طراحي و تبيين مدل آزمون بحران ريسك اعتباري صنعت بانكداري تحت سناريوهاي كلان اقتصادي

Credit Risk Test Stress Model of the Banking Industry under Macroeconomic Scenarios

دليل اصلي اجراي پژوهش حاضر، طراحي و تبيين مدل آزمون بحران ريسك اعتباري صنعت بانكداري تحت سناريوهاي كلان اقتصادي، است. علاوه بر بهره برداري از مستندات و گزارش هاي مربوط به صنعت بانكداري، در ادامه از داده هاي پانل مربوط به گزارش هاي مالي و ديتاست هاي صنعت بانكداري، بهره برداري گرديد[1]. در پژوهش حاضر، به منظور انجام تحليل هاي اقتصادسنجي، از نرم افزار E-Views ورژن 10بهره برداري شد. از مهمترين نتايج پژوهش حاضر، مي توان به اين مورد اشاره نمود كه آماره رگرسيون مربوط به مدل گارچ براي نوسانات بين تابع هدف پژوهش و نرخ رشد GDP(A1)، نرخ بهره(A2)، نرخ بيكاري(A3)، نرخ تورم(A4) و نرخ رشد درامد سرانه (A5)، برابر با 0.926 محاسبه شده و براي مدل GARCH براي نوسانات بين "عامل نرخ رشد نقدينگي(B3)"، عامل نرخ شد درامد نفتي(B1)" ،"عامل نرخ سپرده بانكي(B4)"و "عامل نرخ ارز(B2)"برابر با 0.924 محاسبه گرديده است كه نشان دهنده قدرت پيشگويي بسيار بالاي مدل هاي اقتصادسنجي تحقيق با بهره برداري از نرم افزار اقتصادسنجي E-Views، است.

The main reason for conducting the present study is to design and explain the credit crunch risk test model of the banking industry under macroeconomic scenarios. In addition to the use of documents and reports related to the banking industry, the panel data related to the annual reports and datasets of the banking industry were used. In the present study, in order to perform econometric analyzes, E-Views software was used and Matlab artificial intelligence environment was used to design an intelligent system. Then, based on the GARCH method, the regression statistics related to the GARCH model for the fluctuations between the research objective function and GDP growth rate, interest rate, unemployment rate, inflation rate and per capita income growth rate are calculated equal to 0.927, which indicates very high predictive power. The econometric model of research is. One of the most important results of the present study is that according to the calculations performed, the bank's credit portfolio to reduce the probability of default is exactly 91 percent (the fifth level of system output is excellent).