طراحی سیستم پیش‌هشداردهنده بحران بانکی نظام مند در بازار مالی ایران (با کاربرد زنجیره‌های مارکوفی)

اقتصاد مالی

مقاله 7، دوره 13، شماره 47، مرداد 1398، صفحه 135-154   

نوع مقاله: علمی پژوهشی

نویسندگان

دنیا حاجی شاهوردی¹؛ غلامرضا زمردیان^{* 2}؛ میر فیض فلاح شمس لیالستانی³؛ فرهاد حنیفی²

¹دانشجوی دکتری مهندسی مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

²استادیار گروه مدیریت بازرگانی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران

³دانشیارگروه مدیریت بازرگانی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

در این پژوهش با بکارگیری الگوی مناسب علائم پیش‌هشداردهنده  وقوع بحران بانکی نظام مند در اقتصاد ایران با استفاده از الگوی زنجیره ای مارکوف شناسایی و طراحی شده است.  متغیرهای الگو عبارتند از نسبت مطالبات غیرقابل‌برگشت، نرخ تورم، نرخ ارز و بدهی‌ بانک‌ها به بانک مرکزی که با توجه به قدرت توضیح‌دهندگی آنها به عنوان شاخص‌های نشاندهنده بحران بانکی متناسب با این نظام مالی شناسایی شده اند. براساس این شاخص‌ها ،یک مدل لاجیت باینری با کاربرد مدل چرخشی مارکوف در ارزیابی احتمال وقوع بحران بانکی در بخش مالی ایران طراحی شد. یافته های این مدل  نشان می دهد که به خوبی توانسته است علائم وقوع بحران بانکی سال 1372 را یکسال قبل از وقوع در اقتصاد ایران شناسایی نماید. با کاربرد مدل پیش‌هشداردهنده طراحی شده و با رجوع به پایگاه اطلاعات بحران‌های مالی صندوق بین‌المللی پول، می‌توان این بازه زمانی را به عنوان دوران وقوع بحران بانکی منظم و هم‌پوشانی آن با بحران بدهی ملی و بحران ارزی در نظام بانکی ایران معرفی نمود.
In this case study, initially has designed on the base of usage of events approach and signal extraction model of precaution for identifing systemic banking crisis in the Iranian economy, and Non-Performing Loans(NPL), inflation rates, exchange rates and liabilities of banks to the Central Bank with regardes to the explanatory power as The systemic banking crisis guidance indicators that appropratefor financial system were identified. Consequently a logit-binary model on the base of indector was designed Markov Switching Model system to assess the possibility of systemic crisis in Iran's financial system, which was identified the sign of occurrence of banking crisis in 1993 from year ago in Iran's economy. It is designed with the use of a Early-Warning Systemsand, referring to the International Monetary Fund's financial crisis database, can be described as the era of systemic banking crisis and its overlap with the national debt crisis and the currency crisis in the Iran's banking system.

کلیدواژه‌ها

بحران بانکی نظام مند، سیستم پیش‌هشداردهنده، الگوی چرخشی مارکوف. طبقه بندی JEL : C25؛ C53؛ F31؛ G01

اصل مقاله

طراحی سیستم پیش‌هشداردهنده بحران بانکی نظام مند در بازار مالی ایران(با کاربرد زنجیره‌های مارکوفی)

 

دنیا حاجی شاه‌وردی

تاریخ دریافت: 20/01/1398            تاریخ پذیرش: 24/03/1398

[1]

غلامرضا زمردیان[2]

میر فیض فلاح شمس لیالستانی[3]

فرهاد حنیفی[4]

 

چکیده

در این پژوهش با بکارگیری الگوی مناسب علائم پیش‌هشداردهنده  وقوع بحران بانکی نظام مند در اقتصاد ایران با استفاده از الگوی زنجیره ای مارکوف شناسایی و طراحی شده است.  متغیرهای الگو عبارتند از نسبت مطالبات غیرقابل‌برگشت، نرخ تورم، نرخ ارز و بدهی‌ بانک‌ها به بانک مرکزی که با توجه به قدرت توضیح‌دهندگی آنها به عنوان شاخص‌های نشاندهنده بحران بانکی متناسب با این نظام مالی شناسایی شده اند. براساس این شاخص‌ها ،یک مدل لاجیت باینری با کاربرد مدل چرخشی مارکوف در ارزیابی احتمال وقوع بحران بانکی در بخش مالی ایران طراحی شد. یافته های این مدل  نشان می دهد که به خوبی توانسته است علائم وقوع بحران بانکی سال 1372 را یکسال قبل از وقوع در اقتصاد ایران شناسایی نماید. با کاربرد مدل پیش‌هشداردهنده طراحی شده و با رجوع به پایگاه اطلاعات بحران‌های مالی صندوق بین‌المللی پول، می‌توان این بازه زمانی را به عنوان دوران وقوع بحران بانکی منظم و هم‌پوشانی آن با بحران بدهی ملی و بحران ارزی در نظام بانکی ایران معرفی نمود.

واژه‌های کلیدی: بحران بانکی نظام مند، سیستم پیش‌هشداردهنده، الگوی چرخشی مارکوف.

طبقه بندی JEL: C25,C53, F31, G01

1- مقدمه

با کاهش اعتماد عمومی جامعه به سلامت و تداوم فعالیت بانک، تقاضای استرداد وجوه سپرده ‌شده افزایش می‌یابد، از این پدیده به عنوان هجوم بانکی^[i] یاد می‌شود. در این شرایط زمان کافی برای تامین وجه‌نقد موردنیاز در اختیار بانک‌ها نخواهد بود، لذا احتمال توقف فعالیت، تعطیلی و یا ورشکستگی آن‌ها افزایش می‌یابد. علاوه‌ برآن در صورت سرایت هجوم بانکی از یک بانک به سایر بانک‌ها وحشت بانکی^[ii] یا بحران بانکی سیستمیک^[iii] حادث می‌شود. همچنین اگرهجوم بانکی گسترده نبوده و به سایر بانک‌ها نیز سرایت ننماید، اما عدم‌اطمینان از توانایی تامین منابع نقد موردنیاز موجب کاهش تمایل بانک‌ها آسیب‌دیده از اعطای تسهیلات جدید شود،‌ سقوط اعتباری^[iv] یا توقف اعتباری^[v] حادث می‌شود.(دایموند[vi] ,1983)

