اندازه‏ گیری ریسک سیستمیک با استفاده از کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی و رتبه‌بندی بانک‌ها

ریسک سیستمیک به خطر شکست سیستم مالی یا شکست کل بازار اطلاق می‌شود. این ریسک می‌تواند از بی‌ثباتی یا بحران در موسسات مالی نشات بگیرد و در اثر سرایت به کل نظام مالی انتقال یابد. به‌عبارتی ریسک سیستمیک به میزان به‌ هم‌پیوستگی در یک سیستم مالی اشاره دارد جایی‌که شکست در یک نهاد مالی می‌تواند به بحران کل سیستم منجر شود. در مقاله حاضر به تخمین ریسک سیستمیک با استفاده از دو روش کسری نهایی موردانتظار و ارزش در معرض خطر شرطی با استفاده از مدل‏های نوسان شرطی پویا در بین بانک‏های تجاری پرداخته شده است. نتایج پژوهش نشان می‌دهد در سنجش ریسک سیستمیک بین بانک‌های تجاری دو روش کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی نتایج مشابه ارائه می‌کنند. پژوهش حاضر با استفاده از شاخص صنعت بانکداری و با بکارگیری مدل‏های آستانه‏ای خودهمبستگی برداری به تعریف یک آستانه به‌منظور مدل‌سازی بحران پرداخته است. پژوهش حاضر از این لحاظ نوآوری دارد که با استفاده از مدل‏های اماری (الگوی همبستگی شرطی پویا یکی از روش‏های مبتنی بر گارچ چند متغیره) و داده‏های دردسترس به دنبال رتبه‏بندی بانک‏های تجاری با استفاده از دو رویکرد کسری نهایی مورد انتظار و ارزش در معرض خطر شرطی است

Measuring systemic risk in the financial institution via dynamic conditional correlation and delta conditional value at risk mode and bank rating

Systematic risk (in economics often called aggregate risk or undiversifiable risk) is vulnerability to events which affect aggregate outcomes such as broad market returns, total economywide resource holdings, or aggregate income. In many contexts, events like earthquakes and major weather catastrophes pose aggregate risks they affect not only the distribution but also the total amount of resources. In this paper we study systemic risks in the Iranian banking sector by using two famous systemic risk measures theMES (marginal expected shortfall) and CoVaR. To compute both measures we employ Engle’s dynamic conditional correlation model. Our empirical analysis shows, first, that although these two systemic risk measures differ in defining the contributions to systemic risk, both are qualitatively very similar in explaining the crosssectional differences in systemic risk contributions across banks. Last, using a threshold VAR model, we suggest an overall systemic risk measure – the aggregateMES – and its associated threshold value for use as an early warning indicator. The paper is innovative in terms of the use of statistical models (dynamic conditional correlation model) and available data Looking for the rating of commercial banks using by approaches MES and COVAR.