تعداد نشریات | 418 |
تعداد شمارهها | 10,005 |
تعداد مقالات | 83,629 |
تعداد مشاهده مقاله | 78,550,803 |
تعداد دریافت فایل اصل مقاله | 55,703,265 |
تاثیر خلق نقدینگی بر ریسک سیستمی بانکها در ایران با تمرکز بر ساختار ترازنامهای | ||
مدلسازی اقتصادی | ||
مقاله 5، دوره 16، شماره 60، اسفند 1401، صفحه 69-86 اصل مقاله (1.04 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.30495/eco.2023.1983098.2740 | ||
نویسنده | ||
سمیه صادقی* | ||
استادیار گروه مدیریت مالی، واحد آیتا... آملی، دانشگاه آزاد اسلامى، آمل، ایران | ||
چکیده | ||
هدف مقاله بررسی عوامل تعیینکننده ریسک سیستمی در بانکهای ایران با تمرکز بر خلق نقدینگی و ساختار ترازنامه بانکها طی دوره زمانی 1392- 1400 است. 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؛ درحالیکه 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 وامها پیشنهاد میشود. | ||
کلیدواژهها | ||
طبقهبندی JEL: G21؛ G28؛ G32. واژگان کلیدی: ریسک سیستمی؛ خلق نقدینگی بانکها؛ ساختار ترازنامه بانکها؛ روش گشتاوری تعمیمیافته (GMM) | ||
اصل مقاله | ||
1. مقدمه 2. مروری بر ادبیات 3. روش پژوهش در نمودار (4) که تحلیل جزییتری از وضعیت نسبت مطالبات غیرجاری بانکهای مورد بررسی است، نشان میدهد که در میان بانکهای پذیرفتهشده در بورس اوراق بهادار تهران، بانکهای سرمایه، دی، پارسیان، صادرات، ملت، شهر و تجارت ازجمله بانکهای بسیار پرریسک در میزان تسهیلات غیرجاری هستند. درمقابل، بانکهای سینا، سامان، کارآفرین و پست بانک، سهم مطالبات غیرجاری کمتر از 5 درصد کل تسهیلات را دارند. این شواهد با گزارشهای بانک مرکزی نیز سازگاری دارد. بر اساس گزارش بانک مرکزی، سهم بانکهای خصوصی در مطالبات غیرجاری از تمام بانکها بالاتر است و پس از آن، بهترتیب، بانکهای دولتی خصوصیشده و بانکهای تخصصی قرار دارند. نمودار (5) متوسط ریسک سیستمی بانکها (با استفاده از شاخصMES) و رتبهبندی بانکها را طی دوره مورد بررسی نشان میدهد (محاسبه MES در بخش تصریح مدل اشاره شده است). ریسک سیستمی بانکهای مختلف با یکدیگر تفاوت معناداری دارند؛ بهطوریکه بانکهای ملت، دی، تجارت، سرمایه، صادرات، پارسیان و اقتصاد نوین بهترتیب، بیشترین ریسک سیستمی را دارند. بهعبارتدیگر، این بانکها در شرایط بحرانی بازار (افت بیش از یک درصد شاخص کل بورس اوراق بهادار تهران)، بیشترین زیان در بازده را تجربه میکنند. درنتیجه، این بانکها بهصورت بالقوه، مستعد تاثیرپذیری از زیان سیستم در شرایط بحرانی هستند و نهاد نظارتی (بانک مرکزی) باید توجه خاصی به این بانکها داشته باشد. درمقابل، بانکهای سینا، پست بانک، سامان، پاسارگاد و کارآفرین ریسک سیستمی پایینتری دارند. درمجموع، با مقایسه نمودار ریسک سیستمی و نمودارهای قبل بهوضوح میتوان دریافت بانکهایی که بیشترین میزان ریسک سیستمی را دارند، بانکهایی هستند که زیانهای انباشته بزرگی دارند و در چند سال اخیر با چالشهای زیادی ازجمله خطر ورشکستگی روبرو هستند. البته بجز بانک ملت که وضع مالی آن در حالت متوسط قرار دارد. گفتنی است شکنندگی