طراحی مدل سرریز احتمال درماندگی مالی در نظام بانکی ایران با رویکرد مدل های گارچ چند متغیره

اقتصاد پولی مالی

مقاله 6، دوره 29، پاییز و زمستان 1401 - شماره پیاپی 24، آذر 1401، صفحه 158-186   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/mfe.2023.72762.1118

نویسندگان

بهروز برزگر (قلی پور)^{* 1}؛ میرفیض فلاح شمس²؛ مریم خلیلی عراقی³؛ هاشم نیکومرام⁴

¹دانشجوی دکتری مدیریت مالی ، گروه مدیریت مالی ، دانشکده مدیریت واقتصاد ، واحدعلوم وتحقیقات، دانشگاه آزاداسلامی، تهران، ایران

²دانشیار گروه مدیریت مالی، دانشکده مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران

³استادیار گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

⁴استاد گروه حسابداری، دانشکده مدیریت و اقتصاد ،واحد علوم و تحقیقات،دانشگاه آزاد اسلامی،تهران، ایران

چکیده

چکیده
پژوهش حاضر به طراحی مدل سرریز احتمال درماندگی مالی در نظام بانکی ایران با رویکرد مدل های گارچ چند متغیره پرداخته شده است.
جامعه آماری شامل بانک های پذیرفته شده در بورس اوراق بهادار تهران می باشد که در بازه زمانی سال های 1395 تا 1399 مورد تجزیه و تحلیل قرار گرفته است. برای محاسبه آنها از داده های سری زمانی بازده سهام بانک ها ، ارزش حقوق صاحبان سهام ، ارزش دفتری بدهی ها و ارزش روز دارایی استفاده شده است.پژوهش حاضر با به کارگیری روشKMV و مفهوم فاصله تا نکول و با استفاده از مدل VAR و استفاده از روش گارچ چند متغیره ( DCC-GARCH )، احتمال سرریز درماندگی مالی به سایر بانک ها را مورد بررسی قرار داده است.
نتایج پژوهش نشان از وجود رابطه معنادار بین ریسک درماندگی مالی بانک ها با یکدیگر بوده است؛بانک ملت در معرض بیشترین ریسک سرایت درماندگی و بانک پارسیان، کمترین اثرپذیری را نشان می دهد. بر اساس نتایج مدل، افزایش ریسک های عملکردی بانک ها از جمله ریسک اعتباری و ریسک بازار، بر افزایش ریسک درماندگی مالی تاُثیر معناداری داشته و این ریسک می تواند بر دیگر بانک ها در شبکه ارتباطی بانک ها و سپس کل اقتصاد سرایت نماید.

کلیدواژه‌ها

درماندگی مالی؛ ریسک سرایت درماندگی؛ ریسک اعتباری؛ شبکه بانکی؛ ریسک بازار

مراجع

Ahadian, Azam., & Gurji, Mehsa. (2016). Explaining the Bankruptcy Forecasting Model to Identify Healthy and At-Risk Banks, Scientific-Research Quarterly of Asset Management and Financing, Fifth Year, Third Issue, Serial Number (81), Fall 2016, pp. 1-18

Bhattacharya, M.; Nkwoma, I. John., & Rebecca Valenzuela, M. (2020). Credit risk and financial integration: an application of network analysis. International Review of Financial Analysis. 72,101588

Bolo, Q., & Arabi, M. (2019). Identifying the Factors Affecting the Comprehensive Risk of State-Owned Banks, Bi-Quarterly Journal of Public Accounting, Fifth Year No. 2 (10 consecutive), 25-46. (in Persian)

Delnavaz, B. (2020). A Study of the Comprehensive Risk of Financial Helplessness among Car Supply Chain Companies in Tehran Stock Exchange, Fallah Shams, M. F., Faculty of Management and Economics, Islamic Azad University, Central Tehran Branch. (in Persian)

 Fatahi, Shahram.; Sohaili, Kiyomarth, & Dehghan Jabarabadi, Shahram. (2017). Investigating contagion in Iran's financial markets using a combination of Orenstein-Ollenbeck process and continuous wavelet transform, Econometric Modeling Quarterly, 2nd year, 4th issue (7 series), 54 -33.

Hafeez, U.; Zhuquan, W.; Muhammad, G. A.; Fan, Z.; Umeair, S., & Memon Rafait, M. (2021). Association of Financial Distress and Predicted Bankruptcy: The Case of Pakistani Banking Sector, Journal of Asian Finance, Economics and Business. 8(1): 573–585.

Jowita, G. (2020). Determinants of the bankruptcy risk of commercial banks in Central and Eastern Europe Prace Naukowe University to Economic znigo we Wroclawiureserch Papers of wroclaw university of economics and business 2020, 64(1) ISSN1899-3192 e-ISSN 2392-0041: 55-65.

Mahfuzur, R.; Cheong, Li Sa Md., & Masud, A. K. (2021). Predicting Firms’ Financial Distress: an Empirical Analysis Using the F-Score Model, Journal of Risk and Financial Management 14: 199. https://doi .org /10.3390/jrfm14050199: pp. 1-16

Mir Askari, Seyed Reza.; Renji, Fariborz., & Mousavinia, Seyed Morteza. (2019). Analysis of the impact of macroeconomic variables on the risk of helplessness of Iranian banks, Applied Economics Quarterly, Year 6, Number. 2, pp. 29-46.

Qi Fan, Xiu; Di Du, Meng., & Long, Wen. (2017). Risk Spillover Effect of Chinese Commercial Banks: Based on Indicator Method and CoVaR Approach, Procedia Computer Science, 122, 2017, 932–940.

 Shoja Shooshad, M.; Zomordian, G.; Pourzarandi, M. I., & Minooei, M. (2021). Study of the contagiousness of financial distress risk and credit risk in the banking system of the country, Investment Knowledge Research Quarterly, 313-339. (in Persian)

Wang, X. W.; Cao, Y. M., & Park, C. (2019). The relationships among community experience, community commitment, brand attitude, and purchase intention in social media. International Journal of Information Management, 49, 475-488

Zarrin, J.; Jamshidi Navid, B.; Ghanbari, M., & Constellation, A. (2020). Title of developing a model for predicting bankruptcy of state-owned companies using macroeconomic, managerial, financial and political variables, Journal of Public Accounting, Seventh Year, No. (1), 96-79. (in Persian)