سایه بانکی ، ریسک پذیری و سیاست های پولی در اقتصادهای نوظهور: یک رویکرد ادغام پانل

نمایش فرمول :؟فرمول های ریاضی به عنوان MATHML رمزگذاری شده اند و در این نسخه HTML با استفاده از MathJax به منظور بهبود نمایشگر خود نمایش داده می شوند. جعبه را برای خاموش کردن MathJax از آن جدا کنید. این ویژگی به JavaScript نیاز دارد. برای بزرگنمایی روی فرمول کلیک کنید.

این مطالعه به بررسی ارتباط بین بانکداری سایه ، ریسک بانکی و سیاست پولی در اقتصادهای نوظهور می پردازد. اهمیت این موضوع از تأثیر آن بر رابطه بین قیمت و اهداف ثبات مالی تنظیم کننده ناشی می شود. در اصل ، وجود کانال های بازار مالی سیاست های پولی ، دوگانگی بین قیمت و اهداف ثبات مالی بانکهای مرکزی را تحریف می کند. ما از تکنیک های ادغام پانل استفاده می کنیم و بین سیاست پولی و بانکداری سایه ارتباط منفی می یابیم. به طور خاص ، افزایش نرخ سیاست بانک مرکزی منجر به کاهش رشد دارایی بانک سایه می شود. علاوه بر این ، ما بین بانکداری سایه و ریسک بانکی ارتباط مثبتی پیدا می کنیم. اثربخشی سیاست پولی هنگامی که ریسک بانکی زیاد باشد افزایش می یابد. درمجموع ، نتایج ما نشان می دهد که بانکهای سایه عنصر کانال ریسک پذیری بانکی از سیاست پولی هستند. ما هماهنگی سیاست بین سیاست های پولی و کلان پیشگیرانه و نظارت دقیق بر فعالیت های بانکی سایه را برای کاهش تعهدات ریسک پذیر در بخش مالی پیشنهاد می کنیم.

1. مقدمه

رشد ادبیات متمرکز بر رابطه بین بخش مالی و بخش پولی در پی بحران مالی جهانی (GFC) ارائه کانال های اضافی از سیاست های پولی از طریق بخش مالی است (Gambacorta ، 2009 ؛ Xiao ، 2018). در واقع ، تأثیر تسلط مالی با تجربه GFC قابل انکار نیست. به عنوان مثال SMETS (2014) استدلال می کند که میزان اهمیت مرتبط به تحولات بخش مالی برای انجام سیاست های پولی بسیار مهم است و می تواند اثربخشی سیاست پولی را تعیین کند. با این حال ، حمایت تجربی از این گزاره ها عمدتاً از اقتصادهای پیشرفته ناشی می شود و شواهدی از اقتصادهای نوظهور و کشورهای در حال توسعه وجود ندارد. در این مقاله از داده های متقاطع کشور برای بررسی نقش رشد بانک سایه در مکانیسم انتقال سیاست پولی استفاده شده است. ما با در نظر گرفتن تعامل بین بانکداری سایه ، سیاست پولی و ریسک بانکی در ادبیات مربوط به انتقال سیاست پولی مشارکت می کنیم.

