Assessing the impact of deposit benchmark interest rate on banking loan dynamics

Cover Page

Cite item

Full Text

Abstract

Deposit benchmark interest rates are a policy implemented by banking regulators to calculate the interest rates offered to depositors, maintaining equitable and competitive rates within the financial industry. It functions as a benchmark for determining the pricing of different banking products, expenses, and financial choices. The benchmark rate will have a direct impact on the amount of money deposited, which in turn will determine the amount of money available for lending.We are motivated to analyze the influence of deposit benchmark interest rates on the dynamics of banking loans. This study examines the issue using a difference equation of banking loans. In this process, the decision on the loan amount in the next period is influenced by both the present loan volume and the information on its marginal profit. An analysis is made of the loan equilibrium point and its stability. We also analyze the bifurcations that arise in the model. To ensure a stable banking loan, it is necessary to set the benchmark rate higher than the flip value and lower than the transcritical bifurcation values. The confirmation of this result is supported by the bifurcation diagram and its associated Lyapunov exponent. Insufficient deposit benchmark interest rates might lead to chaotic dynamics in banking lending. Additionally, a bifurcation diagram with two parameters is also shown. We do numerical sensitivity analysis by examining contour plots of the stability requirements, which vary with the deposit benchmark interest rate and other parameters. In addition, we examine a nonstandard difference approach for the previous model, assess its stability, and make a comparison with the standard model. The outcome of our study can provide valuable insights to the banking regulator in making informed decisions regarding deposit benchmark interest rates, taking into account several other banking factors.

