برآورد ریسک سیستمی در بخش‌های مالی اقتصاد ایران (رهیافت ارزش در معرض ریسک شرطی تفاضلی)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی/ دانشگاه ارومیه

2 دانشکده اقتصاد، دانشگاه ارومیه، ارومیه، ایران

3 دانشکده اقتصاد-دانشگاه ارومیه-ارومیه-ایران

چکیده

چکیده
هدف این مقاله برآورد ریسک سیستمی در اقتصاد ایران است. برای دست‌یابی به این هدف، با به کارگیری روش ارزش در معرض ریسک شرطی تفاضلی ارائه شده توسط آدریان و برونرمیر (2011) و استفاده از داده­های مربوط به بخش­های مالی بانک، بورس و بیمه طی سال­های 1394-1374 ریسک سیستمی برآورد شده است. نتایج تحلیل رگرسیون چارکی (کوانتیل) و آزمون­های پسین بیانگر اختلاف معنا­دار ریسک سیستمی با جمع جبری ریسک هر یک از زیربخش­های مالی بانک، بیمه و بورس است. افزون بر این، نتایج آزمون رتبه­بندی فریدمن نشان می­دهد صنعت بیمه بیشترین و بخش بانکی کمترین سهم را درایجاد ریسک سیستمی دارد.

کلیدواژه‌ها


 

1.‌ مقدمه

 

ریسک سیستمی به احتمال سقوط سیستم مالی در شرایط بحران که ناشی از ارتباطات بین مؤسسات است، اطلاق می­شود که شبیه به یک ردیف دومینو است. در اکثر موارد، سرمایه‌گذاران نگران از دست دادن ارزش یک سهم و یا کالا هستند؛ در حالی که ریسک سیستمی، تمرکز روی کل بازار است. این سقوط اغلب زمانی رخ می‌دهد که یک شرکت کلیدی در کل سیستم شروع به ورشکستگی می‌کند، ترس حاصل شده موج‌وار روی سایر شرکت‌ها اثر منفی می‌گذارد و آنها دچار افت می‌شوند. این واکنش‌های زنجیره‌ای باعث می‌شود، بازار دچار استرس شود و در معرض بحران قرار گیرد.

 

به صورت کلی می­توان معیارهای سنجش ریسک سیستمی را به دو نوع تقسیم‌بندی کرد؛ نوع اول، معیارهایی هستند که ریسک کل سیستم را در حالتی که یک نهاد کلیدی در معرض خطر قرار گرفته است، مورد سنجش قرار می‌دهند و نوع دوم، دربرگیرنده معیارهایی است که ریسک یک نهاد را زمانی که کل سیستم در بحران قرار دارد، محاسبه می‌کنند. ریسک سیستمی تنها ناشی از اندازه و ارتباطات متقابل نیست، بلکه ممکن است در اثر مدیریت ناکافی ریسک، فعالیت‌های گمراه‌کننده حسابداری و پاداش زیاد برای مدیران برای تشویق آنها جهت افزایش رشد و بهره­وری ایجاد شود (رستگار و کریمی، 1395: 2).

 

با مقایسه سرایت ریسک بینش جالبی در مورد ارتباطات موجود بین ریسک سیستمی و استاندارد­هایی که موسسات مالی انتظار تامین آن­ها را دارند، به دست می­آید (اسکار و یین‌یوز[1]، 2014: 8). از آن جا که دولت­ها به دنبال تدوین سیاست­هایی برای کاهش هزینه‌های اقتصادی بحران­های مالی و نیز جلوگیری از سرایت بحران و مقابله با آن هستند، توجه به این موضوع برای دولت­ها مفید خواهد بود. به ویژ،ه در ایران به دلیل بزرگ­ شدن موسسات مالی فعال در بازار، وابستگی و افزایش تعاملات بین آن­ها، پیچیده شدن نهاد­های مالی و خدمات قابل ارائه توسط آن­ها، افزایش تعداد نهاد­های مالی، افزایش نوآوری مالی، پیچیده شدن ابزار‌های معاملات و بزرگ شدن بازار­های مالی در اقتصاد کشور، پایش و نظارت مستمر بر ریسک سیستمی در بازار سرمایه روز به روز اهمیت بیشتری می­یابد (صادقی و شمس قهفرخی، 1393: 2). گفتنی است نتایج حاصل از این تحقیق برای مقامات پولی، مالی و سیاست‌گذاران بیمه در جهت اهداف نظارتی مناسب خواهد بود.

 

مروری بر سابقه پژوهش در داخل کشور (رستگار و کریمی، 1395؛ حسینی و رضوی، 1393؛ فرزین­وش، الهی، گیلانی‌پور و مهدوی کلیشمی، 1396) نشان می­دهد تا کنون در زمینه برآورد ریسک سیستمی در بخش­های مالی ایران با بهره­گیری از روش­ ارزش در معرض ریسک شرطی تفاضلی مطالعه­ای صورت نگرفته و در اغلب این پژوهش­ها به محاسبه ارزش در معرض ریسک شرطی در یک بخش مالی پرداخته شده و از روش­های متعارف اقتصادسنجی برای تخمین ارزش در معرض ریسک شرطی استفاده شده است.

 

مسئله اصلی این مطالعه برآورد ریسک سیستمی در سه بخش بیمه، بانک و بورس در اقتصاد ایران با بهره­گیری از روش ارزش در معرض ریسک شرطی تفاضلی طی سال­های 1395-1374 می­باشد.لذا هدف اصلی این پژوهش برآورد ریسک سیستمی در نظام مالی کل کشور و هر یک از بخش­های بورس، بانک و بیمه و نیز رتبه­بندی وضعیت ریسک سیستمی در بخش­های مالی اقتصاد ایران با بهره­گیری از آزمون فریدمن می­باشد. به بیان دیگر، سئوال اصلی این است که آیا ریسک سیستمی در بخش­های مالی بانک، بیمه و بورس اختلاف معناداری با یکدیگر دارد؟ برای پاسخ به این سئوال و نیل به این هدف، ادامه مقاله به صورت زیر سازماندهی شده است:

 

در بخش دوم به مروری بر ادبیات تحقیق پرداخته شده و در قسمت سوم، روش­ تحقیق ارائه می­شود. بخش چهارم به بیان یافته­ها و نتایج تجربی و بخش پنجم و پایانی به جمع­بندی و ارائه پیشنهادهای سیاستی اختصاص یافته است.

 

 

 

2. مروری بر ادبیات

 

بر اساس گستره فعالیت نهادهای مالی، بازارهای مالی را می­توان به سه گروه عمده بازار پول، بازار سرمایه و بازار تامین اطمینان تقسیم کرد. در این تقسیم‌بندی، نمادهای بازار پول، بانک، بازار سرمایه، بورس و بازار تامین اطمینان، بیمه می­باشند. بانک، بازار سرمایه و بیمه، سه بازار مالی کلاسیک هستند که تجهیز و تخصیص منابع مالی در این بازارها صورت می­گیرد. شکل (1) انواع بازارهای مالی براساس گستره فعالیت نهادهای مالی را نمایش می­دهد.

