مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مابقی این مقاله، به صورت ذیل، ساخته شده است. بخش 2، یک چارچوب نظری را برای تاکید بر عوامل مهمی توسعه می دهد که انتخاب های سیاستگذاران در مشارکت حسابرسان در فعالیتهای نظارت بانکداری را گسترش می دهد. بخش 3، یک شاخص سازمانی مشارکت حسابرسی را در نظارت ارائه داده و برخی آمارهای توصیفی را عنوان می کند. بخش 4، راهبرد تجربی و نتایج را ارائه می دهد. در حالیکه بخش 5، نتیجه گیری می کند.

2. طراحی بهینه فضاهای نظارت
در این بخش، یک چارچوب کارگزار – کارفرمای ساده را برای مطالعه طراحی بهینه نظارت مشارکت حسابرسان خارجی بکار می بندیم. فناوری نظارت، با ترکیبی از نظارت مستمر و حسابرسی تصادفی توصیف می شود که در آن حسابرسان می توانند، خدمت حسابرسی را به یک آژانس حسابرسی مستقل به منظور بهبود کیفیت اطلاعات و به طور همزمان، اجرای زمینه های نظارت وکالت دهد.
سطح وکالت قرار داده شده توسط ناظر در فعالیت حسابرسی خارجی در عین حال میتواند متفاوت باشد. ممکن است لازم باشد، حسابرسان خارجی به ناظر به شیوه های متفاوتی کمک کنند که میتواند در طیف پیش نویس گزارشات حسابرسی در زمینه صورت های مالی (همکاری غیر فعال) به مشارکت مستقیم در فرایند نظارت (مشارکت فعال) باشد.
مشارکت حسابرسان خارجی در نظارت می تواند، با وجود این واقعیت که اهداف این دو بازیگر – ناظر و حسابرس- متفاوت هستند، اثربخشی پایش نظارت را بهبود بخشد. بعضا، ناظر، یک بروکراسی عمومی است که با ترویج امنیت و سلامت بخش بانکداری، به شهروندان خدمت می کند، در حالیکه حسابرس یک شرکت خصوصی است که فعالیت بانکها را ارزیابی می نماید.
به منظور تامین تعهدات خود، هر دو بازیگر، اقداماتی را برای جمع اوری اطلاعات صحیح و قابل اطمینان در زمینه بانکها اجرا می کنند. لذا، یک سرریز مثبت میتواند پدید آید اگر گزارشات ناظر به فعالیت حسابرس، دروازه بانی مالی را تقویت نماید.
با این وجود، مشارکت حسابرسان خارجی در نظارت، یک پذیرایی رایگان محسوب نمی شود. استفاده از حسابرسان خارجی در نظارت بانکی، ممکن است به درجه خاصی از ریسک وابسته باشد که به سه عامل متفاوت بستگی دارد. اولا، کیفیت حسابرسی خارجی، زیرا سودمندی مشارکت یک حسابرس به دقت فعالیت حسابرسی اش بستگی دارد. ثانیا، صلاحیت نظارت باید هزینه پولی وکالت فعالیت های حسابرسی به حسابرسان خارجی با هزینه وابسته به بکارگیری منابع داخلی را مقایسه نماید. در این صورت، هزینه فرصت از دست رفته، احتمالا به کیفیت و کمیت پرسنل ناظر و هر گونه مزایای ایجاد شده توسط استفاده های دیگر آن وابسته است. نهایتا، ناظران باید هنگامیکه حسابرسان خارجی مورد استفاده قرار می گیرند، هزینه های اعتباری مربوط به احتمال عدم موفقیت در نظارت را ارزیابی نماید. ممکن است، حسابرسان خارجی، مستعد عملکرد به نفع بانکداران به منظور حفظ قراردادهای حسابرسی آینده، عمل کنند. لذا، هر چه ریسک بدست آوردن، بالاتر باشد، ریسک شکست های نظارت، بالاتر است. در این زمینه، نظریه اقتصادی تاکید دارد، زمانیکه شکست های بازار، محتمل هستند، نمایندگان خصوصی ممکن است دچار کمبود انگیزه برای نظارت بانک ها باشند.
با فرض این تاملات، سیاستگذاران چطور می توانند به طور بهینه، یک چارچوب نظارت را طراحی نمایند؟ در آنچه در ادامه می آید، یک چاچوب نظری ساده را ارائه می دهیم که طرفداران و مخالفان مشارکت حسابرسان خارجی در نظارت بخش بانکداری را مورد تاکید قرار می دهد.

2.1 بازیگران: سیاستگذاران، ناظران، بانک ها و حسابرسان
برپایی این مدل، مبتنی بر چارچوب نمایندگی سلسله مراتبی سه لایه در اثر کوفمن و لاوار (1993) است. در این مدل، یک سیاستگذار خیراندیش، مقررات بازی را تنظیم می کند که شامل سه بازیگران می شود: یک ناظر، یک بانکدار و یک حسابرس خارجی. ناظر، قصد دارد، رفاه اجتماعی را به حداکثر برساند، که در مدل ما، به معنی به حداکثر رساندن تعداد عملیات های ایمن و سالم (زین پس SSOها ) با توجه به تعداد کل عملیات بانکداری است. طبق معمول، ناظر بانک و بانکدار در یک رابطه کارگزار – کارفرمای کلاسیک مشغول هستند: بانکدار دارای اطلاعات خصوصی در زمینه بازده عملیات بانکداری است و ناظر دارای کمبود وقت یا دانش مشاهده کامل این بازده است. به این ترتیب، ناظر می تواند یک حسابرس خارجی را استخدام نماید که میتواند اطلاعات اضافی را تامین نماید.
فرض می کنیم، خروجی یک نظارت موثر، تعداد SSOهایی باشد که از طریق ناظر قابل مشاهده و رسیدگی و تایید هستند. این عدد، به دو عامل بستگی دارد که اطلاعات خصوصی بانکدار هستند: تلاش صورت گرفته توسط بانکدار در رعایت مقررات بانکداری که با e بیان می شود و یک مولفه تصادفی که با Q بیان می شود، کیفیت محیطی را بدست می آورد که در آن بانک، کار می کند. این “کیفیت محیطی” به چندین عامل بستگی دارد همانند دور فعالیت تجاری یا کیفیت سهام مشتری بانک پورتفوی مشتری. از اینرو، هنگام مشاهده تعداد SSOها، ناظر نمی تواند استنباط کند آیا تعداد زیادی از عملیاتهای ایمن و سالم، نتیجه یک تلاش بالا توسط بانکدار است یا به خاطر شرایط تجاری مطلوب است که محیط بانکداری را کم خطرتر می کند. این امر به مساله کارگزار – کارفرما کلاسیک بین بانکدار و ناظر منتهی می گردد.

لذا، چارچوب ما فرض می کند، یک طرح پاداش، پیرو رویکرد هویج و چماق استاندارد، بجاست. از یک سو، ناظر، یک سیستم ارزیابی (J یا “هویج”) را تعریف می کند که به بانکدار برای رعایت، پاداش می دهد. میتوان فرض کرد یک ارزیابی نظارت بالاتر، یک اعتبار بهتر را نشان می دهد و ممکن است به پاداش های مالی تبدیل شود. به طور همزمان، ناظر می تواند یک هزینه مجازات را (PB یا “چماق”) در صورت بدرفتاری تحمیل نماید یعنی زمانیکه تعداد پایین SSOها را رعایت می کند. به این ترتیب، متغیر پاداش، متغیر جبری برای بانکدار محسوب می شود که توسط ناظر تعیین می شود. از سوی دیگر، مجازات به تعداد کل SSOها و توانایی ناظر برای استنباط میزان رعایت بانکدار بستگی دارد. به این صورت، این جریمه نظارتی، به پیامد کلی نظارت، مشروط است.
در نهایت، فرض می کنیم، نتیجه حاصل بانکدار نمی تواند به زیر یک سطح حداقل افت پیدا کند که میتواند روی صفر گذاشته شود. یک تفسیر این محدودیت مشارکت (E[PB] > 0)، تعطیلی بانک است: چنانچه رعایت، خیلی هزینه بر باشد – برای مثال در موقعیت هایی که محیط بسیار غیر قابل پیش بینی یا ریسکی است – بانکدار میتواند به سادگی فعالیت خود را متوقف سازد.
از آنجاییکه ناظر نمی تواند تلاش بانکدار را به سادگی از رعایت استنباط نماید، میتواند یک حسابرس خارجی را بکار گیرد که نقشش، تولید گزارشی است که برای ارزیابی رعایت سیاست های پذیرفته شده توسط بانکدار مفید است. بنابراین، حسابرس خارجی میتواند به رهایی از همبخشی عوامل خارجی از تلاش های صورت گرفته توسط بانکدار در تاثیرگذاری بر پیامدهای نظارت و میسر نمودن مقایسه های بین بانکها کمک کند. استخدام یک حسابرس خارجی، شامل هزینه خاصی برای ناظر می شود که با Z بیان می شود.

توسعه شاخص ریسک تغییر مسیر با استفاده از داده های مسیریابی حمل و نقل

Development of a lane change risk index using vehicle trajectory data

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1894

اولین گام برای جمع آوری داده های مسیریابی فردی، شامل موقعیت خودرو و سرعت می باشد. مجموع چهار وسیله نقلیه مجاور که شامل وسایل نقلیه lead (kLe) و lag (kLa) در خط هدف و وسایل نقلیه جلو (kF) و عقب (kR) در خط شروع، بر روی خطر تاثیر می گذارد هنگامی که موضوع وسیله نقلیه (kS) خطوط را تغییر می دهد، همانطور که در شکل 2 نشان داده شده است. مرحله دوم این است تعیین کند که آیا kS در یک وضعیت امن با هر خودرو مجاور می باشد زمانیکه تغییر خطوط در هر مرحله زمانی می باشد. این مطالعه از شاخص فاصله توقف (SDI) بر اساس فاصله ها ی دید متوقف استفاده می کند (SSD ها) دو وسیله نقلیه. 2.5 ثانیه درک و زمان واکنش توصیه شده توسط دستورالعمل طراحی بزرگراه کره (وزارت راه، حمل و نقل و امور دریایی کره ، 2013) در محاسبه SSD ها در این مطالعه استفاده شد.
SDI یک شاخص برای تعیین ریسک تصادف عقب به عقب مبتنی بر SSD می باشد.

که، برای مثال، بر اساس kF و kS در زمان فضای جلویی St (1) در مرحله زمان فعلی (t) مشتق شده است. SSD و SDI می تواند به ترتیب با استفاده از معادله (1) و معادله (2) حاصل شود. یک SDI بزرگتر از ‘0’
نشان دهنده وضعیتی است که kS قادر است تا ایمنی را متوقف کند زمانیکه kF یک توقف ناگهانی می کند. از سوی دیگر، SDI کمتر از 0 نشان دهنده وضعیت خطرناکی است که در آن kS قادر به ایجاد اشتباه مناسب مانور برای جلوگیری از برخورد با kF به دلیل فاصله ناکافی بین دو وسیله نقلیه نیست. بنابراین، این مطالعه تعیین می کند که آیا یک وضعیت داده شده پس از خودور در هر گام زمانی امن است یا نه. در همین حال، فرض می شود که موقعیت فعلی kS در همان خط به عنوان مسیر وسایل نقلیه مسافرت در خط هدف است. پس از آن SDI های ناشی از تعامل بین kS و وسایل نقلیه هدف با استفاده از مثال، فاصله پیشرو (St (3)) و فاصله تاخیری (St (4)) ارزیابی می شوند. این مرحله سوم، بدست آوردن دو شاخص ریسک: سطح تماس خطر (REL) و سطح شدت خطر (RSL) می باشد. مشخصات مداوم SDI ها درتغییر خط ، که نشان دهنده تعاملات بین kS و مجاور وسایل نقلیه است، برای استخراج شاخص های شاخص ها بیشتر تجزیه و تحلیل می شود. REL نشان می دهد چه مدت kS در معرض یک وضعیت خطرناک قرارمی گیرد که می تواند بالقوه منجر به تصادف شود در حالی که تغییر خط می دهد. RSL نشان دهنده شدت تصادف است که ممکن است رخ دهد اگر kS مانور انحرافی مناسبی نداشته باشد. آخرین مرحله استفاده از روش تجزیه و تحلیل درخت خطا (FTA) می باشد.چهار رویداد تعامل با وسایل نقلیه مجاور (kF، kR، kLe، kLa) از لحاظ ایمنی تغییر خط بر مبنای REL و RSL ارزیابی می شود. در نتیجه، شکست تعامل خودرو امن (φ (i)) برای kS و هر وسایل نقلیه مجاور i (1،2،3،4 = i) شمارده می شود. سپس ادغام (φ (i برای برآورد سطح خطر انجام می شود، توسط اندازه گیری احتمالی kS عدم انجام تغییر مسیر ایمنی (Ф (ks)) نشان داده می شود.
2 سطح قرار گرفتن در معرض خطر (REL) و سطح شدت خطر (RSL)
سطح تماس خطر (REL) برای نشان دادن یک وضعیت توسعه داده شد که احتمال وقوع تصادف افزایش می یابد زمانیکه وسیله نقلیه فرد در معرض یک وضعیت خطرناک در زمان تغیر مسیر برای یک دوره نسبتا طولانی قرار گرفته است. REL به عنوان نسبت مدت زمان تغییر خط ناامن (ULCD) برای مدت کل تغییر خط (TLCD) تعریف می شود، که می تواند به صورت یک اقدام احتمالی با مقدار بین صفر و یک بیان شود ، همانطور که در معادله (3 بیان شده است. ULCD با جمع آوری
مراحل زمانی به دست آمده است که SDI کمتر از 0 است.
به عنوان مثال، فرض کنید که دو وسیله نقلیه، A و B، مقدار TLCD 3.2 ثانیه مشابه ای دارند. با این حال، می توان گفت که خودرو B در وضعیت خطرناک تری تغیر مسیر می دهد از وسیله نقلیه A به دلیل ULCD خودرو B طولانی تر است، همانطور که در شکل 3 نشان داده شده است. در این مثال، REL وسیله نقلیه A 0.44 است، در حالی که REL خودرو B 0.94 است.
سطح شدت خطر (RSL) برای نشان دادن یک وضعیت توسعه داده شد که سرعت برخورد با نسبت بالاتری منجربه افزایش در شدت تصادف می شود هنگامی که سرعت وسیله نقلیه شخص بیشتر از سرعت وسیله نقلیه جلو، مقدار مطلق SDI بزرگتر در پروفایل می شود که SDI کمتر از 0 است. بنابراین، ارزش مطلق SDI می تواند شدت بالقوه تصادف را نشان دهد. RSL به عنوان نسبت حداکثر مشاهده شده SDI(SDIMAX
obs ) در طول TLCD برای حداکثر تئوری SDI (SDIcri)، که می تواند به عنوان اقدام احتمالی با مقدار بین صفر و یک بیان شود، همانطور که در معادله (4) بیان شده است. سپس مسئله ای که پیش می آید این است که چگونه باید برای SDIcri آماده شودSDIcri به دست می آید هنگامی که یک وسیله نقلیه شخص با بالاترین سرعت در حال حرکت است. این مطالعه از 180 کیلومتر در ساعت به عنوان بالاترین سرعت استفاده می کند، که به عنوان یک مقدار آستانه برای تشخیص خروجی در طی پردازش داده ها برای بزرگراه های کره استفاده می شود (کیم و همکاران، 2013(.SDIcri به 565 متر می رسد
فرض بر این است که فاصله بین دو تعامل، وسایل نقلیه 0 متر است و سرعت خودرو زیر 180 کیلومتر در ساعت است.
به عنوان مثال، فرض کنید که مقدار اندازه گیری شده SDI obs MAX برای وسیله نقلیه A 198 متر است و برای وسیله نقلیه B 45 متر است، همانطور که در شکل 3 نشان داده شده است. سپس، در نتیجه RSL برای خودرو A و خودرو B به ترتیب 0.35 و 0.08 است. به این معنی است که وسیله نقلیه A پتانسیل بیشتری دارد که در تصادف جدی تر درگیر می شود. مقدار بیشتر برای REL نشان می دهد که مقدار زمان نمایش برای افازایش بالقوه تصادف می باشد. از سوی دیگر، ارزش بالاتر RSL نشان دهنده این است که سطح شدت تصادف مورد انتظار زمانی رخ دادن تصادف را افزایش می دهد.

2.3 تجزیه و تحلیل درخت شکست (FTA)
هدف از این مطالعه ارزیابی اینکه آیا رویداد تغییر مسیر امن است یا خیر، بجای صرفا برآورد احتمال تغیر مسیر باعث تصادف شود. هنگام ارزیابی ایمنی وقایع تغییر مسیر، ما می توانیم به آن از دو دیدگاه متفاوت فکر کنیم. یکی از آنها وضعیتی است که در آن شدت بالا یک بار تصادف رخ می دهد اگر چه احتمال وقوع تصادف کم است. در مقابل اولین وضعیت، وضعیت دیگری است که احتمال وقوع تصادف زیاد است اگر چه شدت کم است. پرسش مطرح شده این است که کدام یک خطرناک تر است ؟’. پاسخ به این سوال ساده نیست، زیرا ما نیاز به هر دو حالت در نظر سنجی در ارزیابی ایمنی همزمان داریم. برای برآورده ساختن این الزام، ما یک روش FTA را اتخاذ کردیم که قادر به ادغام هر دو REL و RSL است.
FTA روشی برای انجام تجزیه و تحلیل ریسک است که به طور گسترده ای در دامنه مهندسی قابلیت اطمینان استفاده می شود. ارزیابی قابلیت اطمینان می تواند برای شناسایی احتمال شکست سیستم در یک مقدار کمی انجام شود. شیوه FTA به طور گسترده ای برای تحلیل رویدادهای پیچیده استفاده می شود که از خطاهای انسانی و عوامل استدلال چندگانه بوجود آمده است. هدف اصلی از FTA شناسایی رابطه بین شکست یک سیستم کل و شکست هر مولفه سیستم است. علاوه بر این، FTA ابزار مفیدی برای شناسایی کمک کننده منجر به شکست توسط نمایش گرافیکی زنجیره ای از رویدادهای مربوطه می باشد. احتمال وقوع شکست هر رویداد می تواند توسط مدل برای ارزیابی عملکرد یک سیستم کامل داده شده گنجانیده شود. اطلاعات بیشتر در مورد FTA می تواند در گاردونی (2017) یافت شود.
این مطالعه تغییر خط را به عنوان سیستمی تعریف می کند که باید براساس ریسک های تصادف تحلیل شود. شکست رویداد به عنوان شکست تعامل ایمنی خودرو بین خودروی فرد و وسایل نقلیه اطراف آن تعریف می شود، که توسط φ (1) نشان داده شده است. شکست تعامل خودرو امن بین وسایل نقلیه مجاور (kF، kR، kLe، kLa) را می توان با φ (1)، φ (2)، φ (3)، و φ (4) به ترتیب مشخص کرد. همانطور که در معادله (5) نشان داده شده است، خطای رویداد (φ (i)) بر اساس ترکیبی از عوامل شکست، از جمله REL و RSL محاسبه می شود. شکست سیستم به عنوان شکست وسیله نقلیه موضوعی تعریف می شود تغییر مسیر ایمنی را انجام دهید و توسط F (ks) مشخص می شود. احتمالی که خودرو موضوعی برای انجام یک تغییر مسیر ایمن انجام می شود، این است که به عنوان شاخص ریسک تغییر مسیر (LCRI) Ф (ks) اشاره می شود،
می توان از طریق ادغام شکست تعامل خودرو امن محاسبه کرد، همانطور که در معادله (6) نشان داده شده است. مقدار کوچکنر از احتمال بدین معنا است که وسیله نقلیه شخصی خطوط یا مسیر را بطورامن تغییر می دهد. شکل 4 نمودار طراحی شده FTA برای این مطالعه برای برآورد احتمال شکست یک تغییر مسیر ایمنی را نشان می دهد.

مدیریت بحران استراتژیک در توریسم: کاربرد مدیریت ریسک یکپارچه در صنعت توریسم کرواسی

Strategic crisis management in tourism: An application of integrated risk management principles to the Croatian tourism industry

چکیده
مدیریت استراتژیک بحران ها و بلایا جزء حیاتی مدیریت توسعه توریسم پایدار می باشد. تحقیقات توریسم معاصر چندین مقاله مفهومی و برنامه آموزشی برای تحقیق در مورد این عنوان مهم ارائه کرده اند و بحث هایی را مطرح کرده اند که در تأکید شدیدی بر رخدادهای 11 سپتامبر دارد. . امروزه این عنوان اهمیت بیشتری نسبت به قبل پیدا کرده است، خصوصاً پس از قتل عام ساحلی در Port El Kantaoui و پیشی گرفتن حملات تروریسی در موزه ملی Bardo در تانزانیا در سال 2015. از آن زمان، با رشد دائمی ISIS/ISIL، توریسم متأسفانه به تهدیدی دائمی در سطح جهانی تبدیل شده است. این نورافکن منطقه ای کاربرد اصول مدیریت ریسک یکپارچه (IRM) را در مورد توریسم کرواسی به عنوان ابزار تفکر همه جانبه در مورد در معرض خطر قرار گرفتن در اقتصادی به تصویر می کشد که عمیقاً وابسته به توریسم است. به خصوص این مطالعه روی فاز ارزیابی ریسک تمرکز می کند و نگاشت ریسک اولیه ای برای بررسی و اولویت بندی ریسک های صنعتی توسعه می دهد که می توانند روی توریسم کرواسی بر مبنای فصلی تأثیر بگذارند. 

برای توسعه مدیریت مقصد استراتژیک با هدف کاهش ریسک و تقویت آمادگی در زمانی که وقایع منفی رخ می دهن، Ritchie (2004، 2008) پیشنهاد کرده که بینش خاص توریسم را باتئوری ها / مفاهیم دیگر رشته ها ترکیب کنیم. حتی قبل از آن Manning (1999) به این نکته اشاره کرده که مدیریت ریسک برای مدیریت توسعه توریسم پایدار حیاتی است در حالی که Faulkner (2001)، ارزیابی ریسک را به عنوان یکی از اجزای کلیدی فرایند برنامه ریزی مدیریت حادثه (بلایا) شناسایی و تعریف کرده است.

اهمیت در نظر گرفتن دیدگاهی استراتژیک در مورد در معرض رخدادهای بحرانی بالقوه قرار گرفتن، مخصوصاً روی مقاصدی تأکید دارد که بواسطه بخش بالایی از توریسم در فعالیت اقتصادی کلی توصیف شده اند. با تلاطم سیاسی و اجتماعی که دائماً در بسیاری از مناطق جهان در حال افزایش است، رویکردی همه جانبه و کنشگرا به مدیریت رخدادهای نامطلوب پدیدار شده که پیش نیازهای لازم برای حفظ پایداری (تاب آوری) تویسم و اقتصاد کلی را در بسیاری مقاصد به نمایش می گذارد.

