اثر سرایت‌پذیری پویا چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا

محورهای موضوعی : مهندسی مالی

باقر سیاری ¹ , رضا غلامی جمکرانی ² , میر فیض فلاح ³ , حسین جهانگیرنیا ⁴

1 - گروه مدیریت مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
2 - گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
3 - گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران و عضو گروه پژوهشی مخاطرات مالی نوین
4 - گروه حسابداری، واحدقم، دانشگاه آزاد اسلامی، قم، ایران

تاریخ دریافت : 1402/03/09 تاریخ پذیرش : 1402/05/01 تاریخ انتشار : 1403/05/25

کلید واژه: بورس اوراق بهادار تهران, سرایت پویا, چرخه تلاطم, بازار آتی طلا, بازار فیزیکی طلا,

چکیده مقاله :

تعامل بین مشتقات مالی و بازارهای فیزیکی زیربنایی آنها موضوع تحقیقات گسترده ای در زمینه مالی بوده است. این مقاله به بررسی اثر سرایت پویا بین بازار آتی طلا و بازار فیزیکی طلا در بازارهای مالی و بورس اوراق بهادار تهران در بازه زمانی 07/06/1388 تا 1397/06/14 می پردازد و به طور خاص بر چرخه نوسانی که بین این دو حوزه به هم پیوسته رخ می دهد تمرکز می کند. داده‌ها به‌صورت روزانه جمع‌آوری‌شده است. با استفاده از یک مجموعه داده جامع که یک دوره قابل توجه را در بر می گیرد، از تکنیک های اقتصاد سنجی پیشرفته از مدل‌های GARCH-BEKK، مارکوف-سوئیچینگ و VAR ساختاری برای تجزیه و تحلیل پویایی نوسانات و سرایت آن بین معاملات آتی طلا و بازار فیزیکی طلا استفاده می کنیم. یافته های ما وجود یک رابطه دو طرفه را نشان می دهد، که در آن اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه است. همچنین از دیگر نتایج پژوهش این است که اثر سرایتی تلاطم از بازار فیزیکی طلا به بازار آتی سکه در رژیم‌های مختلف متفاوت است.

چکیده انگلیسی:

The interaction between financial derivatives and their underlying physical markets has been the subject of extensive research in finance. This article examines the effect of dynamic contagion between the gold futures market and the physical gold market in financial markets and Tehran Stock Exchange, period of 08/29/2009 and 09/05/2018. It specifically focuses on the oscillating cycle that occurs between these two interconnected domains. Data is collected daily. Using a comprehensive data set covering a significant period, advanced econometric techniques from GARCH-BEKK, Markov-Switching and Structural VAR models to analyze volatility dynamics and contagion between gold futures and We use the physical gold market. Our findings show the existence of a two-way relationship, in which there is a contagion effect of turbulence from the physical gold market to the coin futures market. Also, another result of the research is that the contagion effect of turbulence from the physical gold market to the coin futures market is different in different regimes.

منابع و مأخذ:

