ارزیابی مقایسه ای مدل های ریسک اعتباری برای محاسبه زیان مورد انتظار: دلالت هایی برای ثبات بانکی
Publish place: Journal of Economic Modeling Research، Vol: 15، Issue: 58
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 15
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMR-15-58_003
تاریخ نمایه سازی: 20 بهمن 1404
Abstract:
رویکردهای گذشته نگر در شناسایی زیان ها پس از وقوع آنها، یکی از دلایل اصلی کاهش تاب آوری بانکی است. این مطالعه با تاکید بر محاسبه زیان مورد انتظار پرتفوی اعتباری توسط مدل های مختلف، بر ارزیابی دلالت های مدل های ریسک اعتباری برای ثبات و ارتقای تاب آوری بانکی تمرکز دارد. با توجه به محدودیت های داده ای در ایران و عدم ثبت دقیق مبتنی بر استاندارد، با استفاده از روش تولید مصنوعی داده های استاندارد ازداده های موجود شامل پرتفوی اعتباری با ۱۰۰۰ تسهیلات به رتبه بندی اعتباری بر اساس توزیع فراوانی تجربی و احتمال نکول با استفاده از توزیع بتا-دوجمله ای و شبیه سازی تسهیلات با استفاده از توزیع پاره تو مقید اقدام شده است. تولید داده های استاندارد مصنوعی از داده های موجود بر پایه شبیه سازی مونت کارلو با یک میلیون تکرار استوار است. نتایج نشان دهنده آن است که مدل واسیچک نسبت به مدل های ترکیبی در برآورد زیان مورد انتظار محافظه کارانه تر عمل می نمایند، ولی تغییرپذیری نتایج آنها نسبت به همبستگی نکول ها، بیشتر است. با توجه به یافته ها، تحلیلگران ریسک اعتباری با یک بده بستان بین سطح محافظه کاری و ثبات نتایج مدل ها مواجه هستند و تمرکز نهاد ناظر، بانک مرکزی، بر آستانه همبستگی می تواند در کاهش احتمال بحران های بانکی موثر تر بوده و تاب آوری نظام بانکی را افزایش دهد.
Keywords:
Credit Risk , International Financial Reporting Standard ۹ (IFRS ۹) , Expected Credit Loss , Banking Stability , Threshold and Hybrid Models , ریسک اعتباری , استاندارد بین المللی گزارشگری مالی شماره ۹ , زیان مورد انتظار , ثبات بانکی , مدل های آستانه ای و ترکیبی
Authors
مصطفی شاداب سعدآباد
Faculty of Economics, University of Tehran
وحید ماجد
Faculty of Economics, University of Tehran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :