طراحی شاخص استرس مالی در نظام مالی ایران با رویکرد نظریه پرتفوی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار گروه مدیریت مالی دانشگاه تهران

2 دانشیار گروه مدیریت مالی دانشگاه تهران

3 دانشجوی مدیریت مالی دانشگاه تهران

چکیده

شاخص استرس مالی معیاری از ریسک سیستمی است که سعی دارد استرس را در کل نظام مالی کمّی نماید و توصیفی از سهم هر بخش از بازار مالی بر استرس کلی نظام ارائه دهد. در این پژوهش، شاخصی ترکیبی برای سنجش استرس نظام مالی ایران با استفاده از رویکرد پرتفوی معرفی شده است. این شاخص، ترکیبی از متغیرهای استرس در بخش‌های مختلف نظام مالی ایران (بازار سهام، بازار اوراق بدهی، بخش بانکی، بازار پول و بازار نرخ ارز) می‌باشد. برای ترکیب این متغیرها از روش‌های میانگین متحرک موزون نمایی(EWMA)،همبستگی شرطی پویا(DCC-GARCH) و BEKK-GARCH برای بررسی ساختار همبستگی بین زیر شاخص‌های استر س مالی طی دوره زمانی فروردین 1389 تا اسفند 1396 استفاده شده است. در پایان، برای تعیین اینکه کدامیک از شاخص‌های استرس طراحی شده برای نظام مالی ایران مطلوبتر است، از نتایج پیش‌بینی مدل VAR برای توضیح دهندگی تغییرات GDP استفاده شده است. نتایج مقایسه معیارهای دقت پیش‌بینی نشان داد که گرچه اختلاف نتایج عملکرد این شاخص‌های قابل توجه نیست، اما شاخص استرس ساخته شده به روش BEKK-GARCH عملکرد بهتری داشته و در مقایسه با دو روش دیگر استفاده شده برای برآورد همبستگی زیرشاخص‌ها، بهتر تغییرات بخش واقعی اقتصاد را توضیح می‌دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Financial Stress Index for Iran's Financial System with Portfolio Theory Approach

نویسندگان [English]

  • Saeed Fallahpour 1
  • Saeed Shirkavand 2
  • Akbar Ghanbari 3
1 Associate Professor of Financial Management, University of Tehran
2 Associate Professor of Financial Management, University of Tehran
3 Ph.D. Candidate of Financial Management, University of Tehran
چکیده [English]

Financial Stress Index as a measure of a systemic risk that quantify stress throughout the entire financial system and describes the contribution of each section of the financial market to the overall stress of the system. In this paper, a composite index for measuring the stress of the Iran’s financial system proposed using a portfolio approach. This indicator is a combination of stress variables in different parts of the Iran’s financial system (stock market, debt market, banking sector, money market and exchange rate market). To aggregate these variables, EWMA, dynamic conditional correlation (DCC-GARCH) and BEKK-GARCH used to examine the cross-correlations structure between the subindices during the period of March 2010 to March 2018. In the end, to determine which of the stress indicators designed for the financial system of Iran is more desirable, the results of the prediction of the VAR model used to explain the changes in GDP. The results of the comparison of the prediction criteria showed that differences in the performance of these indices are not significant, although the stress index produced by BEKK-GARCH method performed better and in comparison with the other two methods used to estimate subindices cross-correlation, better explains the changes in the economy activity.

کلیدواژه‌ها [English]

  • Financial Stress Index (FSI)
  • Iran's Financial System
  • Multivariate GARCH
  • exponentially weighted moving average (EWMA)
  • Vector autoregression (VAR) Model
  1. احمدیان، اعظم (1394). طراحی سیستم هشدار سریع جهت پیش بینی زمان در معرض ورشکستگی قرار گرفتن بانک‌ها. نظریه‌های کاربردی اقتصاد،2(4)، ۱۱۹-۱۴۴.
  2. عباسی نژاد، حسین، محمدی، شاپور، و ابراهیمی، سجاد (۱۳۹۶). پویایی‌های رابطۀ متغیرهای کلان و شاخص بازار سهام. فصلنامه مدیریت دارایی و تامین مالی، 5(1)، ۶۱-۸۲
  3. لشکربلوکی، علی (1395). بررسی ارتباط بین محافظه کاری حسابداری و استرس مالی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، مؤسسه آموزش عالی حکیم جرجانی، دانشکده مدیریت و حسابداری.
  4. معطوفی، علیرضا (۱۳۹۷). تبیین مشخصه های استرس مالی در بازار سرمایه ایران. فصلنامه دانش سرمایه‌گذاری، 7(26)، ۲۳۷-۲۵۸.
  5. ولیان، حسن، و معطوفی، علیرضا (۱۳۹۷). بررسی رابطه بین کیفیت سود و استرس مالی در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، ۹(۳۶)،۲۵۱- ۲۷۲.
  6. وبسایت بانک مرکزی ایران، آمار و داده‌ها (www.cbi.ir)
 