 

 

 

 

CM

بازار سرمایه

 

 

FM

بازار مالی

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

HM

بازار تامین اطمینان

 

MM

بازار پول

 

 

 

 

بانک

 

بورس

 

بیمه

 

 

 

 

 

 

 

                                                                

 

شکل 1. انواع بازارهای مالی بر حسب گستره فعالیت نهادهای مالی

 

                       منبع: شبانی (1392: 27).

 

معیارهای سنجش ریسک سیستمی‌‌ را می­توان بر اساس سه معیار داده‌های مورد نیاز؛ حوزه نظارتی (بورس، بانک و بیمه) و دوره مطالعه دسته‌بندی کرد. بر‌اساس تعاریف موجود در ادبیات نظری و تجربی، بنویت و پریگنون[2] (2015) پیشنهاد کرده‌اند، در مطالعات تجربی از چند سنجه ریسک سیستمی ‌‌استفاده شود تا ماهیت پیچیده سیستم‌های مالی به خوبی تبیین شود. همچنین این محققان پیشنهاد کرده‌اند، انتخاب سیاست‌های نظارتی باید مبتنی بر سنجه‌ای باشد که عوامل مختلف ریسک سیستمی ‌‌را مورد توجه قرار دهد.

 

از یک طرف، طیف وسیع تعاریف ممکن است نشان‌دهنده جامع بودن شرایط مختلف در ریسک سیستمی ‌‌باشد؛ هرچند این شرایط، سنجش ریسک سیستمی‌‌ را دشوارتر می‌‌کند. به همین‌ دلیل، ممکن است برای درک صحیح پیچیدگی و قابلیت سازگاری سیستم‌های مالی به بیش از یک معیار اندازه­گیری ریسک نیاز باشد. یک مقیاس مجزا، به دلیل سادگی نسبی، ممکن است نتواند یک جنبه پیش‌بینی نشده یا مکانیزم جدید ‌ایجاد شده توسط بازار را منعکس کند. از سوی دیگر، یک چارچوب دقیق برای نظارت و مدیریت ثبات مالی بایستی دیدگاه‌های متنوع و فرایندهای مستمر ارزیابی‌های دوباره ساختار سیستم مالی و به کارگیری مقیاس‌های سیستمی‌‌ را تلفیق کند تا بتواند تغییرات نهایی را منعکس کند. ادبیات ریسک سیستمی ‌‌این اصل را تایید می‌‌کند و در آن می‌‌توان به مدل‌های مختلفی در سنجش ریسک سیستمی ‌‌دست یافت (بنویت و پریگنون، 2015: 87).

 

در سیستم مالی، توجه به تجزیه و تحلیل ریسک سیستمی در بانک‌ها و درک عوامل تعیین‌کننده آن بسیار اساسی است؛ زیرا یک نهاد یا سازمان مانند بانک‌ها ممکن است زمینه‌ساز ریسک سیستمی باشد، به این علت که ارتباط آن با سایر نهادها می‌تواند شوک و استرس را به کل سیستم مالی بلکه به راحتی به اقتصاد واقعی سرایت دهد. واژه سرایت هنگامی استفاده می‌شود که روابط درونی سبب شود شکست و ناکامی در یک نهاد به شکست و ناکامی در بعضی از نهادهای دیگر منتج شود. به بیانی کامل‌تر، یک نهاد می‌تواند سبب ایجاد ریسک سیستمی شود؛ اگر: 1. شکست آن باعث شکست دیگران شود (اثر زنجیره‌ای)؛ 2.اخبار در مورد دارائی‌ها یا بدهی­های آن نهاد، باعث شود، سایر نهادها یا شرکت‌های مشابه تحت تأثیر قرار گیرند؛ 3. اوج کاهش آن متناسب با کاهش قیمت‌ها باشد و عدم وجود آن نهاد، از یک خدمات مهم و ضروری جلوگیری کند(اثر بحرانی).

 

بانک­ها و مؤسسات مالی با سایر نهادها مانند شرکت­های بورس و بیمه به یکدیگر متصل بوده و با یکدیگر تعامل دارند. بخشی از دارایی‌های یک مؤسسه، بدهی‌های موسسه دیگر است و بر عکس. در نتیجه، بحران مالی در یک بانک از طریق سیستم پرداخت به سرعت به مؤسسات دیگر منتقل می‌شود. نکول یک مؤسسه مالی در بازپرداخت بدهی‌های خود، به معنی عدم موفقیت مؤسسات دیگر در استیفای مطالباتشان از مؤسسه مزبور بوده و آنها را دچار مشکل می­کند (فرزین­وش، الهی، گیلانی­پور و مهدوی کلیشمی، 1396: 267).

 

در بین انواع معیارهای سنجش ریسک سیستمی‌،  یا ارزش در معرض ریسک شرطی تفاضلی که برای نخستین‌بار توسط آدریان و برونرمایر (2009)[3]  مطرح و بسط و گسترش یافت؛ بیش از سایر معیارها مورد استفاده قرار گرفته است. افزون بر‌اینکه  ‌این امکان را فراهم می‌‌سازد تا سهم هریک از نهادهای مالی مانند بانک، بورس و بیمه در ریسک سیستمی‌ ‌برآورد شود، ‌این سنجه ریسک به محقق ‌این امکان را می‌‌دهد تا همه مؤسسات را در یک گروه تجمیع‌ کرده و ریسک مشترک را برآورد کند. در واقع   یک فرم حل شده از سنجه ریسک سیستمی ‌‌است که «وابستگی دنباله‌ای بین کل سیستم مالی و یک بخش خاص از سیستم مالی (مانند بانک ها) را فراهم می‌‌سازد (برنال، نابو و گلمین،[4] 2017: 273).

 

در ادامه اهم مطالعات خارجی و داخلی در زمینه برآورد ریسک سیستمی در جدول (1) ارائه می‌شود.

 

 

 

جدول 1. اهم مطالعات داخلی و خارجی درباره برآورد ریسک سیستمی

 

محققان

دوره زمانی مورد مطالعه

روش مورد استفاده

نتایج پژوهش

آدریان و برونرمیر[5] (2011)

2010-1986

ارزش در معرض ریسک شرطی تفاضلی

اندازه، سطح اهرم، عدم تطابق سررسید و نسبت ارزش بازار به ارزش دفتری عوامل مهمی برای سهم‌بندی ریسک سیستمی هستند.

گوتیتر و همکاران[6] (2012)

2010-1995

روش چارچوبی مبتنی بر شبکه و مدل مرتون

با ‌اندازه بانک احتمال نکول بانک، افزایش دارایی­های بین بانکی در ارتباط نیست و از تحلیل ساده توزیع ریسک متفاوت است.

اوسکار و همکاران[7] (2014)

2012

ارزش در معرض ریسک شرطی تفاضلی

بیشتر بودن ریسک سیستمی در بخش بیمه نسبت به بخش بانک و خدمات مالی

لاسن و همکاران[8] (2015)

2013-1995

روش رهیافت پارامتر متغیر در طول زمان

کاهش قیت دارایی­های مالی و نرخ تورم  اثر مثبت و معنا­داری بر افزایش ریسک سیستمی بازارهای مالی دارند.

گیودیسی و پاریسی[9] (2016)

2014-1990

ارزش در معرض ریسک شرطی

ریسک سیستمی در بخش بورس بالاتر از بخش بیمه و بانک می­باشد.

ژانگ و چن[10](2017)

2015

ارزش در معرض ریسک شرطی

ثبات مالی به عوامل و فاکتورهای مختلفی مانند اهرم مالی، متوسط تنوع‌بخشی، متوسط هم‌پوشانی و تابع تأثیر بازار بستگی دارد.

دمیرچی (1389)

1386

ارزش در معرض ریسک شرطی

تفاوت در کارآیی مدل­های برآورد شده به روش پارامتریک و ناپارامتریک برای تخمین ارزش در معرض ریسک

نصرتی (1392)

1390

ارزش در معرض ریسک شرطی

مناسب بودن استفاده از روش ارزش در معرض ریسک شرطی به جای ارزش در معرض ریسک در برآورد ریسک سیستمی

مهرآرا و مهران­فر (1392)

1388-1380

داده­های تابلویی

نسبت‌های نقدینگی، سودآوری و کارایی عملیاتی و هم‌چنین رشد اقتصادی اثر مثبت و میزان ریسک اعتباری و نرخ تورم اثر منفی بر نسبت کفایت سرمایه به عنوان شاخص کارایی مدیریت ریسک بانکی دارند

حسینی و رضوی (1393)

1391

کمبود مورد انتظار سیستمی‌‌

شرکت سرمایه‌گذاری امید ، سرمایه‌گذاری سایپا، آتیه دماوند و بهمن و توسعه ملی و صنعت بیمه، ملت و توسعه اذربایجان، به ترتیب جزء شرکت­هایی هستند که بیشترین کمک را به ریسک سیستمی دارند و سرمایه گذاری غدیر، توسعه معادن و فلزات، صندوق بازنشستگی کشوری، به ترتیب کمترین کمک را به ریسک سیستمی دارند.

آذری قره­لر و رستگار (1395)

1393

ارزش در معرض ریسک شرطی تفاضلی

در20 شرکت موجود در نمونه تحقیق در بازه زمانی مذکور در اکثریت سنجه‌ها، شرکت سرمایه‌گذاری ساختمان ‌ایران، شرکت سرمایه‌گذاری امید، شرکت سرمایه گذاری صندوق بازنشستگی، شرکت معادن روی ‌ایران دارای کمترین و بانک تجارت و شرکت خودروسازی سایپا دارای بیشترین ریسک سیستمی‌‌می‌‌باشند.

فرهنگ و همکاران (1395)

1393-1384

گشتاورهای تعمیم یافته سیستمی

افزایش درآمد غیربهره‌ای موجب افزایش سودآوری و کاهش ریسک در نظام بانکی ایران می‌شود و رابطه شاخص تمرکز و ریسک بانکی، معنادار و مثبت است؛ به طوری که افزایش شاخص تمرکز موجب افزایش ریسک بانک‌ها می‌گردد

فرزین­وش و همکاران (1396)

1395-1389

تغییرات ارزش در معرض ریسک شرطی

بحران یا اختلال در بانک خاورمیانه از بین سایر بانک‌ها بیشترین تأثیر را بر سیستم مالی تحمیل می­کند و بانک سرمایه کمترین تأثیر را دارد. به عبارت دیگر، اگر بحرانی در بانک خاورمیانه اتفاق بیفتد به اندازه 61/15 درصد بر ریسک سیستم مالی اضافه نموده در حالی که بحران در بانک سرمایه فقط به میزان 32/0 درصد بر ریسک سیستم مالی می­افزاید.

 

منبع: گردآوری محقق

 

 

 

جدول (1) نشان می‌دهد در اغلب مطالعات از روش­های پارامتریک و ناپارامتریک برای تخمین ارزش در معرض ریسک استفاده شده و با بهره­گیری از روش ارزش در معرض ریسک شرطی و به تفکیک بخش­های مالی به تخمین و مقایسه ارزش در معرض ریسک شرطی پرداخته نشده است. بنابراین این مطالعه دارای نوآوری در عنوان و روش­ ارزش در معرض ریسک شرطی تفاضلی می­باشد.

 

 

 

3. روش تحقیق

 

در این پژوهش ریسک سیستمی‌‌نظام مالی کشور با استفاده از معیار  ارائه شده توسط آدریان و برونرمایر (2011) برآورد شده است. این معیار بیانگر ارزش در معرض خطر سیستم مالی به این شرط که نهاد در معرض خطر بحران باشد، می‌باشد. در زمینه اندازه‌گیری ریسک سیستمی، دلتا ارزش در معرض ریسک شرطی به معنای تفاضل حداکثر ضرر مورد انتظار سیستم در صورت بحرانی بودن هر شرکت از حداکثر ضرر مورد انتظار سیستم در صورت عادی بودن شرایط شرکت مربوطه می‌باشد و در واقع، مقدار به صورت زیر محاسبه می‌شود:

 

           (1)

 

در رابطه فوق، به معنای ارزش در معرض خطر با دامنه اطمینان برایشرکتiمی‌باشد. همچنین نحوه محاسبهCoVaRبه شرح رابطه زیر می‌باشد:

 

 (2)                                                          

  

 

به این معنا که در دامنه اطمینان یاد شده ضرر سهام این شرکت بیشتر از مقدار نمی‌شود. مقدار بازده سهام شرکتiدر دوره زمانیt  می‌باشد.

 

به طور کلی  CoVaRqsystem│iعبارتست از  VaRqsystemکل نظام به شرطی که رویداد C(Ri) بر بخش مالیiتاثیرگذار باشد (بازده این بخش مالی (Ri) با سطح VaR آن برای کوانتیل ام برابر است):

 

 (3)             

Pr (Rsystem≤CoVaRqsystem│C (Ri)│C(Ri))=q

 

ΔCoVaRqsystem│i نیز عبارت خواهد بود از اختلاف میان CoVaR کل نظام به شرطی که بحران بر بخش مالی خاص i تاثیرگذار باشد (به عبارتی بانک­ها، شرکت­های بیمه یا بورس) و CoVaR همان نظام به شرطی که وضعیت بخش مالی مورد نظر i نرمال باشد:

 

(4)            

ΔCoVaRqsystem│i=CoVaRqsystem│Xi=VaRq i-CoVaRqsystem│Xi=median i

 

مرحله 1. بازده سالانه بازار یکی از سه بخش مالی مورد نظر (تحت عنوان Rti(q)) با استفاده از رگرسیون کوانتیل  ام برآورد می­شود؛ به عنوان مثال، کوانتیل 1 درصد برای نشان دادن وضعیت بحران.

