بررسی عوامل مؤثر بر ریسک اعتباری بانک‌های تجاری ایران با تأکید بر عوامل خاص بانکی و کلان اقتصادی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مدیریت، دانشکدۀ علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران

2 استادیار، گروه منابع انسانی و کسب‌وکار، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران

3 کارشناس‌ارشد، گروه مدیریت، دانشکدۀ علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایرانان

چکیده

با توجه به اهمیت ریسک اعتباری بانک‌‌ها در ثبات نظام پولی‌‌ و‌‌ مالی، این پژوهش اثر عوامل خاص بانکی و کلان اقتصادی را بر ریسک اعتباری بانک‌‌های تجاری در ایران بررسی می‌کند. بر این اساس با استفاده از روش نمونه‌‌گیری قضاوتی، داده‌های استفاده‌شده در این پژوهش که به متغیرهای مستقل و وابسته مربوط‌‌ است و در سطح بانک‌ها و در سطح کلان به دست آمده‌ است، به کمک روش گشتاور تعمیم‌یافته (GMM) در بازۀ زمانی 1388 تا 1394 تجزیه‌وتحلیل شده ‌‌است. نتایج پژوهش نشان می‌‌دهد از بین متغیرهای بررسی‌شده، متغیرهای نسبت تسهیلات غیرجاری (NPL) مربوط به یک دورۀ گذشته و نرخ رشد تولید ناخالص داخلی بدون نفت با نسبت تسهیلات غیرجاری به‌منزلۀ معیاری از ریسک اعتباری بانک، رابطۀ مستقیم و مثبت و متغیرهای سرمایۀ بانک، نرخ رشد درآمد نفتی و رشد اعتبار، رابطۀ معنادار و منفی با ریسک اعتباری دارد. متغیرهای اندازۀ بانک، نرخ تورم و بازده دارایی‌‌ها نیز ارتباط معنی‌داری با معیار ریسک اعتباری ندارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Factors Affecting Credit Risk of Commercial Banks of Iran with Emphasis on Banking and Macroeconomic Specific Factors

نویسندگان [English]

  • Mohammad Reza Rostami 1
  • Ahmad Nabizade 2
  • Zahra Shahi 3
1 Assistant Professor, Management department, Faculty of Economics and Social Science, Alzahra University, Tehran, Iran
2 Assistant Professor, Bussines Group, Faculty of Management, Kharazmi University, Tehran, Iran
3 Master's degree in Financial management, Faculty of Science & Economics, Alzahra University, Tehran, Iran
چکیده [English]

As banks’credit risk instability has a critical role on monetary and financial system, this study focuses on factors affecting both specific banking factors and macroeconomics factors on the credit risk of commercial banks in Iran. Based on Judgmental sampling method data of 9 independent and dependent variables was analyzed at the level of the commercial banks and the macroeconomics of the country by generalized method of moments (GMM) during the period from March 2009 to March 2016. The results show that the ratio of non-current facilities (NPL) of the past period, and the growth rate of GDP without oil with non-current facilities ratio (NPL) have a positive relationship with credit risk and bank's capital, the growth rate of oil revenue and credit growth, have a significant and negative relationship with credit risk. Also, bank size, inflation rate, and return on assets have a significant relationship with the credit risk criterion (NPL).

کلیدواژه‌ها [English]

  • Credit Risk
  • Nonperforming Loans (NPL)
  • Generalized Method of Moments (GMM)

مقدمه

بانک‌‌ها به‌دلیل ماهیت فعالیت خود با انواع مختلفی از ریسک‌‌ همچون ریسک‌‌ اعتباری، ریسک بازار، ریسک عملیاتی، ریسک نقدینگی و ریسک نرخ بهره روبه‌رو هستند و سعی می‌‌کنند این ریسک‌ها را (گرچه به‌صورت غیرمنسجم) شناسایی و مدیریت کنند؛ اما به‌تدریج و با گستردگی و گوناگونی فعالیت بانک‌‌ها و همزمان با ورود به گسترۀ متنوع خدمات پیچیدۀ مالی ‌‌و اعتباری، به مبحث مدیریت ریسک به‌منزلۀ یکی از مباحث مدیریت در تصمیم‌‌گیری‌‌های کلان و بلندمدت و نیز در مدیریت روزمرۀ فعالیت‌‌های بانکی توجه شده است ]23[. مدیریت این ریسک‌‌ها، به‌ویژه ریسک اعتباری این اطمینان را فراهم می‌کند که جریان نقدی وعده داده‌شده، برای مطالبات مالی از اشخاص حقیقی و حقوقی وصول می‌شود. ازجمله پیامدهای مختلف وقوع این ریسک، کاهش احتمال بازپرداخت اصل و فرع تسهیلات توسط مشتری یا حتی بازپرداخت‌نکردن اصل و فرع تسهیلات است.

ریسک‌‌های اعتباری در دو دستۀ کلی شامل ریسک‌‌های اعتباری خاص (ویژگی‌‌های خاص بانک ازجمله رشد اعتبار، سودآوری، نسبت سرمایه به دارایی و اندازۀ بانک) و ریسک اعتباری سیستماتیک (احتمال انجام‌نشدن تعهدات به مؤسسۀ اعتباری درنتیجۀ تغییر شرایط اقتصادی کلان همچون رکود، بحران و...) تقسیم‌بندی می‌‌شود؛ بنابراین، ضرورت دارد عوامل مرتبط با مدیریت ریسک اعتباری بانک‌‌ها و مؤسسات اعتباری در این دو دسته ارزیابی و تحلیل شود. تحلیل این عوامل ممکن است هم ازنظر بانک‌‌ها و هم ازنظر تصمیم‌‌گیران بانک مرکزی و دولت برای پیاده‌کردن سیاست‌های پولی و مالی دولت مفید باشد؛ درواقع، پرسش‌‌های اصلی پژوهش عبارت است از:

(1) آیا عوامل خاص بانکی بر ریسک اعتباری بانک‌‌ها تأثیرگذار است؟

(2) آیا عوامل کلان اقتصادی بر ریسک اعتباری بانک‌‌ها تأثیرگذار است؟

پژوهش‌‌های انجام‌شده دربارۀ موضوع ریسک اعتباری بیشتر به عوامل خاص مرتبط با یک بانک خاص یا عوامل کلان اقتصادی به‌‎تنهایی محدود است. به‌دلیل اهمیت موضوع و با توجه به اندک‌بودن پژوهش‌‌های انجام‌شده دربارۀ تبیین الگوهای مختلف تخمین ریسک اعتباری و اینکه به‌صورت مجزا اثر وضعیت کلان اقتصادی و عوامل خاص بانکی بر ریسک اعتباری بررسی نشده است، در اینجا اثر هر دو دسته از عوامل خاص بانکی و عوامل کلان اقتصادی بر ریسک اعتباری بانک‌‌های تجاری بررسی می‌‌شود. بررسی همزمان این عوامل به مقامات پولی و مدیران بانک‌‌های تجاری کمک می‌کند؛ بدین صورت که آنها با شناسایی به‌موقع این عوامل، ریسک اعتباری خود را کاهش می‌دهند و ثبات و قدرت رقابت خود را حفظ می‌کنند.

