چکیده:
بحرانهای بانکی متناوباً در حال وقوع میباشند. این موضوع نشانگر این است که مدلهای هشدار پیش از وقوع فعلی، در شناسائی قبل از وقوع این بحرانها موفق نبودهاند. بررسی مدلهای موجود نشان میدهد دلیل شکست این مدلها عمدتاً ناشی از شناسایی متغیرهای توضیحی و طراحی تجربی مدل میباشد، که در این پژوهش سعی گردیده بهبود یابند. این پژوهش برای تعدیل مشکل نااطمینانی مدل با متوسطگیری از تمامی مدلها (میانگینگیری بیزی)، به تعیین عوامل مؤثر بر بحرانهای بانکی در ایران پرداخته است. روش تحقیق حاضر کاربردی است. بازه زمانی تحقیق 1370 تا 1398 است. 49 متغیر به عنوان عوامل موثر بر بحران بانکی وارد مدل گردیدند. جامعه تحقیق حاضر، اقتصاد ایران در حوزه بانکی است. نتایج بیانگر این است که از میان مدلهای BMA، TVP-DMA و TVP-DMS، BVAR و OLS، مدل TVP-DMA به عنوان کاراترین مدل تعیین گردید. بر اساس مدل TVP-DMA، 10 متغیر شکننده موثر بر بحران بانکی شناسایی شدند. در این پژوهش متغیرهای حجم اموال تملیکی؛ نسبت مطالبات سررسید شده و معوق به کل تسهیلات؛ کسری بودجه؛ نسبت خوداتکائی؛ Spread؛ انحراف نرخ ارز غیر رسمی از رسمی؛ دیرش داراییها و بدهیها؛ دیرش نرخ بهره؛ شاخص نسبت کفایت سرمایه و نااطمینانی تورم مهمترین متغیرهای موثر بر بحران بانکی شناسایی شدند. بر اساس نتایج تمامی متغیرهای فوق تأثیر مثبتی بر بحران بانکی دارند و در صورت تداوم این فرآیند افزایش احتمال وقوع بحران بانکی در سالهای آتی را فراهم خواهد نمود. بر اساس نتایج، دیرش نرخ بهره، موثرترین شاخص بر بحران بانکی شناسایی گردید. با توجه به خروجی نتایج، میتوان بیان داشت شاخص بحران بانکی در اقتصاد ایران معضلی با ابعاد گسترده است؛ چرا که متغیرهای مرتبط با سیاستگذارهای بخش پولی و مالی بر این شاخص اثرگذارند.
Banking crises are occurring intermittently, indicating that predictive warning models are currently unsuccessful in identifying these crises before they occur. Examining the existing models shows that the reason for the failure of these models is mainly due to the identification of explanatory variables and the experimental design of the model, which were tried to be improved in this research. In order to adjust the model uncertainty problem, this research has determined the effective factors on banking crises in Iran by averaging all the models (Bayesian averaging). The results show that among the BMA, TVP-DMA and TVP-DMS, BVAR and OLS models, the TVP-DMA model was determined as the most efficient model. Based on the model, 10 fragile variables affecting the banking crisis were identified. Based on the results, all the variables have a positive effect on the banking crisis, and this shows the unfavorable banking situation, and the banking crisis index in Iran's economy is a problem with wide dimensions; Because variables related to monetary and financial policies affect this index
خلاصه ماشینی:
در مطالعات تجربي و نظري، طيف وسيعي از متغيرها به عنوان عوامل تعيين کننده بحران هاي مالي در بانک ها معرفي شده اند؛ اما روش هاي متعارف اقتصادسنجي براي ارزيابي اثر تمامي اين متغيرها بر بحران مالي مفيد نيستند؛ زيرا در روش هاي متعارف اقتصادسنجي نميتوان طيف زيادي از متغيرهاي توضيحي را به دليل کاهش درجه آزادي و نااطميناني ضرايب وارد الگو کرد؛ بنابراين محققان به فراخور نوع مطالعه و سليقه خود، ترکيب محدودي از متغيرها را در الگوهاي اقتصادسنجي وارد ميکنند؛ اما مشکل رويکرد مزبور آن است که اثر يک متغير بر بحران مالي بانک ها، بستگي به ترکيب ساير متغيرهايي دارد که در کنار متغير موردنظر در معادله بحران مالي وارد ميشوند.
بر طبق اين ديدگاه عدم توانايي پرداخت ديون و مشکلات نقد شوندگي از عوامل مهم بروز بحران هاي بانکي هستند؛ همچنين برخي 1 Laeven & Valencia 2 Demirgüç-Kunt & Detragiache ديگر تفکرات ، علل بحران بانکي را در عدم تقارن اطلاعات جستجو ميکنند.
از 1 Hardy & Pazarbaşioğlu 2 Gavin & Hausmann 3 Goldstein اين ور اين متغير اثر معناداري بر شدت بحران بانکي دارد؛ همچنين کاهش اين نسبت به معني افزايش قدرت پول داخلي است .
(2021) عسگريان و همکاران ١ (١٣٩٩)؛ در پژوهشي با استفاده از مدل لاجيت دوگانه و چندگانه به برآورد احتمال وقوع بحران بانکي سيستماتيک در ٣٧ کشور منتخب در حال توسعه براي بازه زماني ١٩٩٤-٢٠١٨ پرداختند حاصل از برآوردها حاکي از آن بود که در مدل لاجيت چندگانه نسبت به لاجيت دوگانه ، درصد دوره هاي بحراني پيش بيني شده صحيح بيش تر است و مدل لاجيت چندگانه مناسبت تر ميباشد.