 

(5)

Rti (q)=αqiqiMtti

 

در رابطه فوق، αqi ثابت،  Mtبردار متغیر­های تفاوت بین نرخ سود کوتاه مدت - بلندمدت و تفاوت بین نرخ سود بلندمدت- اوراق مشارکت می­باشد. فرض بر اینست که ضریب خطاЄti مستقل از  Mtاست.

 

مرحله 2.VaR 1 درصد پیش‌بینی شده برای هر بخش مالی، با استفاده از متغیر­های مرحله قبل به دست می­آید:

 

(6)

(q)= +

 

در این معادله، qi و qi از رابطه (5) استخراج شده­اند.

 

مرحله 3. بازده نظام در چارچوب رگرسیون کوانتیل ام (یعنی، 1% وضعیت بحران) بدست می­آید:

 

 (7)   

Rtsystem(q)=αqsystem│iqsystem│iRtiqsystem│iMtsystemtsystem│i

 

در معادله (7)، αqsystem│i ثابت، Rti بازده شاخص بخش مالی و Єtsystem│i ضریب خطا است. Mtsystemهمان بردار متغیرهای شرایط موجود در معادله (5) را نشان می­دهد.

 

مرحله 4. سپس CoVaR مورد انتظار نظام محاسبه می­شود. CoVaR عبارت از VaR نظام به شرط قرار داشتن بانک، بیمه و بورس در شرایط بحرانی است (با رگرسیون­های کوانتیل 1درصد به دست آمده در مراحل قبلی نشان داده می­شود). به همین منظور، VaRti (1%) به دست آمده در معادله (6)، در معادله (8) و کنار همه متغیرهای توضیحی معادله (7) قرار داده می­شود:

 

 (8)

tsystem│i(q)=qsystem│i+qsystem│iti(q)+qsystem│iMtsystem

 

در این معادله،  qsystem│i،qsystem│iو qsystem│iاز معادله (7) به دست آمده‌اند.

 

مرحله 5. Δ با تعیین اختلاف میان CoVaR مورد انتظار در کوانتیل 1 درصد و CoVaR مورد انتظار در کوانتیل 50 درصد محاسبه می­شود. مقدار دوم با اجرای مراحل 1 تا 4 با کوانتیل 50 درصد (یعنی، با استفاده از همان روش  CoVaR (1%)اما با در نظر گرفتن کوانتیل 50 درصد بازده­ها در هر مرحله) به دست می­آید. این CoVaR در کوانتیل 50 درصد یک وضعیت میانه را توصیف می­کند. در نهایت، Δ سهم محدود بخش­های بانک، بیمه یا بورس را از ریسک سیستمی نشان می­دهد:

 

(9)

Δtsystem│i(q)= tsystem│i(q)- tsystem│i(50%)                 

 

در نتایج تجربی، Δ ها منفی هستند؛ زیرا از بدترین بازده 1 درصد سه بخش مالی مورد نظر به دست می­آیند. بخش نظام مالی، با بیشترین مقدار خالص Δ بخشی است که نسبتا بیشترین سهم از ریسک سیستمی را در طول دوره بحران دارد. برای تعمیم این نتایج، مرحله پایانی به استنباط آماری اختصاص می­یابد.

 

مرحله 6. آزمون معناداری و غلبه ΔCoVaR، برای رتبه‌بندی بخش­های مالی بر اساس سهم آنها از ریسک سیستمی اجرا می­گردد. آزمون معناداری آن بخش مالی را که دارای ریسک سیستمی بیشتری است، شناسایی می­کند. ΔCoVaR شرطی بر یک بخش مالی مشخص مورد بررسی قرار می­گیرد تا مشخص شود که آیا از نظر آماری برابر با صفر است (به عبارت دیگر، بخش مالی خاص از نظر سیستمی پر مخاطره نیست) یا نه؟ در این تحقیق، هدف، در نظر گرفتن همه متغیرهای توضیحی CoVaR (یعنی بازده و همچنین متغیرهای وضعیت) می­باشد. از آن جا که ضریب هر متغیر توضیحی طبق کوانتیل مورد نظر متفاوت است، باید دید که آیا توابع توزیع تراکمی CoVaR ها در کوانتیل 1 درصد و در کوانتیل 50 درصد متفاوت از یکدیگر هستند یا نه؟ آزمون معناداری مشخص می­کند که آیا ΔCoVaR ها دارای اثر معناداری هستند یا نه؟

 

فرضیه صفر عبارت است از برابری توابع توزیع تجمعی CoVaR های مرتبط با کوانتیل‌های 1 درصد و 50 درصد:

 

: ΔCoVaRsystem│i(q)=CoVaRsystem│i(q)-CoVaRsystem│i(50%)=0        (10)

 

هدف از آزمون غلبه، بررسی معناداری رتبه‌بندی به دست آمده از ΔCoVaR هاست تا مشخص کند که آیا بخش مالی خاص i نسبت به بخش مالی j ریسک سیستمی بیشتری دارد یا نه؟ در اینجا برای رتبه‌بندی بخش­های مالی آزمون فریدمن اجرا می­گردد. فرضیه صفر به صورت زیر تعریف می­شود:

 

(11)

: │ΔCoVaRsystem│i(q)│˃│ ΔCoVaRsystem│j(q)│

 

 

که نشان می­دهد ΔCoVaR های برآورد شده منفی هستند؛ به بیان ساده‌تر، تفسیر فرضیه صفر بر مقادیر مطلق Δ متکی خواهد بود.

 

با توجه به روش تجزیه و تحلیل، شش متغیر در این تحقیق موردنیاز است. جدول (1) متغیرهای مورد نیاز برای تجزیه و تحلیل و نحوه محاسبه آن­ها را نشان می­دهد:

 

 

 

جدول 1. متغیرهای پژوهش

 

نام متغیر

نحوه محاسبه

بازده سالانه سیستم بانکی ()

جمع دارایی­ها / حساب سرمایه

بازده سالانه صنعت بیمه ()

جمع دارایی­ها / سود خالص

بازده سالانه بورس اوراق بهادار ()

1- (بازده سال قبل / بازده سال جاری)

بازده کل سیستم (RS)

میانگین موزون یا وزنی بازده هر سه بخش مالی بانک، بیمه و بورس براساس دارایی­ها

 

اختلاف بین نرخ سود بلندمدت و کوتاه مدت

 

اختلاف بین نرخ اوراق مشارکت و نرخ سود بلند مدت

 

منبع: یافته‌های پژوهش

 

 

 

گفتنی است که اطلاعات و داده­های اولیه مربوط به دارایی­ها، حساب سرمایه و نرخ سود از گزارش ترازنامه بانک­ها، شرکت­های بیمه و بورس اوراق بهادار تهران طی سال­های 1394-1374 استخراج شده و به دلیل مقدماتی بودن آمار مربوط به سال 1395، دوره زمانی پژوهش به سال 1394 محدود شده است. در جدول (2) آمار توصیفی متغیرهای تحقیق ارائه شده است:

 

 

 

جدول 2. آمار توصیفی داده­های پژوهش

 

بخش­های مالی

متغیرها

میانگین

انحراف معیار

چولگی

سیستم بانکی

جمع دارایی­ها

3909884.615

4688321.213

1.595484209

حساب سرمایه

166737.92

222562.5135

1.579519246

ROAb

0.030956633

0.013674818

0.038868513

صنعت بیمه

جمع دارایی­ها

45704.75

60793.44962

1.673890288

سود خالص

829.5

3202.219913

(1.89871076)

ROAi

0.021656278

0.019523441

0.437422629

بورس

شاخص کل بورس

13049.62

18278.68119

2.817370429

ارزش جاری سهام در پایان دوره

568538.145

907947.8603

2.853164262

ROAs

0.334803994

0.457448173

0.865490278

کل سیستم

RS

0.063421356

0.053764818

1.492846641

نرخ سود

نرخ سود کوتاه مدت

7.45835

0.810853824

0.25434923

نرخ سود بلند مدت

15.437575

1.758173613

(0.605693438)

نرخ اوراق مشارکت

18.38606181

2.17812003

0.418806878

M1

7.979225

1.683245741

0.003740036

M2

2.94848681

1.810260072

0.514188107

 

منبع: یافته‌های پژوهش

 

 

 

بر اساس جدول فوق می­توان بیان کرد که میانگین جمع دارایی­های سیستم بانکی در مقایسه با صنعت بیمه و بورس بیشتر بوده و میانگین نرخ سود کوتاه مدت و بلندمدت به ترتیب 45/7 و 43/15 درصد می­باشد. همچنین داده­های تحقیق دارای چولگی مثبت و به سمت راست می‌باشند.

 

 

 

4. یافته­ها و نتایج تجربی

 

براساس روش تجزیه و تحلیل، برای محاسبه ΔCoVaR ابتدا لازم است VaR محاسبه شده و سپس با توجه به VaR محاسبه شده CoVaRبرآورد شود. در نهایت نیز ΔCoVaR که عبارت است از اختلاف میان CoVaR نظام مالی jزمانی که موسسه مالی مشخص i در بحران باشد و CoVaR همان نظام مالی به شرطی که وضعیت همان موسسه نرمال باشد، برآورد می­گردد. VaR با کوانتیل 1 درصد برای هر بخش مالی، طبق معادله VaR و با استفاده از متغیر­های محاسبه شده، حاصل می­شود:

 

-‌ محاسبه ارزش در معرض ریسک (VaR)

 

ارزش در معرض ریسک عبارت است از بیشترین زیان در افق زمانی مشخص در سطح مشخصی از اطمینان 1-a (جوریون، 2007). معادله آن نیز به شکل زیر است.

 

(12)

ti (q)=qi+qi Mt

 

طبق این معادله برای محاسبه  VaRسه متغیر ،  و Mt مورد نیاز است. برای محاسبه دو متغیر  و  باید با استفاده از رگرسیون کوانتیل qthام زیر، بازده سالانه بازار هر یک از سه بخش مالی مورد نظر (تحت عنوان Rti(q)) برآورد شود که در اینجا ابتدا برای کوانتیل 1 درصد (جهت نشان دادن وضعیت بحران) محاسبه می­شود.

 

(13)

Rti (q)=αqi+YqiMtti

 

 

 

محاسبه این رگرسیون کوانتیل (در کوانتیل یک درصد) برای هر سه بخش مالی مورد نظر نتایج زیر را به دست می­دهد.

 

 

 

جدول 3. رگرسیون بازده سالانه بازار سه بخش مالی بانک، بیمه و بورس

 

کوانتیل 1 درصد

ROAb

ROAi

ROAs

برآورد رگرسیون برای سه بخش مالی

07/0

134/0

153/0

 

007/0-

012/0-

049/0-

 

00098/0

0121/0

023/0

 

 

               منبع: یافته­های تحقیق

 

 

 

نتایج جدول (3) نشان می­دهد با افزایش یک واحدی در بازدهی بانک و ثابت ماندن بازدهی بیمه و بورس، به طور متوسط بازدهی کل سیستم به اندازه 07/0 (ضریب )  واحد افزایش می­یابد. علاوه بر این، با افزایش یک واحدی بازدهی بیمه، به طور متوسط بازدهی کل سیستم به اندازه 13/0 واحد افزایش می­یابد و تفسیر نتایج برای بخش بورس نیز همانند سایر دو بخش می­باشد.

 

از طرف دیگر، با افزایش یک واحدی بازدهی بخش بانک، به طور متوسط ارزش در معرض ریسک کل سیستم به اندازه 007/0 واحد ( ) کاهش می­یابد. برای بخش بیمه با افزایش یک واحدی بازدهی آن ارزش در معرض ریسک کل سیستم به میزان 012/0 کاهش می­یابد. برای بخش بورس نیز با افزایش یک واحدی بازدهی آن، ارزش در معرض ریسک به میزان 049/0 کاهش پیدا می­کند.

 

با افزایش یک واحدی یا یک درصدی سود در بخش بانکی، به اندازه 00098/0 بازدهی کل سیستم افزایش می­یابد (ضریب ). با افزایش یک درصدی نرخ سود بخش بیمه، بازدهی کل سیستم به میزان 0121/0 درصد افزایش پیدا می­کند. برای بخش بورس نیز با افزایش یک درصدی سود، بازدهی کل سیستم به اندازه 023/0 درصد افزایش می­یابد.

 

سپس ارزش در معرض ریسک 1 درصد پیش بینی شده برای هر بخش مالی، با استفاده از متغیر­های محاسبه شده، به دست می­آید:

 

 

 

جدول 4. ارزش در معرض ریسک سه بخش مالی بانک، بیمه و بورس

 

کوانتیل 1 درصد

VaRs

VaRi

VaRb

171/0

0022/0

014/0

 

              منبع: یافته­های تحقیق

 

 

 

نتایج جدول فوق بیان می­کند سهم هر یک از بخش­ها در ارزش در معرض ریسک به ترتیب برای بخش بورس، بیمه و بانک به ترتیب 17/0، 0022/0 و 014/0 می­باشد که نشان می­دهد مقدار ارزش در معرض ریسک برای بخش بورس نسبت به دو بخش بیمه و بانک بیشتر می­باشد.

