دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

مدلسازی ریسک سیستمیک در نظام بانکی ایران مبتنی بر رویکرد مؤلفه اصلی بیزین (BPCA)

نوع مقاله : مقاله پژوهشی

نویسندگان
لیلا پیمان 1
میرفیض فلاح شمس 2
َشادی شاهوردیانی 3
مریم خلیلی عراقی 4
1 دانشجوی دکتری، گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 دانشیار، گروه مدیریت مالی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
3 استادیار، گروه مدیریت مالی، واحد شهر قدس، دانشگاه آزاد اسلامی، شهر قدس، ایران
4 دانشیار، گروه مدیریت مالی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقی قات، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/jik.2026.77850.4579
چکیده
در ادبیات نظری ریسک، معیارهای متعددی برای کمی کردن ریسک سیستمیک مؤسسات مالی ارائه شده است. وجود حدود 31 معیار مختلف سبب تناقض در نتایج مطالعات شده و نیاز به روش اندازه‌گیری واحد را ایجاب می‌کند. در این مطالعه، با استفاده از شاخص‌های مبتنی بر قیمت، بنیادی و شبکه، شاخص ریسک سیستمیک ترکیبی پایدار ارائه شده است. شاخص‌های ریسک سیستمیک شامل VaR، CoVaR، CoVaR∆، LVG، β×MV، SRISK، MRES، EVT و NRISK برای دوره 1391-1401 محاسبه شده است. سپس میزان توضیح‌دهندگی این سنجه‌ها از تأثیر بحران‌ها بر بانک‌های منتخب با روش‌های PCA و BPCA بررسی شده است. داده‌های 9 بانک ایرانی شامل اقتصاد نوین، ملت، کارآفرین، تجارت، پارسیان، صادرات، پست بانک، سینا و پاسارگاد استفاده شده است. نتایج نشان می‌دهد که اگرچه رتبه‌بندی بانک‌ها بر اساس شاخص‌های متداول ریسک سیستمیک در ایران متفاوت است، روش BPCA با در نظر گرفتن همه ابعاد ریسک سیستمی، رتبه‌بندی قابل اعتمادی ارائه می‌کند. این رتبه‌بندی می‌تواند به سیاست‌گذاران در استفاده از ابزارهای نظارتی و سیاستی مناسب برای جلوگیری از وقوع بحران یا کاهش عمق آن کمک کند. بر اساس نتایج BPCA، ریسک سیستمیک در شبکه بانکی ایران طی دوره مورد بررسی افزایش یافته است. به طور متوسط، بانک‌های ملت، صادرات، تجارت و پست بانک بیشترین و بانک‌های کارآفرین، سینا، اقتصاد نوین و پاسارگاد کمترین تأثیرپذیری از بحران‌ها را داشته‌اند.
کلیدواژه‌ها
ریسک سیستمیک
نظام بانکی ایران
روش مؤلفه اصلی بیزین (BPCA)

عنوان مقاله English

Systemic risk modeling in Iran's banking system based on Bayesian principal component approach (BPCA)

نویسندگان English

leyla payman 1
mirfeyz fallah shams 2
Shadi Shahverdiani 3
MARYAM KHALILI ARAGHI 4
1 PhD Student, Department of Financial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran.
2 Associate Professor, Department of Financial Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
3 Assistant Professor, Department of Financial Management, Shahr-e-Qods Branch, Islamic Azad University, Shahr-e-Qods, Iran
4 Associate Professor, Department of Financial Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran.
چکیده English

In financial risk literature, numerous measures have been developed to quantify systemic risk in financial institutions. The existence of various criteria (about 31) for measuring systemic risk has led to contradictions in research results, necessitating a universally agreed-upon measurement method. This study presents a stable composite systemic risk index using price-based and fundamental indices. Systemic risk indicators including VaR, CoVaR, CoVaR∆, beta coefficient, leverage ratio, nominal systemic risk, SRISK, marginal expected shortfall, and systemic risk index based on bank-specific risk sequence and systemic link (EVT approach) were estimated for 2012-2023. The explanatory power of these indicators regarding crisis impact on selected banks was investigated using Principal Component Analysis (PCA) and Bayesian Principal Component Analysis (BPCA) methods. Data from 9 Iranian banks were used: Eghtesad Novin, Mellat, Karafarin, Tejarat, Parsian, Saderat, Post Bank, Sina, and Pasargad. Results show that while bank rankings based on common systemic risk indicators in Iran are heterogeneous, the BPCA method provides a reliable ranking considering all dimensions of systemic risk. This can guide policymakers in using appropriate monitoring and policy tools to prevent or mitigate crises. The BPCA ranking indicates that systemic risk in Iran's banking network has increased from 2012 to 2022. On average, Mellat, Saderat, Tejarat, and Post Bank were most affected by crises, while Karafarin, Sina, Eghtesad Novin, and Pasargad were least affected.

