داد که متغیرهای دارایی‌های جاری به کل دارایی‌ها، مانده تسهیلات به کل دارایی‌ها، نرخ رشد دارایی‌ها، سن شرکت، مراودات مالی شرکت با بانک، نرخ بهره، بازده دارایی‌ها ازجمله اهم متغیرهای موثر بر مطالبات غیرجاری بانک‌ها هستند.

باستان‌زاده و داوودی (1400) در مقاله‌ای به بررسی آثار تکانه­های سیستماتیک کلان بر مطالبات غیرجاری بانکی پرداخته‌اند. آنها اثرات متغیرهای چهارگانه مربوط به ریسک­های سیستماتیک (تکانه­های بخش­های حقیقی و مالی) را با استفاده از اطلاعات فصلی ۱۳۸۱ تا ۱۳۹۹ و بکارگیری روش خودرگرسیون برداری تخمین و توابع واکنش تغییرات نسبت مطالبات غیرجاری به­ازای تکانه‌های احتمالی را برآورد کردند. نتایج این مطالعه نشان داد که توابع واکنش الگوی تخمینی تکانه­های ناشی از افزایش نرخ ارز، کاهش رشد اقتصادی، و افزایش تورم موجب رشد کوتاه­مدت نسبت مطالبات غیرجاری شده و تکانه نرخ سود تسهیلات بانکی به­دلیل نوسانات اندک تاریخی و آربیتراژ بالا میان نرخ های مختلف سود وام­های پرداختی، اثرات معناداری بر نوسانات نسبت مطالبات غیرجاری ندارند.

ابوالحسنی هستیانی، شایگانی و جمشیدنژاد (1400) در مطالعه‌ای با استفاده از روش حداقل مربعات کاملاً اصلاح شده (OLS-FM)22 به بررسی اثر مطالبات غیرجاری بانک­های دولتی و خصوصی بر رشد اقتصادی ایران پرداختند. نتایج این پژوهش نشان داد که افزایش نسبت مطالبات غیرجاری بانک­های دولتی و خصوصی، به­صورت مشابه، موجب کاهش رشد اقتصادی ایران شده است. همچنین اثر اعتبارات بخش خصوصی، شاغلین دارای مدرک دانشگاهی و تشکیل سرمایه ثابت ناخالص بر رشد اقتصادی مثبت و تاثیر شاخص قیمت و اندازه دولت بر رشد اقتصادی منفی است.

صادقی (1401) در مقاله‌ای تحت عنوان «تاثیر خلق نقدینگی بر ریسک سیستمی بانک‌ها در ایران با تمرکز بر ساختار ترازنامه‌ای» به بررسی عوامل تعیین‌کننده ریسک سیستمی در بانک‌های ایران با تمرکز بر خلق نقدینگی و ساختار ترازنامه بانک‌ها طی دوره زمانی 1400- 1392 پرداختند. برای اندازه‌گیری ریسک سیستمی بانک‌ها از شاخص ریزش انتظاری نهایی (MES) استفاده شد. نتایج الگوهای برآوردی با استفاده از روش پانل پویا(GMM)  نشان داد افزایش خلق نقدینگی در ترازنامه بانک‌ها سبب‌شده آسیب‌پذیری بانک‌ها افزایش یابد. همچنین، در سمت دارایی ترازنامه بانک‌ها، نگهداری دارایی‌های غیرنقدی به‌طور معناداری ریسک سیستمی بانک‌ها را افزایش داده است؛ درحالی که در سمت بدهی­ها، نگهداری سپرده­های دیداری باعث کاهش ریسک سیستمی و شکنندگی نظام بانکی شده است. افزون‌بر آن، یافته‌های تحقیق بیانگر آن است که هرچه در بانک‌ها، اندازه بزرگ‎‌تر، فعالیت‌های غیرسنتی (درآمد غیربهره‌‌ای) بیشتر و نسبت مطالبات غیرجاری بالاتر باشد، ریسک سیستمی به‌طور محسوسی افزایش می­یابد؛ درحالی‌که هرچه کفایت سرمایه در بانک‌ها بالاتر باشد، ریسک سیستمی کاهش می‌یابد. براساس نتایج، نظارت جدی و الزامات سختگیرانه بانک مرکزی برای کنترل خلق نقدینگی و ساختار ترازنامه‌ای بانک‌ها به‌ویژه نکول وام ها پیشنهاد شده است.

 

3. روش پژوهش

مدل مورد استفاده در این مقاله مدل اصلاح شده گویال، سینگال، میشرا و ورما (2023)23 است که در آن زمان و کشور به­ترتیب با زیرنویس­های t و i نشان داده شده است:

 

متغیر وابسته در مطالعه حاضر نسبت مجموع مطالبات غیرجاری (NPLs) به کل وام‌های اعطایی است که کیفیت اعتبار بانک­ها را نشان می دهد. هرچه این نسبت بالاتر باشد، کیفیت اعتباری بانک بدتر است، زیرا نشان می‌دهد که بانک نسبت بیشتری از مطالبات غیرجاری دارد که بازپرداخت نشده‌اند. در این پژوهش به کمک دو دسته از متغیرهای کلان اقتصادی و توسعه مالی، مطالبات غیرجاری بانک­ها مورد آزمون قرار گرفته است. اگر چه تعداد متغیرها می­تواند بسیار متعدد و وسیع باشند ولی تمرکز اصلی بر متغیرهای مرتبط و موثر است. در فرایند آزمون مدل در گروه متغیرهای کلان اقتصادی از سه متغیر کلان اقتصادی رشد اقتصادی تورم و بیکاری استفاده شده است.

-       جنبه مهم اقتصاد کلان که ممکن است بر ثبات سیستم بانکی تأثیر بگذارد، رشد اقتصادی (GDP) است. براساس تحقیقات لاون و مجنونی (2003) و اوزیلی (2015) زمانی که اقتصاد رشد می­کند، مطالبات غیرجاری کاهش می­یابد. به عبارتی بین مطالبات غیرجاری و رشد اقتصادی رابطه منفی وجود دارد.

-       براساس ادبیات تحقیق تورم (INF) از جمله عوامل کلان اقتصادی است که بر مطالبات غیرجاری موثر است. مطالعات شاریکا (2014) و بک و همکاران (2015) نشان می­دهد بین تورم و میزان مطالبات غیرجاری، رابطه مثبت وجود دارد.

