نوع مقاله : مقاله پژوهشی

نویسندگان

گروه اقتصاد دانشگاه علامه طباطبایی

چکیده

بحران‌های اخیر نشان‌دهنده شکست مدل‌های هشداردهنده پیش از موعد قبلی است. پژوهش حاضر این شکست را در شناسایی متغیرهای توضیحی و طراحی تجربی مدل می‌داند، عواملی که این پژوهش در تلاش برای بهبود آنها است. در این پژوهش تلاش می‌شود تا با تعریف نااطمینانی در مدل‌های بحران و با رویکردی مرسوم به میانگین‌گیری بیزی، به تعیین عوامل مؤثر بر بحران‌های مالی در اقتصاد ایران پرداخته شود. در این پژوهش 62 متغیر مؤثر بر بحران مالی وارد مدل گردید و در نهایت با استفاده از رویکرد مدل میانگین‌گیری بیزی 12 متغیر غیر شکننده مؤثر بر بحران مالی که عبارتند از کسری یا مازاد بودجه؛ انحراف نرخ ارز غیر رسمی از رسمی؛ نرخ تورم؛ نسبت بدهی خارجی به دارایی خارجی بانک مرکزی؛ ضریب فزاینده پول (نقدینگی/پایه پولی)؛ نسبت صادرات به GDP؛ نسبت واردات به GDP؛ نسبت مخارج دولت به GDP؛ کسری بودجه به GDP؛ نسبت نقدینگی به دارایی‌های خارجی بانک مرکزی؛ نرخ رشد اعتبارات اعطایی به بخش خصوصی و مجذور نرخ تورم شناسایی شدند. با توجه به خروجی نتایج می‌توان بیان داشت شاخص بحران مالی در اقتصاد ایران معضلی چند بعدی است؛ چرا که متغیرهای مرتبط با سیاست مالی، سیاست پولی و سیاست ارزی بر این شاخص اثرگذارند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Factors Affecting Financial Crises: The Bayesian Model Averaging

نویسندگان [English]

  • ozra bayani
  • Teimur Mohammadi

Ph.D. student of financial economics, Allameh Tabataba’i University

چکیده [English]

Recent crises indicate the failure of early warning models. The research considers this failure to identify the explanatory variables and the empirical design of the model, the factors that this research seeks to improve. In this research, it is attempted to determine the factors affecting the financial crisis in Iranian economy by defining uncertainty in crisis models and using a conventional approach to Bayesian average. In this study, 62 variables affecting the financial crisis were introduced into the model. Finally, using the Bayesian averaging model, 12 non-critical variables that affect the financial crisis, which include deficit or surplus, unofficial exchange rate deviation from the official, inflation rate, ratio External debt to foreign assets of the Central Bank; Increasing coefficient of money (liquidity/ monetary base); Export to GDP ratio; Import to GDP; Government expenditure to GDP ratio; Budget deficit to GDP; Liquidity ratio to foreign assets of Central Bank; Rate of credit growth granted to the private sector and inflation squeeze. Regarding the output of the results, it can be stated that the financial crisis index in Iran's economy is a multi-dimensional problem, as variables related to financial policy, monetary policy and foreign exchange policy affect this index.

کلیدواژه‌ها [English]