 

-‌ محاسبه ارزش در معرض ریسک شرطی (CoVaR)

 

نتیجه تخمین ارزش در معرض ریسک شرطی با بهره­گیری از رگرسیون کوانتیل در جدول (5) ارائه شده است:

 

 

 

جدول 5. رگرسیون بازده نظام مالی

 

برآورد ارزش در معرض ریسک

کوانتیل 1 درصد

qsystem│i

009/0-

qsystem│b

154/0

qsystem│i

673/0

qsystem│s

061/0

1system│i

0002/0

2system│i

0038/0

 

                           منبع: یافته­های تحقیق

 

 

 

نتایج جدول (5) بیان می­کند اگر بخش بانک در شرایط بحران قرار داشته باشد، بازدهی کل سیستم به میزان 154/0 واحد تغییر می­کند (qsystem│b). به همین ترتیب اگر بخش بیمه در شرایط بحرانی باشد، بازدهی کل سیستم به میزان 673/0 تغییر پیدا می­کند. برای بخش بورس، اگر این بخش در شرایط بحرانی قرار داشته باشد، بازدهی کل سیستم به میزان061/0 تغییر می‌یابد. اگر نرخ سود در شرایط بحران قرار داشته باشد، بازدهی کل سیستم به میزان 0038/0  (2system│i ) تغییر پیدا می­کند. اگر ارزش در معرض ریسک شرطی در شرایط بحران قرار داشته باشد، بازدهی کل سیستم به میزان 0002/0 تغییر می­یابد.

 

در مرحله بعد CoVaR هر بخش مالی نیز محاسبه می­شود. جدول زیر CoVaR محاسبه شده برای سیستم و هر سه بخش مالی بانک، بیمه و بورس در کوانتیل 1درصد، 50 درصد و تفاضل ریسک سیستمی را نشان می‌دهد.

 

 

 

جدول 6. CoVaR سیستم، بانک، بیمه و بورس (با کوانتیل 1و 5 درصد و ارزش در معرض ریسک شرطی تفاضلی)

 

CoVaR سیستم، بانک، بیمه و بورس

کوانتیل 1 درصد

کوانتیل 50 درصد

مقدار ارزش در معرض ریسک شرطی تفاضلی

tsystem│i

0061/

069/0

088/0

 Banks

0057/0

042/0

025/0

 Insurance

0019/0

023/0

036/0

 Stock Exchange

0069/0

0204/0

027/0

 

           منبع: یافته‌های پژوهش

 

 

 

نتایج جدول فوق نشان می­دهد ارزش در معرض ریسک کل سیستم مالی برابر با 00061/0 و هر یک از بخش­های بانک، بیمه و بورس در کوانتیل یک درصد به ترتیب برابر با 0057/0، 0019/0 و 0069/0 می­باشد. همچنین در کوانتیل 50 درصد، ارزش در معرض ریسک شرطی کل سیستم مالی برابر با 069/0، بانک 042/0، بیمه 023/0 و بورس برابر با 0204/0 می­باشد.  مقایسه ارزش در معرض ریسک شرطی در دو کوانتیل یک و پنجاه درصد مبین این است که ارزش در معرض ریسک شرطی در کوانتیل پنجاه درصد بیشتر از کوانتیل یک درصد است. دلیل افزایش ریسک به دلیل افزایش بازدهی در کوانتیل پنجاه درصد نسبت به یک درصد می­باشد. از سوی دیگر، نتایج تخمین ارزش در معرض ریسک شرطی تفاضلی بیانگر این است که سهم ارزش در معرض ریسک شرطی بیمه برابر با 036/0، بورس 027/0 و بانک 025/0 بوده که ارزش در معرض ریسک شرطی بخش بیمه بیشتر و بانک کمتر می­باشد. دلیل افزایش میزان ارزش در معرض ریسک شرطی بیمه  ناشی از وقوع بحران­ها و افزایش نوسانات در این بخش می­باشد. در ادامه آزمون معناداری اختلاف بین ارزش در معرض ریسک شرطی سه بخش مالی بورس، بانک و بیمه با در نظر گرفتن 5 کوانتیل یعنی 40 درصد، 45 درصد، 50 درصد،  55درصد، 60 درصد به عنوان وضعیت نرمال نشان داده شده است. در این آزمون فرضیه صفر عبارت است از برابری توابع توزیع تجمعی CoVaR‌ های مرتبط با کوانتیل­های 1 درصد و 50 درصد:

 

             : ΔCoVaRsystem│i(q)=CoVaRsystem│i(1%)-CoVaRsystem│i(50%)=0

 

              : ΔCoVaRsystem│i(q)=CoVaRsystem│i(1%)-CoVaRsystem│i(50%)0

 

 


 

 

جدول 7. آزمون اختلاف معنادار بین ارزش در معرض ریسک شرطی تفاضلی

 

وضعیتریسک

 

Stock Exchange

 

Insurance

 

Banks

 System

Normal situation

کوانتیل 1 درصد

024/0-

011/0

018/0-

06/0-

کوانتیل 40 درصد

017/0-

025/0

021/0-

051/0-

کوانتیل 45 درصد

027/0-

025/0

036/0-

075/0-

کوانتیل 50 درصد

029/0-

026/0

037/0-

077/0-

کوانتیل 55 درصد

032/0-

027/0

041/0-

084/0-

کوانتیل 60 درصد

میانگین

026/0-

023/0

031/0-

067/0-

 

انحراف معیار

006/0

007/0

011/0

016/0

 

 

    منبع: یافته­های تحقیق

 

 

 

نتایج جدول (7) اختلاف ارزش در معرض ریسک شرطی را برای هر یک از بخش­های مالی در کوانتیل­های 40 درصد، 45 درصد، 50 درصد، 55 درصد و 60 درصد نشان می­دهد. که در این حالت مقداراختلاف ارزش در معرش ریسک شرطی بخش­های مالی با کل سیستم یکسان نیست. لذا فرضیه صفر مینی بر عدم اختلاف معنا­دار بین ارزش در معرض ریسک شرطی این سه بخش رد شده و فرضیه مقابل پذیرفته می­شود. در ادامه برای اینکه مشخص شود کدام بخش مالی بیشترین و کدام یک کمترین سهم از ریسک سیستمی را دارند، آزمون رتبه‌بندی فریدمن انجام می­گردد. نتایج اجرای آزمون به شرح زیر است.


