نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
2 دانشیار، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
3 دانشیار، گروه امور مالی و بیمه، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
This study investigates the nonlinear relationship between bank capital and liquidity creation across the distribution of liquidity creation (by deciles) in both developed and developing countries. Recognizing the critical role of liquidity creation in fostering financial stability and economic growth, the analysis addresses how the magnitude and direction of bank capital’s impact may vary across different levels of liquidity creation and country types. Employing quantile regression on a sample of 59 developing and 37 developed countries from 2004 to 2023, the findings reveal a consistently negative and significant effect of bank capital on liquidity creation throughout all deciles. However, this negative effect attenuates in higher deciles for developed countries, whereas it intensifies in developing countries. Furthermore, economic growth, financial inclusion, and financial development indices generally exhibit positive and significant effects. Conversely, the financial stability index demonstrates a significant negative impact in the lower deciles for developed nations and the higher deciles for developing economies. These contrasting outcomes underscore fundamental differences in liquidity creation mechanisms across countries and emphasize the necessity of a disaggregated, context-specific approach to banking regulation and policy formulation.
Keywords: Liquidity Creation, Bank Capital, Quantile Regression, Developing and Developed Countries
JEL Classification: G28, G21, C23
Introduction
Liquidity creation, a fundamental function of banks within the modern financial system, involves the transformation of short-term liabilities into long-term loans, a process inherently coupled with risk intermediation. Within this framework, bank capital serves a dual and potentially contradictory role: while it provides a crucial buffer against losses that can enhance a bank's capacity to assume risk and create liquidity, it may also constrain the resources available for lending. This tension suggests a nonlinear relationship, wherein the effect of capital on liquidity creation may vary across its distribution. At lower capital levels, increases might initially curb liquidity creation by reducing lendable funds, whereas at higher levels, the enhanced risk-absorbing capacity could facilitate greater liquidity creation.
This non-uniformity implies that the impact of capital regulations is likely heterogeneous across institutions, challenging the efficacy of a one-size-fits-all regulatory approach. Motivated by this complexity, the present study employs a quantile regression (QR) methodology to empirically investigate the nuanced relationship between bank capital and liquidity creation across different deciles of the liquidity creation distribution. By analyzing a global sample of 37 developed and 59 developing countries over the period 2004–2023 within separate models, this research aims to provide a more disaggregated understanding critical for designing targeted prudential policies.
Materials & Methods
This study employs a panel quantile regression (QR) methodology to examine the nuanced impact of bank capital on liquidity creation across the entire conditional distribution of the latter. Selected for its capacity to provide a comprehensive analysis beyond the conditional mean, this approach is particularly advantageous for capturing potential heterogeneity in the relationship across different deciles, including the tails of the distribution. In contrast to conventional ordinary least squares (OLS) regression, QR estimates coefficients by minimizing a weighted sum of absolute deviations, known as the Least Absolute Deviation (LAD) method. This technique is robust to non-normal error distributions, heteroscedasticity, and the presence of outliers, thereby yielding more reliable and efficient estimates for our financial dataset, which may exhibit such characteristics.
Aligned with this rationale, we estimate a nonlinear panel quantile regression model for a global sample comprising 37 developed and 59 developing countries over the period 2004–2023. The general empirical specification, adapted from the frameworks established by MazioudChaabouni et al. (2018) and Gupta et al. (2023), is formally defined as follows:
(1)
in which, LM represents liquidity creation, LCAR represents bank regulatory capital (transition variable), LBZSCORE is the financial stability, LGDPP is the variable of economic growth, LATM represents the financial inclusion index, and LFSD is the financial development index.
Findings
The stationarity of the variables was assessed using the Levin, Lin, and Chu (LLC) unit root test. As detailed in Table 1, the results confirm that all variables are stationary at the 5% significance level, incorporating an intercept term. Subsequently, the core empirical analysis, illustrated in Figure 5-a, reveals a statistically significant negative relationship between bank capital (LCAR) and liquidity creation (LM) across all deciles for developed countries. Notably, the magnitude of this negative effect exhibits a diminishing pattern, weakening progressively throughout the higher deciles of the liquidity creation distribution.
Chart (5-a). Trends in variables in deciles in developed countries
Furthermore, the results for developing countries, as visualized in Figure 5-b, indicates a distinct and evolving relationship. The effect of bank capital (LCAR) on liquidity creation (LM) is statistically insignificant and positive in the first decile. However, this relationship transitions to a negative and statistically significant influence beginning in the second decile. Moreover, the magnitude of this adverse effect demonstrates a pronounced intensification across the higher deciles of the distribution.
Chart (5-b). Trends in variables in deciles in developing countries
Conclusion and discussion
In conclusion, this study establishes that the relationship between bank capital and liquidity creation is not only nonlinear but also contingent upon a country's developmental context and its position within the liquidity creation distribution. The analysis reveals a consistently negative yet diminishing effect across deciles for developed nations, while in developing countries, the relationship manifests as negative and significant from the second decile onward, intensifying markedly at higher levels. This stark heterogeneity underscores fundamental differences in the operational mechanisms of financial intermediation and the distinct role capital plays across diverse economic landscapes. Furthermore, control variables corroborate this complexity; economic growth, financial inclusion, and financial development predominantly exert a positive influence on liquidity creation, whereas financial stability exhibits a significant negative impact in specific deciles, particularly within developing economies. Collectively, these findings carry substantial policy implications, strongly advocating for a disaggregated regulatory approach.
Policymakers must therefore eschew uniform, one-size-fits-all capital regulations in favor of frameworks meticulously tailored to a country's level of financial development and the specific characteristics of its banking institutions. The application of quantile regression in this analysis proves indispensable, providing the granular insights necessary for such precise and effective policy formulation.
کلیدواژهها [English]
بانکها در چارچوب نظریۀ مدرن واسطهگری مالی، دو عملکرد کلیدی دارند؛ شامل تغییر شکل ریسک[1] و تحول سررسید. در فرایند تغییر شکل ریسک، بانکها سپردههای بدون ریسک را میپذیرند و درمقابل، وامهایی با سطح ریسک بالاتر اعطا میکنند. همچنین، تحول سررسید زمانی رخ میدهد که بانکها بدهیهای کوتاهمدت و نقدپذیر (مانند سپردههای جاری) را به داراییهای بلندمدت و کمتر نقد (مانند وامهای تجاری) تبدیل میکنند و با ارائۀ خدمات متنوع مالی، نقدینگی در اختیار مشتریان قرار میدهند. این فرایند به خلق نقدینگی کمک میکند، بهطوریکه وامگیرندگانی که به بازارهای مالی دسترسی ندارند، میتوانند از اعتبار بانکی بهرهمند شوند و سپردهگذاران نیز امکان دسترسی به وجوه نقد را خود در هر زمان دارند (Gupta et al., 2023).
خلق نقدینگی یکی از کارکردهای واسطهای مهم است که بانکها در اختیار اقتصاد قرار میدهند. بانکها با استفاده از منابع مالی کوتاهمدت و نقد (مانند سپردههای جاری) برای تأمین مالی داراییهای بلندمدت و غیرنقد (مانند وامهای تجاری)، بهطور همزمان نیاز سپردهگذاران به نقدینگی و نیاز شرکتها به تأمین مالی بلندمدت را برآورده میکنند؛ علاوهبراین، بانکها با ارائۀ ابزارهایی مانند تعهدات وام و اعتبار اسنادی آمادهبهکار، حتی خارج از ترازنامۀ خود نقدینگی خلق میکنند. این اقدامات به شرکتها امکان میدهد تا در سرمایهگذاریهای بلندمدت خود انعطاف بیشتری داشته باشند.
نقش بانکها در خلق نقدینگی تأثیر درخورتوجهی بر رشد اقتصادی دارد و حتی این تأثیر از سایر خدمات بانکی بیشتر است (Berger & Sedunov, 2017)؛ بااینحال، بحران مالی سال 2008 نشان داد که نقدینگی میتواند در شرایط بحرانی بهسرعت کاهش یابد و مشکلات جدی ایجاد کند. این بحران بهوضوح بیان میکند که چگونه برخی منابع مالی میتوانند ناپدید شوند و چالشهایی در زمینۀ ارزشگذاری داراییها و قوانین کفایت سرمایه به وجود آورند (Yahaya et al., 2023).
به بحران مالی جهانی[2](GFC) 2008 به سرعت و شدتی توجه شد که شوکهای نقدینگی بانکها میتوانند به فروپاشی اقتصاد واقعی تبدیل شوند؛ علاوهبراین، با گسترش بحران، بانکهایی با سرمایۀ ناکافی به دلیل زیانهای انباشته به مرز ورشکستگی رسیدند و شواهد قانعکنندهای ارائه میدهند که سرمایۀ بانکی با کیفیت بالا قویترین دفاع بانکها در برابر زیانهای ناشی از کاهش ارزش داراییها است (Belkhir et al., 2021).
سرمایۀ نظارتی بانک مدتهاست که ثبات در سیستمهای مالی را ارتقا داده است؛ برای مثال، مطالعات نشان میدهد که سرمایۀ بانکی بالاتر با کاهش ریسک پرداخت بدهی (Diamond & Rajan, 2000; Diamond & Rajan, 2001; Allen et al., 2015; Cornett et al., 2011; Hugonnier & Morellec, 2017; Kapan & Minoiu, 2018; Carey, 2019; De Nicolò, 2019)، مشوقهای نظارتی قویتر (Holmström & Tirole, 1998) و مشوقهای غربالگری قویتر همراه است (Coval & Thaakor, 2005). بحران مالی 2007 تا 2008 با مداخلۀ دولت، تغییرات مقررات و فشار نزولی بر سرمایۀ بانک به دورۀ بحران مالی منجر شد. جای تعجب نیست که تعدادی از پیشنهادات اصلاحی پس از بحران بر اهمیت سرمایۀ نظارتی بانک و چگونگی تطبیق سرمایه برای جلوگیری از بحرانهای بالقوه متمرکز شدهاند (Kashyap et al., 2008).
سرمایۀ بانک ازطریق ارتباط آن با ریسک پرداخت بدهی کمتر و نیاز به انگیزههای نظارتی بیشتر با ثبات سیستم مالی مرتبط است (Diamond & Rajan, 2001 ؛Thakor, 2014). وگنر (Wegner, 2020) بیان میکند که سیاستهای نقدینگی میتواند باعث افزایش سرمایۀ بانک و شبکههای شکنندهتر در سیستم بانکی بهطور همزمان شود. طرفداران مقررات نقدینگی معتقدند که بانکها با نگهداری داراییهای نقدشونده بیشتر در برابر شوکها مقاومتر میشوند و به آنها اجازه میدهند حتی در دورههای پر استرس وام بدهند. درمقابل، مخالفان معتقدند که پیروی از این مقررات پرهزینه بوده و ممکن است به کاهش وامدهی منجر شود و بر اقتصاد واقعی تأثیر منفی بگذارد (Ananou et al., 2021). باتوجهبه کمبود شواهد، درک کانالهایی که ازطریق آن سرمایۀ نظارتی بانک و نقدینگی ممکن است بر یکدیگر تأثیر بگذارند، بسیار مهم است.
تأمین نقدینگی برحسب تقاضا ازطریق کانالهای وام و سپرده برای رشد اقتصادی بسیار مهم است (Berger & Sedunov, 2017). بانکهای تجاری داراییهای غیرنقدشونده (مانند وام، وام مسکن، زمین و ساختمان) را با استفاده از بدهیهای نقدینگی (مانند سپردهها و پیشپرداختها از بانک مرکزی) تأمین میکنند (Diamond & Dybvig, 1983; Diamond, 1984; Kashyap et al., 2002; Coval & Thaakor, 2005; Gnann & Kaya, 2019). درحالیکه تأمین نقدینگی برحسب تقاضا بسیار مهم است، میتواند احتمال نکول بانک و استرس مالی را افزایش دهد (Berger & Bouwman, 2017; Acharya & Naqvi, 2012). بانکها در سطح جهانی با درجات مختلفی از استرس مالی و «کمکهای مالی» مواجه شدند که بر توانایی آنها برای برآوردهکردن تقاضای نقدینگی بازار در طول بحران مالی جهانی (GFC) تأثیر منفی گذاشت (Hong et al., 2014). بحران مالی جهانی شیوههای نادرست و ناکارآمد مدیریت ریسک نقدینگی بسیاری از بانکها و نیاز فوری بانکها را به بهبود مدیریت و کنترل ریسکهای نقدینگی آشکار کرد (Garg et al., 2024).
باتوجهبه مطالب بیانشده وجود رابطۀ غیرخطی نشان میدهد که تأثیر سرمایۀ نظارتی بر خلق نقدینگی ممکن است در بین بانکها ناهمگن باشد و مقررات سیاست یکسان ممکن است در ارتقای ثبات و سودآوری بانکها مؤثر نباشد؛ درنتیجه، موضوعی که توجه ما را جلب میکند، امکان غیرخطی بودن در رابطۀ بین سرمایۀ بانک و خلق نقدینگی است.
بنابراین، باتوجهبه اهمیت سرمایۀ بانکی در خلق نقدینگی برای تحلیل رابطۀ بین سرمایۀ بانکی و خلق نقدینگی از روش رگرسیون کوانتایل[3](QR) در دهکهای مختلف استفاده میشود. این روش با دیدگاهی دقیق و جامع، امکان تحلیل متغیر پاسخ را نهتنها در مرکز توزیع، بلکه در تمام بخشهای آن، بهویژه در نواحی ابتدایی و انتهایی فراهم میآورد. برخلاف روشهای رگرسیون معمولی در این روش از حداقلسازی مجموع قدرمطلق باقیماندههای وزنی برای تخمین ضرایب مدل استفاده میشود که به روش حداقل انحراف مطلق (LAD) معروف است. این روش در شرایطی که توزیع شرطی دادهها ناهمگن باشد یا دارای ویژگیهایی نظیر نامتقارنی، دنبالههای گسترده یا غیرمعمول باشد، بسیار کاربردی است؛ علاوهبراین، رگرسیون کوانتایل محدودیتهای مفروضات معمولی مانند واریانس همسانی را ندارد و از تأثیر دادههای پرت بر برآوردها جلوگیری میکند و بدین ترتیب مدلی مطمئنتر برای تحلیل ارائه میدهد.
