دوره 9، شماره 32 - ( 4-1397 )                   سال9 شماره 32 صفحات 128-91 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rostamzadeh P, Shahnazi R, Neisani M S. Identification of Factors Affecting on Credit Risk in the Iran Banking Industry of Iran Using Stress Test. jemr 2018; 9 (32) :91-128
URL: http://jemr.khu.ac.ir/article-1-1668-fa.html
رستم زاده پرویز، شهنازی روح الله، نیسانی محمد صادق. شناسایی عوامل موثر بر ریسک اعتباری در صنعت بانکداری ایران با استفاده از آزمون استرس. تحقیقات مدلسازی اقتصادی. 1397; 9 (32) :91-128

URL: http://jemr.khu.ac.ir/article-1-1668-fa.html

شناسایی عوامل موثر بر ریسک اعتباری در صنعت بانکداری ایران با استفاده از آزمون استرس
پرویز رستم زاده* 1، روح الله شهنازی2 ، محمد صادق نیسانی2
1- دانشگاه شیراز ، parvizrostamzadeh@shirazu.ac.ir
2- دانشگاه شیراز
چکیده:   (8055 مشاهده)
ریسک اعتباری ناشی از این است که دریافت کنندگان تسهیلات، عمدی و یا غیر ارادی، توانایی بازپرداخت اقساط بدهی خود به بانک را ندارند که وضعیت این ریسک در ایران در مقایسه با میانگین جهانی در وضعیت بحرانی قرار دارد. به همین دلیل، هدف این پژوهش بررسی میزان تاثیرگذاری متغیرهای کلان اقتصادی بر ریسک اعتباری صنعت بانکداری ایران طی سال‌های 1385 تا 1395 و شبیه‌سازی و پیش‌بینی وضعیت ریسک اعتباری در سال 1396 تحت سناریوهای استرس مختلف با بهره‌گیری از آزمون استرس می‌باشد . داده‌های استفاده شده در این پژوهش، سری زمانی و فصلی است. به منظور پیاده‌سازی آزمون استرس و رسیدن به هدف پژوهش، ابتدا با استفاده از مدل خود توضیحی با وقفه‌های توزیعی گسترده (ARDL) متغیرهای کلان اقتصادی تاثیرگذار بر ریسک اعتباری شناسایی و میزان تاثیرگذاری هر یک بر این متغیر مشخص شده است. بر این اساس متغیرهای نرخ تورم، نرخ ارز، نرخ بیکاری و شاخص مسکن در مجموع تاثیر مثبت و متغیرهای تولید ناخالص داخلی، نرخ سود تسهیلات بانکی و حجم تسهیلات اعطایی به بخش‌های دولتی و غیر دولتی، اثر منفی بر ریسک اعتباری دارن    در ادامه با بهره‌گیری از آزمون استرس، شبیه‌سازی وضعیت‌های بحرانی و پیش‌بینی مقادیر ریسک اعتباری در 4 فصل سال 1396 انجام شده که این امر در قالب سه سناریو با عناوین سناریوهای استرس خفیف، استرس شدید و ابر استرس صورت گرفته است که در هر کدام، شوک‌های متفاوتی بر متغیرهای تاثیرگذار بر ریسک اعتباری اعمال می‌شود. نتایج به دست آمده از آزمون استرس و سناریوسازی‌ها نشان می‌دهند که کاهش دستوری سود تسیلات بانکی در هر سه سناریو ابتدا در فصل اول سال 1396 منجر به کاهش ریسک اعتباری می‌شود اما افزایش نرخ ارز، افزایش نرخ تورم، کاهش رشد اقتصادی و همچنین انباشت مقادیر گذشته ریسک اعتباری، باعث افزایش سریع و در سناریو‌هایی با شوک‌های شدیدتر، منجر به افزایش افسار گسیخته ریسک اعتباری در دوره‌های بعد می‌شود.
واژه‌های کلیدی: آزمون استرس، ریسک اعتباری، ARDL، تسهیلات بانکی، متغیرهای کلان اقتصادی
متن کامل [PDF 908 kb]   (7920 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: پولی و مالی
دریافت: 1396/11/24 | پذیرش: 1397/4/27 | انتشار: 1397/6/21
فهرست منابع
1. Ahmadian, A. (2014). Analysis of bank stress index in the Iran's banking network. New Economics, 9 (144): 33-35 [in Persian].
2. Allahyari, M. (2014). Using stress test in securitization process. Journal of Investment Knowledge, 4(16): 6-23 [in Persian].
3. Banerjee, A., Dolado, J.J., & Master, R. (1992). On some simple tests for cointegration: The cost of simplicity bank of Spain. Working Paper: 46-53.
4. Bank for international settlements, Basle committee on banking supervision. (1995). an internal model-based approach to market risk capital requirements. Proposal for consultation, Basle, Switzerland.
5. Basel committee on Banking Supervision. (1999). Credit risk modeling: current practices and applications. Basle: Basle Committee Publications.
6. Castro, V. (2013). Macroeconomic determinants of the credit risk in the banking system: The case of the GIPS. Economic Modelling, 31: 672-683. [DOI:10.1016/j.econmod.2013.01.027]
7. Castren, O., Dees, S., & Zaher, F. (2010). Stress-testing euro area corporate default probabilities using a global macroeconomic model. Financial Stability, 6 (2): 64-78. [DOI:10.1016/j.jfs.2009.10.001]
8. Corenett, M., Minnick, K., Schorno, J., & Tehranian, H. (2018). An examination of bank behavior around Federal Reserve stress tests. Journal of Financial Intermediation, 35: 1-13. [DOI:10.1016/j.jfi.2018.05.001]
9. Dadbin, M., & Hanjari, S. (2014). A review of crisis tests in the banking industry and suggestions for the banking industry in Iran. The conference of risk management and financial engineering, 2:1-20 [in Persian].
10. Drehmann, M., Sorensen, S., & Stringa, M. (2009). The integrated impact of credit and interest rate risk on banks: A dynamic framework and stress testing application. Journal of Banking & Finance, 33 (4): 713-729. [DOI:10.1016/j.jbankfin.2009.06.009]
