سنجش ریسک سیستمیک و تاثیر متغیرهای بنیادی برآن در سیستم بانکی کشور

محورهای موضوعی : دانش سرمایه‌گذاری

لیلا براتی ¹ (دانشجوی گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.)
میرفیض فلاح شمس ² (گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران)
فرهاد غفاری ³ (گروه اقتصاد، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران.)
علیرضا حیدرزاده هنزائی ⁴ (گروه مدیریت مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.)

تاریخ دریافت : 1401/06/26 تاریخ پذیرش : 1401/08/07 تاریخ انتشار : 1402/10/01

کلید واژه: "ریسک سیستمیک", "مدل نوسان و همبستگی شرطی پویا", "داده‌های پنلی", "کسری نهایی مورد انتظار", "هشدار سیستم مالی",

چکیده مقاله :

هدف این مقاله سنجش ریسک سیستمیک و تاثیر متغیرهای بنیادی برآن در سیستم بانکی کشور بود. در این راستا از اطلاعات بازه زمانی 1390-1399 استفاده شد. در بخش ابتدایی شاخص‌های ریسک سیستمیک برآورد گردید سپس تاثیر متغیرهای بنیادی سیستم بانکی کشور و همچنین ثبات مالی بر آن مورد ارزیابی قرار گرفت. در راستای برآورد مدل از روش کسری نهایی مورد انتظار (MES) و داده‌های پنلی استفاده شد. شاخص ریسک سیستمیک در این تحقیق از محاسبه درجه اهرم (اندازه بدهی)، اندازه بازار و کسری نهایی مورد انتظار (MES) به دست می آید تا در نهایت بتوان عوامل تأثیرگذار بر آن را مدل سازی نمود. در این پژوهش ابتدا به سنجش انواع مدل های مختلف سنجش ریسک سیستمیک با توجه به خطای پیش بینی پرداخته شده است و سپس با مدل بهتر انتخاب شده به سنجش ارتباط میان ریسک سیستمیک و نسبت های مهم سیستم بانکی کشور پرداخته می شود. نتایج نشان داد که میان متغیرهای مستقلی همچون نرخ تورم، بدهی های خارجی، بدهی های دولت، رشد نقدینگی، نرخ تسهیلات غیرجاری، نسبت بدهی و نسبت ارزش دفتری حقوق صاحبان سهام به ارزش بازاری ارتباط مثبت معنی دار و متغیرهای مستقلی همچون بازدهی شاخص کل بورس اوراق بهادار، نرخ رشد تولید ناخالص داخلی و بازده دارایی ها ارتباط منفی معناداری با شاخص ریسک سیستمیک در بین سیستم بانکی کشور وجود دارد.

چکیده انگلیسی:

The purpose of this article was to measure systemic risk and the impact of fundamental variables on it in the country's banking system. In this regard, information from the period of 2010-2019 was used. In the first part, systemic risk indicators were estimated, then the impact of the fundamental variables of the country's banking system and financial stability was evaluated. In order to estimate the model, the final expected deficit method (MES) and panel data were used. The systemic risk index in this research is obtained from the calculation of the degree of leverage (debt size), market size and expected final deficit (MES) in order to finally be able to model the factors affecting it.In this research, first of all, different types of systemic risk assessment models have been evaluated according to the forecast error, and then, with the better selected model, the relationship between systemic risk and the important ratios of the country's banking system has been evaluated. The results showed that there is a significant positive relationship between independent variables such as inflation rate, external debt, government debt, liquidity growth, non-current facility rate, debt ratio and the ratio of book value of equity to market value, and independent variables such as profitability There is a significant negative relationship between the total index of the stock exchange, the growth rate of GDP and return on assets with the systemic risk index among the country's banking system.

منابع و مأخذ:

• آسایش کورش، فلاح شمس میرفیض، جهانگیرنیا حسین، غلامی جمکرانی رضا (1400)، تبیین مدل ریسک سیستمیک با استفاده از معیار ریزش مورد انتظار نهایی در بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران. فصلنامه برنامه ریزی و بودجه، ۲۵ (۲)، ۱۳۴-۱۱۵.


• حسینی، علی و رضوی, سعید (139۳). نقش سرمایه در ریسک سیستمی مؤسسات مالی – پژوهش‌های تجربی حسابداری, 4(13)،  ۱۴۷ -127.‎


• سرزعیم، علی (1392). بحران‏های بانکی مروری بر تجارب کشورهای مختلف در شکل‏گیری بحران‏ها، تبعات آن‏ها و چگونگی مقابله. انتشارات پژوهشکده پولی و بانکی.


• صادقی شاهدانی مهدی، توکلی حمیدرضا، صالحی شهرابی ابوالفضل (1401)، بررسی ریسک سیستمی در صنعت بانکی بورس تهران: رویکرد نظریه گراف و ARMA-gjrGARCH-DCCt. فصلنامه پژوهش ها وسیاست های اقتصادی، ۳۰ (۱۰۱)، ۳۵۵-۳۰۷.