پژوهشهایی وجود دارد که سرمایۀ بانکی، خلق نقدینگی و عوامل مؤثر بر آنها را به هم مرتبط میکنند. خلق نقدینگی در ابتدا بهعنوان مفهومی نظری مطرح شد که شامل تبدیل بدهیهای نقدی به داراییهای غیرنقدی برای ایجاد درآمد توسط بانکها است. دیپ و شفر (Deep & Schaefer, 2004) برای نخستین بار تلاش کردند این مفهوم را بهصورت تجربی اندازهگیری کنند و خلق نقدینگی را بهعنوان تفاوت میان داراییهای نقدی و بدهیهای نقدی در مقایسه با کل داراییهای بانک تعریف کردند؛ بااینحال، این تعریف به دلیل تمرکز صرف بر داراییها و بدهیهای نقدی با چالشهایی همراه بود.
برگر و بومن (Berger & Bouwman, 2017) با رفع محدودیتهای تعریف خلق نقدینگی، یک چارچوب نظری جامع ارائه دادند و چهار معیار را برای سنجش خلق نقدینگی بانکها توسعه دادند: catfat،catnonfat، matfat، matnonfat. در این معیارها، واژۀ «fat» به شمول اقلام خارج از ترازنامه در محاسبۀ خلق نقدینگی اشاره دارد، درحالیکه «nonfat» این اقلام را لحاظ نمیکند. اصطلاح «cat» نشاندهندۀ طبقهبندی اقلام ترازنامه براساس دستهبندی خاصی است، درحالیکه «mat» به طبقهبندی اقلام بر مبنای سررسید اشاره دارد.
معیار catfat، با در نظر گرفتن تمامی فعالیتهای بانکی و تفکیک آنها به خلق یا کاهش نقدینگی، بهعنوان شاخصی جامعتر در مقایسه با بازدۀ کل داراییها شناخته میشود. این معیار برخلاف بازدۀ داراییها که تنها به سمت دارایی ترازنامه توجه دارد، دیدگاه کاملی از عملیات بانک ارائه میدهد (Gupta et al., 2023).
ادبیات موجود دو فرضیۀ جایگزین برای نقش نسبتهای سرمایۀ نظارتی در خلق نقدینگی پیشنهاد میکند. فرضیۀ «شکنندگی مالی – ازدحام» رابطهای منفی بین نسبتهای سرمایه و خلق نقدینگی را ارائه میدهد. درمقابل، فرضیۀ «جذب ریسک» رابطۀ مثبت بین سرمایۀ بانکها و خلق نقدینگی را پیشبینی میکند.
باتوجهبه فرضیۀ شکنندگی مالی، ساختار سرمایۀ بهینۀ بانکها، مبادلهای بین اثر سرمایۀ بانک بر هزینههای درماندگی، توانایی بازپرداخت اجباری وامگیرنده و خلق نقدینگی است (Diamond & Rajan, 2000; Diamond & Rajan, 2001). ساختار سرمایۀ شکننده تعهد بانک را به نظارت بر بدهکاران تشویق میکند و به آن اجازه میدهد تا اعتبار بیشتری را گسترش دهد و درنتیجه نقدینگی بیشتری خلق کند. بهطور مشابه، گورتون و وینتون (Gorton & Winton, 2017) استدلال میکنند که در مدل تعادل عمومی، سرمایۀ بانکی بالاتر باعث میشود سرمایهگذاران سهام بانکی را به سپردهها ترجیح دهند و ماندۀ سپردههای موجود برای خلق نقدینگی را از بین ببرند؛ ازاینرو، فرضیۀ شکنندگی ارتباط منفی بین سرمایۀ بانکی و خلق نقدینگی را نشان می دهد.
درمقابل، فرضیۀ جذب ریسک بیان میکند که سرمایۀ بانک ریسک را جذب میکند و ازاینرو بانک را قادر میسازد تا با خلق نقدینگی ریسک بیشتری را بپذیرد؛ برایناساس، آلن و گیل (Allen & Gale, 2004) و برگر و بومن (Berger & Bouwman, 2009) رابطۀ مثبتی را بین سرمایۀ بانکی و خلق نقدینگی پیشنهاد میکنند؛ بااینحال، پژوهشهای تجربی، شواهد متفاوتی را ارائه میدهد. از یکسو، کار اصلی برگر و بومن (Berger & Bouwman, 2009) نشان میدهد که فرضیۀ جذب ریسک نتایج ریسکپذیری را برای بانکهای بزرگ پیشبینی میکند، درحالیکه فرضیۀ شکنندگی مالی نتایج جذب ریسک را برای بانکهای کوچک توضیح میدهد. دیستینگوین و همکاران (Distinguin et al., 2013) رابطۀ منفی بین سرمایۀ نظارتی و خلق نقدینگی را نشان میدهند؛ اگرچه آنها رابطهای مثبت برای بانکهای کوچک ایالات متحده ارائه میدهند، آن هم زمانی که از سپردههای اصلی برای اندازهگیری خلق نقدینگی استفاده میکنند. گارگ و همکاران (Garg et al., 2024) هم رابطۀ مثبت و معنیداری را میان نسبت سرمایه و خلق نقدینگی در ترازنامه برای شش بانک بزرگ کانادا گزارش کردهاند که نشان میدهد بانکهای بزرگتر در کانادا قادر به استفاده از سرمایه برای تأمین مالی داراییهای غیرنقدی و پذیرش ریسک بیشتر هستند.
چندین مطالعۀ تجربی نشان میدهد که کاهش نسبتهای سرمایۀ بانکی ناشی از زیان وام در اواخر دهۀ 1980 و اوایل دهۀ 1990 بهطور چشمگیری باعث کاهش وامدهی بانکها شد. ایوانز و حق (Evans & Haq, 2022) نشان میدهند که ارتباط مثبت بین سرمایۀ بانکی و خلق نقدینگی نیز میتواند ناشی از واکنشهای نظارتی سختگیرانه به بحران مانند الزام بانکها به افزایش سرمایه و نقدینگی باکیفیت، نظارت قویتر، چارچوبهای حل صریح، استفادۀ مکرر از آزمون استرس توسط بانکها و ناظران باشد. افزایش الزامات افشا و شفافیت بررسی دقیق ذینفعان و زیان در طول بحران، بانکداران را برانگیخت تا توان پرداخت بدهی و نقدینگی را بهبود بخشند؛ بنابراین، نظارت مقرراتی شدیدتر و انضباط بازار ممکن است بر ظرفیت بانکها برای جذب و مدیریت ریسک تأثیر بگذارد (Evans & Haq, 2022). سوماره و همکاران (Soumaré et al., 2023) به بررسی ارتباط میان سرمایۀ بانکی، رقابت و خلق نقدینگی در اتحادیۀ اقتصادی و پولی آفریقای غربی[4] (WAEMU) پرداختهاند و نشان دادند که در این منطقه، فرضیۀ تراکم شکنندگی مالی و نیز فرضیۀ جذب ریسک وجود دارد. نتایج نشان میدهد که در شرایط رقابت بالا، سرمایۀ بانکی میتواند خلق نقدینگی را کاهش دهد، درحالیکه در محیطهای متمرکزتر این اثر ضعیفتر میشود؛ علاوهبراین، به نظر نمیرسد که دسترسی به بازار سهام تأثیری بر تأثیر سرمایه بر خلق نقدینگی داشته باشد.
برخلاف این باور که اثر علّی یکطرفه سرمایه بر خلق نقدینگی وجود دارد، شواهد در برخی از مطالعات نشان میدهد که ارتباطی دوطرفه بین سرمایه و خلق نقدینگی وجود دارد. درنتیجه، فو و همکاران (Fu et al., 2016) تأثیر خلق نقدینگی بر سرمایه را به دو فرضیۀ متضاد تقسیم کردند: 1) فرضیۀ بالشتک سرمایه[5] و 2) فرضیۀ جایگزینی نقدینگی[6].
فرضیۀ «بالشتک سرمایه» (بهعنوان فرضیۀ ریسک عدم نقدشوندگی شناخته میشود) استدلال میکند که بانکهایی که ریسک نقدینگی بالاتر (خلق نقدینگی بالاتر) را متقبل میشوند، مایل هستند از خود در برابر محدودیتهای نقدینگی محافظت کنند؛ بنابراین، سرمایۀ بالاتری را برای تقویت توان پرداخت بدهی خود و جلوگیری خود از فروش بالقوۀ داراییهای خود درصورت تقاضای ناگهانی وجوه ازسوی سپردهگذاران انتخاب میکنند؛ بنابراین، سرمایه بهعنوان یک بافر در برابر خلق نقدینگی پرریسک عمل میکند (Horvath et al., 2014).
درمقابل، فرضیۀ «جایگزینی نقدینگی» بیان میکند که ازآنجاییکه سپردههای تقاضا و سپردههای مدتدار احتمالاً در بانک حفظ میشوند، بهعنوان منابع تأمین مالی پایدار تلقی میشوند و زمانی که بانک با محدودیتهای نقدینگی مواجه میشود، بهعنوان جایگزینی برای سرمایه عمل میکنند. این در سناریوهایی بیشتر تقویت میشود که بانکها دسترسی آسانتری به سپردهگذاران در مقایسه با بازار دارایی دارند (Fu et al., 2016)؛ بنابراین، در فرضیۀ «جایگزینی نقدینگی»، خلق نقدینگی بر سرمایۀ بانکها تأثیر منفی میگذارد (Distinguin et al., 2013).
در ادامه، مطالعات صورتگرفته دربارۀ رابطۀ بین سرمایۀ بانکی و خلق نقدینگی بررسی میشود:
یاهایا و همکاران (Yahaya et al., 2023) با استفاده از روش گشتاورهای تعمیمیافته سیستم (GMM) در پژوهش خود بر روی پنجاه بانک از کشورهای جنوب صحرای آفریقا نشان دادند که رابطۀ مثبت و معناداری بین سرمایۀ بانکی و خلق نقدینگی وجود دارد. گوپتا و همکاران (Gupta et al., 2023) رابطۀ دوطرفۀ U شکل بین سرمایۀ بانکی و خلق نقدینگی را شناسایی کردهاند که در آن اندازۀ بانک اثر تعدیلکنندهای بر این رابطه دارد. این رابطه برای دورههای با اقتصاد پیشرفته، بازل II و بازل III نیز صادق است؛ اما در بازارهای نوظهور و کشورهای درحالتوسعه، این رابطه بهصورت معکوس و U شکل ظاهر میشود. شعله و زمانزاده (Shoaleh & Zamanzadeh, 2023) به بررسی نقش الزامات کفایت سرمایه مبتنیبر کمیته بازل 3 بر خلق نقدینگی در ایران با استفاده از الگوی خودرگرسیون برداری ساختاری طی دورۀ 1399:04-1388:04 پرداختهاند. نتایج نشان میدهد که شوک مثبت به تورم، نرخ ارز و سودآوری بانکها موجب افزایش خلق پول بانکی میشود. اما شوک مثبت به نسبت کفایت سرمایه و مطالبات غیرجاری اثر معناداری بر خلق پول بانکی ندارد. این یافته بیانگر آن است که سیستم بانکی به دلیل وجودنداشتن ضمانت اجرایی در برابر اعمال الزامات کفایت سرمایه، عملاً به تغییرات در کفایت سرمایه واکنش نشان نداده است و درنتیجه الزامات کفایت سرمایه نتوانسته است نقش کلیدی خود را در اعمال محدودیت در خلق پول بانکی ایفا کند. همچنین نتایج نشان داد که خلق پول بانکی در ایران عمدتاً متأثر از متغیرهای سطح کلان بوده و تورم و نرخ ارز به ترتیب بیشترین نقش را در توضیح تغییرات خلق پول بانکی داشته است. در پژوهشی دیگر حسیه و همکاران (Hsieh & et al., 2022) ارتباط میان سرمایۀ بانکی و خلق نقدینگی را بررسی کرد و نشان دادهاند که بانکهای با سرمایۀ قوی، داراییهای نقدشوندۀ بیشتری را نگه میدارند، اما میزان وامدهی آنها کاهش مییابد. نتایج نشان میدهد که اثر جذب ریسک در بانکهای تجاری و بزرگ همچنان برقرار است، ولی در بانکهای تعاونی تأثیر مثبتتری بر کانال سرمایۀ بانکی مشاهده میشود؛ علاوهبراین، در شرایط رقابت بیشتر و بحرانهای اقتصادی، خلق نقدینگی کاهش مییابد. آنها رابطۀ بین سرمایۀ بانکی و خلق نقدینگی در 35 کشور آسیایی از سال 2001 تا 2018 را بررسی کردهاند و یافتهها حاکیازآن است که بانکهای با سرمایۀ بیشتر، نقدینگی بیشتری تولید میکنند. رضازاده کارسالاری و سرگلزایی (Rezazadeh & Sargolzaei, 2019) هم رابطۀ بین عملکرد و خلق نقدینگی بانکها با استفاده از روش گشتاورهای تعمیمیافته (GMM) و دادههای ۱۸ بانک را طی سالهای 1388-1396 بررسی کردهاند. نتایج نشان میدهد که عملکرد بانکها بر خلق نقدینگی تأثیر مثبت و معناداری دارد. سایر نتایج نشان میدهد که نرخ رشد اقتصادی، نسبت سرمایه به دارایی و نرخ تورم دارای رابطۀ مستقیم و شاخص ثبات بانکی بهصورت غیرمستقیم بر خلق نقدینگی بانکها تأثیر دارند. چاابونی و همکاران (Chaabouni et al., 2018) با بررسی رابطۀ بین سرمایۀ بانکی و خلق نقدینگی با استفاده از رویکرد رگرسیون کوانتایل[7] (QR) نشان میدهند که سرمایۀ بانکی بر خلق نقدینگی تأثیر منفی میگذارد. نتایج نشاندهندۀ رابطۀ منفی بین متغیرهای فوق است که این اثر در بین چندکهای توزیع خلق نقدینگی همگن است. هنگام استفاده از رگرسیون کوانتایل با متغیرهای ابزاری برای رسیدگی به مشکل بالقوۀ درونزایی، نتیجه بدون تغییر باقی میماند. شاهچرا و ظاهری (Shahchera & Zaheri, 2015) رابطۀ بین خلق نقدینگی و سرمایۀ بانکی را با استفاده از روش گشتاورهای تعمیمیافته طی سالهای ۱۳۸۵-1391 بررسی کردهاند. نتایج بیانگر این است که ارتباط منفی میان خلق نقدینگی و سرمایه وجود دارد؛ ازاینرو فرضیۀ شکنندگی مالی در شبکۀ بانکی کشور تأیید میشود.
مرور مطالعات حاکیازآن است که در بیشتر این مطالعات مطرحشده رابطۀ خطی بین سرمایۀ بانکی و خلق نقدینگی بررسی شده است، ولی به رابطۀ غیرخطی بین سرمایۀ بانکی، خلق نقدینگی، رشد اقتصادی، ثبات مالی، شمول مالی و توسعۀ مالی در دهکهای مختلف توجه نشده است. در این مطالعه با استفاده از روش رگرسیون کوانتایل (QR) تأثیر سرمایۀ بانکی، رشد اقتصادی، ثبات مالی، شمول مالی و توسعۀ مالی بر خلق نقدینگی در دهکهای مختلف بررسی میشود.
مطالعۀ حاضر با هدف بررسی تأثیر سرمایۀ بانکها بر خلق نقدینگی در دهکهای مختلف توزیع، طی دورۀ زمانی 2004 تا 2023، برای 59 کشور درحالتوسعه و 37 کشور توسعهیافتۀ منتخب انجام شده است. برای مدلسازی رابطۀ میان متغیرهای پژوهش از تکنیک اقتصادسنجی تابلو کوانتایل با رویکرد غیرخطی استفاده شده است. این روش امکان بررسی ناهمگنی اثرات متغیرها در سطوح مختلف خلق نقدینگی را فراهم میسازد.
مدل کلی با پیروی از مطالعات چابونی و همکاران (Chaabouni et al., 2018) و گوپتا و همکاران (Gupta et al., 2023) بهصورت زیر تصریح میشود:
|
|
(1) |
که در این مدل، کلیۀ متغیرها بهصورت لگاریتمی تعریف شدهاند. تبدیل لگاریتمی با هدف کاهش نوسانات، کاهش اثر دادههای پرت، همترازسازی مقیاس متغیرها و بهبود پایداری ضرایب در مدل انجام شده است. این تبدیل، امکان تفسیر ضرایب بهصورت کشش را فراهم میسازد؛ تفسیری که در تحلیلهای اقتصادی رایج و برای مخاطبان فهمپذیرتر است. در این معادله، نمایانگر لگاریتم خلق نقدینگی در کشور i در زمان t است. شاخص خلق نقدینگی براساس نسبت کل داراییهای بانکهای پذیرندۀ سپرده به تولید ناخالص داخلی محاسبه میشود. داراییهای مذکور شامل مطالبات این بانکها از بخش واقعی غیرمالی داخلی است؛ بخشی که دولتهای مرکزی، ایالتی و محلی، شرکتهای دولتی غیرمالی و بخش خصوصی را در بر میگیرد. بانکهای پذیرندۀ سپرده شامل بانکهای تجاری و سایر مؤسسات مالی هستند که سپردههای قابلانتقال مانند سپردههای عمدی را میپذیرند. نشاندهندۀ لگاریتم سرمایۀ نظارتی بانک بوده که بهصورت درصدی از داراییهای موزون ریسک در کشور i در زمان t است و همان شاخص کفایت سرمایۀ سپردهگذاران است و این نسبت کل سرمایه نظارتی به داراییهای نگهداریشدۀ آن است که براساس ریسک آن داراییها وزن میشود (متغیر انتقال). نیز لگاریتم تولید ناخالص داخلی سرانه در کشور i در سال t است که بهعنوان شاخص رشد اقتصادی و بر مبنای سال پایۀ 2015 محاسبه شده است. نیز بیانگر لگاریتم شاخص Z-Score بانکی در کشور i در سال t است. این شاخص احتمال نکول در نظام بانکی را میسنجد و Z-score بافر سیستم بانکداری تجاری یک کشور (سرمایه و بازده) را با نوسانات آن بازده مقایسه میکند که بیانگر شاخص ثبات مالی است. لگاریتم شاخص شمول مالی در کشور i در زمان t است که با استفاده از تعداد دستگاههای خودپرداز به ازای هر 100000 بزرگسال اندازهگیری میشود. هم لگاریتم شاخص توسعۀ مالی در کشور i در زمان t است که با استفاده از سپردههای سیستم مالی بهصورت درصدی از تولید ناخالص داخلی اندازهگیری میشود و شامل سپردههای تقاضایی، مدتدار و پسانداز در بانکهای پول سپرده بوده و در سایر مؤسسات مالی بهصورت درصدی از تولید ناخالص داخلی است.
برای استخراج و جمعآوری دادۀ رشد اقتصادی (LGDP) از بانک جهانی و برای سایر دادهها شامل (خلق نقدینگی، سرمایۀ بانکی، ثبات مالی، شمول مالی وتوسعۀ مالی) از صندوق بینالمللی پول استفاده شده است.
تکنیکهایی مانند حداقل مربعات معمولی کاملاً اصلاحشده[9] (FMOLS)، حداقل مربعات معمولی پویا[10] (DOLS) و اثرات ثابت حداقل مربعات معمولی[11] (FE-OLS) در مطالعات استفاده میشوند. تکنیک اثرات ثابت حداقل مربعات معمولی با خطاهای استاندارد ترکیب شده است که در ایجاد خودهمبستگی گسترده و وابستگی مقطعی تا یک تأخیر مشخص قوی هستند. دلیل اصلی تخمین تابلوهای همانباشتۀ پویا ناهمگنی است؛ زیرا تفاوتهای میانگین در سطح مقطع و تغییرات در مقاطع به تعادل همانباشته تغییر میکند.
مدل حداقل مربعات معمولی کاملاً اصلاحشده (FMOLS) پدرونی این مشکلات را بهطور مؤثر با تعبیۀ ویژگیهای رهگیری از موجودیت خاص و تأیید ویژگیهای ناهمگن همبستگی سریال خطاها ازطریق اعضای منفرد در تابلو حل میکند. مدل حداقل مربعات معمولی پویا (DOLS) توسط کائو و چیانگ (Kao & Chiang, 2001) در تنظیمات تابلو مربوط به اثر شبیهسازی مونت کارلو اعمال شد و در مقایسه با مدلهای حداقل مربعات معمولی و حداقل مربعات معمولی کاملاً اصلاحشده (FMOLS) در نمونههای محدود، نااریب[12] مشاهده میشود. مشکل درونزایی را نیز میتوان ازطریق تنظیمات سبقتها و وقفهها[13] برطرف کرد.
باتوجهبه سارکودی و استرزوف (Sarkodie & Strezov, 2019)، برای مشاهدۀ اثرات ناهمگن و توزیعی، ایرادات تکنیکهای تحلیلی کلاسیک قبلی به استفاده از این روش در چندک منجر شده است. کوئنکر و باست (Koenker & Bassett, 1978) عمل رگرسیون کوانتایل را در سال 1978 به تابلو معرفی کردند. رگرسیون کوانتایل معمولاً برای تخمین میانگین شرطی یا واریانس چندکهای متغیر نتیجۀ دلخواه به پارامترهای توضیحی در مقایسه با رگرسیون حداقل مربعات استفاده میشود. رگرسیون کوانتایل نسبتبه بروز نقاط پرت در برآوردها بسیار دقیقتر است؛ علاوهبراین، در سناریوهایی که ارتباط بین میانگین شرطی دو متغیر ناچیز است، این رویکرد عملی است (Binder & Coad, 2011).
بنابراین، بدین منظور برای بررسی رابطۀ بین خلق نقدینگی و سرمایۀ بانکی و بقیۀ متغیرهای توضیحی از رویکرد تابلویی رگرسیون کوانتایل (QR) استفاده میشود. بهطور خاص، رگرسیون کوانتایل کل توزیع را علاوهبر مطلوبیت آن برای کنترل بالقوۀ مسائل متغیر زمانی ناهمگونی و نقاط پرت در نظر میگیرد؛ علاوهبراین، رگرسیون کوانتایل از مزیت تخمین توصیف کامل به غیر از میانگین شرطی و توزیع میانه برخوردار است (Koenker & Bassett, 1978)؛ ازاینرو اصلاح شرطی، رویکرد رگرسیون کوانتایل را بهگونهای اجرا میکند که:
|
(2) |
|
بهطوریکه:
|
|
(3) |
برای تمام زمان t و مقطع i ، باتوجهبه اثر کشور مشاهده نشده هستند. از چارچوب مفهومی کونکر و باست (Phillips & Hansen, 1990) که بسط حداقل مربعات مرسوم است، کاربرد توابع چندک شرطی مختلف بهعنوان یک رویکرد رگرسیون کوانتایل بسط داده شده است؛ بهطوریکه در معادلۀ (3) با ازطریق عبارت زیر تخمین زده میشود.:
|
|
(4) |
علاوهبراین، اندازۀ پارامتر بهعنوان حدقلسازی میشود، بهطوریکه مجموع وزنی انحرافات مطلق به حداقل میرسد؛ به این ترتیب، کمیت شرطی LC برای همۀ متغیرهای توضیحی بهصورت زیر ارائه میشود:
|
|
(5) |
در این مورد، پارامترهای شیب مربوط به آن برای کل توزیع LC برای هر دسته چندک بهجای میانگین توزیع شرطی حداقل مربع معمولی (OLS) و سایر رویکردهای رگرسیون مرتبط ارزیابی میشود؛ بااینحال، رویکرد فعلی از OLS، OLS کاملاً اصلاحشده (FMOLS) و OLS پویا فیلیپس استفاده میکند .(Lasisi et al., 2021; Bianchi et al., 2020)
این مطالعه از روش رگرسیون کوانتایل استفاده میکند که ماچادو و سانتوس سیلوا (Machado & Silva, 2019) ارائه کردهاند. این روش با مدیریت ناهمگنی و درونزایی با ترکیب هر دو ارتباط نامتقارن و غیرخطی ازطریق محدودیتهای گشتاور، تخمینهای قابلاعتمادی را ارائه میکند. این رویکرد نوآورانه چندین مزیت دارد: اولاً، به دلیل استحکام آن برای نقاط پرت، به روشهای رگرسیون سنتی برتری دارد؛ دوم، «اثرات کوواریانس ناهمگن مشروط» خلق نقدینگی را با اجازهدادن به اثرات فردی برای تأثیرگذاری بر کل توزیع بهجای تغییر میانگین فعال میکند (Sun & Razzaq, 2022)؛ سوم، از مدل غیرخطی و سایر شرایط متنوع پشتیبانی میکند و نتایج بهتری را ارائه میدهد، بهویژه در شرایطی که مدل با اثرات فردی و متغیرهای درونزا ادغام میشود (Miao et al., 2022)؛ درنهایت، برآوردهای تولیدشده براساس پارامترهای مکان و مقیاس غیرمتقاطع هستند .(Ma et al., 2023)
یافتهها
آمار توصیفی شامل مجموعه روشهایی است که برای جمعآوری، خلاصهکردن، طبقهبندی و توصیف دادههای آماری استفاده میشود. درواقع این آمار الگویی کلی از دادهها برای استفادۀ سریع و بهتر از آنها فراهم میکند. در یک جمعبندی با استفادۀ مناسب از آمار توصیفی میتوان ویژگیهای یک سری از اطلاعات را بیان کرد که برای این منظور شاخصهای مرکزی و پراکندگی استفاده میشود. این شاخصها میتوانند ویژگیهای اصلی مجموعهای از دادهها را بهصورت عددی بیان کنند و بنابراین، علاوهبراینکه به درک بهتر نتایج کمک میکنند، مقایسۀ نتایج آن آزمون را با آزمونها و مشاهدات دیگر نیز آسان میکنند.
جدول (1): نتایج آمار توصیفی متغیرها
Table (1). Results of descriptive statistics of variables
|
آمار توصیفی کشورهای توسعهیافته |
||||||
|
شاخصها |
LM |
LCAR |
LGDPP |
LBZSCORE |
LATM |
LFSD |
|
میانگین |
544/4 |
734/2 |
298/10 |
547/2 |
374/4 |
264/4 |
|
میانه |
595/4 |
716/2 |
471/10 |
588/2 |
366/4 |
261/4 |
|
بیشینه |
721/5 |
573/3 |
629/11 |
050/4 |
665/5 |
135/6 |
|
کمینه |
214/3 |
240/2 |
869/8 |
055/4- |
236/3 |
058/3 |
|
انحراف استاندارد |
339/0- |
241/0 |
651/0 |
721/0 |
721/0 |
522/0 |
|
ضریب چولگی |
032/0- |
396/0 |
190/0- |
723/1- |
219/0 |
754/0 |
|
ضریب کشیدگی |
541/2 |
756/2 |
066/2 |
172/14 |
542/2 |
078/5 |
|
آمار توصیفی کشورهای درحالتوسعه |
||||||
|
شاخصها |
LM |
LCAR |
LGDPP |
LBZSCORE |
LATM |
LFSD |
|
میانگین |
643/3 |
832/2 |
843/7 |
682/1 |
653/2 |
536/3 |
|
میانه |
700/3 |
823/2 |
067/8 |
632/1 |
051/3 |
587/3 |
|
بیشینه |
146/5 |
120/4 |
367/9 |
090/4 |
841/4 |
522/5 |
|
کمینه |
215/1 |
699/1 |
568/5 |
215/0- |
605/4- |
979/0 |
|
انحراف استاندارد |
715/0 |
282/0 |
847/0 |
798/0 |
470/1 |
685/0 |
|
ضریب چولگی |
335/0- |
266/0 |
589/0- |
347/0 |
166/1- |
144/0- |
|
ضریب کشیدگی |
931/2 |
552/5 |
516/2 |
617/2 |
674/4 |
394/3 |
در جدول (1) بعضی از ابزارهای آمار توصیفی متغیرها ازجمله میانگین، میانه، حداقل و حداکثر دادهها و انحراف معیار گزارش شده است. مهمترین شاخص مرکزی میانگین است که نشاندهندۀ نقطه تعادل و مرکزیت مشاهدات است. طبق جدول (1) مقدار میانگین برای متغیر لگاریتم خلق نقدینگی (LM) در کشورهای توسعهیافته برابر 544/4 و در کشورهای درحالتوسعه معادل 643/3 است که بیان میکند بیشتر مشاهدات حول این نقطه تمرکز یافتهاند. میانه یکی دیگر از پارامترهای مرکزی است که بیانکنندۀ وضعیت جامعه است. همانطور که در جدول (1) مشاهده میشود، میانۀ متغیر لگاریتم خلق نقدینگی (LM) در کشورهای توسعهیافته برابر 595/4 و در کشورهای درحالتوسعه معادل 700/3 است و بیانکنندۀ این است که نصف مشاهدات کمتر از این مقدار و نصف دیگر بیشتر از این مقدار هستند. باتوجهبه نتایج جدول (1) بیشترین مقدار لگاریتم خلق نقدینگی (LM) در کشورهای توسعهیافته برابر 721/5 و در کشورهای درحالتوسعه معادل 146/5 است که در کشورهای توسعهیافته مربوط به کشور ایسلند در سال 2006 و در کشورهای درحالتوسعه مربوط به کشور لبنان در سال 2014 است و کمترین مقدار این متغیر در کشورهای توسعهیافته معادل 214/3 مربوط به کشور مکزیک در سال 2014 و معادل 215/1 در کشورهای درحالتوسعه مربوط به کشور چاد در سال 2007 است. انحراف معیار هم یکی از مهمترین شاخصهای پراکندگی است که شاخصی برای اندازهگیری میزان پراکندگی مشاهدات از میانگین است و مقدار آن برای لگاریتم خلق نقدینگی (LM) در کشورهای توسعهیافته برابر 339/0- و در کشورهای درحالتوسعه معادل 715/0 است و برای بقیۀ متغیرها هم در جدول (1) گزارش شده است. ضریب چولگی برابر با گشتاور سوم نرمال شده است. ضریب چولگی درواقع شاخصی برای بررسی وجود تقارن یا عدمتقارن در توزیع است. در توزیع کاملاً متقارن مقدار آن صفر و برای توزیع نامتقارن با کشیدگی متمایل به مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی متمایل به مقادیر کوچکتر مقدار چولگی منفی است. که باتوجهبه موارد گفتهشده در کشورهای توسعهیافته متغیرهای لگاریتم سرمایۀ بانکی (LCAR)، لگاریتم شمول مالی (LATM) و لگاریتم توسعۀ مالی (LCAR)، چوله به راست و متغیرهای لگاریتم خلق نقدینگی (LM)، رشد اقتصادی (LGDPP ) و لگاریتم شاخص ثبات مالی (LBZSCORE) چوله به چپ است. در کشورهای درحالتوسعه هم متغیرهای لگاریتم سرمایۀ بانکی (LCAR) و لگاریتم شاخص ثبات مالی (LBZSCORE) چوله به راست و متغیرهای لگاریتم خلق نقدینگی (LM)، رشد اقتصادی (LGDPP )، لگاریتم شمول مالی (LATM) و لگاریتم توسعۀ مالی (LCAR) چوله به چپ است. آزمون جارک برا[14] برای نرمالبودن فرضیۀ صفر «دادهها از توزیع نرمال به دست میآیند» را در سطح معنیداری 1% رد میکند و پیشنهاد میکند که تخمینگر غیرخطی اعمال شود (Razzaq et al., 2022). مقادیر کشیدگی نیز توزیع غیرنرمال دادهها را تأیید میکند.
نمودار (1-الف): نمودار توزیع نرمال دادهها در کشورهای توسعهیافته
Chart (1-a). Normal distribution chart of data in developed countries
نمودار (1-ب): نمودار توزیع نرمال دادهها در کشورهای درحالتوسعه
Chart (1-b). Normal distribution chart of data in developing countries
از طرفی توزیع غیرنرمال دادهها توسط نمودار هیستوگرام رسمشده در نمودارهای (1-الف) و (1-ب) تأیید میشود. سپس باتوجهبه نتایج بهدستآمده، استفاده از رگرسیون حداقل مربعات برای بررسی متغیرهای مدنظر مناسب نیست؛ زیرا شیوۀ رگرسیون حداقل مربعات، روش مناسبی برای بررسی تمام قسمتهای توزیع و ارائۀ کامل شکلهای رگرسیونی است و بنابراین، استفاده از رگرسیون کوانتایل ترجیح داده میشود.
|
|
|
نمودار (2): توزیعهای مبتنیبر کوانتایل (سمت راست کشورهای توسعهیافته و سمت چپ کشورهای درحالتوسعه)
Figure (2). Quantile-based distributions (developed countries on the right and developing countries on the left)
نمودار (2) پراکندگی و توزیع کمیت متغیرها را نمایش میدهد. این کمکهای بصری با نمودارهای متعدد، ارتباط غیرخطی بین متغیرهای مستقل مانند LCAR، LGDPP، LBZSCORE،LATM و LFSD را با متغیر وابستۀ LM نشان میدهند. تجزیهوتحلیل دادههای فوق، توزیع غیرعادی دادهها و رابطۀ غیرخطی بین متغیرها را تأیید میکند؛ بنابراین، استفاده از رگوسیون کوانتایل برای به دست آوردن نتایج بیطرفانه توجیهپذیر است. پس از آزمونهای اولیه، چالشبرانگیزترین مرحله انتخاب آزمون ریشۀ واحد و برآوردگر رگرسیون است.
در ادامه، علاوهبر بررسی شاخصهای مرکزی و پراکندگی دادهها برای آگاهی بیشتر از ویژگیهای توصیفی متغیرهای اصلی پژوهش، نمودار پراکنش همراه با خط رگرسیونی برای رابطۀ بین دو متغیر لگاریتم خلق نقدینگی (LM) و لگاریتم سرمایۀ بانکی (LCAR) برازششده بیان شده است.
در نمودار (3) پراکنش بین متغیر وابسته یعنی لگاریتم خلق نقدینگی (LM) و لگاریتم سرمایۀ بانکی (LCAR) در کشور ایران، کشورهای درحالتوسعه و توسعهیافته طی دورۀ 2004 تا 2023 گزارش شده است. همانطور که نمودار (3) نشان میدهد، بین دو متغیر لگاریتم خلق نقدینگی (LM) و لگاریتم سرمایۀ بانکی (LCAR) در ایران رابطۀ مثبت وجود دارد؛ اما پراکنش این دو متغیر در 59 کشور درحالتوسعه (شامل ایران) و 37 کشور توسعهیافته طی دورۀ 2023-2004 نشان میدهد که رابطۀ منفی بین این دو متغیر در کشورهای مطالعهشده وجود دارد.
نمودار (3): نمودار پراکنش بین متغیرهای لگاریتم خلق نقدینگی (LM) و لگاریتم سرمایۀ بانکی (LCAR) در (سمت راست ایران، وسط کشورهای درحالتوسعه و سمت چپ کشورهای توسعهیافته)
Chart (3). Scatter plot between the variables of logarithm of liquidity creation (LM) and logarithm of bank capital (LCAR) in (Iran on the right, developing countries in the middle, and developed countries on the left)
آزمونهای مانایی (ایستایی) متغیرها
مطابق ادبیات اقتصادسنجی، قبل از هرگونه تخمین و بهمنظور جلوگیری از بروز رگرسیونهای کاذب باید ابتدا از ایستابودن متغیرها اطمینان حاصل کرد. چنانچه متغیرهای موجود در مدل ایستا باشند، تخمینهای انجامشده مشکل رگرسیون ساختگی را نخواهند داشت. برای بررسی مانایی متغیرها از آزمون لوین، لین و چو (LLC) استفاده شده است. این آزمون از مهمترین آزمونهای ریشۀ واحد در دادههای ترکیبی است. در این آزمون فرضیۀ صفر مبنی بر وجود یک ریشۀ واحد است. نتایج بهدستآمده از این آزمون در جدول (2) نشان میدهد که تمامی متغیرها در سطح زیر 01/0درصد مانا هستند.
جدول (2): نتایج آزمون ریشه واحد (با عرض از مبدأ و متغیر روند)
Table (2). Unit root test results (with width from origin and trend variable)
|
متغیرها |
آزمون لوین، لین و چو در سطح |
||
|
|
در کشورهای توسعهیافته |
در کشورهای درحالتوسعه |
|
|
LM |
آماره t |
991/4- |
548/7- |
|
ارزش احتمال |
000/0 |
000/0 |
|
|
LCAR |
آماره t |
536/6- |
459/7- |
|
ارزش احتمال |
000/0 |
000/0 |
|
|
LGDPP |
آماره t |
203/6- |
992/5- |
|
ارزش احتمال |
000/0 |
000/0 |
|
|
LBZSCORE |
آماره t |
268/5- |
244/10- |
|
ارزش احتمال |
000/0 |
000/0 |
|
|
LATM |
آماره t |
344/3- |
680/396- |
|
ارزش احتمال |
000/0 |
000/0 |
|
|
LFSD |
آماره t |
876/1- |
889/3- |
|
ارزش احتمال |
030/0 |
000/0 |
|
استفاده از رگرسیون کوانتایل نیازمند پذیرش پیشفرضهای مربوط به نرمالبودن توزیع و نمونة بزرگ نیست و نتایج از اعتبار مناسبی برخوردار است. با استفاده از این روش میتوان مشکل نبود نمونة بزرگ را از بین برد و برآوردهای نسبتاً دقیقی از شاخصهای جامعه و ضرایب رگرسیونی به دست آورد. نتایج برآورد رگرسیون کوانتایل در جدول (3) گزارش شده است:
جدول (3): نتایج برآورد رگرسیون کوانتایل
Table (3). Quantile regression estimation results
|
در کشورهای توسعهیافته |
|||||||||
|
متغیرها |
دهک اول |
دهک دوم |
دهک سوم |
دهک چهارم |
دهک پنجم |
دهک ششم |
دهک هفتم |
دهک هشتم |
دهک نهم |
|
Cons (ثابت) |
079/3 (000/0) |
416/2 (000/0) |
447/1 (000/0) |
248/1 (000/0) |
846/0 (001/0) |
854/0 (000/0) |
140/1 (000/0) |
921/0 (002/0) |
445/0- (347/0) |
|
LCAR |
470/0- (000/0) |
497/0- (000/0) |
403/0- (000/0) |
340/0- (000/0) |
265/0- (000/0) |
250/0- (000/0) |
305/0- (000/0) |
369/0- (000/0) |
198/0- (040/0) |
|
LGDPP |
054/0- (158/0) |
102/0 (005/0) |
211/0 (001/0) |
218/0 (000/0) |
263/0 (000/0) |
271/0 (000/0) |
258/0 (000/0) |
304/0 (000/0) |
442/0 (000/0) |
|
LBZSCORE |
106/0- (000/0) |
121/0- (000/0) |
075/0- (000/0) |
073/0- (000/0) |
053/0- (004/0) |
026/0- (131/0) |
018/0- (310/0) |
003/0- (889/0) |
026/0- (427/0) |
|
LATM |
326/0 (000/0) |
231/0 (000/0) |
188/0 (000/0) |
117/0 (000/0) |
096/0 (002/0) |
082/0 (006/0) |
062/0 (039/0) |
097/0 (008/0) |
215/0 (000/0) |
|
LFSD |
418/0 (000/0) |
345/0 (000/0) |
299/0 (000/0) |
392/0 (000/0) |
341/0 (000/0) |
322/0 (000/0) |
348/0 (000/0) |
305/0 (000/0) |
113/0 (094/0) |
|
R-squrd |
358/0 |
345/0 |
365/0 |
386/0 |
390/0 |
385/0 |
368/0 |
332/0 |
268/0 |
|
در کشورهای درحالتوسعه |
|||||||||
|
متغیرها |
دهک اول |
دهک دوم |
دهک سوم |
دهک چهارم |
دهک پنجم |
دهک ششم |
دهک هفتم |
دهک هشتم |
دهک نهم |
|
Cons (ثابت) |
299/0 (282/0) |
017/1 (000/0) |
224/1 (000/0) |
312/1 (000/0) |
510/1 (000/0) |
586/1 (000/0) |
979/1 (000/0) |
310/2 (000/0) |
953/2 (000/0) |
|
LCAR |
002/0 (968/0) |
043/0- (382/0) |
117/0- (021/0) |
171/0- (001/0) |
257/0- (000/0) |
222/0- (000/0) |
256/0- (000/0) |
332/0- (000/0) |
378/0- (000/0) |
|
LGDPP |
004/0 (882/0) |
096/0- (000/0) |
076/0- (005/0) |
048/0- (086/0) |
011/0- (694/0) |
006/0- (838/0) |
003/0- (915/0) |
009/0 (749/0) |
010/0 (761/0) |
|
LBZSCORE |
027/0- (137/0) |
015/0- (305/0) |
008/0- (598/0) |
012/0- (452/0) |
027/0- (104/0) |
030/0- (086/0) |
047/0- (004/0) |
063/0- (000/0) |
119/0- (000/0) |
|
LATM |
072/0 (001/0) |
144/0 (000/0) |
127/0 (000/0) |
109/0 (000/0) |
121/0 (000/0) |
141/0 (000/0) |
129/0 (000/0) |
123/0 (000/0) |
139/0 (000/0) |
|
LFSD |
812/0 (000/0) |
831/0 (000/0) |
817/0 (000/0) |
808/0 (000/0) |
756/0 (000/0) |
700/0 (000/0) |
649/0 (000/0) |
622/0 (000/0) |
524/0 (000/0) |
|
R-squrd |
567/0 |
593/0 |
600/0 |
588/0 |
569/0 |
553/0 |
535/0 |
517/0 |
478/0 |
(اعداد داخل پرانتز بیانگر ارزش سطح معناداری است).
باتوجهبه جدول (3) و میزان ضریب تعیینهای گزارششده برای هر دهک، ملاحظه میشود که دهک پنجم در کشورهای توسعهیافته با بالاترین ضریب تعیین (به میزان 390/0) و دهک سوم در کشورهای درحالتوسعه با بالاترین ضریب تعیین (به میزان 600/0) مطلوبترین دهک برای ارزیابی فرایند چندکی است.
جدول (4): تخمینهای فرایند چندکی
Table (4). Quantile process estimates
|
متغیرها |
|
کشورهای توسعهیافته |
کشورهای درحالتوسعه |
||||
|
دهک |
ضریب |
آماره t |
ارزش احتمال |
ضریب |
آماره t |
ارزش احتمال |
|
|
C(ثابت) |
1/0 |
079/3 |
074/8 |
000/0 |
299/0 |
076/1 |
282/0 |
|
|
2/0 |
416/2 |
664/6 |
000/0 |
017/1 |
456/4 |
000/0 |
|
3/0 |
447/1 |
294/4 |
000/0 |
224/1 |
229/5 |
000/0 |
|
|
4/0 |
248/1 |
487/4 |
000/0 |
312/1 |
437/5 |
000/0 |
|
|
5/0 |
846/0 |
235/3 |
001/0 |
510/1 |
989/5 |
000/0 |
|
|
6/0 |
854/0 |
423/3 |
000/0 |
586/1 |
953/5 |
000/0 |
|
|
7/0 |
140/1 |
555/4 |
000/0 |
979/1 |
555/7 |
000/0 |
|
|
8/0 |
921/0 |
025/3 |
002/0 |
310/2 |
327/9 |
000/0 |
|
|
9/0 |
445/0- |
940/0- |
347/0 |
953/2 |
822/9 |
000/0 |
|
|
LCAR |
1/0 |
470/0- |
031/6- |
000/0 |
0023/0 |
039/0 |
968/0 |
|
|
2/0 |
497/0- |
714/6- |
000/0 |
043/0- |
874/0- |
382/0 |
|
3/0 |
403/0- |
862/5- |
000/0 |
117/0- |
310/2- |
021/0 |
|
|
4/0 |
340/0- |
982/5- |
000/0 |
171/0- |
261/3- |
000/0 |
|
|
5/0 |
265/0- |
966/4- |
000/0 |
257/0- |
694/4- |
000/0 |
|
|
6/0 |
250/0- |
920/4- |
000/0 |
222/0- |
839/3- |
000/0 |
|
|
7/0 |
305/0- |
980/5- |
000/0 |
256/0- |
723/4- |
000/0 |
|
|
8/0 |
369/0- |
935/5- |
000/0 |
332/0- |
165/6- |
000/0 |
|
|
9/0 |
198/0- |
053/2- |
040/0 |
378/0- |
782/5- |
000/0 |
|
|
LGDPP |
1/0 |
054/0- |
411/1- |
158/0 |
004/0 |
148/0 |
882/0 |
|
|
2/0 |
102/0 |
779/2 |
005/0 |
096/0- |
601/3- |
005/0 |
|
3/0 |
211/0 |
170/6 |
000/0 |
076/0- |
794/2- |
000/0 |
|
|
4/0 |
211/0 |
475/7 |
000/0 |
048/0- |
719/1- |
086/0 |
|
|
5/0 |
263/0 |
875/9 |
000/0 |
011/0- |
392/0- |
694/0 |
|
|
6/0 |
271/0 |
667/10 |
000/0 |
006/0- |
203/0- |
838/0 |
|
|
7/0 |
258/0 |
150/10 |
000/0 |
003/0- |
106/0- |
915/0 |
|
|
8/0 |
304/0 |
829/9 |
000/0 |
009/0 |
319/0 |
749/0 |
|
|
9/0 |
442/0 |
172/9 |
000/0 |
010/0 |
303/0 |
761/0 |
|
|
LBZSCORE |
1/0 |
106/0- |
932/3- |
000/0 |
027/0- |
487/1- |
137/0 |
|
|
2/0 |
121/0- |
696/4- |
000/0 |
015/0- |
026/1- |
305/0 |
|
3/0 |
075/0- |
148/3- |
000/0 |
008/0- |
526/0- |
598/0 |
|
|
4/0 |
073/0- |
693/3- |
001/0 |
012/0- |
752/0- |
452/0 |
|
|
5/0 |
053/0- |
876/2- |
004/0 |
027/0- |
623/1- |
104/0 |
|
|
6/0 |
026/0- |
509/1- |
131/0 |
030/0- |
719/1- |
086/0 |
|
|
7/0 |
018/0- |
015/1- |
310/0 |
047/0- |
845/2- |
004/0 |
|
|
8/0 |
003/0- |
139/0- |
889/0 |
063/0- |
845/3- |
000/0 |
|
|
9/0 |
026/0- |
794/0- |
427/0 |
119/0- |
888/5- |
000/0 |
|
|
LATM |
1/0 |
326/0 |
103/7 |
000/0 |
072/0 |
245/3 |
001/0 |
|
|
2/0 |
231/0 |
315/5 |
000/0 |
144/0 |
863/7 |
000/0 |
|
3/0 |
188/0 |
639/4 |
000/0 |
127/0 |
763/6 |
000/0 |
|
|
4/0 |
117/0 |
513/3 |
000/0 |
109/0 |
634/5 |
000/0 |
|
|
5/0 |
096/0 |
070/3 |
002/0 |
121/0 |
996/5 |
000/0 |
|
|
6/0 |
082/0 |
741/2 |
006/0 |
141/0 |
573/6 |
000/0 |
|
|
7/0 |
062/0 |
063/2 |
039/0 |
129/0 |
419/6 |
000/0 |
|
|
8/0 |
097/0 |
651/2 |
008/0 |
123/0 |
203/6 |
000/0 |
|
|
9/0 |
215/0 |
772/3 |
000/0 |
139/0 |
734/5 |
000/0 |
|
|
LFSD |
1/0 |
418/0 |
645/7 |
000/0 |
812/0 |
532/28 |
000/0 |
|
|
2/0 |
345/0 |
655/6 |
000/0 |
831/0 |
555/35 |
000/0 |
|
3/0 |
299/0 |
193/6 |
000/0 |
817/0 |
119/34 |
000/0 |
|
|
4/0 |
392/0 |
828/9 |
000/0 |
808/0 |
742/32 |
000/0 |
|
|
5/0 |
341/0 |
107/9 |
000/0 |
756/0 |
298/29 |
000/0 |
|
|
6/0 |
322/0 |
021/9 |
000/0 |
700/0 |
665/25 |
000/0 |
|
|
7/0 |
348/0 |
711/9 |
000/0 |
649/0 |
436/25 |
000/0 |
|
|
8/0 |
305/0 |
988/6 |
000/0 |
622/0 |
545/24 |
000/0 |
|
|
9/0 |
113/0 |
673/1 |
094/0 |
524/0 |
055/17 |
000/0 |
|
باتوجه به نتایج بهدستآمده در جدول (4) و نمودار (4-الف) میتوان بیان کرد که در کشورهای توسعهیافته اثر لگاریتم سرمایۀ بانکی (LCAR) بر لگاریتم خلق نقدینگی (LM) در همۀ دهکها منفی و معنیدار است که در دهکهای آخر این اثر منفی کاهش یافته است؛ این اثر را اینچنین میتوان استدلال کرد که افزایش سرمایۀ بانکی باعث میشود که بانکها منابع بیشتری را بهصورت ذخیره یا سرمایه نگهداری کنند. این امر بهطور مستقیم توانایی بانکها را برای ارائۀ وام و خلق نقدینگی کاهش میدهد. دلیل اصلی این اثر، نقش سرمایۀ بانکی در مدیریت ریسک است. بانکها با نگهداری سرمایۀ بیشتر، ریسکپذیری کمتری دارند و درنتیجه، تمایل کمتری به تخصیص منابع به وامدهی یا سرمایهگذاریهای پرریسک نشان میدهند. دلیل اینکه در دهکهای آخر، اثر منفی سرمایۀ بانکی بر خلق نقدینگی کاهش مییابد، این است که این گروهها معمولاً با بانکهای بزرگتر و سازمانهای مالی پیچیدهتری سروکار دارند که قادرند منابع بیشتری را جذب و نقدینگی بیشتری را ایجاد کنند. این بانکها معمولاً دارای قابلیتهای بالاتری برای مدیریت سرمایه و ریسک هستند و میتوانند بهطور مؤثرتری در شرایط الزامات سرمایهای به خلق نقدینگی ادامه دهند. در دهکهای بالاتر، تقاضای بیشتری برای نقدینگی ازسوی بنگاههای بزرگ و نهادهای مالی وجود دارد که این خود ممکن است به افزایش تقاضا برای اعتبار منجر شود و اثر منفی سرمایۀ بانکی را در مقایسه با دهکهای پایینتر کاهش دهد. بانکهای بزرگ در کشورهای توسعهیافته به دلیل داشتن مقیاس بالاتر و تنوع بیشتر در فعالیتهای اقتصادی ممکن است بتوانند نقدینگی بیشتری ایجاد کنند، حتی در شرایطی که الزام به حفظ سرمایه بالا است؛ درحالیکه بانکهای کوچکتر یا بانکهایی که در دهکهای پایینتر فعالیت میکنند، بهدلیل محدودیتهای منابع و فعالیتهای محدودتر، بیشتر از اثر منفی سرمایۀ بانکی تأثیر میگیرند که این نتیجه در دهکهای بالاتر به دلیل کاهش این اثر منفی تأییدکنندۀ فرضیۀ جذب ریسک است و با انتظارات نظری و مطالعات مازیود چاابونی و همکاران (Chaabouni et al., 2018)، فام و همکاران (Pham et al., 2022) و گوپتا و همکاران (Gupta et al., 2023) سازگار است.
نتایج نشان میدهد که در کشورهای توسعهیافته، تأثیر متغیر رشد اقتصادی (LGDPP) بر لگاریتم خلق نقدینگی (LM) در دهک اول منفی و غیرمعنادار بوده، ولی از دهک دوم تا آخر مثبت و معنیدار است؛ این اثرات را اینچنین میتوان استدلال کرد که در دهک اول باوجود رشد اقتصادی، بنگاهها یا خانوارها به علت دسترسی محدود به اعتبار، ناتوانی در بهرهبرداری از فرصتهای اقتصادی یا چالشهای اقتصادی داخلی مانند تورم و بیکاری و به دلیل محدودیتهای مالی و زیرساختی قادر به افزایش خلق نقدینگی بهطور مؤثر نیستند. از دهک دوم تا نهم که نشاندهندۀ بخشهای اقتصادی با درآمد و مقیاس بزرگتر هستند، اثر مثبت و معنیدار رشد اقتصادی بر خلق نقدینگی مشاهده میشود. این بخشها معمولاً شامل بنگاههای متوسط و بزرگتر هستند که دسترسی به اعتبار و منابع مالی بیشتری دارند. در این دهکها، رشد اقتصادی به افزایش تقاضا برای اعتبار و افزایش تولید منجر میشود که خود باعث خلق نقدینگی بیشتر میشود؛ به این ترتیب، در این دهکها، بانکها و مؤسسات مالی قادرند منابع بیشتری را جذب کرده و نقدینگی را به اقتصاد وارد کنند. اثرات متفاوت رشد اقتصادی در دهکهای مختلف ناشی از تفاوتهای موجود در دسترسی به منابع مالی، اندازه و نوع بنگاهها و وضعیت اقتصادی هر بخش است. در دهکهای پایینتر ممکن است ظرفیت کمتری برای افزایش نقدینگی وجود داشته باشد، درحالیکه در دهکهای بالاتر، بانکها و بنگاهها بهطور مؤثرتری قادر به جذب نقدینگی و اعتبار هستند و این امر باعث افزایش رشد اقتصادی و خلق نقدینگی بیشتر میشود که این نتیجه با مبانی نظری و مطالعۀ گوپتا و همکاران (Gupta et al., 2023) همخوانی دارد.
علاوهبراین نتایج بیانگر این است که در کشورهای توسعهیافته، متغیر ثبات مالی (BZSCORE) در همۀ دهکها اثر منفی بر لگاریتم خلق نقدینگی (LM) دارد که این اثر در پنج دهک اول ازلحاظ آماری معنیدار است، اما پس از دهک پنجم این اثر منفی کاهش یافته و غیرمعنادار شده است؛ این اثرات را این چنین میتوان استدلال کرد که بنگاههای کوچک و خانوارها در دهکهای پایینتر دسترسی کمتری به منابع مالی و اعتبار دارند و بیشتر به بانکها وابستهتر هستند. ازآنجاییکه ثبات مالی بانکها معمولاً با الزامات بیشتری برای حفظ ذخایر و کاهش ریسکها همراه است، این بانکها تمایل دارند که احتیاط بیشتری در اعطای وام و خلق اعتبار داشته باشند که باعث کاهش خلق نقدینگی در این گروهها میشود. در دهکهای پایینتر، بهویژه در بخشهای اقتصادی کوچکتر، بنگاهها و خانوارها به منابع مالی ازطریق سیستم بانکی وابستگی بیشتری دارند و بنابراین، سیاستهای مرتبط با ثبات مالی، بیشتر بر این بخشها اثرگذار است. هنگامی که بانکها مجبور به حفظ ذخایر بیشتر میشوند، این امر میتواند به کاهش توانایی آنها برای اعطای وامهای جدید و درنتیجه کاهش خلق نقدینگی در این دهکها منجر شود. در دهکهای بالاتر هم، بنگاههای بزرگتر و مؤسسات مالی معمولاً دسترسی بیشتری به منابع مالی خارجی دارند و به همین دلیل ممکن است کمتر متأثر از محدودیتهایی قرار بگیرند که سیاستهای ثبات مالی ایجاد کرده است. این گروهها قادرند ازطریق منابع دیگری مانند بازارهای سرمایه، اوراق قرضه یا وامهای بینبانکی، منابع مالی لازم را تأمین کنند و به این ترتیب اثر منفی ثبات مالی بر خلق نقدینگی در این دهکها کاهش مییابد. بنگاههای بزرگتر و مؤسسات مالی معمولاً در مقایسه با بنگاههای کوچکتر، توانایی بیشتری برای جذب سرمایه دارند و به دلیل مقیاس و ظرفیت بالاتر خود میتوانند از سیاستهای ثبات مالی به نحو مؤثرتری بهرهبرداری کنند؛ بنابراین، در این گروهها، اثر منفی ثبات مالی بر خلق نقدینگی ممکن است کاهش یابد و حتی به سطحی غیرمعنیدار برسد که این نتیجه با انتظارات نظری سازگار است.
در ادامه، نتایج حاکیازآن است که در کشورهای توسعهیافته، تأثیر لگاریتم متغیر شمول مالی (LATM) بر لگاریتم خلق نقدینگی (LM) در همۀ دهکها مثبت و معنیدار بوده و در دهکهای پایینتر بیشتر است؛ این اثر را این چنین میتوان بیان کرد که افراد و بنگاهها با افزایش شمول مالی به وامها، تسهیلات و خدمات بانکی دسترسی پیدا میکنند که میتواند به خلق نقدینگی در اقتصاد منجر شود. این دسترسی بیشتر به منابع مالی، بهویژه در دهکهای پایینتر موجب میشود که این افراد و بنگاهها بتوانند از فرصتهای اقتصادی بهرهبرداری کنند و نقدینگی بیشتری ایجاد کنند. افزایش شمول مالی همچنین به بهبود سیستمهای پرداخت کمک میکند؛ مانند استفاده از کارتهای بانکی، تراکنشهای الکترونیکی و اپلیکیشنهای موبایلی که نقدینگی را بهسرعت در بازارها و بین افراد و بنگاهها منتقل میکنند؛ علاوهبراین، زمانی که دسترسی به ابزارهای مالی افزایش یابد، افراد و بنگاهها قادر به انجام تعداد بیشتری تراکنش اقتصادی هستند. این تراکنشها باعث خلق نقدینگی بیشتر در سیستم اقتصادی میشوند؛ زیرا بانکها و مؤسسات مالی قادر به انجام عملیات مالی و اقتصادی بیشتری هستند که این نتیجه با مبانی نظری و مطالعۀ گوپتا و همکاران (Gupta et al., 2023) همخوانی دارد.
درنهایت نتایج نشان میدهد که در کشورهای توسعهیافته تأثیر متغیر توسعۀ مالی (LFSD) بر لگاریتم خلق نقدینگی (LM) در همۀ دهکها مثبت و معنیدار بوده و در دهکهای پایینتر بیشتر است؛ این اثر را این چنین میتوان استدلال کرد که در دهک اول که مقدار نقدینگی کم است، توسعۀ مالی (LFSD) موجب افزایش درخور توجهی در خلق نقدینگی میشود. در این دهکها که معمولاً دسترسی به منابع مالی کمتری دارند، بهبود در زیرساختها و نهادهای مالی میتواند دسترسی به منابع مالی را تسهیل کند و خلق نقدینگی را برای افراد این گروه افزایش دهد؛ بنابراین، افراد در این دهک از افزایش دسترسی به وامها، تسهیلات مالی و فرصتهای اقتصادی بهرهمند میشوند. در دهکهای بالاتر که مقدار نقدینگی بیشتری دارند، تأثیر توسعۀ مالی همچنان مثبت است؛ اما به دلیل دسترسی گستردهتر به منابع مالی، این افزایش خلق نقدینگی در مقایسه با دهکهای پایینتر بهطور نسبی کمتر محسوس است. در این دهکها افراد اغلب بهراحتی به منابع مالی دسترسی دارند، اما توسعۀ مالی همچنان به بهبود شرایط اقتصادی و افزایش قدرت خرید و سرمایهگذاری آنها کمک میکند که این نتیجه هم با انتظارات نظری و مطالعۀ گوپتا و همکاران (Gupta et al., 2023) همخوانی دارد.
نمودار (4-الف): روند متغیرها در دهکها در کشورهای توسعهیافته
Chart (5-a). Trends in variables in deciles in developed countries
باتوجه به نتایج بهدستآمده در جدول (4) و نمودار (4-ب) میتوان بیان کرد که در کشورهای درحالتوسعه اثر لگاریتم سرمایۀ بانکی (LCAR) بر لگاریتم خلق نقدینگی (LM) در دهک اول مثبت و غیرمعنادار و از دهک دوم تا آخر منفی و معنیدار است و در دهکهای آخر این اثر منفی افزایش یافته است؛ این اثر را اینچنین میتوان استدلال کرد که تأثیر مثبت و غیرمعنادار سرمایۀ بانکی نشاندهندۀ آن است که در این سطح، افزایش سرمایۀ بانکی بهتنهایی نمیتواند تأثیر معناداری بر خلق نقدینگی داشته باشد. این موضوع میتواند به دلیل محدودیت تقاضای اعتبار یا کمبود تقاضای مؤثر در اقتصاد باشد؛ به عبارت دیگر، بانکها حتی با داشتن سرمایۀ کافی به دلیل محدودیت در تقاضا یا ضعف بخش واقعی اقتصاد قادر به خلق نقدینگی معنادار نیستند. از دهک دوم به بعد، اثر منفی و معنیدار سرمایۀ بانکی نشان میدهد که با افزایش سرمایۀ بانکی، خلق نقدینگی کاهش مییابد؛ زیرا در کشورهای درحالتوسعه افزایش سرمایۀ بانکی معمولاً به معنای تلاش بانکها برای تقویت شاخصهای ثبات مالی و کاهش ریسکهای مرتبط با نقدینگی است. این تمرکز ممکن است باعث محدودکردن فعالیتهای اعتباری و درنتیجه کاهش خلق نقدینگی شود. در دهکهای میانی، حتی اگر سرمایۀ بانکی افزایش یابد، تقاضای مؤثر برای تسهیلات اعتباری ممکن است رشد نکند. این موضوع به دلیل مشکلات ساختاری، ضعف در بخش خصوصی یا فقدان زیرساختهای حمایتی اقتصادی است. در دهکهای بالاتر که نمایانگر سطوح بالاتر خلق نقدینگی است، افزایش اثر منفی سرمایۀ بانکی میتواند ناشی از این باشد که بانکها بهجای تمرکز بر وامدهی، منابع خود را برای مدیریت ریسک و افزایش ذخایر سرمایه اختصاص میدهند. در این سطح، احتمالاً سیستم بانکی به بلوغ نسبی رسیده و بهجای خلق نقدینگی جدید، بیشتر بر مدیریت نقدینگی و پایداری سیستم متمرکز شده است. این امر ممکن است موجب کاهش سرعت گردش پول و درنتیجه کاهش خلق نقدینگی شود که این نتیجه هم در دهکهای بالاتر به دلیل افزایش این اثر منفی تأییدکنندۀ فرضیۀ شکنندگی مالی است و با انتظارات نظری و مطالعات مازیود چاابونی و همکاران (Chaabouni et al., 2018)، فام و همکاران (Pham et al., 2022) و گوپتا و همکاران (Gupta et al., 2023) سازگار است.
نتایج نشان میدهد که در کشورهای درحالتوسعه، تأثیر متغیر رشد اقتصادی (LGDPP) بر لگاریتم خلق نقدینگی (LM) در دهک اول مثبت و غیرمعنادار است. این امر نشاندهندۀ آن است که در سطوح پایین خلق نقدینگی، افزایش رشد اقتصادی نمیتواند بهصورت معناداری باعث تقویت خلق نقدینگی شود. احتمالاً این موضوع ناشی از عدم توسعۀ کافی زیرساختهای مالی، ضعف در دسترسی به منابع مالی یا وابستگی بیشتر این اقتصادها به منابع خارجی برای تأمین نقدینگی است؛ ولی این اثر کاهشیافته از دهک دوم تا هفتم منفی (دهک دوم تا چهارم معنیدار) شده است؛ این اثرات را هم اینچنین میتوان استدلال کرد که در مراحل ابتدایی رشد اقتصادی، منابع به سمت سرمایهگذاری در زیرساختها و پروژههای بلندمدت هدایت میشوند که ممکن است بهطور مستقیم در کوتاهمدت به خلق نقدینگی کمک نکنند. در این دهکها رشد اقتصادی ممکن است به دلیل نارساییهای ساختاری در سیستم بانکی یا سیاستهای نظارتی محدودکننده نتواند به تسهیلاتدهی و خلق نقدینگی منجر شود و ممکن است عمدتاً توسط بخشهایی صورت گیرد که بهشدت وابسته به منابع مالی داخلی نیستند (مانند صادرات مواد اولیه) و به همین دلیل تأثیر کمتری بر خلق نقدینگی داخلی دارند. در دو دهک آخر، اثر رشد اقتصادی بر خلق نقدینگی مجدداً مثبت شده، اما غیرمعنادار است. این تغییر روند نشان میدهد که در سطوح بالاتر خلق نقدینگی، رشد اقتصادی میتواند زمینهساز بهبود نقدینگی شود؛ اما این اثر به دلیل محدودیتهای ساختاری اقتصاد یا تمرکز فعالیتها بر بخشهای غیرمالی، هنوز معنیدار نیست. در این دهکها بخشی از رشد اقتصادی میتواند به دلیل دسترسی به منابع مالی خارجی باشد که تأثیر مستقیم بر خلق نقدینگی داخلی نداشته است که این نتیجه با مبانی نظری مرتبط با کشورهای درحالتوسعه همخوانی دارد.
علاوهبراین، نتایج بیانگر این است که در کشورهای درحالتوسعه، متغیر ثبات مالی (BZSCORE) در همۀ دهکها اثر منفی بر لگاریتم خلق نقدینگی (LM) دارد که این اثر در پنج دهک اول ازلحاظ آماری غیرمعنادار است؛ اما از دهک پنجم به بعد این اثر منفی افزایش یافته و معنیدار شده است؛ این اثرات را اینچنین میتوان استدلال کرد که در پنج دهک اول که نمایانگر سطوح پایین خلق نقدینگی هستند، اثر منفی ثبات مالی بر خلق نقدینگی غیرمعنادار است. این موضوع نشان میدهد که در سطوح پایین خلق نقدینگی، افزایش ثبات مالی تأثیر ملموسی بر فعالیتهای مالی و خلق نقدینگی ندارد؛ زیرا در این سطوح، نظام بانکی هنوز در مراحل ابتدایی توسعه قرار دارد و ثبات مالی بهتنهایی تأثیر معنیداری بر عملکرد بانکی و خلق نقدینگی نمیگذارد. در این دهکها ضعف در تقاضای اعتباری و محدودیتهای اقتصادی باعث میشود که اثر سیاستهای مرتبط با ثبات مالی بر خلق نقدینگی چشمگیر نباشد؛ علاوهبراین، در کشورهای درحالتوسعه، سطوح پایینتر خلق نقدینگی بیشتر با وابستگی به منابع مالی خارجی همراه است که اثرات داخلی ثبات مالی را محدود میکند. از دهک ششم به بعد، اثر منفی ثبات مالی بر خلق نقدینگی افزایش مییابد و معنیدار میشود؛ زیرا در دهکهای بالاتر که خلق نقدینگی بیشتر است، افزایش ثبات مالی معمولاً با اعمال سیاستهای محافظهکارانهتر بانکی همراه است. این سیاستها باعث کاهش اعطای تسهیلات اعتباری و بهتبع آن کاهش خلق نقدینگی میشود؛ اما در سطوح بالاتر خلق نقدینگی، تنظیمگریهای مرتبط با ثبات مالی معمولاً شدیدتر میشود و بانکها برای رعایت الزامات نظارتی، فعالیتهای پرریسک مانند اعطای وام به بخشهای تولیدی را کاهش میدهن؛. علاوهبراین، در دهکهای بالاتر، تمرکز بر ثبات مالی ممکن است به محدودکردن جریان نقدینگی بین بخشهای مختلف اقتصادی منجر شود و درنتیجه، توان خلق نقدینگی کاهش یابد که این نتیجه با انتظارات نظری سازگار است.
در ادامه، نتایج حاکیازآن است که در کشورهای درحالتوسعه، تأثیر متغیر شمول مالی (LATM) بر لگاریتم خلق نقدینگی (LM) در همۀ دهکها مثبت و معنیدار است؛ این اثر را اینچنین میتوان بیان کرد که افزایش تعداد دستگاههای خودپرداز (بهعنوان یکی از شاخصهای شمول مالی) و سایر زیرساختهای مالی، انجام تراکنشها را سادهتر و ارزانتر میکند. این تسهیلات باعث میشود تا افراد و کسبوکارها بیشتر از خدمات مالی استفاده کنند که به افزایش نقدینگی در گردش و تقویت خلق نقدینگی منجر میشود. شمول مالی به افراد و کسبوکارهای بیشتری امکان میدهد تا به وامها و تسهیلات بانکی دسترسی پیدا کنند. این دسترسی به اعتبار باعث افزایش سرمایهگذاری، رشد فعالیتهای تولیدی و تجاری و درنتیجه، افزایش خلق نقدینگی در سیستم بانکی میشود. در کشورهای درحالتوسعه، که بیشتر دسترسی به خدمات مالی محدود است، حتی تغییرات کوچک در سطح شمول مالی میتواند اثرات بزرگی بر افزایش نقدینگی داشته باشد که این نتیجه هم با مبانی نظری و مطالعۀ گوپتا و همکاران (Gupta et al., 2023) همخوانی دارد.
درنهایت نتایج نشان میدهد که در کشورهای درحالتوسعه، لگاریتم توسعۀ مالی (LFSD) در همۀ دهکها تأثیر مثبت و معنیداری بر لگاریتم خلق نقدینگی (LM) دارد؛ این اثر را اینگونه میتوان استدلال کرد که توسعۀ مالی به معنای بهبود کارایی و عمق نظام مالی است؛ ازجمله بهبود دسترسی به خدمات مالی، گسترش ابزارهای مالی و افزایش نقدینگی بازارها. این تغییرات باعث میشود منابع مالی بهصورت بهینهتری تخصیص یابند و فعالیتهای اقتصادی مولد تقویت شوند که درنهایت خلق نقدینگی را افزایش میدهد؛ علاوه براین، توسعۀ مالی ازطریق ایجاد نهادهای مالی متنوعتر (مانند بانکها، مؤسسات اعتباری و بازارهای سرمایه) و گسترش خدمات آنها، دسترسی به اعتبارات و تسهیلات مالی را برای افراد و کسبوکارها افزایش میدهد. این دسترسی به اعتبار موجب تحریک سرمایهگذاری، افزایش تولید و تقویت فعالیتهای اقتصادی میشود و درنتیجه، خلق نقدینگی را بهبود میبخشد که این نتیجه هم با انتظارات نظری و مطالعۀ گوپتا و همکاران (Gupta et al., 2023) سازگار است.
