پیشینه پژوهش سپرده گذاری بانکی

درشلر، ساوو و شنابل[1](2018) پژوهشی را با عنوان “بانکداری سپرده­ها: تحول سررسید[2] بدون ریسک نرخ بهره” انجام داده­اند. تحول سررسید به قرض گرفتن در کوتاه مدت و وام دادن در بلند مدت اطلاق می­شود. داده های این پژوهش مربوط به داده­های تمامی بانک­های تجاری در ایالات متحده در بازه زمانی 2013-1984 می­باشد که به روش رگرسیون OLS تحلیل شده­اند. نتایج حاکی از آنست که برخلاف تصور عموم که تحول سررسید باعث کمینه کردن سود بانک می­شود، این تحول باعث افزایش سود بانک می­شود چرا که از طریق این سازوکار حساسیت نرخ بهره به درآمد و هزینه­های بانک کاهش می­یابد.

اوگونتاده و همکاران[3](2018) پژوهشی را با عنوان “تحلیل آماری دیتاست سپرده­های بانکی” انجام داده­اند. در این پژوهش فعالیت های سپرده گذاری در هر نوع از حساب­های بانکی در بانک­های نیجریه از لحاظ آماری تحلیل شده است. ابزار تحلیلی پژوهش ANOVA و شبیه سازی ترکیه بوده است. نتایج حاکی از آنست که تاثیر متوسط حساب جاری و حساب شرکتی بر بانک مشابه است. تاثیر متوسط انواع مختلف حساب­های پس انداز بر بانک مشابه است. حساب جاری و ححساب شرکتی سپرده بیشتری نسبت به سایر حساب ها جذب می­کنند.

جاکویتز و پوگاچ[4](2018) پژوهشی را با عنوان “مزایای سپرده­گذاری در بانک­های بزرگ” انجام داده­اند. در این پژوهش تفاوت هزینه سپرده گذاری در بین بانک های بزرگ و سایر بانک ها در ایالات متحده بررسی شده است. نتایج این تحقیق حاکی از آنست که در بین سالهای 2008-2007 حق بیمه ریسک پرداخت شده در بانک­های بزرگ 35 درصد کمتر از سایر بانک ها بوده است. این تفاوت باعث حذف تغییرات قانونی در میزان سپرده­گذاری می­شود.

مشتاق و سدیکوئی[5](2017) پژوهشی را با عنوان “تاثیر نرخ بهره بر سپرده­گذاری بانکی: شواهدی از اقتصادهای اسلامی و غیراسلامی” انجام داده­اند. هدف این تحقیق بررسی این موضوع است که آیا فاکتور مذهب تاثیری بر تصمیم افراد مسلمان بر سپرده­گذاری در بانک دارد یا خیر. بدین منظور 23 بانک اسلامی و 23 بانک غیراسلامی در بازه 1999-2014 به روش ARDL تحلیل شده­اند. نتایج حاکی از آنست که در کشورهای اسلامی نرخ بهره هیچگونه تاثیری بر سپرده­های بلند و کوتاه مدت ندارد. اما در کشورهای غیر اسلامی نرخ بهره تاثیر مثبت بر سپرده­گذاری دارد.

استریت، لانگ و پائول[6](2016) پژوهشی را با عنوان “عوامل تعیین کننده نوسانات سپرده­گذاری در سطح بانک” انجام داده­اند. در این پژوهش مروری بر ادبیات موجود در زمینه عوامل موثر بر نوسانات سپرده­گذاری و نیز تجزیه و تحلیل تجربی داده­های 2262 بانک آلمانی در بازه 2015-2003 انجام شده است. با استفاده از ساختار سه ستونه سیستمی نتایج نشان داده است که ماهیت نوسانات سپرده­گذاری و وابستگی عوامل آن از بانکی به بانک دیگر متغیر است. تفاوت­های شناسایی شده بین بانک­های تجاری بزرگ و موسسات خرد(بانک­ها و صندوق­های پس­اندازی) از تفاوت در تنوع مشتریان و سبد تامین مالی ناشی می­شود. این مساله برای عرضه نقدینگی در بازار، سرمایه انسانی بانک و ریسک مالی که به عنوان عوامل تعیین کننده شناخته می شوند نیز صحت دارد.

باپاری، بوهیان و اسلام[7](2016) پژوهشی را با عنوان “کارآیی مدیریت سپرده­گذاری” انجام داده­اند. در این پژوهش کارآیی نسبی مدیریت سپرده­گذاری بین بانک سانالی و بانک پوبالی بنگلادش در بازه 2014-2010 از طریق نقدینگی کل، دارایی­های نقدی کل، سپرده­های کل، دارایی­های کل، دارایی خالص، سود کل، هزینه عملیاتی کل، سپرده­های جاری، سپرده­های پس­اندازی و نرخ­های سپرده­گذاری مختلف مقایسه شده است. ضریب واریاسیون برای اندازه­گیری پایداری سپرده­ها و آزمون F برای نشان دادن تفاوت معنی دار بین مدیریت سپرده دو بانک استفاده شده است. نتایج نشان می­دهد که دو بانک مذکور عملکرد کاملا متفاوتی در مدیریت سپرده­ها داشته و در مدیریت سپرده­های جاری و نسبت سپرده به سرمایه تفاوت معنی­داری نداشته ­اند.

