
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,003 |
تعداد دریافت فایل اصل مقاله | 3,580,074 |
بررسی عوامل مؤثر بر ثبات نظام بانکی در کشورهای منتخب منطقه منا | ||
توسعه و سرمایه | ||
دوره 6، شماره 1 - شماره پیاپی 10، شهریور 1400، صفحه 1-18 اصل مقاله (640.94 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jdc.2021.16550.1107 | ||
نویسندگان | ||
بابک کوهی لیلان1؛ رحیم دباغ* 2؛ سید ضیاءالدین کیاالحسینی3؛ فرهاد رهبر4 | ||
1دانشجوی دکتری گروه اقتصاد، دانشگاه مفید، قم، ایران. | ||
2دانشیار گروه مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران. | ||
3استادیار گروه اقتصاد، دانشگاه مفید، قم، ایران. | ||
4استاد گروه اقتصاد، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
هدف: بانکداری بنا به ماهیت خود متضمن مواجهه با طیف وسیعی از مخاطرات است. ناظران بانکی بایستی ریسکهای خود را شناسایی نموده و آنها را ارزیابی و مدیریت منمایند. بنابراین بایستی فاکتورهای مؤثر بر ثبات بانکی شناسایی و متناسب با اهمیت هرکدام استراتژی مربوطه بکار گرفته شود. روش: روش پژوهش حاضر توصیفی و کاربردی است و با استفاده از روشهای توصیفی و استنباطی دادهها را آنالیزکرده و سپس نتایج به دست آمده مورد تجزیه و تحلیل قرار گرفته است. برای شناسایی تأثیر ریسکهای اعتباری و نقدینگی بر ثبات بانکی بر اساس دادههای مربوط به 15 کشور منتخب عضو منطقه منا در دوره 13 ساله طی سال 2018-2006 با استفاده از مدل رگرسیون انتقال ملایم تابلویی (PSTR) که یکی از مدلهای تغییر رژیمی برجسته است، استفاده شده است. یافتهها: تحلیل رابطه عوامل اقتصادی و ریسکها برروی ثبات بانکی مسئله مهمی است که در این پژوهش به آن پرداخته شده است. حد آستانهای میزان ریسک اعتباری به عنوان نقطه عطف و متمـایزکننـده دو رژیـم بیـان شـده در مدل PSTR، برای این معادلات، به ترتیب با توجه آزمون آکائیک و شوارتز (36/3 و 83/3) برآورد شدهاند. نتایج تخمین شیب پارامتر نشان داد که سرعت تعدیل از یک رژیم به رژیم دوم برابر با 194/0 بوده که نشانگر سرعت تعدیل ملایم آنها است. در رژیم اول قبل از حد آستانهای یعنی بخش خطی مدل PSTR متغیرهای ریسک اعتباری، تسهیلات پرداختی، تورم و بحران و شوکهایی وارده بر کشورها، تأثیر منفی و معناداری بر سیستم نظام بانکی دارند. برعکس متغیرهای نسبت تسهیلات به سپرده، ریسک نقدینگی، اندازه بانک، بازده داراییها، کارایی بانکها و تولید ناخالص ملی تأثیر مثبت و معناداری بر سیستم نظام بانکی دارند. در رژیم دوم یعنی بخش غیرخطی مدل PSTR متغیرهای نسبت تسهیلات به سپرده، اندازه بانک، تورم، نسبت سرمایه به دارایی، تسهیلات و بحران و شوکهایی که بر یک کشور وارد شده تأثیر منفی و معناداری بر سیستم نظام بانکی دارند. برعکس متغیرهای ریسک نقدینگی، ریسک اعتباری، بازده داراییها، کارایی بانکها، تولید ناخالص ملی و تسهیلات پرداختی بانکها تأثیر مثبت و معناداری بر سیستم نظام بانکی دارند. نتیجهگیری: با توجه به نتایج این پژوهش (سناریوی اول و دوم) ریسک نقدینگی علاوه بر تأثیر مثبت بر روی ثبات بانکی باعث شدت گرفتن تأثیر مثبت آن بر روی ثبات بانکی کشورها میشود. همچنین ریسک اعتباری روی ثبات بانکی در حالت غیر خطی که مورد تأیید قرار گرفت بسیار تأثیرگذار است. به عبارتی مطابق نتایج حاصل از مدل برآورد شده متغیرهای ریسک نقدینگی و ریسک اعتباری در هردو رژیم بیشترین تأثیر را ثبات نظام بانکداری کشورهای عضو منطقه منا دارد به طوری که تأثیر ریسک اعتباری در هر دو رژیم بیشتر از ریسک نقدینگی است. لذا تدوین راهکارهایی برای کاهش بیثباتی در نظام بانکی کشور، مدیریت ریسک اعتباری میتواند عامل مهمی برای افزایش ثبات بانکی باشد که خود تقویت نظام پولی را در پی خواهد داشت. | ||
کلیدواژهها | ||
ثبات بانکی؛ رگرسیون آستانهای پانل؛ ریسک اعتباری؛ کشورهای منطقه منا | ||
مراجع | ||
رحیمی باغی ، علی ؛ عرب صالحی نصرآبادی، مهدی؛ واعظ برزانی، محمد. (1398). ارزیابی ریسک سیستمی در خرده نظامهای مالی کشور با استفاده از روش گرنجر غیرخطی. مدیریت دارایی و تأمین مالی، 7(2)، 80-59.
