کارایی هزینه بانک‌ها و ساختار بازار اعتباری تحت نرخ‌های ارز ناپایدار

1. مقدمه

این پژوهش رابطه حیاتی بین نوسانات نرخ ارز و کارایی هزینه بانک‌ها در اقتصادهای بازار نوظهور را بررسی می‌کند. این مطالعه بر عملیات ارزی بانک‌های روسیه بین سه‌ماهه اول ۲۰۰۴ تا سه‌ماهه دوم ۲۰۲۰ متمرکز است و نشان می‌دهد که تجدید ارزیابی‌های ارزی چگونه به‌طور قابل توجهی اندازه‌گیری‌های سنتی کارایی و ارزیابی‌های ساختار بازار را مخدوش می‌کنند.

2. روش‌شناسی تحقیق

2.1 منابع داده و نمونه

این مطالعه از داده‌های سه‌ماهه منحصربه‌فردی در مورد تجدید ارزیابی دارایی‌ها و بدهی‌های ارزی بانک‌های روسیه استفاده می‌کند. مجموعه داده شامل اطلاعات دقیقی در مورد موارد زیر است:

• مقادیر سه‌ماهه تجدید ارزیابی
• اقلام ترازنامه و صورت سود و زیان بانک‌ها
• شاخص‌های مواجهه ارزی
• شاخص‌های ساختار بازار

2.2 چارچوب تحلیلی

برای مقابله با چالش‌های اندازه‌گیری، یک رویکرد دو مرحله‌ای توسعه داده شد:

1. برآورد اولیه کارایی با استفاده از تحلیل مرز تصادفی سنتی
2. تنظیم برای اثرات تجدید ارزیابی با استفاده از روش‌های مبتنی بر کاپیولا
3. تحلیل ساختار بازار با در نظر گرفتن معیارهای کارایی تصحیح‌شده

3. یافته‌های کلیدی

3.1 تأثیر هزینه‌های تجدید ارزیابی

تجدید ارزیابی‌های ارزی بزرگ‌ترین جزء هزینه‌های کل بانک‌ها را تشکیل می‌دهند که به‌طور میانگین ۲۶.۵٪ با تغییرات قابل توجه بین بانکی است. این هزینه‌ها توسط عدم تطابق ارزی در عملیات بانکی ایجاد می‌شوند که عمدتاً ناشی از سپرده‌های ارزی خانوارها و بی‌ثباتی نرخ ارز روبل است.

3.2 سوگیری در اندازه‌گیری کارایی

برآوردهای سنتی کارایی هزینه هنگامی که تجدید ارزیابی‌های ارزی نادیده گرفته می‌شوند، تقریباً ۳۰٪ به‌شدت دارای سوگیری رو به پایین هستند. این سوگیری در بین بانک‌ها یکسان نیست و تحلیل غیرپارامتری کاپیولا نشان می‌دهد که رتبه‌بندی‌های کارایی عموماً حفظ نمی‌شوند، مگر در انتهای توزیع.

3.3 پیامدهای ساختار بازار

عدم توجه به هزینه‌های تجدید ارزیابی منجر به نتیجه‌گیری‌های نادرست در مورد کارایی بازار اعتباری می‌شود. ناکارایی ظاهری در چارک بالایی بانک‌ها بر اساس کل دارایی‌ها متمرکز است که نشان می‌دهد بانک‌های بزرگ‌تر با چالش‌های مواجهه ارزی نامتناسبی روبرو هستند.

4. تحلیل فنی

4.1 چارچوب ریاضی

این مطالعه از تحلیل مرز تصادفی با تنظیم برای اثرات تجدید ارزیابی استفاده می‌کند. مدل پایه مرز هزینه به صورت زیر مشخص شده است:

$\ln C_i = \ln C(y_i, w_i) + v_i + u_i + r_i$

که در آن:

• $C_i$ = هزینه‌های کل مشاهده‌شده
• $y_i$ = بردار ستانده
• $w_i$ = بردار قیمت نهاده
• $v_i$ = نویز تصادفی
• $u_i$ = جزء ناکارایی
• $r_i$ = عبارت تنظیم تجدید ارزیابی

