Measuring Bank RiskMost existing em

Measuring Bank Risk
Most existing empirical studies investigating the relationship between bank competition
and financial stability at the microeconomic level focus either on credit risk alone, using
some form of credit risk measure such as non-performing loans, or resort to bank risk measures
constructed from balance sheet information, such as a z-score. Bank risk measures
constructed from balance sheet information, however, have the disadvantage that they
do not provide information on actual distress events, or even outright failures of banks.
Our measure of bank risk is comprised from the distress database collected by the Bundesbank.
This dataset contains information on bank-level distress events that range from
weaker incidences such as capital support measures by the deposit insurance schemes to
outright bank defaults (i.e., bank moratoria or takeovers in the banking market which are
classified by supervisors as “distressed mergers”).5 Hence, our measurement of bank risk
directly captures the possibility of banks exiting the market because of distress events.
According to Aspachs, Goodhart, Tsomocos, and Zicchino (2007), the probability of bank
distress events is a much more appealing bank risk statistic because, by covering all types
of risk, it provides a more exhaustive picture of risk borne by the banking system. We
consider two different concepts for defining bank distress: first we construct an indicator for broader bank distress events (Bank Distress),6 as well as one more narrowly defined
indicator for banks exiting the market in a distressed merger or in a moratorium (Bank
Default). In order to give the analyses a forward-looking perspective, we forward bank
distress and bank default events by one year with respect to the explanatory variables.

ผลลัพธ์ (ไทย) 2:

การวัดความเสี่ยงของธนาคาร
ส่วนใหญ่ที่มีอยู่ในการศึกษาเชิงประจักษ์การตรวจสอบความสัมพันธ์ระหว่างการแข่งขันของธนาคาร
และความมั่นคงทางการเงินในระดับจุลภาคมุ่งเน้นทั้งในความเสี่ยงด้านเครดิตเพียงอย่างเดียวโดยใช้
รูปแบบของการวัดความเสี่ยงด้านเครดิตบางอย่างเช่นเงินให้สินเชื่อด้อยคุณภาพหรือรีสอร์ทเพื่อมาตรการความเสี่ยงที่ธนาคาร
สร้างขึ้นมาจากความสมดุล ข้อมูลแผ่นเช่น Z-คะแนน ธนาคารมีความเสี่ยงมาตรการ
สร้างจากข้อมูลงบดุล แต่มีข้อเสียที่ว่าพวกเขา
ไม่ได้ให้ข้อมูลเกี่ยวกับเหตุการณ์ที่เกิดขึ้นจริงความทุกข์หรือแม้กระทั่งความล้มเหลวของธนาคารทันที.
ตัวชี้วัดของความเสี่ยงที่ธนาคารของเราประกอบด้วยความทุกข์จากฐานข้อมูลที่เก็บรวบรวมโดย Bundesbank.
ชุดนี้ มีข้อมูลเกี่ยวกับธนาคารระดับเหตุการณ์ความทุกข์ที่หลากหลายจาก
อุบัติการณ์ที่ปรับตัวลดลงเช่นมาตรการการสนับสนุนเงินทุนจากระบบประกันเงินฝากที่จะ
เริ่มต้นทันทีธนาคาร (เช่น moratoria ธนาคารหรือกิจการในตลาดการธนาคารที่มีการ
จำแนกตามผู้บังคับบัญชาว่า "การควบรวมมีความสุข") 5 ดังนั้นการวัดความเสี่ยงของธนาคาร
โดยตรงจับความเป็นไปได้ของธนาคารออกจากตลาดเพราะจากเหตุการณ์ความทุกข์.
ตาม Aspachs, กู๊ดฮาร์, Tsomocos และ Zicchino (2007) น่าจะเป็นของธนาคาร
เหตุการณ์ความทุกข์เป็นสถิติที่มีความเสี่ยงของธนาคารมากน่าสนใจมากขึ้น เพราะโดยครอบคลุมทุกประเภท
ของความเสี่ยงที่จะให้ภาพที่ครบถ้วนสมบูรณ์มากขึ้นของความเสี่ยงตกเป็นภาระของระบบธนาคาร เรา
พิจารณาสองแนวความคิดที่แตกต่างกันสำหรับการกำหนดความทุกข์ธนาคาร: แรกที่เราสร้างตัวบ่งชี้สำหรับเหตุการณ์ที่เกิดความทุกข์ธนาคารในวงกว้าง (ธนาคารทุกข์), 6 เช่นเดียวกับอีกหนึ่งที่กำหนดไว้อย่างหวุดหวิด
ตัวบ่งชี้สำหรับธนาคารออกจากตลาดในการควบรวมกิจการหรือมีความสุขในการเลื่อนการชำระหนี้ (ธนาคาร
เริ่มต้น ) เพื่อที่จะให้การวิเคราะห์มุมมองที่มองไปข้างหน้าเราไปข้างหน้าธนาคาร
ทุกข์และเหตุการณ์เริ่มต้นธนาคารโดยหนึ่งปีที่เกี่ยวกับตัวแปรอธิบาย