مطالعه ما همچنین به مطالعات روی عوامل تعیین کننده بانکداری سایه 1 مربوط می شود (BARBU، BOITAN، و CIOACA، 2016). آدریان و اشکرافت (2016) سه دلیل نظری اصلی را برای رشد بانکداری سایه ارائه می کنند. اولاً، بانکداری سایه شکلی از آربیتراژ نظارتی است. این دیدگاه ادعا می کند که فعالیت های بانکداری سایه پاسخی به اقدامات نظارتی سختگیرانه در بخش بانکداری رسمی است. مقررات می تواند به شکل الزامات احتیاطی خرد، سیاست پولی یا سیاست احتیاطی کلان باشد. به عنوان مثال، افزایش سرمایه مورد نیاز بازل III می تواند منجر به افزایش فعالیت بانک های سایه پس از GFC شود. در مطالعات دیگر، سیاست‌های پولی سخت‌گیرانه محرک مثبت بانکداری سایه است (CHEN و همکاران، 2018؛ FUNKE و همکاران، 2015؛ نلسون و همکاران، 2018). در هر دو SUNDERAM (2014) و ADRIAN & ASHCRAFT (2016)، بانکداری سایه نیز به دلیل نوآوری در عرضه پول به وجود می آید، جایی که نیاز به پول مانند ابزار مشارکت عاملان مالی را در استفاده از محصولات و فرآیندهای مالی جدید افزایش می دهد. با توجه به SUNDERAM (2014) بانکداری سایه به عنوان جایگزینی برای سپرده های بانکی عمل می کند، پیشنهادی که در این مقاله آزمایش می کنیم. سومین دلیل رشد بانکداری سایه مشکلات مربوط به بازارهای ناقص در بازارهای مالی است. چنین اطلاعات نامتقارن در بازارهای مالی در DU، LI، و WANG (2017) توضیح داده شده است، که اشاره می کند که نقص بازار اعتبار و سرکوب مالی به رشد بانکداری سایه کمک می کند.

این مقاله عمدتاً با هدف تجزیه و تحلیل اثر سیاست پولی بر بانکداری سایه در اقتصادهای بازار در حال ظهور در یک چارچوب معادله واحد با استفاده از پانل 15 اقتصاد نوظهور است. این مطالعه از یک چارچوب تقاضا و عرضه وام برای توسعه یک مدل نظری استفاده می‌کند که در آن بانکداری سایه با تولید ناخالص داخلی (GDP)، تورم و نرخ سیاست تعیین می‌شود. تحلیل ما ارتباط نزدیکی با BARBU و همکاران دارد.(2016) مطالعه، که بر تجزیه و تحلیل عوامل تعیین کننده بانکداری سایه در یورو تمرکز دارد. ما از تحلیل آنها با تمرکز بر تعامل بین بانکداری سایه، سیاست پولی و ریسک بانک فاصله می گیریم. این مطالعه به سه روش به ادبیات کمک می کند، اولاً، ما پانلی از اقتصادهای نوظهور را در نظر می گیریم که در دو دهه گذشته شاهد افزایش رشد بانک های سایه بوده اند. دوم، ما یک چارچوب نظری برای تعیین بانکداری سایه در اقتصادهای نوظهور با استفاده از چارچوب تقاضای وام و عرضه وام ایجاد می کنیم. سهم سوم از تجزیه و تحلیل ارتباط بین بانکداری سایه و ریسک پذیری بانک، در مکانیسم انتقال سیاست پولی ناشی می شود.

ادامه مطالعه به شرح زیر است: بخش 2 بررسی مختصری از ادبیات تجربی در مورد تعیین بانکداری سایه ارائه می دهد و بخش 3 بر مدل نظری مورد استفاده در مطالعه تمرکز می کند. در بخش 4 و 5، به ترتیب شرحی از روش مورد استفاده در مطالعه و نتایج حاصل از تجزیه و تحلیل خود ارائه می دهیم. بخش 6 مقاله را به پایان می رساند.

2. ادبیات تجربی

ادبیات تجربی در مورد بانکداری سایه هنوز کمیاب است، بیشتر ادبیات در مورد عوامل تعیین کننده بانکداری سایه. ما در این بخش ادبیات مربوط به تعیین کل بانکداری سایه و ادبیات مربوط به عوامل تعیین کننده ابزارها یا فرآیندهای بانکداری در سایه را مرور می کنیم. باربو و همکاران(2016) اولین مطالعه ای را ارائه می کند که عوامل تعیین کننده اقتصاد کلان بانکداری سایه را بررسی می کند. مطالعه آنها عوامل تعیین کننده بانکداری سایه را برای منطقه یورو با استفاده از داده های مربوط به جریان وجوه به عنوان نماینده بانکداری سایه در نمونه ای از 15 کشور اروپایی تجزیه و تحلیل می کند. مطالعه آنها رابطه منفی بین رشد اقتصادی، نرخ بهره کوتاه مدت، عرضه پول و بانکداری سایه ایجاد می کند. به عنوان نتیجه، سیاست پولی انقباضی که نرخ های کوتاه مدت را افزایش می دهد، منجر به کاهش فعالیت بانکداری سایه می شود. تحولات بازار سهام و نرخ‌های بهره بلندمدت ارتباط مثبتی با بانکداری سایه دارند.