 

 

جدول 8. آزمون رتبه‌بندی فریدمن بین سه بخش مالی بانک، بیمه و بورس

 

آزمون ناپارامتریک

 

بخش­های مالی

میانگین رتبه­ها و آماره آزمون

بانک

2/1

بیمه

3

بورس

8/1

8/16

مقدار آماره کای-دو

84

تعداد مشاهدات

2

درجه آزادی

000/0

ارزش احتمال

 

                            منبع: یافته­های تحقیق

 

 

 

نتایج جدول آزمون فریدمن بیانگر این است که بخش بیمه با دارابودن میانگین ارزش در معرض ریسک شرطی 3، بیشترین میزان ریسک و بخش بانک با میزان 2/1 کمترین میزان ارزش در معرض ریسک شزطی را دارا می­باشد. آزمون فریدمن برای مقایسه اختلاف بین میانگین رتبه ارزش در معرض ریسک شرطی بین این سه بخش است. در صورتی که فرضیه صفر رد شود، می­توان استنباط نمود که بین میانگین ارزش در معرض ریسک شرطی سه بخش بورس، بانک و بیمه اختلاف معنی­داری برقرار است. چنانچهمقدار آماره آزمونبزرگتر از مقدار بحرانی جدول باشد، فرضیه صفر مبنی بر عدم اختلاف بین گروه­ها رد می­شود. نتایج آزمون فریدمن نشان می­دهد که صنعت بیمه کشور بامیانگین رتبه 3 بیشترین سهم از ریسک سیستمی و سیستم بانکی با میانگین رتبه 2/1 کمترین سهم از ریسک سیستمی را دارد.

 

 

 

5. نتیجه‌گیری و پیشنهادها

 

هدف از انجام این پژوهش برآورد ارزش در معرض ریسک شرطی تفاضلی کل سیستم مالی و نیز سهم هر یک از بخش­های مالی بیمه، بورس و بانک طی سال­های 1394-1374 بوده است. برای این منظور با استفاده از روش ارزش در معرض ریسک شرطی تفاضلی ارائه شده توسط آدریان و برونرمیر (2011)، ابتدا میزان سهم ریسک سیستمی بانک، بیمه و بورس محاسبه شد و سپس میزان تاثیرگذاری سهم هر یک از این بخش‌ها در ریسک سیستمی کل نظام مالی ایران مورد تحلیل قرار گرفت.

 

نتایج حاصل از تخمین مدل به روش رگرسیون چارکی (کوانتیل) نشان داد که سهم ارزش در معرض ریسک شرطی بیمه برابر با 036/0، بورس 027/0 و بانک 025/0 بوده که ارزش در معرض ریسک شرطی بخش بیمه بیشتر و بانک کمتر می­باشد. بنابراین، ریسک سیستمی در نظام مالی کشور با جمع جبری ریسک هر یک از بخش­های فعال در آن (بانک، بیمه و بورس) تفاوت معناداری دارد. بنابراین در نظام مالی ایران همبستگی بالایی بین ریسک­ها و بخش­های مختلف نظام مالی وجود دارد. همچنین براساس ،Δ محاسبه شده برای سه بخش مالی بانک، بیمه و بورس مخالف صفر به دست آمدند. این امر نشان می‌دهد هر کدام از بخش­های مالی در ایران در ریسک سیستمی سهیم هستند و ریسک و مخاطره موجود در هر بخش می‌تواند به کل نظام مالی و سایر بخش­ها سرایت کند.

 

نتایج آزمون معناداری اختلاف بین ارزش در معرض ریسک شرطی تفاضلی نشان داد که سهم هر یک از بخش­های فعال در نظام مالی کل کشور در ریسک سیستمی با هم تفاوت معناداری دارند. این امر با انجام آزمون معناداری بین Δ سه بخش مالی انجام گرفته است. همچنین نتایج آزمون فریدمن برای رتبه‌بندی سه بخش مالی براساس سهمی که هر کدام از این بخش­ها در ریسک سیستمی دارند انجام گرفت؛ براساس نتایج آزمون فریدمن بخش بیمه با دارا بودن میانگین رتبه 3 بیشترین میزان ریسک سیستمی و بانک با داشتن میانگین رتبه 2/1 کمترین رتبه ریسک سیستمی را به خود اختصاص داده است.

 

نتایج حاصل از تفاوت ریسک سیستمی در بخش­های مالی با مبانی نظری و پیشینه تجربی نظیر مطالعات آدریان و برونرمیر (2011)، اسکار و همکاران (2014)، برنال و همکاران (2017) و آذری و رستگاری (1395) همسو و سازگار می­باشد. نتایج مطالعات بیانگر این امر بوده است که اندازه، سطح اهرم، عدم تطابق سررسید و نسبت ارزش بازار به ارزش دفتری عوامل مهمی برای سهم بندی ریسک سیستمی هستند. همچنین نتایج اسکار و همکاران (2014) بیانگر بیشتر بودن ریسک سیستمی در بخش بیمه نسبت به بخش بانک و خدمات مالی می­باشد. بنابراین این مطالعه دارای وجه تشابه با مطالعه اسکار و همکاران بوده و از نظر تبیین ریسک سیستمی در بخش­های مالی بورس، بانک و بیمه دارای وجه افتراق با مطالعات آدریان و برونرمیر و برنال و همکاران می­باشد.

 

بر اساس نتایج حاصل از این مطالعه موارد زیر به سیاست‌گذاران بخش­های بیمه، بورس و بانک پیشنهاد می­شود:

 

-‌ تقویت سیستم­های مدیریت ریسک در بازار به ویژه در شرایط بحرانی ضروری است.

 

-‌ ایجاد نهاد ناظر سیستمی. این نهاد باید قدرت و اختیارات خاصی داشته باشد که بتواند بر تمام بازارهای مالی نظارت کند، به تمام اطلاعات موجود در سایر نهادهای ناظر دسترسی داشته باشد و بتواند در شرایط خاص هشدارهای لازم را بدهد و اقدامات لازم را به اجرا درآورد.

 

-‌ ضرورت اعمال اصلاحات نظارتی و برنامه­ریزی در خصوص شیوه نظارت و برنامه­های تدوین شده برای انحلال موسساتی که ریسک سیستمی را به نظام مالی انتقال می­دهند.

 

-‌ اعمال اصلاحات انگیزشی در مقررات و نظارت به منظور انگیزه بخشیدن به بنگاه­ها برای محدود نمودن اندازه و پیچیدگی فعالیت­ها ضروری است.

 

همچنین به پژوهشگران آتی پیشنهاد می­شود از روش­های غیرخطی برای برآورد ارزش در معرض ریسک شرطی در بخش­های مالی ایران استفاده نمایند. علاوه بر این، پیشنهاد می­شود بررسی ریسک سیستمی بین اجزاء موجود در یک بخش مالی (اعم از بانک، بیمه و بورس)، به عنوان مثال، چگونگی انتقال بحران یک بانک یا شرکت بیمه خاص به بانک­های دیگر یا سایر شرکت­های بیمه را در تحقیقات خود بکار گیرند و نیز بررسی و مطالعه عوامل موثر در ایجاد و تقویت ریسک سیستمی درنظام مالی کشور از دیگر پیشنهاد کاربردی برای پژوهش‌های آتی محسوب می­شود.

 



[1]Oscar, B., Jean-Yves, G.

[2]Benoit & Perignon

[3]Adrian & Brunnermeier

[4]  Bernal, O., Gnabo, J., & Guilmin, G.