_|21. Baur, D. G., & Lucey, B. M. (2010). Is gold a hedge or a safe haven? An analysis of stocks, bonds and gold. Financial Review, 45(2), 217-229.
22. Baur, D. G., & McDermott, T. K. (2016). Why is gold a safe haven?. Journal of Behavioral and Experimental Finance, 10, 63-71.
23. Beirne, J., Caporale, G. M., Schulze-Ghattas, M., & Spagnolo, F. (2015). Volatility spillovers and contagion from mature to emerging stock markets. International Review of Financial Analysis, 42, 384-398. doi: 10.1016/j.irfa.2015.05.002.
24. Brown, G. W., & Cliff, M. T. (2005). Investor sentiment and asset valuation. The Journal of Business, 78(2), 405-440.
25. Christopher, M., & Holweg, M. (2011). “Supply Chain 2.0”: Managing supply chains in the era of turbulence. International journal of physical distribution & logistics management, 41(1), 63-82.
26. Corbet, S., Hou, Y. G., Hu, Y., Oxley, L., & Xu, D. (2021). Pandemic-related financial market volatility spillovers: Evidence from the Chinese COVID-19 epicentre. International Review of Economics & Finance, 71, 55-81.
27. Ding, Q., Huang, J., Gao, W., & Zhang, H. (2022). Does political risk matter for gold market fluctuations? A structural VAR analysis. Research in International Business and Finance, 60, 101618.
28. Duffie, D., & Stein, J. C. (2015). Reforming LIBOR and other financial market benchmarks. Journal of Economic Perspectives, 29(2), 191-212.
29. Ferry, E. (2020). Speculative substance:‘physical gold’in finance. Economy and society, 49(1), 92-115.
30. Gagnon, L., & Karolyi, G. A. (2018). The investment behavior of gold equity funds. Journal of International Money and Finance, 84, 52-70. doi: 10.1016/j.jimonfin.2018.02.007
31. Golitsis, P., Gkasis, P., & Bellos, S. K. (2022). Dynamic spillovers and linkages between gold, crude oil, S&P 500, and other economic and financial variables. Evidence from the USA. The North American Journal of Economics and Finance, 63, 101785.
32. Grigoryeva, I., & Ley, D. (2019). The price ripple effect in the Vancouver housing market. Urban Geography, 40(8), 1168-1190.
33. Jakobsson, N. (2022). CAN GOLD SERVE AS A HEDGE AGAINST UNCERTAINTY?: A study on the gold price dynamics and its role as a safe haven asset.
34. O'Callaghan, M. M. (1991). The structure and operation of the world gold market. International Monetary Fund.
35. Silvestre, B. S. (2015). Sustainable supply chain management in emerging economies: Environmental turbulence, institutional voids and sustainability trajectories. International Journal of Production Economics, 167, 156-169.
36. Tabak, B. M., e Silva, I. B. D. R., & Silva, T. C. (2022). Analysis of connectivity between the world’s banking markets: The COVID-19 global pandemic shock. The Quarterly Review of Economics and Finance, 84, 324-336.
37. Živkov, D., Kuzman, B., & Andrejević-Panić, A. (2021). Nonlinear bidirectional multiscale volatility transmission effect between stocks and exchange rate markets in the selected African countries. Economic Research-Ekonomska Istraživanja, 34(1), 1623-1650.
38. 1. Rajizadeh, Simin. (2022). Evaluation of VIX volatility index in Iran's capital market and its future pricing effect using the Garou model. Financial Engineering and Securities Management, 13(52), 80-60.(in persian)
39. 2. Jahid, Mohammad Daniyal, Fathi, Zad Elah. (2021). Factors affecting coin market fluctuations and their ranking in Iran during 1994 to 1997. Financial Engineering and Securities Management, 12(48), 313-329. (in persian)
40. 3. Bakhtiaran, Mohammad Javad, Zulfiqari, Mehdi. (2022). Designing a model to predict the global gold price return (with emphasis on the combined models of convolutional neural network and Garch family models). Financial Engineering and Securities Management, 13(50), 73-98. (in persian)
|_

متن کامل:



فصلنامه مهندسی مالی و مدیریت اوراق بهادار شماره چهل و هشتم / پائیز 1400

 

 

 

اثر سرایت‌پذیری پویا چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا

چکیده

تعامل بین مشتقات مالی و بازارهای فیزیکی زیربنایی آن‌ها موضوع تحقیقات گسترده‌ای درزمینهٔ مالی بوده است. این مقاله به بررسی اثر سرایت پویا بین بازار آتی طلا و بازار فیزیکی طلا در بازارهای مالی و بورس اوراق بهادار تهران در بازه زمانی 29/08/1388 تا 1397/09/05 می‌پردازد و به‌طور خاص بر چرخه نوسانی که بین این دو حوزه به‌هم‌پیوسته رخ می‌دهد تمرکز می‌کند. داده‌ها به‌صورت روزانه جمع‌آوری‌شده است. با استفاده از یک مجموعه داده جامع که یک دوره قابل‌توجه را دربرمی گیرد، از تکنیک‌های اقتصادسنجی پیشرفته از مدل‌های GARCH-BEKK، مارکوف-سوئیچینگ و VAR ساختاری برای تجزیه‌وتحلیل پویایی نوسانات و سرایت آن بین معاملات آتی طلا و بازار فیزیکی طلا استفاده می‌کنیم. یافته‌های ما وجود یک رابطه دوطرفه را نشان می‌دهد که در آن اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه است. همچنین از دیگر نتایج پژوهش این است که اثر سرایتی تلاطم از بازار فیزیکی طلا به بازار آتی سکه در رژیم‌های مختلف متفاوت است.