در تأیید این مطلب نورافکن منطقه ای کاربرد فرایند مدیریت ریسک یکپارچه (IRM) را به تصویر می کشد که برای کمک به سیاستگذاری توریسم در کراسی توسعه یافته که هر ساله بیش از پیش در تابستان پذیرای توریست ها در بخش مدیترانه ای اروپا می باشد. با سهمی 4/84 درصدی از توریست بین المللی، کرواسی رکوردی 34/14 میلیون سفری و 61/72 میلیون اقامت توریست را در سال 2015 به خود اختصاص داده است. طبق اظهارات بانک ملی کرواسی، درآمد توریسم در سال 2015 به 96/7 میلیارد یورو (6/7 درصد افزیش) رسیده است که نشانگر سهم 1/18 درصدی GDP کرواسی می باشد. طبق این گزارش، توریسم کرواسی بسیار بین المللی است، در حالی که در همین حین نشانگر پشتیبان قابل توجه اقتصاد کلی کرواسی می باشد. رخدادهای بد اخیر که روی چندین مقصد رقابتی در مدیترانه اثر گذاشته اند، نظیر حملات توریسی تکرار شده در تانزنیا و ترکیه، از یک طرف، و مهاجرت انبوه از سوریه و عراق که روی کل اروپای جنوبی تأثیر گذاشته اند، از سوی دیگر فشار بیشتری به سیاستگذاران توریسم وارد کرده تا رویکردی کنشگرایانه در جهت پیش بینی و متعاقباً مدیریت رخدادهای بحرانی بالقوه اتخاذ کنند.

Abstract

Strategic management of crises and disasters is considered a vital ingredient for managing sustainable tourism development. Contemporary tourism research has so far provided several conceptual articles and agendas for research regarding this important topic, with discussions particularly intensifying after the 9/11 events. Nowadays, this topic is more critical than ever, particularly after the beach massacre in Port El Kantaoui and the preceding terrorist attack at the Bardo National Museum in Tunisia in 2015. Since that time, with the steady rise of ISIS/ISIL, terrorism has, unfortunately, turned into a persisting threat on a global level. This regional spotlight portrays the application of integrated risk management (IRM) principles to the case of Croatian tourism as a means of thinking holistically about the exposure to risks in an economy that is heavily dependent on tourism. In particular, this study focuses on the risk-assessment phase and develops an initial risk map to quantify and prioritize industry risks that may affect Croatian tourism on a season-to-season basis.

To enhance strategic destination management with the goal to reduce risk and boost readiness when negative events occur, Ritchie (2004, 2008) suggests combining tourism-specific insight with theories/concepts from other disciplines. Even earlier, Manning (1999) had already noted that risk management is crucial to the management of sustainable tourism development, while Faulkner (2001), identified risk assessment, in particular, to be one of the key ingredients of the disaster management planning process.

The importance of taking a strategic perspective on the exposure to potential crisis events is particularly emphasized for those destinations which are characterized by high shares of tourism in their overall economic activity. With political and societal turbulence steadily increasing in many regions of the world, a holistic and proactive approach to managing undesirable events thus emerges a necessary prerequisite for maintaining sustainability of both tourism and the overall economy in many destinations.

In line with this, this regional spotlight portrays the application of an integrated risk management (IRM) process which has been developed to assist tourism policymaking in Croatia, which is a popular and fast-growing summer destination in the European Mediterranean. With a share of 84.4% of international tourists, Croatia recorded 14.34 million arrivals and 72.61 million overnights in 2015 (Croatian Bureau of Statistics, 2016). According to the Croatian National Bank, tourism revenues in 2015 amounted to 7.96 billion Euros (7.6% increase), which represents a share of 18.1% of Croatian GDP. Accordingly, Croatian tourism is highly international, while, at the same time, representing a significant pillar of Croatia’s overall economy. Recent unfortunate events that have affected several competitor destinations in the Mediterranean, like the repeated terrorist attacks in Tunisia and Turkey, on the one hand, and the mass migrations from Syria and Iraq which have affected whole Southeast Europe, on the other, put further pressure on tourism policymakers to take a proactive approach towards foreseeing and subsequently managing potential crisis events.

مدیریت بحران استراتژیک در توریسم: کاربرد مدیریت ریسک یکپارچه در صنعت توریسم کرواسی

Strategic crisis management in tourism: An application of integrated risk management principles to the Croatian tourism industry

کاربرد مدیریت زنجیره بحران در زمانبندی پروژه های ساخت و ساز در محیط چند پروژه ای: مطالعه موردی

Application of Critical Chain Management in Construction Projects Schedules in a Multi-Project Environment: a Case Study

Abstract

The aim of this paper is to present the results of a comparative analysis of the application of the critical chain project management and traditional scheduling established according to the critical path method for the programme of the construction of several marinas in north-western Poland. Obtained results are of a significant importance as their possible application by building contractors or investors. Besides, they might be useful for further research connected with the effective management of a set of projects.

1 Introduction

The ability to manage multiple projects in the dynamic and competitive modern economic environment becomes a key competence which may have a significant impact on building a company’s competitive advantage. Most companies in the construction industry operate in a multi-project environment, generating revenue from projects whose implementation is a result of sales activities and obtaining external orders. The subject of managing multiple projects consists in project programmes and portfolios. Projects which are implemented simultaneously yet independently of each other and share the resources necessary for completion create a project portfolio [1]. Achieving synergy and strategic objectives of an enterprise requires here a skilful overcoming of difficulties with regard to the selection of projects, corresponding company strategies, and optimisation of the use of resources by individual projects. While the distinguishing feature of the programmes is the common objective of the group of projects, the achievement of which would not be possible under separate implementation of individual projects. The dominant problems in managing a programme are related to the coordination of individual elements of the schedules with the programme implementation plan [2].

One of the crucial decisions conditioning effective management of multiple projects is to determine an optimisation strategy. The deciding factor as to whether the project portfolio or programme has been designed optimally may be a particular resource, project risk or timeliness. Time is a particular type of resource. It cannot be stored, therefore in the management of individual projects as well as a portfolio of projects a lot of attention is paid to scheduling the undertakings and monitoring their implementation with regard to completion within a specified timeframe [3].

2- Research Objective and Methods

The aim of this article is to present the issue of scheduling construction undertakings implemented in a multiproject environment with the use of the critical chain method. The second objective of the article is to present the results of a comparative analysis of application of the critical chain project management (CCPM) and traditional scheduling established according to the critical path method (CPM) for the programme of the construction of several marinas in the area of north-western Poland. The research questions are: how can the implementation of the theory of constraints through the critical chain method increase the efficiency of scheduling construction undertakings in a multi-project environment.

The adopted research methods included a review of literature and case study, including analysis of contract documentation. As part of the case study, a comparative analysis of the schedules prepared in the traditional method and in line with the assumptions of the critical chain for an investment programme related to the construction of a network of ports and marinas has been carried out.

Relatively few publications have been devoted to date to the issue of multiple projects management in the construction industry. The analyses and studies in this field are related mainly to high technology industries, in particular to the fields focused on the development of new products [4]. Meanwhile, dynamic changes strengthening the multi-project phenomenon have been taking place in the economic environment of enterprises for a long time now. An individual approach and focus on client’s needs as well as the pressure of capital markets on creating the enterprise’s values implicate the need to increase operational efficiency, achieved mainly through the reduction of costs and the increase of effectiveness of resources use [5].

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در طی تلاش ها به منظور رسیدن به ارتباطی قابل‌اطمینان، هدف مدیران، جامعه رهبران محلی بود تا بتوانند به راحتی مسیر تخلیه تا پناهگاه تا در اختیار آن‌ها قرار دهند. رهبران محلی این اطلاعات را به پیروان همسایه خود ارسال می‏کنند که آن‌ها هم به نوبه خود، این اطلاعات را به افراد دیگر ارسال می‏کنند. این روند همچنان ادامه دارد تا سیستم بتواند اطلاعات موجود را برای اقدام جمعی در اختیار همه افراد قرار دهد (شکل 2). اگر همسایگان محلی تحت تأثیر سونامی باشند، رهبران محلی هشدار را برای آن‌ها ارسال می کنند.
انتقال سریع اطلاعات مهم از دولت به سیاست‌گذاران و سپس به مدیران و مردم، به طور پیوسته توسط شبکه‌های اجتماعی از جمله توئیتر و شبکه‌های بی‌سیم در میان دستگاه های تلفن همراه (شکل 2) انجام می گیرد. تعامل بین همه ذینفعان، مدیریت بحران را بهبود می بخشد. علاوه بر این، فرآیند بازخورد چند مسیره، اطلاعات زمان واقعی را برای سیستم پشتیبان تصمیم‌گیری به منظور افزایش انعطاف پذیری سیستم می دهد.

3. توزیع اطلاعات سونامی مبتنی بر رهبر، آگاه از اجتماع
شبکه های اجتماعی چارچوب انعطاف پذیر و مقرون به صرفه ای را برای تبادل پیام و انتشار محتوا در میان اعضای یک جامعه محلی تهیه می کند. توانایی استفاده از مسیریابی همتا به همتا و ارتباطات بی‌سیم برای توزیع هشدار سونامی و اطلاعات مربوط به تخلیه در مدیریت بحران بسیار مهم است. بدون تکیه به زیرساخت اختصاصی، انتشار محتوا در نواحی بزرگ جغرافیایی می تواند قابلیت اطمینان را کاهش دهد. چالش مهم توسعه یک رویکرد مقیاس‌پذیر و مقرون به صرفه برای رسیدن به جامعه انتشار محتوا است. برای این منظور ما یک روش رهبری برای توسعه یک اجتماع آگاه را که مبتنی بر انتشار محتوا در شرایط بحران است را ارائه کرده ایم.
ایده اصلی از لحاظ آگاه از اجتماع، انتشار محتوای زیرساخت برای تعیین رهبران منتخب در یک جامعه ی در معرض خطر به عنوان حامل اطلاعات سونامی و مهار قدرت اجتماعی است. این اطلاعات پس از دریافت توسط رهبران، توسط پیروان آن‌ها نیز دریافت می گردد. تحقق این هدف منجر به دو موضوع چالش‌برانگیز می گردد که نیاز به تحلیل دارند.
نخستین مرحله مربوط به چگونگی انتخاب رهبران است، درحالی‌که دومی به دنبال روشی برای انتشار قابل‌اعتماد و مقرون به صرفه اطلاعات است. در ادامه، ما ابتدا انتخاب رهبر را به عنوان فرد حامل اطلاعات مورد بررسی قرار داده ایم. ما سپس پروتکلی مقرون به صرفه و کارا برای انتشار اطلاعات سونامی در بین رهبران و پیروان آن‌ها در موقعیت اضطراری ارائه داده ایم.

