• صفحه اصلی
  • سرایت تکانه‌های ارزی به بازار مسکن: کاربرد مدل‌های APARCH ،EGARCH و DCC

اشتراک گذاری

آدرس مقاله


کد مقاله : 140402171206125 بازدید : 106 صفحه: 111 - 132

https://doi.org/10.71849/ECO.2025.1206125

نوع مقاله: پژوهشی

سرایت تکانه‌های ارزی به بازار مسکن: کاربرد مدل‌های APARCH ،EGARCH و DCC

محورهای موضوعی : بازار مسکن

مریم السادات میرهادی 1 , محمود محمودزاده 2 * , صالح قویدل دوستکوئی 3 , مهدی فتح آبادی 4

1 - دانشجوی دکتری، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. m.mirhadi133069@gmail.com
2 - دانشیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران (نویسنده مسئول). ma.mahmood@iau.ac.ir
3 - دانشیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. Salleh-mogh@yahoo.com
4 - استادیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. Mehdi-fa88@yahoo.com

تاریخ دریافت : 1404/02/17 تاریخ پذیرش : 1404/06/05 تاریخ انتشار : 1404/08/01

کلید واژه: واژگان کلیدی: نوسان ارزی , قیمت مسکن , همبستگی پویای شرطی , ایران .,

چکیده مقاله :

هدف این مقاله ارزیابی سرایت تکانه­های ارزی بر قیمت مسکن در ایران است . بدین منظور نخست رفتار نوسانات ارزی و قیمت مسکن با استفاده از مدل‌های APARCH و EGARCH مدلسازی و سپس همبستگی شرطی پویای تصادفی بین دو بازار، با استفاده از مدل DCC در دوره زمانی 1400-1372 ارزیابی شد. یافته­ها نشان می‌دهد نوسانات بازار ارز و مسکن نامتقارن بوده و تکانه­های منفی بیش از تکانه­های مثبت بر نوسانات این دو بازار موثرند. افزون بر این نتایج نشان می­دهد همبستگی قوی بین نوسانات دو بازار وجود داشته و پایدار است و نوسانات دوره گذشته نرخ ارز بر نوسانات جاری موثر است حتی میزان اثرگذاری آن بیش از نوسانات ارزی جاری است. بنابراین نوسانات ارزی به شدت به بازار مسکن سرایت می­کند. در این راستا، مدیریت بهینه نوسانات ارزی به همراه اجرای سیاست مالیات بر عایدی سرمایه در بازار مسکن به ثبات قیمت مسکن کمک خواهد کرد.

چکیده انگلیسی:

The purpose of this article is to evaluate the contagion of currency shocks on housing prices in Iran. To this end, the behavior of currency fluctuations and housing prices was first modeled using APARCH and EGARCH models. Subsequently, the dynamic conditional correlation between the two markets was assessed using the DCC model over the period 1993–2021. The findings indicate that fluctuations in both the currency and housing markets are asymmetric, with negative shocks having a greater impact than positive ones. Moreover, the results reveal a strong and stable correlation between exchange rate fluctuations and housing market dynamics. Past currency fluctuations significantly influence current market volatility, with their effect exceeding that of current exchange rate changes. Therefore, currency shocks strongly transmit to the housing market. In this context, optimal management of currency fluctuations, combined with the implementation of capital gains tax policies in the housing sector, can contribute to the stabilization of housing prices.

منابع و مأخذ:

- ابراهیمی، ایلناز، همتی، مریم و زارعی، ژاله (1402). بررسی اثرات نامتقارن نوسانات نرخ ارز بر قیمت مسکن: رهیافت خودرگرسیون با وقفه توزیعی غیرخطی. فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری، ۱۱ (۴۳)، 17-36.
- اکبری، نعمتالله (1396). اقتصاد شهری. چاپ اول، تهران: سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها )سمت) پژوهشکده ی تحقیق و توسعه ی علوم انسانی.
- آل عمران، رویا و آل عمران، سید علی (1402). بررسی تاثیر بی¬ثباتی نرخ ارز بر قیمت مسکن در ایران (رهیافت گارچ نمایی و رگرسیون کوانتایل)، نشریه چشم انداز شهرهای آینده، 4(3)، 14-1.
- امجدی، محمدحسین، شکیبایی، علیرضا و جلایی، سیدعبدالمجید. (1401). تاثیر نرخ ارز، نااطمینانی نرخ ارز و پاندمی کووید بر قیمت مسکن: مطالعه موردی شهر تهران. پژوهش های اقتصادی ایران، 27(92)، 241-213.
- ایزدخواستی، حجت، عرب¬مازار، عباس و احمدی، خلیل (1398). تحلیل عوامل کلان اقتصادی موثر بر شاخص توان پذیری مسکن در مناطق شهری ایران: با تاکید بر نقش دولت. فصلنامه علمی مطالعات اقتصادی کاربردی ایران، 8(29)، 71-41.
- حشمتی سنزیقی، منصور، سعادت، رحمان و ابونوری، اسماعیل (1403). رابطه بین جهش ارزی و جانشینی پول در اقتصاد ایران. فصلنلمه مدل سازی اقتصادی، 4(18)، 44-21.
- حیدری، حسن و احمدزاده، عزیز (1394). تغییرات نرخ ارز و اثر آن بر زنجیره قیمت‌ها در ایران، پژوهشنامه بازرگانی، 19(74)، 38-1.
- زراعتی، منصوره، صوفی مجیدپور، مسعود، محمودزاده، محمود و فتح آبادی، مهدی (1402). آثار نامتقارن بازار سهام بر بازار ارز در ایران : کاربردی از مدل خودهمبستگی پویای شرطی و APARCH. مدل سازی اقتصادی، 62(17)، 58-37.
- سهيلي، کيومرث، فتاحي، شهرام و اويسي، بهمن (1393). بررسي عوامل مؤثر بر نوسانات قيمت مسكن در شهر کرمانشاه. فصلنامه پژوهشهای اقتصادی ايران، 4(-14 پ 2)، 67-41.
- قلي‌زاده، علي اكبر (1398). نظريه قيمت مسكن در ايران (به زبان ساده). چاپ دوم، تهران: نشر نور علم
- عراقی, منصور، خلیلی و رمضانپور، اسماعیل (1380). اهمیت محیط با ثبات اقتصاد کلان. فصلنامه تحقیقات اقتصادی، 36(1)، 28-1.
- صباحی، مانا، اصغرپور، حسین، حقیقت، جعفر، کازرونی، سیدعلیرضا و فلاحی، فیروز (1396). درجه عبور نرخ ارز بر قیمت واردات در ایران با تاکید بر نقش بی ثباتی درآمدهای نفتی (رهیافت غیرخطی). مدلسازی اقتصادی، 11(1 (پیاپی 37))، 77-100.
- مظفري، زانا و منوچهري، صلاح الدين (1402). تأثير بي‌ثباتي نرخ ارز بر شاخص قيمـت مسـكن در ايـران؛ كـاربردي از رهيافـت GMM سري زماني. تحقيقات مالي، 25(3)، 452-433.
- مرکز آمار ایران (1372 تا1400).نتایج آمارگیری از هزینه و درآمد خانوارهای شهری.
- Agnello, L., Castro, V., Hammoudeh, S. & Sousa, R. M. (2017). Spillovers from the oil sector to the housing market cycle. Energy Economics, 61, 209-220.
- Akbari, N. (2017). Urban economics. First edition, Tehran: Organization for Studying and Compiling Humanities Books of Universities (SAMT), Institute for Research and Development of Humanties. (in Persian)
- Al-Omran R. & Al-Omran S. A. (1402). Investigating the effect of exchange rate instability on housing prices in Iran (Exponential GARCH and Quantile Regression Approach). Journal of Future Cities Perspectives, 4(3), 1-14. (in Persian)
- Amjadi, M. H., Shakibaei, A. & Jalaei, A. M. (1401). The impact of exchange rate, exchange rate uncertainty and the Covid pandemic on housing prices: A case study of Tehran. Iranian Economic Research, 27(92), 213-24. (in Persian)
- Asal, M. (2018). Long-run drivers and short-term dynamics of Swedish real house Prices. International Journal of Housing Markets and Analysis, 11(1), 45 -72.
- Bahmani-Oskooee, M., & Wu, T. P. (2018). Housing prices and real effective exchange rates in 18 OECD countries: a bootstrap multivariate panel Granger causality. Economic Analysis and Policy, 60, 119-126.
- Belej, M., Cellmer, R. (2014). The effect of macroeconomic factors on changes in real estate prices -response and interaction. ACTA scientiarum polonorum. Oeconomia, 13(2), 5 -16.
- Conrad, C., karanasos, M. & Zeng N. (2011). Multivariate fractionally integrated APARCH modling of stock market volatility: A multi -country study. Journal of Empirical Finance.
- Diala, A., Kalu, I. & Igwe-Kalu, A. (2017). Effects of exchange rate volatility on low income residential real estate investment returns in Nigeria. Research Journal of Finance and Accounting, 8(6), 8-15.
- Ding, Z., Granger, C. W. J. & Engle, R. (1993). A long memory property of stock market returns and a new model. Journal of Empirical Finance, 1(1), 83–106.
- Eichengreen, B. (2008). The real exchange rate and economic growth. Commission on Growth and Development, Working Paper, No. 4.
- Ebrahimi, I., Hemmati, M. & Zarei, J. (1402). Investigating the asymmetric effects of exchange rate fluctuations on housing prices: Autoregressive approach with nonlinear distribution lag. Quarterly Journal of Urban Economics and Management, 11(43), 17-36. (in Persian)
- Gholizadeh. A., A. (2019). Housing price theory in Iran (in simple language). (2nd edition), Tehran: Noor Alam Publishing. ( in Persian)
- Heydari, H. & Ahmadzadeh, A. (2015). Exchange rate changes and their impact on the price chain in Iran. Journal of Business, 19(74), 1- 38. ( in Persian)
- Heshmati, S., Mansour, S., R. & Abu Nouri, I. (1403). The relationship between exchange rate fluctuations and money substitution in the Iranian economy. Economic Modeling Journal, 4(18), 44-21. (in Persian)
- Iacoviello, M. & Neri, S. (2010). Housing market spillovers: evidence from an estimated DSGE model. American Economic Journal: Macroeconomics, 2(2), 125-164.
- Iraqi, M. K. & Ramadanpour, I. (2002). The importance of a stable macroeconomic environment. Quarterly Journal of Economic Research, 36(1). 1-28. ( in Persian)
- Izadkhasti, H., Arab-Mazar, A. & Ahmadi, K. (2019). Analysis of macroeconomic factors affecting housing affordability index in urban areas of Iran: with emphasis on the role of the government. Iranian Quarterly Journal of Applied Economic Studies, 8(29), 41-71. (in Persian)
- Jack, J.K.A., Okyere, F. & Amoah, E.K.S. (2019). Effects of exchange rate volatility on real estate prices in developing economies, a case of Ghana. Advances in Social Sciences Research Journal (ASSRJ), 6(11), 268 -287.
- Joseph, A.I. (2011). An empirical investigation of the link between exchange rate volatility and trade in Nigeria. Journal of Emerging Trends in Economics and Management Sciences, 2(3), 175-183.
- kousar, A., Jamil Mu. & Azid, T. (2005). Impact of exchange rate volatility on growth and economic performance: A case study of Pakistan (1973 -2003), The Pakistan Development Review, 44( 4), 749-775.
- Latif, N. S. A., Rizwan, K. M., Rozzani, N. & Saleh, S. K. (2020). Factors affecting housing prices in Malaysia: a literature review. International Journal of Asian Social Science, 10(1), 63-67.
- Larry, A., Slaydon, J. & Natarajan, A. (2017). Currency volatility and trade factors driving housing prices in India. Journal of Finance and Accountancy, 26. http://www.aabri.com/copy right.html
- Mesbahi, M., Asgharpour, H., Haghighat, J., Kazeruni, S. A. & Fallahi, F. (2017). The degree of exchange rate pass-through on import prices in Iran with emphasis on the role of oil revenue volatility (nonlinear approach). Economic Modeling, 11(1 (37th issue), 77-100. ( in Persian)
- Mozaffari, Z. & Manouchehri, S. (2014). The effect of exchange rate instability on the housing price index in Iran; An application of the time series GMM approach. Financial Research, 25(3), 433-452. (in persian)
- Nelson , D .B.(1991). Conditional heteroskedasticity in asset return: A New approach. Econometric, 59, 347-370.
- Ogutu, C., Betuel, C. & Pitos, B. (2018). Modeling rate volatility using APARCH models. Journal of the institute engineering, 14(1), 96-105.
- Ondiek, O., Cyprian, P., Nyamuhanga, M. & Antony, G. W. (2018). Modeling USD/KES exchange rate volatility using GARCH models. Journal of Economics Finance, 8(1), 15-26 .
- Salisu, A.A., Rufai, A.A. and Nsonwu, M.C. (2025). Exchange rate and housing affordability in OECD countries. International Journal of Housing Markets and Analysis, 3(18) 668-693. https://doi.org/10.1108/IJHMA-10-2023-0137
- Schnabl, G. (2007). Exchange rate volatility and growth in small open economics at the EMU periphery, European Monetary Union (EMU), 773.
- Soheili, K., Fattahi, S. & Oveisi, B. (2014). Study of factors affecting housing price fluctuations in Kermanshah city. Iranian Quarterly Journal of Economic Research, 4(14-2), 41-67. ( in Persian)
- Statistical Center of Iran. (1993-1997). Results of survey of urban household expenses and income. (in Persian)
- Sumer, L., & Özorhon, B. (2020). The exchange rate effect on housing price index and REIT index return rates. Finansal Araştırmalar ve Çalışmalar Dergisi, 12(22), 249-266.
- Ucal, M. S., & Gőkkent, G. (2009). Macroeconomic factors affecting real estate markets in Turkey: A VAR analysis approach. Briefing Notes in Economics, 80.
- Yamaka, W., Liu, J., Li, M., Maneejuk, P., & Dinh, H. Q. (2022). Analyzing the causality and dependence between exchange rate and real estate prices in Boom-and-Bust markets, Quantile Causality and DCC Copula GARCH Approaches. Axioms, 11(3), 113.
- Zeraati, M., SoufiMajidpour, M., Mahmoudzadeh, M. & Fathabadi, M. (2013). Asymmetric effects of stock market on foreign exchange market in Iran: Application of DDC and APARCH models. Journal of Economic Modeling, 62(17), 37-58. (in Persian)
- Zyang, L. & Zhiqiang, H. (2012). On correlation between RMB exchange rate and real estate price based on financial engineering. Systems Engineering Procedia, 3, 146-152.
متن کامل:


Economic Modeling

sanad.iau.ir/journal/eco

 

img0 

Original Article

Contagion of currency shocks to the housing market; an application of APARCH models, EGARCH and DCC

Maryam Alsadat Mirhadiimg01, Mahmood Mahmoodzadeimg02, Saleh Ghavidelimg03,
 Mehdi Fath Abadiimg04

https://doi.org/10.71849/ECO.2025.1206125

Abstract 

The purpose of this article is to evaluate the contagion of currency shocks on housing prices in Iran. To this end, the behavior of currency fluctuations and housing prices was first modeled using APARCH and EGARCH models. Subsequently, the dynamic conditional correlation between the two markets was assessed using the DCC model over the period 1993–2021. The findings indicate that fluctuations in both the currency and housing markets are asymmetric, with negative shocks having a greater impact than positive ones. Moreover, the results reveal a strong and stable correlation between exchange rate fluctuations and housing market dynamics. Past currency fluctuations significantly influence current market volatility, with their effect exceeding that of current exchange rate changes. Therefore, currency shocks strongly transmit to the housing market. In this context, optimal management of currency fluctuations, combined with the implementation of capital gains tax policies in the housing sector, can contribute to the stabilization of housing prices.

Received:

07/05/2025

 

Accepted:

27/08/2025

 

Keywords:

Currency Fluctuation, Housing  Price, Conditional Dynamic Correlation, Iran

 

JEL Classification:

F31, R31, C22, N65

 

 

 


1. Introduction

Housing plays a fundamental and vital role in human life, fulfilling the basic need for shelter. Beyond this, housing is important in economic, social, and psychological dimensions, serving as a valuable asset that contributes to wealth creation, investment, and even national monetary and financial policies. Changes in housing prices, as an indicator of developments in this sector, can influence individuals’ purchasing power and the decision-making of economic agents.

Since housing prices are affected by numerous factors on both the supply and demand sides, analyzing this market requires consideration of data from diverse economic, social, and cultural domains. The exchange rate is one of the key economic variables impacting various sectors, including housing. Its direct effect arises from its role as a competing asset to housing, while its indirect effect stems from the use of imported inputs in housing production and inflation expectations. The magnitude of these effects varies across countries, depending on economic characteristics, housing sector policies, and market conditions.

Maintaining stability in the exchange rate market can promote stability across economic sectors and influence demographic policies, international trade, urban development, migration patterns, and economic, social, and cultural outcomes. In this context, this study examines the behavior of exchange rate fluctuations and housing prices using appropriate models and evaluates the relationship between the two markets. Understanding this relationship can guide policy measures aimed at strengthening these markets under specific economic conditions.

The structure of the article is as follows: the first part presents the introduction, the second reviews theoretical literature, the third outlines the research method and findings, the fourth presents the empirical results, and the final part provides discussion and conclusions.

 

2. Research method and data

APARCH, EGARCH, and DCC models are employed to examine the behavior of fluctuations in the foreign exchange and housing markets and to analyze the relationship between these two markets. These models allow for the assessment of the asymmetric impact of shocks on exchange rates and housing prices, as well as the dynamic interactions between the two markets. This study uses data from the Central Bank for exchange rates and the Statistics Center for housing prices, covering the period 1993–2021, providing sufficient data for a comprehensive and accurate analysis. The selected models are particularly suitable because APARCH and EGARCH effectively capture and distinguish between positive and negative shocks, while the DCC model enables the dynamic examination of correlations between the two variables over time.

3. Analysis and Discussion:

A comparison of the six-month average trends in housing prices and exchange rates shows that the exchange rate and housing prices have doubled approximately every 3.5 years and 3 years, respectively, indicating that housing prices have increased at a faster rate than the exchange rate. EGARCH estimates reveal that negative shocks have a greater impact on current exchange rate fluctuations than positive shocks. Similarly, the results reflect the asymmetric effect of shocks in the housing market, with negative shocks amplifying price fluctuations more than positive ones. Evidence from the dynamic conditional correlation (DCC) model further indicates a strong correlation between the housing and foreign exchange markets, demonstrating that the housing market responds to exchange rate fluctuations.


4. Conclusion

The use of conditional heteroscedasticity models for time series is justified by their ability to model and predict fluctuations and dependencies over time, helping to identify behavioral patterns of variables and enabling better decision-making in economic contexts. The results indicate that shocks in both markets exhibit asymmetry, and the strong correlation between the foreign exchange and housing markets intensifies during periods of instability. This correlation remains positive throughout the study period, though its strength varies over time. Based on these findings, it is essential to implement policies that stabilize the foreign exchange market; without such measures, confidence in the housing market may decline, reducing activity in this sector, which in turn drives other areas of the economy.

 

Funding

This article is not sponsored.

 

Declaration of competing Interest

There is no conflict of interest.

 

Acknowledgements

We would like to express our sincere gratitude to all those who contributed to the completion of this research. We also extend our appreciation to the authors and experts whose valuable guidance and feedback helped improve the quality of this article.

 

 

[1] * PhD Student, Department of Economics, Fi. C., Islamic Azad University, Firuzkuh, Iran, m.mirhadi133069@gmail.com  

[2] ** Associate Professor, Department of Economics, Fi. C., Islamic Azad University, Firuzkuh, Iran (Corresponding Author), ma.mahmood@iau.ac.ir

[3] + Associate Professor, Department of Economics, Fi. C., Islamic Azad University, Firuzkuh, Iran, Salleh-mogh@yahoo.com

[4] × Assistant Professor, Department of Economics, Fi. C., Islamic Azad University, Firuzkuh, Iran, Mehdi_fa88@yahoo.com

How to Cite: Mirhadi, et al. (2025). Contagion of currency shocks to the housing market; an application of APARCH models, EGARCH and DCC. Economic Modeling, 19(70): …..