در اوایل قرن نوزدهم بحران‌های بانکی متعددی حادث شد، هرچند که اجرای طرح بیمه سپرده در دهه 1930 از تعداد و شدت وقوع این بحران‌ها کاست، اما با افزایش نوسان متغیرهای کلان اقتصادی از ابتدای دهه 1970 مجدد بر تعداد و شدت وقوع این بحران‌ها افزوده شد. به‌گونه‌ای‌که در بازه زمانی 1970 تا 2017 وقوع بیش از 151 بحران بانکی سیستمیک گزارش شده است. با افزایش بازه زمانی و لحاظ نمودن کل دوره تقریبی ایجاد نظام بانکی امروزی، تعداد بحران‌های بانکی سیستمیک حادث‌شده به بیش از 271 مورد در بازه زمانی 1800 تا 2017 افزایش می‌یابد، که به گزارش صندوق بین‌المللی پول مدیریت این بحران‌ها به طور متوسط هزینه‌ای بالغ بر 20 درصد تولید ناخالص داخلی را به کشورهای درگیر تحمیل نموده است.در دهه اخیر با افزایش به‌کارگیری تکنولوژی اطلاعات و تسریع فرآیند انتقال اطلاعات، ظهور ابزارهای مالی نوین، افزایش پیچیدگی تعاملات نهادهای مالی، گسترش روز افزون بازارهای مالی و سایر عواملی از این دست بر تعداد وقوع بحران‌ مالی به ویژه بحران‌های بانکی سیستمیک افزوده شده است.به طوری که در بازه زمانی 50 سال اخیر بیش از 70 اقتصاد دنیا را که مالک از 95 درصد تولید ناخالص داخلی جهان می‌باشند، متاثر نموده است. در شکل 1 نقشه گسترده وقوع بحران‌های بانکی سیستمیک در بازه زمانی 2017-1970 برحسب تعداد دفعات وقوع به تصویر کشیده شده است.

در شکل شماره 1 مناطق جغرافیایی برحسب فراوانی وقوع بحران‌های بانکی سیستمیک در پنج گروه طبقه‌بندی شده است. براین‌اساس سه کشور آرژانتین، اوکراین و کنگو به ترتیب با 4، 3، 3 تجربه وقوع بحران بانکی سیستمیک در بازه زمانی 2017-1970 رکورددار محسوب می‌‎شوند، اما برای برخی از کشورها ازجمله کشور ایران تاکنون وقوع هیچ بحران بانکی سیستمیکی گزارش نشده است، این درحالی است که علائم وقوع این نوع از بحران در نظام مالی ایران مشهود است. لذا بسیاری از محققان توصیه می‌نمایند تا از سایر رهیافت‌ها و الگوها برای شناسایی بحران بانکی در این کشورها به ویژه در کشورهای درحال‌توسعه و کشورهای دارای بازارهای نوظهور استفاده شود.

براین‌اساس در این کار مطالعاتی در ابتدا با توجه به ساختار مالی کشور ایران و نیز توانمندی‌های رهیافت وقایع و الگوی استخراج سیگنال نظیر قدرت بالاتر در پیش‌بینی، نبود مشکلات مرسوم مدل‌های اقتصادسنجی نظیر خطای همبستگی و همبستگی سریالی ضمن طراحی مدلی برای شناسایی بحران‌های بانکی سیستمیک تلاش خواهد شد تا شاخص‌هایی که دارای بیشترین قدرت توضیح‌‌دهندگی در شناسایی بحران‌های بانکی سیستمیک در نظام مالی ایران می‌باشند، تعیین گردد. سپس با الگوگیری از مدل‌های مبتنی‌بر پیش‌بینی احتمال وقوع بحران و کاربرد مدل‌های لاجیت و با به‌کارگیری شاخص‌های هدایت‌گر تعیین‌شده در این مدل تلاش خواهد شد تا ضمن تعیین بازه‌های زمانی بحرانی، قدرت توضیح‌دهندگی شاخص‌های هدایت‌گر بحران بانکی سیستمیک در نظام مالی ایران بررسی شود.

 

 

شکل 1- نقشه گسترده وقوع بحران بانکی سیستمیک

(لاون و والنسیا[vii] ,2018)

 

2- روش شناسی پژوهش

در این بخش روش‌شناسی مطالعه حاضر در سه بخش پیشینه نظری، پیشینه تجربی و مدل مفهومی کار مطالعاتی به شرح زیر تشریح خواهد شد.

2-1- پیشینه نظری

بحران بانکی سیستمیک اغلب از یک یا چند بانک شروع و باسرایت سریع آن در شبکه بانکی، بازارهای مالی و اقتصاد کشور‌ها را تحت تاثیر قرار می‌دهد. براین‌اساس راینهارت و روگوف^[viii] در کتابی با عنوان "این دوره متفاوت است" از بحران‌های بانکی به عنوان تهدید فرصت‌های برابر در کشورهای ثروتمند و بازارهای نوظهور یاد می‌نمایند. یکی از روش‌های معمول برای شناسایی و مطالعه بحران‌های مالی ازجمله بحران‌های بانکی سیستمیک طراحی مدل‌های پیش‌هشداردهنده است. طراحی این سیستم‌ها می‌تواند نقش بسزایی در پیش‌بینی وقوع بحران‌ها، طراحی اقدامات پیشگیرانه و نیز محدودنمودن تبعات احتمالی حاصل از وقوع آن‌ها داشته باشد.( پور عبادالهیان,1397)

صندوق بین‌المللی پول به عنوان مبتکر اصلی این روش، سیستم پیش‌هشداردهنده بحران را سازوکاری برای شناسایی و ارسال هشدارهای لازم برای آگاهی از وقوع بحران‌ در بازه‌های زمانی یک تا 12 ماه قبل از وقوع تعریف نموده است. برای طراحی مدل‌های پیش‌هشداردهنده بحران بانکی سیستمیک می‌توان از دو رهیافت شاخص فشار بازار پول^[ix] و روش وقایع^[x]استفاده نمود. نتایج هر یک از این روش‌ها براساس دو معیار قابل ارزیابی است. اول آن که روش مورد کاربرد قادر به شناسایی بحران‌های حادث‌شده می‌باشد؟ دوم آن که این روش می‌تواند قبل از وقوع بحران از آن آگاه شده و هشدار دهد؟ و یا به عبارت ساده‌تر وقوع بحران را پیش‌بینی نماید؟ بررسی پیشینه مطالعاتی موضوع، حاکی از به کارگیری هر دو رهیافت برای شناسایی بحران‌های بانکی سیستمیک می‌باشد، که در ادامه به شرح مختصری از این مطالعاتی اشاره خواهد شد.