کلیدواژه‌ها English

systemic risk
Iranian banking system
principal component analysis (PCA)
Bayesian principal component method (BPCA)
1.       ابریشمی، حمید، مهرآرا، محسن، رحمانی، محمد. (1398). اندازه‌گیری و تحلیل ریسک سیستمیک در بخش بانکداری ایران و بررسی عوامل مؤثر بر آن، مدلسازی اقتصادسنجی، دوره 4، شماره 3، 36-11.
2.       آسایش، کورش، فلاح شمس، میرفیض، جهانگیرنیا، حسین، غلامی جمکرانی، رضا. (1399). تبیین مدل ریسک سیستمیک با استفاده از معیار ریزش مورد انتظار نهایی در بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران، فصلنامه برنامه­ریزی و بودجه، دوره 25، شماره 2، ۱۳۴-۱۱۵.
3.       براتی، لیلا، فلاح شمس، میرفیض، غفاری، فرهاد، حیدرزاده هنزائی، علیرضا. (1399). ریسک فراگیر بحران مالی در نظام بانکی ایران با رویکرد ARFIMA - FIGARCH- Delta CoVaR و ریزش مورد انتظار حاشیه­ای، مهندسی مالی و مدیریت اوراق بهادار، دوره 11، شماره 45، 611-587.
4.       تقی­زاده، رضا، عبدزاده کنفی، محمد، قرمزی، عالیه. (1401). تحلیلی بر کیفیت سود در شبکه روابط هیات مدیره، مطالعات تجربی حسابداری مالی، دوره 19، شماره 73، 175-151.
5.       تهرانی، رضا، سراج، مصطفی، فروش باستانی، علی، فلاح­پور، سعید. (1399). ارزیابی اثر ریسک سیستمیک بخش بانکی بر عملکرد اقتصاد کلان ایران، تحقیقات مالی، دوره 22، شماره 3، 319-297.
6.       حسنی‌مقدم، رفیع. (1401). محاسبه ارزش در معرض ریسک شرطی (CVaR) برای اوراق مالی اسلامی (صکوک) (مطالعه موردی اوراق مرابحه، اجاره و مشارکت)، مطالعات اقتصاد اسلامی، دوره 14، شماره 2، 496-465.
7.       حکمتی فرید، صمد، رضازاده، علی، مالک، علی. (۱۳۹۷). برآورد ریسک سیستمی در بخش مالی اقتصاد ایران (رهیافت ارزشی در معرض ریسک شرطی تفاضلی)، فصلنامه مدلسازی اقتصادی، سال 12، شماره ۳، 122-99.
8.       راعی، رضا، نمکی، علی، عسکری­راد، حسین. (1402). تجزیه ریسک سیستمیک و بررسی رابطه ابعاد آن با ویژگی‌ها و عملکرد مالی بانک­های پذیرفته شده در بورس اوراق بهادار تهران، مدیریت دارایی و تامین مالی، دوره 11، شماره 1، 30-1.
9.       زنگنه، طیبه، رستگار، محمدعلی، چاوشی، سیدکاظم، فلاح شمس، میرفیض. (1399). ارزیابی ریسک سیستمیک نظام بانکی از طریق مدلسازی توپولوژی شبکه بازار بین بانکی، دانش سرمایه‌گذاری، دوره 9، شماره 35، 48-21.
10.   طالبلو، رضا، داوودی، محمدمهدی. (1396). مقایسه رویکرد EVT با سایر روش های سنجش ریسک بازار (VaR) در چارچوب پس آزمایی و آزمون کوپیک: دلالت­هایی برای مدیریت ریسک بازار نهادهای مالی، پژوهش­های اقتصادی ایران، دوره 22، شماره 70، 132-99.
11.   عیوضلو، رضا، رامشگ، مهدی. (1398). اندازه­گیری ریسک سیستمیک با استفاده از کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی و رتبه‌بندی بانک‌ها، مدیریت دارایی و تامین مالی، دوره 7، شماره 4، 16-1.
12.   فرزین­وش، اسدالله، الهی، ناصر، گیلانی­پور، جواد مهدوی، غدیر (1396)، ارزیابی ریسک سیستمی در شبکه بانکی ایران توسط معیار تغییرات ارزش در معرض خطر شرطی، مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 33، 281-265.
13.   گوهری­فر، مصطفی، خاشعی ورنامخواستی، وحید، دهدشتی شاهرخ، زهره، سیف، ولی‌اله. (1400). شناسایی و تبیین چالش‌های کلیدی نظام بانکداری بین‌الملل ایران، پژوهش­های مدیریت در ایران، دوره 25، شماره 2، 124-100.
14.   نمکی، علی، راعی، رضا، عسکری­راد، حسین. (1402). بررسی تاثیر ویژگی‌های ساختار شبکه سیستم بانکی بر ریسک سیستمی بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از روش همبستگی شرطی پویا، چشم­انداز مدیریت مالی، دوره 13، شماره 41، 36-9.
15.  Acharya, V., Engle, R., & Richardson, M. (2012). Capital shortfall: A new approach to ranking and regulating systemic risks. American Economic Review, 102(3), 59-64.