این بانکها و تاثیرپذیری آنها از شرایط بحرانی در بازار مالی ممکن است به بحران بانکی و هجوم بانکی منجرشود که توجه کافی نهاد ناظر بر این بانکها را میطلبد. علاوهبر آن، بانکهایی که بیشترین میزان ریسک سیستمی را دارند، ازحیث اندازه در طیف کوچک تا بزرگ قرار دارند؛ بهعنوان مثال، بانک دی که جزو بانکهای کوچک محسوب میشود؛ ریسک سیستمی بالایی دارد. بنابراین، میتوان دریافت که صرفا توجه و نظارت بر بانکهای بزرگ برای جلوگیری از وضعیت شکست بسیار بزرگ کافی نیست و بانکهای کوچک نیز نیازمند توجه بیشتر نهاد ناظر از جمله تعیین الزامات کفایت سرمایه و ساماندهی وضعیت مالی هستند. - تصریح مدل و معرفی متغیرها بهطوریکه در آن: جدول 1. معرفی متغیرهای تحقیق و نحوه اندازهگیری مسئله اساسی در استفاده از روشهای برآوردیابی معمول، مانند روش حداقل مربعات خطا و ماکزیمم درستنمایی این است که این برآوردگرها در وضعیت تعداد مشاهدات زیاد و دوره زمانی کم برای برآورد ضرایب مدل پانل پویا، ناسازگار است. همچنین، ممکن است بعضی از فرضهای معمول در مدل رگرسیون، مانند ناهمبستگی متغیر توضیحی و اجزای خطا، برقرار نباشد. ازاینرو، روش گشتاوری تعمیمیافته (GMM) بهعنوان روش جایگزین برای برآوردیابی مدلهای رگرسیون خطی پویای پانلی ارائه میگردد. لازم به توضیح است که در این روش، متغیر وابسته با یک دوره تأخیری بهعنوان متغیر توضیحی در مدل وارد میشود. در این روش، برای رفع همبستگی متغیر وابسته با وقفه و جمله خطا، وقفه متغیرها بهعنوان ابزار در تخمینزن GMM بهکار میرود. 4. یافتههای پژوهش نتایج برآوردی الگوی اول (کل خلق نقدینگی) با استفاده از پانل پویا GMM نتایج برآورد الگوی دوم (ساختار ترازنامهای) با استفاده از پانل پویا GMM گفتنی است که نتیجه آزمون سارگان در هردو الگوی برآوردی با توجه به سطوح احتمال محاسبهشده، فرضیه صفر مبنیبر عدم همبستگی پسماندها با متغیرهای ابزاری را رد نمیکند و حاکی از سازگاری تخمین زننده GMM سیستمی است؛ بنابراین، نتایج ضرایب برآوردی، ازنظر آماری تأیید و معتبر هستند. همچنین، وجود همبستگی سریالی در تفاضل مرتبه اول پسماندها در مراتب بالاتر از یک، مانند AR(2) بر این موضوع دلالت دارد که شرایط گشتاوری برای انجام آزمون خودهمبستگی معتبر نبوده است؛ زیرا روش تفاضلگیری مرتبه اول برای حذف اثرات ثابت در صورتی روش مناسبی است که مرتبه خودهمبستگی پسماندها از مرتبه دو نباشد. بهعبارتدیگر، باید ضریب خودرگرسیونی مرتبه اول AR(1) معنادار باشد و ضریب خودرگرسیونی مرتبه دوم AR(2) معنادار نباشد. با توجه به نتایج، در هردو الگوی برآوردی، فرضیه صفر، مبنیبر عدم خودهمبستگی درجه اول تفاضل مرتبه اول پسماندها را میتوان رد کرد. اما فرضیه صفر مبنیبر عدم خودهمبستگی سریالی درجه دوم تفاضل پسماندها را نمیتوان رد کرد. بنابراین، اعتبار الگوهای پژوهش از این نظر تایید میشود. 5. نتیجهگیری و پیشنهادها | ||
مراجع | ||
- ابریشمی، حمید، مهرآرا، محسن و رحمانی، محمد (1398). اندازهگیری و تحلیل ریسک سیستمی در بخش بانکداری ایران و بررسی عوامل موثر بر آن. مدلسازی اقتصادسنجی، 4 (14)، 36-11.