پژوهشی

سرایت تکانه‌های ارزی به بازار مسکن:
 کاربرد مدل‌های APARCH ،EGARCH و DCC1

مریم‌السادات میرهادی2، محمود محمودزاده3، صالح قویدل4، مهدی فتح‌آبادی5

 

https://doi.org/10.71849/ECO.2025.1206125

 

تاریخ دریافت:

18/02/1404

تاریخ پذیرش:

05/06/1404

 

واژگان کلیدی: 

نوسان ارزی، قیمت مسکن، همبستگی پویای شرطی، ایران 

طبقه‌بندی JEL:             

F31 ، R31، C22،N65    

چکیده 

هدف این مقاله ارزیابی سرایت تکانه­های ارزی بر قیمت مسکن در ایران است . بدین منظور نخست رفتار نوسانات ارزی و قیمت مسکن با استفاده از مدل‌های APARCH و EGARCH مدلسازی و سپس همبستگی شرطی پویای تصادفی بین دو بازار، با استفاده از مدل DCC در دوره زمانی 1400-1372 ارزیابی شد. یافته­ها نشان می‌دهد نوسانات بازار ارز و مسکن نامتقارن بوده و تکانه­های منفی بیش از تکانه­های مثبت بر نوسانات این دو بازار موثرند. افزون بر این نتایج نشان می­دهد همبستگی قوی بین نوسانات دو بازار وجود داشته و پایدار است و نوسانات دوره گذشته نرخ ارز بر نوسانات جاری موثر است حتی میزان اثرگذاری آن بیش از نوسانات ارزی جاری است. بنابراین نوسانات ارزی به شدت به بازار مسکن سرایت می­کند. در این راستا، مدیریت بهینه نوسانات ارزی به همراه اجرای سیاست مالیات بر عایدی سرمایه در بازار مسکن به ثبات قیمت مسکن کمک خواهد کرد.

 


1.‌ مقدمه 

نیاز به مسکن مفهومی نسبی است که شرایط خاص اقتصادی ـ اجتماعی و اقلیمی در جامعه، تعیین­کننده مفهوم و میزان آن است. بعد مصرفی ـ سرمایه­ای مسکن منعکس­کننده ارزش مسکن در دیدگاه مردم جامعه است. بخش مسکن نقش تعیین­کننده در نوسانات تولید ناخالص داخلی به­علت جذب حجم سرمایه­گذاری بالا، نرخ اشتغال، نرخ رشد اقتصادی و ارتباط با سیستم بانکی ایفا می­کند و این مسئله مبین اهمیت بخش مسکن در اقتصاد است. یکی از زمینه­های پژوهشی در اقتصاد مسکن توجه به قیمت مسکن به­عنوان شاخص تحولات بازار مسکن و پویایی حاکم بر آن است. زیرا تغییرات قیمت مسکن بر رفتار خانوار به جهت ترجیحات پس­انداز، مصرف و روابط حاکم میان فعالان اقتصادی موثر است (ابراهیمی و همکاران،18:1402).

مطالعات متعددی در ارتباط با اثر متغیرهای درون­زا بر قیمت مسکن انجام شده است و در برخی هم به متغیرهای بیرونی به مانند شوک ارزی توجه شده است 6(اوکال و گوکنت2009). نرخ ارز از متغیرهای تاثیرگذار در اقتصاد خرد و کلان است که از مسیرهای گوناگون رفتار متغیرهای اقتصادی، اجتماعی و فرهنگی را تغییر می­دهد. با توجه به اهمیت نرخ ارز و نوسانات آن، پژوهش­های متعددی در این باره انجام شده است. نظر به اینکه هزینه مسکن بخش اعظمی از هزینه های خانوار را تشکیل می‌دهد، (براساس آمارهای مرکز آمار ایران، در کل کشور به1/38 درصد در سال 1401 رسیده است که بالاترین رقم سهم مسکن از سبد هزینه­های خانوارهای شهری ایران در چهار دهه اخیر است)، بنابراین مشکلات و محدودیت­های این بخش می­تواند بر گسترش نارضایتی­های اجتماعی دامن بزند.

براساس اطلاعات بانک مرکزی (دوره1370تا 1399) روند تغییرات قیمت مسکن و نرخ ارز نشان می­دهد که در طول سال­های مذکور در اکثر سال­ها یک روند حرکتی بین نرخ ارز و قیمت مسکن وجود داشته است. در سال 1397 به­علت خروج ایالات متحده آمریکا از برنامه جامع اقدام مشترک برجام، قیمت مسکن رشدی در حدود 108 درصد و نرخ ارز دارای رشدی معادل 150 درصد داشته است. در این سال کشور یکی از بالاترین نرخ­های رشد قیمت مسکن و نرخ ارز را تجربه کرده است واقعیت­های آشکار شده فوق در اقتصاد ایران، این سوال را در ذهن متبادر می­کند که آیا رابطه­ای بین نوسانات این دو متغیر بر قرار است یا خیر. زیرا نوسان نرخ ارز به­صورت مستقیم و غیرمستقیم بر قیمت کالاهای مبادله­ای و غیرمبادله­ای موثر است.

با نوسانات نرخ ارز قیمت کالای مبادله­ای به جهت تجارت و مسئله رقابت پذیری در بازارهای بین­المللی تغییر می‌کند. قیمت کالای غیرمبادله­ای، به­علت ویژگی عدم مبادله در بازارهای بین­المللی، امکان استفاده از نهاده­های وارداتی در تولید بعضی از کالاهای غیرمبادله‌ای و یا به واسطه وجود بازارهای دارایی رقیب، قیمت کالای غیرمبادله‌ای تغییر می­کند. بررسی عوامل موثر برقیمت مسکن از بعد ریشه ای بودن در ساختار اقتصاد و یا وجود فعالیت سوداگرانه اهمیت دارد. زیرا می تواند منجر به تصمیم گیری­ها و سیاست­های متفاوت شود، بنابراین باید مشخص شود که تغییرات شدید قیمت مسکن متاثر از چه عواملی است تا آثار نامطلوب آن کاهش یابد. روش‌های معمول اقتصادسنجی به­خوبی مدل‌های پویا قادر به تخمین و بررسی عوامل موثر بر قیمت مسکن  نیست.

هدف مقاله ارزیابی نوع رابطه بین نوسانات ارزی و قیمت مسکن در ایران است. به همین منظور ازداده‌های 6 ماهه بانک مرکزی و مرکز آمار ایران در دوره 1400-1372 شده است تا نتایج کاربردی مطالعه برای برنامه‌ریزی ارائه شود. بر این اساس سوال اصلی پژوهش  این است که نوسانات ارزی چه تاثیری بر قیمت مسکن در ایران  دارد. ادامه مقاله به­صورت زیر سازماندهی شده است. پس از مقدمه، در بخش دوم ادبیات نظری مرور شده و به دنبال آن در بخش سوم، روش تحقیق و حقایق آشکار شده ارائه شده است. بخش چهارم به نتایج تجربی اختصاص دارد. بخش پایانی مقاله به  بحث و جمع‌بندی می‌پردازد.

 

2. مروری بر ادبیات موضوع

براساس هرم سلسله مراتب نیازهای مازلو، تامین مسکن نیاز اساسی و زیستی بشر است که متضمن برآورد سایر نیازهای انسان نظیر امنیت، روابط اجتماعی و... است. توجه و برآورد نیاز بشر به مسکن، می‌تواند بر رفتار افراد در جامعه تاثیرگذار باشد7 (بلیج و سلمر،2014). اهمیت بخش مسکن فقط به­واسطه برآورد نیاز زیستی و سکونتی آن نیست، بلکه برای پیوند قوی با سایر شاخص­های اقتصادی و بازارها و منبع درآمدی جهت ذخیره ثروت برای آینده نیز است (قلی‌زاده، 46:1398). اثرگذاری بخش مسکن بر سایر بخش­های اقتصادی نتیجه نوسانات قیمت آن است.

تغییر قیمت مسکن به واسطه عملکرد عوامل موثر بر عرضه و تقاضای آن صورت می­گیرد. این عوامل عبارتند: از قیمت زمین ،هزینه ساخت بنا، موقعیت مکانی زمین به جهت نزدیکی به شهر، زیرساخت‌های شهری، عوامل فرهنگی و اجتماعی، کیفیت راه‌ها و جاده‌های دسترسی، قوانین مرتبط با مالیات، شرایط تامین مالی برای خرید مسکن و عدم اطمینان نسبت به آینده جهت برگشت سرمایه بخش مسکن (مظفری و منوچهری ،436:1402). تاثیر نوسانات قیمتی مسکن در اقتصاد کشورها به صورت چشمگیری قابل­توجه است8 (آنجلوو همکاران،2017) و تلقی مسکن به­عنوان کالایی معمولی، ساده­انگارانه است9(یاکویلوو نری،2010).

مسکن کالایی گران­قیمت است که سهم قابل­توجهی از هزینه‌های خانوار را به خود اختصاص می‌دهد (ایزدخواستی و همکاران، 1398) و بخشی از تقاضای آن صرفا به­علت انگیزه حفظ ذخیره ارزش دارایی و تبدیل پس­انداز به سرمایه است (اکبری،42:1396). بنابراین توجه به عوامل موثر بر قیمت مسکن برای سیاستگذاران، سرمایه‌گذاران و مالکان مسکن حائز اهمیت است.

در اواخر دهه 1390 بازار مسکن یکی از بالاترین نرخ‌های رشد خود را تجربه کرده است که نتیجه نوسانات متغیرهای اقتصادی نظیر نرخ ارز، نرخ تورم، درآمد سرانه پایین به واسطه کاهش ارزش پول ملی کشور بوده است. با تقسیم­بندی کالا به دو دسته مبادله ای وغیرمبادله‌ای، مشخص می‌شود که مسکن کالایی غیرمبادله‌ای است .توجه به این تقسیم‌بندی در بررسی‌های اقتصادی اهمیت دارد، زیرا عرضه، تقاضا، تعیین قیمت و تاثیرپذیری از متغیرهای کلان اقتصادی در این تقسیم‌بندی کالایی متفاوت است.

نرخ ارز نسبت قیمت پول خارجی به قیمت پول داخلی است و یکی از عوامل کلان اقتصادی محسوب می­شود که بیانگر شرایط اقتصادی کشور و متغیری برای مقایسه اقتصاد ملی یک کشور با اقتصاد سایر کشورهاست. عرضه ارز در ایران در انحصار دولت و بانک مرکزی است و قیمت آن به مانند هر کالایی در بازار براساس نیروهای عرضه و تقاضا تعیین نمی­شود. بنابراین ذکر این نکته ضروری است که نرخ ارز نشانه‌ای از توان واقعی اقتصاد در ایران نیست، بلکه منعکس­کننده قیمت­های تحمیل شده است (حیدری و احمدزاده،1394). اثرگذاری نرخ ارز بر قیمت کالای مبادله‌ای و غیرمبادله‌ای در قالب مسئله تجارت و موضوع رقابت­پذیری آن در سطح بین­المللی متفاوت است.