ساندرام (2014) الگویی از ایجاد پول را تهیه می کند که در آن هر دو سپرده بانکی ، صورتحساب خزانه داری و دارایی های بانکی سایه به تقاضای پول پاسخ می دهند. افزایش تقاضای پول منجر به کاهش تقاضا برای صورتحساب خزانه داری و از این رو افزایش صورتحساب خزانه داری می شود. آنها استدلال می كنند كه دارایی های بانك سایه به عنوان جایگزینی برای قبض خزانه ها افزایش می یابد زیرا هر دو پول مانند ادعاها هستند. علاوه بر این ، مطالعه آنها حاکی از آن است که نیاز به نگه داشتن ذخایر به عنوان مالیات برای صدور سپرده های پیشرو برای جایگزینی سپرده ها با بدهی های بانکی سایه در صورت افزایش نرخ سیاست. پیامد نتایج آنها این است که بانک ها برای جایگزینی یا مکمل سپرده های خود در فعالیت های بانکی سایه شرکت می کنند. این یافته توسط مطالعات مختلفی پشتیبانی می شود که حاکی از اهمیت نقدینگی بانکی در فعالیت های بانکی سایه رانندگی است (Agostino & Mazzuca ، 2011 ؛ Nachane & Ghosh ، 2002). بنابراین بدهی های بانکی Shadow در اعتبار بانکی غیرمستقیم مهم است و در صورت افزایش برداشت های بانکی تحت یک موضع سیاست پولی محکم ، می تواند ترازنامه بانکها را تثبیت کند.

مطالعات متعددی در مورد عوامل فعالیت اوراق بهادار بررسی می شود (Agostino & Mazzuca ، 2011 ؛ Cardone-Riportella ، Samaniego-Medina ، & Trujillo-Ponce ، 2010 ؛ Farruggio & Uhde ، 2015). Cardone-Riportella و همکاران.(2010) از ویژگی های خاص بانکی برای بررسی درایوهای بانکداری سایه در اسپانیا استفاده کنید. مطالعه آنها از رگرسیون لجستیک و آمار توصیفی برای تجزیه و تحلیل تأثیر متغیرهای مختلف بر اوراق بهادار استفاده می کند. آنها وجود فرضیه داوری نظارتی را تعیین نمی کنند. در عوض ، آنها می دانند که اوراق بهادار با جستجوی نقدینگی و انگیزه سود هدایت می شود. یافته های آنها توسط Tang & Wang (2015) پشتیبانی می شود ، که می دانند بانک های سایه سودآورتر از بانک های رسمی در چین بودند و نتیجه می گیرند که بانک ها برای افزایش درآمد خود در فعالیت های بانکی سایه شرکت می کنند. Farruggio & Uhde (2015) در مورد عوامل تعیین کننده اوراق بهادار برای منطقه یورو تحقیق می کند. آنها از داده های سال 1997 تا 2010 برای نمونه ای از 75 بانک تقسیم شده به بانکهای اوراق بهادار و غیرقانونی استفاده می کنند. آنها عوامل بازار ، عوامل خاص بانکی و عوامل کلان اقتصادی را برای تأثیرگذاری بر تصمیمات اوراق بهادار پیدا می کنند. به طور خاص ، رشد اقتصادی و رقابت زیاد در بین بانک ها باعث ایجاد اوراق بهادار می شود. عوامل دیگر شامل اندازه بانک ، سرمایه بانکی ، محیط نظارتی و نهادی است.

