خلاصة:
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 موثر 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 تاثیر 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، تاثیر 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 تاثیر 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 تاثیر 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 تاثیر مثبت و معناداری بر سیستم نظام بانکی دارند. نتیجهگیری: با توجه به نتایج این پژوهش (سناریوی اول و دوم) ریسک نقدینگی علاوه بر تاثیر مثبت بر روی ثبات بانکی باعث شدت گرفتن تاثیر مثبت آن بر روی ثبات بانکی کشورها میشود. همچنین ریسک اعتباری روی ثبات بانکی در حالت غیر خطی که مورد تایید قرار گرفت بسیار تاثیرگذار است. به عبارتی مطابق نتایج حاصل از مدل برآورد شده متغیرهای ریسک نقدینگی و ریسک اعتباری در هردو رژیم بیشترین تاثیر را ثبات نظام بانکداری کشورهای عضو منطقه منا دارد به طوری که تاثیر 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.
Objective: Banking, by its very nature, involves a wide range of risks. Banking supervisors should identify their risks and evaluate and manage them. Therefore, the factors affecting banking stability should be identified and applied in proportion to the importance of each relevant strategy. Methods: The method of the present research is descriptive and applied and using descriptive and inferential methods, the data have been analyzed and then the obtained results have been analyzed. It has been used to identify the impact of credit and liquidity risks on banking stability in selected member countries of the Mena region using the Panel Gentle Transfer Regression (PSTR) model, which is one of the prominent regime change models. Results: According to the results of MATLAB software, it was found that the variables of liquidity risk and credit risk in both regimes have the greatest impact on the stability of the banking system of MENA member countries and also the impact of credit risk in both regimes is greater than liquidity risk. Therefore, formulating appropriate policies to manage credit risk reduction can lead to the stability of the country's banking system, which in turn will strengthen the monetary system. Analyzing the relationship between economic factors and risks on banking stability is an important issue that has been addressed in this study. The thresholds of credit risk as a turning point and distinguishing point of the two regimes expressed in the PSTR model, for these equations, have been estimated according to the Akaik and Schwartz tests (3.36 and 3.83), respectively. The results of parameter slope estimation showed that the adjustment speed from one regime to the second regime was equal to 0.194, which indicates their gentle adjustment speed. In the first regime before the threshold, ie the linear part of the PSTR model, the variables of credit risk, payment facilities, inflation and crisis and shocks to countries have a negative and significant effect on the banking system. In contrast, the variables of facility to deposit ratio, liquidity risk, bank size, return on assets, efficiency of banks and GDP have a positive and significant effect on the banking system. In the second regime, the nonlinear part of the PSTR model, the variables of facility to deposit ratio, bank size, inflation, capital to asset ratio, facilities and crises and shocks that have hit a country have a negative and significant effect on the banking system. In contrast, the variables of liquidity risk, credit risk, return on assets, efficiency of banks, gross national product and payment facilities of banks have a positive and significant effect on the banking system. Conclusion: According to the results of this study (first and second scenarios), liquidity risk, in addition to a positive effect on banking stability, intensifies its positive effect on the banking stability of countries. Credit risk also has a significant effect on off-line banking stability, which has been confirmed. In other words, according to the results of the estimated model, the variables of liquidity risk and credit risk in both regimes have the greatest impact on the stability of the banking system of MENA member countries, so that the effect of credit risk in both regimes is greater than liquidity risk. Therefore, formulating strategies to reduce instability in the country's banking system, credit risk management can be an important factor to increase banking stability, which will strengthen the monetary system.
ملخص الجهاز:
yit= µi+BoXit+ B1XitG(qit,y,c)+ uit i=1,2,…,T (1) 1 که در رابطه (١) yitمتغیر وابسته ، Xit برداری از متغیرهای برونزا، μi اثرات ثابت مقاطع uit نیز جملـه اخـلال اسـت کـه (σe٢ ,٠)N در نظر گرفته شده باشد و تابع انتقال (G)qit, y, c نیز بیانگر یک تابع پیوسته و کراندار بین صـفر و یـک اسـت که توسط مقدار متغیر آستانه ای تعیین میشود و به صورت تابع لاجستیکی زیر تصریح می گردد: همچنین برای تابع انتقال : (به تصویر صفحه مراجعه شود) در رابطه (٢) γ پارامتر شیب و بیانگر سرعت تعـدیل از یـک رژیـم بـه رژیـم دیگـر خواهـد بـود و qit متغیـر انتقـال یـا آستان های است که بر اساس مطالعه کولیتاز و هارولین میتواند از بین متغیرهای توضیحی، وقفه متغیر وابسته و یا هر متغیـر دیگر خارج از مدل که از حیث مبانی تئوریکی در ارتباط با مدل مورد مطالعه بوده کشـورها منتخـب و عامـل ایجـاد رابطـه غیرخطی باشد، انتخاب شده باشد.
نتایج برآورد مدل PSTR شرح نماد ضرایب رژیم دوم مدل ضرایب رژیم اول مدل نسبت تسهیلات به سپرده NIM -0/356 0/006 ریسک نقدینگی Liquidity 1/604 0/503 ریسک اعتباری Credit risk 3/402 -1/327 شرح نماد ضرایب رژیم دوم مدل ضرایب رژیم اول مدل اندازه بانک Size -0/462 0/184 بازده داراییها ROA 0/020 0/001 تسهیلات پرداختی ناخالص GL 0/017 -0/069 تورم CAR -0/444 -0/192 نسبت سرمایه به دارایی P -0/001 0/002 تسهیلات پرداختی بانک ها LOAN 0/0001 -0/0117 کارایی بانک ها COR 0/0001 0/002 بازده حقوق صاحبان سهام ROE 0/000 0/000 بحران وشوکهایی که بر یک کشور وارد شده Cris -0/219 -0/0352 تولید ناخالص ملی GDP 0/344 0/056 Ɣ =0/194 C= 32/475 --- منبع : یافته های تحقیق در قبل از حد آستانه ای (یعنی رژیم اول ) یعنی بخش خطی مدل PSTR که در آن مقدار تابع انتقـال صـفر در نظـر گرفتـه شده است .