ثبات اقتصادی از اهداف اقتصاد کلان در جامعه است که به مفهوم نبود نوسانات بیش از حد در اقتصاد محسوب می­شود بی­ثباتی اقتصادی فضایی ناامن را برای سرمایه‌گذاری فراهم کرده و بر نوع دارایی که عاملان اقتصادی مایل به نگهداری آن هستند تاثیر می‌گذارد (حشمتی سنزیقی و همکاران ،1403)، اثر منفی بر رفاه اقتصادی مردم دارد و باعث می‌شود که دارایی‌های اقتصادی ارزش خود را از دست دهند. چهار شاخص نرخ تورم، کسری بودجه، تغییرات نرخ ارز و رابطه مبادله متغیرهای موثر بر ثبات اقتصادی هستند (خلیلی و رمضانپور؛9:1380). ثبات نرخ ارز در حفظ ارزش پول ملی کشور و شتاب بخشیدن به رشد اقتصادی و افزایش رفاه موثر است (اسچنبل،2007)10 و در مقابل نوسانات ارزی موجب نااطمینانی در معاملات بین­المللی کالاها ،دارایی­ها و عدم پیش­بینی درست در ارتباط با قیمت­های نسبی دارایی­ها در آینده می­شود. 11(کوثر و همکاران، 2005).

ثبات نرخ ارز محیطی امن و بدون ترس را برای فعالان اقتصادی فراهم می­کند که بدون نگرانی نسبت به تغییر هزینه و قیمت کالا و خدمات به فعالیت اقتصادی خود ادامه دهند12(جوزف،2011) نوسانات ارزی در سطح خرد نیز خانوارها را در تصمیم­گیری­های خود برای انتخاب تصمیمات مصرفی و فراغت با تردید روبرو می‌سازد13 (ایشینگرین،2008). نوسانات نرخ ارز به مثابه تغییرات مداوم نرخ ارز است و به­دلیل اثرگذاری بر سایر متغیرهای اقتصادی یکی از مهمترین چالش­های کشورهای کمتر توسعه یافته است (ابراهیمی و همکاران،1402). نوسانات ارزی و بی­ثباتی آن بر بازار دارایی­های واقعی اثرگذار و می­تواند مزایا و بازده مرتبط با سرمایه­گذاری در دارایی­های واقعی را تغییر دهد14(دیالا و همکاران ،2017).

تاثیر نرخ ارز بر بازار مسکن در قالب تغییرات قیمت مسکن از مسیرهای مختلفی انجام می­شود. نوسانات ارزی بر قیمت کالا و خدمات تولید داخل که از نهاده­های وارداتی بهره می­برند، اثرگذار است که بخش مسکن نیز از این مسئله مستثنی نیست 15(جک و همکاران ،2019). ارز و مسکن دو کالای سرمایه‌ای هستند که نوسانات یکی تاثیر گذار بر دیگری است چرا که دو بازار رقیب و جایگزین در بازار دارایی­ها تلقی می شوند16 (لطیف و همکاران ،2020)، زیرا براساس نظریه پورتفوی دارایی­ها بازارهای مالی به هم وابسته و نوسان در یک بازار بر رفتار سایر سرمایه­گذاران در سایر بازارها تاثیر می‌گذارد (زراعتی و همکاران ،1402). ویژگی نقد شوندگی بالا در بازار ارز در مقایسه با نقدشوندگی پایین مسکن و وجود عمل آربیتراژ در بازار دارایی­ها باعث هدایت سرمایه­ها در کوتاه­مدت از بازار مسکن به بازار ارز می‌شود.

سالیسو و همکاران 17(2025) با بهره­گیری از روش خودرگرسیون با وقفه، رابطه پویایی بین توانایی خرید مسکن و نرخ ارز را در 18  کشور برآورد کردند و به این نتیجه رسیدند که در کوتاه مدت افزایش نرخ ارز توانایی خرید مسکن را به­عنوان یک دارایی جایگزین  توجیه می کند ولی در بحران­های مالی و اقتصادی این مسئله صدق نمی‌کند.

برخی از پژوهش­ها سعی کردند اثر نرخ ارز را بر قیمت مسکن ارزیابی کنند. یاماکا و همکاران 18(2022) دریافتند که بین نرخ ارز و قیمت مسکن در دوران و رکود رابطه علی برقرار است که در دوران رونق این رابطه علی قوی­­تر از دوران رکود است. سامر و اوزاهان 19(2020) نشان دادند که نرخ ارز بر نرخ بازدهی سرمایه­گذاری املاک اثرگذار است، ولی بر روی شاخص قیمت مسکن اثر نداشته است. مطالعه اسل20 (2018) مبین این مطلب است که نرخ ارز از جمله مهمترین عوامل تعیین­کننده قیمت مسکن است. بهمنی اسکویی و پائوو21(2018) دریافتند که در کشورهای عضو OECD در بعضی از کشورها تغییرات قیمت مسکن موجب تغییر نرخ ارز و دربقیه کشورها تغییرات نرخ ارز باعث نوسانات قیمت مسکن شده است . 

لاری و همکاران22 (2017) به توضیح تغییرات قیمت مسکن در هند پرداختند و بی­ثباتی و نوسان پول رایج این کشور که متاثر از نوسانات ارزی بود را دلیل تغییرات قیمت مسکن در هند بیان کردند. دیالا و همکاران (2017) نشان دادند که نوسانات نرخ ارز در کنار سایر متغیرهای اقتصادی بر شاخص قیمت مسکن در نیجریه اثرگذار است. نتایج بیانگر آن است که نرخ ارز در کوتاه­مدت اثر مثبت و در بلندمدت اثر منفی بر شاخص قیمت دارد. ژانگ و ژیانگ23 (2012) دریافتند که همبستگی میان نوسانات نرخ ارز و قیمت املاک چین وجود دارد، این همبستگی از نوع ضعیف بین این دو متغیر برقرار است.

مظفری و منوچهری (1402) تاثیر بی­ثباتی نرخ ارز بر شاخص قیمت مسکن در ایران را بررسی کردند و دریافتند که بی­ثباتی نرخ ارز بر شاخص قیمت مسکن تاثیر منفی و معناداری دارد. ابراهیمی و همکاران (1402) در مقاله­ای به بررسی آثار نامتقارن نوسانات نرخ ارز بر قیمت مسکن پرداختند و دریافتند که افزایش ارزش پول ملی کشور در قالب کاهش نرخ ارز باعث کاهش قیمت مسکن و بالعکس است. آل عمران ها (1402) نشان دادند که تاثیر بی­ثباتی نرخ ارز بر قیمت مسکن اثری منفی و معنادار است و اثر تقاطعی بی­ثباتی نرخ ارز و نرخ تورم بر قیمت مسکن مثبت و معنادار است. امجدی و همکاران (1401) تاثیر نرخ ارز، نااطمینانی نرخ ارز و پاندومی کووید 19 بر قیمت مسکن را بررسی و به این نتیجه رسیدند که اثر متغیرهای مذکور بر قیمت مسکن  مثبت و معنادار است. مصباحی و همکاران (1396) در مقاله­ای تاثیر متغیرهای بنیادی و بی­ثباتی درآمد نفتی بر درجه عبور نرخ ارز بر قیمت واردات را بررسی کردند و دریافتند که اثر نرخ ارز اسمی، هزینه نهایی کالا در خارج، فشار تقاضای داخل و باز بودن تجاری بر قیمت کالای وارداتی مثبت است که این مسئله در مورد نهاده­های وارداتی مورد استفاده در تمامی بخش­های اقتصادی، ازجمله بخش مسکن نیز صدق می­کند .سهیلی و همکاران (1393) با بررسی عوامل موثر بر قیمت مسکن در کرمانشاه، نشان دادند که قیمت زمین، تسهیلات اعطای بخش مسکن، درآمد سالیانه  خانوار، شاخص قیمت سهام و نرخ ارز بر قیمت مسکن اثرگذار است.

بررسی ادبیات موجود نشان می­دهد که متغیرهای کلان اقتصادی نظیر تسهیلات اعطایی در بخش مسکن، درآمد سالیانه، نرخ تورم، شاخص قیمت سهام، قیمت زمین و نرخ ارز بر قیمت مسکن به­عنوان شاخص تحولات بازار مسکن اثر می گذارند. به عنوان مثال نرخ تورم بالا و کاهش ارزش پول ملی کشور به واسطه افزایش نرخ برابری ارز با ارزش پول ملی باعث افزایش هزینه ساخت، افزایش قیمت مسکن و کاهش تقاضا در این بخش می‌شود. توجه به اهمیت اثرگذاری نرخ ارز برمتغیرهای اقتصادی و قیمت مسکن امکان تصمیم‌گیری‌های بهنگام و سیاستگذاری درست را فراهم می کند.

این مقاله به­دلیل توجه به پویایی نوسانات نرخ ارز و قیمت مسکن و استفاده از مدل پویای شرطی متمایز از سایر پژوهش‌هاست. در این مقاله رابطه نوسانات ارزی و قیمت مسکن و نامتقارن بودن این اثرات ارزیابی شده است.

 

جدول 1. متغیرهای اثرگذار بر قیمت مسکن؛ یافته‌های سایر پژوهش‌ها

متغیرهای موثر بر قیمت مسکن

نویسنده

نرخ ارز

سالیسو و همکاران(2025)

درآمد خانوار، هزینه سرمایه و هزینه ساخت مسکن

یاماکا و همکاران (2022)

نرخ ارز 

سامر و اوزاهان(2022)

هزینه تولید، قدرت خرید، بازدهع انتظاری

بهمنی اسکویی و پائو وو (2018)

نرخ ارز

اسل(2018)

نوسانات ارزی

لاری و همکاران (2017)

نوسانات ارزی

دیالا و همکاران (2017)

نوسانات ارز

ژانگ و ژیانگ (2012)

بی­ثباتی نرخ ارز

مظفری و منوچهری (1402)

نوسانات ارز

ابراهیمی و همکاران (1402)

بی ثباتی نرخ ارز و نرخ تورم

آل عمران ها (1402)

نرخ ارز ،نااطمینانی نرخ ارز و پاندومی کووید19

امجدی و همکاران (1401)

نرخ ارز اسمی  ، هزینه نهایی کالا در خارج، فشار تقاضای داخل و باز بودن فضای تجاری

مصباحی و همکاران (1396)

قیمت زمین ، درآمد سالیانه ، تسهیلات اعطایی ، نرخ ارز و شاخص قیمت سهام

سهیلی و همکاران (1393)

منبع: خلاصه مطالعات تجربی

 

3. روش تحقیق

همبستگی پویای شرطی توسط انگل24 (2002) معرفی شد که در آن رابطه بین متغیرها با درنظر گرفتن حوادث در طی دوره مورد تجزیه و تحلیل قرار می­گیرد، در این­صورت ضریب همبستگی مثبت، منفی و صفر است. مدل همبستگی پویای شرطی در شرایطی که در داده­ها انحراف وجود دارد، مفید است و رابطه متغیر در زمان­های خاص مانند بحران‌های اقتصادی، جنگ و... تغییر کرده و از این طریق می­توان رابطه را تشخیص داد.

