اثرات تکانه‌های سیستماتیک کلان بر مطالبات غیرجاری بانکی: الگوی تلاطم تصادفی عاملی چندمتغیره

نسبت مطالبات غیرجاری تعمیم یافته که شامل نسبت مجموع تسهیلات استمهالی، سررسید گذشته، معوق، و مشکوک الوصول به ماندۀ کل تسهیلات است، به عنوان مهم ترین متغیر سلامت مالی بر قدرت وام‌دهی بانک ها و موسسه های اعتباری اثرگذار است. در این پژوهش، سازوکار تاثیرپذیری نسبت مطالبات غیرجاری تعمیم یافته از ریسک های سیستماتیک کلان (رشد اقتصادی، نرخ ارز، نرخ تورم، و نرخ سود تسهیلات اعتباری) برای یک بانک نمونه مورد آزمون قرار گرفته است. در این راستا، اثرات متغیرهای چهارگانه مربوط به ریسک های سیستماتیک (تکانه‌های بخش‌های حقیقی و مالی) بر نسبت مطالبات غیرجاری تعمیم یافته با استفاده از اطلاعات فصلی 1381 تا 1399 و با بکارگیری روش خودرگرسیون برداری مورد تخمین قرار گرفته و توابع واکنش تغییرات نسبت مطالبات غیرجاری به ازای تکانه‌های احتمالی مذکور محاسبه شده است. بر اساس نتایج، توابع واکنش الگوی تخمینی تکانه‌های ناشی از افزایش نرخ ارز، کاهش رشد اقتصادی، و افزایش تورم موجب رشد کوتاه مدت نسبت مطالبات غیرجاری شده و تکانه نرخ سود تسهیلات بانکی به دلیل نوسانات اندک تاریخی و آربیتراژ بالا میان نرخ‌های مختلف سود وام‌های پرداختی، اثرات معناداری بر نوسانات نسبت مطالبات غیرجاری نداشته است. بررسی نتایج تجزیه واریانس دلالت بر اثرات غالب رشد اقتصادی و تورم بر نوسانات کوتاه مدتِ نسبت مطالبات غیرجاری، و همچنین نرخ ارز بر نوسانات بلندمدتِ نسبت مطالبات غیرجاری دارد. بر اساس نتایج تخمین واریانس شرطی و مشاهده نقشه‌های گرمایی، نسبت مطالبات غیرجاری به دلیل تحریم‌های بین المللی، رکود بازار دارایی‌ها، یکسان‌سازی نرخ ارز، و انبساط پولی ناشی از تسهیلات خوداشتغالی طی پنج دوره (1382، 1386، 1389، 1395، و 1398)، تلاطم بالایی داشته که همبستگی آن مطابق انتظار با دو متغیر نوسانات رشد اقتصادی و نرخ ارز بیش تر بوده است.

The Impact of Macro Systematic Shocks on the Non-Performing Loans: Multivariate Stochastic Volatility Model

Generalized nonperforming loans ratio (GNPLs) is empirically considered as a key prudential soundness indicator which is computed by the ratio of nonperforming loans (overdue loans, arrears, doubtful loans, and rescheduled loans) to the total outstanding loan that also affects banks rsquo; lending capacity. The GNPLs is evidently influenced by the macro systematic shocks (GDP growth, foreign exchange rate, inflation, and lending interest rate) which are statistically examined for a sample bank. In this regard, the impact of four systematic shocks on the GNPLs is estimated by a Vector Autoregressive (VAR) model during 20032020. In this context, the Impulse Response Function (IRF) of GNPLs is also examined against four contingent shocks while instantaneously variance decomposition of the GNPLs is estimated for the short and long term. The impact of the first and second moments of the shocks on GNPLs is estimated by the Multivariate Stochastic Volatility Model as well. The IRF output indicates that the GNPLs grows due to the shocks of exchange rate depreciation, GDP reduction, and inflation growth in the short time, while lending rate insignificantly affects the GNPLs owing to low historical volatilities as well as big arbitrages among bank lending rates for different economic sectors. The GNPLs Variance Decomposition highlights that GDP growth and inflation affect the GNPLs deviations in the short run, while the foreign exchange rate constantly motivates the GNPLs in the long run. In other words, the foreign exchange rate has strongly affected the GNPLs deviations in the long run, owing to its role as a nominal anchor and financial stability indicator in the macroeconomic environment. The GNPLs high Volatility which is estimated by conditional variance is also recognized in five different periods (2003, 2007, 2010, 2016, and 2019), mainly because of the foreign exchange rate unification in 2003, monetary expansion for selfemployed loans in 2007, international sanctions in 2010, and 2009, as well as assets market recession in 2016 respectively. In this regard, the GNPLs deviations have also strongly correlated with output growth and foreign exchange rate Volatility.