  1. Abbasinejad, H., Mohammadi, S., & Ebrahimi, S. (2017). Dynamics of the relation between macroeconomic variables and stock market index. Asset Management and Financing, 5(1), 61-82 (In Persian).
  2. Aboura, S., & van Roye, B. (2017). Financial stress and economic dynamics: The case of France. International Economics, 149, 57-73.
  3. Afonso, A., Baxa, J., & Slavík, M. (2018). Fiscal developments and financial stress: a threshold VAR analysis. Empirical Economics, 54(2), 395-423.
  4. Ahmadyan, A. (2017). Design of early warning system for predicting exposure to failure time of banks. Quarterly Journal of Applied Theories of Economics, 2(4), 119-144 (In Persian).
  5. Cabrera, W., Hurtado, J., Morales, M., & Rojas, J. S. (2014). A composite indicator of systemic stress (CISS) for Colombia. Borradores de Economía (826).
  6. Cardarelli, R., Elekdag, S., & Lall, S. (2011). Financial stress and economic contractions. Journal of Financial Stability, 7(2), 78-97.
  7. Cambón, M., & Estévez, L. (2016). A Spanish financial market stress index (FMSI). The Spanish Review of Financial Economics, 14(1), 23-41.
  8. Ekinci, A. (2013). Financial stress index for Turkey.
  9. Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350.
  10. Engle, R. F., & Kroner, K. F. (1995). Multivariate simultaneous generalized ARCH. Econometric theory, 11(1), 122-150.
  11. Ferrer, R., Jammazi, R., Bolós, V. J., & Benítez, R. (2018). Interactions between financial stress and economic activity for the US: A time-and frequency-varying analysis using wavelets. Physica A: Statistical Mechanics and its Applications, 492, 446-462.
  12. Gallegati, M. (2014). Early warning signals of financial stress: A “wavelet-based” composite indicators approach. In Advances in Non-linear Economic Modeling (pp. 115-138): Springer.
  13. Hakkio, C. S., & Keeton, W. R. (2009). Financial stress: what is it, how can it be measured, and why does it matter? Economic Review-Federal Reserve Bank of Kansas City, 94(2), 5.
  14. Hollo, D., Kremer, M., & Lo Duca, M. (2012). CISS-a composite indicator of systemic stress in the financial system.
  15. Huotari, J. (2015). Measuring financial stress–A country specific stress index for Finland.
  16. 16.Iachini, E., & Nobili, S. (2016). Systemic liquidity risk and portfolio theory: An application to the Italian financial markets. The Spanish Review of Financial Economics, 14(1), 5-14.
  17. Illing, M., & Liu, Y. (2006). Measuring financial stress in a developed country: An application to Canada. Journal of Financial Stability, 2(3), 243-265.
  18. Kremer, M. (2016). Macroeconomic effects of financial stress and the role of monetary policy: a VAR analysis for the euro area. International Economics and Economic Policy, 13(1), 105-138.
  19. Lashkarbolouki, A. (2016). Investigating the relationship between accounting conservatism and financial stress in listed companies in Tehran Stock Exchange. Master Thesis, Hakim Jorjani University, Faculty of Management and Accounting (In Persian).
  20. Li, F., & Xiao, H. (2016). Early warning of financial stress events: A credit-regime-switching approach. Bank of Canada Staff Working Paper.
  21. Louzis, D. P., & Vouldis, A. T. (2012). A methodology for constructing a financial systemic stress index: An application to Greece. Economic Modelling, 29(4), 1228-1241.
  22. Louzis, D. P., & Vouldis, A. T. (2013). A financial systemic stress index for Greece.
  23. MacDonald, R., Sogiakas, V., & Tsopanakis, A. (2015). An investigation of systemic stress and interdependencies within the Eurozone and Euro Area countries. Economic Modelling,48, 52-69.
  24. Malega, J., & Horváth, R. (2017). Financial stress in the Czech Republic: measurement and effects on the real economy. Prague Economic Papers, 2017(3), 257-268.
  25. Matoufi, A. R. (2018). The features of financial stress in Iran's capital market. Journal of Investment Knowledge, 7(26), 237-258 (In Persian).
  26. Mittnik, S., & Semmler, W. (2014). Estimating a banking-macro model using a multi-regime VAR. In Advances in Non-linear Economic Modeling (pp. 3-40): Springer.
  27. Stona, F., Morais, I. A., & Triches, D. (2018). Economic dynamics during periods of financial stress: Evidences from Brazil. International Review of Economics & Finance, 55, 130-144.
  28. Tse, Y. K., & Tsui, A. K. C. (2002). A multivariate generalized autoregressive conditional heteroscedasticity model with time-varying correlations. Journal of Business & Economic Statistics, 20(3), 351-362.
  29. Valiyan, h., & Matoufi, a. (2018). The Relationship between Earnings quality and Financial Stress: Evidence from Iran. Financial Engineering and Portfolio Management, 9(36), 251-272 (In Persian).
  30. Yiu, M. S., Ho, W., & Jin, L. (2010). A measure of financial stress in Hong Kong financial market–the financial stress index. Hong Kong Monetary Authority Research Note, 2, 2010.