Systemic risk assessment models: a better approach in Iranian financial institutions

Document Type : Original Article

Authors
1 Student of Ph.D in Financial Management, Qom Branch, Islamic Azad University, Qom, Iran.
2 Management and Accounting Department, Islamshahr Branch, Islamic Azad University, Islamshahr, Iran.
3 Financial Accounting Department, Qom Branch, Islamic Azad University, Qom, Iran.
4 Financial Management and Accounting Department, Qom Branch, Islamic Azad University, Qom, Iran.
Abstract
ریسک سیستمیک به خطر شکست سیستم مالی یا شکست کل بازار اطلاق می‌شود. این ریسک می‌تواند از بی‌ثباتی یا بحران در مؤسسات مالی نشأت بگیرد و در اثر سرایت به کل نظام مالی انتقال یابد. به‌عبارتی ریسک سیستمیک به میزان به‌ هم‌پیوستگی در یک سیستم مالی اشاره دارد جایی‌که شکست در یک نهاد مالی می‌تواند به بحران کل سیستم منجر شود.
این تحقیق با توجه به رویکردهای مختلف جهت اندازه‏گیری ریسک سیستمیک به دنبال انتخاب رویکرد بهتر برای اندازه‏گیری ریسک سیستمیک است. انتخاب رویکرد بهتر با توجه به خطای پیش‏بینی ارائه شده توسط هریک از مدل‏ها است. مدل‌های به کار گرفته شده اعم از مدل‏های گارچی چند متغیره، مدل ارائه شده توسط برانلس و انگل به نام VCT، مدل‏های عاملی‏، مدل‏های آماری دومتغیره است. نتایج تحقیق نشان می‏دهد که مدل پیشنهادی برانلس و انگل (VCT) خطای کمتری را نسبت به سایر مدل‏ها از خود نشان داده است.
Keywords

بودی، ز.، کین، ا.، مارکوس، ا. ) 1384 (. مدیریت سرمایه گذاری جلد اول. شریعت پناهی، م،. فرهادی، ر،. ایمنی
فر، م. تهران. انتشارات بورس
 Acharya, V., , Pedersen, L., Philippe, T., and Richardson, M. (2010). Measuring systemic risk. Technical report, Department of Finance, NYU.
 Bekaert, G., Hodrick, R. J., and Zhang, X. (2013). Aggregate idiosyncratic volatility. Journal of Financial and Quantitative Analysis, forthcoming.
 Brownlees, C.T., Engle, R., 2012. Volatility, correlation and tails for systemic risk measurement. Working Paper.
 Engle, R., 2002. Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models. J. Bus. Econ. Stat. 20, 339- 350.
 Hautsch, N., Schaumburg, J., and Schienle, M. (2010). Quantifying time–varying marginal systemic risk contributions. Technical report.