دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

ارائه مدل رتبه بندی بانک های ایرانی با اهمیت در ریسک فراگیر(SIBs) با روش تغییرات ارزش در معرض خطر شرطی - رویکرد DCC-t student-MGARCH

نوع مقاله : مقاله پژوهشی

نویسندگان
امیر رودگر 1
غلامرضا زمردیان 2
میرفیض فلاح شمس 3
مهرزاد مینویی 4
1 دانشجوی دکتری گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 دانشیار گروه مدیریت مالی، واحد تهران مرکز ی، دانشگاه آزاد اسلامی، تهران، ایران
3 استادیار گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
4 دانشیار گروه مدیریت مالی، واحد تهران مرکز ی، دانشگاه آزاد اسلامی، تهران، ایران.
10.22034/jik.2025.23906
چکیده
پژوهش حاضر به ارائه مدل رتبه‌بندی بانک‌های با اهمیت در ریسک فراگیر با رویکرد ارزش در معرض خطر شرطی در شبکه بانکی ایران پرداخته است. ریسک فراگیر، از طریق افزایش هم‌زمان دنباله‌های تابع توزیع احتمال زیان، ظرفیت بالقوه انتشار بحران مالی در بین بانک‌ها و نهایتا بخش واقعی اقتصاد را بررسی می‌کند. روش تحقیق حاضر از لحاظ نوع تحقیق، توصیفی – تحلیلی و از نوع هدف، توسعه‌ای/کاربردی می‌باشد. قلمرو زمانی تحقیق از 1/1/ 1388 الی 30/ 10/ 1399 می‌باشد. داده‌های تحقیق شامل میانگین هفتگی قیمت سهام 7 بانک بورسی (ملت، تجارت، صادرات، اقتصاد نوین، پارسیان، کارآفرین و سینا) و میانگین هفتگی شاخص کل بورس از سامانه ره آورد نوین، و اطلاعات مربوط به سنجه‌های مالی بانک‌ها، از صورت‌های مالی بانک‌ها در سامانه کدال استخراج شده است.
جهت اندازه‌گیری سهم هر یک از بانک‌ها در ریسک فراگیر، از سنجه (∆COVaR) استفاده می‌گردد. نشان می‌دهیم ∆CoVaR نسبت به مدل‌های VaR و CoVaR برازش بهتری برای اندازه گیری میزان ریسک دارد. به کمک دو معیار (RMSE) و (MAE)، به تست رتبه‌بندی بانک‌های مورد بررسی پرداخته‌ و نتیجه می گیریم، بحران در بعضی از بانک‌ها نسبت به بانک‌های دیگر اثرات مخرب بالاتری بر کل سیستم مالی دارد. در پایان به بررسی رابطه ریسک فراگیر با سنجه‌های مالی بانک‌های مورد بررسی پرداخته و نتیجه
می‌گیریم، بهبود نسبت کفایت سرمایه، رابطه معکوس و معناداری با ریسک فراگیر دارد.
کلیدواژه‌ها
مدل های کمی ریسک فراگیر
تغییرات ارزش در معرض خطر شرطی
همبستگی شرطی پویا
مدل گارچ چند متغیره

عنوان مقاله English

Presenting the rating model Iranian systemically Important Banks with the method of Delta Conditional Value at Risk - DCC-tstudent - MGARCH approach

نویسندگان English

Amir Roudgar 1
Gholamreza Zomorodian 2
Mirfeiz Fallah Shams 3
Mehrzad Minouie 4
1 PhD Student, Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
2 Assistant Professor Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
3 Assistant Professor Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
4 Assistant Professor Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده English

The purpose of this article is presented a model for identifying and ranking Systemically Important Banks with (∆COVaR( approach in the Iranian banking. SR examines the potential capacity of spreading the financial crisis among banks and finally the real sector of the economy through the simultaneous increase of the sequences of the loss probability distribution function. The current research method is descriptive-analytical in terms of the type of research and developmental/applicative in terms of the purpose. The time domain of the research is from 2009/3/21 to 2021/01/19. The research data includes the weekly average stock price of 7 stock banks (Mellat, Tejarat, Saderat, Eghtaz Navin, Parsian, Kerebahan and Sina) and the weekly average of the total stock market index from the Noavaran system, and information related to the bank's financial metrics have been extracted from the financial statements of banks in the Codal system.
In order to measure the share of each bank in Systemic risk, the measure (∆COVaR) is used. With the help of two criteria (RMSE) and (MAE), we have ranked the examined banks. The output of this part confirms that the crisis in some banks has more destructive effects on the entire financial system than in other banks. In the end, we examine the relationship between Systemic risk and the financial metrics of the investigated banks and conclude that the improvement of the capital adequacy ratio has an inverse and significant relationship with Systemic risk.

