ریسک پذیری بانکی

هدف مقاله بررسی شاخص های توسعه بخش بانکی و موثر بر سیاست گذاری های پولی است که می تواند در تاب آوری نظام بانکی ایران اثرگذار باشد. بدین منظور، داده های مربوط به 30 بانک و موسسه منتخب ایران طی دوره زمانی 1380 – 1398 با استفاده از روش پنل های نامتوازن استخراج شد. سپس، میزان تاب آوری بانک های منتخب به کمک شاخص ولاره محاسبه و نوع ارتباط و میزان تاثیرگذاری متغیرها بر تاب آوری با روش پنل دیتای پویا ارزیابی شد. نتایج نشان داد از بین 18 شاخص شناسایی شده به عنوان عوامل موثر بر تاب آوری نظام بانکی ایران، 9 عامل به طورِ غیرخطی با عامل تاب آوری مرتبط است. متغیرهای تاب آوری دوره قبل، کارایی بانکی، نسبت مانده درآمدهای غیرمشاع به کل درآمدها و نسبت منابع ارزان قیمت به کل منابع با تاب آوری ارتباط مستقیم دارد و شاخص های اندازه بانک، حقوق صاحبان سهام نسبت به بدهی، نسبت تسهیلات به منابع آزاد، نسبت هزینه مطالبات مشکوک الوصول به کل هزینه ها و میزان ریسک پذیری با تاب آوری رابطه ای غیرمستقیم دارد. همچنین، یافته ها آشکار کرد که خصوصی یا دولتی بودن بانک ها، رابطه معناداری با تاب آوری ندارد.

هدف: بانکداری سایه نوعی واسطه مالی، اعتباری و نقدینگی است که نقدینگی زیادی را با سرمایه کم از طریق تقویت اهرم های مالی جذب کرده که در نهایت موجب بحران بازار سرمایه می شود. ارتباط بین بانکداری سایه و ریسک بانکی دو دیدگاه وجود دارد: بانکداری سایه ریسک بانک ها را کاهش می دهد و یا بانکداری سایه ریسک بانکی را افزایش می دهد. هدف این تحقیق بررسی اثرات بانک داری سایه بر ریسک بانکی با تمرکز بر دیدگاه کفایت سرمایه در کشور ایران می باشد.روش: برای این منظور از داده های 23 صندوق سرمایه گذاری، 23 شرکت  بیمه ای و 19 بانک و موسسه مالی اعتباری برای دوره زمانی 1392 تا 1397 استفاده شده است. به منظور تجزیه و تحلیل داده ها از روش ARDL استفاده شده است.یافته ها: یافته های تحقیق نشان داد که شاخص نسبت کفایت سرمایه در صورت وجود بانکداری سایه بر ریسک بانک هاثر گذار بوده است. همچنین مشاهده شد که ویژگی های خاص بانکی و شاخص های کلان اقتصادی بر ریسک بانک ها اثر گذار بوده است.نتیجه گیری: یافته های تحقیق نشان داد که شاخص مربوط به بانکداری سایه اثرات معنادار بر ریسک پذیری بانکی در کشور ایران داشته است. دیگر یافته های تحقیق نشان داد که شاخص های بانکی همانند اندازه بانک، نسبت وام ها، نسبت سپرده ها و استقلال هیئت مدیره اثرات معنادار بر ریسک پذیری بانکی در کشور ایران داشته است. همجنین شاخص رشد اقتصادی به عنوان یک شاخص کلان اقتصادی اثرات معنادار بر ریسک بانکی دارند.دانش افزایی: با توجه به تحقیقات اندکی که در این زمینه انجام شده است، این پژوهش وجود ارتباط تئوریک بین شاخص های اقتصادی و ریسک بانکی از لحاظ تئوریک را نشان می دهد.