شکل 2. معماری GIS-SM-DDSS

3.1. انتخاب رهبر
الزامات اصلی طراحی فرآیند انتخاب رهبر، شامل پوشش محلی همسایه ها و مقیاس‌پذیری است. به منظور دستیابی به جامعه اطلاعاتی مقیاس‌پذیر، پوشش محلی باید بهینه باشد. دستیابی به پوشش محلی مستلزم این است که هر یک از اعضای محلی، که احتمال بیشتری در انتخاب به عنوان رهبر دارد، در مدت زمان کوتاهی اطلاعات سونامی را دریافت می کند. قرار گرفتن در معرض یک حمل اطلاعات، منجر می گردد تا هر رهبر با یکی از اعضای جامعه به عنوان همکار عمل کرده و اطلاعات سونامی را انتقال دهند. این روند تا زمانی که اطلاعات به دست تمام اعضای جامعه‏ی در معرض خطر برسد، ادامه می یابد.
پوشش محلی به خصوص در جوامع بزرگ مسئله ی بسیار مهمی است. از یک طرف، تضمین قرار گرفتن اعضای جامعه در مسیر دریافت اطلاعات هشدار سونامی، نیازمند داشتن تعداد زیادی رهبر برای دستیابی به اطمینان بالا است. داشتن تعداد زیادی رهبر به عنوان عوامل انتقال اطلاعات به همسایه‌ها، تأثیر قابل‌توجهی بر روی هزینه و مقیاس‌پذیری اطلاعات سونامی دارد. برای تحلیل این مسئله و رسیدن به یک تجارت متعادل برای به حداقل رساندن حمل و به حداکثر رساندن پوشش محلی، مفهوم “وابستگی محلی” را به عنوان یک متریک در انتخاب حامل و تدوین مسئله انتخاب معرفی می کنیم. با معرفی این متریک، می‌خواهیم تعداد رد و بدل کردن پیام را کاهش داده و سطح پوشش محلی را به میزان مطلوبی برسانیم.
در ادامه، ما ابتدا مسئله انتخاب حداقل رهبر را به طور رسمی توصیف می کنیم. سپس روشی اکتشافی را برای شناسایی تعداد حداقل حاملان برای افزایش پوشش محلی ارائه می دهیم.

3.1.1. مسئله انتخاب حداقل رهبر
ما همسایگانی، مرکب از M مکان و N رهبر کاندید برای رسیدن به پوشش محلی را بررسی می کنیم. مؤلفه M به یک مکان فیزیکی در محله خطر تعلق دارد. اعضای جامعه شامل رهبران نامزد، این مکان ها را با درجه متنوعی از فرکانس ملاقات می کنند.
بر اساس آنچه در بالا ذکر گردید، مسئله انتخاب حداقل رهبر می تواند به صورت یک گراف دوبخشی بدون جهت G=(V,U,E) مدلسازی گردد. در این گراف، V(|V|=M) و U(|U|=N) و E مجموعه مکان‏ها، مجموعه کاندیدها و مجموعه یال ها بین مکان‏ها و کاندیدها را به ترتیب نشان می دهند. هر یال (u,v,au,v) بین مکان vєV و کاندید uєU با یک احتمال tgreshold است و au,vє(0,1] وزن متعلق به (u,v) را نشان می دهد.
در مدل ما au,v احتمال کاندید u در برابر مکان v را در هر نقطه ای از زمان نشان می دهد. در عمل au,v می تواند به عنوان نرخ کلی زمانی u تا v در طول مدت زمان مشاهده تخمین زده شود. چندین فاکتور می توانند برای محاسبه مکان کاندیدها در هر مکان استفاده شوند که شامل فرکانس ملاقات (تعداد ملاقات)، رهبری، وضعیت جامعه، دانش، اعتماد است. در گراف دوبخشی نشان داده‌شده در شکل 4، وزن به ترتیب با 20، 30، 10، 10، 10، 10 و 10 با مجموع 100 نشان داده‌شده است. این وزن ها می توانند برای محاسبه وابستگی هر رهبر کاندید ui(1=<i=<4) در هر مکان vj(1=<j=<3) استفاده شوند.
برای هر وزن vєV، مجموعه Uv={u:uєU,(u,v,au,v)єE} نشانگر مجموعه کاندیدهایی برای یک مکان v است. برای مثالی که در شکل 3 نشان داده‌شده است، Uv1={u1} و Uv2={u1,u2,u3,u4} و Uv3={u1,u2,u4}. وقتی که هر کاندیدی در Uv ، v را با احتمال au,v ملاقات می کند. سپس با احتمال Pv(Uv) که مکانی هست که به وسیله تمام کاندیدها می تواند محاسبه گردد: Pv(Uv)=1-πuєUv(1-au,v) به گونه ای که Pv(Uv) احتمال حداقل یک کاندید را در Uv را در v نشان می دهد. در ساده ترین مورد شکل 3، Pv1(Uv1)=0.6، Pv2(Uv2)=0.946، Pv3(Uv3)=0.64.

شکل 3. گراف دوبخشی متشکل از مکان، کاندید و وابستگی مکانی
با توجه به نمودار G=(V,U,E)، برای هر زیرمجموعه SєU ، احتمال pv(S) با مکان v که توسط کاندید موجود در S ملاقات می شود، می تواند به وسیله جایگذاری Uv در فرمول بالا با S محاسبه شود. نتیجه می شود که . با توجه به thresholud تعیین‌شده π، اگر زیرمجموعه UleaєU برای هر vєV است به این معنی که مکان ملاقات شده به وسیله کاندید Uled با احتمال pv(Uled)>=π است. بنابراین می توانیم ادعا کنیم که تمام مکان ها به وسیله Uled پوشش داده می شوند.
مجموعه پوشش Uled با احتمال π در هر زمانی و برای هر مکانی vєV تضمین شده است. در نتیجه، غیر رهبران که مکانی را در زمان t ملاقات می کنند، می توانند با رهبر در تماس بوده و محتوا را دریافت کنند. چالش موجود یافتن تغییرات کارا و قابل‌اعتماد است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

جایگزین مدل های پیش بینی پیش فرض مبتنی بر حسابداری مانند مدل های Altman و Ohlson یک مدل پیش بینی مبتنی بر قیمت می باشد که اطلاعات را از بازار بورس گرفته بحران مالی را ارزیابی کنند. با ساخت مدل قیمت گذاری توسط Merton (1974) ، شرکت KMV یک مدل پیش بینی پیش فرض را بنام مدل Merton KMV ایجاد میکند. در محیط شرکت، حقوق صاحبان سهام یک شرکت به عنوان اختیار خرید یا عدم خرید در ارزش اصولی شرکت با قیمت اعتصاب معادل کتاب حسابداری بدهی شرکت مدل سازی شده است. بدلیل اینکه ارزش اصلی شرکت و نوسان آن قابل مشاهده نیستند، این مدل فرض می کند که هر دو مورد از حقوق صاحبان سهام، نوسان بازده سهام و چند متغیر قابل مشاهده دیگر بوسیله حل دو معادله غیر خطی همزمان استنباط شده است. این مدل احتمال پیش فرض به عنوان تابع چگالی تجمعی نرمال یک فاصله محاسبه شده را با توجه به اعتبار اصلی شرکت، نوسان و ارزش دفتر بدهی مشخص می نماید.
مدل های پیش بینی پیش فرض مبتنی بر حسابداری با مدل های مبتنی بر قیمت در فاکتور بحرانی که پیش فرض شرکت را پیش بینی کرده متفاوت می باشد. برخلاف مدل های مبتنی بر قیمت های بازار سرمایه، مدل های حسابداری از آیتم ها در صورت حساب های مالی شرکت استفاده کرده و ممکن است تحت تاثیر مدیریت درآمدهای واقعی قرار گیرند. در یک بازار کارآمد، سرمایه گذاران تاثیرات تغییر درآمد را بی اثر کرده و آنها را در فرایند قیمت گذاری با هم ترکیب می کند. بنابراین مدل استفاده شده در این مطالعه برای تاثیر مدیریت درآمدها در مدل های مبتنی بر حسابداری بجای استفاده از رویکرد قیمت گذاری بازار سرمایه تنظیم می گردد.

2.2 اقدامات مدیریت درآمدهای واقعی
از اقدامات درآمدهای واقعی بمنظور شناسایی شرکت هایی که در تغییر یا عدم تغییر قیمت ها از طریق معاملات واقعی فعال هستند استفاده می گردد. Gunny (2010) 4 نوع مدیریت درآمدهای واقعی را ارائه می دهد: (i) سرمایه گذاری در تحقیق و توسعه؛ (ii) سرمایه گزاری در فروش، مخارج کلی و اداری؛ (iii) کنترل زمان بندی سرمایه طولانی مدت و وضع سرمایه گذاری؛ (iv) افزایش تخفیف جهت تسریع فروش یا تولید جهت کاهش هزینه های تولید در هر واحد تولید. به گفته Roychowdhury (2006) مدیران درآمدها را از طریق دستکاری در فروش، کاهش هزینه های اختیاری یا تولید مازاد افزایش می دهند. با تخفیف ویژه به مشتریان، شرکت ها ممکن است سودهای گزارش شده را افزایش داده اما جریان های نقدی عملیاتی را کاهش دهند. شرکت هایی که مخارج اختیاری را کاهش داده، افزایش در درآمد خالص و درآمدها در هر سهم را تجربه می کنند. شرکت ها ممکن است هزینه کالاهای فروخته شده (COGS) را جهت افزایش درآمد کاهش دهند. همچنین شرکت ها کالاهای مازاد تولید کرده تا هزینه واحد محصولات را برای فروش کاهش دهد زیرا تولید مازاد هزینه های ثابت در هر واحد را کاهش می دهد. Roychowdhury (2006) و Gunny (2010) دریافتند که مدیریت درآمدهای واقعی تاثیر منفی بر عملکرد آینده دارد.
چند مطالعه مدیریت درآمدهای واقعی را در مورد وقایع مشخص شرکت بررسی کرده است. برای مثال Cohen and Zarowin(2010) بر پیشنهادات سرمایه تمرکز seasonمی کنند. مولفان از اقدامات مدیریت درآمدهای فعالیت واقعی پیشنهاد شده توسط Roychowdhury (2006) استفاده کرده که شامل جریان نقدی عملیاتی غیر عادی، هزینه های تولید، هزینه های اختیاری و حاصل مجموع SG& A، R&D و مخارج تبلیغ بوده و سندیت دادن که مدیریت درآمدهای فعالیت واقعی تاثیر منفی بر ارزش شرکت دارند. مدیریت درآمدهای فعالیت واقعی بطور قابل توجهی تعداد گزارش شده را در صورت حساب مالی تغییر داده و اعتبار شرکت را در دوره های حسابداری بعدی به خطر می اندازد.

3. گسترش نظریه
مدل ارزیابی ریسک ارائه شده توسط Altman (1968) خطر اعتباری شرکت را با بکارگیری متغیرهای حسابداری مورد ارزیابی قرار می دهد. بهرحال، ادبیات وجود تغییر حسابداری را تکرار می کند. فرض میکنیم که در نظر گرفتن پیچیدگی های بالقوه قدرت پیش بینی مدل را افزایش می دهد. مدیریت درآمدهای واقعی را برای عملیات، تولید، فعالیت مخارج و تاثیر آن بر مشخصه مدل ارزیابی خطر تنظیم شده مورد بررسی قرار می دهیم. اهمیت هر فاکتور توضیحی را در مدل تنظیم شده و قدرت پیش بینی مدل ارزیابی می کنیم. محتوای اطلاعات گزارش مالی ممکن است پس از کنترل معاملات واقعی برای مدیریت درآمدها را بیشتر یا دقیق تر باشد و مدل ارزیابی ریسک تنظیم شده میتواند در شناسایی بحران های مالی شرکت کارآمد تر باشد. بنابراین فرض میکنیم که مدل ارزیابی ریسک تنظیم شده بهتر مشخص شده و در زمان ترکیب حداقل یکی از تاثیرات مدیریت درآمدها واقعی دارای قدرت پیش بینی بهتر می باشد. فرضیه های زیر را برای گنجاندن تاثیرات جریانات نقدی غیر عادی را با توجه به فعالیت های عملیاتی، هزینه تولید، هزینه اختیاری گسترش می دهیم:
فرضیه 1: مدل ارزیابی ریسک پس از ترکیب جریان نقدی غیر نرمال از فعالیت های عملیاتی دارای قدرت پیش بینی بهتر بوده و بهتر مشخص می شود و مدیریت درآمدها واقعی را نشان می دهند.
فرضیه2: مدل ارزیابی ریسک پس از ترکیب هزینه تولید دارای قدرت پیش بینی بهتر بوده که و مدیریت درآمدها واقعی را نشان می دهند.
فرضیه3: مدل ارزیابی ریسک پس از ترکیب هزینه اختیاری دارای قدرت پیش بینی بهتر بوده که و مدیریت درآمدها واقعی را نشان می دهند.

4. طراحی های تحقیق بمنظور برآورد تاثیر مدیریت درآمدها بر کارایی مدل ارزیابی ریسک
4.1 مدیریت درآمد واقعی
این مطالعه مدیریت درآمدها واقعی توسعه یافته توسط Cohen et al. (2008) and Roychowdhury (2006) را بکار گرفته و سه فرم از تغییرات معاملات واقعی را در تغییرات حساب در نظر می گیرد: تسریع به رسمیت شناختن فروش، گزارش COGS کمتر از طریق تولید افزایش یافته و کاهش در مخارج اختیاری. آنها بطور نسبی بدین صورت تخمین زده می شود.
CFO اشاره به جریان نقدی دارد؛ SALE نشان دهنده سود فروش می باشد؛ به عنوان تغییر در سود فروش تعریف شده است؛ Prod مجموع COGS و تغییر در لیست موجودی در طول سال بوده و شامل مخارج تبلیغ، مخارج R&D و SG&A می باشد و این ضریب برای چنین صنعتی در طول همان سال برای معادله (1) از طریق معادله (3) تخمین زده شده و ضریب تخمین زده شده برای صنعت برای سال t-1 در داده های شرکت i در طول سال t بمنظور مشتق شدن از مقدار مورد انتظار معرفی گردیده است. مقدار غیر عادی را با استفاده از مقادیر واقعی کمتر از مقدار مورد انتظار به عنوان نماینده مدیریت درآمدهای واقعی محاسبه می کنیم. CFO غیر عادی (abCFO) سنجش سرعت تشخیص فروش از طریق تخفیف های افزایش یافته یا اصطلاحات اعتباری ملایم تر می باشد. از هزینه های تولید (AbProdCost) و مخارج اختیاری غیر عادی (AbDiscEXP) بمنظور اندازه گیری وجود مدیریت درآمدها به صورت کاهش هزینه با توجه به هزینه سودهای آینده استفاده می کنیم.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

H1 براساس ادبیات موضوعی ارائه شده سرراست و بی دردسر به نظر می‌رسد. بااین حال، با توجه به H2؛ تایید می‌کنیم که ادبیات موضوعی اخیر و هنوز در حال توسعه با توجه به فرضیات اصلی و ویژگی‌های اقتصادی برآورده شده بیان می‌کنند که رابطه بین ریسک‌های نقدینگی و اعتباری در بانک‌ها ممکن است منفی باشد. این بیان توسط مقاله هایی مانند Wagner (2007)، Cai و Thakor (2008)، Gatev و همکاران (2009)، Acharya و همکاران (2010)، و Acharya و Naqvi (2012) نشان داده شدند. بااین حال، این مقاله‌ها اغلب برروی جنبه خاصی از نقدینگی ( مانند دارایی اصلی یا سپرده)، ویژگی‌های ریسک اعتباری بسیار خاص (مانند تعهدات وام ) یا تنها برروی شرایط اقتصادی بسیار خاص تمرکز می‌کند. باور داریم که در یک مجموعه داده از بانک‌های خرده فروشی با اندازه کوچک و متوسط در مدت زمان شرایط اقتصادی و به همین ترتیب در بحران، باید رابطه مثبتی بین ریسک اعتباری و نقدینگی را ترویج کنند.

2.2 اثرات ریسک نقدینگی و ریسک اعتباری برروی احتمال پیش فرض بانک
از چشم انداز نظری، رابطه بین ریسک‌های نظری و ریسک‌های نقدینگی به وضوح ایجاد شده است. به دنبال آن این سوال پیش می‌آید که: چگونه بانک‌ها تحت تاثیر این رابطه‌ها در ساختار ریسک‌های سراسری قرار می‌گیرند؟ برای بدست آوردن یک فرضیه قابل تست برای این سوال، از ادبیات موضوعی تشریح کننده پیش فرض بانک‌ها استفاده کردیم. بااین همه، همه ریسک‌های نهایی که یک بانک با آن مواجهه است ریسک‌های تجارتی هستند. از طریق درک ریسک‌های بانکی بنابراین باید برروی دلایل پیش فرض بانکی تمرکز کنیم. بخش وسیعی از ادبیات موضوعی تجربی وجود دارد که تاثیر برروی گستره‌ای از فاکتورهای حسابداری=بازار- اقتصاد عمومی برروی PD بانک را تست می‌کنند. مقاله هایی مانند Meyer و Pfifer (1970)، Martin (1977)، Espahbodi (1991)، Thomson (1991, 1992)، Cole و Fenn (1995)، Cole و Gunther (1995)؛ Kolari و همکاران (2002) نشان می‌دهند که ریسک پیش فرض بانکی اساسا از سرمایه گذاری پایین، درآمد کم، دسته خاصی از وام‌های بیش از حد، و پیش فرض وام‌های بیش از حد بدست می‌آید. Aubuchon و Wheelock (2010)، Ng و Roychowdhury (2011)، Cole و white (2012)، Barger و Bouwman (در مطبوعات) و DeYoung و Torna (2013) به طور ویژه‌ای به کار ما مربوط هستند چرا که برروی پیش فرض بانکی در مدت بحران مالی اخیر تمرکز کرده‌اند. به طور کلی آن‌ها دریافته‌اند که سرمایه گذاری بیش از حد برروی فعالیت بانکداری، شرایط بد اقتصاد خرد، در مجاورت بانک‌ها، حقوق صاحبان سهام پایین، و تراکم شدید در وام‌های تجاری املاک و مستغلات به طور قابل توجهی PD بانک‌ها را در طول بحران اخیر افزایش داده است. به طور قابل توجهی، همه این مطالعات شواهد واضحی را براین مبنا ارائه می‌کند که ریسک اعتباری نقش حیاتی را برای شرایط ثبات کلی بانک‌ها بازی می‌کنند، اما عمدتآ از ریسک نقدینگی چشم پوشی می‌کنند. اگر چه این مطالعه، شامل معیار هایی برای نقدینگی است، اغلب برروی نقدینگی دارایی مبتنی بر CAMEL (برای مثال دارایی‌ها کوتاه مدت و بلند مدت) یا بودجه نقدینگی عمومی ( مانند نرخ سپرده کوتاه مدت و بلند مدت) تمرکز می‌کند. ریسک‌های تحولات بالغ، درست مانند روابط بین ریسک‌های نقدینگی و ریسک‌های اعتباری، به طور عمده چشم پوشی می‌شوند.
بینش عمیق‌تر در موضوع تنها توسط دو مقاله ارائه شده است. یک مطالعه تجربی از Acharya و Mora (در مطبوعات) نقش بانک‌ها را به عنوان ارائه دهنده نقدینگی در طول مدت بحران مالی تشریح کرد. در انجام این کار، آن‌ها شواهدی که درآن بانک‌های ورشکست شده در مدت بحران مالی قبلی از کمبود نقدینگی درست قبل از پیش فرض اصلی رنج می‌بردند ارائه دادند. ظاهرآ، بانک‌های تحت فشار با مسائل نقدینگی شدیدی رو برو هستند، به خصوص در مقایسه با بانک‌های سالم. آن‌ها این را با نشان دادن اینکه بانک‌های ورشکست شده یا نزدیک به ورشکستگی از (خرده فروشی) سپرده با ارائه نرخ CD بالا در کمپین بازاراهای تهاجمی می‌ترسند مستند کردند. به طور غیر مستقیم، نتایج آن‌ها به این حقیقت اشاره کرد که وقوع توام ریسک‌های نقدینگی و اعتباری ممکن است بانک‌ها را به سمت پیش فرض هل دهد. کانال مستقیم‌تر از اینکه چگونه نقدینگی و ریسک‌های اعتباری می‌توانند توام با هم منجر به پیش فرض شوند از لحاظ نظری توسط He و Xiong (2012) نشان داده شده است. آن‌ها رابطه بین ریسک‌های نقدینگی و اعتباری را از چشم انداز بودجه بندی شرکت‌های کلی فروش تحلیل کردند. کانالی که آن‌ها شناختند ریسک نقدینگی را به ریسک اعتباری متصل می‌کند و در نهایت ریسک پیش فرض یک ریسک بدهی وامی است. نتایج مقاله نشان می‌دهد که سرمایه گذاران خواستار اجرت نقدینگی بالاتر برای اوراق قرضه شرکت‌ها با توجه به ریسک نقدینگی در بازار برای اوراق قرضه شرکت هستند. بر بدهی وامی شرکت‌ها در بازارهای اوراق قرضه غیر نقدی و به منظور اجتناب از پیش فرض، ارائه دهندگان سهام شرکت‌های صادر کننده باید به تفاوت‌های بین اجرت کاهش نقدینگی در اوراق قرضه بالغ و اجرت نقدینگی بالاتر در یک اوراق قرضه جدیدآ ظاهر شده بپردازند. در نتیجه نیاز به جذب این ضرر و زیان‌ها برای نیمی از صاحبان دیون، ارائه دهندگان حقوق صاحبان سهام ممکن است به پیش فرض قبلی انتخاب شود. یک شوک نقدینگی در بازار بدهی شرکت می‌تواند به نرخ پیش فرض بالاتری منجر شود. اگرچه مدل نشان داده شده شامل کل بدهی شرکت باشد، آن‌ها به طور ویژه‌ای به نتایج خود برای موسسات مالی وابسته‌اند. یافته‌ها He و Xiong (2012) به طور ویژه‌ای به سایه‌ای از پژوهش‌های قبلی نشان دادند که شرکت‌ها، به خصوص نهادهای مالی، بسیار مستعد بدهی‌های کوتاه مدت هستند، که به افزایش تکرار بدهی وامی مرتبط است. جفت شدن این نتایج با یافته‌ها دیگر مطالعات پیش فرض بانکی نشان می‌دهد که ریسک اعتباری برای ثبات بانک‌ها در مدت بحران اخیر تهدید جدی را تحمیل کرده است، که به فرضیه‌های زیر منجر می‌شود.