[5] Adrian & Brunnermeier

[6] Gauthier et al

3  Oscar et al

4  Lasen et al

5 Giudici & Parisi

[10] Zhang and Chen

 

 

منابع

-        آدمی، ‌‌محسن (1391). بررسی پیش‌بینی‌پذیری ریسک شاخص­های بورس اوراق بهادار تهران با استفاده از مفهوم ریزش مورد انتظار، پایان نامه کارشناسی ارشد، دانشگاه علوم اقتصادی، تهران.

-        آذری قره لر، آذر، رستگار محمدعلی (1395). مقایسه سنجه‌های ریسک سیستمی‌‌ در شرکت‌های بورس اوراق بهادار تهران. مجموعه مقالات چهارمین همایش ریاضیات و علوم انسانی(ریاضیات مالی)، دانشگاه علامه طباطبائی.

-        جعفرزادگان، امیر، حبیبی، احسان­اله (1391). اقتصاد مقاومتی: مفهوم، ضرورت، واقعیت. همایش ملی بررسی و تبیین اقتصاد مقاومتی. دانشگاه گیلان.

-        حسینی، سید علی، رضوی، سیده سمیه (1393). نقش سرمایه در ریسک سیستمی‌‌موسسات مالی. پژوهش‌های تجربی حسابداری، 4 (13): 147-27 .

-        دمیرچی، فاطمه (1389). بهینه سازی سبد سرمایه‌گذاری با استفاده از معیار ارزش در معرض ریسک مشروط در بازار بورس اوراق بهادار تهران و مقایسه آن با پرتفوی بازار، پایان‌نامه کارشناسی ارشد، دانشگاه علوم اقتصادی، تهران.

-        رستگار، محمدعلی، کریمی، نسرین (1395). ریسک سیستمی در بخش بانکی، فصلنامه مدل­سازی ریسک و مهندسی مالی، 1 (1): 19-1.

-        شبانی، محمد (1392). بازارها و نهادهای مالی. تهران: انتشارات سمت.

-        صادقی، حجت­اله، شمس­قهفرخی، مرضیه (1393). محاسبه ارزش در معرض ریسک بر اساس تقریب کورنیش- فیشر از توزیع نرمال (مطالعه‌ای در نهادهای مالی بازار بورس اوراق بهادار تهران)، فصلنامه مدیریت دارایی و تأمین مالی، 2 (1): 20-1.

-        فرزشن­وش، اسداله، الهی، ناصر، گیلانی­پور، جواد مهدوی کلیشمی، غدیر (1396). ارزیابی ریسک سیستمی در شبکه بانکی ایران توسط معیار تغییرات ارزش در معرض خطر شرطی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 8 (33): 281-265.

-        فرهنگ، امیرعلی، اثنی­عشری، ابوالقاسم، ابوالحسنی، اصغر، رنجبر فلاح، محمدرضا، بیابانی، جهانگیر (1395). درآمد غیربهره­ای ریسک و سودآوری در صنعت بانکداری، فصلنامه مدلسازی اقتصادی، 10(35): 70-47.

-        مهرآرا، محسن، مهران­فر، مهدی (1392). عملکرد بانکی و عوامل کلان اقتصادی در مدیریت ریسک، فصلنامه مدلسازی اقتصادی، 7(21): 37-21.

-        نصرتی، هاشم (1392). مقایسه توزیع­های پایدار و کلاسیک در تخمین ذخیره سرمایه ریسک عملیاتی، پایان‌نامه کارشناسی ارشد، دانشگاه علوم اقتصادی، تهران

-         Acharya, V., Pederson, L., Philippon, T., & Richardson, M. (2010). Measuring systemic risk. Working Paper 10-02, Federal Reserve Bank of Cleveland.

-         Adams, Z., Füss, R., & Gropp, R. (2011). Modeling spillover effects among financial institutions: A State-Dependent Sensitivity Value-at-Risk Approach. Working Paper EBS.

-         Adrian, T., & Brunnermeier, M. (2009). CoVaR. Paper presented at the CEPR/ESI 13th Annual Conference on ‘Financial Supervision in an Uncertain World’ in Venice. Staff Report 348, Federal Reserve Bank of New York.

-         Adrian, T., & Brunnermeier, M. (2011). CoVaR. Working Paper. Princeton University.

-         Aikman, D., Alessandri, P., Eklund, B., Gai, P., Martin, E., Mora, N., & et al. (2009). Funding liquidity risk in a quantitative model of systemic stability. Bank of England Working paper.

-         Benoit, S., Hurlin, C., & Perignon, C. (2015). Implied risk exposures. Review of Finance, 19(6): 2183–2222.

-         Bernal, O., Gnabo, J., & Guilmin, G. (2017). Assessing the contribution of banks, insurance and other financial services to systemic risk. Journal of Banking and Finance, 47(10): 270–287.

-         Billio, M., Getmansky, M., Lo, A., & Pelizzon, L. (2012). Econometric measures of systemic risk in the finance and insurance sectors. NBER Working Paper 16223, NBER.

-         Boyson, N., Stahel, C., & Stulz, R. (2010). Hedge fund contagion and liquidity shocks. Journal of Finance 65: 1789 - 1816.

-         Cerutti, E., Claessens, S., & McGuire, P. (2011). Systemic risks in global banking. What available data can tell us and what more data are needed? IMF Working Paper 11/222.

-         De Jonghe,O., (2010). Back to the basics in banking? A micro-analysis of banking system stability, Journal of Financial Intermediaries, 19 (3): 387–417.

-         Elsinge, H., Lehar, A., & Summer, M. (2006). Risk assessment for banking systems. Management Science, 47: 249 - 236.

-         European Central Bank (ECB). (2010). Financial networks and financial stability. Financial Stability Review, 160 - 155.

-         Elsinge, H., Lehar, A., & Summer, M. (2006). Risk assessment for banking systems. Management Science, 47: 249 - 236.

-         Gauthiter, C., Lehar, A., & Souissi, M. (2012). Macroprudential capital requirements and systemic risk. Journal Financial Intermediation, 21: 618 - 594.

-         Girardi, G., & Ergün, T. (2013). Systemic risk measurement: Multivriate GARCH estimation of CoVaR. Journal of Banking and Finance, 37: 3169 - 3180.

-         Gauthiter, C., Lehar, A., & Souissi, M. (2012). Macroprudential capital requirements and systemic risk. Journal Financial Intermediation, 21: 618 - 594.

-         Moreno, M., & Peňa, J. (2012). Systemic risk measures: the simpler the better? Journal of Banking and Finance 37: 1817 – 1831.

-         Oscar, B., Jean-Yves, G., & Gregory, G. (2014). Assessing the contribution of banks, insurance and other financial services to systemic risk. Journal of Banking & finance, 39 - 1.

-         Roengpitya, R., & Rungcharoenkitkul, P. (2011). Measuring systemic risk and financial linkages in the Thai banking system. Discussion Paper 02/2010. Bank of Thailand.