-       وام­گیرندگان در زمان بیکاری تمایل بیشتری به درخواست وام دارند و احتمال وقوع وام­های بد بیشتر است به همین دلیل ممکن است وام­گیرندگان در زمان بازپرداخت اصل و سود وام (به­دلیل از دست دادن شغل) با مشکل مواجه شوند. بر اساس تحقیقات انکوسو (2011) نیز بین مطالبات غیرجاری و بیکاری رابطه مثبت برقرار است.

در گروه متغیرهای توسعه مالی نیز از شش شاخص عملکرد مالی در سطح بانک که ممکن است بر مقدار مطالبات غیرجاری موثر باشند، استفاده شده است.

-       نسبت هزینه به درآمد بانک  (BCE)معیاری برای اندازه‌گیری کارایی عملیاتی بانک و مقرون به صرفه بودن هزینه­های عملیاتی بانک است. این مقدار براساس نسبتی از هزینه­های عملیاتی بانک به سود خالص و سایر درآمدهای عملیاتی محاسبه می­شود. در حالت ایدئال، افزایش اثربخشی هزینه در صنعت بانکداری باعث افزایش ثبات بانکی می‌شود (لین و ژانگ24، 2009). نتایج تحقیقات لوزیس و همکاران (2012) بیانگر این است که صنعت بانکداری کارآمد، نسبت به بخش بانکداری ناکارآمد، مطالبات غیرجاری کمتری دارد. به‌عبارتی رابطه هزینه به درآمد بانک  (BCE)و مطالبات غیرجاری منفی است.

-       سودآوری بانک را می‌توان با بازده دارایی­ها (ROA) اندازه گیری کرد. براساس تحقیقات برگر و دی یانگ (1997)، ارتباط بین سودآوری بانک و مطالبات غیرجاری منفی است، زیرا بانک‌های سودآور کمتر به وام‌گیرندگان با ریسک نکول، وام می‌دهند. از طرفی برخی ادعا می‌کنند که سودآوری بالاتر بانک‌ها ناشی از اعطای وام به وام­گیرندگان با ریسک بالا و با نرخ بهره بالاتر است که احتمال نکول را افزایش می‌دهد. بنابراین، سودآوری وNPLها تمایل به همبستگی مثبت دارند.

-       نسبت سرمایه نظارتی بانک و یا نسبت کفایت سرمایه بانک (CRB) در پیش­بینی موفقیت بانک بسیار مهم است. این نسبت نشان می‌دهد که بانک چقدر سرمایه برای پوشش دادن در برابر ضررهای احتمالی ناشی از دارایی­های ریسک­دار خود دارد. بودریگا و همکاران (2010) و کلاین (2013) استدلال می­کنند که داشتن سرمایه نظارتی بیشتر به بانک‌ها کمک می‌کند مطالبات غیرجاری (NPLs)  کمتری را تجربه کنند.

-       نسبت درآمد بدون بهره بانکی به کل درآمد (NIT) برای اندازه­گیری عملیات متنوع­سازی بانکی استفاده می‌شود. درآمد بدون بهره بانک (NIT) درصدی از درآمد کلی بانک است. از آنجایی که بانک‌ها برای بقای خود تنها به درآمد بهره متکی نیستند، بانک‌های با (NIT) بالاتر، احتمالاً مطالبات غیرجاری کمتری دارند (اوزیل، 2019). به­عبارتی همبستگی منفی بین NIT  و مطالبات غیرجاری برقرار است.

-       میزان واسطه­گری مالی با استفاده از نسبت اعتبار خصوصی بانک­های داخلی به تولید ناخالص داخلی (AFI) اندازه­گیری می­شود که عمق و وسعت صنعت بانکداری را می­سنجد. اگر یک چارچوب نظارتی ریسک سیستماتیک قوی وجود داشته باشد، یک بخش بانکی بزرگ باید پایدارتر از یک بخش کوچک باشد. ازاین‌رو، یک رابطه منفی بین مطالبات غیرجاری و اندازه بخش بانکی برقرار باشد (ستی و باجاج25، 2018) 

-       دارایی­های بانک­های خارجی از کل دارایی­های بانک (AFB) منعکس­کننده توسعه بخش مالی از طریق وضعیت مالکیت/آزادی در کشورهای میزبان است (گوش، 2015) حضور بانک‌های خارجی ممکن است به توسعه فنآوری کشور میزبان کمک کند و خدمات و محصولات مالی جدید را به ذینفعان مالی ارائه دهد و درنهایت کیفیت اعتبار را بهبود بخشد و ریسک مطالبات غیرجاری را کاهش دهد. نتایج تحقیقات گوش (2022) بیانگر رابطه معکوس بین حضور بانک های خارجی ومطالبات غیرجاری است.

 

داده­ها و اطلاعات

عواملی که بر مطالبات غیرجاری در کشورهای مورد بررسی تأثیر می‌گذارند با استفاده از داده‌های تابلویی26 در سطح کشوری برای سال­های 2004 تا 2019 از پایگاه صندوق بین­المللی پول27 و پایگاه داده توسعه مالی جهانی (بانک جهانی)28 استخراج شده است. با توجه به عدم گزارش داده­های مربوط به شاخص­های توسعه مالی برخی کشورها، در این مقاله صرفاً 94 کشور (21 کشور توسعه یافته، 48 کشور درحال توسعه و 25 کشور کمتر توسعه یافته) بررسی شده است:

کشورهای توسعه یافته: استرالیا، اتریش، امارات، بلژیک، کانادا، سوئیس، آلمان، دانمارک، اسپانیا، فرانسه، انگلیس، هنگ­کنگ، ایرلند، ایتالیا، ژاپن، کره­جنوبی، لوکزامبورگ، هلند، نروژ، نیوزلند، سنگاپور.

کشورهای درحال توسعه: آلبانی، آرژانتین، ارمنستان، آذربایجان، ایران، بنگلادش، بلغارستان، برزیل، شیلی، چین، اکوادور، مصر، گرجستان، یونان، مجارستان، اندونزی، هند، عراق، اردن، قزاقستان، کویت، لبنان، لتونی، مکزیک، مالزی، عمان، پاکستان، پاناما، پرو، فیلیپین، لهستان، پرتغال، پاراگوئه، قطر، روسیه، عربستان، السالوادور، اسلونی، سوئد، استونی، ترکیه، تایلند، تاجیکستان، اوکراین، اروگوئه، ازبکستان، ونزوئلا، ویتنام.