پوستینچی، مجتبی؛ تحصیلی، حسن؛ کریمزاده، مصطفی. (1395). بررسی تأثیر رقابت در صنعت بانکداری بر ثبات بانکها. اقتصاد پولی مالی، 23(11)، 145-123.
جز ملکی، مهرداد؛ دباغ، رحیم؛ بهنیا، سهراب. (1399). آزمون نظریه آشوب و پیشبینی قیمتهای آتی صنایع فراوردههای نفتی. فصلنامه مطالعات اقتصادی کاربردی ایران، 9(34)، 109-135.
دباغ، رحیم؛ گلمرادی، حسن؛ باقری، آرش. (1398). بررسی عملکرد مالی بانکهای اسلامی و غیراسلامی در کشورهای منتخب با استفاده از مدل CAMEL. مطالعات مالی و بانکداری اسلامی، 4(10)، 114-85.
دباغ، رحیم؛ آقاپور، صابر؛ نخودچی، اشکان. (1400). رتبهبندی استانهای کشور از لحاظ عملکرد زیستمحیطی صنایع با رویکرد توسعهیافته تصمیمگیری. مهندسی عمران امیرکبیر، 53(12)، 19-19.
رستمیان، فروغ؛ حاجیبابایی، فاطمه. (1388). اندازهگیری ریسک نقدینگی بانک سامان با استفاده از مدل ارزش در معرض خطر. پژوهشنامه حسابداری مالی و حسابرسی، 1(3)، 199-174.
عیسیزاده، سعید؛ شاعری، زینب. (1390). بررسی تأثیر وضعیت ثبات کلان اقتصادی بر کارایی نظام بانکی (مطالعه موردی کشورهای خاورمیانه و شمال آفریقا). پژوهشنامه اقتصاد کلان، 6 (12)، 84-63
گرجی بندپی، ابراهیم؛ انواری رستمکلائی، فرزانه. (1397). نقش بانک مرکزی در ایجاد سیکلهای تجاری در اقتصاد ایران. پژوهشهای اقتصاد پولی مالی، 25(15)، 32-1.
References
Agnello, L., Sousa, R.M. (2012). How do banking crises impact on income inequality? Applied Economics Letters, 19(15), 1425-1429.
Baltagi, B. H., & Li, Q. (1995). Testing AR (1) against MA (1) disturbances in an error component model. Journal of Econometrics, 68(1), 133-151.
Colletaz, G., Hurlin, C. (2006). Threshold effects in the public capital productivity: an international panel smooth transition approach. document de Recherche du Laboratoire d'Economie d'Orléans.
Gonzalez, A., Terasvirta, T., Van Dijk, D. (2005). Panel smooth transition regression models. SSE/EFI working paperseries in economics and finance no. 604. Colletaz, G., & Hurlin, C. (2006). Threshold effects in the public capital productivity: an international panel smooth transition approach. document de Recherche du Laboratoire d'Economie d'Orléans. 2006-1.
Eitrheim, Ø., Teräsvirta, T. (1996). Testing the adequacy of smooth transition autoregressive models. Journal of Econometrics, 74(1), 59-75.
