برآورد توزيع زيان اعتباري صنعت بانكداري ايران با استفاده از آزمون استرس

The Estimation of Credit Loss Distribution of Iran’s Banking Industry Using Stress Test

ميزان بالاي مطالبات معوق و مشكوك الوصول در بانك‌هاي ايران، نشان دهنده‌ي حجم بالاي ريسك اعتباري در سيستم بانكي است. در اين مقاله با استفاده از اطلاعات فصلي متغيرهاي كلان اقتصادي و صنعت بانكداري طي دوره ي 1383 تا فصل دوم 1395، زيان‌هاي ناشي از ريسك اعتباري با استفاده از آزمون استرس برآورد و حداقل سرمايه موردنياز بانك‌ها تحت سناريوهاي استرس و پايه مشخص مي شوند. گام اول در ارزيابي ريسك اعتباري، تخمين احتمال نكول است. ابتدا، با استفاده از شبيه سازي مونت-كارلو، احتمالات نكول در افق زماني يك ساله تحت سناريوي پايه و سناريوهاي استرس شبيه سازي مي شوند. سپس توزيع زيان پرتفوي با استفاده از مقادير در معرض نكول و زيان ناشي از نكول محاسبه مي‌شود. براي اين هدف نيز ابتدا يك پرتفوي فرضي ساخته مي‌شود كه مقادير در معرض نكول براي هر وام به‌صورت تصادفي با توزيع يكنواخت تعيين شده اند و مقدار زيان ناشي از نكول نيز مقدار ثابت در نظر گرفته شده است. براي تخمين معادله ي احتمال نكول، علاوه بر مدل خطي ويلسون، رگرسيون هاي چندك نيز مورد استفاده قرار گرفته اند. نتايج نشان مي دهند توزيع هاي زيان براي تمامي سناريوها، چوله به سمت راست هستند. مقدار زيان در رگرسيون چندك 50% بسيار نزديك به مدل ويلسون است، اما مقدار زيان در رگرسيون هاي چندك 10% و 90% با مدل ويلسون متفاوت است. در حقيقت مدل ويلسون، زيان چندك 1/0 را بيش‌تر از حد و زيان چندك 9/0 را كمتر از حد تخمين زده است. طبقه بندي JEL: : E17, G32 ,C21 , E44 , G21

In this paper, we estimate losses due to credit risk using stress test and calculate the minimum capital requirements under distressed and baseline scenarios. We use quarterly data from 2003:Q1 to 2016:Q2 (50 observations) for Iran’s banking industry and the economy. In the first step, the default probabilities are estimated using a series of macroeconomic variables. Then, the default probabilities are simulated for one year time horizon using Monte-Carlo method. And finally, by using Loss Given Default (LGD) values and Exposed at Default (EAD) amounts, portfolio loss distribution is calculated. For this purpose, a hypothetical portfolio will be build. EAD for each loans is drawn randomly and uniformly distributed and LGD is given a fixed value. To estimate default probability equation, in addition to the Wilson’s linear model, Quantile regressions are used. The results show that the loss distributions for all scenarios are skewed to the right. The amount of loss in the 50th quantile regression is closed to the Wilson model, but the loss in the 10th and 90th quantile regressions are different. In fact, the Wilson’s model overestimate the loss of 10% qunatile regression and underestimate the loss of 90% qunatile regression. JEL Classification: E17, G32, C21, E44, G21