H3. ریسک نقدینگی و ریسک اعتباری همراه با هم در احتمال پیش فرض بانک سهم دارند.
بر اساس شواهد تجربی و نظری نشان داده شده در بالا، باور داریم که شواهد تجربی برروی ورشکستگی بانک‌ها در مدت زمان بحران اخیر ممکن است پشتیبانی عینی بیشتری برای H3 فراهم کند. جدول 1 نشان می‌دهد که بیشتر تیمی از 254 بانک تجاربی ورشکست شده بین آگوست 2007 و سپتامبر 2010 تحت تاثیر وقوع توام عدم نقدینگی و خسارت وامی بوده‌اند. اگر چه این بااستفاده از منابع متفاوت متعدد، مانند گزارش‌های زیان مادی FDIC و OCC یا مقالات روزنامه‌ها تولید می‌شود، باور داریم که ممکن است نشانه‌ای از وقوع توام ریسک‌های نقدینگی و ریسک اعتباری باشند که ممکن است در ایجاد پیش فرض بانک در مدت زمان بحران مالی اخیر نقشی را بازی کند.

3. داده‌های و آمارهای تو صیفی
3.1 انتخاب نمونه و داده
برای همه ترازنامه‌های بانکی، سود و زیان حساب، و اقلام خارج از ترازنامه از داده گزارش تماس FFIEC به صورت سه ماهه استفاده می‌کنیم، که عموم از طریق بانک فدرال رزرو شیکاگو بدست می‌آید. بانک‌ها در مجموعه داده ما به تنهایی بانک‌های امریکایی یا بانک‌های مستقر در امریکا هستند. ما به طور آگاهانه همه شرکت‌های هلدینگ تبعه‌ بانک‌های بیگانه امریکا یا بانک‌های اجاره‌‌ای را، و یه همین ترتیب همه مراکز صرفه جویی و پولی را برای بدست آوردن نمونه بانکی همگن‌تر از نظر مالکیت و حکومت حذف می‌کنیم. همه بانک‌ها براساس منشور بانک تحلیل می‌شوند نه براساس سطح شرکت هلدینگ بانک . اطلاعات مورد نیاز برروی مالکیت و اجاره بانک از پایگاه داده نظارتی FDIC گرفته شده اند، که عمومآ از وب سایت FDIC قابل دسترسی است. تزار نامه، سود و زیان حساب، و اقلام خارج از تراز نامه برای نمونه‌های فرعی بانک‌های ورشکست شده نیز از داده‌های گزارش تماس سه ماهه به دست می‌آیند، که توسط بانک رزرو فدرال شیکاگو ارائه می‌شود. اطلاعات اضافی، مانند تاریخ ورشکستگی، از طریق لیست بانک‌های ورشکست شده FDIC بدست می‌آید. توجه داشته باشید که ادغام در طول دوره مشاهده شده مانند زمانی رفتار می‌کنند که بانک‌ها در آغاز دوره مشاهده ما ادغام شدند . اطلاعات بیشتر از سه مجموعه داده اضافی جمع‌آوری می‌شود. از پایگاه داده عمومی “FRED” رزرو فدرال سنت لوئیس رسمی برای همه اطلاعات اقتصاد خرد‌ مانند GDP، نرخ بهره و پس اندازه استفاده می‌کنیم. برای تحلیل منطقه‌ای براساس ناحیه FDIC از گزارش‌های بانکداری سه ماهه FDIC استفاده می‌کنیم. نتایج هر سه ماه منتشر می‌شوند و شامل گستره وسیعی از داده‌های مربوط به عملکرد همه بانک‌های بیمه شده FDIC است. جدول 2 تشریحات مختصری از متغیرهای استفاده شده در تحلیل ما را ارائه می‌دهد. همچنین از مجموعه داده در دسترس Allen N. Berger و Christa Bouwman از ارزش‌های نقدی برای بانک‌های تجاربی امریکا در دوره مشاهده استفاده کردیم، این مجموعه داده را می‌توانید از وب سایت شخصی Christa Bouwman دانلود کنید . ما از این داده برای محاسبه معیار ریسک نقدی ثانویه، معیار BB، استفاده می‌کنیم. ترکیبات و محاسبات مجموعه داده در Berger و Bouwman (2009) تشریح شده است. همه متغیرهای توضیحی به طور دقیق در جدول2 تشریح شدند.

3.2 متغیرهای معیار ریسک اعتباری و ریسک نقدینگی
ما از دو متغیر اصلی برای سنجش ریسک استفاده کردیم: یک معیار ریسک نقدی، و دیگری معیار ریسک اعتباری. در راستای اهداف این مطالعه، متغیر معیار نقدینگی ریسک نقدینگی (LR) را بیان کردیم، برای ریسک اعتباری متغییر ریسک اعتباری (CR) را مشاهده کردیم. توجه داشته باشید که در بررسی‌های قوی‌تر ما از معیار BB و نمره Z کلاسیک استفاده می‌کنیم که در جزییات بیشتر بعدها بحث می‌شوند. تشریح هر متغیر همراه با محاسباتش در جدول 3 آمده است.
متغیر ریسک نقدینگی (LR) با منها کردن حجم همه دارایی‌هایی محاسبه می‌شود که بانک می‌تواند سریعآ و در هزینه پایین برای پوشش برداشت کوتاه مدت احتمالی از حجم بدهی‌ها به پول نقد تبدیل کند. همچنین ریسک نقدی خارج از ترازنامه را از طریق تعهدات وامی استفاده نشده را در نظر گرفتیم. معیار LR علاوه براین برای مواجهت با ریسک بانک‌ها برای بازار وام دهی بین بانکی و دارایی کم استاندارد شده است. همه اقلام گنجانده شده در جدول 3 آورده شده‌اند. مقدار نهایی متغیر LR می‌تواند مثبت یا منفی باشد. یک مقدار منفی نشان می‌دهد که بانک نسبت به دارایی کوتاه مدت متعهد است، بانک می‌تواند برداشت‌های کوتاه احتمالی را در طرف بدهی از طریق دارایی‌های نقدی پوشش دهند. کاهش نرخ برابر کاهش در ریسک نقدینگی است. در مقابل، مقدار مثبت نشان می‌دهد که یک بانک برای پوشش برداشت از بدهی کوتاه مدت باید از منابع دیگری استفاده کند. این حاکی از این است که ریسک نقدینگی بسیار بالایی را در مواردی مانند هجوم به بانک نشان می‌دهد. بنابراین، از LR برای در نظرگرفتن ریسک “هجوم به بانک” کلاسیک استفاده می‌کنیم؛ برای مثال ریسک عدم توانایی در برآورده سازی همه تعهدات کوتاه مدت. با بررسی LR ریسک‌های بودجه بندی بلافصلی که یک بانک ممکن است در مورد برداشت نقدینگی ناگهانی یا تضعیف دارایی با آن مواجهه شود را ترکیب می‌کنیم.
متغیر ریسک اعتباری (CR) را با تقسیم میانگین زیان وام خالص (به حساب زیان منظور نمودن وام منهای بازیابی وام ) در سال جاری بر میانگین کمک هزینه زیان وام ثبت شده در سال قبلی محاسبه می‌شود. توجه داشته باشید که از داده‌های سه ماهه استفاده نمی‌کنیم؛ اما از داده‌های سالانه برای اشتقاق استفاده می‌کنیم همانطور که بانک‌ها در بیشتر موارد متغیرهایی را در مدت زمان منتهی به تاریخ ثبت ترازنامه تنظیم می‌کنند، یک الگو در داده ما قابل مشاهده است. معیار توانایی اقتصادی بانک را برای پوشش زیان وام‌های کوتاه مدت آینده شرح می‌دهد.

با در نظر گرفت صورت کسر، مانند مورد Angbazo (1997) است و ارتباط نزدیکی با Dick (2006) دارد کسی که از قلم‌زنی وام برای محاسبات استفاده کرد. نرمال سازی با کمک هزینه زیان وام در سال‌های قبلی باید در یک معیار مناسبتر برای تحلیل ما نتیجه دهد. معیار ما نه تنها ریسک‌های اعتباری کوتاه مدت را، به این دلیل که می‌توانند تغییر کند و یا تحت تاثیر مدیریت کوتاه مدت بانک‌ها قرار گیرد را نشان می‌دهد، بلکه معیار برای زیان غیرمنتظره وام‌ها است: اگر نسبت بالا 1 باشد بانک می‌تواند فرض کند که دارای زیان وام پیش بینی نشده‌ای است. بنابراین، نرخ بالاتر حاکی از ریسک اعتباری بالاتر است. ما این متغیر را به عنوان معیار ریسک اعتباری اصلی انتخاب می‌کنیم چرا که به ما اجازه می‌دهد که مدیریت ریسک وام بانکی را بدست آوریم. ما قادر به مشاهده دقیق اینکه کدام زیان وام پیش بینی می‌شود و اینکه یک بانک بلافاصله با ریسک‌ها(دارایی) با توجه به زیان وام پیش بینی نشده مواجهه می‌شود هستیم .