نمودار (4-ب): روند متغیرها در دهکها در کشورهای توسعهیافته
Chart (5-b). Trends in variables in deciles in developed countries
در ادامه از آزمونهای بین کوانتایلی برای بررسی ناهمگنی پارامترها استفاده میشود. آزمونهای بین کوانتایلی برای بررسی این موضوع گسترش داده شدند که آیا تفاوت در ضرایب برآوردشده چشمگیر است یا خیر. بهطور خاص، به دنبال مطالعۀ کوانکر و باست (1982) آزمون والد برای بررسی برابری شیب در بین کوانتایلها انجام میشود. ماتریس واریانس-کوواریانس ضرایب مربوط از روش بوت استرپ به دست میآید.
جدول (5): آزمون برابری شیب چندک
Table (5). Quantile slope equality test
|
در کشورهای توسعهیافته |
|||
|
آزمون والد |
آماره کای دو |
درجه آزادی |
ارزش احتمال |
|
742/96 |
10 |
000/0 |
|
|
در کشورهای درحالتوسعه |
|||
|
آزمون والد |
آماره کای دو |
درجه آزادی |
ارزش احتمال |
|
220/78 |
10 |
000/0 |
|
همانطور که در جدول (5) مشاهده میشود، آمارۀ کایدو آزمون والد برابری شیب در کشورهای توسعهیافته برابر 742/96 و ارزش احتمال مربوط، 000/0 است. آمارۀ کایدو آزمون والد برابری شیب در کشورهای درحالتوسعه برابر 220/78 و ارزش احتمال مربوط، 000/0 است که نشاندهندۀ رد فرضیۀ صفر است؛ بنابراین، میتوان گفت که ضرایب شیب در طول چندکها برابر نبوده و با یکدیگر متفاوت هستند.
در جدول (6) آزمون تقارن چندک گزارش شده است. همانطور که مشاهده میشود، آمارۀ کایدو آزمون والد چندکهای متقارن در کشورهای توسعهیافته 735/74 و ارزش احتمال مربوط، 000/0 است. آمارۀ کایدو آزمون والد چندکهای متقارن در کشورهای درحالتوسعه 192/23 و ارزش احتمال مربوط، 026/0 است؛ بنابراین، در این مورد هم فرضیۀ صفر رد میشود و میتوان نتیجه گرفت که تقارن وجود ندارد و نامتقارن است.
جدول (6): آزمون تقارن چندک
Table (6). Quantile symmetry test
|
در کشورهای توسعهیافته |
|||
|
آزمون والد |
آماره کای دو |
درجه آزادی |
ارزش احتمال |
|
735/74 |
10 |
000/0 |
|
|
در کشورهای درحالتوسعه |
|||
|
آزمون والد |
آماره کای دو |
درجه آزادی |
ارزش احتمال |
|
192/23 |
10 |
026/0 |
|
مطالعۀ حاضر تأثیر سرمایۀ بانکی را بر خلق نقدینگی در دهکهای مختلف با استفاده از روش رگرسیون کوانتایل در 59 کشوردرحالتوسعه و 37 کشور توسعهیافته در دو مدل مجزا طی دورۀ 2004-2023 بررسی کرده است. نتایج حاکی از اثر منفی سرمایۀ بانکی بر لگاریتم خلق نقدینگی در کشورهای توسعهیافته بهدلیل الزامات نظارتی و نیاز به حفظ سطح بالای سرمایه برای مقابله با ریسکها است. این اثر در دهکهای پایینتر بیشتر مشهود است؛ زیرا بانکهای کوچکتر و محدودتر با این الزامات بیشتر مواجه میشوند؛ درحالیکه در دهکهای بالاتر، بانکهای بزرگتر قادرند نقدینگی بیشتری خلق کنند و اثر منفی سرمایۀ بانکی در این گروهها کاهش مییابد که این نتیجه در دهکهای بالاتر به دلیل کاهش این اثر منفی تأییدکنندۀ فرضیۀ جذب ریسک است و با انتظارات نظری و مطالعات مازیود چاابونی و همکاران (2018)، فام و همکاران (2022) و گوپتا و همکاران (2023) سازگار است.
نتایج بیانگر این است که اثر رشد اقتصادی بر لگاریتم خلق نقدینگی در کشورهای توسعهیافته بهطور متفاوتی در دهکهای مختلف مشاهده میشود. در دهک اول که مقدار خلق نقدینگی کم است، اثر رشد اقتصادی منفی است؛ زیرا این بخشها دسترسی محدودتری به منابع مالی دارند و قادر به بهرهبرداری از فرصتهای رشد اقتصادی نیستند؛ اما در دهکهای دوم تا نهم که مقدار خلق نقدینگی بیشتر است، رشد اقتصادی اثر مثبت و معنیداری بر افزایش نقدینگی دارد؛ زیرا بخشهای بزرگتر اقتصادی توانایی بیشتری در جذب منابع مالی و افزایش تولید دارند که این نتیجه با مبانی نظری و مطالعۀ گوپتا و همکاران (2023) همخوانی دارد.
علاوهبراین، نتایج نشان میدهد که در کشورهای توسعهیافته، ثبات مالی (BZSCORE) اثر منفی بر لگاریتم خلق نقدینگی (LM) دارد که در دهکهای پایینتر بیشتر و در دهکهای بالاتر کمتر مشاهده میشود. در دهکهای پایینتر، این اثر منفی بیشتر بهدلیل دسترسی محدودتر به منابع مالی و وابستگی به بانکها برای اعطای اعتبار است؛ درحالیکه در دهکهای بالاتر، بنگاهها و مؤسسات مالی به دلیل دسترسی بهتر به منابع مالی خارجی و توانایی جذب سرمایه از منابع دیگر، کمتر از سیاستهای ثبات مالی تأثیر میگیرند و درنتیجه، اثر منفی ثبات مالی بر خلق نقدینگی کاهش مییابد و در برخی موارد حتی غیرمعنادار میشود که این نتیجه با انتظارات نظری سازگار است.
در ادامه، نتایج بیانگر این است که در کشورهای توسعهیافته، افزایش لگاریتم متغیر شمول مالی (LATM) تأثیر مثبت و معنیداری بر خلق نقدینگی (LM) دارد که این اثر در تمام دهکها مشاهده میشود. این اثر مثبت به دلیل افزایش دسترسی به منابع مالی، ابزارهای پرداخت و اعتبار است که به بنگاهها و افراد کمک میکند تا نقدینگی بیشتری را ایجاد کنند و در اقتصاد گردش دهند. این اثر در دهکهای پایینتر در مقایسه با دهکهای بالاتر تأثیر بیشتری دارد؛ زیرا شمول مالی به بخشهایی از جامعه که پیشتر دسترسی محدودی به خدمات مالی داشتند، این امکان را میدهد که از فرصتهای اقتصادی بیشتری بهرهبرداری کنند که این نتیجه با مبانی نظری و مطالعۀ گوپتا و همکاران (2023) همخوانی دارد.
درنهایت، نتایج نشان میدهد که توسعۀ مالی در کشورهای توسعهیافته بهطورکلی موجب افزایش لگاریتم خلق نقدینگی در تمامی دهکها میشود؛ اما شدت این تأثیر در دهکهای پایینتر (که میزان نقدینگی کمتری دارند) بیشتر و مشهودتر است که این نتیجه هم با انتظارات نظری و مطالعۀ گوپتا و همکاران (2023) سازگار است.
در کشورهای درحالتوسعه نتایج به این صورت است که اثر لگاریتم سرمایۀ بانکی (LCAR) بر لگاریتم خلق نقدینگی (LM) در دهکهای پایین مثبت، اما غیرمعنادار است؛ زیرا تقاضای مؤثر برای نقدینگی کافی وجود ندارد یا بخش بانکی نتوانسته است از ظرفیت خود برای تسهیلاتدهی استفاده کند؛ اما از دهکهای دوم به بعد، این اثر منفی و معنیدار میشود؛ به این دلیل که افزایش سرمایۀ بانکی معمولاً بهجای تقویت تسهیلات اعتباری و حمایت از تولید، صرف مدیریت ریسک و تقویت ذخایر بانکی میشود. در دهکهای بالاتر، این اثر منفی شدت مییابد؛ زیرا بانکها بیشتر بر ثبات مالی و کاهش ریسک تمرکز میکنند که این امر به کاهش خلق نقدینگی منجر میشود و این نتیجه هم در دهکهای بالاتر به دلیل افزایش این اثر منفی تأییدکنندۀ فرضیۀ شکنندگی مالی است و با انتظارات نظری و مطالعات چاابونی و همکاران (2018)، فام و همکاران (Pham et al., 2022) و گوپتا و همکاران (2023) سازگار است.
در کشورهای درحالتوسعه نیز نتایج بیانگر این است که تأثیر رشد اقتصادی (LGDPP) بر خلق نقدینگی (LM) در دهکهای پایین مثبت، ولی غیرمعنادار است؛ زیرا در این سطوح پایین خلق نقدینگی، سیستم بانکی و اقتصادی هنوز توانایی لازم برای بهرهبرداری از رشد اقتصادی در جهت افزایش نقدینگی را ندارد. در دهکهای دوم تا هفتم، اثر منفی و در دهکهای دوم تا چهارم معنیدار است که نشاندهندۀ ضعف ساختاری سیستم مالی، تمرکز بر پروژههای بلندمدت و ناهماهنگی رشد اقتصادی با بخش بانکی است. در دو دهک آخر، اثر مجدداً مثبت میشود، اما همچنان غیرمعنادار است؛ زیرا سیستم مالی هنوز نتوانسته است بهطور کامل از رشد اقتصادی برای تقویت خلق نقدینگی بهرهبرداری کند که این نتیجه هم با مبانی نظری کشورهای درحالتوسعه همخوانی دارد.
علاوهبراین، نتایج در کشورهای درحالتوسعه حاکیازآن است که اثر ثبات مالی (BZSCORE) بر لگاریتم خلق نقدینگی (LM) بهطورکلی منفی است. در دهکهای پایین به دلیل ضعف ساختاری سیستم مالی و کمبود تقاضای مؤثر، این اثر غیرمعنادار است؛ اما در دهکهای بالاتر، افزایش تمرکز بر شاخصهای ثبات مالی و سیاستهای نظارتی سختگیرانه باعث کاهش توان تسهیلاتدهی بانکها و کاهش خلق نقدینگی شده و این اثر منفی بهطور معنیداری مشاهده میشود. این روند نشاندهندۀ چالشهای توازن بین حفظ ثبات مالی و حمایت از رشد نقدینگی در کشورهای درحالتوسعه است که این نتیجه هم با انتظارات نظری سازگار است.
در ادامه نتایج در کشورهای درحالتوسعه نشان میدهد که اثر مثبت و معنیدار شمول مالی (LATM) بر لگاریتم خلق نقدینگی (LM) بیانگر نقش حیاتی گسترش دسترسی به خدمات مالی در تسهیل گردش مالی و تقویت سیستم بانکی است. افزایش شمول مالی باعث تقویت تقاضای مالی، کاهش هزینههای تراکنش و تخصیص بهینۀ منابع مالی میشود که نتیجۀ آن افزایش خلق نقدینگی و پویایی بیشتر اقتصاد است. این امر نشان میدهد که سیاستگذاران باید بر گسترش زیرساختهای مالی و افزایش دسترسی عموم مردم به خدمات بانکی و مالی تمرکز کنند که این نتیجه با مبانی نظری و مطالعۀ گوپتا و همکاران (2023) همخوانی دارد.
درنهایت نتایج بیانگر این است که در کشورهای درحالتوسعه، توسعۀ مالی (LFSD) تأثیر مثبت و معنیداری بر لگاریتم خلق نقدینگی (LM) دارد. این امر نشاندهندۀ نقش کلیدی نظام مالی توسعهیافته در تسهیل دسترسی به منابع مالی، بهبود کارایی اقتصادی، کاهش هزینههای تراکنش و تقویت اعتماد عمومی است. سیاستگذاران باید با گسترش و تعمیق نهادهای مالی، ایجاد تنوع در خدمات مالی و افزایش شفافیت و نظارت بر سیستم مالی زمینۀ تقویت توسعۀ مالی و افزایش خلق نقدینگی را فراهم کنند که این نتیجه هم با انتظارات نظری و مطالعۀ گوپتا و همکاران (2023) سازگار است.
در کشورهای توسعهیافته که بانکها از ساختار قویتر و دسترسی به منابع مالی متنوعتری برخوردارند، اثر منفی سرمایۀ نظارتی معمولاً به دلیل افزایش محدودیت در تسهیلاتدهی و کاهش ریسکپذیری بانکها است؛ بنابراین، سیاستهای پیشنهادی شامل انعطافپذیری در مقررات سرمایهای است، بهگونهای که قوانین نظارتی براساس شرایط اقتصادی و نیازهای بازار تنظیم شود و در دورههای رکود الزامات سرمایهای کاهش یابد و در دورههای رونق تقویت شود، حمایت از نوآوریهای مالی یکی از راهکارهای مهم در کشورهای توسعهیافته است؛ در این راستا، بانکها باید به استفاده از فناوریهای مالی (فینتک) تشویق شوند تا ازطریق آن، کارایی عملیاتی خود را افزایش دهند و هزینههای ناشی از رعایت مقررات سرمایهای را کاهش دهند. همچنین، بهرهگیری از ابزارهای مالی ترکیبی میتواند منابع مالی بیشتری را برای تسهیلاتدهی فراهم کند.
از دیگر اقدامات مؤثر، افزایش هماهنگی میان سیاستهای پولی و مالی است تا از محدودشدن بیشازحد نقدینگی در سیستم بانکی جلوگیری شود. این هماهنگی میتواند به تسهیل دسترسی بانکها به منابع بانک مرکزی در شرایط بحرانی نیز کمک کند.