 

مبانی نظری

ریسک اعتباری، ریسکی است که طرف مقابل به تعهدات خود عمل نمی‌‌کند. این سطح ریسک به کیفیت دارایی‌‌های بانک بستگی دارد و کیفیت دارایی‌‌های بانک نیز به روند مطالبات غیرجاری و سلامت و سودآوری تسهیلات‌‌گیرندگان وابسته است؛ درواقع، در یک بانک ریسک اعتباری ممکن است ناشی از ورشکستگی و توانایی‌نداشتن مشتریان بانک در پرداخت اصل و فرع تسهیلات باشد. این ریسک به مفهوم برنگشتن منابع بانک توسط بدهکاران ازجمله مشتریان اعتباری است ]9[. بانک‌‌ها و مؤسسات مالی زمانی با این ریسک روبه‌رو هستند که تسهیلات‌‌گیرندگان توان یا تمایل خود را در سررسید در قبال بانک یا مؤسسات مالی ایفا نکنند ]19[. دربارۀ موضوع ریسک اعتباری، مطالعات متعدد خارجی انجام شده است و در پژوهش‌‌های مختلف عوامل اثرگذار بر این ریسک تاحدودی شناسایی شده ‌‌است. در مطالعات دیگری نیز با استفاده از فن‌‌‌ها و روش‌های مختلف آماری و اقتصادی سعی شده است ریسک اعتباری مشتریان بانک‌ها و مؤسسات مالی کمی شود. در ادامه برخی از این مطالعات و پژوهش‌‌ها مرور می‌شود.