Panetta & Pozzolo (2018) از نمونه ای که شامل 1991 تا 2007 برای بانک ها از بیش از 100 کشور است ، استفاده می کنند. آنها از روش رگرسیون خطر متناسب استفاده می کنند و می دانند که بانک ها در نتیجه تنظیم سخت ، هزینه های کم کار و به عنوان پرچین در برابر نقدینگی و خطرات اعتباری ، اوراق بهادار می کنند. یافته های آنها اعتقادات اصلی را تأیید می کند که داوری نظارتی عامل اصلی فعالیت های بانکی سایه است. در یک مطالعه مرتبط ، Nachane & Ghosh (2002) عوامل تعیین کننده فعالیت های خارج از تعادل بانکها را مورد تجزیه و تحلیل قرار می دهد و می یابد که اندازه و نقدینگی بانک عوامل مهمی است که بر تصمیم گیری در مورد اوراق بهادار یا نه در هند تأثیر می گذارد. به طور خاص ، آنها استدلال می كنند كه بانكهای خوب و بسیار مایع هیچ انگیزه ای برای مشاركت در فعالیتهای خارج از تعادل ندارند. اندازه بانک تأثیر منفی بر تصمیمات اوراق بهادار دارد. نقدینگی و مشوق های مالیاتی هر دو تأثیر منفی بر اوراق بهادار دارند ، نشان می دهد که بانک ها می توانند از خطر خودداری کنند زیرا باعث افزایش استخر بدهی های مایع می شوند. یک مطالعه مرتبط توسط DUCA (2014) رانندگان بانکداری Shadow را در هر دو کوتاه مدت و در دراز مدت مورد تجزیه و تحلیل قرار می دهد. آنها از ایجاد اعتبار از طریق صندوق های بازار پول به عنوان پروکسی برای بانکداری سایه استفاده می کنند. مطالعه آنها از رگرسیون سری زمانی معادله استفاده می کند و نشان می دهد که هزینه های اطلاعات و تنظیم سرمایه بانکی تأثیرات قابل توجهی در رشد بانکداری سایه در طولانی مدت دارد. یک یافته جالب از این مطالعه این است که کاهش کوتاه مدت در بانکداری سایه به دنبال افزایش نقدینگی بانکی و افزایش ریسک در بازارهای مالی است. دوکا (2014) برای آسیب پذیری و رفتار طرفدار چرخه ای بدهی های بانکی سایه ، که عواقب جدی برای ثبات مالی و کلان اقتصادی دارد ، استدلال می کند.

این مطالعه همچنین مربوط به مقالات تجربی است که بانکداری سایه را به سیاست پولی پیوند می دهد. بانکداری سایه برای کاهش اثربخشی سیاست های پولی (Xiang & Qianglong ، 2014 ؛ Xiao ، 2018). شیائو (2018) رابطه مثبت بین نرخ صندوق های فدرال رزرو (FED) و رشد دارایی های بانکی سایه برای ایالات متحده را مستند می کند. مطالعه آنها از داده های تفکیک شده برای پنج نهاد بانکی سایه ای از جمله ، دلالان دلال ، شرکت های مالی ، شرکت های تأمین مالی ، صادرکنندگان ABCP ، اسیر و سایر موسسات مالی استفاده می کند. آنها استدلال می كنند كه شوك مثبت بر نرخ سیاست پولی باعث افزایش ایجاد سپرده بانك سایه می شود. نلسون و همکاران.(2018) از یک مدل خودکار با پارامترهای متغیر زمان استفاده کنید تا نشان دهد که یک سیاست پولی انقباضی باعث افزایش رشد بانکی سایه می شود اما رشد دارایی های بانکی تجاری را کاهش می دهد. Xiang & Qianglong (2014) ، Funke و همکاران.(2015) ، وانگ و ژائو (2016) و ورونا و همکاران.(2013) تأثیر بانکداری سایه بر سیاست پولی را با استفاده از مدل سازی تعادل عمومی تصادفی (DSGE) تجزیه و تحلیل کنید. Xiang & Qianglong (2014) و Funke و همکاران.(2015) دریافت که یک موضع سیاست پولی انقباضی منجر به کاهش اعتبار بانک تجاری می شود اما منجر به افزایش اعتبار بانک سایه می شود. وانگ و ژائو (2016) همچنین دریافتند که ارزش خالص بانکهای تجاری به دلیل اقدام سیاست پولی انقباضی کاهش می یابد. در مقابل ، ارزش خالص بانک های سایه در نتیجه افزایش نرخ سیاست افزایش می یابد.

