تحلیل پویای مدل جامع مدیریت ریسک در نظام بانکداری با استفاده از رویکرد تفکر سیستمی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.

2 گروه حسابداری، واحد کنگاور، دانشگاه آزاد اسلامی، کنگاور ، ایران.

3 استادیار، گروه حسابداری، دانشگاه رازی

چکیده

صنعت بانکداری به عنوان یکی از مهم‌ترین بخش‌های اقتصاد، نقش بسیار مؤثری در ارتباط با جذب و هدایت وجوه سپرده‌گذاران، ارائه خدمات به مردم و مشارکت در توسعه اقتصادی و اجتماعی دارد و در این مسیر، با ریسک‌های متعددی روبرو است که مدیریت و کنترل و تعیین عوامل مؤثر بر آن‌ها از اهمیت ویژه‌ای برخوردار است. هدف پژوهش حاضر، ارائه مدلی دینامیکی جهت مدیریت ریسک بانکی است. بدین منظور برای یافتن ساختار مولد ریسک و ارائه راهکار اثربخش برای مدیریت آن، از روش پویاییشناسی سیستم‌ها استفاده شده که در آن با ارائه یک مدل ریاضی، امکان شبیهسازی نتایج اجرای سناریوهای مختلف امکانپذیر است. در این راستا نتایج اجرای چهار سناریوی تصمیم بر روی مدل شبیهسازی شد و مورد تجزیه و تحلیل قرار گرفت. نتایج نشان می‌دهد کاهش سپرده قانونی و تسهیلات معوق و افزایش جذب سپرده، در مدیریت ریسک‌های نقدینگی و اعتباری بانک‌ها مؤثر است.

کلیدواژه‌ها

عنوان مقاله [English]

Dynamic analysis of a comprehensive model of risk management in the banking system using a systems thinking approach

نویسندگان [English]

  • seyyed yahya asadollahi 1
  • aliasghar taherabady 2
  • farhad shahveisi 3
  • farshid kheirollahi 3
1 Department of Accounting, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
2 Department of Accounting, , Kangavar Branch, Islamic Azad University, Kangavar, Iran
3 Assistant Professor, Department of Accounting, Razi University
چکیده [English]

The banking industry, as one of the most important sectors of the economy, plays a very important role in attracting and directing depositors, providing services to people and participating in economic and social development, and in this way, it faces many risks that are particularly important to manage and control. One of the important steps for management of the risk is determination of the factors affecting on it. The purpose of the study is to present a dynamic model for bank liquidity risk management. For this purpose, system dynamics methodology has been used to find the risk-generating structure and provide an effective solution to manage it. In this method, the stimulation of different scenarios is possible by providing a mathematical model. In this regard, the results of the implementation of the four decision-making scenarios on the model were simulated and analyzed. The results show that decreasing the legal deposit and deferred loans and increasing the deposit attraction will affect on reducing banks' liquidity risk.

کلیدواژه‌ها [English]

  • Liquidity Risk
  • Credit Risk
  • Risk Management
  • System Dynamics
  • simulation

