پيش‌بيني نقدينگي در معرض ريسك بانك خصوصي با استفاده از رويكرد پارامتريك

Forecasting Liquidity at Risk of a Private Bank Using the Parametric Approach

مديريت صحيح عرضه و تقاضاي نقدينگي بانك‌ها، به‌عنوان بزرگ‌ترين نهاد مالي بازار پول‌‌، به‌واسطهٔ كاهش سپرده‌ها و ديگر بدهي‌ها در كنار رشد پرتفويِ تسهيلات و دارايي‌هاي ديگر و نيز اقلام خارج از ترازنامه، يكي از موضوعات چالش‌برانگيز در مديريت ريسك بانكي است. ازاين‌رو، مديريت نقدينگي با هدف تداوم فعاليت بانكداري و به‌منظور مواجهـه نشدن با ريسك‌هاي ناشـي از كمبود نقدينـگي، به ارزيابي و كنتـرل ريسـك نقدينـگي اقـدام مي‌كند. بدين منظور در مطالعه حاضر، تلاش شد در راستاي كنترل و مديريت ريسك نقدينگي كارا و اثربخش، مدلي مناسب براي پيش‌بيني ريسك نقدينگي، بر اساس رويكرد پارامتريك، طراحي شود. بر اين اساس، نقدينگي در معرض ريسك با استفاده از خانوادهٔ مدل‌هاي ناهمساني واريانس شرطي خودرگرسيون و استفاده از داده‌هاي روزانهٔ منابع و مصارف بانك خصوصي در بازهٔ زماني 1 مهرماه 1389 تا 31 شهريورماه 1398، بر اساس مفهوم ارزش در معرض ريسك محاسبه شد. نتايج حاصل از ارزيابي مدل‌هاي به‌كار گرفته‌شده ‌با استفاده از آزمون بازخورد، حاكي از تأييد رويكرد پارامتريك در پيش‌بيني نقدينگي در معرض ريسك روزانه بانك مورد مطالعه در بازه زماني مورد اشاره است.

Properly managing the supply and demand for liquidity of banks, as the largest financial institution in the money market, by reducing deposits and other liabilities alongside the growth of a portfolio of loans, other assets, and off-balance sheet items is a challenging issue in banking risk management. Therefore, to continue banking activities and avoid the risks of lack of liquidity, liquidity management evaluates and controls liquidity risk. For this purpose, in the present study, it was attempted to design an appropriate model for predicting liquidity risk based on a parametric approach to control efficient and effective liquidity risk management. Accordingly, the liquidity at risk was calculated using the family of autoregressive conditional heteroskedasticity models. We used the daily data and facilities of a private bank in the period between September 23rd, 2010, to September 22nd, 2019, based on the concept of value at risk. The results of the evaluation of the utilized models, used by backtest, confirm the parametric approach in predicting daily bank risk liquidity.