واژه‌های کلیدی: سرایت پویا، چرخه تلاطم، بازار آتی طلا، بازار فیزیکی طلا، بورس اوراق بهادار تهران.

 

 

 

 

 

 

 

مقدمه

بازار مالی جهانی در سال‌های اخیر شاهد موارد متعددی از تلاطم و بی‌ثباتی بوده است که در اکثر این بحران‌ها اثر سرایت‌پذیری موضوع اصلی است (زیوکو و همکاران¹،2021). اثر سرایت‌پذیری به انتقال شوک‌ها در بازارها و اقتصادهای مختلف اشاره دارد که منجر به یک حلقه بازخورد می‌شود که شوک‌های اولیه را تقویت می‌کند و نوسانات سیستم‌های مالی را افزایش می‌دهد (تاباک² و همکاران،2022). یکی از این اثرات سرایت‌پذیری، چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا است. چرخه تلاطم به حلقه بازخورد بین این بازارها اشاره دارد، جایی که تلاطم در یک بازار منجر به انتقال نوسانات به دو بازار دیگر می‌شود و بالعکس. بازار آتی طلا یک بازار مالی جهانی مهم است که در آن شرکت‌کنندگان قراردادهایی را برای تحویل طلا در تاریخ آینده خریداری و می‌فروشند (دافی و استین³،2015). از طرف دیگر، بازار طلای فیزیکی به بازاری اطلاق می‌شود که در آن طلا به شکل فیزیکی مانند شمش و سکه طلا معامله می‌شود (فری⁴،2020). طلا به‌عنوان یک دارایی امن در نظر گرفته می‌شود، به این معنی که به‌عنوان ذخیره ارزش و پوششی در برابر تورم و ریسک ارز تلقی می‌شود (بور⁵ و همکاران،2016؛ جاکبسون⁶،2022). درنتیجه، تعجب‌آور نیست که قیمت طلا تحت تأثیر عوامل بسیاری ازجمله عرضه و تقاضای طلا، شرایط کلان اقتصاد و تغییرات نرخ ارز قرار دارد (دینگ⁷ و همکاران،2022). اثر سرایت‌پذیری در بازار طلا پیامدهای مهمی برای سرمایه‌گذاران و سیاست‌گذاران دارد. می‌تواند فرصت‌هایی برای آربیتراژ و مدیریت ریسک ایجاد کند، اما همچنین می‌تواند خطر بی‌ثباتی مالی و بحران‌های سیستمی را افزایش دهد؛ بنابراین، درک اثر سرایت‌پذیری و چگونگی تکامل آن در طول زمان ضروری است.

تحقیقات نشان داده است که بین بازار آتی طلا و بازار فیزیکی طلا یک اثر سرایت پویا وجود دارد (دائی و همکاران⁸،2020؛ کلیتیس⁹ و همکاران،2022). این بدان معنی است که تغییرات دریکی از این بازارها می‌تواند به‌سرعت به سایر بازارها سرایت کند و باعث ایجاد یک اثر دومینوی تغییرات قیمت و نوسان شود. ازاین‌رو اگر نرخ تبدیل یک ارز تغییر کند، می‌تواند بر قیمت آتی طلا تأثیر بگذارد که به‌نوبه خود می‌تواند بر قیمت طلای فیزیکی تأثیر بگذارد. عکس این موضوع نیز صادق است، زیرا نوسانات در بازار فیزیکی طلا می‌تواند بر قیمت معاملات آتی طلا تأثیر بگذارد (گریگوریوا و لی¹⁰، 2019). با توجه به پژوهش برین و همکاران¹¹ (2015)، اثر سرایت پدیده‌ای است که به‌موجب آن شوک در یک بازار منجر به انتقال نوسانات به بازارهای دیگر می‌شود؛ بنابراین، اثر سرایت پویا بین بازار آتی طلا و بازار فیزیکی طلا زمانی رخ می‌دهد که شوک‌های نوسانات در یک بازار منجر به انتقال نوسانات به دو بازار دیگر می‌شود و یک حلقه بازخورد ایجاد می‌کند که شوک‌های اولیه را تقویت می‌کند. این اثرات سرایت‌پذیری پویا در مطالعات قبلی مانند کار باور و لوسی¹² (2010) مشاهده‌شده است که شواهدی از وابستگی متقابل قوی بین بازار آتی طلا و بازار فیزیکی طلا پیدا کردند. علاوه بر این، گانیون و کارولی¹³ (2018) گزارش داد که اثر سرایت پویا بین این بازارها در سال‌های اخیر به‌طور قابل‌توجهی افزایش‌یافته است. این مطالعه باهدف ارائه یک تحلیل جامع از چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا به‌منظور اطلاع‌رسانی استراتژی‌های مدیریت ریسک و کمک به درک بهتر پویایی بازار مالی است و همچنین اهمیت این تحقیق در پتانسیل آن برای روشن کردن ماهیت و میزان اثر سرایت پویا بین بازار آتی طلا و بازار فیزیکی طلا نهفته است. با انجام این کار، می‌توانیم رفتار این بازارها را بهتر درک کنیم و استراتژی‌های مدیریت ریسک مؤثری را توسعه دهیم.

