شبیه سازی نرخ سود بازار بین بانکی ریالی ایران در چارچوب تعادل نش و با استفاده از مدل های جستجو

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد مدیریت مالی دانشکده مدیریت دانشگاه تهران

2 استاد اقتصاد دانشکده اقتصاد دانشگاه تهران

3 استادیار دانشکده معارف اسلامی و اقتصاد دانشگاه امام صادق

4 دانشجوی دکتری مدیریت مالی دانشکده مدیریت دانشگاه تهران

چکیده

بین بانکی بخشی از بازار پول است که در آن بانک‌ها و مؤسسات اعتباری جهت تامین مالی و مصرف منابع مازاد به صورت کوتاه‌مدت و با هدف ایجاد تعادل در وضعیت نقدینگی خود وارد معامله می‌شوند.
در چارچوب الگوی کریدوری نرخ سود، بانک مرکزی به منظور اجرای سیاست پولی، کریدور نرخ سود را در بازار بین بانکی تعیین و با استفاده از عملیات بازار باز نرخ سود بازار را به سمت نرخ سود سیاستی هدایت می‌نماید. بر این اساس برآورد نرخ سود بازار بین بانکی تعادلی از مهمترین چالش‌های سیاست‌گذاری پولی به شمار می‌رود. بدین منظور، پژوهش حاضر در چارچوب الگوهای شبکه‌ای، یک مدل جست‌و‌جوی چهار دوره‌ای شامل دوره شوک نقدی، جست‌و‌جو برای یافتن شریک، چانه‌زنی و تسویه با بانک مرکزی را ارائه و رفتار بانک‌های ایران را در بازار بین بانکی شبیه‌سازی نموده است و در پایان نرخ سود بازار بین بانکی ایران را برای دوره 1397 تا 1398 استخراج می‌نماید. نتایج نشان می‌دهد که هر چند میانگین نرخ اعلامی در بازار بین بانکی ایران با میانگین نرخ بدست آمده از مدل این پژوهش یکسان است اما نرخ سود وام‌دهی و وام‌گیری بانک‌های بزرگ که از مدل استخراج شده است تفاوت معنی‌داری دارند و البته با عقلانیت رفتاری بانک‌ها سازگار است. همچنین میانگین نرخ‌های اعلامی بانک‌ها در دو حالت یکسان است که نشان دهنده انحراف در سیاست‌گذاری نرخ سود توسط بانک مرکزی است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Simulating interbank money market interest rate using search models within a Nash-Equilibrium framework

نویسندگان [English]

  • Reza Raei 1
  • AKBAR KOMIJANI 2
  • Mortaza Baky Haskuee 3
  • Hamidreza Jafari 4
1 Faculty of Management - University of Tehran
2 Faculty of Economics- University if Tehran
3 Faculty of Economics-Imam Sadeq University
4 Ph.d student in Finance
چکیده [English]

The interbank market is a part of the money market in which banks and credit institutions enter into transactions to finance and consume surplus resources in the short term with the aim of balancing their liquidity situation.
In a corridor framework of monetary policy, the central bank sets interbank money market (IBMM) interest rate and also implements open market operation (OMO) to direct market interest rate towards the policy rate. Hence estimation of IBMM equilibrium interest rate is the most important challenge in monetary policy making. In order to model the interbank market in Iran, this research provides a 4-periods search model, including shocks, searching for counterparty, bargaining and settlement with central bank, and it simulates Iranian banks’ behavior to derive Iran’s interbank rate from 2017 to 2019.
The results show that the model-driven lending rate of large banks is higher than their borrowing rate which is consistent with rational behavior of the banks, while the actual rates are the same in both cases that implies distortion in interest rate policy making by Iran central bank.

کلیدواژه‌ها [English]

  • Interbank Money Market
  • Nash Equilibrium
  • Search Models
  • Network Models
  • Interest rate Corridor
  1. شمسی­نژاد، سیدسعید و طالبی، محمد (1395). به کارگیری اسناد خزانه اسلامی در بازار بین­بانکی ایران. فصلنامه تحقیقات مالی اسلامی، 6 (1)، 62 - 33.
  2. موسویان، سیدعباس و الهی، مهدی (1389). امکان سنجی فقهی تشکیل بازار بین­بانکی در بانکداری اسلامی. فصلنامه علمی- پژوهشی اقتصاد اسلامی، 10(38)، 118-89.
  3. موسویان، سیدعباس، کاتوزیان، محمدرضا، طالبی، محمد و حاجیان، محمدرضا (1394). توافق­نامه بازخرید (ریپو) در بازار بین­بانکی اسلامی. فصلنامه علمی-پژوهشی اقتصاد اسلامی، 15 (60)، 111-81.
  4. موسویان، سید عباس، و حسین، میثمی (1396). بانکداری اسلامی(2): بانکداری مرکزی اسلامی و سیاست گذاری پولی و ارزی. تهران، پژوهشکده پولی و بانکی.