لطیفی (2004) ارتباط بین شاخص‌‌های ریسک اعتباری و بازپرداخت به‌موقع تعهدات مشتریان بانک ملت را بررسی کرده است. در این پژوهش‌‌ شاخص‌‌های ریسک اعتباری که بیشترین همبستگی را با بازپرداخت تعهدات مشتریان دارد، تعیین و الگویی طراحی شده است که براساس آن عددی به‌منزلۀ شاخص اعتباری وام‌‌گیرنده در تصمیمات اعتباردهی به کار می‌‌رود. با به‌کارگیری تحلیل‌‌های چندمتغیره، فرضیۀ وجود ارتباط معنادار بین شاخص‌‌های ریسک اعتباری و انجام تعهدات مشتریان، تأیید شده، در کنار آن الگویی زیر تابع ممیز برای وضعیت اعتباری شرکت‌‌های تولیدی مشتریان بانک ملت ارائه شده است. همتی و محبی‌نژاد (2008) نیز ادعا می‌کنند که متغیرهای رشد تولید ناخالص داخلی، واردات، نرخ تورم و ریسک اعتباری دورۀ ‌‌گذشته بر ریسک ‌‌اعتباری بانک‌‌ها تأثیرگذار است؛ البته با مقایسۀ ضرایب متغیرها مشخص شد ریسک اعتباری دورۀ گذشته بیشترین تأثیر را بر ریسک اعتباری بانک‌‌های ایران دارد. میرزایی و همکاران (2012) به این نتیجه رسیدند که اثر نامطمئن‌بودن نرخ ارز و تورم بر ریسک اعتباری بانک تجارت مثبت و معنی‌‌دار است. عرب‌مازار و رویین‌تن (2006) 17 متغیر را انتخاب و الگوی نهایی را برازش کردند؛ این متغیرها اثر معناداری بر ریسک اعتباری و تفکیک بین دو گروه مشتریان خوش‌حساب و بدحساب داشت. پژوهش آنها نشان می‌دهد الگوی لاجیت در برآورد عوامل مؤثر بر ریسک اعتباری توان بالایی دارد. صادقی‌شاهدانی و آقابابایی (2011) ریسک اعتباری در بانکداری متداول و اسلامی را به‌صورت مقایسه‌ای بررسی کردند. آنها برای محاسبۀ ریسک از روش ارزش در معرض ریسک استفاده کردند. نتایج نشان داد بانکداری اسلامی به‌دلیل محدودیت‌‌های شرعی دربارۀ وثیقه در عقود مشارکتی در نرخ‌‌های بازیابی انعطاف کمتری دارد و مشارکت مستقیم در سود و زیان و انتقال آن به حساب سرمایه‌ای سپرده‌‌گذاران، سبب می‌‌شود ریسک اعتباری به‌صورت مستقیم از بانک به مشتریان انتقال یابد؛ بنابراین، در بیان نظری، بانکداری در چهارچوب عقود اسلامی گزینۀ پایدارتری با ریسک اعتباری کمتر محسوب می‌شود. مهرآرا و خدادادی (2017) در بررسی اثر نوسانات اقتصاد کلان بر رفتار وام‌دهی بانک‌‌های تجاری ایران طی دورۀ 1353-1394 با استفاده از الگوی اقتصادسنجی خودرگرسیون با الگوسازی ‌وقفه‌های توزیعی (ARDL)، نشان دادند وام‌‌دهی بانک‌‌های تجاری (نسبت وام به دارایی بانک) با نوسانات تولید در طول ادوار تجاری رابطۀ بلندمدت دارد. همچنین افزایش دارایی بانک‌‌های تجاری که تقریبی از اندازۀ بانک است، بر وام‌دهی بانک‌‌های تجاری تأثیر دارد. پایۀ پولی نیز قادر به افزایش توان وام‌دهی بانک‌ها (برحسب نسبت وام به دارایی‌‌ها) نیست و در بلندمدت آن را هرچند به میزان ناچیز کاهش می‌دهد. سیف‌اللهی (2017) در بررسی رابطۀ بین ریسک اعتباری و ریسک ارز با بازده قیمتی سهام بانک‌‌ها در ایران نشان داد در نظام بانکی ایران بین ریسک اعتباری و ریسک ارز با بازده قیمتی سهام بانک‌‌های پذیرفته‌شده در بورس و اوراق بهادار تهران رابطۀ منفی و با ریسک بازده قیمتی سهام بانک‌‌ها رابطۀ مثبتی وجود دارد. نتایج پژوهش محمدی و همکاران (2017) نشان داد مهم‌‌ترین عوامل مؤثر بر افزایش مطالبات غیرجاری در نظام بانکی کشور عبارت است از: انطباق‌نداشتن وثیقه‌‌ و تضمین‌‌ها با ضوابط و سیاست‌‌های اعتباری داخلی بانک، محدودیت‌‌های فنی و تخصصی اعتباری، فرایند نامناسب نظارت بر مصرف تسهیلات و وصول مطالبات، سیاست‌‌های ناقص تعیین نرخ سود و وجه التزام، الزامات و محدودیت‌‌های قانونی، تحریم‌‌های اقتصادی و فضای کسب‌وکار و اعتبارسنجی. این هفت عامل توانسته‌ است بیش از 46 درصد واریانس متغیر وابسته یا مطالبات غیرجاری را در نظام بانکی تبیین کند. کلیر[1] (1992) ارتباط بین رشد اعتبار و کیفیت وام را بررسی کرده است و برای اندازه‌گیری کیفیت وام از دو روش نسبت اعتبار زیان‌دیده به کل وام و نسبت تسهیلات غیرجاری (NPL) استفاده‌‌ کرده است. نتایج نشان می‌دهد رشد سریع اعتبار سبب سقوط کیفیت اعتبار می‌‌شود و کاهش کیفیت سبد وام ممکن است سبب ورشکستگی بانک شود. خرماج و پاشا[2] (2009) ارتباط بین نسبت تسهیلات غیرجاری (NPL) و متغیرهای عوامل خاص بانکی و اقتصادکلان را بررسی کردند. نتایج نشان داد NPL ارتباط مثبتی با نسبت وام به دارایی‌‌ها و نرخ بهرۀ واقعی دارد؛ در حالی‌‌ که رشد اعتبار و تولید ناخالص داخلی با NPL ارتباط منفی دارد و ارتباط مبهمی بین نرخ تورم و NPL وجود دارد. فلامینی[3] و همکاران (2009) عوامل مؤثر بر سودآوری بانک‌‌ها را در 41 کشور مختلف بررسی کردند. نمونۀ بررسی‌شده پژوهش آنها شامل 389 بانک بود. نتایج پژوهش نشان می‌دهد ریسک اعتباری و اندازۀ بانک از مهم‌‌ترین عوامل مؤثر بر سودآوری بانک‌‌هاست. بونیلا[4] (2011) عوامل اقتصاد کلان تأثیرگذار بر وام‌‌های معوق در داخل کشور ایتالیا و اسپانیا را بررسی کرد. اقتصاد کلان با متغیرهای رشد اعتبار، دستمزد، تورم، بیکاری و تولید ناخالص داخلی تعریف شده است. نتایج نشان داد در اسپانیا و ایتالیا متغیرهای اقتصاد کلان از عوامل قوی تأثیرگذار بر وام‌‌های معوق است. با وجود این، از 5 متغیر استفاده‌شده تنها متغیرهای بیکاری، دستمزد و تولید ناخالص داخلی ازنظر آماری رابطۀ معناداری با نسبتتسهیلات غیرجاری (NPL) نشان داد. نتایج این پژوهش نشان داد بیکاری در هر دو کشور متغیر بسیار قوی است و ارتباط مثبتی با شاخص NPL دارد. با وجود این، تجزیه‌وتحلیل‌ها نشان داد متغیر بیکاری تأثیر سریع‌تری بر وام‌‌های بد در اقتصاد اسپانیا نسبت به اقتصاد ایتالیا دارد. متغیر دستمزد در هر دو کشور تأثیرگذار است؛ اما ارتباط آن خنثی است؛ درنهایت متغیر تورم متغیر توضیحی دربارۀ شاخص NPL در هیچ کدام از کشورها نیست (متغیر تورم در ایتالیابرخلاف پژوهش‌ها در سایر کشورها روی نسبت NPL تأثیری ندارد و آن را توضیح نمی‌دهد). متغیر تولید ناخالص داخلی همبستگی منفی با داده‌‌های کشور اسپانیا و همبستگی مثبت با داده‌‌های کشور ایتالیا دارد؛ بنابراین، تعیین یک ارتباط کلی برای این متغیر با NPL دشوار است. گاش[5] (2017) با تخمین NPL صد بانک تجاری بزرگ آمریکا طی سال‌های 1992 تا 2016 به این نتیجه رسید که با وجود اینکه NPL کل به عوامل ترازنامه و عوامل اقتصاد کلان حساس است، وام‌های بخش املاک و مستغلات و وام‌های بخش تجاری و صنعتی حساسیت بیشتری دارند. همچنین NPL کل بیشترین تأثیر را بر قیمت مسکن آمریکا، رشد تولید ناخالص داخلی واقعی و ساخت‌وساز مسکن دارد. در پژوهشی دیگر آلاندجانی و آسوتای[6] (2017) عوامل تعیین‌کنندۀ NPL در سطوح بانکی و کشوری را بررسی کردند. یافته‌‌های آنها نشان می‌‌دهد بخش مالی اسلامی تأثیر منفی بر NP دارد؛ یعنی تأمین مالی بانک‌های اسلامی ریسک اعتباری بیشتری نسبت به بانک‌‌های متعارف دارد. همچنین روش‌های مالی اسلامی بیان می‌‌کند بدهی با درآمد ثابت نسبت به بدهی که در سود و زیان شریک‌ است، تأثیر بیشتری بر NPL دارد.

در زمینۀ پرسش‌‌های پژوهش، فرضیه‌‌ها به‌صورت زیر مطرح می‌شود:

  •  عوامل خاص بانکی شامل رشد اعتبار، سودآوری، نسبت سرمایه به دارایی و اندازۀ بانک بر ریسک اعتباری بانک‌‌ها تأثیرگذار است.
  •  عوامل کلان اقتصادی شامل رشد تولید ناخالص داخلی، تورم، درآمد حاصل از فروش نفت و تحریم‌ها بر ریسک اعتباری بانک‌‌ها تأثیرگذار است.