عبارت تنظیم تجدید ارزیابی $r_i$ به عنوان تابعی از مواجهه ارزی و نوسانات نرخ ارز مدل‌سازی شده است:

$r_i = f(\text{مواجهه ارزی}_i, \sigma_{FX})$

4.2 نتایج تجربی

رویکرد دو مرحله‌ای پیشنهادی، سوگیری رو به پایین در برآوردهای کارایی را تقریباً دو سوم کاهش می‌دهد. یافته‌های تجربی کلیدی شامل موارد زیر است:

• تحلیل کاپیولا روابط غیرخطی بین معیارهای کارایی سنتی و تنظیم‌شده را نشان می‌دهد
• همبستگی‌های رتبه‌ای بین معیارهای کارایی به جز در نقاط انتهایی توزیع پایین است
• روش تنظیم در بین دسته‌های مختلف اندازه بانک‌ها استحکام نشان می‌دهد

5. مثال چارچوب تحلیلی

یک بانک با ویژگی‌های زیر را در نظر بگیرید:

• کل دارایی‌ها: ۱۰ میلیارد دلار
• مواجهه ارزی: ۲۵٪ از دارایی‌ها
• نوسانات سه‌ماهه نرخ ارز: ۱۵٪
• امتیاز کارایی سنتی: ۰.۶۵

با استفاده از چارچوب تنظیم پیشنهادی:

1. محاسبه هزینه‌های تجدید ارزیابی مورد انتظار بر اساس مواجهه ارزی و نوسانات
2. تنظیم هزینه‌های کل با حذف جزء تجدید ارزیابی
3. برآورد مجدد کارایی با استفاده از معیار هزینه تنظیم‌شده
4. نتیجه: امتیاز کارایی تنظیم‌شده = ۰.۸۵ (بهبود ۳۰.۸٪)

این مثال نشان می‌دهد که چگونه روش‌های سنتی به‌طور سیستماتیک کارایی بانک‌های دارای عملیات ارزی قابل توجه را دست کم می‌گیرند.

6. کاربردها و جهت‌های آتی

این پژوهش چندین مسیر مهم برای کارهای آینده باز می‌کند:

• کاربردهای بین‌المللی: گسترش چارچوب به سایر اقتصادهای بازار نوظهور با نظام‌های نرخ ارز متفاوت
• پیامدهای نظارتی: توسعه چارچوب‌های آزمون استرس با در نظر گرفتن ریسک‌های تجدید ارزیابی ارزی
• ادغام ارز دیجیتال: بررسی چگونگی تأثیر ارزهای دیجیتال بانک مرکزی و دارایی‌های دیجیتال بر مدیریت مواجهه ارزی
• بهبودهای یادگیری ماشین: ادغام تکنیک‌های هوش مصنوعی/یادگیری ماشین برای پیش‌بینی پویای تجدید ارزیابی
• ادغام ریسک اقلیمی: پیوند نوسانات نرخ ارز با ریسک‌های مالی مرتبط با اقلیم

7. منابع

1. Acharya, V. V., & Vij, S. (2021). Foreign currency debt in emerging markets. Journal of Financial Economics.
2. Brown, M., et al. (2018). Currency matching in bank operations. Journal of Banking & Finance.
3. Bruno, V., & Shin, H. S. (2020). Currency mismatches in emerging markets. BIS Working Papers.
4. di Giovanni, J., et al. (2022). Exchange rate volatility and bank performance. IMF Economic Review.
5. Hebert, B., & Schreger, J. (2017). The costs of currency crises. Journal of International Economics.
6. Ippolito, F. (2002). Hedging foreign exchange risk. Journal of Financial Intermediation.
7. Kumbhakar, S. C., & Lovell, C. A. K. (2000). Stochastic Frontier Analysis. Cambridge University Press.
8. Verner, E., & Gyongyosi, G. (2020). Household debt and currency crises. American Economic Review.
9. World Bank. (2023). Global Financial Development Report: Financial Stability in Emerging Markets.
10. Bank for International Settlements. (2024). Triennial Central Bank Survey of Foreign Exchange Markets.