درنهایت، تمرکز بر توسعۀ مالی پایدار ضروری است؛ بهطوریکه بانکها به سرمایهگذاری در پروژههای زیربنایی و کمریسکتر ترغیب شوند تا ثبات سیستم مالی در بلندمدت تقویت شود. درمقابل، در کشورهای درحالتوسعه که سیستم بانکی معمولاً با محدودیت منابع و ضعف ساختاری مواجه است، افزایش سرمایۀ نظارتی ممکن است توان تسهیلاتدهی بانکها را کاهش دهد؛ بنابراین، پیشنهاد میشود تا تعادل میان الزامات نظارتی و نیازهای توسعهای ایجاد شود؛ بهطوریکه الزامات سرمایهای برای بانکهایی که بخشهای مولد اقتصادی را تأمین مالی میکنند، بهصورت تدریجی کاهش یابد و سیاستهای تشویقی برای سرمایهگذاری در مناطق کمبرخوردار یا صنایع با ارزش افزودۀ بالا معرفی شود. همچنین از دیگر راهکارهای مهم در این کشورها عبارت است از: تنوعبخشی به منابع مالی بانکها با ترویج ابزارهای مالی جدید مانند اوراق قرضه و صندوقهای سرمایهگذاری، گسترش بازارهای سرمایه برای کاهش وابستگی به منابع بانکی، تقویت سیاستهای حمایتی دولت با تضمین وامهای پرریسک، ایجاد صندوقهای تضمین اعتباری و حمایت از بانکهای کوچک و متوسط که بیشتر از الزامات سرمایهای تأثیر میگیرند و درنهایت تقویت مدیریت ریسک بانکی ازطریق آموزش و ارتقای مهارتهای مرتبط برای بهبود کیفیت داراییها و کاهش ریسک.
[1] Risk transformation
[2] global financial crisis
[3] Quantile Regression
[4] West African Economic and Monetary Union (WAEMU)
[5] capital cushion hypothesis
[6] liquidity substitution hypothesis
[7] Quantile regression
[8] Quantile Regression
[9] fully modified ordinary least squares (FMOLS)
[10] dynamic ordinary least squares (DOLS)
[11] fixed effect ordinary least squares (FE-OLS)
[12] unbiased
[13] lead and lagged adjustments
[14] Jarque-Bera
رضازاده کارسالاری، فاطمه، و سرگلزایی، مصطفی (1398). تأثیر عملکرد بانکی بر خلق نقدینگی در سیستم بانکی. مطالعات تجربی حسابداری مالی، 16(64)، 113-133. https://doi.org/10.22054/qjma.2020.42572.2006
شاهچرا، مهشید، و ظاهری، ماندانا (1394). تأثیر ساختار سرمایه بانکی بر نقش خلق نقدینگی بانکها در اقتصاد ایران. پژوهشهای پولی و بانکی، 8(23)، 59-81.
شعله، مسلم، و زمانزاده، حمید (1402). نقش الزامات کفایت سرمایه در خلق پول بانکی در ایران. فصلنامه سیاستهای مالی واقتصادی، ۱۱(۴۱)، 195-165.
References
Acharya, V., & Naqvi, H. (2012). The seeds of a crisis: A theory of bank liquidity and risk taking over the business cycle. Journal of Financial Economics, 106(2), 349-366.
https://doi.org/10.1016/j.jfineco.2012.05.014
Allen, F., & Gale, D. (2004). Financial intermediaries and markets. Econometrica, 72(4), 1023–1061.
https://doi.org/10.1111/j.1468-0262.2004.00525.x
Allen, F., Carletti, E., & Marquez, R. (2015). Deposits and bank capital structure. Journal of Financial Economics, 118(3), 601–619. https://doi.org/10.1016/j.jfineco.2014.11.003
Ananou, F., Chronopoulos, D. K., Tarazi, A., & Wilson, J. O. (2021). Liquidity regulation and bank lending. Journal of Corporate Finance, 69, 101997. https://doi.org/10.1016/j.jcorpfin.2021.101997
Belkhir, M., Naceur, S. B., Chami, R., & Samet, A. (2021). Bank capital and the cost of equity. Journal of Financial Stability, 53, 100843. https://doi.org/10.1016/j.jfs.2021.100843
Berger, A. N., & Bouwman, C. H. (2009). Bank liquidity creation. The Review of Financial Studies, 22(9), 3779-3837. https://doi.org/10.1093/rfs/hhn104
Berger, A. N., & Bouwman, C. H. (2017). Bank liquidity creation, monetary policy, and financial crises. Journal of Financial Stability, 30, 139-155. https://doi.org/10.1016/j.jfs.2017.05.001
Berger, A. N., & Sedunov, J. (2017). Bank liquidity creation and real economic output. Journal of Banking & Finance, 81, 1-19. https://doi.org/10.1016/j.jbankfin.2017.04.005
Bianchi, M., Tapia, C. & del V. I. (2020). Monitoring domestic material consumption at lower territorial levels: A novel data downscaling method. Journal of Industrial Ecology, 24(5), 1074-1087.
https://doi.org/10.1111/jiec.13000
Binder, M., & Coad, A. (2011). From Average Joe's happiness to Miserable Jane and Cheerful John: Using quantile regressions to analyze the full subjective well-being distribution. Journal of Economic Behavior & Organization, 79(3), 275-290. https://doi.org/10.1016/j.jebo.2011.02.005
Carey, M. (2019). Capital regulation: What is an appropriate minimum level? Global Finance Journal, 39(3), 26–29. https://doi.org/10.1016/j.gfj.2018.01.012
Chaabouni, M. M., Zouaoui, H., & Ellouz, N. Z. (2018). Bank capital and liquidity creation: new evidence from a quantile regression approach. Managerial Finance, 44(12), 1382-1400. https://doi.org/10.1108/MF-11-2017-0478
Cornett, M. M., McNutt, J. J., Strahan, P. E., & Tehranian, H. (2011). Liquidity risk management and credit supply in the financial crisis. Journal of Financial Economics, 101(2), 297–312.
https://doi.org/10.1016/j.jfineco.2011.03.001
Coval., J. D., & Thakor, A. V. (2005). Financial intermediation as a beliefs-bridge between optimists and pessimists. Journal of Financial Economics, 75(3), 535-569. https://doi.org/10.1016/j.jfineco.2004.02.005
De Nicol`o, G. (2019). The costs and benefits of bank capital requirements. Global Finance Journal, 39(3), 21–25. https://doi.org/10.1016/j.gfj.2018.01.011
Deep, A., & Schaefer, G. K. (2004). Are Banks Liquidity Transformers? (Working Paper No. RWP04-022). Harvard University. http://ssrn.com/abstract=556289
Diamond, D. W. (1984). Financial intermediation and delegated monitoring. The Review of Economic Studies, 51(3), 393-414. https://doi.org/10.2307/2297430
Diamond, D. W., & Rajan, R. G. (2000). A theory of bank capital. The Journal of Finance, 55(6), 2431-2465. https://doi.org/10.1111/0022-1082.00296
Diamond, D. W., & Rajan, R. G. (2001). Liquidity risk, liquidity creation, and financial fragility: A theory of banking. Journal of Political Economy, 109(2), 287-327. https://doi.org/10.1086/319552
Diamond, D. W., & Dybvig, P. H. (1983). Bank runs, deposit insurance, and liquidity. Journal of Political Economy, 91, 401–419. https://doi.org/10.1086/261155
Distinguin, I., Roulet, C., & Tarazi, A. (2013). Bank regulatory capital and liquidity: Evidence from US and European publicly traded banks. Journal of Banking & Finance, 37(9), 3295-3317.
https://doi.org/10.1016/j.jbankfin.2013.04.027
Evans, J. J., & Haq, M. (2022). Does bank capital reduce liquidity creation? Global Finance Journal., 54, 100640. https://doi.org/10.1016/j.gfj.2021.100640
Fu, X., Lin, Y., & Molyneux, P. (2016). Bank capital and liquidity creation in Asia Pacific. Economic Inquiry, 54(2), 966-993. https://doi.org/10.1111/ecin.12308
Garg, M., Kryzanowski, L., & Zhang, J. (2024). Canadian bank capital and liquidity creation. Asia‐Pacific Journal of Financial Studies, 53(5), 626-663. https://doi.org/10.1111/ajfs.12493
Gnann, A., & Kaya, S. (2019). Assessment of Liquidity Creation in the Canadian Banking System (No. 2019-30). Bank of Canada. https://doi.org/10.34989/san-2019-30
Gorton, G., & Winton, A. (2017). Liquidity provision, bank capital., and the macroeconomy. Journal of Money, Credit and Banking, 49(1), 5-37. https://doi.org/10.1111/jmcb.12367
Gupta, J., Kashiramka, S., Ly, K. C., & Pham, H. (2023). The interrelationship between bank capital and liquidity creation: A non-linear perspective from the Asia-Pacific region. International Review of Economics & Finance, 85, 793-820. https://doi.org/10.1016/j.iref.2023.02.017
Holmstrom, B., & Tirole, J. (1998). Private and public supply of liquidity. Journal of Political Economy, 106(1), 1-40. https://doi.org/10.1086/250001
Hong, H., Huang, J. Z., & Wu, D. (2014). The information content of Basel III liquidity risk measures. Journal of Financial Stability, 15, 91-111. https://doi.org/10.1016/j.jfs.2014.09.003
Horváth, R., Seidler, J., & Weill, L. (2014). Bank capital and liquidity creation: Granger-causality evidence. Journal of Financial Services Research, 45, 341-361. https://doi.org/10.1007/s10693-013-0164-4
Hsieh, M. F., Lee, C. C., & Lin, Y. C. (2022). New evidence on liquidity creation and bank capital: The roles of liquidity and political risk. Economic Analysis and Policy, 73, 778-794.
https://doi.org/10.1016/j.eap.2022.01.002
Hugonnier, J., & Morellec, E. (2017). Bank capital., liquid reserves, and insolvency risk. Journal of Financial Economics, 125(2), 266–285. https://doi.org/10.1016/j.jfineco.2017.05.006
Kao, C., & Chiang, M. H. (2001). On the estimation and inference of a cointegrated regression in panel data. In: Nonstationary Panels, Panel Cointegration, and Dynamic Panels (pp. 179-222). Emerald Group Publishing Limited. https://doi.org/10.1016/S0731-9053(00)15007-8
Kapan, T., & Minoiu, C. (2018). Balance sheet strength and bank lending: Evidence from the global financial crisis. Journal of Banking and Finance, 92, 35–50. https://doi.org/10.1016/j.jbankfin.2018.04.011
Kashyap, A. K., Rajan, R. G., & Stein, J. C. (2008). Rethinking capital regulation. In Federal Reserve Bank of Kansas City. In Symposium on Maintaining Stability in a Changing Financial System (pp. 431–471).
Kashyap, A. K., Rajan, R., & Stein, J. C. (2002). Banks as liquidity providers: An explanation for the coexistence of lending and deposit‐taking. The Journal of Finance, 57(1), 33-73.
https://doi.org/10.1111/1540-6261.00415
Koenker, R., & Bassett, G. (1978). Regression quantiles. Econometrica, 46, 33–50.
https://doi.org/10.2307/1913643
Lasisi, T. T., Eluwole, K. K., Alola, U. V., Aldieri, L., Vinci, C. P., & Alola, A. A. (2021). Do tourism activities and urbanization drive material consumption in the OECD countries? A quantile regression approach. Sustainability, 13(14), 7742. https://doi.org/10.3390/su13147742.
Ma, Y., Fan, Y. & Razzaq, A. (2023). Influence of technical efficiency and globalization on sustainable resources management: Evidence from South Asian countries. Resources Policy, 81, 103281.
https://doi.org/10.1016/j.resourpol.2022.103281
Machado, J. A., & Silva, J. S. (2019). Quantiles via moments. Journal of Econometrics, 213(1), 145-173.
https://doi.org/10.1016/j.jeconom.2019.04.009.
Miao, Y., Razzaq, A., Adebayo, T. S., & Awosusi, A. A. (2022). Do renewable energy consumption and financial globalisation contribute to ecological sustainability in newly industrialized countries?. Renewable Energy, 187, 688-697. https://doi.org/10.1016/j.renene.2022.01.073
Pham, X. T. T., Ho, T. H., Nguyen, H. T. T., & Ngo, T. P. (2022). Does raising bank capital limit bank liquidity creation? Evidence from commercial banks in Vietnam. Journal of Eastern European and Central Asian Research, 9(4), 593-604. https://doi.org/10.15549/jeecar.v9i4.962
Phillips, P. C., & Hansen, B. E. (1990). Statistical inference in instrumental variables regression with I (1) processes. The Review of Economic Studies, 57(1), 99-125. https://doi.org/10.2307/2297545
Razzaq, A., Wang, S., Adebayo, T. S., & Al-Faryan, M. A. S. (2022). The potency of natural resources on ecological sustainability in PIIGS economies. Resources Policy, 79, 102941.
https://doi.org/10.1016/j.resourpol.2022.102941
Rezazadeh, F. K., & Sargolzaei, M. (2019). The effect of banking performance on liquidity creation in the banking system. Empirical Studies in Financial Accounting, 16(64), 113–
Sarkodie, S. A., & Strezov, V. (2019). Effect of foreign direct investments, economic development and energy consumption on greenhouse gas emissions in developing countries. Science of the Total Environment, 646, 862-871. https://doi.org/10.1016/j.scitotenv.2018.07.365
Shahchera, M., & Zaheri, M. (2015). The effect of bank capital structure on the role of liquidity creation by banks in Iran’s economy. Journal of Monetary and Banking Research, 8(23), 59–81. [In Persian]
Shoaleh, M, & Zamanzadeh, H. (2023). The role of capital adequacy requirements in money creation in the banking system. Quarterly Journal of Fiscal and Economic Policies, 11(41), 165-195. [In Persian]
Soumaré, I., Kanga, D., & Murinde, V. (2023). Bank capital., competition and liquidity creation in WAEMU. Competition and Liquidity Creation in WAEMU. https://dx.doi.org/10.2139/ssrn.4259849
Sun, Y., & Razzaq, A. (2022). Composite fiscal decentralisation and green innovation: Imperative strategy for institutional reforms and sustainable development in OECD countries. Sustainable Development, 30(5), 944-957. https://doi.org/10.1002/sd.2292.
Thakor, A. V. (2014). Bank capital and financial stability: An economic trade-off or a Faustian bargain?. Annual Review of Financial Economics, 6(1), 185-223. https://doi.org/10.1146/annurev-financial-110613-034531
Wegner, D. L. B. (2020). Liquidity policies and financial fragility. International Review of Economics & Finance, 70, 135-153. https://doi.org/10.1016/j.iref.2020.06.008
Yahaya, A., Mahat, F., Saidu, M. T., & Babuga, U. T. (2023). Bank capital and liquidity creation: Evidence from Sub-Saharan Africa. Global Business and Economics Review, 28(4), 367-387.
)