 

2-2- پیشینه تجربی

به طور کلی مطالعات انجام شده در حوزه بحران‌های بانکی سیستمیک را می‌توان در چند طبقه اصلی بررسی تاثیر بحران‌های مالی بر بخش حقیقی اقتصاد، بررسی نحوه سرایت‌پذیری بحران‌های بانکی، برآورد هزینه‌های مالی بحران‌های بانکی و تعیین شاخص‌های هدایت‌گر بحران و طراحی مدل‌های پیش‌هشداردهنده بررسی نمود. در بسیاری از این مطالعات مبنای شناسایی بحران‌های بانکی سیستمیک رهیافت وقایع و مشاهده وقایع قطعی نظیر تعطیلی، ادغام و یا واگذاری بانک‌های بحران‌زده به سایر نهادهای مالی لحاظ شده است. الگوهای احتمالی(الگوهای پیش‌بینی احتمال وقوع بحران) و الگوهای استخراج سیگنال(الگوهای استخراج علائم بحران از شاخص‌های هدایت‌گر) دو رویکرد قالب این رهیافت محسوب می‌شوند.

الگوهای استخراج علائم اولین‌بار توسط ﮐﺎﻣﯿﻨﺴﮑﯽ،ﻟﯿﺰوﻧﺪ و رﯾﻨﻬﺎرت در سال 1999 ارائه شد. در این شیوه رفتار متغیرهای کلان اقتصادی منتخب در یک بازه زمانی معین قبل و بعد از وقوع بحران با توجه به نظریه‌های اقتصادی بررسی می‌گردد و شاخص‌های دارای رفتار نامتعارف به عنوان شاخص‌های هدایت‌گر وقوع بحران انتخاب می‌شود. سپس براساس نوسانات این شاخص‌ها احتمال وقوع بحران برآورد می‌شود. در این روش ﻧﻈﺎرت ﺑﺮ رفتار ﺷﺎﺧﺺﻫﺎ ﻣﻼک ﻋﻤﻞ بوده و در صورت انحراف رفتار شاخص‌ها از مرزهای آستانه تعریف شده(مرز بحران)، علائم وقوع بحران منتشر می‌شود.

در بسیاری از مواقع بانک‌های مرکزی و سایر نهادهای نظارتی تنظیم‌کننده بازار با استفاده از ابزارهایی که کمتر اذعان عمومی را تحت تاثیر قرار می‌دهند، در فرآیند مدیریت و مهار بحران‌های مالی مداخله می‌نمایند، که این امر در خصوص جامعه آماری مورد مطالعه نیز صدق می‌نماید. عدم‌تمایل دولت‌ها به مداخله سیاستی مستقیم در فرآیند مدیریت بحران، همچنین تعریف نادرست شاخص‌های هدایت‌گر بحران بانکی سیستمیک از سوی مقامات بین‌المللی نظیر صندوق بین‌المللی پول و تمرکز بیش از حد بر حوادث قطعی در تعریف این شاخص‌‌ها و نیز ساده‌سازی مدل‌های اقتصادسنجی و نادیده گرفتن بسیاری از فروض اولیه مدل‌های مالی نظیر غیرخطی‌بودن داده‌ها موجب شده تا برای کشور ایران و بسیاری از کشورهای دارای ساختار اقتصادی مشابه تاکنون وقوع هیچ بحران بانکی سیستمیکی گزارش نشود، لذا در این کار مطالعاتی تلاش شده است تا با ارزیابی دقیق‌تر، شاخص‌های هدایت‌گر بحران بانکی سیستمیک متناسب با نظام مالی ایران تعریف شود و با ارزیابی بیشتر فروض اولیه مدل‌های مالی ازجمله آزمون غیرخطی بودن روابط بین متغیرها نتایج سیستم‌های پیش‌هشداردهنده طراحی شده پیشین را ارتقاء داد.

 

2-3- مدل مفهومی و مراحل اجرای آن

با توجه به تعاریف ارائه شده از بحران بانکی سیستمیک و رهیافت‌های شناسایی این نوع از بحران در این مطالعه شناسایی شاخص‌های هدایت‌گر بحران بانکی سیستمیک در نظام مالی ایران، طراحی سیستم پیش‌هشداردهنده بحران و تعیین سال‌های بحرانی را می‌توان در چارچوب مدل مفهومی به شرح شکل 2 بررسی نمود، که در ادامه به تشریح مراحل اجرای این مدل مفهومی پرداخته خواهد شد.