مراجع

  • آذر، عادل و فلاح تفتی، حامد. (1392). تفکر سیستمی. انتشارات دانشگاه امام صادق (ع). تهران.
  • اسماعیل پور, یاسو، ۱۳۹۶، بررسی عوامل موثر بر ریسک نقدینگی بانک ها در اقتصاد ایران،کنفرانس ملی رهیافت های نو در مدیریت و حسابداری، تهران، دانشگاه غیردولتی میعاد، دانشگاه شهید بهشتی.
  • اسماعیل‌زاده, ع., جوانمردی, ح. (1396). طراحی الگویی مناسب مدیریت نقدینگی و پیش بینی ریسک آن در بانک صادرات ایران. اقتصاد مالی, 39(11), 171-191.
  • بزرگ اصل، موسی،تقی صمدی، محمد،برزیده، فرخ، (1396). رابطه بین ریسک نقدینگی و ریسک اعتباری و تأثیر آن بر ناپایداری مالی در صنعت بانکداری ایران، نشریه پژوهش‌ های پولی – بانکی، شماره 33: 532-509.
  • تیموری، ابراهیم، نورعلی، علیرضا، ولی‌زاده، نریمان. (1393). پویایی‌های سیستم-رویکردی کاربردی برای مسائل مدیریتی. انتشارات دانشگاه علم و صنعت ایران.تهران.
  • حسینی، سیدعبدالخالق، زیبایی، منصور. (1394). مدیریت ریسک اعتباری در بانک کشاورزی شهرستان ممسنی با استفاده از مدل شبکه عصبی. اقتصاد کشاورزی، 2(9): 103-119.
  • حنیفی، فرهاد و رحمانی‌پور، سمیه. (1391). عوامل مؤثر بر ریسک نقدینگی در صنعت بانکداری. فصلنامه مدیریت کسب و کار، سال سوم، شماره 13، صص 56-37.
  • حیدری، محمدسعید، ابراهیمی، سیدبابک، محبی، نگین. (1396). مدل‏سازی ریسک اعتباری سبد تسهیلات اعتباری بانک با استفاده از مدل‌سازی اکچوئری (مطالعه موردی: بانک رفاه). دانش مالی تحلیل اوراق بهادار، 10(34): 55-71.
  • خوش‌سیما، رضا، شهیکی‌تاش، محمد نبی. (1391). تأثیر ریسک های اعتباری، عملیاتی و نقدینگی بر کارائی نظام بانکی ایران. فصلنامه علمی-پژوهشی برنامه‌ریزی و بودجه، 17(4): 95-69.
  • دارابی، رویا، مشایخی، غزاله. (1395). تاثیر هوش مالی در پیش بینی ریسک اعتباری با استفاده از مدل ماشین بردار پشتیبان. نشریه تحقیقات حسابداری و حسابرسی، 8(30): 102-125.
  • رستمیان, ف., حاجی بابایی, ف. (1388). اندازه گیری ریسک نقدینگی بانک با استفاده از مدل ارزش در معرض خطر (مطالعه موردی: بانک سامان). پژوهش های حسابداری مالی و حسابرسی (پژوهشنامه حسابداری مالی و حسابرسی), 1(3): 198-175.
  • زراءنژاد، منصور، خداپناه، مسعود، خدیوی، نیلوفر. (1397). بررسی تاثیر توسعه‌ی مالی و چرخه‌های تجاری بر ریسک اعتباری بانکی ایران. مطالعات اقتصادی کاربردی، 7(26): صص 87-71.
  • شیرین‌بخش، شمس‌اله، یوسفی، ندا، قربان‌زاد، جهانگیر. (1390). بررسی عوامل مؤثر بر احتمال عدم بازپرداخت تسهیلات اعتباری بانک‌ها (مطالعه موردی مشتریان حقوقی بانک توسعه صادرات ایران). دانش مالی تحلیل اوراق بهادار، 4(12)، صص111-137.
  • شیخ علی، وحید، (۱۳۹۸)، بررسی تاثیر ریسک نقدینگی و ریسک اعتباری بر میزان شاخص ثبات بانکی و عملکرد بانکی در بانک ملت،دومین کنفرانس بین المللی مدیریت،مهندسی صنایع، اقتصاد و حسابداری، تفلیس-گرجستان.
  • صفائی, بهزاد, مصلح شیرازی, علی نقی, محمدی, علی, علیمحمدلو, مسلم. (1397). ارائه مدل سیستمی اشاعه فناوری نرم تجاری در صنعت نفت ایران. فصلنامه مدیریت توسعه فناوری.
  • عباسیان، عزت اله، فلاحی، سامان، رحمانی، عبدالصمد. (1395). اثر تنوع‌بخشی در پرتفوی تسهیلات بر ریسک اعتباری بانک‌ها. تحقیقات مالی، 18(1): 149-166.

* عبدلی، قهرمان، فردحریری، علیرضا. (1394). الگوسازی سنجش ریسک اعتباری مشتریان حقوقی بانک رفاه. فصلنامه نظریه های کاربردی اقتصاد، 2(1)، 24-1.

