ریسک سیستمی در بخش بانکی

نوع مقاله: کاربردی

نویسندگان

1 استادیار گروه مهندسی مالی، دانشکده صنایع، دانشگاه تربیت مدرس، تهران، ایران

2 دانشجوی کارشناسی ارشد، مهندسی مالی، دانشگاه خاتم، تهران، ایران

چکیده

به دلیل بروز بحران مالی سال 2008، اهمیت مطالعه ریسک سیستمی در بخش بانکی بیش از پیش آشکار شد. ریسک سیستمی به احتمال سقوط سیستم مالی می پردازد که ناشی از ارتباط بین مؤسسات است. پژوهش حاضر، به تخمین ریسک سیستمی در بخش بانکی بازار بورس اوراق بهادار تهران، با سنجه دلتا ارزش در معرض خطر شرطی (CoVaR∆)، به کمک مدل‌ همبستگی شرطی پویا (DCC) می‌پردازد. برای این منظور، داده‌های بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران از ابتدای سال 1389 تا ابتدای 1394 انتخاب و سنجه یاد شده برای این بانک‌ها محاسبه‌شده‌است. سپس با استفاده از رگرسیون داده‌های پانل، ارتباط آن‌ با مشخصه‌های اصلی بانک شامل ارزش در معرض خطر، نسبت اهرمی و سرمایه بررسی‌ می‌شود. این پژوهش نشان می‌دهد ریسک سیستمی بازار در دوره مورد بررسی وابستگی بالایی با بخش بانکی دارد. با معیار سنجه یاد شده، بانک‌های مورد مطالعه رتبه‌بندی شده و نشان داده شده این سنجه، با نسبت اهرمی، سرمایه و ارزش در معرض خطر رابطه مثبت و معناداری دارد.
JEL: G11, G21, G32
نحوه استناد به این مقاله: رستگار، م.، و کریمی، ن. (1395). ریسک سیستمی در بخش بانکی. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(1)، 1-19.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Systemic Risk in TSE Banking Sector

نویسندگان [English]

  • Mohammad Ali Rastegar 1
  • Nasrin Karimi 2
1 Assistant Prof., Faculty of Industrial & Systems Engineering, Tarbiat Modares University, Tehran, Iran
2 MSc. Student, Financial Engineering, Khatam University, Tehran, Iran
چکیده [English]

Systemic risk is the risk of collapse in the financial system. Due to the financial crisis that hit the world economy in 2008, the study of systemic risk in the banking sector became more attractive for researchers. In this research we study systemic risk in the Iranian banking sector by using a conventional systemic risk measure, ∆CoVaR. To compute the measure, we employ dynamic conditional correlation model. For this purpose, we estimate the mentioned systemic risk measure of the seven Iranian banks from March of 2010 to March of 2015. Then using panel data regression, we investigate the relationships between the systemic risk measure and certain bank characteristic variables (i.e. VaR, size-Log of Equity, Leverage ratio). Our empirical findings shows that, the systemic risk contributions of banking sector is high and studied banks has different ranking based on ∆CoVaR. finally, the systemic risk contribution is closely related to mentioned bank characteristic variables
JEL: G11, G21, G32
How to cite this paper: Rastegar, M. & Karimi, N. (2016). Systemic Risk in TSE Banking Sector. Quarterly Journal of Risk Modeling and Financial Engineering, 1(1), 1–19. (In Persian)

کلیدواژه‌ها [English]

  • ∆CoVaR
  • DCC
  • systemic risk

احمدی، ز.، و فرهانیان، م. (1393). اندازه گیری ریسک فراگیر با رویکرد CoVaR و MES در بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار، 1(26)، 3-22.

حسینی، ع.، و رضوی، س. (1393). نقش سرمایه در ریسک سیستمی موسسات مالی. پژوهش های تجربی حسابداری، 1(13)، 127-147.

صادقی، م.(1389). بررسی راه‌کارهای مقابله با ریسک سیستمی در بازار سرمایه. نشریه سازمان بورس و اوراق بهادار، 2(12)، 4-18.

Acharya, V., Pederson, L., Philippe, T. & Richardson, M. (2010). Measuring Systemic Risk, Technical Report. Department of Finance, NYU.

Adrian, T., & Brunnermier, M. K. (2011).CoVaR. NBER Working Paper, No.17454.

Bollerslev, T. (1990). Modeling the Coherence in Short-run Nominal Exchange Rates: A Multivariate Generalized ARCH Model. The Review of Economics and Statistics, 72.

Ahmadi, Z., & Farhanian, M. (2014). Measuring Systemic Risk in the Tehran Stock Exchange, CoVaR and MES Approach. Quarterly Journal of Securities Exchange,7(26), 3-23. (In Persian).

Banulescu, G., Denisa, D., & Elena, I. (2014). Which are the SIFIs a CES Approach to Systemic Risk, European University Institute.

Brownlees, C. T., & Engle, R. (2012).Volatility, Correlation, and Tails for Systemic Riskmeasurement, Working Paper.

Caufman, G., & Scott, E. (2003). What is the Systemic Risk and Do Bank Regulations Retard or Contribute to It, The Independent Review, 371.

Christodoulakis, E., & Satchell, S. (2002). A Model with Time-varying Correlations , Working Paper.

Choi, H. (2012). Predicting the Present with Google Trends, Working Paper.

Dungey, M., Luciani, M., & Verdas, D. (2013). Googling SIFIs

Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model.J.Bus, Econ, Stat, 20, 339-350.

Engle, R., & Sheppard, K. (2001). Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH, Working Paper.

Girardi, G., & Ergun, A. T. (2013). Systemic Risk Measurement: Multivariate GARCH Estimation of Covar. J. Bank. Finance, 37, 3169-3180.

Hosseini, A., & Razavi, S. (2014). The Role of Capital in Systemic Risk of Financial Institutions. Empirical Research in Accounting, 4(13), 127-147. (In Persian).

Huang, X., & Zhou, H. (2009). A Framework for Assessing the Systemic Risk of Major Financial Institutions, J, Bank Finance, 2036-2049.

Madan, D., Pistorius, M., & Schoutens, W. (2013). The Valuation of Structured Products Using Markov Chain Models. Quantitative Finance, 13, 125-136.

Rodriguez , M., & Pena, J. (2013).Systemic Risk Measures,Working Paper.

Sadeghi, M. (2011). Systemic Risk Mitigation in Capital Market. (In Persian).

Segoviano, M., & Goodhart, C. (2009), Banking Stability Measures, Working Paper.

Tse, Y., & Tsui, A. (2002), A Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model with Timevarying Correlations, Business & Economic Statistics, 3, 351-362.