کشورهای کمتر توسعه یافته: افغانستان، آنگولا، بولیوی، گابون، غنا، گینه، هندوراس، هایتی، جامائیکا، کنیا، لیبی، سریلانکا، مولداوی، ماداگاسکار، میانمار، نیجر، نیجریه، نیکاراگوئه، نپال، سنگال، چاد، توگو، اوگاندا، زامبیا، زیمباوه.

 

تصریح مدل:

برای تحقق هدف تحقیق و آزمون فرضیه، تلاش شده است تاثیر دو دسته عوامل اقتصاد کلان و توسعه مالی در قالب 94 کشور با ارائه مدلی براساس داده­های پانل در طول دوره زمانی 2004 تا 2019 به­صورت سالیانه و با استفاده از نرم­افزار STATA14 آزمون شود. مدل مذکور به­صورت معادله رگرسیونی به­شرح زیر است:

 

   مطالبات غیرجاری (NPL) یک متغیر وابسته است که با حرف i,t و متغیر تاخیری آن با(NPLi,t-1)  نشان داده شده است. سایر متغیرهای توضیحی عبارت از کارایی هزینه بانک(BCE) ، بازده دارایی بانک­ها (ROA)، درآمد بدون بهره به کل درآمد (NIT)، نسبت کفایت سرمایه بانک­ها (CRB)، میزان واسطه­گری مالی (AFI)، دارایی­های بانک­های خارجی در میان کل دارایی­های بانک (AFB)، تولید ناخالص داخلی(GDP)، بیکاری  (UNE)و تورم (INF) است.

   در این مقاله از روش گشتاورهای تعمیم یافته (GMM) استفاده شده است. با توجه به اینکه روش حداقل مربعات معمولی (OLS) در مواردی که تأثیر متغیرهای مالی بر مطالبات غیرجاری (NPLs) بررسی می­شوند ناهمسانی و همبستگی دارند، بنابراین روش GMM برای تحلیل مناسب‌تر به­نظر می‌رسد. علاوه­بر این، متغیرهای بانکی با مطالبات غیرجاری رابطه درون­زا دارند که باعث می‌شود برآوردگرهای OLS در مقادیر خود ناسازگار باشند.

 

4.‌ برآورد مدل و تجزیه و تحلیل یافته‌ها

آزمون­های کنترلی و تشخیصی

در این مقاله برای بررسی جهت و قدرت همبستگی بین متغیرها از آزمون پیرسون29 استفاده شده است. در ماتریس همبستگی پیرسون مقدار ۱ نشان‌دهنده همبستگی کاملاً مثبت، ۱- نشان‌دهنده همبستگی کاملاً منفی و صفر نشان‌دهنده عدم همبستگی است. در جدول 1 نتایج آزمون پیرسون نشان داده شده است. به­عنوان یک قاعده کلی، مقدار همبستگی زیر 70/0 نشان­دهنده نبود مشکل در چند خطی بودن بین متغیرهاست.

 

جدول 1. آزمون پیرسون

INF

UNE

GDP

AFB

AFI

CRB

NIT

ROA

BCE

Variable

 

 

 

 

 

 

 

 

1

BCE

 

 

 

 

 

 

 

1

0712/0-

ROA

 

 

 

 

 

 

1

0345/0

3231/0*

NIT

 

 

 

 

 

1

0258/0-

0627/0

1251/0-

CRB

 

 

 

 

1

0045/0

0362/0-

0218/0-

2215/0-*

AFI

 

 

 

1

0852/0-

0541/0

0035/0-

2218/0-*

0656/0

AFB

 

 

1

0946/0-

0591/0-

0589/0-

1521/0-*

0851/0

0632/0

GDP

 

1

0156/0-

2329/0*

0542/0

2449/0-*

1692/0*

0335/0-

0359/0

UNE

1

0524/0-

0345/0-

0854/0-

1886/0-*

0167/0

1589/0*

0098/0

0285/0-

INF

*سطح معناداری در سطح 5 درصد را نشان می­دهد.

منبع: یافته های تحقیق

 

در این مطالعه برای بررسی وجود درون‌زایی30 در مدل رگرسیون از آزمون دوربین- و-هاسمن31 استفاده شده است. درون­زایی متغیر وابسته و یک یا چند متغیر مستقل می­تواند بر روی نتایج مدل تاثیر بگذارد و بعضاً نتایج رگرسیون را گمراه­کننده نماید. در جدول 2 نتایج آزمون دوربین-وو-هاسمن ارائه شده است که بیانگر عدم درون­زایی در مدل­ها است.

 

جدول 2. آزمون درون زایی دوربین-وو-هاسمن

کشورهای کمتر توسعه یافته

کشورهای در حال توسعه

کشورهای توسعه یافته

متغیر

* (5624/0) 042/0-

(0054/0) 854/0-

(051/0) 758/0-

BCE

(0005/0) 541/8

(002/0) 254/24*

(189/0) 451/3

ROA

(095/0) 025/2-

(089/0) 548/1-

(658/0) 986/1

NIT

(0624/0)042/0-

(0624/0)042/0-

(0624/0)042/0-

CRB

(008/0) 25/16*

(0548/0) 685/0*

(072/0) 985/0

AFI

(0547/0) 749/0-

(085/0) 252/0-

(0414/0) 798/0

AFB

(0589/0) 541/0

(0147/0) 548/9

(0254/0) 085/0-*

GDP

(018/0) 6/5- *

(398/0) 154/2

(0298/0) 054/0

UNE

(446/0) 6/1

(346/0) 548/23

(0496/0) 089/0*

INF

* سطح معناداری در سطح 5 درصد را نشان می­دهد. اعداد داخل پرانتز میزان احتمال است.

منبع: یافته های تحقیق

 

یکی دیگر از آزمون‌های تشخیصی قبل از اجرای رگرسیون داده‌های تابلویی، تست بروش-پاگان32 برای بررسی ناهمگن بودن واریانس خطای رگرسیون است. ناهمگن بودن واریانس به این معناست که واریانس پسماندها برای مقادیر مختلف متغیرهای مستقل متفاوت باشد. در جدول 3 نتایج آزمون بروش-پاگان ارائه شده است. همانطور که ملاحظه می­شود مشکل ناهمسانی در مدل­ها وجود ندارد.

