تبیین ارتباط ناترازی پنهان بانک‌ها با متغیرهای کلان اقتصادی

یکی از مهم‌ترین و حساس‌ترین بخش‌های اقتصادی کشورها صنعت بانکداری است که در جریان فعالیت‌های خود با انواع مختلفی از مشکلات و چالش‌ها مواجه می‌باشد. از جمله چالش‌هایی که بانک‌ها را تهدید می‌کند، ناترازی پنهان (شکاف دارایی و بدهی) می‌باشد که در صورت عدم کنترل و مدیریت موجب ورشکستگی بانک‌ها می‌گردد. ازاین‌رو هدف این پژوهش تبیین ارتباط ناترازی پنهان بانک‌ها با متغیرهای کلان اقتصادی (در بانک سپه) می‌باشد. در این پژوهش پس از انجام فرایند تحلیل محتوا و دستیابی به شاخص‌ها و ترکیب آن‌ها با شاخص‌های به دست آمده از ادبیات نظری، ابعاد (تم‌های اصلی) مربوط به عناصر تاثیرگذار بر ناترازی پنهان بانک‌ها و متغیرهای کلان اقتصادی احصاء گشته و پس از مصاحبه‌های تخصصی و اخذ تائید خبرگان در مجموع چهل شاخص در قالب هشت مولفه و دو بعد اصلی شناسایی و طبقه‌بندی گردید. در نهایت هشت مولفه اصلی با استفاده از روش مدل‌سازی ساختاری تفسیری در سه سطح طبقه‌بندی و مدل جامع پژوهش ارائه گردید، قدرت نفوذ و میزان وابستگی مولفه‌ها نیز با استفاده از تحلیل میک مک مشخص شده که مولفه‌ تسهیلات تکلیفی به‌عنوان متغیر نفوذی و تاثیرگذارترین متغیر مدل و مولفه‌های نسبت دارایی به بدهی و نسبت دارایی نقد به کل دارایی به‌عنوان متغیرهای وابسته مدل شناسایی گردید.

the relationship between banks' unbalances balance sheet and macroeconomic variables

one of the most important and sensitive economic sectors of the countries is the banking industry, which faces various types of problems and challenges during its activities. among the challenges that threaten banks is the hidden imbalance (asset and debt gap) which, if not controlled and managed, will cause banks to go bankrupt. therefore, the purpose of this research is to explain the relationship between the hidden imbalance of banks and macroeconomic variables (in sepeh bank). in this research, after conducting the process of content analysis and obtaining indicators and combining them with the indicators obtained from theoretical literature, the dimensions (main themes) related to the elements affecting the hidden imbalance of banks and macroeconomic variables were calculated and after expert interviews and obtaining experts' approval, a total of forty indicators were identified and classified in the form of eight components and two main dimensions. finally, eight main components were presented using interpretive structural modeling method in three levels of classification and a comprehensive research model, the power of influence and the degree of dependence of the components were also determined by using the mix-and-match analysis. the components of the ratio of assets to liabilities and the ratio of liquid assets to total assets were identified as dependent variables of the model.