Estimating Financial Stress in Iran's Economy: Emphasizing Its Consequences for Managing Business and Family Assets

Document Type : Research Paper

Authors

1 PhD Student in Economics, Department of Economics, Faculty of Humanities, Islamic Azad University of Yazd Branch,Yazd, Iran

2 Assistant Professor, Department of Economics, Faculty of Humanities, Islamic Azad University of Yazd Branch,Yazd, Iran

Abstract

Introduction:
Financial markets promote savings, capital accumulation, and economic growth by reducing transaction costs and information asymmetries in the economy. The growth of efficient financial markets plays a decisive role in economic growth, but it should be noted that the occurrence of a crisis in the financial markets can also lead to economic decline and in some situations to recession. One of the warning signs of a financial crisis is the financial stresses that occur in the financial markets and lead to increased uncertainty and instability in the economy. Tensions in financial markets are defined as the force influencing the behavior of economic agents in the form of uncertainty and changing expectations.
Existence of financial stress in various ways such as reducing the tendency to hold non-cash and risky assets, increasing uncertainty about investor behavior, the fundamental value of assets and future economic conditions, the behavior of agents affects the economy and also hurts economic growth due to increasing information asymmetries. One of the newest indicators used to study financial markets is the financial stress index, which is calculated by combining the performance indicators of different financial markets.
 
Method and Data:
The purpose of this paper is to estimate the financial stress index at asset markets and financing in Iran’s economy from 2001 to 2017. To calculate the financial stress index, the first five main financial sectors of the country including monetary and banking sectors, currency, stock market, real estate, and credit market were selected. After selecting the parts of the financial system and presenting an index for each sector, it is time to calculate the index for each sector and then combine them to calculate the combined index. For this purpose, the specified data in the previous section for each part of the financial system have been extracted from reputable statistical sources such as the time series database of the Central Bank, the Statistics Center of Iran, and the database of the Ministry of Economy.
Using the principal component analysis (PCA) method, stress-related variables are aggregated in the components of the country's financial system and the proposed financial stress index for Iran’s economy is extracted. To calculate the financial stress index, the first five main financial sectors of the country, including monetary and banking sectors, currency, stock market, real estate, and credit market were selected. For each of the mentioned segments, the sectoral financial stress indices have been calculated using the methodology used in similar foreign samples. Then, using the principal component analysis (PCA) method, stress-related variables are aggregated in the components of the country's financial system and the proposed financial stress index for Iran’s economy is extracted. These tensions can be divided into three categories: (1) from the second quarter of 2007 to the second quarter of 2008, which with the orderly reduction of bank’s interest rates by the government, the number of facilities granted to the private sector entered a downward trend. (2) From the first quarter of 2011 to the third quarter of 2013, when the exchange rate jumped due to international sanctions, the stock market and real estate fluctuated, and the facilities granted and the normal operation of the banking network began to decline. This period was accompanied by rising inflation and a credit crunch. (3) Other periods in which the behavior of the country's economy in terms of financial stress has been fluctuated around the average with relatively high financial stress due to increased private sector debt to banks and chronic inflation, but at the same time has been relatively stable.
 
Findings:
The results of studies indicate that in the period under study, Iran’s economy has experienced tense periods. During periods of financial turmoil, accompanied by disruption of credit market financing, the value of foreign exchange, real estate, and stock assets increased in the opposite direction of the monetary and credit markets. The same phenomenon can explain the tendency of companies and households to hold foreign exchange assets and stocks, as well as identifying the profits of companies from increasing the value of their land and housing assets in periods of financial stress.
 
Conclusion and discussion: 
The analysis of the results shows that the tension in the credit market has a high and significant correlation (at the level of one percent) with the tension at other financial sectors of the country. In addition to the credit market, the monetary and banking market and the foreign exchange market are other important and sensitive sectors of the country's economy in which tensions are significantly correlated with other markets and affect the entire economy. A high and significant correlation at the level of one percent of tension in the foreign exchange market with the monetary and banking sector of the country indicates the impact of the monetary and banking sector on the tension in the foreign exchange market, which has shown itself many times in recent decades.

Keywords

Main Subjects

Full Text

مقدمه

مسئلۀ تأمین مالی پروژه‌ها و بنگاههای اقتصادی در سال‌های اخیر به یکی از چالش‌های اصلی توسعۀ بخش خصوصی و درنتیجه، به مانعی برای شتاب رشد اقتصادی کشور تبدیل شده است. این امر به‌ویژه در شرایط کنونی که بنگاههای اقتصادی با شرایط رکودی و بیشتر بانک‌ها با مشکل تأمین نقدینگی روبه‌رو هستند، بیش از پیش به مشکلات واحدهای تولیدی و بنگاهها افزوده است؛ زیرا مسئلۀ تأمین مالی بنگاهها از ضرورت‌ها و پیش‌نیازهای اصلی و اساسی افزایش تولید ملی است. درواقع، بدون تجهیز بنگاههای اقتصادی به منابع کافی، نباید انتظار داشت توانایی کافی برای افزایش تولید ملی وجود داشته باشد. برای تأمین مالی شرکت‌ها، روش‌ها و ابزارهای گوناگونی وجود دارد که هرکدام ویژگی‌های مربوط به خود را دارد. این ابزارها و روش‌ها نسبت به نیازها، توان مالی، شرایط اقتصادی و تنوع رفتار مردم در سرمایه‌گذاری و روبه‌روشدن با خطر، تبیین و به کار گرفته می‌شود. ازجمله روش‌های تأمین مالی، بازار سرمایه، وام‌های بانکی و اوراق قرضه است. منابع رایج‌‌تر تأمین مالی از منابع خارج از بنگاه عبارتند از: وام بانکی، قرض‌گرفتن از بازارهای غیررسمی، استفاده از منابع اختصاص‌یافته در قالب طرح‌های دولتی ازقبیل وجوه اداره‌شده و صندوق توسعۀ ملی و نیز استفاده از ابزارهای مالی رایج در بازار سرمایه یعنی، انتشار سهام (زمانی و سهرابی، 1397).

بخش مالی کارآمد نقشی اساسی در کاهش هزینۀ مبادله، تجهیز منابع مالی برای سرمایه‌گذاری، تخصیص بهینۀ منابع و جذب سرمایه‌گذاری خارجی دارد. از رهیافتی نظری، در صورتی که عملکرد بخش مالی دچار اختلال شود، توانایی شرکت‌ها و خانوارها برای تأمین مالی و مدیریت دارایی و نیز تخصیص بهینۀ منابع در کل اقتصاد، کاهش و هزینۀ مبادله افزایش می‌یابد. در عمل نیز، بحران‌های مالی در مناطق مختلف جهان و به‌ویژه بحران بزرگ مالی ۲۰۰۸ آمریکا توجه سیاست‌گذاران در کشورهای مختلف و نهادهای بین‌المللی مانند صندوق بین‌المللی پول را به نقش ثبات مالی بر عملکرد بخش واقعی اقتصاد جلب کرده است (Hakkio & Keeton, 2009). در ایران نیز پیامدهای بی‌ثباتی در بازارهای مالی در دهۀ اخیر منجر به افزایش نااطمینانی بین بازیگران اقتصادی و بیش از پیش سبب توجه به نقش ثبات مالی در عملکرد اقتصادی کشور شده است (درگاهی و نیک‌‌جو، 1391).

یکی از راههای پایش وضعیت پایداری نظام مالی کشورها که امروزه محبوبیت بسیاری یافته است، بهره‌گیری از شاخص تنش مالی[1] است. شاخص‌های تنش مالی موجود در ادبیات، بسته به کاربرد آنها، شامل متغیرهای مالی مختلف از بخش‌های مختلف نظام مالی می‌‌شوند؛ برای مثال تا سال ۲۰۱۵، برای بازارهای مالی آمریکا ۱۲ شاخص تنش مالی استخراج شده است که مقدار چهار شاخص از بین آنها را به‌‌طور مرتب فدرال رزو گزارش می‌کند (Kim, Shi & Kim, 2019).

در ایران درگاهی و نیک‌‌جو (۱۳۹۱) برای نخستین‌‌بار با استفاده از داده‌‌های فصلی بازارهای مالی مختلف، شامل بخش بانکی، بازار سهام، مسکن و بازار ارز، شاخص تنش مالی برای اقتصاد ایران را توسعه دادند و آثار آن بر رشد اقتصادی در طول دورۀ زمانی ۱۳۷۳ تا ۱۳۸۷ را بررسی کردند. براساس نتایج به‌‌دست‌‌آمده از مطالعۀ آنها، اقتصاد ایران در دورۀ زمانی (۴) ۱۳۷۴- (۳)۱۳۷۴ و (۲)۱۳۸۷ - (۴)۱۳۸۶ بیشترین تنش مالی را تجربه کرده است، تأثیر تنش در بازارهای مالی در کوتاه‌‌مدت بر رشد اقتصادی منفی و معنادار است و اهمیت تنش بخش بانکی در رشد اقتصادی، بیش از سایر بازارهای مالی بوده است. خزعلیپور و رنجبر (1393) در پژوهشی با نام اثر تنش مالی بر تولید ناخالص داخلی سرانه در ایران در طول دورۀ زمانی (۳)۲۰۰۰ - (۱)۲۰۱۱، تأثیر شاخص تنش مالی بر رشد اقتصادی در ایران با استفاده از روش خودرگرسیون با وقفه‌‌های گسترده را بررسی کردند. نتایج به‌‌دست‌‌آمده نشان داد تنش مالی در بازارهای پولی و بازار سهام، آثار مثبت و منفی بر رشد اقتصادی ایران دارد، تنش بانکی اثر مثبت بر رشد اقتصادی ایران داشته و در کل اثر تجمعی تنش مالی بر اقتصاد ایران مثبت بوده است. حیدریان و همکاران (۱۳۹۸) ابتدا با استفاده از داده‌های فصلی بخش بانکی، بازار سهام و بازار ارز، شاخصی ترکیبی از استرس مالی برای اقتصاد ایران طی دورۀ زمانی ۱۳۷۰ تا ۱۳۹۶ ساختند و تأثیر این شاخص بر رشد اقتصادی با استفاده از روش خودرگرسیون مارکف ـ سوئیچینگ را ارزیابی کردند. آنان در ساخت شاخص تنش مالی از بازار مسکن و مستغلات صرف‌‌نظر کردند و شیوۀ انتخاب متغیرهای آنان از بازار بانکی، سهام و ارز، مشابه شیوۀ درگاهی و نیک‌جو (۱۳۹۱) است. نتایج آنان نشان می‌دهد اقتصاد ایران طی ۱۳ سال استرس مالی منفی و طی نه سال استرس مالی مثبت داشته که به ترتیب باعث کاهش و افزایش رشد اقتصادی در کشور شده است؛ البته پایداری سال‌های رکود و استرس مالی منفی بیشتر از سال‌های رونق و استرس مالی مثبت بوده است؛ به گونه‌ای که اثر کلی استرس مالی بر رشد اقتصادی منفی و معنادار بوده است. انتخاب بازارها و گزینش متغیرها در هر سه پژوهش اشاره‌‌شده مبتنی‌‌بر ادبیات نبوده است و از شیوه‌های استفاده‌‌شده در ادبیات روز جهان برای ساخت و گزینش متغیرهای اجزای مختلف نظام مالی کشور استفاده نکرده‌اند.

هدف مطالعۀ حاضر، استخراج شاخص تنش مالی برای اقتصاد ایران است؛ بدین منظور از آخرین یافته‌ها و جدیدترین مطالعات بهره گرفته شده است. در این مطالعه، برخلاف دیگر مطالعات داخلی که به‌‌صورت صلاح‌دیدی عمل کرده‌اند، برای هرکدام از بازارها و هریک از اجزای نظام مالی ایران از شاخص تنش مالی مناسب استفاده شده است. این مطالعه، تنش مالی در اقتصاد ایران با تأکید بر پیامدهای آن برای مدیریت دارایی‌های بنگاه و خانوار را برآورد کرده است.

ساختار مقالۀ حاضر از پنج بخش تشکیل شده است. در ادامه و در بخش دوم و سوم، مبانی نظری و پیشینۀ پژوهش بیان می‌‌شود. در بخش چهارم، شاخص تنش مالی برای اقتصاد ایران به‌‌صورت گام‌‌به‌‌گام محاسبه می‌شود. یافته‌‌های پژوهش و نتیجه‌‌گیری در بخش پایانی ارائه شده است.

 

مبانی نظری

مفهوم تنش مالی در سطح کلان که شامل بازارهای مالی و کلیت اقتصاد می‌شود، به اندازۀ تنش‌های در سطح خرد واضح نیست. اگرچه بین صاحب‌نظران متعدد اختلاف نظر هست، غالب تعاریف موجود سمت‌وسوی یکسانی دارند. ایلینگ و لیو[2] (2006) تنش مالی را به‌‌صورت آشفتگی ناشی از عدم قطعیت و افزایش ناگهانی زیان انتظاری در بازارها و مؤسسات مالی تعریف می‌کنند. در نظر آنها تنش مالی به‌‌علت یک شوک برون‌زا و وجود شکنندگی مالی[3] گسترش می‌یابد و علت اصلی گسترش شوک به سراسر نظام مالی و تبدیل آن به تنش مالی، وجود نقاط آسیب‌پذیر در نظام مالی است. تعریف ایلینگ و لیو (2006) محدود است و شوک‌های درون‌زای ناشی از شکنندگی مالی را در بر نمی‌گیرد. هاکیو و کیتون[4] (2009) با اذعان به دشواری تعریف تنش مالی، اظهار می‌کنند مستقل از اینکه منشأ تنش مالی چه عاملی و از کدام بازار مالی باشد، تنش باعث وقفه در کارکرد متعارف بازارهای مالی می‌شود. به باور هاکیو و کیتون (2009) به‌‌دلیل اینکه هیچ دو بحران مالی عیناً مشابه همدیگر نیستند، دست‌یافتن به تعریفی دقیق‌تر و مشخص‌تر مقدور نیست و معتقدند در صورتی که دست کم یکی از مشخصه‌های زیر در اقتصادی ظاهر شود، با تنش مالی مواجه هستیم. آنان متذکر می‌شوند که شدت نسبی هرکدام از مشخصه‌های تنش مالی بین دوره‌های مختلف تنش مالی متفاوت است؛ ولی به‌‌طور معمول در یک دورۀ تنش مالی همۀ پدیده‌های زیر بروز می‌کند:

افزایش نااطمینانی دربارۀ ارزش بنیادی دارایی‌ها: ارزش دارایی‌های مالی به‌‌صورت ارزش حال جریان نقدی آتی آنها (سود تقسیمی، بهره و ...) تعریف می‌شود (Brealey, Myers & Allen, 2020). جریان نقدی آتی سهام، اوراق و تسهیلات تابعی از وضعیت اقتصادی آتی است و در صورتی که چشم‌انداز آیندۀ اقتصاد یا بخش‌های خاصی از اقتصاد با عدم قطعیت همراه باشد، نااطمینانی نسبت به ارزش دارایی‌ها افزایش می‌یابد. یکی از نشانه‌های مشترک بین دوره‌های گوناگون تنش مالی در اقتصادهای مختلف، افزایش نااطمینانی وام‌دهندگان و سرمایه‌گذران نسبت به ارزش بنیادین دارایی‌های مالی است. نااطمینانی نسبت به ارزش بنیادین دارایی‌ها منجر به افزایش نوسان در قیمت‌های بازاری دارایی‌ها خواهد شد. در شرایطی که نااطمینانی افزایش یافته باشد، سرمایه‌گذران به اطلاعات جدید واکنش‌های شدیدتری نشان می‌دهند که همین عامل منجر به نوسان بیشتر قیمت دارایی‌ها می‌‌شود (Pastor & Veronesi, 2009; Hautsch & Dieter, 2007).

افزایش نااطمینانی نسبت به رفتار دیگر سرمایه‌گذاران: سود انتظاری سرمایه‌گذاری که پیش از سررسید به فروش می‌رسد، علاوه‌‌بر ارزش بلندمدت آن به رفتار دیگر بازیگران نیز بستگی دارد. کینز[5] بازار سهام را همانند مسابقه‌‌ای برای تعیین زیباترین چهره می‌داند که در آن کسانی که چهره‌ای را برگزینند که بیشترین تعداد شرکت‌کنندگان انتخابش کرده باشند، برنده می‌شوند. آلن[6] و همکاران (2006) و کورت[7] (2008) مدل‌هایی از بازار سهام ارائه کرده‌اند که در آن سرمایه‌گذاران رفتار خود را بر مبنای انتظارات خود از انتظارات دیگر سرمایه‌گذران شکل داده‌اند. در اولی فرض می‌شود که هر سرمایه‌گذاری مقداری اطلاعات خصوصی دربارۀ ارزش بنیادین دارایی دریافت می‌کند و در دومی فرض می‌شود که اطلاعات دردسترس بازیگران مشابه و همگانی است؛ ولی باورهای متفاوتی دارند. در شرایطی که نااطمینانی دربارۀ ارزش بنیادین دارایی‌ها رو به افزایش باشد، سرمایه‌گذاران بیش از پیش رفتار خود را بر مبنای انتظارات خود از رفتار دیگر بازیگران تنظیم خواهند کرد و به همین دلیل در شرایط بحران مالی، ارتباط قیمت دارایی‌ها با ارزش بنیادین‌شان سست‌تر و نوسان قیمت‌شان در بازار بیشتر می‌شود.

افزایش عدم تقارن اطلاعات: ویژگی سوم دوران تنش مالی افزایش عدم تقارن اطلاعات بین وام‌گیرندگان و وام‌دهندگان و همین‌طور میان خریداران و فروشندگان دارایی‌های مالی است. عدم تقارن اطلاعات زمانی به وجود می‌آید که فروشندگان دارایی‌های مالی، اطلاعات بیشتری دربارۀ وضعیت واقعی مالی دارایی خود داشته باشند یا فروشندگان دربارۀ کیفیت واقعی کالای خود بیشتر بدانند. عدم تقارن اطلاعات باعث بروز مشکلاتی نظیر کژمنشی[8] و کژگزینی[9] می‌شود و هزینۀ دریافت وام برای بنگاهها و خانوارها را افزایش و قیمت میانگین دارایی‌ها در بازار ثانویه[10] را کاهش می‌دهد (Hakkio & Keeton, 2009). فرض کنید دو گروه بنگاه باکیفیت و کم‌کیفیت داریم که اوراق قرضه منتشر کرده‌اند؛ ولی سرمایه‌گذاران به‌‌دلیل عدم تقارن اطلاعات، قادر به تفکیک دو دسته بنگاه از یکدیگر نیستند و برای بیشینه‌کردن منافع خود، نرخ بهرۀ متناسب با ریسک بنگاههای دارای کیفیت متوسط را طلب خواهند کرد. در چنین شرایطی بعضی از بنگاههای باکیفیت از جذب سرمایه از بازار منصرف می‌‌شوند و به منابع داخلی خود اتکا خواهند کرد و همین مسئله باعث می‌شود که با انصراف بخشی از بنگاههای باکیفیت، کیفیت میانگین بنگاههایی که اوراق منتشر کرده‌اند کاهش یابد و در پیامد آن، سرمایه‌گذران نیز نرخ بهرۀ بیشتری طلب خواهند کرد. عدم تقارن اطلاعات در دورۀ تنش مالی به این دلایل افزایش می‌یابد: نخست اینکه واریانس کیفیت واقعی دارایی‌های مالی وام‌گیرندگان افزایش می‌یابد (Mishkin, 1990; Gorton, 2008) و دوم اینکه در دوران بحرانی، وام‌گیرندگان اعتماد به دقت برآوردها از اعتبارسنجی وام‌گیرندگان را از دست می‌دهند (Gorton, 2008)؛ از این رو هاکیو و کیتون (2009) افزایش عدم تقارن اطلاعات را یکی از مشخصه‌های ظهور تنش مالی معرفی می‌کنند.