 

روش پژوهش

جامعۀ آماری این پژوهش همۀ بانک‌‌های تجاری حاضر در بورس اوراق بهادار تهران از ابتدای سال 1388 تا انتهای سال 1394 است. نمونۀ پژوهش براساس روش نمونه‌‌گیری قضاوتی انتخاب شده است. بدین صورت بانک‌‌هایی انتخاب شده است که صورت‌‌های مالی را به‌موقع و در همۀ سال‌‌های دورۀ پژوهش انتشار عمومی داده‌‌ باشد. داده‌‌های اولیه برای ارائۀ الگو از صورت‌‌های مالی بانک‌‌های تجاری موجود در سایت کدال و اطلاعات به‌دست‌آمده از سایت بانک مرکزی و محاسبات پژوهشگر گردآوری شده‌‌ است. در زمینۀ پاسخگویی به پرسش‌‌های مطرح‌شده و آزمون آماری فرضیه‌ها، الگوی رگرسیونی چندمتغیرۀ زیر تخمین زده می‌شود ]22[:

 

 

(1)

 

اندیس t نشان‌دهندۀ سال و اندیس i نشان‌دهندۀ بانک‌هاست.  شاخص کیفیت وام‌‌ها برای یک بانک خاص در یک سال مشخص،  نسبت تسهیلاتی که از زمان سررسید آن دست‌کم دو ماه یا بیشتر گذشته است به کل تسهیلات اعطایی،  شامل متغیر‌‌های بانکی همانند ROA i,t (سود عملیاتی بعد از مالیات دوره تقسیم بر میانگین دارایی‌‌های ابتدای دوره و اواخر دوره)، CGR i,t (رشد تسهیلات اعطایی بانک i در زمان t نسبت به زمان t-1)، EQA i,t(نسبت سرمایۀ بانک به مجموع دارایی‌‌های جاری و غیرجاری در زمان t) و SIZE i,t (اندازۀ بانک که برابر است با لگاریتم طبیعی مجموع دارایی‌‌ها) را نشان می‌‌دهد و  شامل متغیرهای کلان اقتصاد مانند GDPgr(نرخ رشد تولید ناخالص داخلی بدون درنظرگرفتن درآمد نفت با سال پایۀ 1383)، INF (نرخ تورم)، OLINIC (درآمد نفت) و  (متغیر تحریم‌‌ها که این متغیر به‌منزلۀ متغیر مجازی اضافه شده است و سال‌‌هایی که تحریم نیست (سال88 و 89) برابر عدد صفر و سال‌های بعد از آن عدد یک در نظر گرفته شده است).

 

یافته‌‌ها

نسبت مطالبات غیرجاری بانکی به تسهیلات اعطایی در نظام بانکی، میزان ریسک بانک‌‌ها در اعطای تسهیلات را می‌‌سنجد و یکی از معیارهای سنجش سلامت بانک است؛ بنابراین، هرچه این رقم کاهش یابد، کارآیی بانک‌‌ها در تأمین منابع مالی تولید بهتر می‌شود؛ ازاین‌رو، افزایش آن علامت هشداری برای نظام بانکی است و ممکن است بر رشد اقتصادی در بلندمدت تأثیر منفی بگذارد و چرخۀ تولید را مختل‌‌کند. این رقم براساس استانداردها و عرف بین‌المللی باید بین 2 تا 5 درصد تسهیلات اعطایی باشد ومعوقات‌‌ بیش از 5 درصد تسهیلات بانکی، ریسک پرخطر محسوب می‌‌شود.

با توجه به محاسبات انجام‌‌شده، میانگین نسبت تسهیلات سررسید گذشته، معوق و مشکوک‌الوصول به کل تسهیلات اعطایی بانک‌های حاضر در بورس اوراق بهادار تهران طی سال‌‌های 1388 تا 1394، 59/12 درصد و تقریباً 3 تا 4 برابر استاندارد و عرف بین‌المللی است؛ بنابراین، در مرحلۀ ریسک‌‌پذیری بالایی قرار دارد.

همان‌طور که در جدول (1) مشاهده می‌‌شود، نسبت NPL بانک ایران‌زمین در سال 1391 برابر با 004/0 و بانک حکمت و خاورمیانه در این سال برابر با صفر درصد است. ذکر این نکته ضروری است که بانک‌‌های ایران‌زمین و خاورمیانه سال‌‌های ابتدایی فعالیتشان است؛ در حالی‌‌ که نسبت NPL بانک حکمت در 4 سال متوالی - از سال 1388تا سال1391 - صفر درصد است. بیشترین مقدار NPL متعلق به بانک سرمایه در سال 1394 برابر با 42/49% است. ساختار سرمایه ازجمله موضوعاتی است که در عرصۀ بانکداری اهمیت فراوانی دارد. مرتبط‌بودن ساختار سرمایۀ بانک‌‌ها با ریسک اعتباری و هزینۀ سرمایه سبب ایجاد تمایلات متضاد در بانک برای کاهش نسبت سرمایه برای رسیدن به سود بیشتر یا افزایش سرمایه برای مقابله با خطر نکول[7] شده است. میانگین نسبت سرمایه به دارایی بانک‌‌های حاضر در بورس اوراق بهادار تهران طی سال‌‌های 1394-1388، 69/7 درصد و کمترین مقدار این نسبت برای بانک قوامین در سال 1394 برابر با 001/0 و بیشترین مقدار این نسبت برای بانک خاورمیانه در سال 1391 برابر با 15/0 است.