3.3 آماره‌های توصیفی
ما مجموعه داده از 4046 غیر پیش فرض بانک تجاربی امریکایی را در دوره از 1998:Q1 تا 2010:Q3 تحلیل کردیم. همچنین 254 بانک پیش فرض را در نمونه گنجاندیم اما در دوره 2006:Q1 تا 2010:Q3. در همه تحلیل هایی که ‌بانک‌های ضعیف را حذف می‌کند از دوره زمانی 1998:Q1 تا 2008:Q4 استفاده می‌کنیم، زمانی که شامل بانک پیش فرضی است که از داده از 2006:Q1 تا 2010:Q3 استفاده می‌کند. ما سه دلیل برای این کار داریم. ما دوره بعد از 2008:Q4 را از تحلیل عمومی خود حذف کردیم چرا که مداخلات دولتی مانند برنامه‌های کمک به دارایی‌های مشکل دار (TARP) در پایان سال 2008 معرفی شد و می‌توانست برروی نتایج رابطه بین ریسک نقدی و ریسک اعتباری تاثیر گذارد. ما تنها شامل داده بعد از 2008:Q4 هستیم که قادر به ترکیب تعداد کافی پیش فرض بانک در نمونه داده ما است. تنها چند پیش فرض بانک قبل از 2008 قابل بررسی هستند. بنابراین، ما دوره مشاهده را با تصدیق اینکه مداخله دولت ممکن است اثراتی را بر متغیر القا کنند؛ بسط می‌دهد. دلیل برای شروع در 2006:Q1 این است که زمانی است که شامل پیش‌فرض است که ما تنها 8/4 آخر را برای پیش فرض این بانک‌ها در تحلیل خود برای مشاهده الگوریتم خاص پیش فرض در نظر می‌گیریم. نتایج تشریحی در جدول 4 نشان داده شده‌اند.
جدول نتایجی را برای غیر پیش فرض بانک‌ها از 1998:Q1 تا 2008:Q4 برای مجموعه نمونه‌ها و به همین ترتیب تقسیم به بانک‌های کوچک، متوسط و بزرگ نشان می‌دهد. این طبقه بندی از 25 صدم تا 75 صدم مجموع دارایی این نمونه به عنوان آستانه‌ای در هر سال استفاده می‌کند . جدول 4 نیز آمارهای توصیفی برای ‌بانک‌های ضعیف از 2006:Q1 تا 2010:Q3 و برای ‌بانک‌های قوی برروی همان دوره مقایسه نشان می‌دهد. نتایج برای ‌بانک‌های قوی از 1998:Q1 تا 2008:Q4 میانگین LR را حدود 7.3% و میانگین CR را حدود 11.1% نشان می‌دهد. این حاکی از این است که فرضیه در شرایط مساوی ریسک نقدینگی را ثابت بالا نگه می‌دارد اما ریسک اعتبار را پایین نگه می‌دارد. مقدار LR با اندازه بانک افزایش می‌یابد که به معنی این است که بانک‌های بزرگتر تمایل دارند که در شرایط ریسک نقدینگی یک ساختار ترازنامه شکننده‌تر داشته باشند. مقادیر CR در سراسر همه زیر نمونه‌ها با اندازه‌های متفاوت قابل مقایسه است. در حالی که توزیع در میان بانک‌ها به شدت تحریف شده است، بانک‌های قوی در مجموعه داده ما دارای میانگین اندازه دارایی 1.09 میلیارد دلار امریکا هستند.
بانک‌های قوی در دوره 1998:Q1 تا 2008:Q4 دارای بازگشت.724%، برروی دارایی، یک انحراف معیار بازگشت 0.400% برروی سرمایه، یک بخش نسبتآ کوچک از دارایی مبادله‌ای (0.04%)، وام‌های خصوصی در تجارت استفاده می‌شود و حدودآ 10% مجموع پرتفوی وام برروی کشاورزی و بیش از 60% برروی وام‌های املاک و مستغلات سرمایه گذاری می‌شود. بازگشت بر سرمایه، نسبت دارایی‌های تجاری به کل دارایی ها، و نسبت املاک و مستغلات و وام‌های تجاری به مجموع وام‌ها که با اندازه بانک افزایش می‌یابد هستند. در مقابل، بانک‌های کوچکتر تناسب بزرگتری از وام‌های کشاورزی و خصوصی را به عنوان درصد مجموع پرتفوی وام اعطا می‌کند و نیز کمی کارآمدتر است. ما همچنین مشاهده کردیم که بانک با اندازه کوچک و متوسط هر فعالیت خارج ترازنامه قابل توجه را اجرا نمی‌کند. بانک‌های قوی را در 1998:Q1 تا 2008:Q4 با دوره 2006:Q1 تا 2010:Q3 مقایسه کردیم و مشاهده کردیم که LR به طور قابل توجهی کاهش می‌یابد که این ریسک نقدینگی کمتری را در دوره بعدی نشان می‌دهد. این بسط بزرگی است که با افزایش قابل توجه دارایی‌های نجاری که در معیار LR گنجانده شده است بدست می‌آید. از آنجایی که دارایی‌های تجاری بسیار نقدی هستند می‌توانند به سرعت و با هزینه کم دفع شوند، قدرت در نتایج اوراق بهادار در یک LR پایین‌تر افزایش می‌یابد. در مقابل، معیار CR افزایش در ریسک اعتباری را در طول زمان از 11.1% به 16.6% نشان می‌دهد.
مقایسه بین بانک‌های ضعیف و قوی در دوره 2006:Q1 تا 2010:Q3 تفاوت‌های قابل توجهی را نشان می‌دهد. هردو LR و CR برای بانک‌های ضعیف به طور قابل توجهی بالا هستند، که ریسک نقدینگی و ریسک اعتباری کلی بالاتری را نشان می‌دهد. این روند انتظار می‌رود و در راستای ادبیات موضوعی و یافته‌های روایتی ما در جدول 1 است. متغیرهای باقی مانده در راستای انتظارات عمومی است. ‌بانک‌های ضعیف دارای نرخ سرمایه پایین‌تر، یک بازگشت منفی برروی دارایی با یک انحراف معیار استاندارد به طور قابل توجه بالاتر، کمتر کارا هستند، و دارای رشد وام منفی هستند. علاوه براین، ‌بانک‌های ضعیف کوچکتر هستند و دارای بخش خصوصی، تجاری و کشاورزی کوچکتری هستند اما بخش بسیار بزرگتر وام‌های املاک و مستغلات در مقایسه با ‌بانک‌های قوی را دارا هستند. توجه داشته باشید که ‌بانک‌های ضعیف فعالیت‌های خارج از تراز نامه را اجرا می‌کنند.

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی مقاله:

چکیده
نشرهای تبادلی پیش فرض اعتبار معمولا به عنوان نشانگر اصلی توسعه ارزش اعتبار قلمداد میشود و بنابراین میتوان به وضعیت بالقوه در شرکت ها یا اقتصاد اشاره کرد. از آن جایی که این نشرها، نشانگرهای مفیدی میباشند، شرکت کنندگان در بازار باید به عواملی که براین نشرها تاثیر گذارند توجه کنند. هدف این تحقیق، تحلیل تاثیر شرکت های انتخاب شده و عوامل بازار بر نشرهای تبادلی پیش فرض اعتبار شرکت های مالی انگلستان است. برای شناخت نقش متغیر شرکت های انتخاب شده و عوامل بازار، برگشت(رگرسیون) داده های پنل در دوره قبل از بحران، بحران و پس از بحران به کار گرفته شده است. شرکت کنندگان در بازار مالی یا سیاست گذاران میتوانند از این یافته ها سود ببرند و در خط مشی خود آنها را لحاظ کنند.

1-مقدمه
تبادل پیش فرض اعتبار (CDS) نشانگرهای مفیدی هستند که اغلب توسط شرکت کنندگان بازار برای ارزیابی ارزش اعتبار شرکت به کار میرود. هدف این تحقیق، تحلیل تاثیر شرکت های انتخاب شده و عوامل بازار بر نشرهای CDS شرکت های مالی انگلستان میباشد. برای شناخت نقش متغیر شرکت های انتخاب شده و عوامل بازار، برگشت داده های پنل در دوره قبل از بحران، بحران و پس از بحران به کار گرفته شده است. این تحقیق به شکل زیر میباشد : داده ها در بخش 2 معرفی میشوند، مدل در بخش ارایه میشود، بخش 3و4 به نتایج مربوط میباشند و بخش آخر برای نتیجه گیری از تحقیق است.
2-داده ها
داده های تحقیق از پایگاه داده بلومبرگ به طور ماهانه جمع آوری شده است. نظارت جهانی CDS شامل 19 CDS در مورد قرض های اصلی شرکت های مالی انگلستان است. تمام قراردادهای CDS موجود در رتبه سرمایه گذاری میباشند. تعداد مشاهدات برای هر CDS بنابر تاریخ صدور آن متفاوت میباشد. جدول 1 شامل تمام شرکت های مرجع دخیل میباشند که قرض آن ها با قرارداد CDS و درجه بندی همراه است.در این تحقیق، چندین متغیر توصیفی از تناوب یکسان را به عنوان نشرهای CDS انتخاب کردیم. عوامل شرکت ها براساس مقاله مرتون (1974)، برگشت و فراریت بازار، میزان بدون خطر میباشد. مروری بر تعیین کننده ها، نشانگرها و رابطه مورد انتظار بین تغییرات مورد انتظار در تعیین کننده ها و تغییر در نشر CDS در جدول 2 بیان شده است.
بر اساس گفته های آنارت، آوراموف و کریستی، از برگشت موجودی بعنوان نسبت بدهی به دارایی شرکت استفاده میکنیم. اگر برگشت موجودی مثبت باشد، نسبت بدهی به دارایی افزایش خواهد یافت و منجر به نشر اعتبار کمتر یا برعکس میشود. فراریت دارایی برای هر موجودی از پایگاه داده بلومبرگ به صورت فراریت 30روزه جمع آوری شده است. براساس دانش کلی ، فراریت بالای دارایی باید نشرهای بالاتر اعتبار را منعکس کند، زیرا احتمال پیش فرض بودن را افزایش میدهد. براساس گفته های ژو، نشر پیشنهادی قیمت های CDS را به عنوان میزان سیال بودن در نظر میگیریم. رابطه مثبتی بین تغییر در سیال بودن و تغییرات بعدی نشرهای CDS مورد انتظار است زیرا نشر پیشنهادی کمتر در سیال بودن بیشتر نشان دهنده احتمال کمتر پیش فرض بودن است.

بخشی از مقاله انگلیسی:

Abstract

Credit default swap spreads are often understood as a leading indicator of development of creditworthiness, and therefore it can point out the potential situation in a company or economy. Since these spreads are such a useful indicator, market participants should pay attention to the factors which can have the impact on these spreads. The aim of this contribution is to analyze the influence of selected firm specific and market factors on credit default swap spreads of the UK financial institutions. To capture the changing role of the selected company specific and market factors, the panel data regression with fixed effects is employed in the pre-crisis, crisis and post crisis period. The participants in the financial market or policy makers can benefit from these findings and take them into consideration within their decision.

1. Introduction

The credit default swap (CDS) spreads are useful indicators which are often sought out by market participants for evaluation of company’s creditworthiness. The aim of this contribution is to analyze the influence of selected firm specific and market factors on CDS spreads of the UK financial institutions. To capture the changing role of the selected company specific and market factors during time, the panel regression with fixed effects is employed in the pre-crisis, crisis and post crisis period. The contribution is organized as follows: Data are introduced in a section 2, the model is presented in a section 3, a section 4 is devoted to the results, and a last section concludes the contribution.

2. Data

Data for research were obtained from Bloomberg database on monthly basis. CDS world monitor included 19 CDSs on senior debt of the UK financial entities. All available CDS contracts are of investment grade. The number of observations differs for each CDS depending on date when it was issued. Table 1 presents all included reference entities which debt was underlying for a CDS contract together with ratingIn our research, we included several explanatory variables of same frequency as CDS spreads. The company specific factors are based primarily on the paper by Merton (1974) – leverage, liquidity and equity volatility. Except company specific determinants, market factors are included in our research as well since they are considered to have significant influence – market volatility and return (on the UK and European level), risk-free rate and slope of term structure. The overview of determinants, indicators and expected relationship between an expected change in the determinant and a change in CDS spread is presented in Table 2.Following Annaert et al. (2013), Avramov et al. (2007) or Christie (1982), we use stock return as a proxy for company leverage. If stock returns are positive (negative), leverage will decrease (increase), leading to lower (higher) credit spreads or vice versa. Asset volatility for each stock is obtained from Bloomberg database as historical 30-day volatility. Based on general knowledge, high asset volatility should reflect in higher credit spreads since it increases the probability of default. Inspired by Zhu (2006), Fabozzi et al. (2007), Tang and Yan (2010), Bedendo et al. (2011) or Coro et al. (2013), we consider bid-ask spread of individual CDS prices as a measure of liquidity. The positive relationship is expected between changes in liquidity and in the following changes in CDS spreads, since lower bid-ask spread shows on the higher liquidity that should result in the lower probability of default.

مدل احتمال جدید برای ضمانت کردن مشکل مسیر بحرانی با الگوریتم اکتشافی

A new probability model for insuring critical path problem with heuristic algorithm

Abstract

In order to obtain an adequate description of risk aversion for insuring critical path problem, this paper develops a new class of two-stage minimum risk problems. The first-stage objective function is to minimize the probability of total costs exceeding a predetermined threshold value, while the second-stage objective function is to maximize the insured task durations. For general task duration distributions, we adapt sample average approximation (SAA) method to probability objective function. The resulting SAA problem is a two-stage integer programming model, in which the analytical expression of second-stage value function is unavailable, we cannot solve it by conventional optimization algorithms. To avoid this difficulty, we design a new hybrid algorithm by combining dynamic programming method (DPM) and genotype-phenotype-neighborhood based binary particle swarm optimization (GPN-BPSO), where the DPM is employed to find the critical path in the second-stage programming problem. We conduct some numerical experiments via a critical path problem with 30 nodes and 42 arcs, and discuss the proposed risk averse model and the experimental results obtained by hybrid GPN-BPSO, hybrid genetic algorithm (GA) and hybrid BPSO. The computational results show that hybrid GPN-BPSO achieves the better performance than hybrid GA and hybrid BPSO, and the proposed critical path model is important for risk averse decision makers.

