fa تحلیل تأثیر متغیرهای کلان اقتصادی و شاخص‌های مالی منتخب بر پیش‌بینی ارزش در معرض خطر بانک‌ها و مؤسسات مالی: مطالعهٔ موردی بانک سینا و بانک خاورمیانه امور مالی و اداره شرکت‌ها (G3) Corporate Finance and Governance (G3) مطالعه تجربی Empirical Study <div style="text-align: justify;"><span lang="FA" style="color:black"><span style="font-weight:normal">در این پژوهش، با هدف بهبود دقت&nbsp; برآورد ارزش-در-معرض-خطر (</span></span><span dir="LTR" style="color:black"><span style="font-weight:normal">VaR</span></span><span lang="FA" style="color:black"><span style="font-weight:normal">) با سطح اطمینان ۰٫۹۵، عملکرد دو مدل رگرسیون چندکی خطی و نسخه‌ی اصلاح‌شده‌ی آن برای داده‌های بازده روزانه دو بانک سینا و خاورمیانه مورد بررسی قرار گرفته است. برای این منظور، متغیرهای کلان اقتصادی شامل نرخ بهره بین‌بانکی، قیمت دلار و شاخص هم‌وزن بورس به‌عنوان متغیرهای توضیحی در مدل لحاظ شده‌اند. پس از برازش مدل‌ها، نمودارهای </span></span><span dir="LTR" style="color:black"><span style="font-weight:normal">VaR</span></span><span lang="FA" style="color:black"><span style="font-weight:normal"> برای هر بانک ترسیم و رفتار دو مدل در دوره‌های پرنوسان بازار تحلیل شده است. نتایج نشان می‌دهد که مدل اصلاح‌شده در بانک خاورمیانه نوسانات شدیدتری را ثبت کرده و در دوره‌های بحرانی، مقادیر بالاتری از ریسک را نسبت به مدل خطی نشان داده است؛ در حالی‌که در بانک سینا، مدل اصلاح‌شده در بسیاری از دوره‌ها نوسانات ملایم‌تری داشته و همگرایی بیشتری با مدل خطی دارد. ارزیابی آماری با معیار میانگین مربعات خطای پیش‌بینی (</span></span><span dir="LTR" style="color:black"><span style="font-weight:normal">MSPE</span></span><span lang="FA" style="color:black"><span style="font-weight:normal">) نشان می‌دهد که مدل اصلاح‌شده در هر دو بانک عملکرد دقیق‌تری داشته و استفاده از آن در تحلیل ریسک مالی توصیه می‌شود.</span></span></div> <div style="text-align: justify;"><span style="unicode-bidi:embed"><span style="font-weight:normal">This study aims to improve the accuracy of Value-at-Risk (VaR) estimation at the 0.95 confidence level by comparing the performance of linear quantile regression (LQR) and its modified version. Daily return data from Bank Sina and Bank Middle East were analyzed, incorporating macroeconomic variables&mdash;interbank interest rate, exchange rate, and equal-weighted stock index&mdash;as predictors. After estimating both models, VaR charts were plotted to examine their behavior during volatile market periods. The modified model exhibited stronger fluctuations in Bank Middle East, particularly between 2018 and 2022, capturing higher levels of risk compared to the linear model. In contrast, Bank Sina&rsquo;s modified model showed smoother variations and closer alignment with the linear model during several periods, though it responded sharply to structural shifts in 2021. Statistical evaluation using Mean Squared Prediction Error (MSPE) confirmed the superior performance of the modified model in both banks, with significantly lower error values. These findings suggest that the modified quantile regression model not only offers greater statistical reliability but also enhances practical risk assessment capabilities for financial institutions operating in unstable economic environments.</span></span></div> اقتصادسنجی, متغیرهای کلان اقتصادی, ارزش در معرض خطر, رگرسیون چندکی اصلاح شده, سری‌های زمانی مالی 291 321 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-2944-1&slc_lang=fa&sid=1 Somaye Mohebbi سمیه محبی so.mohebbi@znu.ac.ir 100319475328460016067 100319475328460016067 No University of Zanjan دانشگاه زنجان Ali Mohammadian Mosammam علی محمدیان مصمم a.m.mosammam@znu.ac.ir 100319475328460016068 100319475328460016068 Yes University of Zanjan دانشگاه زنجان