3. مدل نظری

مدل نظری که در اینجا توسعه یافته است ، به دنبال کار استین (1998) ، اهرمن ، گامباکورتا ، پاگ ، سوستره ، و کرم (2001) و عبدالکریم ، آزمان ساینی ، و عبدال کریم (2011) است. استین (1998) مدلی را تهیه می کند که در آن در صورت شوک سیاست پولی حق بیمه را برای دسترسی به امور مالی بازار پرداخت می کند. آنها بنیادی را برای بررسی کانال وام دهی بانک سیاست پولی توسط هر دو Ehrmann و همکاران فراهم می کنند.(2001) و عبدالکریم و همکاران.(2011) به ترتیب برای منطقه یورو و مالزی.

هویت زیر را برای ترازنامه بانکی فرض کنید: (1) a t = l t + k t # (1)

در جایی که دارایی های بانکی هستند ، بدهی های بانکی هستند و K T نماینده سرمایه بانکی است. در عمل ، دارایی های بانکی شامل پول نقد ، سبد وام ، اوراق بهادار کوتاه مدت و بلند مدت و همچنین املاک و تجهیزات است. با این حال ، بالاترین نسبت دارایی های بانکی شامل وام (L I) و اوراق بهادار I است. ما عبدالکریم و همکاران را دنبال می کنیم.(2011) و هویت ساده شده را به شرح زیر مجدداً بیان کنید: (2) L I + S I = D I + K I + S B I # (2)

جایی که D من سپرده هستم و K من سرمایه بانک است. S B من بدهی های بانکی Shadow را ضبط می کند ، که شامل تأمین اعتبار از سایر فعالیت های بانکی غیر هسته ای است. برخلاف عبدالکریم و همکاران.(2011) در جایی که منابع مالی دیگر فقط به بودجه بازار پول ناامن اشاره می کنند ، ما اهمیت بازارهای عمده فروشی گسترده تر ، از جمله بازار repo را که در کشورهای نوظهور مانند آفریقای جنوبی رونق گرفته است ، می شناسیم. در مدل ما Shadow Bank Tiebalities S B من می توانم برای سپرده های بانکی جایگزین شوم ، مانند Sunderam (2014). در صورت شوک سیاست پولی انقباضی ، بانک ها استفاده خود را از امور مالی بازار افزایش می دهند و در نتیجه افزایش S B I انجام می شود.

علاوه بر این ، بانکداری سایه بر سمت چپ معادله (2) از طریق منابع اوراق بهادار تأثیر می گذارد. بنابراین ، ما اجازه می دهیم که سهام اوراق بهادار توسط بانک ها هر دو اوراق امن صادر شده توسط دولت و شهرداری ها و ابزارهای بازار پول و سایر دارایی های کوتاه مدت ، از جمله دارایی های پشتیبان را شامل شود. بعداً نماینده تأمین اعتبار بانک ها از بانک های سایه ، که صادرکنندگان چنین دارایی هستند. بنابراین ، من می توانم به شرح زیر تجزیه شود: s i = s l + s s