  • عرب مازاریزدی، م، باغومیان، ر، کاکه خانی، ف. (1392). بررسی رابطه میان ترکیب دارایی- بدهی و ریسک نقدینگی بانک‌ها در ایران. دانش حسابرسی, 13(52).
  • عربی، سید هادی، شاه‌جمالی، مهدیه. (1398). رتبه‌بندی ابزارهای مدیریت ریسک اعتباری در بانکداری بدون ربا با استفاده از تکنیک سلسله مراتبی، نشریه اقتصاد و بانکداری اسلامی، 8(28): 7-39.
  • فردوسی، مهدی، فطرس، محمدحسن. (1396). اثرات ریسک اعتباری و ریسک نقدینگی بر عملکرد بانک‌ها. مدلسازی ریسک و مهندسی مالی. 2(1): 41-22.
  • قادری، امیرحسین. (1393). تفکر سیستمی و هنر مدل‌سازی. نشریه راهبرد. شماره 24 (پیاپی 31): 5-74.
  • کفایی، محمدعلی، راهزانی، محبوبه.بررسی تأثیر متغیرهای کلان اقتصادی بر ریسک نقدینگی بانک‌های ایران. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی. 1396؛ 25(81): 261-310.
  • محمدی، تیمور، جوهری، هادی. (1398). طراحی و تدوین مدل ریسک اعتباری در نظام بانکی کشور با استفاده از مدل‌های چندسطحی. دانش مالی تحلیل اوراق بهادار، 12(41): 155-169.
  • موحدمنش، صادق‌علی، بابایی سمیرمی، محمدرضا، فروغی اسعد، نسترن. (1393). بررسی عوامل مؤثر بر ریسک اعتباری (با رویکرد عقود اسلامی)؛ مطالعه مؤسسه مالی و اعتباری ثامن‌الائمه‌ استان اردبیل. پژوهش‌های مالیه اسلامی، 1(2): 100-89.
  • مهرآرا، محسن و بهلولوند، الهه (1395). بررسی عوامل مؤثر بر ریسک نقدینگی در صنعت بانکداری مبتنی بر رویکرد بیزین: مطالعه موردی بانک‌های ایران. پژوهشنامه اقتصاد کلان، دوره 11، شماره 22، صص37-13.
  • یداله‌زاده طبری، ناصرعلی، معماریان، عرفان، نصیری، عاطفه. (1393). شناسایی عوامل موثر بر احتمال عدم بازپرداخت تسهیلات اعتباری بانک‌ها (مورد مطالعه: مشتریان حقیقی صندوق مهر امام رضا (ع) شهرستان بابلسر). پژوهشنامه اقتصاد و کسب و کار، 5(7): صص 28-15.
  • یزدان پناه, دکتر احمد, شکیب حاجی آقا, سکینه. (1388). عوامل موثر بر ریسک نقدینگی بانک‌ها (مطالعه موردی بانک ملت). دانش مالی تحلیل اوراق بهادار,( شماره 3(پیاپی 3), صص27-54.
  • Abdou, H. A. (2009). Genetic programming for credit scoring: The case of Egyptian public sector banks. Expert systems with applications, 36(9), 11402-11417.
  • Ahmed, N., Ahmed, Z., & Naqvi, I. H. (2011). Liquidity risk and Islamic banks: Evidence from Pakistan. Interdisciplinary Journal of Research in Business, 1(9), 99-102.
  • Altman, E. I., & Sabato, G. (2005). Effects of the new Basel capital accord on bank capital requirements for SMEs. Journal of financial services research, 28(1-3), 15-42.
  • Bessis, J., 2002. Risk management in banking. 2nd Ed. West Sussex, United Kingdom: John Wiley and Sons, Inc.
  • Chen, Y. K., Shen, C. H., Kao, L., & Yeh, C. Y. (2018). Bank liquidity risk and performance. Review of Pacific Basin Financial Markets and Policies, 21(01), 1850007.
  • Cherubini, U., & Lunga, G. D. (2001). Liquidity and credit risk. Applied Mathematical Finance, 8(2), 79-95.
  • Cucinelli, D. (2013). The determinants of bank liquidity risk within the context of euro area. Interdisciplinary Journal of Research in Business, 2(10), 51-64.
  • Dezfouli, M. H. K., Hasanzadeh, A., & Shahchera, M. (2014). Inspecting the effectiveness of liquidity risk on banks profitability. Kuwait Chapter of the Arabian Journal of Business and Management Review, 3(9), 191.
  • Dolgun, M. H., & Ng, A. (2019). Liquidity Risk Management in Islamic Banks: Evidences from Malaysia. In Islamic Monetary Economics and Institutions (pp. 159-179): Springer.
  • Doumpos M., Dimitrios, N., Constantin, Z., and Andriosopoulos, K. (2014). “Combining accounting data and a structural model for predicting credit ratings: Empirical evidence from European listed firms”. Journal of Banking & Finance.
  • El-Massah, S., Bacheer, S. M., & Al Sayed, O. (2019). Liquidity Risk in the Mena Region Banking Sector: Does Bank Type Make a Difference? The Journal of Developing Areas, 53(1).