11. Enders, J. (2004). Higher Education, Internationalization, and the Nation- State: Recent Developments and Challenges to Governance Theory. Higher Education, 47: 361-382. [DOI:10.1023/B:HIGH.0000016461.98676.30]
12. Eslamloueyan, K., Yazdanpanah, H., & Khalilnezhad, Z. (2018). The existence of a risk-taking channel of monetary policy transmission in Iran's banking system. Journal of Economic Modeling Research, 8 (31): 7-40 [in Persian].
13. Foglia, A. (2009). Stress testing credit risk: a survey of authorities' approaches. Int. J. Central Bank, 5(3): 9-45.
14. Gersl, A., Jakubik, P., Konecny, T., & Seidler J (2012). Dynamic stress testing: the framework for testing banking sector resilience used by the Czech national bank. Czech National Bank, 4-5.
15. Hasan, M.K., Unsal, O., & Tamer, H.E. (2016). Risk management and capital adequacy in Turkish participation and conventional banks: A comparative stress testing analysis. Borsa Istanbul Review, 72-81. [DOI:10.1016/j.bir.2016.04.001]
16. Heidari, H., Zavvarian, Z., & Noorbakhsh, A. (2010). Studying the effect of macroeconomic indices on non-performing loans. Journal of Monetary and Banking Research, 2(4): 191-220 [in Persian].
17. Iran's central bank, Economic indexes and information. Economic reviews and policies organization [in Persian].
18. Iran's statistics center, Statistical data and information, Statistical yearbook, different years [in Persian].
19. Jakubik, P., & Hermanek, J. (2008). Stress testing of the Czech banking sector. Working Paper, 2-13. [DOI:10.18267/j.pep.329]
20. Jakubik, P., & Fungaova, Z. (2012). Bank Stress Tests as an Information Device for Emerging Markets: The Case of Russia. Working Paper, 1-3. [DOI:10.2139/ssrn.2009700]
21. Khodadadi, F., & Mehrara, M. (2017). Effect of macroeconomic fluctuations on the lending behavior of commercial banks in Iran. Journal of Islamic Economics & Banking, 15 (18): 23-39 [in Persian].
22. Mashayekh, S., Moghaddasi, M. (2017). Stress testing: A new approach for risk management with emphasis on banks' capital requirement, Journal of Accounting Research, 1: 35-52 [in Persian].
23. Mitrovic, M., Busch, R., & Koziol, P. (2017). Many a little makes a mickle: Stress testing small and medium-sized German banks. The Quarterly Review of Economics and Finance, 253-237. [DOI:10.1016/j.qref.2017.08.001]
24. Nili, F., Heidari, H., & Saberian Ranjbar, S. (2012). The impact of macroeconomic variables on banks' balance sheet: a stress test approach. Journal of Monetary and Banking Research, 8: 43-86 [in Persian].
25. Pesaran, M.H., & Smith. R.J. (1998). Structural analysis of Co-integration VARs. Journal of Economic Surveys, 471-505. [DOI:10.1111/1467-6419.00065]
26. Rodriguez, A., & Trucharte, C. (2007). Loss coverage and stress testing mortgage portfolios: a non-parametric approach. J. Financ. Stabil, 3 (4): 342-367. [DOI:10.1016/j.jfs.2007.09.002]
27. Saberian Ranjbar, S., Heidari, H. (2010). Introducing of tests to assess the vulnerability of a financial system. New Economics, 8(130), 147-152 [in Persian].
28. Salehabadi, A., Allahyari, M. (2016). The use of stress testing in regulatory and supervisory perspectives. Journal of Investment Knowledge, 5(19): 213-233 [in Persian].
29. Savas, O. Bulent, D., & Alper, A. H. (2016). Macro stress testing and an application on Turkish banking sector. Istanbul Conference of Economics and Finance: 25-48.
30. Sedghi, H. (2013). Credit risk simulation in critical situations for the banking system of selected countries. 1st National Conference of Monetary and Banking Management Development, 1: 1-20 [in Persian].
31. Shavvalpour, S., Ashari, E. (2013). Determining the relationship between credit risk & profitability in Iranian banks. Journal of Financial Reasearch, 2: 234-236 [in Persian].
32. Soori, A., Tashkini, A., & Saadat, M. R. (2010). The effect of concentration, merger, and e-banking activity on efficiency of Iranian money marketing. Journal of Economic Modeling Research, 1(2): 115-144 [in Persian].
33. Vazquez, F., Tabak, B. M., & Souto, M. (2012). A macro stress test model of credit risk for the Brazilian banking sector. Working Paper, 3-50. [DOI:10.1016/j.jfs.2011.05.002]
34. Yurdakul, F. (2014). Macroeconomic Modelling Of Credit Risk for Banks. Social and Behavioral Sciences, 109: 784-793. [DOI:10.1016/j.sbspro.2013.12.544]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه تحقیقات مدلسازی اقتصادی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Economic Modeling Research

Designed & Developed by : Yektaweb