• صالحی صدقیانی، جمشید. (1386). تعیین ریسک سرمایه گذاری در یک پرتفو ارزی با استفاده از روش ارزش در معرض خطر. مطالعات مدیریت صنعتی، 6(17)، 183-200.


• عرب، محمد و صفرزاده، حسین (1388)، بررسی توانایی نسبت مالی در پیش‏بینی بحران‏های مالی: تحلیل لاجیت. فصلنامه بورس اوراق بهادار، 1.


• نمکی، علی، عباسیان، عزت اله، شفیعی، الهه (1401). تجزیه و تحلیل میزان ریسک سیستمی شرکت‌های بورس اوراق بهادار تهران با استفاده از رویکرد سیستم‌های پیچیده. راهبرد مدیریت مالی، 10(1), 91-112.


• نیلی، مسعود و همکاران (1382)، استراتژی توسعه صنعتی کشور، انتشارات دانشگاه صنعتی شریف، 77-108.


• هاتف وحید مجید، صالح اردستانی عباس (1399)، اندازه‌گیری ریسک سیستمی مؤسسات مالی و بانک‌ها با استفاده از رویکردخوشه‌بندی مارکوف و معیارهای سنجش ریسک مبتنی بر مرکزیت. نشریه اقتصاد و بانکداری اسلامی. ۱۳۹۹; ۹ (۳۰) :۱۴۰-۱۱۵.


• وهاب زاده، سارا، فلاح شمس لیالستانی، میرفیض، معدنچی، مهدی، کیقبادی، امیر رضا (1401)، سرایت پذیری ریسک سیستمیک در بازارهای مالی ایران. دانش سرمایه‌گذاری، 11(41)، 429-443.

 

• Acerbi, C؛ Tasche, D. (2002). Expected Shortfall:a natural coherent alternative to Value at Risk. Economic Notes.


• Acerbi, C؛ Tasche, D. (2002). On the coherence of Expected Shortfall. Journal of Banking and Finance.


• Adrian, T., Brunnermeier, M.K., (2011). CoVaR. Working paper, Federal Reserve Bank of New York.


• Allen, L., & Tang, Y. (2016). What’s the Contingency? A Proposal for Bank Contingent Capital Triggered By Systemic Risk, Journal of Financial Stability, In Press, Accepted Manuscript — Note to users.


• Barigozzi, M. and Brownlees, C. (2012). NETS: Network Estimation for Time Series. Technical report.


• Bekaert, G., Hodrick, R. J., and Zhang, X. (2013). Aggregate idiosyncratic volatility. Journal of Financial and Quantitative Analysis, forthcoming.


• Bisias, D., Flood, M., Lo, A. W., and Valavanis, S. (2012). A survey of systemic risk analytics Working paper #0001, Office of Financial Research.


• Brownlees, C.T., Engle, R., (2012). Volatility, correlation and tails for systemic risk measurement. Working Paper.


• Brunnermeier, M. K. and Oehmke, M. (2012). Bubbles, financial crises, and systemic risk. Technical report.


• De Bandt, O., and p.Hartmann. (2002). Systemic risk in banking: A survey in financial crises, contagion and the lender of last resort, ed. C. Goodhart and G. Illing. London: Oxford University Press.


• Fisher, I. (1933). The debt-Deflation Theory of great depression. Econometrica, 1(4): 337-357.


• Hautsch, N., Schaumburg, J., and Schienle, M. (2010). Quantifying time–varying marginal systemic risk contributions. Technical report.


• He, F., & Chen, X. (2016). Credit networks and systemic risk of Chinese local financing platforms: Too central or too big to fail?–based on different credit correlations using hierarchical methods, Physica A: Statistical Mechanics and its Applications, (461)6, 158-170.


• Huang, X., Zhou, H., Zhu, H., 2009. A framework for assessing the systemic risk of major financial institutions. J. Bank. Financ. 33, 2036–2049.


• Kuzubas, T. U., Saltoglu, B., & Sevr, C. (2015). Systemic risk and heterogeneous leverage in banking networks, Physica A: Statistical Mechanics and its Applications, (462)6, 358-375.


• Laeven, L., Ratnovski, L., & Tong, H. (2015). Bank size, capital, and systemic risk: Some international evidence, Journal of Banking & Finance, (69)6, S25-S34.


• Lo, M.C., Zivot, E., 2001. Threshold cointegration and nonlinear adjustment to the law of one price. Macroecon. Dyn. 5, 533–576.


• Pagano, M. S., & Sedunov, J. (2016). A comprehensive approach to measuring the relation between systemic risk exposure and sovereign debt, Journal of Financial Stability, (23)6, 62-78.


• Zhang, Tingting, Zhenpeng Tang, Xiaoxu Du &Linjie Zhan, 2021, Research on systemic risk contagion of Chinese financial institutions based on GARCH-VMD-Copula-CoVaR model, Economic Research, 18, 22-43.


• So, M.K.P., Mak, A.S.W. & Chu, A.M.Y. (2022), Assessing systemic risk in financial markets using dynamic topic networks. Sci Rep 12, 2668.