کاهش گرایش به نگهداری دارایی‌های پرریسک: مشخصۀ مشترک دیگر بین دوره‌های مختلف تنش مالی، کاهش ناگهانی و تند گرایش به نگهداری دارایی‌های مالی پرریسک است. تغییر اشاره‌‌شده در ترجیحات سرمایه‌گذاران و وام‌دهندگان باعث می‌شود آنان بازده انتظاری بیشتری برای دارایی‌های پرریسک و بازده انتظاری کمتری برای دارایی‌های امن تقاضا کنند؛ درنتیجه اختلاف بازده بین نرخ بازگشت دو گونه دارایی افزایش می‌‌یابد و هزینۀ اخذ وام برای گروه پرریسک را افزایش می‌دهد (Caballero & Kurlat, 2008). به گرایش بیشتر به سمت دارایی‌های کم‌ریسک‌تر «کوچ به کیفیت[11]» می‌گویند.

افزایش گرایش به نگهداری دارایی‌های نقدشونده: علاوه‌‌بر مشخصه‌هایی که تاکنون ذکر کرده‌ایم، یک ویژگی بارز دیگر دوره‌های تنش مالی، کاهش ناگهانی و تند گرایش به نگهداری دارایی‌های با نقدشوندگی پایین است. وقتی می‌گوییم نقدشوندگی یک دارایی پایین است، یعنی احتمال اینکه در صورت نیاز فوری و غیرمترقبه به پول نقد بتوان آن را با قیمتی نزدیک به ارزش بنیادینش به فروش رساند، کم باشد. به افزایش گرایش سرمایه‌گذران به نگهداری دارایی‌های نقدشونده و کاهش گرایش آنان به دارایی‌های با نقدشوندگی پایین «کوچ به نقدشوندگی[12]» می‌گویند. در اثر این پدیده، اختلاف بازده بین نرخ بازگشت دو گونه دارایی و همچنین، هزینۀ مالی برای گروهی از بنگاهها افزایش می‌یابد.

به تعریف بالاکریشنان[13] و همکاران (2011) تنش مالی، دورۀ زمانی است که نظام مالی کشور تحت فشار بوده و ثبات و توانایی آن برای واسطه‌گری مالی تضعیف شده است. تنش مالی به‌‌طور معمول همراه با چهار مشخصۀ بنیادین و مهم است: ۱. جهش شدید در قیمت دارایی‌ها؛ 2. افزایش ناگهانی ریسک و نااطمینانی در اقتصاد؛ 3. کمبود شدید نقدینگی؛ 4. نگرانی از سلامت نظام بانکی. مشخصه‌هایی که بالاکریشنان و همکاران (2011) برای تنش مالی ذکر می‌کنند مشابهت زیادی با هاکیو و کیتون (2009) دارد؛ با این تفاوت که بالاکریشنان و همکاران (2011) تأکید ویژه‌ای بر افزایش نگرانی از سلامت و کارکرد متعارف نظام بانکی دارند. دوره‌هایی که تنش مالی به سطوح بحرانی رسیده باشد، بحران مالی نامیده می‌شود (درگاهی و نیک‌جو، ۱۳۹۱). ورمولن[14] و همکاران (2015) بیان می‌کنند بحران‌های مالی، همزاد پول و بازارهای مالی بوده و به صورت‌‌های مختلف بحران بانکی، بحران بدهی خارجی و بحران ارزی خود را نشان داده‌‌اند.

شاخص تنش مالی، ریسک سیستماتیک موجود در بازارهای مالی را نمایان می‌کند که توسط شاخص‌های مجزا برای اجزای مختلف بازارهای مالی نشان داده نمی‌شود (Sadia, Bhatti, & Ahmad, 2019). شاخص‌های تنش مالی از این منظر متفاوت هستند با شاخص‌هایی مانند فشار بازار ارز[15] که تنها بر متغیرهای یک بازار مالی (در این باره بازار ارز) تکیه می‌کنند. پتل[16] و سارکار[17] (1998) با بررسی نه بحران در بازۀ سال‌‌های ۱۹۷۰ تا ۱۹۹۷ در کشورهای توسعه‌یافته و درحال توسعه نشان می‌دهند در کشورهای توسعه‌یافته با هر دو معیار میزان سقوط قیمت و مدت ماندگاری با گذشت زمان، میزان تنش بیشتر کاهش می‌یابد و بازیابی ثبات بازار سریع‌تر اتفاق می‌افتد. مطالعۀ آنان نشان می‌دهد سقوط ناگهانی قیمت سهم‌ها در هر دستۀ کشورها منجر به بی‌ثباتی در بازار سهام می‌شود؛ ولی واکنش بازارهای نوظهور شدیدتر و طولانی‌مدت‌تر است. در نمونه‌‌ای از مطالعات جدیدتر، عبدالعزیز[18] و ویدودو[19] (2017) شاخص فشار ارزی را برای کشورهای عضو آسه‌آن توسعه داده‌اند و سیاست پولی هدف‌گذاری تورم پیاده کرده‌اند.

علاوه‌‌بر مطالعات ابتدایی و شاخص‌های متکی بر بازاری خاص، دستۀ دیگری از مطالعات، مربوط به شاخص‌های وضعیت مالی[20] هستند. شاخص‌های وضعیت مالی شباهت زیادی از جهت کارکرد و شیوۀ ساخت به شاخص‌های تنش مالی دارند؛ ولی با این تفاوت که شاخص‌های تنش مالی اغلب متغیرهای قیمتی مانند نرخ بهره، شاخص بازار سهام و ... را در برمی‌گیرند؛ در حالی که شاخص‌های وضعیت مالی بسته به شیوۀ ساخت خود شامل متغیرهای دیگری نیز هستند (Kliesen, Owyang & Vermann, 2012). شاخص‌های شکنندگی مالی، برای نمونه بالجیانو[21] و مورانا[22] (2014) برای آمریکا، شاخص‌های ثبات مالی[23]، برای نمونه لی[24] و همکاران (2013) برای کرۀ جنوبی و شاخص‌های ایمنی مالی[25]، برای نمونه متوروفسکی[26] و همکاران (2016) برای تونس، ابزارهای مشابه دیگری هستند که با تفاوت‌هایی در شیوۀ ساخت، کارکردهایی نزدیک به شاخص‌های تنش مالی دارند.

کاردارللی[27] و همکاران (2009) از صندوق بین‌المللی پول، شاخص تنش مالی برای ۱۷ کشور توسعه‌یافته ساختند و نتایج کار آنها در ادبیات به‌‌صورت گسترده برای مطالعۀ بحران مالی ۲۰۰۸ استفاده شد. پس از بحران مالی ۲۰۰۸، نمونه‌های متعددی از شاخص‌های تنش مالی برای کشورهای درحال توسعه و توسعه‌یافته ساخته و از شاخص‌های مذکور در مطالعات متعدد بهره گرفته شده است. برای نمونه‌ای از این شاخص‌ها به شاخص سانداهل[28] و همکاران (2011) اشاره می‌شود که توسط گروهی از کارشناسان بانک مرکزی سوئد انجام شده است. شاخص آنان برای هرکدام از اجزای اصلی نظام مالی (بازار اعتبارات، بازار سهام و ...) متغیری را به نمایندگی انتخاب کرده است و با ترکیب به شیوۀ وزن‌دهی یکسان شاخص تنش مالی را توسعه داده‌اند. برای نمونه آنان از نوسان شاخص بازار سهام و نوسان نرخ ارز در جایگاه شاخص بازارهای جزئی‌تر سهام و ارز بهره گرفته‌اند. در مقاله‌‌ای تأثیرگذار، بالاکریشنان و همکاران (2011) شاخص تنش مالی را برای ۲۵ اقتصاد نوظهور توسعه می‌دهند و گذار تنش مالی از کشورهای توسعه‌‌یافته به اقتصادهای نوظهور را با تمایزگذاری بین دوره‌های تنش و آرامش مطالعه می‌کنند. آنان نشان می‌دهند مکانیزم گذار در دوره‌های پرتنش شدیدتر فعال می‌شود. در دوره‌های پرتنش در اقتصادهای توسعه‌یافته، به میزان ۷۰ درصد تنش به کشورهای درحال توسعه انتقال می‌یابد؛ ولی در دوره‌های آرامش، در صورتی که اقتصادهای نوظهور مازاد دارای حساب جاری باشند، کسری بودجه نداشته باشند و ذخایر ارزی کافی دردسترس داشته باشند، گذار تنش به میزان ۳۰ درصد کاهش می‌یابد؛ همچنین ارتباطات مالی نسبت به ارتباطات تجاری عامل تأثیرگذارتری در انتقال تنش از کشورهای توسعه‌یافته به اقتصادهای نوظهور محسوب می‌شوند.