About the authors

Moch. Fandi Ansori

Universitas Diponegoro

Email: mochfandiansori@s.itb.ac.id

Halim Al Jasir

Universitas Diponegoro

Email: mochfandiansori@s.itb.ac.id

Amos Hatoguan Sihombing

Universitas Diponegoro

Email: mochfandiansori@s.itb.ac.id

Syarifullah M.. Putra

Universitas Diponegoro

Email: mochfandiansori@s.itb.ac.id

Devivin Ariana Nurfaizah

Universitas Diponegoro

Email: mochfandiansori@s.itb.ac.id

Elin Nurulita

Universitas Diponegoro

Author for correspondence.
Email: mochfandiansori@s.itb.ac.id

References

  1. Alligood K., Sauer T., Yorke J. Chaos: an introduction to dynamical systems. Springer-Verlag, New York, 1996.
  2. Anderson R. D. J., Ashton J. K., Hudson R. S. The influence of product age on pricing decisions: An examination of bank deposit interest rate setting. Journal of International Financial Markets, Institutions and Money, 31 (2014), 216–230.
  3. Ansori M. F., Ashar N. Y. Analysis of loan benchmark interest rate in banking loan dynamics: bifurcation and sensitivity analysis. Journal of Mathematics and Modeling in Finance, 3:1 (2023), 191–202.
  4. Ansori M. F., Ashar N. Y., Fata H. K. Logistic map-based banking loan dynamics with central bank policies. Journal of Applied Nonlinear Dynamics, 2024 (in press).
  5. Ansori M. F., Sidarto K. A., Sumarti N. Logistic models of deposit and loan between two banks with saving and debt transfer factors. AIP Conference Proceedings, 2192 (2019).
  6. Ansori M. F., Sidarto K. A., Sumarti N. Model of deposit and loan of a bank using spiral optimization algorithm. Journal of the Indonesian Mathematical Society, 25:3 (2019), 292–301.
  7. Ansori M. F., Sumarti N., Sidarto K. A., Gunadi I. An algorithm for simulating the banking network system and its application for analyzing macroprudential policy. Computer Research and Modeling, 13:6 (2021), 1275–1289.
  8. Ansori M. F., Sumarti N., Sidarto K. A., Gunadi I. Analyzing a macroprudential instrument during the COVID-19 pandemic using border collision bifurcation. Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA Rect@, 22:2 (2021), 113–125.
  9. Ansori M. F., Sumarti N., Sidarto K. A., Gunadi I. Dynamics of bank’s balance sheet: a system of deterministic and stochastic differential equations approach. International Journal of Mathematics and Computer Science, 16:3 (2021), 871–884.
  10. Ansori M. F., Theotista G., Febe M. The influence of the amount of premium and membership of IDIC on banking loan procyclicality: a mathematical model. Advances in Dynamical Systems and Applications, 18:2 (2023), 111–123.
  11. Ansori M. F., Theotista G., Winson. Difference equation-based banking loan dynamics with reserve requirement policy. International Journal of Difference Equations, 18:1 (2023), 35–48.
  12. Ashar N. Y., Ansori M. F., Fata H. K. The effects of capital policy on banking loan dynamics: a difference equation approach. International Journal of Difference Equations, 18:1 (2023), 267–279.
  13. Bischi G.-I., Chiarella C., Kopel M., Szidarovszky F. Nonlinear oligopolies: stability and bifurcations. Springer-Verlag, Berlin, 2010.
  14. Brianzoni S., Campisi G. Dynamical analysis of a banking duopoly model with capital regulation and asymmetric costs. Discrete and Continuous Dynamical Systems – Series B, 26:11 (2021), 5807–5825.
  15. Brianzoni S., Campisi G., Colasante A. Nonlinear banking duopoly model with capital regulation: The case of Italy. Chaos, Solitons & Fractals, 160 (2022), 112209.
  16. Fanti L. The dynamics of a banking duopoly with capital regulations. Economic Modelling, 37 (2014), 340–349.
  17. Gunadi I., Harun C. A. Revitalising reserve requirement in banking model: An industrial organisation approach. SEACEN Occasional Papers, 2011, no. 51.
  18. Hannan T. H., Prager R. A. Multimarket bank pricing: An empirical investigation of deposit interest rates. Journal of Economics and Business, 58:3 (2006), 256–272.
  19. Huang Z., Jiang T., Wang Z. On a multiple credit rating migration model with stochastic interest rate. Mathematical Methods in the Applied Sciences, 43 (2020), 7106–7134.
  20. Khan M. S., Samreen M., Ozair M., Hussain T., Elsayed E. M., Gómez-Aguilar J. F. On the qualitative study of a two-trophic plant-herbivore model. Journal of Mathematical Biology, 85:34 (2022), 1–35.
  21. Klein M. A. A theory of the banking firm. Journal of Money, Credit, and Banking, 3 (1971), 205–218.
  22. Koch C. Deposit interest rate ceilings as credit supply shifters: bank level evidence on the effects of regulation q. Journal of Banking & Finance, 61 (2015), 316–326.
  23. Kraft E., Galac T. Deposit interest rates, asset risk and bank failure in Croatia. Journal of Financial Stability, 2:4 (2007), 312–336.
  24. Mickens R. E. Nonstandard finite difference models of differential equations. World Scientific, Singapore, 1994.
  25. Monti M. Deposit, credit and interest rates determination under alternative objective functions. In: Szego G. P., Shell K. (eds.) Mathematical methods in investment and finance. Amsterdam, 1972.
  26. Rosen R. J. Banking market conditions and deposit interest rates. Journal of Banking & Finance, 31:12 (2007), 3862–3884.
  27. Satria D., Harun C., Taruna A. The macro-prudential aspects of loan-to-deposit-ratio-linked reserve requirement. Applied Economics, 48:1 (2016), 24–34.
  28. Shabbir M. S., Din Q., Safeer M., Khan M. A., Ahmad K. A dynamically consistent nonstandard finite difference scheme for a predator–prey model. Advances in Difference Equations, 2019:381 (2019), 1–17.
  29. Sumarti N., Fadhlurrahman A., Widyani H. R., Gunadi I. The dynamical system of the deposit and loan volumes of a commercial bank containing interbank lending and saving factors. Southeast Asian Bulletin of Mathematics, 42 (2018), 757–772.
  30. Uchino T. Bank deposit interest rate pass-through and geographical segmentation in Japanese banking markets. Japan and the World Economy, 30 (2014), 37–51.
  31. Zhu Y. Uncertain fractional differential equations and an interest rate model. Mathematical Methods in the Applied Sciences, 38 (2015), 3359–3368.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».