 

شکل 2- الگوی مفهومی تحقیق

(یافته‌های پژوهشگر)

 

2-3-1-گام اول: شناسایی شاخص‌های هدایت‌گر بحران بانکی در نظام مالی ایران

بحران‌های بانکی سیستمیک را می‌توان براساس نتایج وقوع آن‌ها تعریف نمود، براین‌اساس اغلب شاخص‌هایی مبتنی‌بر متغیرهای کلان اقتصادی نظیر نرخ تورم، رشد تولید ناخالص داخلی، نرخ برابری ارز، میزان اعتبار اعطائی و مطالبات نکول شده برای شناسایی و پیش‌بینی بحران‌های بانکی سیستمیک به‌کار‌می‌رود، که رفتار غیرعادی این متغیرها را می‌توان به عنوان هشداری از وقوع بحران بانکی سیستمیک تعبیر نمود.(لاینا و همکارانش[xi] ,2015)

در خصوص جامعه آماری تحقیق حاضر با توجه به عدم‌وقوع هجوم بانکی و یا سایر رخدادهای قطعی همچون تعطیلی بانک، ادغام حاصل از وقوع بحران و مسدودشدن وجوه سپرده در نظام مالی ایران و نیز به‌کارگیری سایر ابزارهای مداخله‌ای از سوی بانک مرکزی و دولت برای مدیریت معضلات بانکی حادث‌شده نمی‌توان از شاخص‌های تعریف شده توسط نهادهای بین‌المللی نظیر صندوق بین‌المللی پول برای شناسایی بحران‌های بانکی سیستمیک استفاده نمود، لذا برای گام نخست می‌بایست تا ساختار شاخص‌های هدایت‌گر تعریف شده مورد بازنگری قرار گرفته و با توجه به ساختار نظام مالی ایران تعدیل شود. برای این منظور در ابتدا با تمرکز بر مطالعات خارجی و داخلی این حوزه، فهرستی از شاخص‌های هدایت‌گر بحران‌های بانکی سیستمیک استخراج شد. سپس با توجه به اشتراکات یافته‌های مدل‌های طراحی شده پیشین، شاخص‌های که بیشترین هشدار مبنی‌بر نقش هدایت‌گری آن‌ها در بحران‌های بانکی سیستمیک دریافت شده بود، به عنوان شاخص‌های هدایت‌گر اولیه کار مطالعاتی حاضر(متغیرهای مستقل) به شرح جدول 1 انتخاب گردید.

 

جدول 1- متغیرهای هدایت‌گر بحران بانکی سیستمیک استخراج شده از پیشینه مطالعات داخلی و خارجی

متغیرهای هدایت‌گر بحران بانکی	هاردی[xii] ,1999	کانت 1999,[xiii]	بانک مرکزی اروپا ,2005	هاگن ,[xiv]2007	جیانگ[xv] ,2008	دابروسکی 2018 ,[xvi]	شجری,1389	صیادنیاطیبی 1389,	یزدان‌پناه و همکاران1392,	زارعی و کمیجانی1394,	مشیری و همکاران1395,
رشد تولید ناخالص داخلی	*	*		*	*	*	*	*	*	*	*
نرخ برابری دلار آمریکا (تغییرات نرخ ارز)	*	*		*	*		*	*	*	*
نسبت تسهیلات بانکی به بخش خصوصی به تولید ناخالص داخلی	*	*	*	*	*	*	*	*	*	*	*

(یافته‌های پژوهشگر)

 

علاوه‌بر متغیرهای مندرج در جدول فوق متغیرهای نسبت مطالبات غیرقابل بازگشت^[xvii]، بدهی بانک‌ها به بانک مرکزی، سپرده‌های مردم نزد سیستم بانکی و نرخ تورم نیز با نظر خبرگان و شرایط اقتصادی موجود به عنوان شاخص‌های هدایت‌گر اولیه کار مطالعاتی حاضر(متغیرهای مستقل) لحاظ شدند.

 

2-3-2-گام دوم: طراحی مدل پیش‌هشداردهنده مبتنی‌بر رویکرد استخراج سیگنال

همان‌طور که پیش‌تر نیز اشاره شد، یکی از شاخص‌های شناسایی بحران بانکی افزایش نسبت مطالبات غیرقابل بازگشت بانک‌ها است. در بسیاری از مطالعات نیز با پیروی از مطالعات کانت و همکارانش افزایش این نسبت به بیش از 10% به عنوان نشانه‌ای از وقوع بحران بانکی سیستمیک لحاظ شده است. رفتار این نسبت در اقتصاد ایران در صورت لحاظ نمودن معیار 10 درصدی، از سال 1384 تاکنون همواره گویای هشداری از وقوع بحران بانکی سیستمیک در نظام مالی ایران می‌باشد. در این بخش ابتدا با توجه به متغیرهای هدایت‌گر انتخابی به شرح پیش‌گفته، مدل پیش‌هشداردهنده‌ای برای شناسایی بحران‌های بانکی سیستمیک در نظام مالی ایران با کاربرد رهیافت وقایع و کاربرد مدل‌های غیرساختاری مبتنی‌بر رویکرد استخراج سیگنال طراحی شد، که نتایج آن در قالب جدول 2 ارائه می‌گردد.

 

جدول 2- خروجی رویکرد استخراج سیگنال در نظام بانکی ایران

شاخص‌های هدایت‌گر	ارزش آستانه	درصد احتمال بروز سیگنال خوب	درصد احتمال سیگنال نامناسب	نسبت سیگنال نادرست به سیگنال درست	احتمال علامت‌دهی	احتمال بدون شرط	انحراف میان احتمال علامت‌دهی و احتمال بدون شرط
نرخ تورم	0.1	0.800	0.467	0.583	0.364	0.250	0.114
نرخ برابری ارز	0.3	0.545	0.421	0.772	0.273	0.224	0.049
نسبت تسهیلات اعطائی به بخش خصوصی به تولید ناخالص داخلی	0.45	0.625	0.704	1.126	0.208	0.228	0.020-
بدهی بانک‌ها به بانک مرکزی	0.15	0.384	0.360	0.936	0.375	0.321	0.054
سپرده مردم نزد سیستم بانکی	0.10	0.63	0.098	1.569	0.167	0.238	0.071-
رشد تولید ناخالص داخلی	0.25	0.250	0.413	1.652	0.136	0.206	0.070-

(یافته‌های پژوهشگر)

در ستون اول از جدول فوق شاخص‌های اولیه هدایت‌گر بحران بانکی سیستمیک در نظام مالی ایران ارائه شده است. در ستون دوم نیز آستانه بهینه هر متغیر به صورت درصد نمایش داده شده است، هرچند که این آستانه را می‌توان براساس رتبه صدکی(یعنی درصد فراوانی که نسبت تعداد علامت‌های نامناسب به علامت‌های مناسب را حداقل می‌کند، نیز تعیین نمود). این آستانه بهینه در مطالعات مختلف مقادیر متفاوتی لحاظ شده است. دراین کار مطالعاتی آستانه بهینه متغیرهای هدایت‌گر بحران بانکی باتوجه به سوابق مطالعات پیشین و نظر خبرگان تعیین شده است.

در ستون سوم درصد احتمال بروز سیگنال خوبنمایش‌داده شده است. این شاخص بیانگر آن است که هر یک از متغیرها به چه میزان در نشان‌دادن سیگنال خوب در زمان وقوع بحران موفق عمل نمودند. بزرگ‌تربودن این نسبت حاکی از دریافت تعداد بیشتری سیگنال مناسب از شاخص طی دوره مورد مطالعه می‌باشد. در ستون چهارم نیز اعتبار هر یک از شاخص‌ها در صدور سیگنال نامناسب در دوره‌های زمانی آرامش(عدم‌وجود بحران) نمایش داده شده است. در ستون پنجم نسبت دریافت سیگنال نادرست به سیگنال درستارائه شده است. هرچه نسبت محاسبه‌شده در این ستون کمتر باشد، شاخص قدرت توضیح‌دهندگی بیشتری در شناسایی بحران‌های بانکی سیستمیک دارد. بدین‌ترتیب می‌توان گفت نسبت مطالبات غیرقابل‌برگشت، نرخ تورم، نرخ ارز و حجم بدهی‌های بانک‌ها به بانک مرکزی بهترین شاخص‌ها برای پیش‌بینی وقوع بحران بانکی سیستمیک در نظام مالی ایران(شاخص هدایت‌گر بحران بانکی سیستمیک) محسوب می‌شوند.

ستون ششم نیز نشانگر پایین‌ترین و بالاترین تمایل شاخص برای نشان دادن سیگنال‌های خوب می‌باشد. ستون هفتم نیز بیانگر احتمال نهایی وقوع بحران بانکی(احتمال بدون شرط) است، که براساس درصد سیگنال‌های صادره توسط هر شاخص در دوران وقوع بحران نسبت به تمام سیگنال‌های مشاهده‌شده در بازه زمانی مورد مطالعه محاسبه می‌شود. در نهایت در ستون آخر نیز انحراف میان احتمال علامت‌دهی بحران و احتمال بدون شرط بحران نمایش داده شده است، که علامت مثبت ارقام مندرج در این ستون بیانگر آن است که شاخص لحاظ شده می‌تواند شاخص مناسبی برای هدایت‌گری بحران بانکی سیستمیک باشد و علامت منفی نیز بیانگر آن است که شاخص مربوطه، از قدرت توضیح‌دهندگی خوبی برای شناسایی و پیش‌بینی بحران‌های بانکی سیستمیک برخوردار نیست. براین‌اساس علاوه‌بر شاخص نسبت مطالبات غیرقابل‌برگشت، سه شاخص نرخ تورم، نرخ ارز و بدهی‌ بانک‌ها به بانک مرکزی را می‌توان به عنوان شاخص‌های هدایت‌گر بحران بانکی سیستمیک در نظام مالی ایران لحاظ نمود. درحالی‌که سه شاخص حجم سپرده مردم نزد بانک‌ها، نسبت تسهیلات اعطائی به بخش خصوصی به تولید ناخالص داخلی و رشد تولید ناخالص داخلی دارای قدرت چندانی در توضیح‌دهندگی وقوع بحران بانکی سیستمیک در نظام مالی ایران طی بازه زمانی مورد مطالعه نمی‌باشند.

 

2-3-3- گام سوم: طراحی مدل پیش‌هشداردهنده مبتنی‌بر رویکرد پیش‌بینی احتمال وقوع

در مدل‌های ساختاری، اغلب ﺑﺎ اﺳﺘﻔﺎده از شاخص‌های هدایت‌گر الگویی برای پیش‌بینی احتمال وقوع بحران بانکی سیستمیک طراحی می‌شود. به این الگوها که اغلب برای مدل‌سازی رفتار متغیرهای وابسته کیفی یا گسسته استفاده می‌شوند، الگوهای واکنش کیفی[xviii]، الگوهای چندکی[xix] و یا الگوهای طبقه‌بندی‌شده[xx] اطلاق می‌گردد، که شامل انواع الگوهای دوجمله‌ای[xxi]، چندجمله‌ای[xxii] و چند متغیره می‌باشد.(رضایی1397,)

الگوهای لاجیت دوجمله‌ای و ﭘﺮوﺑﯿﺖ که در چارچوب رهیافت وقایع برای پیش‌بینی احتمال وقوع بحران به‌کار می‌روند، نیز در این زمره قرار می‌گیرند. در قالباین ﺗﻮاﺑﻊ از ضرایب معنی‌دار متغیرهای مستقل برآورد شده به منظور توضیح بحران استفاده می‌شود. با توجه به آن که احتمال وقوع بحران بانکی به عنوان متغیر وابسته به صورت نسبی بین صفر و یک می‌باشند. در این الگو متغیر گسسته بحران بانکی سیستمیک به عنوان متغیر وابسته رگرسیون لحاظ می‌شود، که این متغیر برای سال وقوع بحران و سال قبل آن عدد یک و در سایر موارد مقدار صفر اختیار می‌کند. به دلیل محدودیت تعداد مشاهدات، در این مطالعه تلاش شد تا براساس متغیرها به شرح جدول 3 که از نتایج اجرای مدل‌ غیرساختاری و الگوی استخراج علائم استخراج شدند و حذف متغیرهای مستقلی که از نظر آماری معنادار نمی‌باشند، الگویی مبتنی‌بر پیش‌بینی احتمال وقوع بحران با کاربرد مدل‌های لاجیت طراحی شود.