جایی که S نماینده اوراق بهادار دولتی است. S S مؤلفه کوتاه مدت سهام اوراق بهادار بانک ها است و به صورت خطی مربوط به نرخ وام کوتاه مدت بانک ، R l است. بنابراین s s = φ r l که در آن φ< 0 . Thus in the short term, an increase in the bank lending rate encourages bank loan supply, at the same time reducing funds available for short-term shadow bank asset holdings. The equation above can be expressed as follows: (3) S i = S 0 − φ r l # (3)

جایی که S 0 یک حسابداری ثابت برای بلند مدت و سایر اوراق بهادار است. سطح سپرده های بانکی نیز عملکردی در حال کاهش نرخ سیاست است ، (4) D I = - α R P # (4)

جایی که α i s n e g a t i v e f o r a l l i. همانطور که در عبدالکریم و همکاران.(2011) ، سرمایه تابعی از وام ها است: (5) k i = k l i # (5)

تقاضای وام بانکی توسط خروجی Y ، سطح قیمت P و بهره وام R L مانند معادله زیر تعیین می شود ، (6) L I D = β I Y + β 2 P - β 3 R L # (6)

عرضه وام های بانکی را می توان با ترکیب معادله (2-5) و حل برای l i بدست آورد. دستکاری ساده به موارد زیر منجر می شود: (7) l i s = d i + k i + s b i - s i # (7) l i s = d i + k l i s + s b i - θ 0 - θ 1 r l

جایی که S i = θ 0 − θ 1 r l = S 0 − φ r l , L i s 1 − k = D i + S B i + θ 1 r l − θ 0 (8) L i s = D i 1 − k + S B i 1− k + θ 1 r l 1 − k − θ 0 1 − k # (8)

اگر ρ i = 1 1 − k را ضریب D i بگذاریم. γ i = 1 1 - k ضریب S B i باشد. θ 0 1 - k ضریب rl باشد. و ϕ 0 ثابت توصیف شده توسط θ 0 1 − k باشد، می توانیم معادله (8) را به صورت زیر بازنویسی کنیم: (9) L i s = ρ i D i + γ i S B i + ϕ i r l − ϕ 0 # (9)

EHRMANN و همکاران(2001) نشان می‌دهد که پارامتر Di را می‌توان به دو عامل تجزیه کرد، یکی مستقل از ویژگی‌های بانک و دیگری که به ویژگی‌های سطح بانک مانند سرمایه‌گذاری، نقدینگی و اندازه وابسته است.

اجازه دهید x i نشان دهنده ویژگی های خاص بانک باشد. در مدل ما، مقدار بالاتر برای x به معنای شرایط مالی مناسب برای بانک i و در نتیجه ریسک پایین است و x i به عنوان یک متغیر ریسک در نظر گرفته می‌شود. اگر ρ i ضریب D i باشد، می توان آن را به دو بخش تقسیم کرد، اول ρ o که تأثیر سپرده ها بر عرضه وام را که مستقل از ویژگی های بانکی است و ρ 1 که تأثیر سپرده ها بر عرضه وام را توصیف می کند. وابسته به خصوصیات فردی بانک به شرح زیر است: ρ i = ρ o - ρ 1 x i

معادله (9) می شود: (10) L i s = ρ o - ρ 1 x i D i + γ i S B i + ϕ i r l - ϕ 0 # (10)

با متعادل کردن تقاضای وام (معادله 6) و عرضه وام (10)، و جایگزینی D i ب ا-αrp، بانکداری سایه با تولید، تورم، نرخ سیاست و وام بانکی به شرح زیر تعیین می شود: (11) S B t = ψ 0+ ψ 1 y t + ψ 2 p t + ψ 3 r l t − ψ 4 r p t + ψ 5 x i r p t + ω t # (11)

جایی که ψ 0 یک ثابت است و پارامترهای ψ 1 - ψ 5 تأثیر هر متغیر بر بانکداری سایه را در نظر می گیرند. عبارت خطا ω t دلایل خاص موجودیت را برای مشارکت در فعالیت های بانک سایه به حساب می آورد.