جدول (1) نسبت تسهیلات غیرجاری (NPL) بانک‌های مطالعه‌شده

بانک

1388

1389

1390

1391

1392

1393

1394

اقتصاد نوین

211/0

241/0

246/0

168/0

164/0

144/0

172/0

انصار

----

038/0

040/0

034/0

025/0

036/0

047/0

ایران‌زمین

-----

-----

-----

004/0

023/0

067/0

135/0

آینده

----

-----

-----

-----

055/0

042/0

017/0

پارسیان

312/0

298/0

289/0

273/0

332/0

396/0

397/0

پاسارگاد

108/0

071/0

059/0

060/0

061/0

057/0

058/0

تجارت

149/0

169/0

192/0

168/0

162/0

127/0

148/0

حکمت

000/0

000/0

000/0

001/0

018/0

045/0

026/0

خاورمیانه

-----

-----

-----

000/0

000/0

020/0

042/0

دی

------

000/0

057/0

017/0

030/0

108/0

087/0

سامان

194/0

201/0

418/0

394/0

294/0

238/0

201/0

سرمایه

293/0

278/0

335/0

222/0

272/0

472/0

494/0

سینا

137/0

143/0

158/0

136/0

125/0

085/0

064/0

شهر

101/0

079/0

063/0

038/0

035/0

058/0

047/0

صادرات

173/0

157/0

208/0

179/0

172/0

208/0

225/0

قوامین

000/0

000/0

000/0

006/0

015/0

009/0

013/0

کارآفرین

208/0

152/0

131/0

171/0

155/0

100/0

101/0

گردشگری

-----

-----

126/0

141/0

151/0

045/0

054/0

ملت

161/0

105/0

082/0

099/0

092/0

080/0

069/0

جدول (2) متوسط رشد اعتبار بانک‌‌های مطالعه‌شده

بانک

۱۳۸۸

۱۳۸۹

۱۳۹۰

۱۳۹۱

۱۳۹۲

۱۳۹۳

۱۳۹۴

اقتصاد نوین

110/0

166/0

250/0

283/0

239/0

269/0

084/0

انصار

----

----

266/0

342/0

399/0

255/0

083/0

ایران‌زمین

----

----

----

----

152/2

012/1

275/0

آینده

----

-----

-----

-----

----

664/0

699/0

پارسیان

096/0

255/0

114/0

157/0

176/0

146/0

180/0

پاسارگاد

188/0

441/0

253/0

273/0

254/0

255/0

247/0

تجارت

188/0

187/0

196/0

121/0

301/0

001/0-

083/0

حکمت

----

052/0

710/0-

552/1

949/0

343/0

183/1

خاورمیانه

-----

-----

----

----

935/3

690/0

308/0

دی

---

----

828/0

768/3

586/0

501/1

342/0

سامان

250/0

762/0

112/0

138/0

353/0

148/0

079/0

سرمایه

332/0

298/0

266/0

405/0

784/0

128/0

012/0

سینا

268/0

426/0

244/0

142/0

274/0

371/0

175/0

شهر

----

338/0

246/0

583/0

775/0

582/0

836/0

صادرات

216/0

271/1

125/0

100/0

177/0

289/0

218/0

قوامین

707/0

414/0

352/0

428/0

180/0

476/0

281/0

کارآفرین

019/0

206/0

300/0

280/0

292/0

189/0

170/0

گردشگری

----

----

----

435/2

584/0-

589/1

773/0

ملت

211/0

122/0

080/0

213/0

217/0

066/0

242/0

 

 

متوسط رشد اعتبار طی سال‌‌های مطالعه‌شده 57/43% است. در بین 17 بانک مطالعه‌شده،کمترین نرخ رشد برای بانک حکمت در سال 1390 و برابر با منفی 71 درصد است. در این سال مقدار تسهیلات اعطایی نسبت به سال قبل هم کاهش یافته است و بیشترین نرخ رشد تسهیلات برای بانک خاورمیانه در سال 1392 برابر با 393 درصد است. سال 1392 سال شروع فعالیت این بانک است. بعد از بانک خاورمیانه، بانک دی در سال 1391 بالاترین نرخ رشد تسهیلات را برابر با 376 درصد دارد.


جدول (3) اندازۀ دارایی بانک‌های مطالعه‌شده

بانک

۱۳۸۸

۱۳۸۹

۱۳۹۰

۱۳۹۱

۱۳۹۲

۱۳۹۳

۱۳۹۴

اقتصاد نوین

530/18

730/18

990/18

240/19

490/19

640/19

860/19

انصار

----

050/18

230/18

620/18

990/18

150/19

230/19

ایران‌زمین

----

-----

-----

580/16

490/17

180/18

620/18

آینده

----

-----

-----

-----

370/19

700/19

130/20

پارسیان

190/19

400/19

560/19

730/19

960/19

140/20

300/20

پاسارگاد

620/18

00/19

220/19

510/19

750/19

920/19

100/20

تجارت

760/19

960/19

060/20

240/20

570/20

670/20

760/20

حکمت

470/15

570/15

110/15

060/16

440/16

830/16

320/17

خاورمیانه

-----

----

----

540/15

870/16

240/17

540/17

دی

-----

270/15

360/16

580/17

180/18

580/18

160/19

سامان

710/17

260/18

500/18

700/18

110/19

240/19

370/19

سرمایه

260/17

530/17

880/17

240/18

620/18

750/18

810/18

سینا

390/17

680/17

010/18

360/18

630/18

820/18

950/18

شهر

404/16

980/16

490/17

200/18

690/18

190/19

670/19

صادرات

440/19

130/20

220/20

380/20

240/20

810/20

020/21

قوامین

340/18

680/18

970/18

400/19

640/19

920/19

172/20

کارآفرین

440/17

570/17

900/17

160/18

420/18

530/18

630/18

گردشگری

-----

----

00/16

820/16

610/17

120/18

550/18

ملت

140/20

320/20

470/20

890/20

040/21

020/21

290/21

 

 

 

 

متوسط اندازۀ دارایی بانک‌های تجاری ایرانی (براساس لگاریتم طبیعی دارایی‌ها) حاضر در بورس اوراق بهادار تهران طی سال‌‌های مطالعه‌شده 17/18 است. کوچک‌ترین بانک‌‌ با توجه به اندازۀ دارایی بانک حکمت در سال 1390 برابر با 11/15 و بزرگ‌ترین بانک، بانک ملت در سال 1394 برابر با 29/21 است.

یکی از شاخص‌‌های سلامت مالی شرکت و کارآیی مدیریت آن، توانایی شرکت در کسب سود چشمگیر است. نسبت بازده دارایی، بهترین نسبت برای ارزیابی مدیریت است. اختلاف این نسبت بین بانک‌ها بر مفاهیم محدودتر دارایی مانند دارایی‌‌های درآمدزا (کلیۀ وام‌‌ها، پیش‌‌پرداخت‌‌ها، سرمایه‌‌گذاری‌‌ها و سپرده‌‌های بهره‌دار) متکی است. میانگین نسبت بازده دارایی بانک‌‌های مطالعه‌شده طی سال‌‌های
1394-1388، 06/2 درصد است. کمترین نسبت را بانک سرمایه در سال 1394، با مقدار 29/3-% و بیشترین نسبت را بانک خاورمیانه در سال 1391 با مقدار 15% دارد.