پیشینه پژوهش

اثر سرایتی تلاطم از بازار فیزیکی طلا به بازار آتی سکه به پدیده‌ای اشاره دارد که بی‌ثباتی و تلاطم در بازار فیزیکی طلا می‌تواند به بازار آتی سکه سرایت کند و منجر به افزایش نوسانات و خطرات بالقوه برای سرمایه‌گذاران شود. این تأثیر می‌تواند تأثیر بسزایی بر قیمت طلا و ارزش سرمایه‌گذاری برای سرمایه‌گذارانی داشته باشد که در این بازارها قرار دارند (کربت¹⁴ و همکاران،2021). بازار فیزیکی طلا معمولاً تحت تأثیر عرضه و تقاضا است. هنگامی‌که کمبود طلای فیزیکی وجود دارد، به دلیل افزایش تقاضا، قیمت طلا افزایش می‌یابد. برعکس، زمانی که مازاد عرضه طلای فیزیکی وجود دارد، قیمت طلا به دلیل کاهش تقاضا کاهش می‌یابد. این بازار همچنین تحت تأثیر تنش‌های ژئوپلیتیکی، تورم و سایر عوامل اقتصادی است که بر عرضه و تقاضای طلای فیزیکی تأثیر می‌گذارد (اوکالگاهان¹⁵،1991). از سوی دیگر، بازار آتی سکه معمولاً تحت تأثیر سفته‌بازی و احساسات سرمایه‌گذاران است (برون و کلیف¹⁶،2005). سرمایه‌گذاران در این بازار قراردادهای آتی طلا را معامله می‌کنند که نشان‌دهنده وعده تحویل طلای فیزیکی در تاریخ آینده است. قیمت این قراردادها بر اساس انتظارات بازار از قیمت آتی طلا است. زمانی که تقاضای زیادی برای قراردادهای آتی طلا وجود دارد، قیمت قراردادها افزایش می‌یابد. زمانی که تقاضای پایینی برای قراردادهای آتی طلا وجود دارد، قیمت به سمت کاهش می‌رود (فری،2020). درزمینهٔ بازار طلا، طلای فیزیکی به شمش یا سکه طلا اطلاق می‌شود که بین خریداران و فروشندگان معامله و تحویل فیزیکی می‌شود (اوکالگاهان،1991). از سوی دیگر، قراردادهای آتی سکه ابزارهای مالی هستند که به سرمایه‌گذاران اجازه می‌دهند تا در مورد قیمت آتی طلا بدون مالکیت واقعی فلز فیزیکی حدس و گمان کنند (فری،2020). زمانی که تلاطمی در بازار فیزیکی طلا وجود داشته باشد، مانند تغییرات ناگهانی در عرضه و تقاضا یا اختلال در زنجیره تأمین، می‌تواند بر قیمت طلا تأثیر بگذارد و بین سرمایه‌گذاران عدم اطمینان ایجاد کند. سپس این عدم اطمینان می‌تواند به بازار آتی سکه سرایت کند و منجر به افزایش نوسانات و خطرات بالقوه برای سرمایه‌گذارانی شود که در معرض این بازار هستند (کریستوفر و هولگ¹⁷،2011). اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه زمانی رخ می‌دهد که بی‌ثباتی در بازار فیزیکی طلا منجر به کاهش تقاضا برای قراردادهای آتی سکه شود (کاربت و همکاران،2021).

راجی زاده (1401) در پژوهش خود داده‌های روزانه اختیار معامله سکه طلا در بازه زمانی 1396 تا 1399 در بورس کالای ایران را بررسی کرد. نوسان پذیری قیمت سکه در بورس کالای ایران به روش مدل گارو با شاخص VIX تعمیم‌یافته، گارچ و آرچ بر طبق نرم‌افزار ایویوز درست نمایی شدند. نتایج حاصل از تجزیه‌وتحلیل فرضیه‌ها نشان داد که محاسبه نوسان بر مبنای مدل گارو با مؤلفه‌های پنهان و مؤلفه پرش در پیش‌بینی نوسان VIX، در مقایسه با مدل گارچ و آرچ دارای خطای اندازه‌گیری کمتری است. بختیاران و ذوالفقاری (1401) در پژوهش خود به طراحی مدلی جهت پیش‌بینی بازده قیمت جهانی طلا (با تأکید بر مدل‌های ترکیبی شبکه عصبی کانولوشنی و مدل‌های خانواده گارچ) پرداختند. نتایج تحقیق حاکی از برتری مدل پیشنهادی نسبت به مدل‌های جاری در پیش‌بینی سری زمانی بازدهی قیمت طلا بود. همچنین بر اساس معیارهای ارزیابی خطای پیش‌بینی RMSE و MAPE، مدل CNN-EGARCH بر پایه توزیع نرمال دارای خطای پیش‌بینی کمتری نسبت به 23 مدل دیگر دارد. جاهد و فتحی، زاداله (1400) در پژوهش خود به بررسی عوامل مؤثر بر نوسانات بازار سکه و رتبه‌بندی آن‌ها در ایران طی سال 94 الی 97 پرداختند. نتایج نشان می‌دهد که تغییرات قیمت طلا بر تغییرات قیمت ارز تأثیر مثبت و معناداری در سطح 5 درصد دارد.

روش‌شناسی

هدف پژوهش حاضر، اثر سرایت‌پذیری پویا چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا است، لذا پژوهش حاضر ازنظر هدف، کاربردی است. ازاین‌رو در پژوهش حاضر فرضیات پژوهشی این‌چنین طراحی‌شده است:

فرضیه اول: اثر سرایت‌پذیری تلاطم از بازار فیزیکی طلا به بازار آتی سکه است.

فرضیه دوم: اثر سرایت‌پذیری تلاطم از بازار فیزیکی طلا به بازار آتی سکه در رژیم‌های مختلف متفاوت است.

جامعه آماری این پژوهش شامل بازار آتی و بازار فیزیکی طلا است. در این پژوهش به‌منظور آزمون فرضیه‌های موردنظر، دوره زمانی از سال‌های 7/06/1388 تا 14/06/1397 است که به‌صورت روزانه جمع‌آوری گردید. دلیل انتخاب دوره مالی به این خاطر است که معاملات آتی سکه تا سال 97 انجام می‌شده و پس‌ازآن متوقف‌شده است. داده‌های این پژوهش در نرم‌افزار Excel و نرم‌افزارهای اقتصادسنجی Eviews و SPSS با استفاده از یافته‌ها و نمودارها توصیف خواهد شد. سپس بر اساس مدل‌های موردنظر و روش‌های آماری و اقتصادسنجی مالی مناسب مورد تجزیه‌وتحلیل قرار خواهند گرفت.با استفاده از آزمون‌های دیکی فولر و فیلیپس پرون مانایی داده‌ها، در این مقاله به بررسی سرایت‌پذیری تلاطم و رابطه بین متغیرها پرداخته می‌شود. سپس با استفاده از آزمون GARCH دومتغیره و روش مارکوف سوئیچینگ چند متغیره، سرایت‌پذیری تلاطم نیز موردبررسی قرار می‌گیرد. در ادامه، با استفاده از آزمون‌های VAR، رابطه بین متغیرها موردبررسی قرار می‌گیرد. دلیل استفاده از مدل GARCH این است که این مدل توانایی مدل‌سازی تغییرپذیری هم‌زمان دو متغیر را دارد و اثری که ممکن است این دو متغیر بر یکدیگر بگذارند را مشخص می‌نماید. همچنین، استفاده از مدل VAR برای مشخص کردن واکنش‌هایی است که هر متغیر در برابر شوک‌هایی که با تغییر انحراف معیار پیش می‌آید، نشان می‌دهد. در این مقاله، تلاطم مالی و روابط میان متغیرها در بازار اوراق بهادار تهران به‌وسیله این روش‌ها و آزمون‌ها موردبررسی و تحلیل قرار می‌گیرد.

