محاسبه و مقایسه ریسک سیستمیک با استفاده از معیارهای ∆COVaR‌‌_DCC و MES و تحلیل تغییرات آن در چارچوب مدل مارکوف سوئیچینگ در شبکه بانکی کشور (1398-1388)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، علوم اقتصادی، دانشگاه تهران

2 دانشیار دانشگاه تهران، علوم اقتصادی، دانشگاه تهران

چکیده

برای توصیف وابستگی متقابل ریسک بین 5 بانک منتخب شامل اقتصاد نوین، پارسیان، ملت، صادرات و تجارت و کل شبکه بانکی، از ارزش در معرض خطر شرطی و ریزش انتظاری نهایی به‌همراه مدل مارکوف سوئیچینگ برای دوره زمانی 27/03/1388 تا 17/02/ 1398 استفاده شده است. نحوه تغییرات ارزش در معرض خطر شرطی در گذر زمان برای کل سیستم مشروط به بروز ریسک در هر یک از بانک­ها ترسیم شده است. همچنین  و ریزش انتظاری نهایی برای کل سیستم مشروط به وجود بحران در هر یک از بانک­ها محاسبه شده است. بر مبنای معیار  به‌ترتیب بانک­های ملت، پارسیان، صادرات، تجارت و اقتصاد نوین بیشترین اثر را بر شاخص کل گروه بانک دارند. دینامیک تغییرات زمانی ریسک محاسبه شده بر اساس معیارهای  و ریزش انتظاری نهایی تقریباً مشابه با هم بوده یا با تاخیر زمانی بسیار کوتاه این تغییرات توسط سنجه دیگر نیز تأیید شده است. مقدار ریسک محاسبه شده طبق معیار ریزش انتظاری نهایی به مراتب بیش از مقدار ریسک محاسبه شده بر اساس سنجه  می­باشد. نحوه تغییرات  در گذر زمان و در هر یک از رژیم­های رکود و رونق مورد بررسی قرار گرفته است.
طبقه­ بندی JEL : G32, C34, C58

کلیدواژه‌ها


عنوان مقاله [English]

Calculation and comparison of systemic risk using ∆COVaR‌‌_DCC and MES criteria and analysis of its changes in the framework of Markov switching model in the Iran's banking system (2009-2019

نویسندگان [English]

  • seyed ali naseri 1
  • Farkhondeh Jabalameli 2
  • Sajad Barkhordary Dorbash 2
1 Ph.D. Student, University of Tehran, Faculty of Economics
2 Associate Professor, University of Tehran, Faculty of Economics
چکیده [English]

To describe the interdependence of risk between 5 selected banks including EN, Parsian, Mellat, Saderat and Tejarat and the whole banking system, the conditional value at risk (CoVaR) and the Marginal Expected Shortfall (MES) along with the Markov switching model have been used  for time period June 17, 2009 to May 7, 2019.
How CoVaR changes over time for the whole system subject to risk in each bank is plotted and examined. Also ∆COVaR­(DCC) and MES are calculated for the whole system subject to crisis in each of the banks. According to the average ∆COVaR­(DCC) criterion, Mellat, Parsian, Saderat, Tejarat and EN banks have the greatest effect on the whole banking system, respectively. The dynamics of changes in risk calculated according to ∆COVaR­(DCC) and MES criteria are almost similar or confirmed by another measure with a very short time delay. The amount of risk calculated according to the MES criterion is much higher than the amount of risk calculated according to the  measure.
Also, how  changes over time and in each of the recession and boom regimes has been studied.
JEL Classification: G32, C34, C58

کلیدواژه‌ها [English]

  •  Keywords: Markov switching
  • tail risk interdependence
  • systemic risk measures
  • conditional value at risk (CoVaR)
  • Marginal Expected Shortfall (MES)
ابریشمی، حمید، مهرآرا، محسن و رحمانی، محمد (1398). اندازه­گیری و تحلیل ریسک سیستمی در بخش بانکداری ایران و بررسی عوامل مؤثر بر آن، فصلنامه مدل‌سازی اقتصادسنجی، 3: 36-11.
دانش جعفری، داود، بت­شکن، محمد هاشم و پاشازاده، حمید (1395). رتبه­بندی بانک­ها از نظر مقاومت در برابر ریسک سیستمیک در راستای نظام مالی مقاومتی (روش رگرسیون کوانتایل و همبستگی شرطی پویا)، فصلنامه مطالعات راهبردی بسیج، 72: 99-79.
دانش جعفری، داود، محمدی، تیمور، بت­شکن، محمد هاشم و پاشازاده، حمید (1396). بررسی ریسک سیستمیک بانک­های منتخب نظام بانکی در ایران با استفاده از روش همبستگی شرطی پویا (DCC)، فصلنامه پژوهش­های پولی و بانکی، 33: 479-457.
ذوالفقاری، مهدی و سحابی، بهرام (1395). بررسی تأثیر نوسانات نرخ ارز بر ریسک بازدهی سهام صنایع خوردو، معدن و سیمان بر پایه انتقالات رژیمی، مجله مهندسی مالی و مدیریت اوراق بهادار، 29: 106-85.
رستگار، محمد علی و کریمی، نسرین (1395). ریسک سیستمی در بخش بانکی، مدلسازی ریسک و مهندسی مالی، 1(1): 19-1.
عیوضلو، رضا و رامشگ، مهدی (1398). اندازه­گیری ریسک سیستمیک با استفاده از کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی و رتبه­بندی بانک­ها، فصلنامه علمی مدیریت دارایی و تأمین مالی، 4: 16-1.
فعالجو، حمیدرضا و صادقپور، عسل (1394). بررسی تأثیر شاخص ریسک کشوری بر بازده بورس اوراق بهادار تهران، راهبرد مدیریت مالی، 10: 78-49.
محمدی اقدم، سعید، قوام، محمد حسین و فلاح شمس، میرفیض (1396). سنجش ریسک سیستمی ناشی از شوک ارزی در بازارهای مالی ایران، تحقیقات مالی، 19(3): 504-475.
موسوی، محمد مهدی، نادری، شهیره و حسنلو، خدیجه (1396). تعیین ترکیب بهینه دارایی­ها: رویکرد ترکیبی مدل بلک-لیترمن و تغییرات رژیم­ها، مدل­سازی ریسک و مهندسی مالی، 2(3): 397-380.
مهدوی کلیشمی، غدیر، الهی، ناصر، فرزین­وش، اسداله و گیلانی­پور، جواد (1396). ارزیابی ریسک سیستمی در شبکه بانکی ایران توسط معیار تغییرات ارزش در معرض خطر شرطی، مهندسی مالی و مدیریت اوراق بهادار، 33: 281-265.
Acharya, V.V., & Richardson, M. (2009). Restoring financial stability:how to repair a failed system. John Wiley & Sons, New York.
Acharya, V.V., E., Philippon, T.,& Richardson, M., (2010).Measuring systemic Risk. New York University Working Paper.
Acharya, V.V., Engle, R.F., & Richardson, M. (2012). Capital shortfall: a new approach to ranking and regulating systemic risks. American Economic Review, 102: 59–64.
Adams, Z., Fuss, R., & Gropp, R. (2011). Spillover effects among financial institutions:a state-dependent sensitivity Value-at-Risk (SDSVaR) Approach. Working Paper.
Adrian, T., & Brunnermeier, M. K. (2009). CoV aR, Staff Reports 348, Federal Reserve Bank of New York.
Adrian, T., & Brunnermeier, M.K. (2011). CoVaR, Working Paper,Federal Reserve Bank of New York.
Amisano, G., & Geweke, J. (2004). Hierarchical Markov Normal Mixture models with applications to financial asset returns, Journal of Applied Econometrics, 26: 1–29.
Ang, A., & Bekaert, G. (2002a). International Asset Allocation with Regime Shifts, Review of Financial Studies, 15:1137-1187.
Ang, A., & Bekaert, G. (2004). How Regimes Affect Asset Allocation, Financial Analysts Journal, 60: 86–99.
Ang, A., & Chen, J. (2002). Asymmetric correlations of equity portfolios, Journal of Financial Economics, 63: 443-494.
BenSaïda, Ahmed, Litimi, Houda, & Abdallah, Oussama, (2018). Switching regime risk spillover in global financial markets, Working paper.
Billio, M., Getmansky, M., Lo, A.W., & Pellizon, L. (2012). Econometric measures of connectedness and systemic risk in the finance and insurance sectors. Journal of Financial Economics, 104: 535–559.
Bisias, D., Flood, M., Lo, A. W., & Valavanis, S. (2012). A survey of systemic risk analytics. The Annual Review of Financial Economics 4: 255-96.
Bollerslev, T. (1990). Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH Model, Review of Economics and Statistics, 31: 307-327.
Brownlees, C.T., & Engle, R. (2012). Volatility, correlation and tails for systemic risk measurement. Working paper.
Brunnermeier, M., & Oehmke, M. (2012). Bubbles, Financial Crises and Systemic Risk, Handbook of the Economics of Finance. Elsevier, Amsterdam (Print).
Bulla, J. (2010). Hidden Markov models with t components. Increased persistence and other aspects, Quantitative Finance, 11: 459-475.
Cao, Z. (2013). Multi–CoVaR and Shapley value: a systemic risk measure, Banque de France Working paper.
Dempster, A.P., Laird, N.M., & Rubin, D.B. (1977). Maximum likelihood from incomplete data using the EM algorithm (with discussion), Journal of the Royal Statistical Society, (series B), 39: 1–39.
Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models, Journal of Business and Economic Statistics, 20: 339.350.
Gallo, G. M., & Otranto, E. (2008). Volatility spillovers, interdependence and comovements: A Markov switching approach. Computational Statistics & Data Analysis, 52: 3011–3026.
Geweke, J., & Amisano, G. (2010). Comparing and evaluating Bayesian predictive distributions of asset returns, International Journal of Forecasting, 26, 216–230.
Girardi, G., & Ergün, AT. (2013). Systemic risk measurement: Multivariate GARCH estimation of CoVaR, Social Science Electronic Publishing, 37: 3169-3180.
Huang, X., Zhou, H., & Zhu, H. (2012). Systemic risk contributions, Journal of Financial Services Research, 42: 55–83.
Longin, F., & Solnik, B. (2001). Extreme correlation of international equity markets, Journal of Finance, 56: 649-76.
Lopez-Espinosa, G., Moreno, A., Rubia, A., & Valderrama, L. (2012). Short-term wholesale funding and systemic risk: A global CoVaR approach. Journal of Banking & Finance, 36: 3150-3162.
Okimoto, Tatsuyoshi, (2008). New Evidence of Asymmetric Dependence Structures in International Equity Markets, The Journal of Financial and Quantitative Analysis, 43: 787-815.
Pelletier, D. (2006). Regime-switching for dynamic correlation, Journal of Econometrics, 131: 445-473.
Qu, Z. (2008). Testing for structural change in regression quantiles. J. Econom. 146: 170–184.
Ramchand, L., & Susmel, R. (1998). Volatility and cross correlation across major stock markets, Journal of Empirical Finance, 17: 581-610.
Tarashev, N., Borio, C., & Tsatsaronis, K. (2010). Attributing systemic risk to individual institutions: methodology and policy applications, BIS working parper, 308.
Zheng, Tingguo & Zuo, Haomiao (2013). Reexamining the time-varying volatility spillover effects: A Markov switching causality approach,  HYPERLINK "https://ideas.repec.org/s/eee/ecofin.html" The North American Journal of Economics and Finance, Elsevier, 26: 643-662.