16.  Adrian, T., & Brunnermeier, M. K. (2016). CoVaR. The American Economic Review, 106(7), 1705.
17.  Adrian, T., & Shin, H. S. (2014). Procyclical leverage and value-at-risk. The Review of Financial Studies, 27(2), 373-403.
18.  Allen, L., Bali, T. G., & Tang, Y. (2012). Does systemic risk in the financial sector predict future economic downturns?. The Review of Financial Studies, 25(10), 3000-3036.
19.  Billio, M., Getmansky, M., Lo, A. W., & Pelizzon, L. (2012). Econometric measures of connectedness and systemic risk in the finance and insurance sectors. Journal of financial economics, 104(3), 535-559.
20.  Bishop, C. (1998). Bayesian pca. Advances in neural information processing systems, 11.
21.  Bisias, D., Flood, M., Lo, A. W., & Valavanis, S. (2012). A survey of systemic risk analytics. Annu. Rev. Financ. Econ., 4(1), 255-296.
22.  Brownlees, C., & Engle, R. F. (2017). SRISK: A conditional capital shortfall measure of systemic risk. The Review of Financial Studies, 30(1), 48-79.
23.  Brunnermeier, M., & Krishnamurthy, A. (2019). Risk Topography: Systemic risk and macro modeling: University of Chicago Press.
24.  Brunnermeier, M., & Krishnamurthy, A. (2020). Corporate debt overhang and credit policy. Brookings Papers on Economic Activity, 2020(2), 447-502.
25.  Danielsson, J., James, K. R., Valenzuela, M., & Zer, I. (2012). Dealing with systemic risk when we measure it badly. European Center for Advanced Research in Economics and Statistics Working Paper.
26.  Danielsson, J., James, K. R., Valenzuela, M., & Zer, I. (2016). Model risk of risk models. Journal of Financial Stability, 23, 79-91.
27.  Davydov, D., Vähämaa, S., & Yasar, S. (2021). Bank liquidity creation and systemic risk. Journal of Banking & Finance, 123, 106031.
28.  Embrechts, P., de Haan, L., & Huang, X. (2000). Modelling multivariate extremes. Extremes and integrated risk management, 59-67.
29.  Engle, R. F., Moshirian, F., Sahgal, S., & Zhang, B. (2014). Banks non-interest income and global financial stability. CIFR Paper, (015).
30.  Fang, L., Xiao, B., Yu, H., & You, Q. (2018). A stable systemic risk ranking in China’s banking sector: Based on principal component analysis. Physica A: Statistical Mechanics and its Applications, 492, 1997-2009.
31.  Foglia, M., & Angelini, E. (2021). The triple (T3) dimension of systemic risk: Identifying systemically important banks. International Journal of Finance & Economics, 26(1), 7-26.
32.  Hill, B. M. (1975). A simple general approach to inference about the tail of a distribution. The annals of statistics, 1163-1174.
33.  Lan, C., Huang, Z., & Huang, W. (2020). Systemic risk in China’s financial industry due to the COVID-19 pandemic. Asian Economics Letters, 1(3), 18070.
34.  Ma, D., & Chen, S. (2020). Bayesian compressive principal component analysis. Frontiers of Computer Science, 14, 1-10.
35.  Nucera, F., Schwaab, B., Koopman, S. J., & Lucas, A. (2016). The information in systemic risk rankings. Journal of Empirical Finance, 38, 461-475.
36.  Pukthuanthong, K., & Roll, R. (2009). Global market integration: An alternative measure and its application. Journal of Financial Economics, 94(2), 214-232.
37.  Tipping, M. E., & Bishop, C. M. (1997). Mixtures of principal component analyzers.
38.  Van Oordt, M., & Zhou, C. (2019). Systemic risk and bank business models. Journal of Applied Econometrics, 34(3), 365-384.