 مدل همبستگی شرطی پویا درعین حفظ همبستگی شرطی ثابت بالرسلو25، همبستگی­ها را در طول زمان، متغیردر نظر می­گیرد. این نکته مزیتی است که باعث می­شود این مدل در مقایسه با سایر مدل­ها از دقت بیشتری برخوردار  باشد، بنابراین تعداد پارامترهای تخمین زده شده در فرآیند همبستگی به تعداد سری­های همبسته شده، وابسته نیست و بصورت بالقوه ماتریس همبستگی خیلی بزرگ می­تواند تخمین زده شود. در برآورد مدل فوق چند مرحله انجام می‌شود، ابتدا باید برای متغیرها فرآیند آریما26 و گارچ تخمین زده شود و سپس برای هر متغیر Dcc و در­نهایت برای رابطه تمامی متغیرها Dcc تخمین زده می‌شود.

در این پژوهش فرض می‌شود که rᵼ یک بردارNimg0 برای متغیرهاست. برای هر سری زمانی متغیرها رابطه زیر را می توان نوشت:

(1)                                                  img0

و مقادیر باقیمانده را می توان به شکل رابطه زیر نوشت:

(2)                                                                                img0

که Hᵼ ماتریس کواریانس شرطی برای rₜ و Zₜ یک بردار تصادفیnimg0 و iid از باقیمانده­هاست. در الگوی گارچ که توسط بالرسلو27(1990) معرفی شد.همبستگی شرطی در طول زمان ثابت و بنابراین کوواریانس شرطی متناسب با حاصلضرب انحراف معیارهای شرطی مربوطه هستند. این الگو به­صورت ذیل است: 

(3)                                                                                        Dt = diag(img0,, …img0)  

ماتریس کوواریانس شرطی با ابعاد n×n. Hₜ

   hᵢᵢₜ ها، می‌توانند بوسیله هر الگوی گارچ دلخواهی تعریف شده باشد. همچنین Rₜ یک ماتریس مثبت متقارن است .در این الگو همبستگی‌ها در طول زمان ثابت در نظر گرفته می‌شود که در کاربرد تجربی غیرواقعی است.     

(4) =img0                                                                                                  Hₜ₌Dimg0RₜDₜ 

 برای از بین بردن کاستی­های مدل گارچ، همبستگی شرطی پویا معرفی شد. این الگو در دو مرحله برآورد می‌شود در گام اول پارامترهای مدل گارچ و سپس همبستگی شرطی بین متغیرها برآورد می­شود.

Rt=diag (q11,-1/2t…..qNN-1/2,t)Qt diag (q11,-1/2t…..qNN-1/2t)(5)                                                                 

Rt ماتریس همبستگی متغیر در طی زمان است. Qt ماتریس معین مثبت متقارن n×n  است به­نحوی که:

(6) img0

it= ℰit/√hit u  بوده و⎺Q ماتریس واریانس غیرشرطی uₜ با ابعاد n×n است α وβ نیز پارامترهای غیرمنفی هستند که  شرط1>β+ α را تامین می‌کند. محدویت‌های بیان شده برای پارامترهای α و β تضمین می‌کند که Qₜ معین مثبت باشد و این خود شرط لازم و کافی برای معین و مثبت بودن ماتریس Rₜ  است28 (انگل و شپرد 2001).

برای ارزیابی آثار نامتقارن تکانه‌ها از مدل APARCH و EGARCH استفاده می‌شود، زیرا در میان مدل های مختلف، مدل­های مذکور بهترین تصریح را داشته‌اند و می‌توانند شوک­های مثبت و منفی را تفکیک کنند. مدل APAPCH توسط اوگوتو و همکاران 29(2018) و اوندیکی اوماری و همکاران 30(2018) استفاده شده‌اند. این مدل از این خاصیت برخوردار است که می‌توان واکنش نامتقارن نوسانات نسبت به تکانه‌های مثبت و منفی را ارزیابی کرد. (1و1) APARCH  توسط دیانگ31 و همکاران (1993) به­شرح زیر معرفی ‌شده است.

(7)                                                                                   img0

(8)                img0 

=img0 بازدهی ارز 

=img0 جمله اخلال که مقدار میانگین آن صفر است.

img0: بازده انتظاری

در معادله واریانس img0 است که اثر اهرمی را اندازه‌گیری می‌کند. مقدار منفی γ به این معناست که تکانه‌های منفی گذشته اثر بزرگ‌تری بر نوسانات شرطی جاری در مقایسه با تکانه مثبت دارد. مقدار مثبت این نماد بدین معناست که تکانه مثبت گذشته اثر بزرگ‌تری بر نوسانات شرطی در مقایسه با تکانه منفی دارد.

σ = انحراف معیار

img0 جمله توان است که از تابع تبدیل باکس از انحراف معیار به­دست می‌آید و مثبت است.

مدل EGARCH همان مدل GARCH نمایی است که شکل عمومی این مدل به­شرح مدل (9) است.

(9)                                      img0

در این معادله، سمت چپ لگاریتم واریانس شرطی است. img0 مقدار  ثابت و جمله دوم سمت راست لگاریتم  واریانس شرطی با وقفه است.img0 اجزای اخلال وimg0 انحراف معیار شرطی است. جمله سوم سمت راست، اثر تکانه‌های مثبت را نشان می‌دهد این تکانه‌ها نسبت به انحراف معیار شرطی تعدیل می‌شوند. جمله چهارم سمت راست، آثار شوک‌ها (مثبت و منفی) را بر واریانس متغیر نشان می‌دهد. این مدل  فرض می‌کند اثر اهرمی، نمایی و غیرصفر بودن واریانس شرطی تضمین می‌شود. اثر اهرمی بر t-1 زمانی نا متقارن است که Ƴ برابر صفر نباشد. شواهد نشان می دهد تکانه منفی در مقایسه با تکانه مثبت اثر قوی­تر بر واریانس دارد که اصطلاحاً اثر اهرمی است.

مدل همبستگی پویای شرطی32 DCC که رفتار متغیرها را به­صورت پویا بررسی می­کند، دارای دو مرحله از برآورد ماتریس کوواریانس شرطی است. ابتدا مدل  APARCH  برای  بازده نرخ ارز و مدل EGARCH برای بازده مسکن برآورد می‌شود. سپس img0 محاسبه می‌شود.پس ‌از آن img0 برای برآورد همبستگی شرطی استفاده می‌شود. بنابراین واریانس شرطی چند متغیره به این شرح است

(10)                                                                                                img0

در آن D عبارت است از انحراف معیار شرطی که از مدل APARCH و EGARCH که در مرحله اول به­دست می‌آید و عبارت از:

img0      

همبستگی براساس DCC بصورت زیر است: 

(11)                                      img0

در این معادله Qt=(qijt) ماتریس زمان متغیر nimg0n  از اجزای  اخلال است و  Q̅ ماتریس  واریانس زمان متغیر از img0 بوده و آلفا و بتا پارامترهای غیر صفر بوده و img0 است. چون img0 دارای عنصر واحد روی قطر اصلی نیست بنابراین ماتریس همبستگی با مقیاس زیر به­دست می‌آید.

(12) img0 

عنصر همبستگی دارای شکل زیر است:

(13)                                                 img0

بنابراین همبستگی در زمان t به شکل زیر است: 

(14)    img0

که عنصر کلیدی این روش‌شناسی برای همبستگی شرطی بین دو سری (ارز و مسکن) است. در بیشتر مطالعات از AR(1) برای توضیح رفتار DCC همبستگی پویای شرطی استفاده می‌شود.APARCH  از یک سری مزیت‌ها برخوردار است:

الف) در این مدل تمایل به دوره‌های نوسانات بالا به­دنبال دوره‌های بیشتر نوسانات بالا و برعکس پوشش داده می‌شود (خوشه‌بندی نوسانات). 

ب) پرداختن به عدم تقارن یکی از ویژگی‌های کلیدی APARCH است (اثر اهرمی) که در آن شوک‌های قیمتی منفی (اخبار) تمایل دارند تأثیر بیشتری بر نوسانات بعدی نسبت به شوک‌های قیمتی مثبت با همان بزرگی داشته باشند.

ج ) مدل APARCH تبدیل توانی انحراف معیار شرطی (σ) را در مقایسه با مدل‌های ساده‌تر GARCH تعمیم می‌دهد (تبدیل توانی تعمیم‌یافته) .این عمل با پارامترδ نشان داده می‌شود که می‌تواند تخمین زده شود و به مدل اجازه می‌دهد تا داده‌ها را بهتر برازش دهد.

د) مدل APARCH کاملاً انعطاف‌پذیر است با تغییر پارامترها، می‌تواند چندین مدل دیگر از نوع ARCH را به­عنوان موارد خاص در خود جای دهد.

ه) مدل‌های APARCH می‌توانند ایستا باشند و از نظر رفتار دم (تعداد دفعات وقوع مقادیر حدی) و ساختار وابستگی مورد مطالعه قرار گرفته‌اند (ویژگی­های آماری).

ز)  کاربرد این مدل برای پیش‌بینی نوسانات در بازارهای مالی، تحلیل تأثیر انواع مختلف اخبار بر نوسانات بازار، خوشه‌بندی و عدم تقارن ناشی از اثر اهرمی، روش پیچیده‌تری برای مدلسازی نوسانات متغیر با زمان  بهتر است.

 

4. شواهد آماری

هدف اصلی این مقاله برآورد آثار نوسانات ارز بر قیمت مسکن و توجه به نامتقارن بودن آن، در دوره (1400-1372) در ایران است.

نرخ ارز غیررسمی از داده­های بانک مرکزی و متوسط قیمت هر مترمربع مسکن (به­صورت 6 ماهه اول و 6 ماهه دوم سال) از داده های مرکز آمار ایران استخراج شده است.

لگاریتم داده‌های 6 ماهه متوسط قیمت مسکن و نرخ ارز (واحد هر دو متغیر ریال است) در نمودار 1 ترسیم ‌شده است. همبستگی مثبت بین دو متغیر کاملا آشکار است. شیب قیمت مسکن در اغلب سال‌ها بیش از شیب نمودار نرخ ارز است. در برخی سال‌ها  با وجود اینکه نرخ ارز  نسبتا  ثبات داشته، ولی قیمت مسکن روند افزایشی داشته است. این شکاف پس از سال 1396 به دنبال تحریم‌های آمریکا بر ضد ایران تشدید شده است.