  • Fayyaz, A., 2006. Managing risk in financial sector. In M.S. Umer Eds.2006. Managing risk in financial sector. Karachi: The Institute of Bankers Pakistan, pp.87-97.
  • Galletta, S., & Mazzù, S. (2019). Liquidity Risk Drivers and Bank Business Models. Risks, 7(3), 89.
  • Hassan, M. K., Khan, A., & Paltrinieri, A. (2019). Liquidity risk, credit risk and stability in Islamic and conventional banks. Research in International Business and Finance, 48, 17-31.
  • Hekimoğlu, M., & Barlas, Y. (2016). Sensitivity analysis for models with multiple behavior modes: a method based on behavior pattern measures. System Dynamics Review, 32(3-4), 332-362.
  • Kapadia, S., Drehmann, M., Elliott, J., & Sterne, G. (2012). Liquidity risk, cash flow constraints, and systemic feedbacks. In Quantifying systemic risk(pp. 29-61). University of Chicago Press.
  • Lee, L. , and Green, E. (2015). Systems Thinking and its Implications in Enterprise Risk Management. Journal of Information Systems. Vol. 29, No. 2. pp. 195-210.
  • Li, Q. (2019). The Impact of Liquidity Risk of Commercial Banks on Systematic Risk of Banking Industry: Study of 16 Listed Commercial Banks. Modern Economy, 10(3), 645-665.
  • Maaka, Z. A. (2013). The relationship between liquidity risk and financial performance of commercial banks in Kenya. Unpublished MBA Project, 25-27.
  • Mazreku, I., Morina, F., Misiri, V., Spiteri, V., & Grima, S. (2019). Exploring the Liquidity Risk Factors in the Balkan Region Banking System, European Research Studies Journal, 22(1), 96-108.
  • Muriithi, J. G., & Waweru, K. M. (2017). Liquidity risk and financial performance of commercial banks in Kenya.
  • Musiega, M., Olwney, T., Mukanzi, C., & Mutna, M. (2017). Influence of Liquidity Risk on Performance of Commercial Banks in Kenya. IOSR Journal of Economics and Finance, 8(3), 67-75.
  • Negash, D. W., & Veni, P. (2019). Determinants of liquidity risk in selected commercial banks in ethiopia. International Journal of Advanced Research in Management and Social Sciences, 8(4), 108-124.
  • Pastor, J.M., 1999. Efficiency and risk management in Spanish banking: a method to decompose risk. Applied Financial Economics, 9(4), pp.371-384.
  • Scarborough, M., 2011. A check-up for risk. ABA Banking Journal, pp.16-18.
  • Schroeck, G., 2002. Risk management and value creation in financial institutions. Hoboken, USA: John Wiley and Sons, Inc.
  • Shamas, G., Zainol, Z., & Zainol, Z. (2018). The Impact of Bank’s Determinants on Liquidity Risk: Evidence from Islamic Banks in Bahrain. Journal of Business & Management (COES&RJ-JBM), 6(1), 1-22.
  • Stan-Maduka, E.I., 2010. Operational risk management: determination of causal relationships and interdependencies of operational risk events. PhD. University of East London, United Kingdom.
  • Sterman, J. D. (1984). Appropriate summary statistics for evaluating the historical fit of system dynamics models. Dynamica, 10(2), 51-66.
  • Tavana, M., Abtahi, A.-R., Di Caprio, D., & Poortarigh, M. (2018). An Artificial Neural Network and Bayesian Network model for liquidity risk assessment in banking. Neurocomputing, 275, 2525-2554.
  • Vodova, P. (2011). Liquidity of Czech commercial banks and its determinants. International Journal of mathematical models and methods in applied sciences, 5(6), 1060-1067.
  • Yaacob, S. F., Rahman, A. A., & Karim, Z. A. (2016). The determinants of liquidity risk: A panel study of Islamic banks in Malaysia. Journal of Contemporary Issues and Thought, 6, 73-82.
  • Yao, F., & Zhang, M. (2019). Application Study on the Stress Test of Liquidity Risk Management of City Commercial Banks in Our Country. Paper presented at the International conference on Big Data Analytics for Cyber-Physical-Systems.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار