مهسا گرجی

ورشکستگی بانک ها پدیده ای است که اخیراً بانک مرکزی، بانک ها و مؤسسات مالی و اعتباری به آن توجه کرده اند. از آنجایی که نشانه های بالقوۀ ورشکستگی قبل از وقوع ورشکستگی نمایان می شود؛ شناسایی متغیرهای هشدار و پیش بینی به موقع و صحیح این بحران، فرصتی را در اختیار مدیران و اعتباردهندگان برای انجام فعالیت های بازدارنده قرار می دهد. در این مقاله تلاش می شود با استفاده از صورت های مالی بانک های کشور در دورۀ زمانی 1385-1393 و به کارگیری شاخص ثبات بانکی به عنوان شاخص ورشکستگی، بانک های ورشکسته شناسایی شوند. برای شناسایی بانک های ورشکسته، تابع کرنل این شاخص، ترسیم و نقطۀ استرس آن محاسبه شد، به گونه ای که بانک هایی که کمتر از نقطۀ استرس قرار دارند، ورشکسته و در  غیر این صورت سالم در نظر گرفته شدند. برای برآورد الگو، ابتدا با به کارگیری روش تجزیه تشخیص، عواملی که بانک های سالم و در معرض خطر را می توانند بشناسند، شناسایی و سپس با به کارگیری الگوی لاجیت، الگوی مناسب برای پیش بینی ورشکستگی بانک ها طراحی شد. برای بررسی صحت تفکیک دو نمونۀ سالم و ورشکسته با استفاده از آزمون F و لامبدای ویلکس، میانگین متغیرهای مستقل دو نمونه بررسی و سپس برای بررسی تفاوت اهمیت متغیرهای مستقل الگو از آزمون بزرگی همبستگی درون گروهی بین متغیرها استفاده شد. نتایج نشان دهندۀ دقت 87 درصدی الگوی تجزیه تشخیص و 2/98 درصدی الگو لاجیت در انطباق با شرایط محیطی شبکۀ بانکی کشور است.

با توجه به تاکید کمیته بال بر لزوم استفاده از مدل های داخلی ارزش در معرض خطر (VaR) ده روزه، به-منظور مشخص کردن حداقل سرمایه پشتیبان ریسک بازار و کاستی های قاعده جذر زمان، در این پژوهش هدف ارائه برآوردهای دقیق تر از VaR چند دوره ای با استفاده از شانزده روش، برای شاخص کل بورس اوراق بهادار تهران (TEPIX)، NASDAQ و FTSE می باشد. نتایج بر اساس مجموع معیارهای تابع زیان و کارایی نشان می دهد، مدل شبیه سازی تاریخی بوت استرپ شده (BHS) از بهترین عملکرد برای شاخص TEPIX برخوردار است. همچنین، در سطح اطمینان 95 درصد مدل پارامتریک EGARCH با توزیع تی-استیودنت و در سطوح اطمینان 99 و 99.5 درصد مدل EGARCH با توزیع نرمال از عملکرد مطلوب تری نسبت به سایر مدل ها در برآورد VaR پنج روزه برای شاخص های NASDAQ و FTSE برخوردار می باشند. به علاوه، یافته های ما نشان دهنده آن است که بهترین مدل از لحاظ آزمون پوشش شرطی لزوماً اقتصادی ترین مدل در برآورد VaR پنج-روزه نمی باشد.

مطالعه حاضر به بررسی اثر درنظرگرفتن چولگی و کشیدگی متغیر با زمان بر برآورد ارزش در معرض خطر (VaR) برای موقعیت های خرید و فروش با استفاده از مدل HYAPARCH و شاخص کل بورس اوراق بهادار تهران (TEPIX) می پردازد. نتایج نشان می دهد به کارگیری مدل ها با توزیع های شرطی با چولگی و درجه آزادی متغیر یا ثابت در مقایسه با توزیع نرمال توانسته است عدم تقارنِ داده ها را به گونه ای مناسب در نظر بگیرد. با وجود این، برآوردهای VaR این مدل ها محافظه کارانه و برای سرمایه گذارانِ ریسک گریز مناسب است.

توسعه روز افزون بازارهای مالی اهمیت برآورد معیار شناخته شده اندازه گیری ریسک بازار، ارزش در معرض خطر (VaR) را بیش از گذشته آشکار ساخته است. استفاده از مدل GARCH نرمال یکی از روش های پایه در زمینه برآورد VaR می باشد. با این وجود، توزیع بازده دارایی های مالی از دنباله پهنتری نسبت به توزیع نرمال برخوردار است. بنابراین، در مقاله حاضر یک فرآیند تصحیح تورش بر اساس روش باز نمونه گیری بوت استرپ به منظور برطرف نمودن کاستی های مدل GARCH نرمال در ارتباط با برآورد مناسب VaR اجرا شده است. نتایج نشان می دهد فرآیند تصحیح تورش توانایی برآورد VaR مدل GARCH نرمال را در برآورد VaR برای شاخص کل بورس اوراق بهادار تهران (TEPIX)، حداقل در سطوح احتمال نهایی بهبود داده است، و همچنین منجر به بهبود نتایج مدل t -GARCH شده است. مدل شبیه سازی تاریخی (HS) و شبیه سازی تاریخی فیلتر شده (FHS) نیز به منظور مقایسه نتایج حاصل از به کارگیری فرآیند تصحیح، مورد بررسی قرار گرفته است.