  • Financial crisis
  • Uncertainty
  • Bayesian averaging
-         ابراهیمی، ایلناز و حسین توکلیان. (1391). «طراحی یک سامانه هشداردهی زودهنگام بحران‌های ارزی در ایران با استفاده از رویکرد مارکوف سوئیچینگ». بیست و دومینامینکنفرانس سیاست‌‌هایپولیوارزی. پژوهشکده پولی و بانکی.## صیادنیا طیبی، عزت الله، ارشدی، علی، صمدی، سعید و هوشنگ شجری. (1389). «تبیین یک سیستم هشداردهنده جهت شناسایی بحران‌های مالی در ایران». فصلنامهپولو اقتصاد. شماره 2. صص 211-169. ##قوام، محمد حسین، عبادی، جعفر و شاپور محمدی. (1394). «طراحی مدل هیبریدی هشداردهنده پیش از موعد بحران مالی برای اقتصاد ایران». فصلنامه مطالعات اقتصادی کاربردی ایران. سال چهارم، شماره 13. صص 86-35. ##کمیجانی، اکبر و ژاله زارعی. (1391). «ارزیابی ثبات مالی در ایران با تأکید بر ثبات بانکی (رویکرد آزمون هشدارهای اولیه)». فصلنامه اقتصاد کاربردی. سال سوم، شماره 10. صص 152-127. ##مشیری، سعید و محمد نادعلی. (1392). «شناسایی عوامل مؤثر در بروز بحران بانکی در اقتصاد ایران». فصلنامه پژوهشنامه اقتصادی. سال سیزدهم، شماره 48. صص 27-1. ##ممی‌پور، سیاب و صغری جعفری. (1396). «عوامل مؤثر بر فشار بازار ارز در ایران: در چارچوب الگوی مارکوف- سوئیچینگ با احتمال انتقال متغیر». مجله تحقیقات اقتصادی. شماره 52. صص 456-427. ##
-       Abiad, A., R. Balakrishnan, P. K. Brooks, D. Leigh & I. Tytell. (2013). What’s the Damage: Medium-term Output Dynamics after Financial Crises. IMF Working Papers, No. 09/245. ##Allen, F. & D. Gale. (2002). Financial Fragility. Working Paper No. 01–37, Wharton Financial Institutions Center, University of Pennsylvania. ##Al-Assaf, G. (2017).  An Early Warning System for Currency Crisis: A Comparative Study for the Case of Jordan and Egypt. International Journal of Economics and Financial, Vol. 7(3), pp: 43-50. ##Asanović, Ž. (2013). Early Warning Models for Systemic Banking Crises in Montenegro. Economic and Business Review, Vol. 15(2), pp: 149-135. ##Babecký, J., T. Havránek, J. Matějů, M. Rusnák, K. Šmídová & B. Vašíček. (2012). Leading Indicators of Crisis Incidence: Evidence from Developed Countries. Czech National Bank, mimeo. ##Bonis, R.D., A. Giustiniani & G. Gomel. (1999). Crises and Bail Outs of Banks and Countries: Linkages, Analogies, and Differences. The World Economy, Vol. 22, pp: 55-86. ##Calvo, G. A., A. Izquierdo & R. Loo-Kung. (2006). Relative Price Volatility under Sudden Stops: The Relevance of Balance Sheet Effects. Journal of International Economics, Vol. 69(1), pp: 231-54. ##Campello, M., J. Graham & C. R. Harvey. (2010). The real effects of financial constraints: Evidence from a financial crisis. Journal of Financial Economics, Vol. 97(3), pp: 470-87. ##Cardarelli, R., M. A. Kose & S. Elekdag. (2010). Capital Inflows: Macroeconomic Implications and Policy Responses. Economic Systems, Vol. 34(4), pp: 1-62. ##Cerovic, S., K. Gerling, A. Hodge & P. Medas. (2018). Predicting Fiscal Crises. IMF Working Paper, No 18/181. ##Claessens, S., M. A. Kose & M. Terrones. (2009). What Happens During Recessions, Crunches and Busts?. Economic Policy, Vol. 60, pp: 653-700. ##Draper, D. (1995). Assessment and Propagation of Model Uncertainty. Journal of the Royal Statistical, Vol. 57, pp: 45-97. ##Crespo Cuaresma, J. & T. Slacik. (2009). On The Determinants of Currency Crises: The Role of Model Uncertainty. Journal of Macroeconomics, Vol. 31(4), pp: 621-632. ##De Greeff, T. (2010). EU Early Warning System for financial crises. Master Thesis International Economics & Finance, Tilburg University. ##Dell'Ariccia, G., E. Detragiache & R. Rajan. (2008). The Real Effect of Banking Crises. Journal of Financial Intermediation, Vol.17, pp: 89-112. ##Edison, H. (2000). Do Indicators of Financial Crisis Work? An Evaluation of an Early Warning System. Federal Reserve Board of Governors. International Finance Discussion Papers, Vol. 675, pp: 1-74. ##Forbes, K. J. & F. Warnock. (2012). Capital Flow Waves: Surges, Stops, Flight, & Retrenchment. Journal of International Economics, Vol. 88(2), pp: 235-51. ##Frankel, J. A. & G. Saravelos. (2012). Can Leading Indicators Assess Country Vulnerability? Evidence from the 2008–09 Global Financial Crisis. Journal of International Economics, Vol. 87(2), pp: 216–231. ##Friedman, M. & A. J. Schwartz. (1963). A Monetary History of United States, 1837-1960. Prinston: Prinston University Press. ##George, E. & R. McCulloch. (1993). Variable Selection via Gibbs Sampling. Journal of the American Statistical Association, Vol. 88, pp: 881-889. ##Gorton, G., (1988). Banking Panics and Business Cycles. Oxford Economic Papers, Vol. 40, pp: 751-81. ##Hannes Lang, J.. (2-18). Cross-country Linkages and Spill-overs in Early Warning Models for Financial Crises. ECB Working Paper Series, No 2160. ##Hoeting, J., D. Madigan, A. Raftery, & V. Chris. (1999). Bayesian Model Averaging: A Tutorial, Technical Report 9814. Department of Statistics, Colorado State University. ##Hosni, K. (2014). Early Warning Indicators for Systemic Banking  Crises. Journal of Business Studies Quarterly, Vol. 5(4), pp: 244-222. ##Jeffreys, H. (1961). Theory of Probability. 3rd ed. London: Oxford University Press. ##Kannan, P., A. Scott & M. E. Terrones. (2013). From Recession to Recovery: How Soon and How Strong. IMF Working Paper, forthcoming. ##Koop, G. (2003). Bayesian Econometrics. New York: John Wiley and Sons. ##Kose, M. A., P. Loungani & M. Terrones. (2013). Global Recessions and Recoveries. IMF Working Paper, forthcoming. ##Leamer, E. (1978). Specification Searches. New York: John Wiley and Sons. ##Laeven, L. & F. Valencia. (2012). Systemic Banking Crises Database: An Update. Washington: International Monetary Fund. ##Laeven, L. & F. Valencia. (2018). Systemic Banking Crises Revisited. IMF Working Paper,  No 18/206. ##Mishkin, F. (1992). Anatomy of Financial Crisis. Journal of Evoloutionary Economy, Vol. 2, pp: 115-130. ##Mitchell, W. C. (1941). Business Cycles and their Causes. University of California Press. ##Noble, R. B. (2000). Multivariate Applications of Bayesian Model Averaging, Oates, W. E. (1985). Searching for Leviathan: an Empirical Study. American Economic Review, Vol. 75, pp: 748-757. ##Percic, S., C-M. Apostoaie & V. Cocriş. (2013). Early Warning Systems For Financial Crises- A Critical Approach. CES Working Paper, pp: 77-88. ##Raftery, A. E. (1988). Inference and Prediction for the Binomial N Parameter: A Hierarchical Bayes Approach. Biometrika, Vol. 75, pp: 223-228. ##Raftery, A. E., D. Madigan & J. A. Hoeting. (1997). Bayesian Model Averaging for Linear Regression Models. Journal of the American Statistical Association, Vol. 92(437), pp: 179-191. ##Reinhart, C. M. & K. S. Rogoff. (2009). This Time is Different. New Jersey: Princeton University Press. ##Sala-I-Martin, X., G. Doppelhofer & R.I. Mille. (2004). Determinants of long-term growth: a Bayesian averaging of classical estimates (BACE) approach. American Economic Review, Vol. 94(4), pp: 813–835. ##Schwartz, A. J. (1986). Real and Pseudo Financial Crisis and the World Banking System. McMillan.London, pp: 11-31. ##Thornton, H. (1802). An Enquiry into the Nature and Effects of the Paper Credit of Great Britain. ##Wasserman, L. (2000). Bayesian Model Selection and Model Averaging.Journal of Mathematical Psychology, Vol. 44, pp: 92-107. ##Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. New York: John Wiley and Sons. ##