متغیرهای پژوهش جهت آزمون فرضیه‌ها

متغیرهای پژوهش به همراه نحوه به دست آمدن آن‌ها در جدول (1) آورده شده است.

جدول (1) متغیرهای پژوهش

نام متغیر	نماد	توضیحات
تلاطم قیمت آتی سکه	Future price of the coin	نوسانات روزانه = انحراف استاندارد بازده / ریشه مربع دوره زمانی جایی که:    انحراف استاندارد از بازده = SQRT[Σ(Rt - Ravg)^2/(n-1)]  RAVG = بازده متوسط  RT = بازده برای t روز  n = تعداد روزها در مجموعه داده‌ها فرمول محاسبه انحراف استاندارد بازده همانند فرمول نوسانات سالانه است. تنها تفاوت این است که در این فرمول، انحراف استاندارد بازده‌ها بر اساس ریشه مربع دوره زمانی برای محاسبه نوسانات روزانه تقسیم می‌شود. توجه به این نکته حائز اهمیت است که مدت‌زمان استفاده‌شده در فرمول باید بافاصله زمانی داده‌های بازده مطابقت داشته باشد. به‌عنوان‌مثال، اگر داده‌های بازده برای بازده روزانه باشد، دوره زمانی باید ریشه مربع 1 (یعنی 1 روز) باشد. اگر داده‌های بازده برای بازده هفتگی باشد، دوره زمانی باید ریشه مربع 5 باشد (یعنی 5 روز معاملاتی).
تلاطم بازار فیزیکی طلا	Coin	در فرمول فوق انحراف معیار شرطی به‌عنوان تلاطم بازار فیزیکی طلا در نظر گرفته می‌شود.  تغییرات قیمت یا همان بازدهی است. و  یک متغیر تصادفی نرمال استاندارد به‌عنوان جز اخلال است.   تجزیه‌وتحلیل  مجموعه داده‌های مورداستفاده در این پژوهش، در بازه زمانی از تاریخ ۷ شهریورماه ۱۳۸۸ تا ۱۴ شهریورماه ۱۳۹۷ جمع‌آوری‌شده‌اند و از شاخص قیمت طلا استفاده‌شده است. این داده‌ها به دو بخش تقسیم می‌شوند؛ بخش مربوط به دوره تخمین که از تاریخ ۷ شهریور ۱۳۸۸ تا ۱۸ مرداد ۱۳۹۶ (با ۲۹۷۳ مشاهده) است و بخش مربوط به دوره پیش‌بینی که تقریباً یک سال و نیم از تاریخ ۱۹ فروردین ۱۳۹۶ تا ۱۴ شهریور ۱۳۹۷ (با ۴۰۰ مشاهده) را شامل می‌شود. هدف از این تقسیم‌بندی، تخمین و پیش‌بینی مدل‌ها درون نمونه‌ای است و برای پیش‌بینی از تقسیم‌بندی برون نمونه‌ای استفاده‌شده است. دوره پیش­بینی دوره تخمین t = -T+1 , -T+2 , …., 0 1 , 2 , …, n    با توجه به معیارهای انتخاب مدل در فرآیند مدل‌سازی، برای انتخاب بهترین مدل و تطابق مناسب از معیارهای AIC و BIC استفاده‌شده است. همچنین، برای بررسی نوسان پذیری از معیارهای سنجش پایداری 18 استفاده‌شده است که شامل جمع پارامترهای مدل ARCH و GARCH است. در پایان، برای ارزیابی دقت پیش‌بینی از هفت تابع زیان آماری مانند معیارهای19 MAE و20 RMSE استفاده‌شده است. در این مطالعه، نرم‌افزارهای MATLAB، EVIEWS و OXMETRICS برای انجام محاسبات و تحلیل‌ها به کار گرفته‌شده است و برای هر مرحله از فرآیند، کدهای برنامه‌نویسی مورداستفاده قرارگرفته است. داده‌های قیمت روزانه با استفاده از روش استاندارد، به بازدهی‌های روزانه تبدیل‌شده‌اند:  (1) که در معادله بالا مقدار بازدهی­های روزانه قیمت‌های طلا و  و  