کلیدواژه‌ها English

Systemically risk quantitative models
∆COVaR
DCC
MGARCH Model
  • احمدی،ز . ، فرهانیان، م. ، (1393) ، " اندازه گیری ریسک فراگیر با رویکرد CoVaR و MES در بورس اوراق بهادار تهران " ، فصلنامه بورس اوراق بهادار ، 1(26) ، 3-22.
  • احمدیان ، الف . ، گرجی، م . ، (1395) ، " تبیین مدل ورشکستگی جهت شناسایی بانک­های سالم و در معرض خطر" ، مجله علمی و پژوهشی مدیریت دارایی و تامین مالی، سال پنجم، شماره سوم.
  • استاد هاشمی ،ع . ، سوری ،ع . ، صادقی شریف ، ج. ، (1397) ، " مدل سازی و برآورد ریسک سیستم بانکی در قالب یک مدل شبکه­ای با استفاده از سنجه CoVaR " ، فصل­نامه پژوهش­های پولی - بانکی، شماره 11، دوره 37.
  • چاوشی ،ک . ، شیرمحمدی ،ف . ، (1394) ، " شناسایی، سنجش و مدیریت ریسک سیستمی نظام مالی کشور به عنوان لازمه اقتصاد مقاومتی" ، کنفرانس جامع و بین­المللی اقتصاد مقاومتی.
  • حاجیها ، ز . ، صفری، ف . ، (1397) ، " بررسی ارتباط ریسک سیستمیک سهام و چولگی بازدهی سهام" ، نشریه علمی و پژوهشی مدیریت دارایی و تامین مالی، سال ششم، شماره اول.
  • حسینی، ع . ، رضوی، س . ، (1393) ، " نقش سرمایه در ریسک سیستمی موسسات مالی" ، پژوهش­های تجربی حسابداری ، 1(13)، 127-147.
  • خیابانی، ن. ، محمدیان نیک پی، ا.، (1397) "تحلیل ریسک سیستمی در صنایع منتخب بورس اوراق بهادار تهران: یک رویکرد رگرسیون چندکی چند متغیره"، فصل نامه پژوهش های اقتصاد ایران، سال 23، شماره 77، زمستان 1397.
  • دانش جعفری، د.، بت شکن ، م . ، محمدی، ت، پاشازاده ، ح . ، (1396) ، " بررسی ریسک سیستمیک بانک­های منتخب نظام بانکی در ایران با استفاده از روش همبستگی شرطی پویا (DCC) " ،نشریه پولی و. بانکی، 10(33)، 480-457.
  • دستخوش ،ح . ، شمس قارنه ،ن . ، (1396) ، " مقایسه شاخص­های ارزیابی ریسک سیستمی در شبکه های مالی: شناسایی شرکت­های مهم از نظر سیستمی در بازار بورس تهران" ، مجله مدل­سازی ریسک و مهندسی مالی، شماره 1(2)، 21-1 .
  • رستگار،م ع . ، کریمی، ن. ، (1395) ، " ریسک سیستمی در بخش بانکی " ، مجله مدل سازی ریسک و مهندسی مالی ، سال اول ، شماره 1.
  • شاکری ،ع . ، خسروی پور ،ن . ، جعفری ، م. ، (1399) ، " برآورد ریسک سیستمی نظام بانکی با استفاده از سنجه های MES و CoVaR " ، مجله راهبرد مدیریت مالی ، سال هشتم ، شماره 31.
  • صادقی ، م . ، (1389) ، " بررسی راه کارهای مقابله با ریسک سیستمی در بازار سرمایه " ، نشریه سازمان بورس و اوراق بهادار، 2(12)، 4-18.
  • عیوضلو ، رضا . ، رامشگ، مهدی . ، (1397) ، " اندازه گیری ریسک سیستمیک با استفاده از کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی و رتبه­بندی بانک­ها" ، فصلنامه علمی مدیریت دارایی و تامین مالی، سال هفتم، شماره چهارم، زمستان 1398.
  • مهدوی ،غ . ، گیلانی پور ،ج . ، الهی ، ن. ، ج . ، فرزین وش ، ا. ، (1396) ، " ارزیابی ریسک سیستمی در شبکه بانکی ایران توسط معیار تغییرات ارزش در معرض خطر شرطی" ، فصل نامه مدیریت مالی و اوراق بهادار، شماره 33، دوره 8.
  • ناصری ، ع . ، جبل عاملی، ف . ، برخورداری دورباش ، س . ، (1399) ، " بررسی همبستگی بانک­های منتخب با مدل همبستگی شرطی پویا (DCC) و شناسایی بانک های دارای اهمیت سیستمیک با روش ارزش در معرض خطر شرطی و ارزش شیپلی" ، فصلنامه علمی پژوهشات مدل سازی اقتصاد، شماره 41، پاییز 99.