معادله (11) نشان می دهد که بانکداری سایه با تولید، سطح قیمت، نرخ بهره وام غالب، نقدینگی بانک و موضع سیاست پولی تعیین می شود. متغیر x i r p t یک اصطلاح تعاملی است که تأثیر ریسک بانک را بر تأثیر سیاست پولی بر بانکداری سایه نشان می دهد. بنابراین مدل کاهش بانکداری سایه را با یک سیاست پولی انقباضی پیش‌بینی می‌کند. با این حال، هر چه بانک ریسک کمتری داشته باشد، تأثیر سیاست پولی بر بانکداری سایه کمتر می شود.

4. روش شناسی

این روش که در این مقاله دنبال می شود ، به دنبال ادبیات پانل های غیر ثابت است (بالتاگی ، 2008). نادیده گرفتن عدم استقرار داده های پانل می تواند منجر به رگرسیون مبهم و از این رو نتایج غیرقابل استفاده شود. مطالعه حاضر از 15 کشور اقتصاد نوظهور برای دوره 2002 تا 2017 استفاده می کند.

4. 1عدم استقرار در داده های پانل

برآورد OLS استخر برای متغیرهای همخوانی به دلیل ارائه های درون زا و همبستگی سریال مغرضانه است. برای کاهش این کاستی ، این مطالعه از روشهای پانل غیر ثابت برای برآورد پارامترها به نام پانل به طور کامل اصلاح شده OLS و روشهای پویا Panal Dynamic استفاده می کند. پانل FMOL های پدرون (2001) و فیلیپس و مون (1999) از نسخه سری زمانی برآوردگر FMOLS فیلیپس و هانسن (1990) دنبال می شوند. برآوردگر با استفاده از روشهای غیر پارامتری ، تعصب و درون زا در برآوردگر OLS را تصحیح می کند. روش پانل DOLS از Kao & Chiang (2001) از روش سری زمانی DOLS Saikkonen (1991) دنبال می شود ، که باعث می شود تاخیر و منجر به متغیرهای مستقل متفاوت برای اصلاح تعصب و درون زا شود. Kao & Chiang (2001) نشان می دهد که توزیع محدود کننده برآوردگر DOLS همان برآوردگر FMOLS است. با این حال ، از طریق شبیه سازی مونت کارلو ، آنها می یابند که برآورد DOLS از نظر تصحیح تعصب نسبت به OLS و FMOLS برتر است. علاوه بر این ، آنها همچنین نشان می دهند که با افزایش ابعاد سری پانل در مقایسه با پانل های کوتاه T ، تعصب در هر دو FMOL و برآوردگرهای DOLS کاهش می یابد.

4. 2تست های ریشه واحد پانل و ادغام

تست های ریشه واحد پانل در تعیین ترتیب ادغام متغیرها در یک چارچوب پانل مهم هستند. Baltagi (2008) رئوس مطالب تست های ریشه واحد نسل اول و نسل دوم را ارائه می دهد. این مطالعه دو آزمایش ریشه اصلی واحد از IM ، Pesaran ، & Shin (2003) و Pesaran (2007) را اتخاذ می کند. IPS 2003 یک آزمایش ریشه واحد را نشان می دهد که به طور متوسط آمار آزمون نوع ADF را در هنگام همبستگی سریال اما با خصوصیات همبستگی مختلف در واحدها به طور متوسط نشان می دهد. Pesaran (2007) یک آزمایش ریشه واحد را نشان می دهد که به ارائه وابستگی مقطعی قوی است. آنها آزمایشی را پیشنهاد می کنند که در آن رگرسیون Dickey Fuller (DF) یا Dickey Fuller (ADF) تقویت شده با استفاده از تاخیر به طور متوسط مقطعی از سطوح و اولین سری های مختلف متفاوت افزایش می یابد. بنابراین آزمایشات ریشه واحد بر اساس آمار ADF تقویت شده مقطعی (CADF) است. تست های ادغام پانل برای اطمینان از اینکه متغیرها قبل از انجام تخمین رگرسیون با هم جمع می شوند ، استفاده می شود. محبوب ترین تست های ادغام Kao & Chiang (2001) تست ادغام و آزمایش Pedroni (2004) است. با توجه به ابعاد سریال زمانی کوتاه داده های ما ، این مطالعه از آزمون ادغام Kao & Chiang (2001) استفاده می کند که برای پانل های ماکرو کوتاه تر مناسب تر است.