 

جدول 3- متغیرهایی مستقل انتخابی برای طراحی مدل لاجیت پیش‌بینی بحران بانکی سیستمیک در نظام مالی ایران

متغیرهای هدایت‌گر بحران بانکی	نماد
نسبت مطالبات غیرقابل‌برگشت	NPL
نرخ تورم	INF
نرخ برابری ارز(دلار به ریال)	USD
بدهی بانک‌ها به بانک مرکزی(میلیارد ریال)	DBT

(یافته‌های پژوهشگر)

با توجه به آن که مدل‌های لاجیت نیز نوعی از مدل‌های رگرسیونی بر روی داده‌های سری زمانی محسوب می‌شوند، لذا می‌بایست قبل از کاربرد این مدل‌ها در طراحی سیستم‌های پیش‌هشداردهنده، فروض کلاسیک رگرسیون و مانایی سری زمانی آزمون ‌گردد. برای ارزیابی ایستایی متغیرها از آزمون‌های دیکی فولر تعمیم‌یافته، برای ارزیابی همسانی واریانس جملات خطاءاز آزمون وایت^[xxiii] و برای تشخیص هم‌خطی بین متغیرهای توضیحی از تحلیل همبستگی استفاده شد.علاوه‌برآن با توجه به انتظارغیرخطی‌بودن داده‌های مالی ازجمله متغیرهای مدل، از آزمون نسبت درست‌نمایی^[xxiv] برای بررسی غیرخطی‌بودن رابطه متغیرهای تحقیق استفاده شد، که نتایج اجرای این آزمون به شرح جدول 4 حاکی از رابطه غیرخطی بین‌متغیرها است.

 

جدول 4- نتایج آزمون نسبت راست‌نمایی(LR)

سطح معناداری	ارزش احتمال	آماره آزمون(کای دو)
5%	0.000	25.62

(یافته‌های پژوهشگر)

 

با توجه به صحت وجود فروض کلاسیک رگرسیون و نیز اثبات غیرخطی‌بودن ‌مدل، مدل لاجیت باینری برای طراحی مدل‌پیش‌هشداردهنده بحران بانکی سیستمیک به روش غیرخطی از الگوی چرخشی مارکوف استفاده شد، که نتایج برآورد این مدل براساس داده‌های فصلی برای قلمرو زمانی تحقیق به روش حداکثردرست‌نمایی در جدول 5 ارائه شده است.

 

جدول 5- نتایج تخمین مدل لاجیت بحران بانکی سیستمیک در نظام مالی ایران با کاربرد مدل چرخشی مارکوف

متغیرهای هدایت‌گر بحران بانکی	ضریب	آماره z
نسبت مطالبات غیرقابل بازگشت	0.54	1.56
نرخ تورم	9.62	1.75
نرخ برابری ارز(دلار به ریال)	.648	1.74
بدهی بانک‌ها به بانک مرکزی(میلیارد ریال)	.215	1.30
آماره  مک فادن	71.5

(یافته‌های پژوهشگر)

برای ارزیابی خوبی برازش الگوی برآوردی می‌توان متغیر وابسته مورد مطالعه را(احتمال وقوع بحران بانکی سیستمیک در نظام مالی ایران) با استفاده از این الگو طی قلمرو زمانی کار مطالعاتی حاضر شبیه‌سازی نمود و سال‌هایی را که مقدار این متغیر شبیه‌سازی شده از حد آستانه لحاظ شده تجاوز نمود، به عنوان سال‌های وقوع بحران بانکی سیستمیک شناسایی کرد. نتایج این بررسی با لحاظ‌نمودن سطح آستانه 1.5 انحراف معیار بیشتر از مقدار واقعی متغیر، در خصوص سال‌هایی که متغیر از مرز بحران تجاوز نموده است، در جدول 6 ارائه شده است.

 

جدول 6- شبیه‌سازی الگوی احتمال وقوع بحران بانکی سیستمیک براساس اطلاعات بازه زمانی مورد مطالعه

بازه زمانی	پیش‌بینی احتمال بحران	ارزیابی از بحران
1358	0.525	1
1364	0.567	1
1371	0.881	1
1372	1	1
1391	0.642	1
1392	0.765	1

(یافته‌های پژوهشگر)

 

براساس نتایج شبیه‌سازی این الگو طبق جدول فوق، این الگو توانست به خوبی بحران بانکی سال 1372 را شناسایی نماید و علائم بروز آن را از سال قبل(1371) منتشر نماید.با کاربرد مدل پیش‌هشداردهنده طراحی شده و با رجوع به پایگاه اطلاعات بحران‌های مالی صندوق بین‌المللی پول، می‌توان این بازه زمانی را به عنوان دوران وقوع بحران بانکی سیستمیک و هم‌پوشانی آن با بحران بدهی ملی و بحران ارزی در نظام بانکی ایران معرفی نمود. همچنین سایر بازه‌های زمانی که این مدل علائم وقوع بحران بانکی سیستمیک را منتشر نموده است، در جدول فوق ارائه شده است.

 

3- نتیجه‌گیری

همان‌طور که پیش‌تر نیز تشریح شد، در این کار مطالعاتی با بازنگری در شاخص‌های هدایت‌گر بحران بانکی سیستمیک و متناسب نمودن این شاخص‌ها با نظام مالی ایران و نیز با بررسی فروض اولیه مدل‌های مالی، مدل پیش‌هشداردهنده مناسبی برای پیش‌بینی وقوع بحران‌های بانکی سیستمیک در نظام مالی ایران طراحی شد.

یافته‌های این مدل حاکی از آن است که نرخ تورم یکی از شاخص‌های هدایت‌گر وقوع بحران بانکی سیستمیک در نظام مالی ایران می‌باشد. با افزایش نرخ تورم در اقتصاد انتظار می‌رود وجوه سپرده‌شده نزد بانک‌ها به طور غیرقابل کنترل فراخوان شده و احتمال وقوع بحران بانکی سیستمیک افزایش یابد. مطالعات جیانگ نیز حاکی از آن است که اقتصاد کشورهای آرژانتین، بولیوی، برزیل، پرو و ترکیه چنین روابطی را بین نرخ تورم و وقوع بحران بانکی تجربه نمودند. در شکل 3 روند این شاخص در بازه زمانی 95-1357به تصویر کشیده شده است.

