برآورد احتمال وقوع بحران بانکی با نسل دوم سیستم‌‌های هشدار زودهنگام: یک مطالعه بین‌‌کشوری

هدف اصلی مطالعه حاضر، برآورد احتمال وقوع بحران بانکی با استفاده از نسل دوم سیستم‌‌های هشدار زودهنگام (مدل‌‌های لاجیت)، برای 13 کشور منتخب با درآمد متوسط بالا طی دوره زمانی 2016-1980 است. در همین راستا، دو نوع مدل لاجیت دوجمله‌‌ای و چند جمله‌‌ای برآورد شد. نتایج تخمین مدل لاجیت دو جمله‌‌ای نشان داد که سه شاخص پیشرو بحران نسبت نقدینگی گسترده، شاخص قیمت سهام و تورم، از عوامل اصلی وقوع بحران در کشورهای مورد مطالعه است. این متغیرها در مجموع حدود 17 درصد از احتمال وقوع بحران بانکی را توضیح می‌‌دهند. در ادامه برای مقابله با تورش پس از بحران، مدل لاجیت چند جمله‌‌ای نیز تخمین زده شد. نتایج این مدل نیز، هشداردهنده بودن سه شاخص پیشرو فوق را تایید می‌‌کند. همچنین از بین سه متغیر فوق، تنها متغیر شاخص قیمت سهام با احتمال 12/6 درصد، باعث خروج اقتصاد از بحران بانکی و تغییر وضعیت آن از دوره بحران/بهبود به سمت دوره آرام می‌‌شود. مقایسه عملکرد درون نمونه‌‌ای مدل‌‌ها نیز حاکی از دقت پیش‌‌بینی بالای مدل لاجیت چندجمله‌‌ای است.

Estimating Probability of Banking Crisis using 2nd Generation Early Warning Systems: An Intercountry Study

The main purpose of this study is to estimate the probability of banking crisis using the second generation of early warning systems (logit models), for 13 selected highmiddle income countries over the period of 19802016. In this regard, two types of logit models; binomial and multinomial, are estimated. The results of estimated binomial logit model show that three leading indicators of the crisis are broad liquidity ratio, stock price index and inflation, which are the main causes of crisis in the studied countries. These variables account for about 17 percent of the probability of a banking crisis. Then, to avoid postcrisis bias, the multinomial logit model is estimated. The empirical results confirm that above three leading indicators are warning. Also, among the above three variables, only stock price index variable with a probability of 12.68%, causes the economy to exit the banking crisis and change its situation from the crisis/recovery period to the tranquil period. The multinomial logit model exhibit significantly better insample predictive abilities than the binomial logit model.