به ترتیب مقدار قیمت­های این شاخص­ها در زمان‌های t  و t- است. معادله بالا را می­توان به‌صورت لگاریتم تفاضل قیمت طلا در زمان حال و زمان گذشته نوشت: (2) برای دلایل مختلفی، انجام تفاضل لگاریتمی در این متن استفاده می‌شود. اولاً، این کار باعث می‌شود نمودار سری زمانی به‌صورت صاف‌تری نمایش داده شود. دوماً، تفاضل لگاریتمی باعث می‌شود تحلیل و بررسی روی تغییرات نرخ بازدهی انجام شود؛ و سوماً، تبدیل لگاریتمی و سپس تفاضل گیری، نرخ رشد تغییرات شاخص را بررسی می‌کند که در تحلیل‌های اقتصادی و به‌خصوص در بازار بورس اوراق بهادار، اهمیت ویژه‌ای دارد. آمار توصیفی داده‌ها با توجه به نتایج حاصل از سنجش آمار توصیفی متغیرهای پژوهش، همان‌طور که از جدول فوق مشاهده می‌شود بیشترین انحراف معیار مربوط به نرخ ارز و کمترین انحراف معیار مربوط به قیمت آتی طلا است. همچنین مشاهده می‌شود که داده‌های پژوهش نرمال بوده و هیچ‌گونه چولگی و کشیدگی در آن‌ها مشاهده نمی‌شود. از سوی دیگر احتمال جارک برا به دلیل اینکه کمتر از 0.05 است نشان از نرمال نبودن داده‌های پژوهش دارد.  جدول(1). آماره­های توصیفی متغیرهای پژوهش متغیرها میانگین انحراف معیار میانه کمینه بیشینه آماره جارک برا چولگی کشیدگی قیمت نقدی طلا (بازار فیزیکی) 6.917 0.830 6.899 6.741 7.882 41493.66 0.875 2.901 قیمت آتی طلا (بازار آتی) 6.411 0.610 6.538 6.664 7.435 80315.62 0.595 2.978 (منبع: یافته‌های پژوهشگر)  خودهمبستگی و اثرات آرچ  تابع خودهمبستگی (ACF)21 و تابع خود­همبستگی جزئی (PACF)22 برای بازدهی­ها و مربعات بازدهی­ها بازار آتی سکه در جدول (2) نشان داده‌شده است. همه مقادیر آن‌ها بسیار کوچک هستند که نشان می‌دهد سری بازدهی تقریباً نا همبسته است و نشان می‌دهد که همبستگی معناداری در بازده مربعات وجود دارد. همچنین، وجود این همبستگی بین مربعات بازدهی‌ها نشانه‌ای از وجود همبستگی سریالی در نوسانات است. آماره LM برای آزمون اثر ARCH در وقفه‌های مختلف است. فرض صفر این است که هیچ اثری از ARCH وجود ندارد و این آماره دارای توزیع F است. در این جدول، LM(q) برای اثرات ARCH در پسماندهای حاصل از رگرسیون OLS بر روی یک ثابت است. جدول (2). نتایج همبستگی سری بازدهی­ها و همبستگی سریالی بازار آتی سکه   سری بازدهی‌ها سری مربعات بازدهی‌ها وقفه‌ها ACF PACF آماره LQB p-value ACF PACF آماره LQB p-value 1 0.413 0.413 544.21 0.00 0.197 0.197 123.84 0.00 2 0.263 0.126 733.84 0.00 0.115 0.08 166.41 0.00 3 0.174 0.038 860.93 0.00 0.143 0.111 231.59 0.00 4 0.178 0.090 962.56 0.00 0.064 0.012 244.88 0.00 5 0.143 0.031 1028.1 0.00 0.055 0.022 254.65 0.00 10 0.193 0.061 1495.6 0.00 0.064 0.031 305.21 0.00 15 0.109 0.041 1759.6 0.00 0.050 0.008 388.71 0.00 20 0.102 0.002- 1964.5 0.00 0.071 0.033 455.76 0.00 25 0.065 