در ادبیات از سه روش اصلی برای وزن‌دهی به شاخص‌های جزئی و ساخت شاخص ترکیبی استفاده شده است. یک شیوۀ ساده برای وزن‌دهی شاخص‌های جزئی، استفاده از یک شاخص برای نرمال‌سازی شاخص‌های دیگر و وزن‌دهی یکسان به آنهاست. یک نمونه از این دسته‌، شاخصی است که بانک مرکزی دانمارک توسعه داده است (Hansen, 2006; Österholm, 2010; Sandahl, Holmfeldt, Rydén & Strömqvist, 2011). برای سوئد نیز شیوۀ وزن‌دهی یکسان را به کار می‌برند. شیوۀ دیگر وزن‌دهی، برحسب میزان تأثیرگذاری آنها در شکل‌گیری ریسک سیستماتیک است. اغلب از تحلیل مؤلفه‌‌های اصلی[29] برای این منظور بهره گرفته می‌شود. هاکیو و کیتون (2009) از این روش برای توسعۀ شاخص تنش مالی برای بازار آمریکا استفاده می‌کنند. روش دیگر وزن‌دهی، برحسب معیاری مشخص است که به‌‌طور معمول به گونه‌ای انتخاب می‌شود که شرایط خاص بازارهای آن کشور خاص را در نظر گرفته باشد؛ برای مثال ایلینگ و لیو (2006) شاخصی برای بازار کانادا توسعه داده‌اند و از نسبت بزرگی آن بازار مالی به مجموع اعتبارات در اقتصاد برای وزن‌دهی به شاخص‌های جزئی استفاده کرده‌‌اند.

در ایران نیز مطالعات مختلفی دربارۀ تنش مالی انجام شده است؛ برای مثال به مطالعۀ حیدریان و همکاران (1398) اشاره می‌‌شود که بیان کردند بازارهای مالی با کاهش هزینه‌های مبادله‌ای و عدم تقارن‌های اطلاعاتی در اقتصاد، سبب ارتقای سطح پس‌انداز، انباشت سرمایه و رشد اقتصادی می‌شوند. یکی از علائم هشدار بحران مالی، استرس‌های فزاینده‌ای است که در بازارهای مالی روی می‌دهد و به افزایش نااطمینانی و بی‌ثباتی در اقتصاد منجر می‌شود. نتایج این پژوهش نشان داد اقتصاد ایران طی 13 سال استرس مالی منفی و طی نه سال استرس مالی مثبت داشته که به ترتیب باعث کاهش و افزایش رشد اقتصادی در کشور شده است. گفتنی است یکی از دلایل بروز استرس‌های مالی و به‌تبع آن بحران‌های مالی، بازارمحوربودن در ساختار مالی کشور است. سارنج و نوراحمدی (1397) با مرور روش‌‌های مختلف آزمون‌‌های فشار، آثار سناریوهای مختلف فشار روی سبد سهامی متشکل از سه شاخص قیمت شیمیایی، دارویی و فلزات اساسی در بورس اوراق بهادار تهران را ارزیابی کرده‌‌اند. نتایج پژوهش نشان می‌‌دهد سناریوهای هیبریدی و فرضی نسبت به آزمون فشار به‌‌طور کامل تاریخی، ترجیح دارد؛ زیرا سناریو‌‌های منعطف‌‌تری از تکرار صرف رخدادهای گذشته ایجاد می‌‌کند. به سناریوهای فرضی بیش از سناریوهای دیگر توجه شده است؛ زیرا امکان ایجاد موقعیت‌‌های فشار را با نگاه رو به آینده برای مدیر ریسک فراهم می‌کند. احمدیان و گرجی (1396) با استفاده از صورت‌های مالی بانک‌های کشور در دورۀ زمانی 1385 تا 1393 و به‌کارگیری شاخص ثبات بانکی در جایگاه شاخص‌ ورشکستگی، بانک‌های ورشکسته را شناسایی کردند. برای شناسایی بانک‌های ورشکسته، تابع کرنل این شاخص، ترسیم و نقطۀ استرس آن محاسبه شد، به گونه‌ای که بانک‌های قرارگرفته در فاصلۀ کمتر از نقطۀ استرس، ورشکسته و در غیر این صورت سالم در نظر گرفته شدند. نتایج نشان‌دهندۀ دقت 87 درصدی الگوی تجزیۀ تشخیص و 2/98 درصدی الگوی لاجیت در انطباق با شرایط محیطی شبکۀ بانکی کشور است؛ همچنین در مطالعۀ دیگری نادعلی (1392) به این نتیجه رسید که در برخی مقاطع زمانی، اقتصاد ایران با نوسان‌های زیاد شاخص تنش بازار پول مواجه بوده که نشان‌‌دهندۀ احتمال وقوع شرایط بروز بحران بانکی است. این پژوهش در مقایسه با سایر پژوهش‌‌های انجام‌‌شده از این جنبه تفاوت دارد که در آن برای محاسبۀ تنش مالی از روش تحلیل مؤلفه‌‌های اصلی (PCA) استفاده شده که در پژوهش‌‌های قبلی سابقه نداشته است. PCA، همان‌طور که از نامش پیداست، مؤلفه‌های اصلی را شناسایی و کمک می‌کند تا به‌‌جای اینکه تمامیِ ویژگی‌ها بررسی شود، یک سری ویژگی‌های دارای ارزش بیشتر، تحلیل شوند.

 

روش پژوهش

هدف از محاسبۀ شاخص تنش مالی، ارائه‌ای شاخصی برای کمی‌کردن میزان دوری نظام مالی از کارکردهای متعارف و معمول خود است. این منظور در چهار گام محقق می‌شود. در ابتدا باید بخش‌های اصلی مالی کشور که اختلال در عملکرد آنها پیامدهای شایان توجهی بر اقتصاد دارد، انتخاب شوند؛ سپس برای هرکدام از بازارهای جزئی، شاخصی که با تقریب خوبی نمایانگر اختلال در آن بازارها باشد، معین شود. در گام سوم، بازۀ زمانی مطالعه و تواتر مناسب برای محاسبۀ شاخص معین می‌‌شوند. به‌‌دلیل ضعف نسبی داده‌ها در کشورهای درحال توسعه، محدودیت دسترسی به داده ممکن است بر توان پژوهشگر در گزینش متغیرها تأثیرگذار باشد و به همین دلیل ضروری است در گزینش شاخص‌های هر بخش از نظام مالی به مسئلۀ دسترسی به داده‌ها توجه شود. به‌‌دلیل محدودیت داده‌ها در کشورهای درحال توسعه، به‌‌طور معمول از داده‌های سری زمانی با تواتر فصلی استفاده می‌شود. در آخرین گام باید با استفاده از یکی از روش‌های وزن‌دهی به شاخص‌های جزئی، شاخص ترکیبی تنش مالی ساخته شود.

در این مقاله با توجه به ویژگی‌های خاص اقتصاد ایران و با الگوگیری از سانداهل و همکاران (2011) و کبریت‌چی‌اوغلو[30] (2003)، پنج بازار پولی و بانکی، ارز، سهام، مستغلات و اعتبار، در جایگاه اجزای اصلی بخش مالی ایران انتخاب شده‌اند. بازار مستغلات به‌‌طور معمول در مقالات خارجی استفاده نشده است؛ ولی همانند درگاهی و نیک‌جو (۱۳۹۱) بازار مستغلات (زمین و مسکن) به‌‌دلیل نقش تأثیرگذار آن در اقتصاد و بخش مالی کشور در نظر گرفته شده است؛ همچنین به‌‌دلیل اهمیت نسبی بسیار کمتر تأمین مالی از خارج از کشور در اقتصاد ایران، بخش بدهی خارجی اقتصاد در شاخص پیشنهادی ما استفاده نشده است. کاربرد اوراق قرضۀ دولتی (اسناد خزانۀ اسلامی) در جایگاه ابزاری برای تأمین مالی دولت به‌‌تازگی در اقتصاد ایران متدوال شده است و به‌‌دلیل اینکه در بازۀ مطالعۀ ما بازار مذکور هنوز تشکیل نشده بود، در ساخت شاخص از این بازار صرف نظر شده است. در ادامه، شیوۀ ساخت شاخص برای هرکدام از پنج بخش مالی کشور تشریح خواهد شد.

پس از انتخاب بخش‌های نظام مالی و ارائۀ شاخصی برای هر بخش، نوبت محاسبۀ شاخص برای هر بخش و سپس ترکیب آنها با یکدیگر به‌‌منظور محاسبۀ شاخص ترکیبی است. برای این منظور داده‌هایی که در بخش پیش برای هر بخش از نظام مالی معین شدند از مراجع آمار متعبر مانند بانک داده‌های سری زمانی بانک مرکزی، مرکز آمار ایران و بانک داده‌های وزارت اقتصاد استخراج شده‌اند. به‌‌علت دسترسی‌‌نداشتن به داده‌های ماهانه، برای بعضی از متغیرها از داده‌های فصلی استفاده شده است. بازۀ زمانی مطالعۀ ما از (۱) ۱۳۸۰ تا (۴) ۱۳۹۶ و تواتر داده‌ها فصلی است.

 

متغیرهای متخب از بخش‌های مختلف نظام مالی

توانایی نظام بانکی برای ایفای تعهدات و پوشش ریسک‌های پیش روی آن یکی از اصلی‌ترین عوامل ثبات نظام مالی است. کبریت‌چی‌اوغلو (2003) از شاخص شکنندگی نظام بانکی[31] برای کمی‌سازی فشار موجود روی نظام بانکی بهره گرفته است. شاخص شکنندگی نظام بانکی بر مبنای دارایی‌ها و بدهی‌های نظام بانکی طراحی شده است و به همین دلیل برای محاسبۀ میزان شکنندگی نظام بانکی استفاده می‌‌شود. مطالعۀ بالاکریشنان و همکاران (2011) نشان می‌دهد کاهش شاخص شکنندگی نظام بانکی با افزایش ریسک‌های نظام بانکی همراه است. در شاخص پیشنهادی در ادبیات برای کشورهای درحال توسعه، متغیرهای سپرده‌های حقیقی نزد بانک‌ها[32] (DEP)، بدهی حقیقی بخش خصوصی به بانک‌ها[33] (CSP) و بدهی‌ خارجی حقیقی بانک‌ها[34] (FLB) به‌‌صورت زیر به کار گرفته می‌شوند:

رابطۀ (1)                            

 

منظور از  در رابطۀ بالا، تغییرات متغیرها در بازه‌‌ای ۱۲ماهه است.  و  به ترتیب میانگین و انحراف معیار متغیرهای مربوط را نشان می‌دهند. کبریت‌چی‌اوغلو (2003) استدلال می‌کند که استفاده از تغییرات ماهانه (به‌‌جای ۱۲ماهه) نخست اینکه ممکن است برای الگوی فصلی در داده‌ها مشکل‌ساز شود و دوم اینکه بازۀ یک‌ماهه برای آشکارشدن اثر تغییرات ترازنامه‌ای نظام بانکی بیش از حد کوتاه باشد.

شاخص شکنندگی نظام بانکی نشان‌دهندۀ نوسان‌‌های شبکۀ بانکی داخلی است و کاهش در این شاخص نمایانگر افزایش شکنندگی شبکۀ بانکی در هر کشور است. کاهش در شاخص ممکن است ناشی از این عوامل باشد: 1. کاهش در سپرده‌های بانکی به‌‌علت خروج منابع از بانک‌ها؛ 2. افزایش بدهی بخش خصوصی به بانک‌ها به‌‌علت افزایش تسهیلات معوق و تأخیر در بازپرداخت؛ 3. افزایش بدهی‌های خارجی بانک‌ها به‌‌علت کاهش ارزش واقعی یا انتظاری پول ملی.

به‌‌منظور سازگاری بیشتر با ساختار پولی و بانکی کشور، علاوه‌‌بر سه متغیر استفاده‌‌شده در شاخص پیشنهادی کبریت‌چی‌اوغلو (2003)، در شاخص پیشنهادی این پژوهش برای شکنندگی نظام بانکی ایران از متغیر بدهی حقیقی بانک‌ها به بانک مرکزی (BDC) نیز استفاده خواهد شد. درگاهی و نیک‌جو (۱۳۹۱) نیز از متغیر بدهی حقیقی بانک‌ها به بانک مرکزی استفاده کرده‌اند. به‌‌جای متغیر بدهی خارجی حقیقی بانک‌ها نیز از متغیر بدهی‌های ارزی حقیقی شبکۀ بانکی و بانک مرکزی بهره گرفته خواهد شد. شاخص شکنندگی نظام بانکی برای اقتصاد ایران به‌‌صورت زیر بازنویسی می‌شود:

 

رابطۀ (2)        

 

بحران‌های ارزی به‌‌صورت کاهش ارزش پولی ملی و کاهش ذخایر خارجی رخ می‌دهند. نوسان‌های نرخ ارز یکی از مؤلفه‌های اصلی تنش مالی در اقتصاد هستند و نااطمینانی شدیدی به بازار مالی کشور تحمیل می‌کنند. در این مطالعه، همانند بالاکریشنان و همکاران (2011)، از شاخص فشار بازار ارز[35] (EMPI) که گریتون و روپر[36] (1977) ارائه داده‌‌اند، برای محاسبۀ نوسان‌‌های بازار ارز بهره برده شده است. در رابطۀ زیر برای محاسبۀ شاخص فشار بازار ارز، منظور از exc نرخ ارز و شاخص frv نشانگر مقادیر ذخایر خارجی به غیر از طلا است. همانند شاخص شکنندگی نظام بانکی، در اینجا نیز  تغییرات متغیر در بازۀ ۱۲ماهه و  و  به ترتیب میانگین و انحراف معیار متغیرهای مربوط را نشان می‌دهند.

 

رابطۀ (3)                                              

 

بازار سرمایه یکی دیگر از مؤلفه‌های اصلی تنش مالی به‌‌ویژه در کشورهای درحال توسعه است. در این مطالعه، از مدل GARCH(1,1) برای شاخص نوسان بازار سرمایه، پیشنهادشده توسط بولرسلف[37] (1986)، استفاده شده است. در صورتی که  شاخص کل بازار سهام (شاخص قیمت و بازده نقدی (TEDPIX)) در زمان t باشد، بازده بازار سهام به‌‌صورت زیر تعریف می‌شود:

 

رابطۀ (4)                                                                          

 

با استفاده از معادله‌‌های زیر نوسان بازار سرمایه محاسبه می‌شود:

 

رابطۀ (5)                                                                          

 

رابطۀ (6)                                                               

 

در اقتصاد ایران بازار مستغلات (زمین و مسکن) نیز یکی از مؤلفه‌های اصلی تنش مالی است (درگاهی و نیک‌جو، ۱۳۹۱). از آنجایی که کارکرد نوسان‌‌های بازار مستغلات در جایگاه اندوختۀ سرمایۀ خانوار و بنگاهها و نیز حافظ ارزش دارایی‌ها دربرابر تورم در دوره‌های تنش مالی در اقتصاد ایران، مشابه نوسان‌‌های بازار سرمایه است، از روشی مشابه شاخص نوسان‌‌های بازار سرمایه برای محاسبۀ نوسان‌‌های بازار مستغلات در ایران بهره گرفته شده است. در صورتی که شاخص قیمت زمین در شهرهای بزرگ در زمان t به‌‌صورت  باشد، شاخص تورم زمین در شهرهای بزرگ به‌‌صورت زیر خواهد بود:

 

رابطۀ (7)                                                               

 

مشابه مدل پیشنهادی بولرسلف (1986) برای نوسان‌‌های بازار سرمایه از معادله‌‌های زیر برای اندازه‌گیری نوسان‌‌های بازار مستغلات در ایران استفاده خواهد شد:

 

رابطۀ (8)                                                                    

 

رابطۀ (9)                                                           

شاخص‌های قیمت دیگری مانند شاخص قیمت زمین در تهران، شاخص کرایۀ مسکن در شهرهای بزرگ و برای بازار مستغلات در ایران، همراه با هم‌بستگی زیاد بین آنان، وجود دارد. به‌‌دلیل کارکرد سرمایه‌ای زمین و هم‌بستگی زیاد آن با قیمت مسکن، از شاخص قیمت زمین در شهرهای بزرگ استفاده شده است؛ همچنین بازار مسکن در شهرهای بزرگ عمق و نقدشوندگی بیشتری دارد؛ به همین دلیل برای منظور ما در این مطالعه مناسب‌تر است.

بنا به مطالعۀ ریز[38] (2006) شاخص تنش مالی برای اقتصاد باید شامل معیاری برای اندازه‌گیری تنش اعتباری نیز باشد. نتایج مطالعۀ درگاهی و نیک‌جو (۱۳۹۱) نیز حاکی از نقش مؤثر اختلال در کارکرد بازار اعتبارات در ایجاد تنش مالی در اقتصاد ایران است. محاسبۀ تنش اعتباری سرراست نیست و در این پژوهش از شاخص رشد بدهی بخش خصوصی به بانک‌ها برای کمی‌سازی تنش اعتباری بهره گرفته شده است. رشد بدهی بخش خصوصی به نظام بانکی از رابطۀ زیر به دست می‌آید:

 

رابطۀ (9)                                                             

 

 و  به ترتیب بدهی بخش خصوصی به نظام بانکی در دورۀ جاری و یک دورۀ قبلی است. در این مطالعه از داده‌های فصلی استفاده شده است؛ از این رو  بدهی بخش خصوصی به شبکۀ بانکی در فصل قبل خواهد بود.

 

یافته‌‌ها

در شکل‌های ۱ تا ۵ نتیجۀ محاسبات شاخص برای بخش‌های پنج‌گانۀ اقتصاد ایران آمده است. چنانچه در شکل (۳) مشخص است، شاخص تنش بازار سهام از زمستان ۱۳۸۷ به بعد محاسبه شده است. علت این امر تغییر شیوۀ محاسبۀ شاخص کل بورس در این مقطع زمانی است که به همین دلیل امکان بهره‌‌گرفتن از داده‌های شاخص کل برای بازۀ طولانی‌تر در نقش دادۀ سری زمانی وجود ندارد؛ سپس در ادامه، شاخص‌های بخش‌های مختلف مالی به‌‌منظور برآورد شاخص تنش مالی در اقتصاد ایران به روش تحلیل جزء اصلی تجمیع شده است.

 

شاخص‌های تنش مالی برای بخش‌های مختلف نظام مالی

 

نمودار (1) شاخص نوسان بازار مستغلات در ایران

Fig (1) Real estate market volatility index in Iran.

در شکل (۱) شاخص نوسان بازار مستغلات ایران نشان داده شده است. چنانچه محاسبات نشان می‌دهد، شاخص نوسان تورم مستغلات از فصل چهارم ۱۳۸۰ تا فصل اول ۱۳۸۲، از فصل چهارم ۱۳۸۵ تا فصل سوم ۱۳۸۶ و نیز از فصل دوم ۱۳۹۰ تا فصل اول ۱۳۹۲ پرتلاطم بوده است و از سال ۱۳۹۲ تا ۱۳۹۶ وارد رکورد شده است. دوره‌هایی که زمین و مسکن جهش قیمتی داشته است شاخص نوسان تورم مستغلات بالاست و دوره‌های رکودی این شاخص مقادیر کمتری دارد. پرتلاطم‌ترین دورۀ بازار مستغلات مربوط به دورۀ فصل دوم ۱۳۹۰ تا فصل اول ۱۳۹۲ است که در اثر اعمال تحریم‌های بین‌المللی و جهش نرخ ارز، قیمت زمین و مسکن به‌‌شدت افزایش یافت. کمترین نوسان در بازار مستغلات نیز مربوط به دورۀ ۱۳۹۲ تا ۱۳۹۶ است که پس از یک دوره جهش، بازار مستغلات وارد رکود شد و نوسان در این بخش از نظام مالی برای مدت طولانی چهارساله در کمترین سطوح خود بود.