 

 

شکل3- روند تغییرات نرخ تورم در کشور ایران طی بازه 95-1357

(یافته‌های پژوهشگر)

 

روند این شاخص به شرح شکل فوق حاکی از نوسانات نرخ تورم در اقتصاد ایران است. در مطالعات گسترده‌ای که در خصوص علل وماهیت تورم در کشور ایران صورت گرفته، اغلب فشار تقاضا، فشار هزینه و عوامل ساختاری به عنوان علل اصلی وقوع تورم و متغیرهای تولید، شاخص قیمت کالاهای وارداتی، نرخ ارز و حجم نقدینگی از مهم‌ترین عوامل موثر بر وقوع تورم بالا در اقتصاد این کشورمعرفی شدند.( رضایی,1397)

همچنین نتایج این مدل حاکی از رابطه مستقیم تغییرات متغیر نرخ برابری ارز با احتمال وقوع بحران بانکی سیستمیک می‌باشد، که نتایج این یافته با مطالعات کامینسکی و رینهارت در خصوص رابطه تغییرات نرخ ارز و احتمال وقوع بحران بانکی همراستا است. در شکل 4 روند نرخ بازار غیررسمی دلار به عنوان یکی از شاخص‌های هدایت‌گر بحران بانکی سیستمیک ارائه شده است.

 

 

شکل 4- روند تغییرات نرخ برابری ارز در کشور ایران طی بازه 95-1357

(یافته‌های پژوهشگر)

 

طبق شکل فوق‌الذکر این شاخص در بازه زمانی مورد مطالعه دارای نرخ صعودی بوده است، همچنین جهش‌های حاصل از وقوع چهار بحران ارزی در سال‌های 1985، 2000،1993 و2013 و هم‌پوشانی بحران ارزی و بدهی ملی در بازه زمانی 93-1992، در این شکل به خوبی مشهود است. علاوه‌برآن با توجه به از سرگیری تحریم‌های بین‌المللی و افزایش فشار بر اقتصاد ایران در سال‌های 7-1396 از نظر بسیاری از محققان اقتصاد کشور در این بازه زمانی بار دیگر بحران ارزی را تجربه نموده است. براساس‌نتایج حاصل از مدل مبتنی‌بر استخراج سیگنال طراحی‌شده در بخش پیشین نیز این شاخص از قدرت بالایی برای توضیح‌دهندگی وقوع بحران بانکی سیستمیک در نظام مالی ایران برخوردار است.

علاوه‌برآن نتایج مدل حاکی از رابطه مستقیم تغییرات نسبت بدهی بانک‌ها به بانک مرکزی و احتمال وقوع بحران بانکی است، که این مهم نیز در قالب رهیافت شاخص فشار بازار پول قابل بررسی است. در شرایط وقوع بحران بانکی، بانک مرکزی ذخایر اضافی را از طریق اعطاء تسهیلات ارزان قیمت و یا از طریق عملیات بازار باز به سیستم بانکی تزریق می‌نماید، لذا افزایش بدهی بانک‌ها به بانک مرکزی می‌تواند حاکی از عدم‌دسترسی آن‌ها به نقدینگی موردنیاز، افزایش خروج سپرده و نیز بروز پدیده هجوم بانکی باشد. به طور کلی بدهی بانک‌ها به بانک مرکزی کشور ایران شامل اضافه برداشت بانک‌ها، اعتبارات مستقیم اعطائی توسط بانک مرکزی به بانک‌های عامل، مابه‌التفاوت نرخ ارز و سپرده‌گذاری بین‌بانکی می‌باشد. روند این نسبت طی بازه زمانی مورد مطالعه به شرح شکل 5 همواره افزایشی بوده، هرچند که نوساناتی نیز در آن قابل مشاهده است.

 

 

 

شکل 5- روند تغییرات بدهی بانک‌ها به بانک مرکزی طی بازه 95-1357

(یافته‌های پژوهشگر)

 

در صورت احتمال وقوع بحران بانکی، بانک مرکزی ج.ا.ا. در راستای کاهش طول دوره بحران و تسریع فرآیند بهبود شرایط اقتصادی می‌بایست شاخص‌های ریسک ناشی از بخش بانکی را شناسایی و مورد نظارت قرار دهد تا اثر احتمالی وقوع بحران بانکی سیستمیک بر ثبات مالی را ارزیابی نماید. در گام بعدی نیز اغلب دول با مداخلات مستقیم و غیرمستقیم در فرآیند مدیریت و مهار بحران روند بهبود اقتصاد کشور را تسریع می‌نماید. در این بخش به مجموعه‌ای از آموزه‌ها برای بهبود وضعیت موجود در نظام بانکی کشور اشاره خواهد شد.با توجه به مشکلات و نااطمینانی‌هایی که در مدیریت شرایط بحرانی ایجاد می‌شود، پیش‌گیری از وقوع این بحران‌ها می‌تواند راهکار مناسبی محسوب شود. برای این منظور آموزه‌های زیر برای ساختار مالی کشورها پیشنهاد می‌گردد.

 

v      تلاش جهت پایه‌ریزی سیستم واسطه‌گری مالی کارا شامل:

ü     تعمیق بازار سرمایه به ویژه بازار اوراق استقراضی شرکتی و اوراق پشتوانه رهنی

ü     بهبود ضوابط حسابداری و الزامات مربوط به افشاء اطلاعات مالی بانک‌ها

ü     تقویت نظارت بانکی به منظور مواجهه با مشکلات احتمالی در زمینه مدیریت ریسک در شبکه بانکی

ü     ترغیب سرمایه‌گذاران خارجی برای حضور در بازار بانکی کشور

ü     بهبود ساختار نظارتی با تعریف سازوکارهای پیش‌هشداردهنده وقوع بحران بانکی

ü     طراحی ساختار مناسب برای نظام گزیر و الزام بانک‌ها به ارائه برنامه گزیر به صورت سالانه با الگو‌گیری از تجارب ایالات متحده امریکا، انگلستان و اتحادیه اروپا در پیاده‌سازی این نظام

 

v      تدوین استراتژی کلان در مواجهه با بحران‌های بانکی شامل:

ü     تعریف ناظر مالی مستقل با حمایت‌های اجرایی لازم در مواجهه با ظهور علائم وقوع بحران بانکی

