حالت فضا

بررسی تاثیر سیاست های پولی و ارزی بر ریسک نکول بانک ها با استفاده از روش های کوانتایل و حالت فضا پرداخته شده است و در این راستا یک نمونه متشکل از 15 بانک ایرانی از سال 1386 تا 1400 مورد مطالعه قرار گرفت. نتایج حاکی از آن است که سیاست پولی و سیاست ارزی با ریسک نکول رابطه مثبت و معنادار دارد. نکته مهم اینکه نتایج روش حالت فضا از نظر کیفی، نتایج روش کوانتایل را مورد تایید قرار می دهد. افزون بر این در دوره تحریم اول طی سال های 1391 تا 1394، تاثیر سیاست پولی بر ریسک نکول افزایش یافته اما پس از آن و با انعقاد قرارداد برجام، مقدار ضریب سیاست پولی کاهش یافته است. از سال 1397 و با شروع دوره دوم تحریم ها، مجددا تاثیر سیاست پولی بشدت افزایش یافته و تا سال 1400 به بیشترین میزان خود رسیده است، یعنی با توجه به اتخاذ سیاست پولی انبساطی، ریسک نکول بانک ها افزایش یافته که میزان آن تقریبا دو برابر سال های قبل از تحریم است. طبقه بندی JEL: E4, E5, E6

سیاست های به کار گرفته شده توسط دولت ها در اقتصادهای نوظهور و درحال توسعه در دوران گذار مالی همواره با این پرسش مواجه بوده است که سیاست های پولی و ارزی مداخله جویانه بانک مرکزی چه تأثیری بر ریسک-پذیری بانک ها داشته است. در این پژوهش به بررسی تأثیر سیاست های پولی و ارزی بر ریسک پذیری بانک-های تجاری پرداخته و در این مسیر یک نمونه متشکل از 15 بانک بورسی از سال 1386 تا 1400 با استفاده از روش رگرسیون کوانتایل و روش حالت فضا مورد بررسی قرار گرفته است. نتایج برآورد نشان داد که سیاست های پولی و ارزی با ریسک نقدینگی رابطه مثبت دارند. افزون بر این، یافته ها نشان داد با آغاز تحریم ها ریسک نقدینگی بانک ها افزایش یافته است و تأثیر سیاست های پولی و ارزی بر بانک های بزرگ تر افزایش یافته است؛ بنابراین بانک های کوچک در مقایسه با بانک های بزرگ از احتمال ورشکستگی کمتری برخوردارند.  

عوامل موثر بر تقاضای گاز طبیعی در بخش های مختلف مصرفی بسیار زیاد هستند و بنابراین، ضروری است که تابع تقاضای این حامل انرژی به تفکیک بخش های مختلف تخمین زده شود.  در این میان بخش خانگی با بیش از 25 درصد مصرف در سال های اخیر بیشترین میزان مصرف را به خود اختصاص داده است.  عوامل مؤثر بر تقاضا در این بخش به دو دسته ی قابل مشاهده مانند قیمت حامل، درآمد مصرف کننده و دما و عوامل غیر قابل مشاهده نظیر عادات و سلایق مصرف کنندگان و تکنولوژی وسایل گازسوز تقسیم بندی می شوند.  با توجه به اثر دما بر مصرف این بخش، تخمین ضرایب در یک منطقه ی خاص (به عنوان مثال شهر تهران) به بهبود توصیح دهی این متغیر کمک    می کند.  همچنین، با توجه به تأثیر گذاری عوامل غیرقابل مشاهده و متغیرهای دیگری که از مدل حذف شده اند، از تکنیک کالمن فیلتر با هدف جلوگیری از برآورد اریب دار ضرایب استفاده شده است.  در نهایت، کشش های قیمتی و درآمدی تقاضا به ترتیب 098/0 – و 114/0 برآورد شده است.