ب- منابع انگلیسی

  • Adrian, Tobias and Markus K. Brunnermeier. 2016. "CoVaR." American Economic Review, 106(7):1705-41.
  • Adrian,T., K. Brunnermeier, M, 2011, COVAR. NATIONAL BUREAU OF ECONOMIC RESEARCH, Cambridge.
  • Girardi, G., Ergün, T., 2013, “Systemic risk measurement: Multivariate GARCH estimation of CoVaR,” Journal of Banking & Finance 37 (2013) 3169–3180.
  • Acharya, V., 2009. A theory of systemic risk and design of prudential bank regulation. Journal of Financial Stability 5, 224–255.
  • Acharya, V., Pedersen, L.H., Philippon, T., Richardson, M., 2010. Measuring Systemic Risk. Working paper, New York University.
  • Adrian, T., Brunnermeier, M.K., 2011. CoVaR. Working paper, Federal Reserve Bank of New York.
  • Allen, L., Bali, T.G., Tang, Y., 2010. Does systemic risk in the financial sector predict future economic downturns? Working paper, SSRN.
  • Bauwens, L., Laurent, S., 2005. A new class of multivariate skew densities, with application to generalized autoregressive conditional heteroscedasticity models. Journal of Business and Economic Statistics 23, 346–354.
  • Benoit, S., Colletaz, G., Hurlin, C., Perignon, C., 2012. A Theoretical and Empirical Comparison of Systemic Risk Measures. Working paper, SSRN.
  • Billio, M., Getmansky, M., Lo, A.W., Pelizzon, L., 2012. Econometric measures of systemic risk in the finance and insurance sectors. Journal of Financial Economics 104, 535–559.
  • Brownlees, C., Engle, R., 2011. Volatility, Correlation and Tails for Systemic Risk Measurement. Working paper, New York University. Christoffersen, P., 1998. Evaluating interval forecasts. International Economic Review 39, 841–862.
  • Duffie, D., Pan, J., 1997. An overview of Value at Risk. The Journal of Derivatives 4, 7– 49.
  • Engle, R.F., 2002. Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroscedasticity models. Journal of Business and Economic Statistics 20, 339–350.
  • Giot, P., Laurent, S., 2003. Modelling daily Value-at-Risk using realized volatility and ARCH type models. Journal of Empirical Finance 11, 379–398.
  • Hansen, B., 1994. Autoregressive conditional density estimation. International Economic Review 35, 705–730.
  • Huang, X., Zhou, H., Zhu, H., 2009. A framework for assessing the systemic risk of major financial institutions. Journal of Banking and Finance 33, 2036–2049.
  • Lorenzoni, G., 2008. Inefficient credit booms. Review of Economic Studies 75, 809– 833.
  • Mainik, G., Schaanning, E., 2012. On Dependence Consistency of CoVaR and some other Systemic Risk Measures. Working paper, ETH Zürich.
  • Mittnik, S., Paolella, M., 2000. Conditional density and Value-at-Risk prediction of Asian currency exchange rates. Journal of Forecasting 19, 313–333.