4. 3مدل

مدل تخمین زده شده در اینجا از مدل نظری در بخش (3) ناشی می شود. با این حال ، ما مدل اصلی را با متغیرهای دیگر از تئوری تقویت می کنیم و به جای نرخ وام داده های اعتبار بانکی را به کار می گیریم. در زیر مدل اصلی تعیین بانک سایه قرار دارد: (12) S B S I T = ψ 0 + ψ 1 L G D P I T + ψ 2 I N F L I T - ψ 3 B C R E D I T - ψ 4 P R P I T + ψ 5 X I T P R P I T + ω I T # (12)

جایی که s b i t سایه بانکی است ، l g d p i t خروجی است ، من سطح قیمت آن است ، b c r e d i t اعتبار بانکی است و p r p i t نرخ سیاست بانک مرکزی است. ω t یک اصطلاح خطا است که فرض می شود به طور مستقل و یکسان توزیع می شود (IID). ψ 1 - ψ 5 پارامترهایی هستند که باید تخمین زده شوند.

برای هدف از این مطالعه ، ما دو مدل اساسی را تخمین می زنیم ، ابتدا نرخ وام بانکی را با اعتبار بانکی جایگزین می کنیم و تأثیر نرخ سیاست را هنگام کنترل اعتبار بانکی تجزیه و تحلیل می کنیم. در مدل دوم ، ما همچنین نقدینگی بانکی و قیمت سهام را کنترل می کنیم. علاوه بر این برای کنترل تأثیر ریسک بانکی ، ما یک اصطلاح تعامل بین نرخ سیاست و بانک ZSCORE P R I S K = X I T P R P I T را تشکیل می دهیم.

4. 4داده ها و توضیحات متغیر

داده ها از منابع مختلفی از جمله هیئت ثبات مالی، بانک تسویه بین المللی، پورتال داده بانک جهانی و آمارهای مالی بین المللی صندوق بین المللی پول به دست آمده است. داده‌های مورد استفاده از فرکانس سالانه شامل دوره 2002 تا 2017 است. نمونه دوره ما با در دسترس بودن داده‌های بانکداری سایه از FSB، که تنها در سال 2002 شروع می‌شود، محدود شده است. تبدیل داده‌های اولیه به شکل تبدیل‌های لاگ خطی برای داده‌هایی انجام می‌شود کهبه صورت درصدی به شکل اصلی خود نیست. ما از نمونه ای از 14 کشور اقتصادی نوظهور به اضافه سنگاپور استفاده می کنیم که MSCI آن را به عنوان یک اقتصاد پیشرفته طبقه بندی می کند. کشورهای مورد استفاده در مطالعه در جدول 1 در زیر نشان داده شده است.

معادله (12) نشان می دهد که بانکداری سایه با تولید، نرخ تورم، نرخ سیاست، نرخ سپرده، ریسک بانک و همچنین سطح اعتبار بانک تعیین می شود. در جدول 2، شرح مختصری از همه متغیرهای مورد استفاده در مدل و پیامدهای اقتصادی آنها ارائه می دهیم. این مطالعه از داده‌های دارایی‌های بانک‌های سایه به عنوان نماینده بانکداری سایه در مدل استفاده می‌کند. بنابراین ما فرض می کنیم که دارایی های صادر شده توسط این شرکت ها به عنوان بدهی بانک ها در ترازنامه بانک ها ختم می شود.

سایه بانکی ، ریسک پذیری و سیاست های پولی در اقتصادهای نوظهور: یک رویکرد ادغام پانل