 

جدول 3. نتایج آزمون بروش-پاگان

P-value

Chi-square

مدل

4215/0

54/1

کشورهای توسعه یافته

2142/0

84/1

کشورهای در حال توسعه

2965/0

28/1*

کشورهای کمتر توسعه یافته

* مقادیر در سطح 5% معنادار هستند

منبع: یافته های تحقیق

 

یکی دیگر از آزمون­های تشخیصی قبل از اجرای رگرسیون داده­های پانل، تست وولدریج33 برای بررسی همبستگی سریالی است. این آزمون از باقیمانده­های رگرسیون در تفاضل اول استفاده می­کند و تفاضل اول اثر سطح را حذف می­کند. آزمون فرضیه صفر: نبود خودهمبستگی مرتبه اول و آزمون فرضیه یک: وجود خود همبستگی مرتبه اول است. جدول 4 نتایج آزمون وولدریج را برای خودهمبستگی نشان می‌دهد. یافته­های آزمون بیانگر این است که آماره F برای کشورهای توسعه یافته و درحال توسعه در سطح 1 درصد و برای کشورهای کمتر توسعه یافته در سطح 5 درصد معنادارست، که نشان می­دهد فرضیه صفر رد می­شود.

 

جدول 4. نتایج آزمون وولدریج

P-value

F

مدل

0178/0

854/6

کشورهای توسعه یافته

0214/0

598/5

کشورهای در حال توسعه

0198/0

895/2*

کشورهای کمتر توسعه یافته

* مقادیر در سطح 5% معنادار هستند

منبع: یافته های تحقیق

 

برای بررسی هم­خطی از معیار امتیازات 34VIF استفاده شده است. هم‌خطی به وجود همبستگی بالا بین دو یا چند متغیر مستقل در رگرسیون اشاره دارد. برای اینکه مشکلی از نظر هم‌خطی در داده‌ها وجود نداشته باشد، امتیازات VIF باید زیر 10 باشند. نمرات VIF و همه متغیرهای مستقل در جدول 5 ارائه شده است.

 

جدول 5. نتایج معیار VIF

Mean VIF

مدل

45/3

کشورهای توسعه یافته

56/2

کشورهای در حال توسعه

35/1

کشورهای کمتر توسعه یافته

منبع: یافته های تحقیق

 

با در نظر گرفتن تمام اطلاعات، از روش تخمین داده پانل پویا GMM دو مرحله­ای استفاده شده است. تخمین‌های GMM  می‌توانند سوگیری همزمان، متغیرهای گمشده و تغییرات مشاهده نشده کشورها را توضیح دهد. قابلیت اطمینان پیش‌بینی‌های GMM بر مجموعه‌ای از مفروضات، ازجمله ابزارهای برون‌زا، فقدان خودهمبستگی مرتبه دوم، و متغیرهای مشترک معنا‌دار در مدل‌هاست.

برای بررسی معنا­داری متغیرها از آزمون والد35 استفاده شده است. آزمون والد بررسی می­کند که آیا مجموع متغیرهای استفاده شده در مدل از نظر آماری معنادار هستند یا خیر. به­عبارت دیگر، آیا حضور آنها در مدل تأثیر معناداری دارد؟ اگر در آزمون والد فرضیه صفر (هیچ یک از متغیرها معنادار نیستند) رد شود، بدین معناست که مجموع متغیرها به­صورت مشترک معنادار هستند. همان­طورکه در جدول 6 مشاهده می­شود، آزمون والد فرضیه صفر را رد کرده است، بنابراین می‌توان نتیجه گرفت که متغیرهای مدل به­صورت مشترک معنادار هستند.

در این مطالعه از آزمون سارگان36 برای بررسی برون­زایی متغیرها استفاده شده است. به­عبارتی این آزمون بررسی می‌کند که آیا متغیرهای ابزاری استفاده شده در مدل، برون­زا هستند یا خیر. برون زایی به این معناست که متغیر ابزاری هیچ ارتباطی با خطای رگرسیون نداشته باشد. اگر آزمون سارگان فرضیه صفر (متغیرهای ابزاری برون­زا هستند) را رد نکند، می‌توان نتیجه گرفت که متغیرهای ابزاری استفاده شده مناسب هستند. با توجه به جدول 6، آزمون سارگان فرضیه صفر را رد نکرده است، بنابراین می‌توان نتیجه گرفت که متغیرهای ابزاری استفاده شده برون زا هستند.

از آزمون آرلانو-باند37 برای بررسی خودهمبستگی در خطای رگرسیون استفاده شده است. خودهمبستگی به این معناست که خطای رگرسیون در یک دوره زمانی با خطای رگرسیون در دوره‌های زمانی قبل وابسته است.  اگر آزمون آرلانو-باند فرضیه صفر (عدم وجود خودهمبستگی) را رد کند، خودهمبستگی وجود دارد. براساس این آزمون، فرضیه صفر در سطح مرتبه اول (AR(1)) رد شده است، اما در سطح مرتبه دوم (AR(2)) رد نشده است. بنابراین، خودهمبستگی مرتبه اول در محاسبات GMM وجود دارد، اما خودهمبستگی مرتبه دوم وجود ندارد.

 

جدول 6. تخمین پانل دینامیک داده، سیستم دو مرحله‌ای  GMM

کشورهای کمتر توسعه یافته

کشورهای در حال توسعه

کشورهای توسعه یافته

متغیر

(024/0) 8457/0**

(000/0) 348/0*

(000/0) 8457/0*

L1

(000/0) 002/0-*

(065/0) 241/0-*

(005/0) 474/0-*

BCE

(018/0) 354/1-**

(024/0) 289/0-*

(023/0) 854/0-*

ROA

(051/0) 0145/0-***

(075/0) 035/0-*

(006/0) 653/0-*

NIT

(000/0) 0258/0-*

(001/0) 596/0-*

(004/0) 014/0-*

CRB

(000/0) 019/0-*

(001/0) 054/0-*

(076/0) 007/0-*

AFI

(042/0) 025/0-***

(007/0) 023/0-*

(001/0) 008/0-*

AFB

(000/0) 158/0-*

(005/0) 254/0-*

(0054/0) 145/0-*

GDP

(055/0) 054/0*

(028/0) 854/0*

(002/0) 029/0*

UNE

(098/0) 099/0**

(018/0) 021/0*

(001/0) 018/0*

INF

(074/0) 85/35*

(084/0) 22/10*

(084/0) 65/14*

_cons

2154

4515

3652

Wald Chi2

005/0

004/0

001/0

Prob

954/0

828/0

662/0

Sargan Test

000/0

000/0

000/0

Arellano-Bond AR (1) (Prob.)