برای درک بهتر از روند متغیرها، درصد تغییر آنها ارزیابی شده است. D در اول متغیرها به معنای دیفرانسیل مرتبه اول است. نرخ رشد مسکن در اغلب سال‌ها مثبت بوده است. اولین جهش قیمت مسکن در سال 1374 رخ داده و 41 درصد رشد داشته است. شوک دوم در سال 1377 رخ داده و 24 درصد رشد دشته است. پس از آن بازار مسکن تا1390  تکانه بزرگی را تجربه نکرده است و به مدت 13 سال ثبات داشته است. تکانه بزرگ سوم در سال 1391 (تحریم‌های دوره اول آمریکا بر ضد ایران) رخ داده و 53 درصد افزایش داشته است، تکانه بزرگ چهارم درسال 1397 (پس از تحریم‌های دوره دوم آمریکا) بوده که به­واسطه آن قیمت مسکن بیش از دو برابر شده است (108 درصد افزایش). پنجمین افزایش بزرگ درسال 1398 (44 درصد) رخ داده است.

موج ششم افزایش قیمت مسکن در سال 1399 رخ داده است (29 درصد). در نیمه دوم سال 1399 قیمت مسکن دوباره 42 درصد افزایش یافته (موج ششم) و در نیمه اول سال 1400 افزایش 42 درصدی را  تجربه کرده است (تکانه هفتم). قیمت مسکن در اندک سال‌هایی کاهش داشته است. در 57 دوره مورد مطالعه، 5 دوره کاهش قیمت مسکن مشاهده می­شود. برای مثال در سال 1392 حدود 12 درصد کاهش داشته است. تعداد و شدت افزایش قیمت مسکن بیشتر از تعداد و شدت کاهش قیمت مسکن است. در بیشتر سال‌ها، رشد قیمت مسکن دو رقمی است. بنابراین بازار مسکن در این  مدت 7 تکانه‌ بزرگ را تجربه کرده و کمترین آن 24 درصد و بیشترین مقدار آن 108 درصد بوده است.

 نرخ ارز در دوره  78-1372 نوسانی بوده و حتی افزایش 40 درصدی در سال  1373 تجربه کرده است.  در دوره 1390-1378 وضعیت باثباتی داشت و دامنه نوسان کمی داشته است. به­دنبال تحریم‌های دوره اول آمریکا بر ضد ایران افزایش 29 درصدی را در نیمه دوم سال 1390 و  به­دنبال  آن  22 و  50  درصدی را در نیمه اول و دوم 1391 تجربه کرده است. همزمان با تحریم‌های دوره دوم، نرخ ارز در نیمه اول سال 1397 بیش از دو برابر شده است. پس از آن، در سال 1399 نرخ ارز 41 درصد افزایش یافته است. به سختی می‌توان در برخی دوره‌ها کاهش نرخ ارز را مشاهده کرد.

 روشن است هر دو بازار با تکانه‌های بزرگ همراه بوده‌اند و حتی نوسانات بازار مسکن بیش از بازار ارز است.  زیرا امکان مداخله دولت در بازار مسکن کمتر از بازار ارز است و مردم نگاه سرمایه‌ای به بازار مسکن دارند و تلقی تاب آوری و افزایش بازده سرمایه در بازار مسکن را دارند.

 

img0 

 

نمودار 1. مقایسه رشد قیمت مسکن و نرخ ارز

منبع: یافته‌های پژوهش (𝐷 درابتدای متغیرها به معنای دیفرانسیل است).

لگاریتم قیمت مسکن و LEX لگاریتم نرخ ارز است.

 

خلاصه رخدادهای این دو بازار در جدول 2 ارائه شده است. متوسط افزایش قیمت ارز در هر نیم سال حدود 9 درصد است بنابراین تقریبا هر 7 نیم سال  (5/3 سال) دو برابر شده است. در این مدت زمان، نصف مشاهدات بیش از 2 درصد افزایش داشته‌اند (میانه). حداکثر جهش آن حدود 108 درصد و حداقل آن 12- درصد بوده است. دامنه نوسان بسیار زیاد و حدود 18 درصد است (ریسک بالا).

درحالی که متوسط افزایش قیمت مسکن در هر نیم سال 2/11 درصد بوده و در هر 6 نیم سال (سه سال) دو برابر شده است. نصف مشاهدات بیش از 2/9 درصد افزایش داشته‌اند. حداکثر افزایش آن 4/49 درصد و حداقل 8/12- درصد است. دامنه نوسانات آن 12 درصد است. مجموع افزایش 641 درصد است به عبارت دیگر قیمت مسکن در این دوره 4/7 برابر شده است. درحالی قیمت ارز 1/6 برابر شده است. بنابراین قیمت مسکن بیش از ارز، افزایش یافته است (130 درصد).

مقادیر آمارهای توصیفی نشان می‌دهد که چولگی به چپ وجود دارد ویژگی خاص مدل APARCH این رخداد را به­دلیل خوشه بندی پوشش می‌دهد. این مدل قادر است مدلسازی خوشه­های نوسانات را انجام دهد، بدان معنا که دوره­هایی با نوسانات بالا معمولا با دوره­هایی با نوسانات بالا و دوره­هایی با نوسانات پایین با دوره­هایی با نوسانات پایین دنبال می‌شوند.

 

جدول 2. شواهد آماری بازار ارز و مسکن

معیار

(نرخ رشد ارز)DLEX

(نرخ رشد قیمت مسکن)DLHP

میانگین

8.9

11.2

میانه

2.0

9.2

حداکثر

107.8

49.4

حداقل

12.1-

12.8-

انحراف معیار

18.1

11.9

مجموع

512

641

تعداد مشاهده

57

57

منبع: یافته های پژوهش

 

5. برآورد مدل APARCH و EGARCH

قبل  از مدلسازی لازم  است  پایایی متغیرها ارزیابی شود. چون  داده‌ها  6 ماهه هستند از آزمون هگی33 استفاده می‌شود. زیرا متغیرها ممکن است بیش از یک ریشه واحد داشته باشند. این آزمون با عرض مبدا و وقفه بهینه (براساس آماره آکائیک) انجام و در جدول 3 ارائه شده است. نتایج نشان می‌دهد هر دو متغیر در سطح ناپایا هستند ولی تفاضل آنها پایاست.

 

 

 

جدول 3. پایایی متغیرها: ازمون هگی

متغیر

LEX(C, 11)

DLEX(C ,9)

LHP(C,2)

DLHP (C,2)

نرخ ارز

0.36-

7.37-

1.94-

6.58-

مقدار بحرانی (5%)

2.79-

2.79-

2.79-

2.79-

منبع: محاسبات پژوهش

 

پس از ارزیابی پایایی، با استفاده از معیارهای ACF و PACF رفتار متغیرها شناسایی شد بر این مبنا الگوی بازده نرخimg0 ارز و وقیمت مسکن از الگویimg0 پیروی می‌کنند.  

الگوی رفتاری واریانس شرطی با استفاده از الگوهای ARCH ،GARCH ،EGARCH و APARCH ارزیابی و یافته ها نشان داد که واریانس شرطی بازده ارز از APARCH و واریانس شرطی بازده مسکن از EGARCH پیروی می‌کنند. یافته ها در جدول 4 آمده است.

 

جدول 4. رفتار واریانس شرطی بازار ارز و مسکن

پارامتر

DLEX:APARCH(1,1)

DLHP:EGARCH(1,1)

ضریب

انحراف معیار

مقدار احتمال

ضریب

انحراف معیار

مقدار احتمال

img0 

0.03

0.058

0.62

1.4-

0.67

0.04

آلفاimg0

0.41-

0.25

0.10

0.38-

0.20

0.10

گاما img0

0.71-

0.23

0.002

0.73

0.22

0.001

بتاimg0

0.67

0.38

0.07

0.68

0.14

0.0

زیگماimg0

1.62

0.8

0.04

-

-

-

ARCH-LM

(0.91) 0.01

(0.42) 0.65

Q(1)

(0.63) 0.91

(0.37) 0.78

منبع: محاسبات پژوهش

 

اعداد داخل مقدار P value است .Q(1) مقدار آماره لجانگ – باکس Q برای فرضیه صفر است که همبستگی بیش از مرتبه یک در میان جملات اخلال وجود ندارد. برآوردها نشان می‌دهد تکانه‌های منفی تاثیر بیشتری در مقایسه با تکانه‌های مثبت بر نوسانات جاری نرخ ارز دارد. همچنین نوسانات دوره گذشته نرخ ارز بر نوسانات جاری موثر و از نظر آماری معنادار است. همچنین جمله توان از نظر آماری معنادار است زمانی که یک سری به‌احتمال ‌زیاد از توزیع خطای غیر نرمال پیروی می‌کنند، برتری عبارت مجذور (δ)=2 از بین می‌رود و دیگر توان­های تبدیل ممکن است مناسب­تر باشند. (کنراد34 و همکاران ،2011). بنابراین برآوردها از انتخاب مدل APARCH برای مدل سازی واریانس شرطی بازده ارز حمایت می‌کنند.

نتایج نشان می‌دهد اثر تکانه‌ها در بازار مسکن نامتقارن است. این مدل فرض می‌کند اثر اهرمی نمایی است و غیرصفر بودن واریانس شرطی تضمین می­شود. اثر اهرمی زمانی  نامتقارن است که img0 باشد. مقدار این پارامتر برابر با 73/0 و از نظر آماری معنادار است. ضریب تکانه منفی برابر با 1/1= (38/0-) -73/0 و اثر تکانه مثبت35/0=38/0-73/0است. بنابراین تکانه‌های منفی در مقایسه با تکانه‌های مثبت دامنه نوسان قیمت مسکن را بیشتر افزایش می‌دهد. واریانس شرطی دو متغیر در نمودار 2 نشان داده شده است. شواهد نشان می‌دهد دامنه نوسان قیمت مسکن از سال 1375 الی 1393 در کرانه معین بوده و از ثبات بالایی برخوردار بوده است.دامنه نوسان از سال 1393 به شدت افزایش پیدا کرده است دامنه نوسان نرخ ارز دوره 1388-1375 کم بوده و از ثبات خوبی برخوردار بوده است. در سال 1388 دامنه نوسان افزایش یافته ولی به تدریج از شدت آن کاسته شده و دوباره نوسان آن از سال 1393 افزایش یافته است. روشن است اختلال در بازار ارز به بازار سرمایه منتقل شده و متناسب با تغییر نرخ ارز، بازار مسکن واکنش نشان داده است این واکنش در برخی سال‌ها حتی بیش از افزایش نرخ ارز بوده است. یک دلیل برای این واقعه ممکن است انتظارات نسبت به نرخ تورم  و نرخ ارز باشد که فعالان اقتصادی تلاش می‌کنند برای حفظ ارزش سرمایه، در بازار مسکن سرمایه‌گذاری کنند و مازاد تقاضا در این بازار باعث جهش قیمت مسکن می‌شود.

                                                      

جدول 5. شواهد آماری نوسانات بازار ارز و قیمت مسکن (واریانس شرطی)

 

نوسانات ارز

نوسانات قیمت مسکن

معیار

متوسط

حداکثر

حداقل

انحراف معیار

متوسط

حداکثر

حداقل

انحراف معیار

1375-1372

0.029

0.038

0.018

0.007

0.008

0.016

0.003

0.005

1383-1376

0.027

0.042

0.014

0.009

0.009

0.018

0.004

0.004

1391-1384

0.030

0.041

0.022

0.006

0.006

0.017

0.0003

0.006

1400-1392

0.021

0.034

0.0002

0.01

0.01

0.036

0.0005

0.011

1400-1372

0.026

0.042

0.0002

0.009

0.008

0.036

0.0003

0.008

منبع: محاسبات پژوهش

 

img0 

نمودار 2. واریانس شرطی قیمت مسکن و نرخ  ارز

منبع: محاسبات پژوهش

در مرحله دوم برآوردها، از مدل همبستگی شرطی پویا انگل (2002) استفاده شد. مدل با استفاده از روش شبه حداکثر درستنمایی برای ایجاد خطا استاندارد سازگار غیر نرمال، برآورد می‌شود. نتایج برآورد ARCH و پارامترهای  GARCH  ازنظر آماری معنا‌دار هستند. همچنین، مجموع ضرایب ‌ARCH و GARCH‌ برآورد شده کمتر از واحد است، که نشان می‌دهد نوسان یک الگوی بسیار پایدار را نشان می‌دهد.

 

جدول 6. همبستگی پویای شرطی نرخ ارز و قیمت مسکن

پارامتر

ضریب

انحراف معیار

مقدار خطا

img0 

0.16

0.081

0.05

img0 

0.45

0.21

0.04

Chi-square

(0.16) 1.9

img0 

منبع: یافته های پژوهش

 

شواهد نشان می‌دهد همبستگی قوی بین بازار مسکن و ارز وجود دارد و بازار مسکن به نوسانات ارزی واکنش نشان می‌دهد. این همبستگی در همه سال‌ها مثبت است هر چند مقدار آن شدت و ضعف دارد. نکته قابل تامل این است که همبستگی در آغاز تحریم‌های اول و دوم شدت یافته است. با آغاز تحریم‌ها، بازار ارز واکنش نشان داده و به دنبال ان بازار مسکن نیز متاثر شده است. بنابراین چه در دوره ثبات و چه در دوره نوسان، همبستگی قوی بین بازار ارز و مسکن برقرار است هر چند در دوره بی­ثباتی در بازار ارز، این همسوئی  تقویت می‌شود. بنابراین ثبات و بی­ثباتی در بازار ارز به بازار مسکن سرایت می­کند.

 

img0 

نمودار 3. همبستگی شرطی بازار ارز و مسکن

منبع: محاسبات پژوهش

 

مقدار متوسط آن 58/0 است. میانه آن 62/0 است بدین معنا که 50 درصد همبستگی‌های این سری بیش از این مقدار است. 36 از 50 ضریب همبستگی برابر با 5/0 یا بیش از این مقدار است (72 درصد). بنابراین تعداد همبستگی‌های قوی (5/0 و بیشتر) بیش از همبستگی‌های ضعیف (کمتر از 5/0) است. بدین معنا که تجربه تاریخی نشان می‌دهد همبستگی این دو متغیر در تقریبا در سه چهارم رخدادها قوی است. حداکثر مقدار آن 87/0 و حداقل آن 04/0 است. انحراف معیار برابر با 20/0 است.

 

img0 نمودار 4. مختصات آماری همبستگی پویای شرطی نرخ ارز و قیمت مسکن

منبع: یافته های پژوهش

 

6. بحث و نتیجه‌گیری

در این مقاله آثار نوسانات ارزی بر نوسانات قیمت مسکن ارزیابی شد. در این راستا از داده‌های کلان مربوط به کشور طی دوره 1372 تا 1400 در چار چوب مدل همبستگی پویای شرطی استفاده شد. مدل­های ناهمسانی شرطی برای سری­های زمانی نقش مهمی در پیش­بینی­های مالی، مدیریت ریسک و تصمیم­گیری براساس قیمت دارایی را بازی می کند. دلیل استفاده از این مدل­ها توانایی آنها در مدل­سازی و پیش­بینی نوسانات و وابستگی­های متغیرها در طول زمان است.تحلیل سری زمانی ناهمسانی به شناسایی الگوهای رفتار متغیرها کمک کرد، این الگوها می‌توانند شامل نوسانات فصلی، چرخه‌های اقتصادی یا تغییرات ناشی از وقایع غیرمترقبه باشند.این شناخت می‌تواند به تصمیم‌گیری‌های بهتر در زمینه­های اقتصادی و مالی منجر شود.

در بخش نخست، شواهد آماری بر این نکته تاکید دارد که بین نرخ ارز و متوسط قیمت مسکن همبستگی مثبت وجود دارد که این نتیجه با مطالعات یاماکا و همکاران (2020)، دیالا و همکاران (2017)، لاری و همکاران (2017)  وامجدی و همکاران (1401) سازگار است. سپس نتایج نشان داد که اثر تکانه­ها در بازار مسکن نامتقارن و تکانه‌های منفی در مقایسه با تکانه‌های مثبت، دامنه نوسان قیمت مسکن را بیشتر افزایش می‌دهد. درباره نرخ ارز هم تکانه‌های منفی تاثیر بیشتری در مقایسه با تکانه­های مثبت بر نوسانات ارزی دارد.

شواهد مبین آن است که همبستگی قوی بین بازار مسکن و ارز وجود دارد و بازار مسکن به نوسانات ارزی واکنش نشان می‌دهد. این همبستگی در همه سال‌ها مثبت است هر چند مقدار آن، شدت و ضعف دارد. نکته قابل تامل این است که همبستگی در آغاز تحریم‌های اول و دوم شدت یافته است. با آغاز تحریم‌ها، بازار ارز واکنش نشان داده و به دنبال ان بازار مسکن نیز متاثر شده است. بنابراین چه در دوره ثبات و چه در دوره نوسان، همبستگی قوی بین بازار ارز و مسکن برقرار است هر چند در دوره بی‌ثباتی در بازار ارز، این همسوئی تقویت می‌شود. ثبات و عدم ثبات در بازار ارز به بازار مسکن سرایت می­کند. بنابراین مدیریت بازار مسکن بدون ثبات در بازار ارز عملاً ناشدنی است و منشا بیشتر نوسانات بازار مسکن از مبادی و مسیر بازار ارز است.

براساس یافته‌های این مقاله برای سیاستگذاری در بخش مسکن پیشنهاد می‌شود که سیاست ثبات نرخ ارز از طریق سیاستهای پولی و مالی مناسب برای کنترل نرخ تورم در بازار اتخاذ شود. افزون بر این، اجرای برخی سیاست‌های مناسب مانند مالیات بر عایدی مسکن می‌تواند بر ثبات بازار مسکن موثر باشد.

 

حامی مالی

این مقاله حامی مالی ندارد.

تعارض منافع 

تعارض منافع وجود ندارد.

سپاسگزاری

نویسندگان از داوران ناشناس و دست‌اندکاران مجله که با ارائه نظرات مفید به بهبود کیفیت مقاله کمک کردنده‌اند، سپاسگزاری می‌کنند.

 

ORCID

Maryam Alsadat Mirhadi

img0 https://orcid.org/0009-0005-0082-6747

Mahmood Mahmoodzade

img0 https://orcid.org/0000-0002-5844-8604

Saleh Ghavidel

img0 https://orcid.org/0000-0003-0851-9969

Mehdi Fath Abadi

img0 https://orcid.org/0000-0001-5478-9148

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

منابع

- ابراهیمی، ایلناز، همتی، مریم و زارعی، ژاله (1402). بررسی اثرات نامتقارن نوسانات نرخ ارز بر قیمت مسکن: رهیافت خودرگرسیون با وقفه توزیعی غیرخطی. فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری، ۱۱ (۴۳)،  17-36.

- اکبری، نعمتالله (1396). اقتصاد شهری. چاپ اول، تهران: سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها )سمت) پژوهشکده ی تحقیق و توسعه ی علوم انسانی.

- آل عمران، رویا و آل عمران، سید علی (1402). بررسی تاثیر بی­ثباتی نرخ ارز بر قیمت مسکن در ایران (رهیافت گارچ نمایی و رگرسیون کوانتایل)،  نشریه چشم انداز شهرهای آینده، 4(3)، 14-1.

- امجدی، محمدحسین، شکیبایی، علیرضا و جلایی، سیدعبدالمجید. (1401). تاثیر نرخ ارز، نااطمینانی نرخ ارز و پاندمی کووید بر قیمت مسکن: مطالعه موردی شهر تهران. پژوهش های اقتصادی ایران، 27(92)، 241-213.

- ایزدخواستی، حجت، عرب­مازار، عباس و احمدی، خلیل (1398). تحلیل عوامل کلان اقتصادی موثر بر شاخص توان پذیری مسکن در مناطق شهری ایران: با تاکید بر نقش دولت. فصلنامه علمی مطالعات اقتصادی کاربردی ایران، 8(29)، 71-41.

- حشمتی سنزیقی، منصور، سعادت، رحمان و ابونوری، اسماعیل (1403). رابطه بین جهش ارزی و جانشینی پول در اقتصاد ایران. فصلنلمه مدل سازی اقتصادی، 4(18)، 44-21.

- حیدری، حسن و احمدزاده، عزیز (1394). تغییرات نرخ ارز و اثر آن بر زنجیره قیمت‌ها در ایران، پژوهشنامه بازرگانی، 19(74)، 38-1.

- زراعتی، منصوره، صوفی مجیدپور، مسعود، محمودزاده، محمود و فتح آبادی، مهدی (1402). آثار نامتقارن بازار سهام بر بازار ارز در ایران : کاربردی از مدل خودهمبستگی پویای شرطی و APARCH. مدل سازی اقتصادی، 62(17)، 58-37.

- سهيلي، کيومرث، فتاحي، شهرام و اويسي، بهمن (1393). بررسي عوامل مؤثر بر نوسانات قيمت مسكن در شهر کرمانشاه. فصلنامه پژوهشهای اقتصادی ايران، 4(-14 پ 2)، 67-41.

- قلي‌زاده، علي اكبر (1398). نظريه قيمت مسكن در ايران (به زبان ساده). چاپ دوم، تهران: نشر نور علم

- عراقی, منصور، خلیلی و رمضانپور، اسماعیل (1380). اهمیت محیط با ثبات اقتصاد کلان. فصلنامه تحقیقات اقتصادی، 36(1)، 28-1.