متوسط نرخ رشد تولید ناخالص داخلی ایران بدون درنظرگرفتن درآمد نفت طی سال‌‌های مطالعه‌شده 2.65% است. نرخ رشد GDP در سال‌های 1392 و 1391 منفی شده است که در سال 1392 کمترین مقدار خود یعنی 1.07-% را داشته است. میانگین نرخ تورم و نرخ رشد درآمد نفت طی سال‌‌های مطالعه‌شده به‌ترتیب‌‌ 19.62% و 22.50% است.

برای تخمین الگو با استفاده از روش گشتاورهای تعمیم‌‌‌یافته (GMM)، ابتدا باید ابزارهای مناسب تعریف شود؛ به‌گونه‌‌ای که این متغیرهای ابزاری با جملات اخلال همبستگی نداشته باشد. در این روش با توجه به اینکه از شرایط گشتاوری برای رسیدن به تخمین‌‌های سازگار استفاده شده است، به فرض برون‌زای اکیدبودن ابزارها، برای شناسایی متغیرهای ابزاری نیازی نیست. در مقابل، همبستگی‌نداشتن جملۀ خطا با متغیرهای ابزاری ضروری است. بدین منظور برای سنجش اعتبار ابزارها از آزمون سارگان استفاده شده است که نتیجۀ آزمون سطح معنی‌داری 52/0 را نشان می‌‌دهد؛ بنابراین، ردنشدن فرضیۀ صفر ممکن است شواهدی را فراهم کند که بر مناسب‌بودن ابزارها دلالت دارد. به‌علاوه فرضیۀ صفر آزمون سارگان (متغیرهای ابزاری استفاده‌شده با پسماندها همبسته نیست) را نمی‌‌توان رد کرد؛ ازاین‌رو، متغیرهای ابزاری استفاده‌شده در این الگو مناسب‌ است. فرضیۀ صفر آزمون همبستگی سریالی را -که در آن جملات خطا در رگرسیون تفاضلی مرتبۀ اول، همبستگی سریالی مرتبۀ دوم نشان نمی‌‌دهد – نیز نمی‌‌توان رد کرد. بعد از اطمینان از ابزارها آزمون مربوط به خودهمبستگی اجزای اخلال اجرا می‌‌شود. براساس این آزمون که برای تأیید ابزارهای استفاده‌شده در الگوی GMM استفاده می‌شود، اجزای اخلال باید خودهمبستگی مرتبۀ اول را داشته باشد؛ اما خودهمبستگی مرتبۀ دوم را نداشته باشد؛ به عبارت دیگر، باید از فرایند مرتبۀ اول مارکف (AR(1)) تبعیت کند و از فرایند مرتبۀ دوم مارکف (AR(2)) پیروی نکند. براساس نتایج به‌دست‌‌آمده از آزمون خودهمبستگی بین اجزای اخلال، خودهمبستگی مرتبۀ اول بین اجزای اخلال تأیید می‌‎شود و وجودنداشتن این موضوع در مرتبه‌های دوم در سطح 99 و 95 درصد اطمینان تأیید می‌شود. پس از اطمینان از مناسب‌بودن متغیرهای ابزاری تعریف‌شده، برآورد الگو با استفاده ازگشتاور‌‌های تعمیم‌یافتۀ (GMM) پویا انجام می‌شود. مبنای اولیۀ الگو‌‌های GMM پویا توسط آرلانو - بوند در سال 1991 مطرح شد که روش GMM تفاضلی (DGMM[8]) مرتبۀ اول نامیده می‌‌شود. در سال 1995 آرلانو - باور و در سال 1998 بلوندل - بوند[9] با ارائۀ تغییراتی در روش GMM تفاضلی مرتبۀ اول، روش GMM متعامد (OGMM) را ارائه دادند (که از این به بعد GMM تفاضلی با DGMM و روش GMM ارتگنال (متعامد) با OGMM، نشان داده می‌‌شود). تفاوت این دو روش براساس شیوه‌‌ای است که از تأثیرات فردی در الگو گنجانده می‌‌شود. در شیوۀ DGMM از تفاضلو در روش آرلانو - باور از روش اختلاف از تعامداستفاده می‌‌شود. در روش آرلانو - بوند از همۀ مجموع وقفه‌‌های موجود به‌منزلۀ متغیر ابزاری استفاده می‌‌شود؛ اما در روش OGMM از سطوح وقفه‌‌دار به‌منزلۀ متغیر ابزاری استفاده می‌شود. هرچند روش آرلانو - بوند نسبت به روش OGMM شهرت بیشتری دارد، روش OGMM نسبت به روش DGMM مزایایی دارد که پژوهشگران استفاده از آن ‌‌را ترجیح می‌‌دهند ]4[. نتایج تخمین معادلۀ (1) به‌صورت خلاصه در جدول (4) آورده شده است.

براساس نتایج جدول (4)، متغیر NPL دورۀ گذشته از نظر آماری معنادار است و تأثیر مثبتی دارد (وقفۀ گذشتۀ NPL یا نسبت تسهیلات غیرجاری در سال‌های قبل بر تسهیلات غیرجاری کنونی تأثیر دارد). می‌‌توان گفت با ارتقای یک واحد از متغیر مستقل، NPL دورۀ گذشته به میزان ضریب نوشته‌شده در جدول (متغیر وابسته) ارتقا پیدا می‌کند؛ یعنی اگر ضرایب متغیرهای مستقل در الگو معنی‌‎دار باشد، به‌ازای یک واحد تغییر در یکی از متغیرهای مستقل، متغیر وابسته به اندازۀ ضریب آن در الگو تغییر خواهد کرد. نرخ رشد درآمد نفتی ارتباط معنی‌دار و منفی با نسبت NPL دارد. از آنجا که قدرت مالی دولت بسیار به درآمد نفت وابسته است، وقتی درآمد نفتی افزایش یابد قدرت دولت در حمایت از بنگاه‌‌های اقتصادی ازجمله بانک‌ها افزایش می‌یابد و ازسوی دیگر استقراض دولت از بانک و تعداد تسهیلات تکلیفی بانک‌‌ها کاهش پیدا می‌‌کند و درمجموع فشار کمتری به صنعت بانکی وارد می‌‌شود.