 

 

نمودار (2) شاخص تنش اعتباری

Fig (2) Credit stress index.

 

چنانچه اشاره شد، شاخص تنش اعتباری نشانگر رشد بدهی‌های حقیقی بخش خصوصی به بانک‌هاست. همانطور که در شکل (۲) مشاهده می‌شود، در بازۀ ۱۳۸۰ تا ۱۳۸۶ رشد بدهی بخش خصوصی از بانک‌ها به‌‌دلیل توسعۀ شبکۀ بانکی و تأسیس بانک‌های جدید خصوصی به‌‌طور معمول در کل مثبت است؛ ولی از فصل دوم ۱۳۸۶ با کاهش دستوری نرخ سود بانکی توسط دولت وقت، انگیزۀ وام‌دهی بانک‌ها کاسته شد و با رشد منفی تسهیلات بانکی به بخش خصوصی، تنش بانکی کاهش یافت. پس از دو فصل دوباره با افزایش اعتبارات بانکی، بدهی بانک‌ها به بخش خصوصی افزایش یافت و تنش اعتباری مثبت شد. از فصل اول ۱۳۹۰ با تأثیرگذاری تحریم‌های بین‌المللی نظام بانکی، کشور دچار مشکل و شبکۀ بانکی کشور دچار نزول در اعطای تسهیلات به بخش خصوصی شد. این روند تا ۱۳۹۲ ادامه یافت و پس از ۱۳۹۲ دوباره تسهیلات اعطایی به بخش خصوصی روند افزایشی به خود گرفت.

 

 

نمودار (3) شاخص نوسان‌‌های بازار سرمایه در ایران

Fig (3) Index of capital market fluctuations in Iran.

 

در نمودار (۳) نیز شاخص نوسان‌‌های بازار سرمایه نشان داده شده است. همانطور که پیش‌تر اشاره کردیم، به‌‌دلیل تغییر فرمول محاسبۀ شاخص کل بورس، تنها داده‌های از فصل چهارم ۱۳۸۶ به بعد به‌‌صورت سری زمانی استفاده‌‌شدنی است. همانطور که مشاهده می‌شود، بیشتر تغییر در تلاطم شاخص نوسان‌‌های بازار سرمایه در بازۀ مطالعه‌‌شده مربوط به سال‌‌های ۱۳۹۰ تا ۱۳۹۳ است. در این بازه، نخست به‌‌دلیل تحریم‌های بین‌المللی و مشکلات پیش‌آمده برای شرکت‌های حاضر در بورس، بازار وارد رکود می‌‌شود و نوسان‌‌های بازار کاهش می‌یابد. پس از جذب اثر افزایش قیمت ارز در قیمت سهام شرکت‌های بورسی از سال ۱۳۹۱ تا فصل دوم ۱۳۹۲، تلاطم در بورس اوراق بهادار به‌‌طور نسبی افزایش می‌یابد. هم‌زمان با رسیدن شاخص بورس به اوج خود در فصل چهارم ۱۳۹۲، تلاطم در بازار به‌‌طور نسبی کاهش می‌یابد. دوباره در فصل سوم 13۹۴ تا فصل اول 13۹۵ رشد شاخص در بورس و سپس ثبات سطوح شاخص رخ می‌‌دهد که خود را به‌‌صورت جهش مقطعی و سپس بازگشت به مقادیر قبلی تلاطم در شاخص نوسان بازده بازار سرمایه نشان می‌دهد.

 

 

نمودار (4) شاخص شکنندگی نظام بانکی در ایران

Fig (4) Index of fragility of the banking system in Iran.

شاخص شکنندگی نظام بانکی در نمودار (۴) نشان داده شده است. تحولات این شاخص شباهت زیادی به شاخص تنش اعتباری دارد. از فصل دوم ۱۳۸۶ با کاهش دستوری نرخ سود بانکی، شکنندگی بانک‌های کشور ابتدا به‌‌دلیل کاهش تسهیلات‌دهی و کاهش ریسک‌های آنان (که البته به قیمت کاهش سودآوری بانک‌ها محقق شد) منفی می‌شود؛ سپس با رشد تدریجی تسهیلات‌دهی به بخش خصوصی، مقادیر مثبت به خود می‌گیرد. با اعمال تحریم‌های بین‌المللی پس از سال ۱۳۹۰ نیز دوباره فعالیت‌های بانکی مختل می‌‌شود و شاخص، مقادیر منفی به خود می‌گیرد. باید به تفسیر مقادیر منفی و مثبت شاخص شکنندگی نظام بانکی در ایران توجه داشت؛ چون به‌‌دلیل نرخ سود حقیقی بانکی منفی در طی بیشتر سال‌های بازۀ مطالعه‌‌شده، اعطای تسهیلات به بخش خصوصی منجر به افزایش شکنندگی شبکۀ بانکی کشور شده است؛ به همین دلیل کاهش توان تسهیلات‌دهی بانک‌ها با کاهش شکنندگی آنها همراه بوده است که به‌‌دلیل هم‌بستگی آن با رکود اعتباری پدیدۀ مثبتی نیست.

 

نمودار (5) شاخص فشار بازار ارز

Fig (5) Currency market pressure index.

 

شاخص فشار بازار ارز در نمودار (۵) نشان داده شده است. سیاست ارزی کشور در سال‌های مطالعه‌‌شده به گونه‌ای بوده که فشار بازار ارزهای خارجی به درآمد نفتی کشور وابستگی داشته است. در دوره‌هایی که درآمد نفتی کشور کفاف تثبیت نرخ ارز را می‌داد، فشار وارد بر بازار ارز شایان توجه نبود و حتی با افزایش قیمت نفت در سال‌های پایانی دهۀ ۸۰، فشار بر بازار ارز کاهش یافته است؛ با این حال پیش از اعمال تحریم‌های بین‌المللی و کاهش درآمدهای ارزی دولت، فشار نرخ ارز از کمترین مقادیر خود در فصل دوم ۱۳۹۰ شروع به جهش کرده، به بالاترین سطح در فصل سوم ۱۳۹۱ رسیده است و تا دورۀ بهبود انتظارات به‌‌دلیل توافق هسته‌ای و ثبات مجدد نرخ ارز همچنان بالا بوده است.

 

تجمیع اجزاء شاخص تنش مالی

به‌‌دلیل وجود ارتباط بین بخش‌های مختلف نظام مالی، تنش در یک بخش به بخش‌های دیگر و بازارهای مالی موازی نیز سرایت می‌کند. در جدول (۱) ضرایب هم‌بستگی بین شاخص تنش پیشنهادی در بخش‌های مختلف مالی نشان داده شده است. براساس تحلیل نتایج جدول زیر مشخص می‌شود تنش در بازار اعتبارات هم‌بستگی زیاد و معنی‌داری (در سطح یک درصد) با تنش در سایر بخش‌های مالی کشور دارد. در کنار بازار اعتبارات، بازار پولی و بانکی و بازار ارز از دیگر بخش‌های مهم و حساس اقتصاد کشور هستند که تنش در آنها با سایر بازارها هم‌بستگی معنی‌داری دارد و بر کل اقتصاد تأثیر می‌گذارد. هم‌بستگی زیاد و معنی‌دار (در سطح یک درصد) تنش در بازار ارزی با بخش پولی و بانکی کشور از تأثیرپذیری بخش پولی و بانکی از تنش در بازار ارز حکایت دارد که بارها در دهه‌های گذشته خود را نشان داده است.

 

جدول (۱) ضرایب هم‌بستگی مؤلفه‌های تنش پیشنهادی در بازارهای مختلف

Table (1) Correlation coefficients of the proposed stress components in different markets.

 

بانکی

ارزی

اعتباری

بازار سهام

مستغلات

بانکی

۱

536/0-

398/0

197/0

372/0

انحراف معیار

۰

0000/0

0008/0

1066/0

0017/0

ارزی

536/0-

۱

472/0-

3141/0

2584/0

انحراف معیار

0000/0

۰

0000/0

۰.۰۰۹۱

۰.۰۳۳۴

اعتباری

398/0

472/0

۱

371/0-

312/0-

انحراف معیار

0008/0

0000/0

۰

0018/0

0096/0

بازار سهام

197/0-

3141/0

371/0-

۱

254/0-

انحراف معیار

1066/0

0091/0

0018/0

۰

0365/0

مستغلات

372/0-

2584/0

312/0-

254/0-

۱

انحراف معیار

0017/0

0334/0

0096/0

0365/0

۰

 

در ادبیات دو روش وزن‌دهی ساده و وزن‌دهی به شیوۀ تحلیل مؤلفه‌‌های اصلی بیشترین کاربرد را در تجمیع و وزن‌دهی به شاخص‌های تنش بازارهای جزئی و ساخت شاخص ترکیبی دارند. مزیت استفاده از روش وزن‌دهی ساده که در آن همۀ مؤلفه‌های تنش مالی، وزن یکسانی می‌‌گیرند و با یکدیگر ترکیب می‌شوند، در سادگی آن است؛ با این حال چنانچه از جدول (۱) مشخص است، به‌‌دلیل وجود هم‌بستگی زیاد بین تنش در بازار اعتبارات با تنش در دیگر بخش‌های نظام مالی کشور، در صورتی که از شیوۀ وزن‌دهی یکسان استفاده کنیم، نقش و اهمیت بخش‌هایی که تأثیرگذاری بیشتری در ایجاد تنش در نظام مالی کشور دارند، به‌‌خوبی در شاخص تنش پیشنهادی ما نمایانده نمی‌شود. تجمیع چند متغیر در یک متغیر با استفاده از روش تحلیل مؤلفه‌‌های اصلی، مشکل اشاره‌‌شده را برطرف می‌کند. برای استفاده از این روش وجود هم‌بستگی بین متغیرهای استفاده‌‌شده ضروری است. نتایج جدول (۱) حاکی از وجود هم‌بستگی بین شاخص‌های تنش ساخته‌‌شده در بازارهای مختلف است.