مورو، کورتز و ریتا[1](2015) پژوهشی را با عنوان “استفاده از ارزش چرخه عمر مشتری و شبکه­های عصبی برای ارتقا پیش­بینی­های اشتراک سپرده­گذاری بانکی در کمپین­های بازاریابی تلفنی” انجام داده­اند. در این پژوهش از مفهوم ارزش چرخه عمر مشتری در بازاریابی تلفنی برای ارتقا بازده سرمایه­گذاری و سپرده­گذاری بلند مدت در بانک استفاده شده است. نتایج نشان می­دهد استفاده از رویکرد ارزش چرخه عمر مشتری همراه با شبکه­های مصنوعی باعث افزایش توانایی بانک در بدست آوردن اشتراک­های سپرده­گذاری بیشتر می­شود.

کاهن، پنانچی و سوپرنزتی[2](1999) پژوهشی را با عنوان “خوشه بندی نرخ سپرده­گذاری بانک” انجام داده­اند. در این پژوهش یک تئوری مبتنی بر بازخوانی محدود سپرده­گذاران خرد پیشنهاد شده است، بدین صورت که نویسندگان عقیده دارند نرخ بهره سپرده­گذاری حول یک عدد و یا کسر صحیح می­گردد. این تئوری پیش­بینی می­کند که بانک­ها تمایل دارند نرخ­های خود را روی اعداد صحیح تنظیم کنند. این اعداد صحیح با افزایش نرخ بهره عمده و تمرکز بازار سپرده افزایش می یابند. زمانیکه بانک­ها از اعداد غیر صحیح برای نرخ­ها استفاده می­کنند اغلب نرخ­ها با احتمال بیشتری از عدد صحیح قبلی بالاتر خواهند بود.

مکشین و شارپ[3](1985) پژوهشی را با عنوان”تحلیل مقطعی/ سری زمانی عوامل تعیین کننده حاشیه سود سپرده­گذاری/ وامدهی بنک­های تجاری استرالیایی” انجام داده­اند. در این تحقیق براساس تئوری مصون سازی حاشیه سود یک مدل تئوریکی ارائه شده و براساس داده­های مقطعی سری زمانی راستی آزمایی شده است. نتایج نشان دهنده وجود رابطه­ای پایدار و غیرخطی بین حاشیه سود سپرده گذاری/ وامدهی و شاخص­های قدرت بازار، درجه ریسک مطلق و عدم اطمینان نرخ بهره وجود دارد.

[1] Moro, Cortez  & Rita

[2] Kahn, Pennacchi  & Sopranzetti

[3] McShane  & Sharpe

[1] Drechsler, Savov  & Schnabl

[2] maturity transformation

[3] Oguntunde et al.

[4] Jacewitz  & Pogach

[5] Mushtaq  & Siddiqui

[6] Streit, Lange & Paul

[7] Bapari, Bhuiyan and. Islam

Bapari Y., Bhuiyan, A. and. Islam, M.(2016). Efficiency of Deposit Management: A Comparative Analysis between Sonali Bank ltd and Pubali Bank ltd in Pabna Region, Bangladesh. international journal of current research, 8, (10), 40806-40815.

Casu, B., Ferrari, A., Girardone, C., & Wilson, J. O. (2016). Integration, productivity and technological spillovers: Evidence for eurozone banking industries. European Journal of Operational Research, 255(3), 971-983.

Dewald, W. G., & Dreese, G. R. (1970). Bank behavior with respect to deposit variability. The Journal of Finance, 25(4), 869-879.

Dimitrova, D. (2005). The relationship between exchange rates and stock prices: Studied in a multivariate model. Issues in Political Economy, 14(1), 3-9.

Drechsler, I., Savov, A., & Schnabl, P. (2018). Banking on deposits: Maturity transformation without interest rate risk (No. w24582). National Bureau of Economic Research.

Jacewitz, S., & Pogach, J. (2018). Deposit rate advantages at the largest banks. Journal of Financial Services Research, 53(1), 1-35.

Kahn, C., Pennacchi, G., & Sopranzetti, B. (1999). Bank deposit rate clustering: Theory and empirical evidence. The Journal of Finance, 54(6), 2185-2214.

Kaufman, G. G. (1972). Deposit variability and bank size. Journal of Financial and Quantitative Analysis, 7(5), 2087-2096.

Lang, M., Paul G. Schmidt (2016). The early warnings of banking crises: Interaction of broad liquidity and demand deposits. Journal of International Money and Finance, Volume 61, March 2016, Pages 1-29.

McShane, R. W., & Sharpe, I. G. (1985). A time series/cross section analysis of the determinants of Australian trading bank loan/deposit interest margins: 1962–1981. Journal of Banking & Finance, 9(1), 115-136.

Moro, S., Cortez, P., & Rita, P. (2015). Using customer lifetime value and neural networks to improve the prediction of bank deposit subscription in telemarketing campaigns. Neural Computing and Applications, 26(1), 131-139.

Mushtaq, S., & Siddiqui, D. A. (2017). Effect of interest rate on bank deposits: Evidences from Islamic and non-Islamic economies. Future Business Journal, 3(1), 1-8.

Oguntunde, P. E., Okagbue, H. I., Adamu, P. I., Oguntunde, O. A., Oluwatunde, S. J., & Opanuga, A. A. (2018). Statistical analysis of bank deposits dataset. Data in brief, 18, 864-872.

Peruško, T., & Zenzerović, R. (2011). Designing the deposits management model in function of banking activities optimization. Croatian Operational Research Review, 2(1), 112-121.

Shelyuk, А. A. (2013). Research of components of the system of bank deposit management. Journal of Governance and Regulation/Volume, 2(1).

Streit, D., Lange, M., & Paul, S. (2016). Determinants of bank-level deposit volatility: Evidence from the German banking system. Available at SSRN 2862034.

Stiglitz, J., & Greenwald, B. (2003). Towards a new paradigm in monetary economics. Cambridge University Press.