- ناصری، سیدعلی، جبلعاملی، فرخنده و برخورداری دورباش، سجاد (1400). محاسبه و مقایسه ریسک سیستمیک با استفاده از معیارهای COVaR_DCC∆ و MES و تحلیل تغییرات آن در چارچوب مدل مارکوف- سوئیچینگ در شبکه بانکی کشور (1398-1388). تحقیقات اقتصادی، 56 (14)، 204-173.
- Acharya, V. and Naqvi, H. (2012). The seeds of a crisis: Theory of bank liquidity and risk taking over the business cycle. Journal of Financial Economics, 106(2), 349-366. - Acharya, V. and Thakor, A. V. (2016). The dark side of liquidity creation: Leverage and systemic risk. Journal of Financial Intermediation, 28, 4-21. -Acharya, V. V., and Steffen, S. (2012). Analyzing systemic risk of the european banking sector. Handbook on Systemic Risk, JP Fouque and J. Langsam, Eds. Cambridge University Press, Forthcoming. - Adrian, T., and Brunnermeier, M. K. (2016). CoVaR. American Economic Review, 106, 1705–1741. - Ali, M. and Puah, C. H. (2019). The internal determinants of bank profitability and stability: An insight from banking sector of Pakistan. Management Research Review, 42 (1), 49-67. - Anginer, D., Demirgüç-kunt, A., and Mare, D. S. (2018). Bank capital, institutional environment and systemic stability. Journal of Financial Stability, 37(C), 97-106. - Baltagi, B. H. (2021). Econometric Analysis of Panel Data (Springer Texts in Business and Economics). 6th ed. Edition. - Berger, A.N., and Bouwman, C.H. (2017). Bank liquidity creation, monetary policy, and financial crises. Journal of Financial Stability, 30: 139-155. - Berger, A.N., and Bouwman, C.H.S. (2009). Bank liquidity creation. Review of Financial Studies, 22(9), 3779-3837. - Bottazzi, G., De Sanctis, A., and Vanni, F. (2020). Non-Performing loans, systemic risk and resilience infinancial networks. Laboratory of Economics and Management (LEM) Working Paper, Italy. - Chen, L., Li, H., Liu, F.H., and Zh, Y. (2021). Bank regulation and systemic risk: Cross country evidence. Review of Quantitative Finance and Accounting, 57(1), 353-387. - Davydov, D., Vähämaa, S. and Yasar, S., (2021). Bank liquidity creation and systemic risk. Journal of Banking and Finance, 123,106-131. - Degl'Innocenti, M., Fiordelisi, F., Girardone, C., and Radić, N. (2019). Competition and risk-taking in investment banking. Financial Markets, Institutions and Instruments, 28(2), 241-260. - De Haan, J., Fang, Y., and Jing, ZH. (2020). Does the risk on banks balance sheets predict banking crises? New Evidence for Developing Countries. International Review of Economics and Finance, 68, 254-268 - De Mendoza, H. F., and Da Silva, R. B. (2018). Effect of banking and macroeconomic variables on systemic risk: An application of ΔCOVAR for an emerging economy. The North American Journal of Economics and Finance, 43: 141-157. - Diamond, D.W., and Dybvig, P.H. (1983). Bank runs, deposit insurance, and liquidity. Journal of Political Economy, 91, 401–419. - Faia, E., and Karau, S. (2021). Banks' systemic risk and monetary policy. International Journal of Central Banking, 17(71), 1-40. - Fung´aˇcov´a, Z., Turk, R., and Weill, L. (2015). High Liquidity Creation and Bank Failures, IMF Working Papers. - Hasanov, R., and Bhattacharya, P.S. (2019). Do political factors influence banking crisis?, Economic Modelling, 76, 305-318 - Hu, L., Gan, Y., and Wen, H. (2022). Do we need to consider multiple inter-bank linkages for systemic risk in China is banking industry? Analysis Based on the Multilayer Network. Finance Research Letters, 51, 103-433. - Huang, X., Zhou, H., and Zhu, H. (2009). A framework for assessing the systemic risk of major financial institutions. Journal of Banking and Finance, 33(11), 2036-2049. - Laeven, L., and Levine, R. (2009). Bank governance, regulation and risk-taking. Journal of Financial Economics, 93, 259-275. - Lorenc, A.G., and Zhang, J.Y. (2018). The differential impact of bank size on systemic risk. Finance and Economics Discussion Series. FEDS, No.066. - Ly, K. C., Chen, Z., Wang, S., and Jiang, Y. (2017). The Basel iii net stable funding ratio adjustment speed and systemic risk. Research in International Business and Finance, 39, 169-182. - Robatto, R. (2019). Systemic banking panics, liquidity risk, and monetary policy. Review of Economic Dynamics, 34, 20-42. - Purwono, R., and Dimayanti, R. (2020). The effect of international banking and macroeconomic variables on systemic risk. Polish Journal of Management Studies, 21(2), 315-327. - Rahman, M. L., Troster, V., Salahuddin, G., and Yahya, M. (2022). Systemic risk contribution of banks and non-bank financial institutions across fequencies: The Australian Experience. International Review of Financial Analysis, 79. - Reboredo, J. C., Rivera-Castro, M. A., and Ugolini, A. (2016). Downside and upside risk spillovers between exchange rates and stock prices. Journal of Banking and Finance, 62, 76- 96. - Sabri, A., Gilder, D., and Onali, E. (2019). Monetary policy and systemic risk. SSRN Electronic Journal, DOI:10.2139/ssrn.3499219. - Schwarcz S. L. (2008). Systemic risk. Duke Law School Legal Studies Research Paper Series, No. 163. - Silva-Buston, C. (2019). Systemic risk and competition revisited. Journal of Banking and Finance, 101,188-205. - Smaga, P. (2014). The concept of systemic risk. SRC special Paper No 5, Systemic Risk Center, the London School of Economics. - Uribe, J. M., Chuliá, H., and Guillén, M. (2017). Uncertainty, systemic shocks and the global banking sector: Has the crisis modified their relationship? Journal of International Financial Markets, Institutions and Money, 50: 52-68. - Usman, M. (2022). Bank contribution to financial sector systemic risk and expected returns: Evidence from large U.S. Banks. Borsa Istanbul Review. DOI: 10.1016/j.bir.2022.10.002. - Varotto, S., and Zhao, L. (2018). Systemic risk and bank size. Journal of International Money and Finance, 82: 45-70. - Yesin, P. (2013). Foreign currency loans and systemic risk in Europe. Working Paper, Study Center Gerzensee. - Yun, J., and Moon, H. (2014). Measuring systemic risk in the Korean banking sector via dynamic conditional correlation models. Pacific- Basin Finance Journal, 27, 94-114. - Zheng, C., Cheung, A., and Cronje, T. (2019). The Moderating role of capital on the relationship between bank liquidity creation and failure risk. Journal of Banking and Finance, 108, 105-151._DCC∆ و MES و تحلیل تغییرات آن در چارچوب مدل مارکوف- سوئیچینگ در شبکه بانکی کشور (1398-1388). تحقیقات اقتصادی، 56 (14)، 204-173. | ||
آمار تعداد مشاهده مقاله: 837 تعداد دریافت فایل اصل مقاله: 307 |