ü     استقرار و ارتقاء نظام بیمه تضمین سپرده‌ها

ü     تعیین ضوابط مشخص برای ارزشیابی دارایی‌های بانکی و افشائ مناسب آن

ü     بازنگری قوانین مرتبط با ورشکستگی با تاکید بر چارچوب بازسازی سازمان‌ها

 

مدیریت بحران‌های بانکی به دلیل سرعت بالای انتقال اثر آن‌ از طریق شبکه بانکی به بخش حقیقی اقتصاد از اهمیت بسزایی برخوردار است. از این رو دولت‌ها برای جلوگیری از شدت بالای اثر سیستمی آن‌ها، حفظ کارکردهای کلیدی سیستم‌های مالی و کاهش اثرات بحران بر بخش واقعی اقتصاد اقدام به حمایت از شبکه بانکی می‌نمایند. پیشنهاد می‌گردد در تحقیقات آتی با توجه به مدل‌های پیش‌هشداردهنده بحران‌های بانکی طراحی‌شده و با هدف مدیریت موثر بحران‌های احتمالی و کاهش اثرات مخرب آن،‌ هزینه تحمیلی به دولت در صورت وقوع این بحران‌ها برآورد و هزینه‌های مربوط به هر یک از راهکارهای حمایتی مطروحه نیز در قالب سناریوهای مختلف ارزیابی گردد.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---

1- دانشجوی دکتری مهندسی مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.   [e-mail]

2- گروه مدیریت بازرگانی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران، (نویسنده مسئول)  [e-mail]

3- گروه مدیریت بازرگانی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.   [e-mail]

4- گروه مدیریت بازرگانی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.   [e-mail]

---

[i] Bank Run

[ii] Bank Panic

[iii] Systemic Banking Crises

[iv] Credit Crunch

[v] Credit Freeze

[vi] Diamond

[vii] Laeven & Valencia

[viii] Reinhart & Rogoff,2009

[ix] Index of Money Market Pressure

[x] Events Method

[xi] Laina et al

[xii] Hardy

[xiii] Kunt

[xiv] Hagen

[xv] Giang

[xvi] Dabrowski

[xvii] Non-Performing Loans(NPL)

[xviii] Qualitative Responses(OR)

[xix] Quantail

[xx] Categorical

[xxi] Binomial

[xxii] Multinomial

[xxiii] White

[xxiv] Likelihood Ratio)LR(

مراجع

1)     پور عبادالهان کوچ، محسن. اصغرپور، حسین. فالحی، فیروز. ستار رستمی، همت.(1397)، اندازه‌گیری شکنندگی سیستم بانکی ایران بر اساس شاخص BSFI، فصلنامه اقتصاد مالی، شماره 45.

2)     حسین‌زاده یوسف آباد، سید مجتبی. مهرآرا، محسن. توکلیان، حسین.(1397)، نقش صندوق توسعه ملی در کاهش نوسانات اقتصادی ایران رویکرد DSGE، فصلنامه اقتصاد مالی، شماره 41.

3)     دیزجی، منیژه. آهنگر گرگری، محدثه.(1394)، تاثیر توسعه مالی بر توزیع درآمد در کشورهای توسعه‌یافته و در حال توسعه، فصلنامه اقتصاد مالی، شماره 41.

4)     رضایی، محسن(1397)، ارزیابی، علل و پیامدهای عمده بحران اقتصادی در ایران، فصلنامه اقتصاد مالی، شماره 42.

5)     سلیمی، احسان و رهبر، فرهاد.(1394)، نقش سیاست‌های پولی و مالی و صندوق توسعه ملی در کاهش اثرات بیماری هلندی در اقتصاد ایران با رویکردDSGE ، فصلنامه مطالعات کاربردی اقتصاد ایران.

6)      مهدیزاده، مریم. موسوی جهرمی، یگانه. غالمی، الهام. سرلک، احمد. (1397)، برآورد ضریب فزاینده مالی در ایران با تاکید بر نحوه خرج کرد درآمدهای نفتی، فصلنامه اقتصاد مالی، شماره 43.

7)     منظور، داود و تقی‌پور، انوشیروان.(1395)، تحلیل آثار شوک‌های پولی و مخارج مالی دولت در ایران با استفاده از مدل تعادل عمومی پویای تصادفی، فصلنامه تحقیقات اقتصادی، دوره 51، شماره .4

8)      Abiad, A. (2003).“Early-Warning Systems: A Survey and a Regime-Switching Approach.” IMF Working Paper No. 03/32.

9)      Antunes, A. D. Bonfim, N. Monteiro, and P. Rodrigues (2014).“Early Warning Indicators of BankingCrises: Exploring New Data and Tools”. Economic Bulletin Banco de Portugal April 2014.

10)  Bussiere, M. and Fratzscher, M. (2006). “Towards a New Early Warning System of Financial Crises.” Journal of International Money and Finance, 25, 953–973.

11)  Davis, Philip E.; Karim, Dilruba (2008).“Comparing Early Warning Systems for Banking Crises” Journal of Financial Stability. Vol. 4 (2008), Iss. 2, pp. 89-120.

12)  Demirgüç-Kunt, Asli; Detragiache, Enrica (2005).“Cross-Country Empirical Studies of Systemic Bank Distress: A Survey”. IMF Working Paper, No. 96/05, Washington 2005.

13)  Elsinger, Helmut; Lehar, Alfred; Summer, Martin (2006).“Using Market Information for Banking System Risk Assessment”. International Journal of Central Banking, Vol. 2 (2006), No. 1, pp. 137-165.

14)  Hajishahverdi.D, Zomorodian.G.R, fallah shams.M(2019).“ An Overview on the Literature and History of Systemic Banking Crisis in Iran and Around the World.” International Journal of Finance & Managerial Accounting,

15)  Laeven, L. and Valencia, F. (2018).“Systemic Banking Crises: A New Database.” International Monetary Fund, WP/08/224.

16)  Luc Laeven & Fabian Valencia (2013).“Systemic Banking Crises Database.” IMF Economic Review, Palgrave Macmillan, vol. 61(2), pages 225-270, June

 

یادداشت‌ها