چکیده:
مدیریت صحیح عرضه و تقاضای نقدینگی بانکها، بهعنوان بزرگترین نهاد مالی بازار پول، بهواسطهٔ کاهش سپردهها و دیگر بدهیها در کنار رشد پرتفویِ تسهیلات و داراییهای دیگر و نیز اقلام خارج از ترازنامه، یکی از موضوعات چالشبرانگیز در مدیریت ریسک بانکی است. ازاینرو، مدیریت نقدینگی با هدف تداوم فعالیت بانکداری و بهمنظور مواجهـه نشدن با ریسکهای ناشـی از کمبود نقدینـگی، به ارزیابی و کنتـرل ریسـک نقدینـگی اقـدام میکند. بدین منظور در مطالعه حاضر، تلاش شد در راستای کنترل و مدیریت ریسک نقدینگی کارا و اثربخش، مدلی مناسب برای پیشبینی ریسک نقدینگی، بر اساس رویکرد پارامتریک، طراحی شود. بر این اساس، نقدینگی در معرض ریسک با استفاده از خانوادهٔ مدلهای ناهمسانی واریانس شرطی خودرگرسیون و استفاده از دادههای روزانهٔ منابع و مصارف بانک خصوصی در بازهٔ زمانی ۱ مهرماه ۱۳۸۹ تا ۳۱ شهریورماه ۱۳۹۸، بر اساس مفهوم ارزش در معرض ریسک محاسبه شد. نتایج حاصل از ارزیابی مدلهای بهکار گرفتهشده با استفاده از آزمون بازخورد، حاکی از تأیید رویکرد پارامتریک در پیشبینی نقدینگی در معرض ریسک روزانه بانک مورد مطالعه در بازه زمانی 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.