 

  1. Afonso, G., Kovner, A., & Schoar, A. (2012). The Importance of Trading Relationships in the Fed Funds Market. Mimeo. Federal Reserve Bank of New York.
  2. Afonso, G., & Lagos, R. (2012). An Empirical Study of Trade Dynamics in the Fed Funds Market. Mimeo. Federal Reserve Bank of New York.
  3. Afonso, G., & Lagos, R. (2015). Trade dynamics in the market for federal funds. Econometrica, 83 (1), 263–313.
  4. Armenter, R., & Lester, B. (2017). Excess reserves and monetary policy normalization. Review of Economic Dynamics, 23, 212–235.
  5. Bech, M., & Keister, T. (2012). The Liquidity Coverage Ration and Monetary Policy. Mimeo. Bank for International Settlements.
  6. Bech, M., & Klee, E. (2011). The mechanics of a graceful exit: interest on reserves and segmentation in the federal funds market. Journal of Monetary Eco-nomics, 58, 415–431.
  7. Berentsen, A., Marchesiani, A., & Waller, C. (2011). Floor systems for implementing monetary policy: some unpleasant fiscal arithmetic. Review of Economic.
  8. Berentsen, A., & Monnet, C. (2008). Monetary policy in a channel system. Journal of Monetary Economics, 55, 1067–1080.
  9. Blasques, F., Bräuning, F., & Lelyveld, I. (2018). A dynamic network model of the unsecured interbank lending market. Journal of Economic Dynamics and Control, 90, 310-342.
  10. Boss, M., Elsinger, H., Summer, M., & Thurner 4, S. (2004). Network topology of the interbank market. Quantitative finance, 4(6), 677-684.
  11. Craig, B., Fecht, F., & Tümer-Alkan, G. (2015). The role of interbank relationships and liquidity needs. Journal of Banking & Finance, 17 (3), 523–542.
  12. Haidar, J.I. (2009). The mark-to-market valuation and executive pay package regulations within the 2009 US (Bailout) Emergency Economic Stabilization Act. Journal of Economic Policy Reform, 12(3), 189–199.
  13. Hamilton, J.D. (1996). The daily market for federal funds. Journal of Political Economy, 104, 26–56.
  14. Hong, F., & Shanshan, J. (2019). Systemic Risk in the Interbank Market with Overlapping Portfolios. Complexity 2019, 1-12.
  15. Jonathan, C., Jens, E., & Cyril, M. (2020). Relationships in the Interbank Market. Review of Economic Dynamics, Elsevier for the Society for Economic Dynamics, 35, 170-191.
  16. Li, Y., Rocheteau, G., & Weill, P. O. (2012). Liquidity and the threat of fraudulent assets. Journal of Political Economy, 120, 815–846.
  17. Liu, A., Mo, C. Y., Paddrik, M. E., & Yang, S. Y. (2017). Interbank market formation through reinforcement learning and risk aversion. Stevens Institute of Technology School of Business Research Paper.
  18. Mousaviyan, S. A., & Elahi, M. (2010). Jurisprudential feasibility of forming an interbank market in Islamic banking. Journal of Islamic Economics, 10 (38), 118-89 (In Persian).
  19.  Mousavian, S. A., Katozian, M. R., Talebi, M., &  Hajian, M. R. (2015). Repurchase agreement (repo) in the Islamic interbank market. Journal of Islamic Economics, 15 (60), 111-81 (In Persian).
  20. Mousavian, S. A., & Hossein, M. (2017). Islamic Banking (2): Islamic Central Banking and Monetary and Foreign Exchange Policy. Tehran, Monetary and Banking Research Institute (In Persian).
  21. Poole, W. (1968). Commercial bank reserve management in a stochastic model: implications for monetary policy. Journal of Finance, 23, 769–791.
  22. Shamsinejad, S. S., & Talebi, M. (2016). Using Islamic treasury bonds in the Iranian interbank market. Islamic Financial Research Quarterly, 6 (1), 62 – 33 (In Persian).
  23. Xu, T., He, J., & Li, S. (2016). A dynamic network model for interbank market. Physica A: Statistical Mechanics and its Applications, 463, 131-138.