 

جدول (2) نتایج تحلیل مؤلفه‌‌های اصلی

Table (2) Results of principal components analysis.

جزء

ضریب

بانکی

3292/0

ارزی

9884/0-

اعتباری

2505/2

بازار سهام

0231/0-

مستغلات

0156/0-

درصد توضیح‌دهندگی

9584/45

 

جدول (۲) نتایج تحلیل مؤلفه‌‌های اصلی که نشان‌دهندۀ اهمیت نسبی مؤلفه‌های بخشی شاخص تنش مالی پیشنهادی و وزن هرکدام از آنهاست را نشان می‌دهد. شاخص تنش مالی ساخته‌‌شده به روش تحلیل مؤلفه‌‌های اصلی حدود ۴۶ درصد از نوسان‌‌های مؤلفه‌ها را توضیح می‌دهد. نتایج حاکی از آن است که بازار اعتباری بیشترین اهمیت را در بین بخش‌های مختلف نظام مالی کشور و نیز در محاسبۀ شاخص دارد. پس از آن بازار بانکی و ارزی و سپس بازار سهام و بازار مستغلات قرار می‌گیرند. در نمودار (۶) نیز شاخص تنش مالی پیشنهادی از سال ۱۳۸۰ تا ۱۳۹۶ نشان داده شده است. هرچند از سال ۱۳۸۰ تا فصل دوم ۱۳۸۶ شاخص تنش مالی برای کشور توأم با تورم مزمن زیاد اقتصاد کشور و افزایش بدهی‌های بخش خصوصی به شبکه‌های بانکی به‌‌طور نسبی زیاد بوده است؛ به‌‌دلیل رفتار نوسان حول میانگین آن به‌‌طور نسبی باثبات بوده است. پس از فصل دوم ۱۳۸۶ با کاهش دستوری نرخ سود بانکی، کشور وارد رکود اعتباری شد که خود را به‌‌صورت مقادیر منفی تنش مالی نشان می‌دهد و پس از چند فصل دوباره به وضعیت نرمال خود بازگشت. دومین شوک به تنش مالی کشور با اعمال تحریم‌های بین‌المللی، افزایش نرخ ارز و کاهش توان تسهیلات‌دهی بانک‌ها، افزایش تلاطم در بازار سرمایه و جهش قیمت مسکن همراه می‌شود. باید توجه داشت که طبق محاسبات تحلیل جزء اصلی ما که در جدول (۲) آمده است، شاخص‌های تنش جزئی در بخش پولی و اعتباری با مقادیر مثبت و تنش در بخش ارزی، مستغلات و بورس با مقادیر منفی خود را در شاخص تنش مالی نشان می‌دهند. با ورود اقتصاد کشور به آثار ناشی از تحریم‌های بین‌المللی، مقادیر تنش مالی منفی می‌شود که بنا به تعریف شاخص تنش مالی ما نشانگر کاهش توان تسهیلات‌دهی بانک‌ها، جهش در نرخ ارز و تلاطم در بخش‌های ارزی و زمین و مسکن است. از فصل چهارم ۱۳۹۲ با بهبود انتظارات نسبت به دستیابی به توافق هسته‌ای و رفع تحریم‌های بین‌المللی، اقتصاد کشور از حالت تنش خارج می‌شود و سپس دوباره به رژیم اولیۀ خود، مشابه سال‌های ۱۳۸۰ تا فصل دوم ۱۳۸۶، بازمی‌گردد. نتایج پژوهش نشان می‌دهد در دوره‌های پرتنش مالی که توأم با اختلال در تأمین مالی از سوی بازار اعتبارات بوده است، در جهت خلاف بازار پولی و اعتباری، ارزش دارایی‌های ارزی، مستغلات و سهام افزایش پیدا کرده است. همین پدیده توضیح‌دهندۀ علت گرایش شرکت‌ها و خانوارها به نگهداری دارایی‌های ارزی و سهام و نیز شناسایی سود شرکت‌ها از محل افزایش ارزش دارایی‌های زمین و مسکن آنها در دوره‌های پرتنش مالی است؛ به عبارتی تفاوت علامت تنش مالی در بازارهای پولی و بانکی با بازارهای ارزی، مستغلات و سهام حاکی از آن است که گرایش بازیگران بازارهای مالی به افزایش دارایی‌های ارزی، مستغلات و سهام به‌‌ویژه در دوره‌های پرتنش مالی، رفتاری عقلانی و در جهت مدیریت بهتر دارایی‌ها و گریز از ریسک است.

 

نمودار (6) شاخص تنش مالی برای اقتصاد ایران

Fig (6) financial stress index for the Iranian economy.

 

 

 

 

نتایج و پیشنهادها

در این پژوهش با استفاده از متغیرهای مالی برای اقتصاد ایران از سال ۱۳۸۰ تا ۱۳۹۶ با تواتر فصلی، جمع‌‌آوری‌‌شده از مراجع معتبر مانند بانک مرکزی، مرکز آمار و بانک داده‌های وزارت اقتصاد، شاخص تنش مالی برای اقتصاد ایران محاسبه شد. برای محاسبۀ شاخص تنش مالی ابتدا پنج بخش اصلی مالی کشور شامل بخش پولی و بانکی، ارز، سهام، مستغلات و بازار اعتبارات انتخاب شد. برای هرکدام از بخش‌های اشاره‌‌شده شاخص‌های تنش مالی بخشی با استفاده از روش‌شناسی استفاده‌‌شده در نمونه‌های مشابه خارجی، محاسبه شده است؛ سپس با استفاده از روش تحلیل مؤلفه‌‌های اصلی (PCA) متغیرهای مربوط به تنش در اجزای نظام مالی کشور تجمیع و شاخص تنش مالی پیشنهادی برای اقتصاد ایران استخراج شده است. این تنش‌ها در سه دسته قرار می‌‌گیرند: 1. فصل دوم ۱۳۸۶ تا فصل دوم ۱۳۸۷ که با کاهش دستوری نرخ سود بانکی توسط دولت وقت، میزان تسهیلات اعطایی به بخش خصوصی وارد روند نزولی شد؛ 2. از فصل اول ۱۳۹۰ تا فصل سوم ۱۳۹۲ که به‌‌دلیل اعمال تحریم‌های بین‌المللی، نرخ ارز جهش یافت، بازار سهام و مستغلات پرتلاطم شد و تسهیلات اعطایی و کارکرد معمول شبکۀ بانکی روند نزولی به خود گرفت. این دوره، با افزایش تورم و رکود اعتباری همراه بود؛ 3. سایر دوره‌ها که رفتار اقتصاد کشور ازنظر تنش مالی دارای نوعی نوسان حول میانگین با تنش مالی به نسبت زیاد ناشی از افزایش بدهی بخش خصوصی به بانک‌ها و تورم مزمن بوده است؛ ولی در عین حال ثبات نسبی نیز داشته است.

براساس نتایج مطالعات، در بازۀ مطالعه‌‌شده، اقتصاد ایران دوره‌های پرتنشی را تجربه کرده است .در دوره‌های پرتنش مالی که توأم با اختلال در تأمین مالی از سوی بازار اعتبارات بوده است، در جهت خلاف بازار پولی و اعتباری، ارزش دارایی‌های ارزی، مستغلات و سهام افزایش پیدا کرده است. همین پدیده توضیح‌دهندۀ علت گرایش شرکت‌ها و خانوارها به نگهداری دارایی‌های ارزی و سهام و نیز شناسایی سود شرکت‌ها از محل افزایش ارزش دارایی‌های زمین و مسکن آنها در دوره‌های پرتنش مالی است.