- صباحی، مانا، اصغرپور، حسین، حقیقت، جعفر، کازرونی، سیدعلیرضا و فلاحی، فیروز (1396). درجه عبور نرخ ارز بر قیمت واردات در ایران با تاکید بر نقش بی ثباتی درآمدهای نفتی (رهیافت غیرخطی). مدلسازی اقتصادی، 11(1 (پیاپی 37))، 77-100.

- مظفري، زانا و منوچهري، صلاح الدين (1402). تأثير بي‌ثباتي نرخ ارز بر شاخص قيمـت مسـكن در ايـران؛ كـاربردي از رهيافـت GMM  سري زماني. تحقيقات مالي، 25(3)، 452-433.

- مرکز آمار ایران (1372 تا1400).نتایج آمارگیری از هزینه و درآمد خانوارهای شهری.

-       Agnello, L., Castro, V., Hammoudeh, S. & Sousa, R. M. (2017). Spillovers from the oil sector to the housing market cycle. Energy Economics, 61, 209-220.

-       Akbari, N. (2017). Urban economics. First edition, Tehran: Organization for Studying and Compiling Humanities Books of Universities (SAMT), Institute for Research and Development of Humanties. (in Persian)

-       Al-Omran R. & Al-Omran S. A. (1402). Investigating the effect of exchange rate instability on housing prices in Iran (Exponential GARCH and Quantile Regression Approach). Journal of Future Cities Perspectives, 4(3), 1-14. (in Persian)

-       Amjadi, M. H., Shakibaei, A. & Jalaei, A. M. (1401). The impact of exchange rate, exchange rate uncertainty and the Covid pandemic on housing prices: A case study of Tehran. Iranian Economic Research, 27(92), 213-24. (in Persian)

-       Asal, M. (2018). Long-run drivers and short-term dynamics of Swedish real house Prices. International Journal of Housing Markets and Analysis, 11(1), 45 -72.

-       Bahmani-Oskooee, M., & Wu, T. P. (2018). Housing prices and real effective exchange rates in 18 OECD countries: a bootstrap multivariate panel Granger causality. Economic Analysis and Policy, 60, 119-126.

-       Belej, M., Cellmer, R. (2014). The effect of macroeconomic factors on changes in real estate prices -response and interaction. ACTA scientiarum polonorum. Oeconomia, 13(2), 5 -16.

-       Conrad, C., karanasos, M. & Zeng N. (2011). Multivariate fractionally integrated APARCH modling of stock market volatility: A multi -country study. Journal of Empirical Finance.

-       Diala, A., Kalu, I. & Igwe-Kalu, A. (2017). Effects of exchange rate volatility on low income residential real estate investment returns in Nigeria. Research Journal of Finance and Accounting, 8(6), 8-15.

-       Ding, Z., Granger, C. W. J. & Engle, R. (1993). A long memory property of stock market returns and a new model. Journal of Empirical Finance, 1(1), 83–106.

-       Eichengreen, B. (2008). The real exchange rate and economic growth. Commission on Growth and Development, Working Paper, No. 4.

-       Ebrahimi, I., Hemmati, M. & Zarei, J. (1402). Investigating the asymmetric effects of exchange rate fluctuations on housing prices: Autoregressive approach with nonlinear distribution lag. Quarterly Journal of Urban Economics and Management, 11(43), 17-36. (in Persian)

-       Gholizadeh. A., A. (2019). Housing price theory in Iran (in simple language). (2nd edition), Tehran: Noor Alam Publishing. ( in Persian)

-       Heydari, H. & Ahmadzadeh, A. (2015). Exchange rate changes and their impact on the price chain in Iran. Journal of Business, 19(74), 1- 38. ( in Persian)

-       Heshmati, S., Mansour, S., R. & Abu Nouri, I. (1403). The relationship between exchange rate fluctuations and money substitution in the Iranian economy. Economic Modeling Journal, 4(18), 44-21. (in Persian)

-       Iacoviello, M. & Neri, S. (2010). Housing market spillovers: evidence from an estimated DSGE model. American Economic Journal: Macroeconomics, 2(2), 125-164.

-       Iraqi, M. K. & Ramadanpour, I. (2002). The importance of a stable macroeconomic environment. Quarterly Journal of Economic Research,  36(1). 1-28. ( in Persian)

-       Izadkhasti, H., Arab-Mazar, A. & Ahmadi, K. (2019). Analysis of macroeconomic factors affecting housing affordability index in urban areas of Iran: with emphasis on the role of the government. Iranian Quarterly Journal of Applied Economic Studies, 8(29), 41-71. (in Persian)

-       Jack, J.K.A., Okyere, F. & Amoah, E.K.S. (2019). Effects of exchange rate volatility on real estate prices in developing economies, a case of Ghana. Advances in Social Sciences Research Journal (ASSRJ), 6(11),  268 -287.

-       Joseph, A.I. (2011). An empirical investigation of the link between exchange rate volatility and trade in Nigeria. Journal of Emerging Trends in Economics and Management Sciences, 2(3), 175-183.

-       kousar, A., Jamil Mu. & Azid, T. (2005). Impact of exchange rate volatility on growth and economic performance: A case study of Pakistan (1973 -2003), The Pakistan Development Review, 44( 4), 749-775.

-       Latif, N. S. A., Rizwan, K. M., Rozzani, N. & Saleh, S. K. (2020). Factors affecting housing prices in Malaysia: a literature review. International Journal of Asian Social Science, 10(1), 63-67.

-       Larry, A., Slaydon, J. & Natarajan, A. (2017). Currency volatility and trade factors driving housing prices in India. Journal of Finance and Accountancy, 26. http://www.aabri.com/copy right.html

-       Mesbahi, M., Asgharpour, H., Haghighat, J., Kazeruni, S. A. & Fallahi, F. (2017). The degree of exchange rate pass-through on import prices in Iran with emphasis on the role of oil revenue volatility (nonlinear approach). Economic Modeling, 11(1 (37th issue), 77-100. ( in Persian)

-       Mozaffari, Z. & Manouchehri, S. (2014). The effect of exchange rate instability on the housing price index in Iran; An application of the time series GMM approach. Financial Research, 25(3), 433-452. (in persian)

-       Nelson , D .B.(1991). Conditional heteroskedasticity in asset return: A New approach. Econometric, 59, 347-370.

-       Ogutu, C., Betuel, C. & Pitos, B. (2018). Modeling rate volatility using APARCH models. Journal of the institute engineering, 14(1), 96-105.

-       Ondiek, O., Cyprian, P.,  Nyamuhanga, M. & Antony, G. W. (2018). Modeling USD/KES exchange rate volatility using GARCH models. Journal of Economics Finance, 8(1), 15-26 .

-       Salisu, A.A., Rufai, A.A. and Nsonwu, M.C. (2025). Exchange rate and housing affordability in OECD countries. International Journal of Housing Markets and Analysis, 3(18) 668-693. https://doi.org/10.1108/IJHMA-10-2023-0137

-       Schnabl, G. (2007). Exchange rate volatility and growth in small open economics at the EMU periphery, European Monetary Union (EMU), 773.

-       Soheili, K., Fattahi, S. & Oveisi, B. (2014). Study of factors affecting housing price fluctuations in Kermanshah city. Iranian Quarterly Journal of Economic Research, 4(14-2), 41-67. ( in Persian)

-       Statistical Center of Iran. (1993-1997). Results of survey of urban household expenses and income. (in Persian)

-       Sumer, L., & Özorhon, B. (2020). The exchange rate effect on housing price index and REIT index return rates. Finansal Araştırmalar ve Çalışmalar Dergisi, 12(22), 249-266.

-       Ucal, M. S., & Gőkkent, G. (2009). Macroeconomic factors affecting real estate markets in Turkey: A VAR analysis approach. Briefing Notes in Economics, 80. 

-       Yamaka, W., Liu, J., Li, M., Maneejuk, P., & Dinh, H. Q. (2022). Analyzing the causality and dependence between exchange rate and real estate prices in Boom-and-Bust markets, Quantile Causality and DCC Copula GARCH Approaches. Axioms, 11(3), 113.

-       Zeraati, M., SoufiMajidpour, M., Mahmoudzadeh, M. & Fathabadi, M. (2013). Asymmetric effects of stock market on foreign exchange market in Iran: Application of DDC and APARCH models. Journal of Economic Modeling, 62(17), 37-58. (in Persian)

-       Zyang, L. & Zhiqiang, H. (2012). On correlation between RMB exchange rate and real estate price based on financial engineering. Systems Engineering Procedia, 3, 146-152.

 

img0 

[1]  این مقاله مستخرج از رساله دکتری نویسنده اول است 

[2] * دانشجوی دکتری، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. m.mirhadi133069@gmail.com

[3] ** دانشیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران (نویسنده مسئول).                         ma.mahmood@iau.ac.ir

[4] + دانشیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران. Salleh-mogh@yahoo.com   

[5] ×  استادیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.             Mehdi-fa88@yahoo.com

[6]  Ucal, M. S., & Gőkkent

[7]  Belej  and. Cellmer,

[8]  Agnello, L., Castro, V., Hammoudeh, S. & Sousa, R. M

[9]  Iacoviello, M. & Neri

[10]  Schnabl, Gunther

[11]  Kousar, Aneela ; Jamil Muhammad & Azid, Toseef

[12]  Joseph

[13]  Eichengreen, B.

[14]  Diala, A., Kalu, I. Igwe-Kalu, A

[15]  Jack, J.K.A., Okyere, F., Amoah, E.K.S

[16]  Latif, N. S. A., Rizwan, K. M., Rozzani, N. & Saleh, S. K

[17]  Salisu, A.A., Rufai, A.A. and Nsonwu, M.C.

[18]  Yamaka, W., Liu, J., Li, M., Maneejuk, P., & Dinh, H. Q

[19]  Sumer, L., & Özorhon, B

[20]  Asal, M.

[21]  Bahmani-Oskooee, M., & Wu, T. P

6 Larry, A., Slaydon, J. & Natarajan, A

7Yang, L. & Zhiqiang, H

[22]  

[23]  

[24]  Engel

[25]  Bollerslev

[26]  Arima

[27]  Bollerslev

[28]  Engel @ sheppard

[29]  Ogutu , c , Betuel Canhanga , Pitos Biganda

[30]  Ondieki Omari , c, Peter Nyamuhanga Mwita , Antony Gichuhi Waititu

[31]  Ding et al.

[32]  Dynamic conditional correlation

[33]  HEGY

[34]  Conrad et al.


حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1404-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]