1 Introduction

In a complex project management problem, we often use a directed network graph to describe various tasks and the relationships among the tasks. In this framework, the arcs represent dependent tasks and the arc weights serve as associated task durations. Also, there exists a node 0 representing the start of the project and a node n representing its termination. A project can be considered completed if all its activities have been finished. An important theoretical result is that the minimum time to complete all the activities in the activity network equals to the length of the longest path from the source node to the destination node [1]. Thus, this path, called critical path, represents the sequence of activities, which will take the longest time to complete. Chen et al. [2] developed a polynomial time algorithm to find the critical path and analyzed the float of each arc in a time-constrained activity network. Guerriero and Talarico [3] proposed a general method to find the critical path in a deterministic activity-on-the-arc network, considering three different types of time constraints. Another area of research dealt with the stochastic nature of activity time. For example, Kelley [4,5] and Moehring [6] estimated the probability that a project would be completed by a given deadline if the duration for each activity is not known with certainty; Burt and Garman [7], Bowman [8] and Mitchell and Klastorin [9] treated mass uncertain information by heuristicbased and Monte Carlo simulation-based techniques, and Shen et al. [10] proposed expectation and chance-constrained models for insuring critical path problems and designed decomposition strategies to solve these models

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2.1 کنترل کردن
تابع خزانه داری شرکت ها معمولا یک مرکز هزینه است که توسط خزانه دار اداره می شود که به مامور ارشد مالی (CFO) گزارش می دهد. کمیته مدیریت دارایی ALCO) ) یکی از اعضای اصلی نظارت بر اجرا است که نماینده امور مالی، ریسک، خزانه و خطوط کسب و کار (LoB) است. کمیته ریسک هیئت ،نظارت مستقل بر تمامی ریسک های مادی، از جمله ریسک بازار،ریسک بودجه و نقدینگی، و ریسک سرمایه گذاری را فراهم می کند. در بعضی از بانک ها، نقش ALCO به عنوان کمیته مدیریت ترازنامه BSCO) ) گسترش یافته است ، که مهمترین کمیته ارشد اجرایی برای اتخاذ تصمیم گیری های استراتژیک و تاکتیکی مربوط به سرمایه، اهرم، بودجه، نقدینگی، احاطه سازی و سرمایه گذاری است.

2.2 نظارت مستقل
پیش از GFC، ریسک و حسابرسی داخلی عمدتا بر روی خطرات 1 ستونی بازل متمرکز بود و نظارت محدودی بر خزانه شرکت داشت. مدیریت ریسک و حسابرسی داخلی دارای منابع محدود و همچنین عدم مهارت و دانش فنی مناسب، نظارت مؤثر بر خطرات در خزانه شرکت بود. ریسک بازار در کتاب بانکداری ، سرمایه گذاری و خطر نقدینگی، خطر سرمایه گذاری و خطرات نقدینگی روزانه، ریسک های اصلی برای اکثر بانک ها بشمار می روند و موسسات نیاز به افزایش چارچوب مدیریت ریسک و قابلیت های حسابرسی داخلی برای ایجاد محیط نظارت و کنترل موثر دارند.
پیشنهادات اصلاحات نظارتی به منظور بهبود چارچوب مدیریت ریسک، از جمله افزایش انتظارات کمیته مدیریت ریسک و نقش ماموراصلی ریسک (CRO) در نظارت بر مدیریت ریسک در کل شرکت، سیاست ها و چارچوب سازمان، مورد توجه قرار می گیرد. علاوه بر این، تمرکز فزاینده ای در مدیریت ریسک نمونه در خزانه شرکت و اطمینان از اینکه تمام مدل های کلیدی فهرست بندی شده و تحت استانداردهای توسعه و اعتبار مدل قراربگیرند وجود دارد.
به طور خاص برای ریسک نقدینگی، انتظار می رود عملکرد تابع مدیریت ریسک کفایت و اثربخشی فرایند مدیریت ریسک نقدینگی و تایید بیانیه ریسک اشتغال؛ تأیید مستقل تست فشار- سناریو، مفروضات، روش و نتایج؛ و تصویب طرح بودجه احتمالی را بررسی کند. علاوه بر این، هرگونه فرضیه درون خزانه داری که ممکن است به عنوان یک مدل طبقه بندی شود، باید برطبق استانداردهای توسعه مدل و اعتباربخشی مستقل در چارچوب حاکمیت مدل اعمال شود. برای تأمین بودجه و ریسک نقدینگی، بانک ها تلاش کرده اند تا به روشنی تعریف کنند که کدام پیش فرض ها به عنوان یک مدل طبقه بندی شده اند. به عنوان مثال، روش سپرده عملیاتی برای سپرده عمده فروشی به عنوان یک مدل برای محاسبه LCR (نسبت پوشش نقدینگی) طبقه بندی شده است، در حالی که محاسبه LCR به طور کلی به عنوان یک مدل طبقه بندی نشده است.

2.3 بانکداری جهانی، ملاحظات کلیدی
برای بانک های جهانی، مدل عملیاتی باید تعادل مناسب بین تمرکز و عدم تمرکز و نقش خزانه داری منطقه ای، ایالتی یا قانونی در مقابل خزانه شرکت های بزرگ را در نظر بگیرد . مدل عملیاتی باید نقش ها و مسئولیت های بین خزانه داری شرکت، LoB و اشخاص حقوقی LE) ) را تعریف کند. به طور معمول، بانک ها به وسیله LoB به عنوان لایه مدیریت اولیه ونیز منطقه یا کشور به عنوان لایه ثانویه سازماندهی می شوند. با این حال، با افزایش محدودیت های قانونی بر اساس نهاد قانونی و صلاحیت، خزانه ی شرکت مجاز به بازبینی دیدگاه متمرکز بر LoB آن است.

2.4 تاثیر اصلاحات ساختاری
دستورالعمل اصلاحات ساختاری که شامل جداسازی بانکداری خرده فروشی و تجاری از بانکداری سرمایه گذاری و صدور مجوز بانکداری (که به عنوان یک شرکت فرعی و نه یک شعبه عمل می کند)می باشد، تأثیر قابل توجهی بر مدل عملیاتی خزانه داری خواهد داشت. دستورالعمل اصلاحات ساختاری منجر به یک چشم انداز بانکداری جهانی متلاشی و خرد شده و منجر به سرمایه گذاری، تأمین مالی و نقدینگی می شود که در آن یک بانک جهانی به جای سطح گروه یکپارچه شده نیاز به نگهداری منابع “قفل شده” در یک سطح نهادی و صلاحیت قانونی دارد. بانک همچنین با انتظارات نظارتی و تنظیمی در مورد مدیریت ریسک و مدیریت در سطح LE و همچنین نظارت بیشتر و”سنگین تر” در کشور میزبان روبرو خواهد شد.

2.5 نقش خزانه داری نهاد / کشورقانونی
برای مقابله و سروکار داشتن با این محیط نظارتی جدید، بانک ها مجبور خواهند شد ظرفیت خزانه داری خود را در سطح LE برای هر حوزه قضایی، که توسط LE و یا خزانه دار کشور هدایت می شود ارزیابی کنند. خزانه دار LE به مسئول هیئت مدیره LE و تیم مدیریتی LE پاسخگو خواهد بود و باید قادر باشد به طور مستقل از عملکرد خزانه شرکت، به ویژه در یک سناریوی استرس، کار کند. به عنوان مثال، رگولاتوریا تنظیم کننده کشورمیزبان انتظار دارد که خزانه دار LE برروی دارایی های نقدی با کیفیت بالا (HQLAs) که در یک سطح LE حفظ می شود، کنترل داشته باشد و منافع LE (در برابر شرکت مادر) را در یک سناریوی استرس، اولویت بندی کند. علاوه بر این، تنظیم کننده کشور میزبان انتظار دارد که خزانه دار LE الزامات کفایت سرمایه گذاری LE را قبل از بازگشت درآمد به شرکت مادر در یک کشور و حوزه خارجی ارزیابی کند. علاوه بر برآورده شدن الزامات قانونی کشورمیزبان ، خزانه دار LE نیز مسئول اجرای خزانه داری شرکتی و چارچوب مدیریت ریسک و سیاست های موجود درونLE خواهد بود.

2.6 نقش خزانه داری LoB
خزانه داری LoB باید گزارش های دوگانه به خزانه داری شرکت و مدیریت LoB داشته باشد و مسئول شناسایی و اندازه گیری ریسک بازار در دفتر بانکداری و ریسک نقدینگی درون LoB و همچنین هماهنگی با خزانه شرکت در مدیریت و کاهش ریسک باشد.
علاوه بر این، خزانه داری LoB باید درک قوی از ویژگی های قراردادی و رفتاری مشتریان، محصولات و ابزارهای مالی داشته باشد و به خوبی ازمعیارهای ریسک اصلی خود یعنی منحنی پیش پرداخت در مورد وام یا ریسک بازپرداخت سپرده های دوره ای اگاهی داشته باشد. ایجاد واضح سازی و شفافیت در مورد مالکیت ریسک برای ریسک بازار در دفتربانکداری و ریسک نقدینگی بین خزانه شرکت و LoB ها، و هم تراز کردن چارچوب قیمت گذاری انتقال سرمایه (FTP) با مالکیت ریسک از اهمیت ویژه ای برخوردار است.

2.7 جهانی فکر کنید : یک خزانه داری
به رغم افزایش سرمایه گذاری بانکداری جهانی، هماهنگی جهانی فعالیت های خزانه داری برای تضمین استانداردها و شیوه های سازگار در سراسر عملیات جهانی و استفاده موثر از منابع مالی (سرمایه و نقدینگی) حیاتی خواهد بود. برای مثال، هدر دادن بودجه و ریسک نرخ بهره برای تمام ارزهای اصلی باید توسط خزانه شرکتی به منظور استفاده از شبکه داخلی، و حذف فرصت های داوری داخلی ، هماهنگ شود. به طور مشابه، یک چارچوب FTP جهانی برای تجربه مشتری پایدار و قیمت گذاری برای یک ترکیب جهانی که دارای نقاط مشترک ارتباطی و تعاملات با بانک است، بسیار مهم است.

3. ستون های عملکردی
مدیریت دارایی – بدهی ALM، تامین مالی و FTP و مدیریت نقدشوندگی، مدیریت سرمایه و مدیریت سرمایه گذاری، پایه های اصلی عملکرد خزانه شرکتی در یک بانک است. علاوه بر این، با افزایش تقاضا بطور موازی، خزانه داری شرکتی نقش مهمی در بهینه سازی وثیقه در سراسر بانک خواهد داشت.
قبل از GFC، اکثر بانک ها ستون های عملکردی را به صورت “silo” مدیریت می کردند و در از بین بردن وابستگی ها – به عنوان مثال، تأثیر ریسک اعتباری در مورد ریسک پیش پرداخت شکست خوردند. CCAR / ICAAP2 و الزامات تست های فشارسازمانی شروع به گرفتن برخی از وابستگی های متقابل به عملکرد در سراسر خزانه، مالی و ریسک می کنند. با این وجود، بانک ها یک سفر طولانی در پیش رو دارند، و خزانه داری “سیلو”، اطلاعات ریسک و مالی و معماری فناوری اطلاعات همچنان یک مانع اصلی برای مدیریت ترازنامه یکپارچه بشمار می روند.