 

[1]. Financial Stress Index

[2]. Illing and Liu

[3]. Financial Fragility

[4]. Hakkio and Keeton

[5]. Keynes

[6]. Allen

[7]. Kurz

[8]. Moral Hazard

[9]. Adverse Selection

[10]. Secondary Market

[11]. Flights to Quality

[12]. Flights to Liquidity

[13]. Balakrishnan

[14]. Vermeulen

[15]. Exchange Market Pressure

[16]. Patel

[17]. Sarkar

[18]. Abdul Aziz

[19]. Widodo

[20]. Financial Condition Index

[21]. Bagliano

[22]. Morana

[23]. Financial Stability Index

[24]. Lee

[25]. Financial Safety Index

[26]. Matkovsky

[27]. Cardarelli

[28]. Sandahl

[29]. Principal Component Analysis

[30]. Kibritçioglu

[31]. Banking Sector Fragility Index (BSFI)

[32]. Real Deposits of Banks

[33]. Real Claims on the Domestic Private Scector

[34]. Real Foreign Liabilities of Banks

[35]. Exchange Market Pressure Index

[36]. Girton & Roper

[37]. Bollerslev

[38]. Ruiz

References

احمدیان، اعظم. گرجی، مهسا.(1396). تبیین الگوی پیش بینی ورشکستی جهت شناسایی بانکهای سالم و در معرض خطر، فصلنامه علمی- پژوهشی مدیریت دارایی و تأمین مالی، 5(3):1-18. http://dx.doi.org/10.22108/amf.2017.21174
 حیدریان، مریم.، فلاحتی، علی. و کریمی، محمد شریف. (1398). محاسبۀ شاخص استرس مالی و تحلیل تأثیرهای آن بر رشد اقتصادی ایران؛ کاربردی از مدل خودرگرسیون مارکف ـ سوئیچینگ. مجلۀ تحقیقات مالی، (21)3، 447-417. 10.22059/frj.2019.275907.1006822
خزعلی پور، نسرین. رنج بر، همایون.(1393). تاثیر فشارهای مالی بر تولید ناخالص داخلی سرانه ایران در دوره 1379 (3) -1390 (1)، مجله پول و اقتصاد، جلد، 9(2)، 137-117.
درگاهی، حسن. و نیک‌‌جو، فائزه. (1391). ساخت شاخص تنش مالی برای اقتصاد ایران و بررسی آثار آن بر رشد اقتصادی. مجلۀ تحقیقات اقتصادی، (47)2، 40-19. 10.22059/JTE.2013.30191.
زمانی، زهرا. و سهرابی، زهرا. (1397). بررسی اثر حاکمیت شرکتی و کیفیت حسابرسی بر تأمین مالی از طریق وام بانکی در شرکت‌های خصوصی. مجلۀ مدیریت دارایی و تأمین مالی، 6(3)، 146-133. http://dx.doi.org/10.22108/amf.2019.101253.1021  
سارنج، علیرضا.، مرضیه، نوراحمد.(1397).آزمون فشار به عنوان ابزارکلیدی مدیریت ریسک دارایی های مالی با تأکید بر نظریۀ ارزش فرین و توابع کاپیولا، فصلنامه علمی-پژوهشی مدیریت دارایی و تأمین مالی، 6(3)، شماره پیاپی(22)، 86-67. http://dx.doi.org/10.22108/amf.2018.107070.1177
نادعلی، محمد. (1392). محاسبۀ شاخص تنش در بازار پول اقتصاد ایران. فصلنامۀ پژوهش‌‌ها و سیاست‌‌های اقتصادی، (21)66، 142-115.
 
References
Abdul Aziz, M., & Tri, W. (2017). Exchange Market Pressure: Evidences from ASEAN Inflation Targeting Countries. MPRA Paper, 80919.
Ahmadyan, A., & Gorji, M. (2017). Explaining the Model of Bankruptcy Prediction to Identify Healthy and Risky. Asset Management and Financing, 5(3): 1-18. (In persian) http://dx.doi.org/10.22108/amf.2017.21174
Allen, F., Morris, S., & Hyun, S. (2006). Beauty Contests and Iterated Expectations in Asset Markets. The Review of Financial Studies, 19(3): 719–752. https://doi.org/10.1093/rfs/hhj036..
Bagliano, F, C., & Morana, C. (2014). Determinants of US financial fragility conditions. In Research in International Business and Finance, 30(6): 377–392. DOI: 10.1016/j.ribaf.2012.08.003.
Balakrishnan, R., Danninger, S., Elekdag, S., & Tytell, I. (2011). The Transmission of Financial Stress from Advanced to Emerging Economies. In Emerging Markets Finance and Trade, 47(4): 40–68. https://doi.org/10.2753/REE1540-496X4703S203
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. In Journal of Econometrics, 31(3): 307–327. https://doi.org/10.1016/0304-4076(86)90063-1.
Brealey, R. A., Myers, S. C., & Allen, F. (2020). Principles of corporate finance. Thirteenth edition. New York NY: McGraw-Hill Education.
Caballero, R. J., & Kurlat, P. (2008). Flight to quality and bailouts: policy remarks and a literature review. Working Paper, 08-21. (Massachusetts Institute of Technology. Dept. of Economics).
Cardarelli, R., Elekdag, S., & Lall, S. (2009). Financial stress, downturns, and recoveries. In International Monetary Fund, IMF working papers: 1-58. https://doi.org/10.5089/9781451872477.001
Dargahi, H., & Nikjoo, F. (2013). A Financial Stress Index for the Economy of Iran and its Impacts on Economic Growth. Journal of Economic Research, 47(4): 19-40. (In persian)
Girton, L., & Roper, D. (1977). A Monetary Model of Exchange Market Pressure Applied to the Postwar Canadian Experience. In The American Economic Review, 67(4): 537–548.
Gorton, G. (2008). The Panic of 2007: Paper Prepared for August, Jackson Hole conference.
Hakkio, C., Keeton, W. R. (2009). Financial stress: What is it, how can it be measured, and why does it matter? In Economic Review, 94(8): 24-51.
Hansen, J. L. (2006). A risk index for euro-denominated assets. Danmarks Nationalbank, Working Papers, 36: 89-109.
Hautsch, N., & Hess, D. (2007). Bayesian Learning in Financial Markets: Testing for the Relevance of Information Precision in Price Discovery. Journal of Financial and Quantitative Analysis, 42(1): 189–208. https://doi.org/10.1017/S0022109000002246.
Heidarian, M., Falahati, A., & Sharif Karimi, M. (2019). Calculation of the Financial Stress Index and its Impact Analysis on Iran's Economic Growth; Application of the Markov-Switching Autoregressive Model. Financial Research Journal, 21(3): 417-447. 10.22059/FRJ.2019.275907.1006822. (In persian)
Illing, M., & Liu, Y. (2006). Measuring financial stress in a developed country: An application to Canada. Journal of Financial Stability, 2(3): 243-265. 243-265. 10.1016/j.jfs.2006.06.002..
Khazalipoor, N., & Ranjbar, H. (2014). The Impact of Financial Stress on Iran per Capita GDP over the Period 2000 (3)-2011 (1). Journal of Money and Economy, 9(2): 117-137. (In persian).
Kibritçioglu, A. (2003). Monitoring banking sector fragility. The Arab Bank Review, 5(2): 51-66.
Kim, H., Shi, W., & Kim, H. H. (2019). Forecasting financial stress indices in Korea: A factor model approach. Empirical Economics, 89768: 1-40. Online at https://mpra.ub.uni-muenchen.de/89768/ MPRA Paper No. 89768, posted 30 Oct 2018 00:43 UTC.
Kliesen, K. L., Owyang, M. T., & Vermann, E. K. (2012). Disentangling diverse measures: A survey of financial stress indexes. Federal Reserve Bank of Street Louis Review, 94(5): 369-397.
Kurz, M. (2008). Beauty contests under private information and diverse beliefs: How different? Journal of Mathematical Economics, 44(7-8): 762-784.. https://doi.org/10.1016/j.jmateco.2006.08.001.
Lee, J. H., Ryu, J., & Tsomocos, D. P. (2013). Measures of systemic risk and financial fragility in Korea. Annals of Finance, 9(4): 757-786. https://doi.org/10.1007/s10436-012-0218-x
Matkovskyy, R., Bouraoui, T., & Hammami, H. (2016). Analysing the financial strength of Tunisia: An approach to estimate an index of financial safety. Research in International Business and Finance, 38: 485-493.
Mishkin, F. S. (1990). Asymmetric information and financial crises: a historical perspective (No. w3400). National Bureau of Economic Research.
Nadali, M. (2013). Measuring Money Market Pressure Index in Iran. Journal of Economic Research and Policies, 21(66): 115-142. 10.22059/frj.2019.275907.1006822. (In persian)
Österholm, P. (2010). Unemployment and labour-force participation in Sweden. Economics Letters, 106(3): 205-208.
Pastor, L., & Veronesi, P. (2009). Learning in financial markets. Annual Review of Financial Economics, 1(1): 361-381. https://doi.org/10.1146/annurev.financial.050808.114428.
Patel, S. A., & Sarkar, A. (1998). Crises in developed and emerging stock markets. Financial Analysts Journal, 54(6): 50-61. https://doi.org/10.2469/faj.v54.n6.2225.
Ruiz-Porras, A. (2006). Financial systems and banking crises: An assessment. Revista Mexicana de Economía y Finanzas Nueva Época REMEF (The Mexican Journal of Economics and Finance), 5(1): 59-91. https://doi.org/10.21919/remef.v5i1.214.
Sadia, H., Bhatti, A. A., & Ahmad, E. (2019). Developing a Financial Stress Index for Pakistan. Business and Economic Review, 11(4): 113-131. dx.doi.org/10.22547/BER/11.4.5.
Sandahl, J. F., Holmfeldt, M., Rydén, A., & Strömqvist, M. (2011). An index of financial stress for Sweden. Sveriges riksbank Economic Review, 2: 49-67.
Saranj, A., & Nourahmadi, M. (2018). Stress Testing as a Key Tool for Financial Assets Risk Management with Emphasis on Extreme Value Theory and Copula Functions. Asset Management and Financing, 6(3): 67-86. http://dx.doi.org/10.22108/amf.2018.107070.1177. (In persian)
Vermeulen, R., Hoeberichts, M., Vašíček, B., Žigraiová, D., Šmídková, K., & De Haan, J. (2015). Financial stress indices and financial crises. Open Economies Review, 26(3): 383-406. https://doi.org/10.1007/s11079-015-9348-x.
Zamani, Z., & Sohrabi, Z. (2018). The Effect of Corporate Governance and Audit Quality on Bank Loan Financing in Private Companies. Asset Management and Financing, 6(3): 133-146. (In persian) http://dx.doi.org/10.22108/amf.2019.101253.1021
 
 
 
 
 

Files

Share

How to cite

Statistics