جدول (4) نتایج تخمین الگو به روش DGMM

متغیر

ضرایب

آمارۀ t

سطح معنی‌داری

NPL(-1)

52/0

23/16

000/0

CGR

01/0-

19/2-

03/0

EQA

32/0-

99/1-

05/0

GDPgr

25/0

98/1

05/0

INF

01/0-

61/0-

54/0

OLINICgr

03/0-

12/2-

03/0

ROA

08/0

15/0

87/0

SIZE

03/0-

52/1-

13/0

DUM

01/0-

47/0-

63/0

**معنادار در سطح 95%

 

در پایان متغیر تحریم که به‌منزلۀ متغیر مجازی وارد الگو شده بود ازنظر آماری معنادار نیست. بانک‌‌های داخلی طی 8-7 سال گذشته به‌دلیل به‌روزنبودن نتواسته‌‌اند مقررات بین‌‌المللی را - که در حال حاضر در سطح دنیا در حال اجراست - پیاده کنند و تا زمانی ‌‌که این سیستم‌‌های بین‌المللی بانکی که یکی از الزامات ارتباط بانکی است پیاده نشود، بانک‌‌های بزرگ حاضر به همکاری نمی‌شوند و این موضوع تنها مختص ایران نیست؛ بنابراین، تا زمانی‌‌ که مجموعه‌ای از مقررات بین‌‌المللی مانند بحث کفایت سرمایۀ بانک‌ها، خروج بانک‌ها از بنگاه‌‌داری، موضوعات مربوط به پول‌شویی و شفافیت در عملکرد اعضای هیئت‌مدیرۀ بانک‌ها صورت نگیرد، زمینۀ همکاری با بانک‌‌های بزرگ به تعویق می‌‌افتد. از آنجا ‌‌که میزان اعطای تسهیلات اعطایی خارجی بسیار اندک است، متغیر تحریم ارتباط معناداری با NPL ندارد.
جدول (5) به‌اختصار نتایج حاصل از آزمون فرضیه‌های آماری را نشان می‌‌دهد.


جدول (5) نتایج حاصل از تخمین GMM

فرضیۀ پژوهش

پذیرفتن یا نپذیرفتن فرضیه

نسبت تسهیلات سررسید گذشته، معوق و مشکوک‌الوصول به کل تسهیلات اعطایی سال قبل

پذیرش فرضیه

تولید ناخالص داخلی بدون درآمد نفت

پذیرش فرضیه

درآمد نفت

پذیرش فرضیه

نرخ تورم

رد فرضیه

بازده دارایی

رد فرضیه

اندازۀ بانک

رد فرضیه

رشد اعتبار

پذیرش فرضیه

نسبت سرمایه به دارایی

پذیرش فرضیه

 


نتایج و پیشنهادها

براساس یافته‌‌های پژوهش، بالابودن نسبت تسهیلات سررسید گذشته، معوق و مشکوک‌الوصول به کل تسهیلات اعطایی سال قبل بانک‌‌ها، تأثیر مثبتی بر میزان نسبت NPL سال جاری آنها دارد. نرخ رشد تولید ناخالص داخلی بدون درنظرگرفتن درآمد نفت ازنظرآماری معنادار و مثبت است. یافته‌‌های پژوهش با مطالعات پیشین مطابقت ندارد. دلیل این امر ممکن است بانک‌محوربودن اقتصاد ایران باشد و زمانی که وضعیت اقتصادی ایران مطلوب باشد، سرمایه‌‌گذاری و تقاضای وام از بانک‌ها افزایش می‎یابد و به‌دنبال آن اعطای وام بیشتر می‌‌شود. درنتیجه نسبت NPL افزایش می‌‌یابد. نرخ رشد درآمد نفتی ارتباط معنی‌دار و منفی با نسبت NPL دارد. از آنجا که قدرت مالی دولت بسیار به درآمد نفت وابسته است، با افزایش درآمد نفتی قدرت دولت در حمایت از بنگاه‌‌های اقتصادی ازجمله بانک‌‌ها افزایش می‌یابد و ازسوی دیگر، استقراض دولت از بانک و تعداد تسهیلات تکلیفی بانک‌ها کاهش پیدا می‌‌کند و درمجموع فشار کمتری به صنعت بانکی وارد می‌‌شود. نرخ تورم ازنظر آماری معنادار نیست و این یافته با مطالعۀ بونیلا (2011) مطابقت دارد. همان طور که خرماج و پاشا (2009) بیان کردند ارتباط مبهمی بین نرخ تورم و نسبت NPL وجود دارد. اندازۀ بانک‌‌ها براساس یافته‌‌های پژوهش ازنظرآماری معنادار نیست. در سیستم بانکی کشور هیچ کدام از بانک‌‌ها اعطای تسهیلات را با رتبه‌بندی اعتباری انجام نمی‌‌دهند و تقریباً همۀ بانک‌‌ها تسهیلات اعطایی خود را براساس نوع وثیقۀ دریافتی اعطا می‌‌کنند و این ارتباطی به بزرگ یا کوچک‌بودن بانک ندارد؛ بنابراین، این عامل رابطۀ معناداری با NPL ندارد؛ اما ضریب منفی این متغیر با مطالعۀ بودریگا[10] و همکاران (2010) مطابقت دارد. درواقع، ضریب منفی نشان می‌‌دهد بانک‌‌های بزرگ‌تر منابع مالی بیشتر و تجربۀ‌‌ بالاتری دربارۀ وام‌‌گیرندگان دارند؛ در حالی‌‌ که بانک‌‌های کوچک زیر فشار انتخاب معکوس قرار دارند. رشد اعتبار رابطۀ معنادار و منفی با ریسک اعتباری دارد و این نتیجه با نتایج مطالعات خرماج و پاشا (2009)، کلیر (1992)، بودریگا و همکاران (2010)، داس[11] وگاش (2007) مطابقت دارد. سرمایۀ بانک ارتباط منفی و معناداری با ریسک اعتباری دارد. این نتیجه با مطالعات اسپینوزا و پراساد[12] (2010) و فرضیۀ خطر اخلاقی برگر و دیانگ[13] (1997) مطابقت دارد. برگر و دیانگ توضیح می‌‌دهند سرمایۀ ازبین‌رفته سبب افزایش ریسک سبد وام آنها می‌‌شود و این امر، در آینده سبب افزایش ریسک اعتباری می‌‌شود.