Dabbagh, R., Agapoor, S., Nokhodchi, A. (2022). Ranking Iranian provinces in terms of the environmental performance of industries with a developed decision-making approach. Amirkabir Journal of Civil Engineering, 53(12), 19-19 [In Persian].
Dabbagh, R., Golmoradi, H., Bagri, A. (2019). Financial Performance Comparison of Islamic and Conventional Banking in Selected Countries using the CAMEL Model. Quarterly Journal of Islamic Finance and Banking Studies, 4(Autumn), 85-114 [In Persian].
De Jonghe, O., Dewachter, H., Ongena, S. (2020). Bank capital (requirements) and credit supply: Evidence from pillar 2 decisions. Journal of Corporate Finance, 60, 101518.
Escribano, A., Jorda, O. (1999). Improved testing and specification of smooth transition regression models. In Nonlinear time series analysis of economic and financial data (pp. 289-319). Springer, Boston, MA.
Fok, D., Van Dijk, D., Franses, P.H. (2005). Forecasting aggregates using panels of nonlinear time series. International Journal of Forecasting, 21(4), 785-794.
Gorji Bandpi, E., Anvari Rostamkolaii, F. (2018). The Role of the central bank in creating business cycles in the iranian economy. Monetary & Financial Economics, 25(16), 1-32 [In Persian].
Imbierowicz, B., Rauch, C. (2014). The relationship between liquidity risk and credit risk in banks. Journal of Banking & Finance, 40, 242-256.
Issazadeh, Saeed; Poetry, Zeinab. (2012). Investigating the effect of macroeconomic stability on the efficiency of the banking system (Case study of the Middle East and North Africa). Macroeconomics Research Letter, 6(12), 63-84 [In Persian].
rahimi baghi, A., Arabsalehi Nasrabadi, M., Vaez Barzani, M. (2019). Assessing the Systemic Risk in the Financial Sub-Systems of Iran, using Nonlinear Granger Method. Journal of Asset Management and Financing, 7(2), 59-80 [In Persian].
Rifqah, A.S., Hassan, H.H. (2019). The relationship between bank’s credit risk, liquidity, and capital adequacy towards its profitability in Indonesia. International Journal of Recent Technology and Engineering, 7(5), 225-237.
Rostamian, F., Haji Babaei, F. (2009). Measuring Bank Liquidity Risk Using Venture Value Model (Case Study: Saman Bank). Financial Accounting and Auditing Research, 1(3), 174-199 [In Persian].
Jaiswal, S. (2010). Relationship between asset and liability of commercial banks in India, 1997-2008. International Research Journal of Finance and Economics, 49, 43-58.
Jozmaleki, M., Dabbagh, R., & Behnia, S. (2020). Chaos theory and predict future prices in the oil products. Journal of Applied Economics Studies in Iran, 9(34), 109-135 [In Persian].
Jude, E. (2010). Financial development and growth: panel smooth regression approach. Journal of Economic Development, 35(1), 15-33.
Kleinow, J., Moreira, F., Strobl, S., Vähämaa, S. (2017). Measuring systemic risk: comparison of alternative market-based approaches. Finance Research Letters, 21, 40-46.
Lopez, G., Moreno, A., Ruhia, A.A., Symmetric, CoVaR. (2011). An application to international banking. Systemic Risk. Basel III, Financial Stability and Regulation.
Poustin chi, M., Tahsili, H., Karim Zadeh, M. (2016). The Effect of Competition in Banking on the Stability of Banks. Monetary & Financial Economics, 23(11), 123-145 [In Persian].
Rahimi Baghi, A., ArabSalehi, M., Vaez Barzani, M. (2019). Assessing the Systemic Risk in the Financial System of Iran using Granger Causality Network Method. Financial Research Journal, 21(1), 121-142.
Rostamian, F., & Haji, B. F. (2009). TO Measure bank liquidity risks with value at risk (VAR) model (Case Study: Saman Bank) [In Persian].
Schinasi, G. (2004). Defining financial stability. IMF Working Paper 04/187.
Smaga, P. (2013). Assessing involvement of central banks in financial stability. Center for financial stability Policy hfd. | ||
آمار تعداد مشاهده مقاله: 1,027 تعداد دریافت فایل اصل مقاله: 698 |