351/0

652/0

385/0

Arellano-Bond AR (2) (Prob.)

 ***, **,*مقادیر به­ترتیب در سطح 1و 5 و 10 درصد معناداری هستند. 

منبع: یافته های تحقیق

 

در این مدل، برای رفع مشکل درون‌زایی و افزایش دقت برآورد، از متغیرهای ابزاری داخلی شامل وقفه‌های متغیر وابسته (NPL) و وقفه‌های متغیرهای کلان اقتصادی و مالی نظیر رشد اقتصادی (GDP)، تورم (INF)، بیکاری (UNE)، کارایی هزینه بانک (BCE)، بازده دارایی بانک‌ها (ROA)، درآمد بدون بهره به کل درآمد (NIT)، نسبت کفایت سرمایه بانک‌ها (CRB)، میزان واسطه‌گری مالی (AFI) و دارایی بانک‌های خارجی (AFB) استفاده شده است. براساس نتایج آزمون سارگان، این متغیرهای ابزاری از نظر آماری برون‌زا بوده و استفاده از آنها در چارچوب روش GMM  مناسب ارزیابی شده است.

در این مطالعه برای بررسی رابطه علی بین مطالبات غیرجاری و توسعه مالی و رشد اقتصادی از آزمون علیت گرنجر38 استفاده شده است. مطالعات تجربی طیف متنوعی از عوامل بالقوه که بر مطالبات غیرجاری تاثیر دارند را شناسایی کرده­اند که بیانگر این است که رابطه علی بین این عوامل، پیچیده و چندوجهی است. در این­خصوص دو فرضیه اساسی وجود دارد. افزایش مطالبات غیرجاری منجر به کند شدن توسعه مالی و درنهایت کاهش رشد اقتصادی می­شود. از طرفی توسعه مالی، موجب کاهش مطالبات غیرجاری شده و به رشد اقتصادی کمک می­کند. پیش از بررسی رابطه علیت گرنجری نیاز است از آزمون ریشه واحد39 برای بررسی ایستایی داده‌ها (ثبات ویژگی‌های آماری در طول زمان) استفاده شود تا اطمینان حاصل شود داده‌ها قبل از انجام آزمون علیت گرنجر ایستا هستند (جدول 7).

 

جدول 7. آزمون ریشه واحد پانل

Levin Lin Chu

IMPS

متغیر

Sample

Statistic (Adjusted t*)

W-t-bar

25/2*

05/1*

NPL

کشورهای کمتر توسعه یافته

54/13-*

95/2-*

AFI

952/1*

65/1*

GDP

84/3*

55/8*

NPL

کشورهای درحال توسعه

47/12-*

58/3-*

AFI

658/2*

26/2*

GDP

39/10*

95/8*

NPL

کشورهای توسعه یافته

68/8-*

89/2-*

AFI

854/4*

25/1*

GDP

* مقادیر در سطح 5% معنادار هستند.

منبع: یافته های تحقیق

 

نتایج آزمون‌های ریشه واحد پانل متغیرهای (NPL)، (AFI) و (GDP)نشان می‌دهد که تمامی آماره­های متغیرهای مورد بررسی پس از تفاضل اولیه هر عامل، فرضیه صفر را رد کردند. به­عبارتی تفاضل مرتبه اول این متغیرها ایستا هستند.

نتایج آزمون ریشه واحد نشان داد که همه متغیرهای (NPL)، (AFI) و (GDP)پس از یک بار تفاضل، فرضیه صفر عدم ایستایی رد شد. به­عبارت دیگر، تفاضل مرتبه اول این متغیرها ایستا هستند. با توجه به ایستایی متغیرها می­توان رابطه بلندمدت و پایدار (هم­انباشتگی) متغیرها را بررسی کرد. در این راستا با استفاده از تست­های هم انباشتگی پانل40 می­توان رابطه بلندمدت متغیرها را بررسی کرد که در این مقاله از تخمین پنل ناهمگن پدرونی41 استفاده شده و از سه آماره برای آزمون فرضیه صفر (عدم هم‌بستگی) محاسبه شده است. دلیل استفاده از این آزمون این است که ناهمگنی اعضای پانل را در نظر گرفته و قدرت برآورد بیشتری نسبت به آزمون‌های هم‌بستگی معمولی در تعداد داده‌های پایین‌تر دارد. نتایج آزمون‌های پدرونی نشان می‌دهد که مطالبات غیرجاری و عوامل توسعه مالی برای همه پانل‌ها هم‌بستگی دارند. (جدول 8). بنابراین بین مطالبات غیرجاری و رشد اقتصادی یک رابطه بلندمدت وجود دارد.

 

جدول 8. آزمون هم انباشتگی باقیمانده پانل پدرونی

NPL and AFI

NPL and GDP

Sample

Statistic

P-value

Statistic

P-value

6854/4*

0000/0

5586/3*

0000/0

Modified Phillips-Perron t

کشورهای کمتر توسعه یافته

8547/0-*

0002/0

3524/1-*

0005/0

Phillips-Perron t

465/1-*

045/0

512/4-*

0023/0

Augmented Dickey-Fuller t

076/2*

0025/0

9581/2*

0003/0

Modified Phillips-Perron t

کشورهای در حال توسعه

5286/0-*

0012/0

4251/0-*

0025/0

Phillips-Perron t

275/1-*

0067/0

985/1-*

0034/0

Augmented Dickey-Fuller t

367/1*

002/0

049/2*

0019/0

Modified Phillips-Perron t

کشورهای توسعه یافته

4512/0-*

0046/0

5241/0-*

0048/0

Phillips-Perron t

5528/1-*

0064/0

8825/0-*

0052/0

Augmented Dickey-Fuller t

* مقادیر در سطح 5% معنادار هستند.