با توجه به نتیجۀ پژوهش و اینکه مطالبات معوق و سررسید گذشتۀ دوره‌‌های قبل بر ریسک اعتباری فعلی بانک‌‌ها بیشترین تأثیر را دارد و بخش زیادی از این مطالبات به‌دلیل تمدید از حالت غیرجاری به جاری درمی‌‌آید، به بانک‌‌ها پیشنهاد می‌‌شود برای کاهش ریسک اعتباری تا حد امکان برای تمدید تسهیلات غیرجاری اقدام نکنند. مگر اینکه با روش‌های اعتبارسنجی، ریسک کنونی مشتریان را دوباره ارزیابی کنند. ازطرفی با توجه به تأثیرگذاری متغیرهای کلان اقتصادی بر ریسک اعتباری، توصیه می‌‌شود بانک‌‌ها با توجه به چرخه‌‌های تجاری و وضعیت درآمدی دولت از یک سیستم اعتباردهی منعطف و پویا متناسب با شرایط کلان استفاده کنند و رویه‌‌ای ایستا و ثابت در پیش بگیرند. ازطرفی به پژوهشگران در پژوهش‌‌های بعدی توصیه می‌‌شود تأثیر ریسک بین بانکی (ریسک سیستمی بانکی) بر ریسک اعتباری و میزان استقراض دولت از نظام بانکی بر ریسک بانکی را بررسی کنند. بخش زیادی از ریسک اعتباری نظام بانکی به‌دلیل نبود شرکت‌‌های معتبر اعتبارسنجی در کشور است؛ بنابراین، لازم است قانون‌گذار و دولت تمهیدات لازم برای تسهیل ورود این شرکت‌‌ها به این حوزه را در پیش بگیرند تا بدین شکل، بانک‌‌ها بتوانند به شیوه‌‌های علمی ریسک مشتریان را بسنجند و ریسک اعتباری خود را کاهش دهند.



[1]. Clair

[2]. Khemraj & Pasha

[3]. Flamini

[4]. Bonilla

[5]. Ghosh

[6]. Alandejani & Asutay

.[7] منظور ریسک اعتباری خود بانک است؛ به‌طور طبیعی هرچه سرمایۀ بانک‌ها بیشتر باشد کفایت سرمایه بهبود می‎‌یابد و ریسک اعتباری خود بانک نزد سپرده‌گذاران و سایر ذینفعان کاهش پیدا می‌کند.

[8]. Diagnosis-Guided Multi-Modality

[9]. Blundell & Bond

[10]. Boudriga

[11]. Das

[12]. Espinoza & Prasad

[13]. Berger & Deyoung

[1] Alandejani, M., Asutay, M. (2017). Nonperforming loans in the GCC banking sectors: Does the islamic finance matter? Research in International Business and Finance, 42: 832-854.
[2] Arabmazar, A., Roueintan, P. (2006). Determinants of credit risk among bank clients a case study: Agricutural bank of Iran. Journal of Economic Essays, 6 (3): 45-80.‏ (in Persian).
[3] Berger, A. N., DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking & Finance, 21 (6): 849-870.
[4] Blundell, R., Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87 (1): 115-143.
[5] Bonilla, C. A. O. (2011). Macroeconomic Determinants of the Non-Performing Loans in Spain and Italy. University of Leicester. Thesis in Finance Course.
[6] Boudriga, A., Taktak, N. B., & Jellouli, S. (2010). Bank specific, business and institutional environment determinants of banks nonperforming loans: Evidence from mena countries. In: Economic Research Forum,Working Paper, 547: 1-28
[7] Clair, R. (1992). Loan growth and loan quality: Some preliminary evidence from Texas banks. Economic Review-Federal Reserve Bank of Dallas, 9: 1-14.
[8] Das, A., & Ghosh, S. (2007). Determinants of credit risk in Indian State-owned Banks: Anempirical investigation. published in: Economic Issues , 12 (2): 48-66.
[9] Ekhtiari, M. (2010). Introducing an extended approach and approach for credit ratings for customers. Journal of Industrial Management Studies, 99 (2): 212-272.
(in Persian).
[10] Espinoza, R. A., Prasad, A. (2010). Nonperforming loans in the GCC banking system and their macroeconomic effects. IMF working paper. 1-25
[11] Flamini, V., Schumacher, M. L., & McDonald, M. C. A. (2009). The determinants of commercial bank profitability in Sub-Saharan. International Monetary Fund working paper. 1-32. Availanble at: https://www.imf.org/external/pubs/ft/wp/2009/wp0915.
[12] Ghosh, A. (2017). Sector-specific analysis of Non-Performing loans in the US Banking system and their Macroeconomic Impact. Journal of Economics and Business, 93: 29-45.
[13] Hemmati, A., Mohebbi Nejad, S. (2008). Evaluation the effect of macroeconomic factors on credit risk for banks. Economic Research Review, 6: 33-59. (in Persian).
[14] Khemraj, T., Pasha, S. (2009). The determinants of non-performing loans: An econometric case study of Guyana. Munich Personal Repec Archive. 1-26. Available at: https://mpra.ub.unimuechen.de.
[15] Latifi, M. (2004). Investigation of the relationship between credit risk indicators and timely repayment of Mellat bank customers' obligations. (Unpublished Master’s thesis). University of Alzahra, Tehran, Iran. (in Persian).
[16] Mehrara, M., Khodadadi, F. (2017). Effect of macroeconomic fluctuations on the lending behavior of commercial banks in Iran. Islamic Economics & Banking, 15 (18): 23-39. (in Persian).
[17] Mirzaei, H., Falihi, N., & Mashhadian, M. (2012). The effect of uncertainty rate of macro-economic variables (inflation and exchange rate) on credit risk legal entities of tejarat bank. Financial Economy Journal, 18 (6): 113-137. (in Persian).
[18] Mohamadi, T., Shakeri, A., Eskandari, F., & Karimi, D. (2017). Factors shaping the non-performing loans in Iranian Banking System: A case study'. Majlis and Rahbord, 24 (89): 269-300. (in Persian).
[19] Rasti, M., Ekhtiari, M. (2011). Group decision making for customers' rankings. Sepah Bank Quarterly, 299: 33-91. (in Persian).
[20] Sadeghi Shahedani, M., Agha Babaee, M. (2011). Comparative analysis of credit risk in Islamic Banking versus current banking. Eslamic Economic Studies, 1 (1): 89-115. (in Persian).
[21] Seifollahi, N. (2017). Negative relationship between credit risk and currency risk with returns of stock prices of banks in Iran (Aproach ARIMA-GARCH-M). Financial Engineering and Securities Management (Portfolio Management), 8 (30): 19-31. (in Persian).
[22] Tan, Y. (2016). The impacts of risk and competition on bank profitability in China. Journal of International Financial Markets, Institutions and Money, 40: 85-110.
[23] Yazdanpanah, A., Shakib, S. (2009). Effective factors on banks liquidity risk (Bank Mellat case study). Financial Knowledge of Securities Analysis, 99 (2): 27-54. (in Persian).