طراحي مدل اندازه‎گيري ريسك نقدينگي در نظام بانكداري بدون ربا (مطالعه موردي: بانك ملت)

Designing an Optimum Model for Liquidity Risk Measurement in non-interest banking; a case study of Mellat bank

تعيين ميزان نقدينگي مورد نياز بانك از جمله مهم‌ترين فعاليت مديران آن است. عدم دسترسي سريع به وجوه نقد با هزينه و در زمان مناسب، بانك را با ريسك نقدينگي مواجه مي‌كند. در اين راستا وظيفه مدير مالي بانك استفاده از انواع روش‌ها و مدل‌هاي علمي پيش‌بيني نقدينگي است تا با توجه به تحولات محيطي مديريت نقدينگي مناسبي اعمال كند. اين مقاله با هدف ارايه مدلي مطلوب براي اندازه‌گيري ريسك نقدينگي در نظام بانكداري بدون رباي ايران، پس از تعيين متغيرهاي موثر بر ريسك نقدينگي، اهداف و محدوديت‌هاي ساختاري و آرماني مدل، از رويكرد برنامه‌ريزي آرماني استفاده مي‌كند. بدين‌منظور با پيش‌بيني نقدينگي سال 1389 ، جهت اندازه‌گيري ريسك نقدينگي، نقدينگي حاصل از مدل و نقدينگي واقعي طي سال‌هاي 1386 تا 1389با هم مقايسه شده است. اين مقايسه مي‌تواند كمبود يا مازاد نقدينگي بانك را نشان دهد. نتايج حاكي از آن است كه كليه اولويت‌ها و اهداف تعريف‌شده از سوي مديران بانك به‌طور كامل تامين شده است. به‌عبارت ديگر، اهداف مورد نظر مديران با توجه به محدوديت‌هاي ساختاري بانك برآورده مي‌شود؛ درصورتي‌كه تخصيص منابع در بانك براساس مدل پيشنهادي باشد.

Determining the required liquidity of a bank is the most important activity of its managers. A firm can be recognized as a financial institute with a high liquidity if it has the capability of rapid access to cash with appropriate cost and appropriate time. For this reason, the financial manager of a financial institute tries to implement a proper liquidity management, regarding competitive environmental changes, via scientific models and techniques of prediction. This paper aims to propose an optimum risk liquidity measurement in non-usury banking system in Iran by determining variables influencing liquidity risk, goals and structural limitations for which it applies goal programming technique. For this reason, after prediction of 2010 liquidity, for measuring the liquidity risk, the current study compares the liquidity resulting from the model and real liquidity during 2007 to 2010 which can disclose the amount of bank liquidity deficiency or surplus. As results show all priorities and goals defined by bank managers were achieved completely. In the field of assets allocation, allocation derived from the model led to optimum allocation of resources. In other words goals of managers will be fulfilled according to bank structural limitations if the allocation of resources in the bank was just like what the model suggests.