@ARTICLE{Rostamzadeh, author = {Rostamzadeh, Parviz and Shahnazi, Ruhollah and Neisani, Mogammad sadeq and }, title = {Identification of Factors Affecting on Credit Risk in the Iran Banking Industry of Iran Using Stress Test}, volume = {9}, number = {32}, abstract ={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. }, URL = {http://jemr.khu.ac.ir/article-1-1668-fa.html}, eprint = {http://jemr.khu.ac.ir/article-1-1668-fa.pdf}, journal = {Journal of Economic Modeling Research}, doi = {10.29252/jemr.8.32.91}, year = {2018} }