تجزیه و تحلیل میزان ریسک سیستمی شرکت‌های بورس اوراق بهادار تهران با استفاده از رویکرد سیستم‌های پیچیده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران

2 گروه مدیریت دولتی، دانشکده مدیریت دانشگاه تهران، تهران، ایران

3 مدیریت مالی، گرایش مهندسی مالی و مدیریت ریسک، دانشگاه تهران پردیس البرز، تهران، ایران

چکیده

امروزه با درهم تنیدگی بازارهای مالی، استفاده از ایده سیستم های پیچیده جهت تحلیل بازار بسیار مورد توجه قرار گرفته است. از طرفی با گسترش تعاملات بین بازارها، شرکت ها و نهادهای مالی، مفهوم ریسک سیستمی و همچنین تاثیر ساختار شبکه مالی بر میزان ریسک سیستمی اجزای آن، از موارد مهم برای سیاست گزاران، قانون گذاران، سرمایه گذاران و ... از حیث کنترل و مدیریت ریسک بوده و حائز اهمیت است. این پژوهش، به تجزیه و تحلیل ساختار توپولوژی محلی موسسات مالی در شبکه مالی بر میزان ریسک سیستمی بیست شرکت فعالتر بورس اوراق بهادار تهران از ابتدای سال 1393 تا پایان سال 1397، با بکارگیری سنجه ارزش در معرض خطر شرطی تفاضلی (CoVaR∆) می پردازد. ابتدا برای محاسبه ماتریس همبستگی شرطی، از مدل GARCH چند متغیره همبستگی شرطی پویا (DCC-MVGARCH)، استفاده و درخت مینیمم پوشا (MST) ایجاد می شود. سپس به محاسبه خصوصیات توپولوژی شبکه موسسات مالی در شبکه مالی مورد نظر و بررسی روابط میان خصوصیات و ریسک سیستمی پرداخته می شود. با کمی سازی رابطه بین ساختار توپولوژی محلی و میزان ریسک سیستمی با تحلیل رگرسیون داده‌های پانلی، می‌توان دریافت که رابطه معناداری میان مرکزیت نزدیکی گره، قدرت گره و درجه گره با ارزش در معرض خطر شرطی تفاضلی و بنابراین میزان ریسک سیستمی وجود دارد. بررسی‌ها نشان می دهد که موسسات مالی با مرکزیت نزدیکی بیشتر، میزان ریسک سیستمی بیشتری دارند و همچنین موسسات مالی با قدرت گره کمتر و درجه گره کوچکتر، میزان بیشتری از ریسک سیستمی را دارا هستند. اما با داده‌های مورد بررسی در این پژوهش، رابطه معنادار میان مرکزیت بینابینی گره و میزان ریسک سیستمی موسسات یافت نشد.

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing of Systemic Risk Contributions of Tehran Stock Exchange Companies by Complexity Approach

نویسندگان [English]

  • Ali Namaki 1
  • Ezatollah Abbasian 2
  • Elahe Shafiei 3
1 Faculty of Management, Tehran University, Tehran, Iran
2 Department of Public Administration, Faculty of Management, Tehran University, Tehran, Iran
3 Financial Engineering & Risk Management, Alborz Complex Tehran University, Iran
چکیده [English]

With the recent extension of markets and increasing financial interactions, institutions are affected by their systemic risk and the systemic risk of other institutions and markets. Also, by changing the structure and characteristics of institutions in their complex network, the Systemic risk contribution of these institutions will be different. It is important for lawmakers, investors, and others to control, manage and reduce systemic relationship between local topology structure and systemic risk contribution by panel data regression analysis, it found that there is a significant relationship between the change of Conditional Value-at-Risk (∆CoVaR) and the local topology structure such as node closeness centrality, node strength, and node degree. So, there is a significant relationship between systemic risk contribution and the local topology structure. The results show that there is a positive relationship between systemic risk contribution and node closeness centrality, so financial institutions with larger node closeness centrality have higher systemic risk contributions. Also, there is a negative relationship between systemic risk contribution and node strength and node degree. Therefore, financial institutions with greater node strength and larger node degrees have lower systemic risk contributions. But with the data analyzed in this study, no significant relationship is found between node betweenness centrality and systemic risk contributions.risk. The purpose of this paper is to analyze the structure of the financial institutions' local topology on their systemic risk contribution. The purpose of this study is to investigate the contribution of systemic risk, using Tehran stock exchange data (on twenty stock companies from March 2014 to March 2019) with the change of Conditional Value-at-Risk (∆CoVaR). Initially, a dynamic conditional correlation multivariate GARCH model (DCC-MVGARCH) is used to calculate the conditional correlation matrix and the minimum spanning tree (MST) is constructed. Then, the topology structure of the financial institutions' network and relationships between these characteristics and systemic risk is estimated. By quantifying the

کلیدواژه‌ها [English]

  • Systemic risk contribution
  • DCC
  • Complex networks
  • Minimum spanning tree