منبع: یافته های تحقیق

جدول 9 نتایج آزمون علیت گرنجر را نشان می­دهد. نتایج تأیید کرد که علیت دو طرفه از مطالبات غیرجاری (NPLs) با توسعه مالی(AFI)  و رشد اقتصادی (GDP) و بالعکس برای همه پانل­ها برقرار است.

 

 جدول 9. آزمون علیت پانل گرنجر

کشورهای کمتر توسعه یافته

کشورهای در حال توسعه

کشورهای توسعه یافته

Null Hypothesis (H0)

Test statistics

Test statistics

Test statistics

Z-bar (P-value)

Z-bar (P-value)

Z-bar (P-value)

24/15*(000/0)

28/14*(000/0)

33/9*(000/0)

AFI does not Granger cause NPL

54/3*(000/0)

59/6*(000/0)

68/6*(002/0)

NPL does not Granger cause AFI

44/5*(001/0)

62/1*(000/0)

58/9*(000/0)

GDP does not Granger cause NPL

58/0*(000/0)

14/3*(000/0)

48/5*(000/0)

NPL does not Granger cause GDP

* مقادیر در سطح 5% معنادار هستند.

منبع: یافته های تحقیق

 

5. جمع‌بندی و پیشنهادها

این مطالعه به بررسی عوامل مالی و کلان اقتصادی بر مطالبات غیرجاری در کشورهای درحال توسعه، توسعه یافته و کمتر توسعه یافته در دوره 2004 تا 2019 براساس داده­های پانل و به­کارگیری روش گشتاورهای تعمیم یافته (GMM) می‌پردازد. نتایج مطالعه نشان داد که بین مطالبات غیرجاری سال جاری و مطالبات غیرجاری سال قبل رابطه مثبت و قوی وجود دارد که با نتایج مطالعه اوزیلی (2018) و گوش (2022) سازگار است. ضمن اینکه یافته‌های مربوط بهNPLهای دارای تأخیر برNPLها برای کشورهای توسعه یافته و درحال توسعه بسیار بالاتر است.

با توجه به ضرایب تولید ناخالص داخلی (GDP) برای همه پانل­ها، رشد اقتصادی وNPLها رابطه معکوس دارند که با تحقیقات لاون و مجنونی (2003) و اوزیلی (2015) سازگار است. افزایش فعالیت مالی و ثبات در طی یک رونق اقتصادی به کاهش مطالبات غیرجاری منجر می­شود.

یافته­ها نشان می­دهد که همبستگی بین تورم (INF) و مطالبات غیرجاری مثبت است که با مطالعات شاریکا (2014) و بک و همکاران (2015) سازگار است به عبارتی افزایش تورم موجب رشد مطالبات غیرجاری می­شود.

نتایج مطالعه نشان می­دهد که بین سطوح بیکاری (UNE) و NPLs رابطه مثبت برقرار است که با مطالعه انکوسو (2011) سازگار است. به­عبارتی وقتی میزان بیکاری افزایش می­یابد احتمال نکول وام نیز بیشتر می­شود. زیرا وام‌گیرندگان در بازپرداخت اصل و بهره تسهیلات اعتباری مشکل پیدا می­کنند.

نتایج تحقیق نشان داد که بین سرمایه به دارایی‌های ریسک‌دار (BCE) و NPLs رابطه منفی وجود دارد که با یافته‌های لوزیس و همکاران (2012) سازگار است. به این معنی که با افزایش کارایی هزینه بانک (BCE بالاتر)، سطح NPLs کاهش می‌یابد. این نشان می‌دهد که بانک‌های کارآمدتر، مدیریت اعتباری بهتری دارند و احتمال بروز مطالبات غیرجاری کمتر است. در این راستا برای داشتن مدیریت دارایی موثر، به بانکداران توصیه می‌شود که مقرون به صرفه بودن خدمات ارائه شده و مهارت­های مدیریتی را بهبود بخشند. به­عبارتی بانک­ها نه تنها باید از نظر مالی کارآمد باشند، بلکه باید به­طور کارآمد نیز مدیریت شوند.

رابطه بین ضریب سودآوری بانکی (ROA) و NPLs منفی است که با نتایج مطالعه برگر و دی یانگ (1997) سازگار است. به­عبارتی بانک‌هایی که سودآوری بالاتری دارند، تمایل به مشارکت در پرتفوی‌های کم‌ریسک‌تر دارند. در اینجا ضریب برای کشورهای توسعه یافته بسیار بالاتر است.

بین نسبت کفایت سرمایه بانک­ها (CRB) و NPLs رابطه منفی برقرار است که با نتایج مطالعه بودریگا و همکاران (2010) و کلاین (2013) سازگار است. به­عبارتی بانک­هایی که سرمایه نظارتی بیشتری دارند بدلیل فرآیندهای غربالگری و نظارتی، مطالبات غیرجاری کمتری را تجربه می­کنند.

ضریب درآمد بدون بهره به کل درآمد (NIT) با NPLs رابطه منفی دارد که با نتایج مطالعه اوزیلی (2019) سازگار است. نتایج نشان داد که درآمد بدون بهره به کل درآمد برای تمام کشورها معنادار است. به عبارتی در بانک‌هایی که نسبت NIT افزایش یافته‌اند، نیازی به وابستگی به درآمد بهره ندارند و بانک‌ها برای افزایش سودآوری، نیازی به درگیر شدن با پرتفوی‌های پرریسک ندارند. این یافته نشان می­دهد که تنوع در پرتفوی‌های صنعت بانکداری به کاهش ریسک اعتباری کمک می­کند. بنابراین بانک­ها باید برای افزایش درآمدهای بدون بهره تلاش کنند تا مطالبات غیرجاری آنها کاهش یابد.

اعتبار داخلی ارائه شده توسط کشور مبدا (AFI) یک معیار نسبی برای توسعه مالی است و بین این متغیر وNPLs  همه پانل­ها رابطه منفی وجود دارد. به­عبارتی هر چه میزان تنوع واسطه­گری مالی افزایش یابدNPL ها از عمق و وسعت کمتری در سیستم بانکی برخوردارند که با نتایج مطالعه ستی و باجاج (2018) سازگار است.

دارایی­های بانک­های خارجی در میان کل دارایی­های بانک (AFB) باNPLs  دارای رابطه منفی است که با مطالعات گوش (2022) سازگار است. تاثیر آزادی مالی بر مطالبات غیرجاری در همه پانل­ها صادق است. این امر بیانگر این است کهAFB  به بهبود وام‌های با کیفیت و ارتقای فناوری­های جدید با ریسک کم کمک می‌کند و درنهایت به کاهش مطالبات غیرجاری منجر می‌شود.

دیگر نتایج تحقیق حاکی از همگرایی بلندمدت بین رشد اقتصادی و مطالبات غیرجاری است. رشد اقتصادی بالاتر اغلب باعث افزایش درآمد و ثبات در بخش­های تولیدی و خدماتی می­شود. بنابراین، تمایل به وام‌های بد در دوران رونق اقتصادی کاهش می‌یابد که به پایین آمدن میزان مطالبات غیرجاری منجر می‌شود. به­عبارتی با افزایش توانایی و تمایل مشتریان برای بازپرداخت وام­ها، توانایی بانک در ایفای تعهدات مالی و حفظ یکپارچگی بهبود می­یابد. ضمن اینکه توسعه مالی، موجب بهبود فرایندهای نظارتی و کنترلی و کاهش مطالبات غیرجاری بانک­ها می­شود.

مسئولیت اصلی بانک مرکزی یا هر نهاد نظارتی بانکی دیگر، حفظ یک سیستم مالی قابل اعتماد و کارآمد است که از منافع همه سازمان‌های درگیر محافظت کند. ثبات مالی مبتنی بر یک بخش بانکی قوی است که به­طور موثر وجوه را بین سپرده­گذاران و بدهکاران منتقل می­کند. در کشورهای پیشرو از آزمون استرس بانکی42 برای نظارت محتاطانه بانکی استفاده می­کنند و اغلب از مدل­سازی NPL به­عنوان بخشی از آزمون استرس برای بازگرداندن ثبات مالی و اعتماد عمومی به بخش بانکی استفاده می­شود.

نتایج مطالعه نشان دادکه توسعه مالی به کاهش سطح مطالبات غیرجاری کمک می­کند. ضمن اینکه آزادسازی مالی به بانک­ها در دستیابی به تجهیزات پیشرفته و اجرای خدمات و محصولات مالی جدید کمک می­کند.

 

حامی مالی

این مقاله حامی مالی ندارد.

تعارض منافع

تعارض منافع وجود ندارد.

سپاسگزاری

در بخش پایانی جا دارد از داوران محترم فصلنامه مدلسازی اقتصادی که در بهبود کیفیت مقاله کمک کرده‌اند کمال

تشکر را داشته باشیم.

 

ORCID

Amir Reza Souri img0 https://orcid.org/0002-0002-3779-8461

Fatemeh Panahi   img0 https://orcid.org/0009-0005-8956-9491

 

منابع

-       ابوالحسنی هستیانی، اصغر، شایگانی، بیتا، و جمشیدنژاد، امیر (1400). بررسی اثر مطالبات غیرجاری بانک‌های دولتی و خصوصی بر رشد اقتصادی ایران. فصلنامه پژوهشنامه اقتصاد کلان، 16(31)، 178-155.

-       باستان‌زاد، حسین، و داودی، پدرام (1400). اثرات تکانه‌های سیستماتیک کلان بر مطالبات غیرجاری بانکی: الگوی تلاطم تصادفی عاملی چندمتغیره. فصلنامه پژوهشنامه اقتصاد و برنامه‌ریزی، 26(3)، 74-49.

-       صادقی، سمیه (1401). تاثیر خلق نقدینگی بر ریسک سیستمی بانک‌ها در ایران با تمرکز بر ساختار ترازنامه‌ای. فصلنامه مدلسازی اقتصادی، 16 (60)، 86-69.

-       کردمنجیری، سجاد، داداشی، ایمان، خوشنود، زهرا، و غلام نیا روشن، حمیدرضا (1399). شناسایی عوامل موثر بر مطالبات غیرجاری بانک‌ها با استفاده از شبکه‌های عصبی و الگوریتم ماشین بردار پشتیبان. فصلنامه مدل‌سازی اقتصادی، 14 (49)، 151-127.

-       کفایی، سیدمحمدعلی، و راهزانی، محبوبه (1396). بررسی تاثیر متغیرهای کلان اقتصادی بر ریسک نقدینگی بانک های ایران. پژوهش ها و سیاست های اقتصادی، 25 (81)، 310-261.

-       کمیجانی، مهرشاد، پژویان، جمشید، و غفاری، فرهاد (1394).  تحلیل اثر متغیرهای کلان اقتصادی و درون بانکی بر مطالبات غیرجاری بانک‌های کشور.  مطالعات و سیاست‌های اقتصادی، 12 (2)، 122-105.

-       محمدی، تیمور، اسکندری، فرزاد، و کریمی، داود (1395). تأثیر متغیرهای کلان اقتصادی و ویژگی­های خاص بانکی بر مطالبات غیر جاری در نظام بانکی ایران، فصلنامه پژوهشنامه اقتصادی، 16 (62)، 104-83.

-       محسنی، رضا، و فتحیان، مریم (1396). تأثیر نوسانات متغیرهای کلان اقتصادی بر مطالبات غیرجاری بانکی. فصلنامه مطالعاتی در مدیریت بانکی و بانکداری اسلامی، 3 (6-7)، 130-95.

 

-       Abolhasani H, A., Shaygani, B., & Jamshidnezhad, A. (2021). The impact of non-performing loans of public and private banks on economic growth in Iran. Macroeconomics Research Letter, 16(31), 155–178. [In Persian]

-       Adegboye, A., & Akinyele, O. D. (2022). Assessing the determinants of government spending efficiency in Africa. Future Business Journal, 8(1), 1–17. https://doi.org/10.1186/s43093-022-00130-3

-       Bastanzad, H., & Davodi, P. (2021). The impact of macro systematic shocks on the non-performing loans: Multivariate stochastic volatility model. Journal of Planning and Budgeting, 26(3), 49-74. [In Persian]

-       Beck, R., Jakubik, P., & Piloiu, A. (2015). Key determinants of non-performing loans: New evidence from a global sample. Open Economies Review, 26(3), 525–550. https://doi.org/10.1007/s11079-015-9358-8

-       Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking & Finance, 21(6), 849–870. https://doi.org/10.1016/S0378-4266(97)00003-4

-       Espinoza, R. A., & Prasad, A. (2010). Non-performing loans in the GCC banking system and their macroeconomic effects. International Monetary Fund.

-       Ghosh, A. (2015). Banking-industry specific and regional economic determinants of non-performing loans: Evidence from US states. Journal of Financial Stability, 20, 93–104. https://doi.org/10.1016/j.jfs.2015.08.002

-       Ghosh, A. (2022). Banking sector openness and entrepreneurship. Journal of Financial Economic Policy, 14(1), 1–23. https://doi.org/10.1108/JFEP-05-2021-0085

-       Goyal, S., Singhal, N., Mishra, N., & Verma, S. K. (2023). The impact of macroeconomic and institutional environment on NPL of developing and developed countries. Future Business Journal, 9(45), 1–15. https://doi.org/10.1186/s43093-023-00207-2

-       Kafaie, M., & Rahzaani, M. (2017). The effect of macroeconomic variables on banks' liquidity risk in Iran. Journal of Economic Research and Policies, 25(81), 261–310. [In Persian]

-       Klein, N. (2013). Non-performing loans in CESEE: Determinants and impact on macroeconomic performance. International Monetary Fund, 70–92.

-       Komijani, M., Pazhuyan, J., & Ghaffari, F. (2015). Analysis of the effect of macroeconomic and intra-bank variables on the non-performing loans of the country's banks. Economic Studies and Policies, 12(2), 105-122. [In Persian]

-       Kordmanjiri, S., Dadashi, I., Khoshnood, Z., & Gholamnia Roshan, H. (2020). Identifying factors affecting non-current debts of banks using neural networks and support vector machine algorithm. Economic Modeling, 14(49), 127–151. [In Persian]

-       Lin, X., & Zhang, Y. (2009). Bank ownership reform and bank performance in China. Journal of Banking & Finance, 33(1), 20–29. https://doi.org/10.1016/j.jbankfin.2007.11.024

-       Louzis, D. P., Vouldis, A. T., & Metaxas, V. L. (2012). Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of Banking & Finance, 36(4), 1012–1027. https://doi.org/10.1016/j.jbankfin.2011.10.012

-       Mohammadi, T., Eskandar, F., & Karimi, D. (2016). The effect of macroeconomic variables on non-performing loans. Journal of Economic Research, 16(62), 81–101. [In Persian]

-       Mohseni, R., & Fathian, M. (2018). Impact of fluctuations in macroeconomic variables on non-performing loans. Quarterly Journal of Islamic Finance and Banking Studies, 3(6-7), 95–130. [In Persian]

-       Nkusu, M. M. (2011). Non-performing loans and macro financial vulnerabilities in advanced economies. International Monetary Fund.

-       Ozili, P. K. (2018). Banking stability determinants in Africa. International Journal of Managerial Finance, 14(4), 462–483. https://doi.org/10.1108/IJMF-01-2018-0002

-       Ozili, P. K. (2015). How bank managers anticipate non-performing loans: Evidence from Europe, US, Asia and Africa. Journal of Financial Regulation and Compliance, 23(1), 73–80.

-       Podpiera, J., & Weill, L. (2008). Bad luck or bad management? Emerging banking market experience. Journal of Financial Stability, 4(2), 135–158. https://doi.org/10.1016/j.jfs.2007.01.004

-       Roman, A., & Bilan, I. (2015). An empirical analysis of the macroeconomic determinants of non-performing loans in EU28 banking sector. Revista Economică, 67(2), 108–127.

-       Škarica, B. (2014). Determinants of non-performing loans in Central and Eastern European countries. Financial Theory and Practice, 38(1), 37–59. https://doi.org/10.3326/fintp.38.1.2

-       Sadeghi, S. (2023).  The effects of liquidity creation on systemic risk: by concentration on banks balance sheet structure. Economic Modeling, 16(60), 69–86. [In Persian]

-       Sethi, A. S., & Bajaj, A. (2018). Non-performing loan (NPLs) of Scheduled Commercial Banks (SCBs) in India: Analytical revelations. Finance India, 32(3), 785–804.

-       Tanasković, S., & Jandrić, M. (2015). Macroeconomic and institutional determinants of non-performing loans. Journal of Central Banking Theory and Practice, 4(1), 47–62. https://doi.org/10.1515/jcbtp-2015-0004.

3

img0  

[1] * دکتري اقتصاد، مدیر گروه پژوهش‌های اقتصاد کلان و آینده پژوهی، استادیار موسسه مطالعات و پژوهش­هاي بازرگاني، تهران، ایران (نویسنده مسئول).

amirsoori@gmail.com  

[2] ** پژوهشگر اقتصادی، گروه پژوهش‌های اقتصاد کلان و آینده­پژوهی، موسسه مطالعات و پژوهش‌هاي بازرگاني، تهران، ایران.

zhilapanahi59@gmail.com

[3]  Non-Performing Loans

[4]  Adegboy& Akinyele

[5]  Berger &Young

[6]  Laeven & Majnoni

[7]  Podpiera &Weill

[8]  Prasad & Espinoza

[9]  Boudriga et all

[10]  Nkusu

[11]  Louzis,, Vouldis& Metaxas

[12]  Klein

[13]  Škarica

[14]  Beck, Jakubik, & Piloiu

[15]  Roman & Bilan

[16]  Tanasković & Jandrić

[17]  Ozili

[18]  lagged leverage

[19]  Ghosh

[20]  Generalized Method of Moments (GMM)

[21]  Dynamic Ordinary Least Square

[22]  Fully Modified Least Squares

[23]  Goyal, Singhal, Mishra & Verma (2023).

[24]  Lin & Zhang

[25]  Sethi & Bajaj

[26]  Panel Data

[27]  https://www.imf.org

[28]  https://www.worldbank.org

[29]  Pearson

[30]  Endogeneity

[31]  Durbin–Wu–Hauseman (DWH)

[32]  Breusch-Pagan

[33]  Wooldridge

[34]  Variance Inflation Factor

[35]  Wald Test

[36]  Sargan Test

[37]  Arellano-Bond Test

[38]  Granger Causality Test

[39]  Panel Unit Root Test

[40]  Tests of Panel Cointegration

[41]  The Pedroni Heterogeneous Panel Estimate

[42]  Bank Stress Test


سکوی نشر دانش

سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1404-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]