ผลลัพธ์ (ไทย) 3:

วัด
ธนาคารความเสี่ยงที่มีอยู่มากที่สุดการศึกษาเชิงประจักษ์สืบความสัมพันธ์ระหว่างการแข่งขันและความมั่นคงทางการเงินที่ธนาคาร
โฟกัสระดับเศรษฐศาสตร์จุลภาคให้เครดิตความเสี่ยงเพียงอย่างเดียว โดยใช้
แบบฟอร์มบางอย่างของความเสี่ยงด้านเครดิต วัด เช่น ด้อยคุณภาพ หรือ รีสอร์ท ในธนาคารความเสี่ยง
สร้างจากข้อมูลงบดุล เช่นคะแนน . การวัดความเสี่ยงของธนาคาร
สร้างจากข้อมูลงบดุลแต่มีข้อเสียที่พวกเขา
ไม่ได้ให้ข้อมูลเกี่ยวกับเหตุการณ์ทุกข์ที่แท้จริง หรือแม้แต่แชมป์ความล้มเหลวของธนาคาร .
วัดของเราความเสี่ยงของธนาคารประกอบด้วย จากความทุกข์ ฐานข้อมูลที่รวบรวมโดย Bundesbank .
ข้อมูลนี้ประกอบด้วยข้อมูลเกี่ยวกับระดับธนาคารทุกข์ที่ช่วงจาก
เหตุการณ์เหตุการณ์ที่แข็งแกร่ง เช่น สนับสนุนทุนโดยโครงการมาตรการประกันเงินฝากธนาคาร

เริ่มต้นทันที ( เช่น ธนาคาร moratoria หรือครอบครองในตลาดการธนาคารซึ่งจัดโดยผู้บังคับบัญชาเป็น " การควบรวมกิจการ
" ทุกข์ ) . 5 ดังนั้น การวัดของเรา
ธนาคารความเสี่ยงโดยตรงจับโอกาสของธนาคารออกจากตลาดเนื่องจากเหตุการณ์ของความทุกข์
ตาม aspachs กู๊ดฮาร์ต tsomocos , , ,และ zicchino ( 2007 ) , ความน่าจะเป็นของเหตุการณ์ความทุกข์ทรมานธนาคาร
เป็นธนาคารมากน่าสนใจมากขึ้นเพราะความเสี่ยงทางสถิติ โดยครอบคลุมทุกประเภท
ของความเสี่ยง มันให้ภาพที่สมบูรณ์มากขึ้นของความเสี่ยงที่เกิดจากระบบธนาคาร เรา
พิจารณาสองแนวคิดที่แตกต่างกันสำหรับการกำหนดทุกข์ธนาคาร : ครั้งแรกที่เราสร้างเป็นดัชนีตัวหนึ่งที่ถูกความทุกข์ ( ทุกข์ธนาคารธนาคารต่างๆ )6 เป็นอีกตัวบ่งชี้ที่ธนาคารกำหนดอย่างหวุดหวิด
ออกจากตลาดในการควบรวม หรือการยกเลิกหนี้ด้อยคุณภาพ ( ธนาคาร
เริ่มต้น ) เพื่อให้วิเคราะห์มุมมองแตกต่าง เราส่งต่อธนาคาร
ความทุกข์และธนาคารเริ่มต้นเหตุการณ์ 1 ปีเกี่ยวกับตัวแปรอธิบาย .