هدف: ریسک پذیری بانکی یکی از مؤلفه های بنیادین در سنجش پایداری مالی نظام های اقتصادی به شمار می رود و تحت تأثیر عوامل متعددی از جمله ساختار مالکیت، نوع سهامداران و رفتار سرمایه گذاران قرار دارد. در این میان، افق سرمایه گذاری نهادی—اعم از کوتاه مدت یا بلندمدت—می تواند نقش تعیین کننده ای در نحوه مواجهه بانک ها با انواع ریسک های بازار ایفا کند. سرمایه گذاران نهادی با افق های متفاوت، رویکردهای گوناگونی در نظارت، تخصیص منابع و واکنش به نوسانات بازار اتخاذ می کنند که این تفاوت ها می تواند پیامدهای مستقیم بر سطح ریسک پذیری بانک ها داشته باشد. با توجه به پیچیدگی، چندبعدی بودن و غیرخطی بودن رابطه میان افق سرمایه گذاری و ریسک پذیری، استفاده از مدل های سنتی تحلیل مالی نظیر رگرسیون خطی یا شبکه های عصبی پیش خور با محدودیت هایی مواجه است. این مدل ها غالباً در شناسایی الگوهای پنهان، روابط غیرخطی و ویژگی های محلی داده های مالی ناکارآمد هستند. از این رو، هدف اصلی پژوهش حاضر، بهره گیری از شبکه های عصبی کانولوشنالی (CNN) برای مدل سازی دقیق تر رابطه افق سرمایه گذار نهادی با ریسک پذیری بانکی در داده های ساختاریافته بانک های پذیرفته شده در بورس اوراق بهادار تهران است. روش: این مطالعه از نوع کاربردی بوده و با رویکرد توصیفی-همبستگی انجام شده است. جامعه آماری شامل کلیه بانک های فعال در بورس تهران طی سال های ۱۳۹۳ تا ۱۳۹۹ بود. داده های مربوط به افق سرمایه گذاری نهادی (کوتاه مدت و بلندمدت) و شاخص های ریسک پذیری بانکی استخراج گردید و به منظور پردازش توسط شبکه های کانولوشنالی، به ماتریس های ۴×۴ تبدیل شدند. سه مدل CNN با تعداد فیلترهای 64، 128 و 256 طراحی و آموزش داده شدند تا عملکرد آن ها در شناسایی الگوهای پیچیده و پیش بینی دقیق تر رابطه مورد نظر ارزیابی شود. برای سنجش کیفیت مدل ها از معیارهای دقت (Accuracy)، امتیاز F1 و سطح زیر منحنی ROC (AUC) استفاده شد. یافته ها: نتایج حاصل از مدل سازی نشان داد که همبستگی میان افق سرمایه گذاری کوتاه مدت و ریسک پذیری بانکی برابر با 0.86 بوده که به مراتب قوی تر از همبستگی افق بلندمدت با ریسک پذیری (0.72) است. این یافته حاکی از آن است که سرمایه گذاران نهادی با افق کوتاه مدت، به دلیل واکنش پذیری سریع تر نسبت به تغییرات بازار، نقش مؤثرتری در کاهش ریسک های بانکی ایفا می کنند. از میان سه مدل طراحی شده، شبکه 64 فیلتری (CNN64) با دقت 0.829، امتیاز F1 برابر با 0.815 و AUC برابر با 0.842، بالاترین عملکرد را در مدل سازی رابطه مورد نظر داشت. این مدل توانست با استخراج ویژگی های محلی و شناسایی الگوهای پیچیده در داده های مالی، عملکردی به مراتب بهتر از مدل های سنتی ارائه دهد و اثربخشی شبکه های کانولوشنالی در تحلیل های مالی را به اثبات رساند. نتیجه گیری: پژوهش حاضر نشان داد که شبکه های عصبی کانولوشنالی، به ویژه در ساختارهای سبک تر مانند CNN64، ابزار قدرتمندی برای تحلیل روابط پیچیده و غیرخطی در داده های مالی هستند. استفاده از این مدل ها در تحلیل افق سرمایه گذاری نهادی و ریسک پذیری بانکی، نه تنها دقت پیش بینی را افزایش می دهد، بلکه امکان تفسیر بهتر رفتار بازار، شناسایی الگوهای پنهان و اتخاذ تصمیمات سرمایه گذاری آگاهانه تر را فراهم می سازد. تمرکز بر افق کوتاه مدت به عنوان عامل مؤثر در کاهش ریسک های بانکی، می تواند راهگشای تدوین سیاست های نظارتی، طراحی ابزارهای کنترلی و توسعه راهبردهای سرمایه گذاری هوشمندانه تر در صنعت بانکداری باشد. پیشنهاد می شود در مطالعات آتی، از مدل های یادگیری ماشین متنوع تری مانند درخت های تصمیم گیری، مدل های تصادفی و شبکه های عمیق تر استفاده شود و تأثیر عوامل کلان اقتصادی نظیر نرخ بهره، تورم و سیاست های پولی نیز در تحلیل ها لحاظ گردد. همچنین، گسترش دامنه تحقیق به سایر بازارهای مالی، نمونه های بین المللی و بازه های زمانی بلندمدت می تواند به تعمیم پذیری نتایج، افزایش اعتبار بیرونی و توسعه نظری در حوزه مدیریت ریسک بانکی کمک شایانی نماید.