hosein doroodian
-
بحران های بانکی متناوبا در حال وقوع می باشند. این موضوع نشانگر این است که مدلهای هشدار پیش از وقوع فعلی، در شناسایی قبل از وقوع این بحران ها موفق نبوده اند. بررسی مدل های موجود نشان می دهد دلیل شکست این مدل ها عمدتا ناشی از شناسایی متغیرهای توضیحی و طراحی تجربی مدل می باشد، که در این پژوهش سعی گردیده بهبود یابند. این پژوهش برای تعدیل مشکل نااطمینانی مدل با متوسط گیری از تمامی مدل ها (میانگین گیری بیزی)، به تعیین عوامل موثر بر بحران های بانکی در ایران پرداخته است. روش تحقیق حاضر کاربردی است. بازه زمانی تحقیق 1370 تا 1398 است. 49 متغیر به عنوان عوامل موثر بر بحران بانکی وارد مدل گردیدند. جامعه تحقیق حاضر، اقتصاد ایران در حوزه بانکی است. نتایج بیانگر این است که از میان مدل های BMA، TVP-DMA و TVP-DMS، BVAR و OLS، مدل TVP-DMA به عنوان کاراترین مدل تعیین گردید. بر اساس مدل TVP-DMA، 10 متغیر شکننده موثر بر بحران بانکی شناسایی شدند. در این پژوهش متغیرهای حجم اموال تملیکی؛ نسبت مطالبات سررسید شده و معوق به کل تسهیلات؛ کسری بودجه؛ نسبت خوداتکایی؛ Spread؛ انحراف نرخ ارز غیر رسمی از رسمی؛ دیرش دارایی ها و بدهی ها؛ دیرش نرخ بهره؛ شاخص نسبت کفایت سرمایه و نااطمینانی تورم مهم ترین متغیرهای موثر بر بحران بانکی شناسایی شدند. بر اساس نتایج تمامی متغیرهای فوق تاثیر مثبتی بر بحران بانکی دارند و در صورت تداوم این فرآیند افزایش احتمال وقوع بحران بانکی در سال های آتی را فراهم خواهد نمود. بر اساس نتایج، دیرش نرخ بهره، موثرترین شاخص بر بحران بانکی شناسایی گردید. با توجه به خروجی نتایج، می توان بیان داشت شاخص بحران بانکی در اقتصاد ایران معضلی با ابعاد گسترده است؛ چرا که متغیرهای مرتبط با سیاست گذارهای بخش پولی و مالی بر این شاخص اثرگذارند.کلید واژگان: بحران, بحران بانکی, مدل های هشدار دهنده, بیزینBanking crises are occurring intermittently, indicating that predictive warning models are currently unsuccessful in identifying these crises before they occur. Examining the existing models shows that the reason for the failure of these models is mainly due to the identification of explanatory variables and the experimental design of the model, which were tried to be improved in this research. In order to adjust the model uncertainty problem, this research has determined the effective factors on banking crises in Iran by averaging all the models (Bayesian averaging). The results show that among the BMA, TVP-DMA and TVP-DMS, BVAR and OLS models, the TVP-DMA model was determined as the most efficient model. Based on the model, 10 fragile variables affecting the banking crisis were identified. Based on the results, all the variables have a positive effect on the banking crisis, and this shows the unfavorable banking situation, and the banking crisis index in Iran's economy is a problem with wide dimensions; Because variables related to monetary and financial policies affect this indexKeywords: Crisis, Banking Crisis, Bayesian
-
در مقاله حاضر عوامل موثر بر نوسانات قیمت مسکن در تهران مورد بررسی قرار گرفته است. با شاخص سازی و تلفیق برخی متغیرها، در نهایت تاثیر قیمت زمین، هزینه ساخت، نرخ بهره حقیقی، سرانه ساختمان های مسکونی تکمیل شده، نقدینگی و بازدهی بازارهای رقیب با استفاده از داده های فصلی مورد اندازه گیری قرار گرفت. برای تخمین، از روش سری های زمانی ساختاری و الگوریتم کالمن فیلتر استفاده شد تا با به کارگیری روش حداکثر راستنمایی پارامترهای نامعلوم برآورد شود. نتایج نشان دهنده معنا داربودن تاثیر منفی نرخ بهره حقیقی، بازدهی دارایی های جایگزین (طلا، ارز، سهام)، سرانه ساختمان های مسکونی تکمیل شده و تاثیر مثبت هزینه ساخت در کنار اثرگذاری ناچیز و غیرمعنادار رشد نقدینگی است. ارتباط قوی قیمت زمین و مسکن نیز بیشتر به همزمانی حرکات این دو متغیر مربوط است تا اثرگذاری علی. از جمله دلالت های سیاستی نتایج آن است که کنترل نوسانات بازار مسکن باید معطوف به تقویت روند عرضه و کنترل هزینه های ساخت به عنوان دو عامل مهم درون بخشی موثر بر قیمت مسکن باشد.
کلید واژگان: قیمت مسکن, کالمن فیلتر, سری های زمانی ساختاری, روند ضمنیIn this paper, the factors affecting house prices have been studied in Tehran during 1991-2007. After combining the parameters and variables, land prices, construction costs, interest rates, per capita residential buildings completed, money supply and the returns in alternative markets are considered as theoretical determinants of housing prices, in which their effects should be tested and measured. Besides these factors, a component of unobserved or implicit trend including technical performance, preferences and non-economic factors is considered in the model. In order to estimate the model, a structural time series is used. This model has the capability to specify the regression equation of state - space and Kalman filter algorithm and the maximum likelihood method to estimate unknown parameters. The results have reflected the negative impact of real interest rates, returns on alternative assets such as gold, foreign exchange, equities, per capita residential buildings completed and the positive impact of construction costs. But, M2 is weak and insignificant. Strong relationship between land prices and housing prices identified seem to bo a simultaneous movement of two variable rather than a causal relationship.Keywords: Housing Price, Kalman, filter, Structural Time Series, Implicit Trend
سامانه نویسندگان
اطلاعات نویسنده(گان) توسط ایشان ثبت و تکمیل شدهاست. برای مشاهده مشخصات و فهرست همه مطالب، صفحه رزومه ایشان را ببینید.
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.