0.007 2046.6 0.00 0.034 0.002- 490.99 0.00 (منبع: یافته‌های پژوهشگر) نتایج آزمون فرضیه‌های پژوهش: بررسی اثر سرایت‌پذیری تلاطم از بازار فیزیکی طلا به بازار آتی سکه (منبع: یافته‌های پژوهشگر) در جدول (3) نتایج حاصل از برآورد مدل گارچ دومتغیره BEKK برای بازارهای فیزیکی طلا و آتی سکه نشان داده‌شده است. بر اساس نتایج مندرج در جدول (3) با توجه به معناداری ضرایب و در سطح معنای 1% بازدهی‌های بازار فیزیکی طلا و بازار آتی سکه از وقفه‌های بازدهی خود اثرپذیرند که اثرپذیری بازار ارز از بازدهی با وقفه خود (0.38) بیشتر از اثرپذیری بازار آتی سکه از بازدهی با وقفه خود (0.1965) است. همچنین ضریب و  در سطح معنی‌داری 5% نیز معنادار هستند. با توجه به معناداری ضرایب آرچ مدل ( و ) در سطح معنی‌داری 1% هردو بازار با یک وقفه از شوک‌های خود اثرپذیرند و ضرایب  و    در طح معنی‌داری 5 درصد اثر سرایت‌پذیری شوک بازار فیزیکی طلا بر بازار آتی سکه و به ر متقابل سرایت‌پذیری شوک بازار آتی طلا بر بازار فیزیکی طلا نشان می‌دهد. همچنین معناداری ضرایب گارچ مدل ( و) در سطح  معنی‌داری 1% نشان‌دهنده این است که هردو بازار از نوسانات گذشته خود اثرپذیرند.  با معناداری ضریب  و    سطح معنای 1% به ترتیب سرایت‌پذیری ریسک تلاطم از بازار فیزیکی طلا  به  بازار آتی سکه  و سرایت‌پذیری بازار آتی سکه به بازار فیزیکی طلا را نشان می‌دهد که البته میزان سرایت‌پذیری   نوسانات بازار آتی طلا بر بازار فیزیکی طلا( 0.00132) در مقایسه با اثرپذیری نوسانات خود بازار فیزیکی (0.000274) کمتر است. با توجه به نتایج فوق، می‌توان نتیجه گرفت که  در بازارهاي فیزیکی طلا و آتی سکه اثرات سرایت تلاطم مشاهده می‌شود. مدل‌های گارچ تک رژیمه  جدول (4) نتایج برآورد مدل‌های گارچ تک رژیمه را در بازار آتی سکه نشان می­دهد. همان‌طور که مشاهده می­شود که تقریباً همه­ی برآورد­های پارامترها μ در مدل‌های GARCH تک رژیمه در سطح % 1 ، معنی‌داری هستند. در­نتیجه برای مدل‌های GARCH,EGARCH و GJR، به ترتیب چولگی شرطی برابر با 14.37، 10.95، و 7.16 خواهد بود که تائید کننده رفتار معمول دنباله­های چاق در سری بازدهی­ها است. جدول (4). نتایج برآورد مدل‌های گارچ تک رژیمه بازار آتی سکه جدول (3) نتایج حاصل از مدل BEKK برای بازار فیزیکی طلا و بازار آتی سکه Prob ضریب   0.0001 0.00232   0.0001 0.38750   0.0479 0.00872   0.0335 0.00432   0.0001 0.009781   0.0029 0.19615   0.0013 0.41274   0.0001 0.32225   0.0032 0.0165   0.0001 0.00025   0.0001 0.75825   0.0001 0.99570-   0.0313 0.00274   0.0011 0.00132     GARCH EGARCH GJR-GARCH نرمال Tاستیودت GED نرمال tاستیودت GED نرمال Tاستیودت GED µ *** ۰٫۰۶۳۱ *** ۰٫۰۶۹۷ *** ۰٫۰۶۱۸ *** ۰٫۱۰۳۷ *** ۰٫۰۷۷۵ *** ۰٫۰۶۵ *** ۰٫۰۶۴۷ *** ۰٫۰۶۸۶ *** ۰٫۰۶۱۳ Srd.err. ۰٫۰۰۸ ۰٫۰۰۶ ۰٫۰۰۵ ۰٫۰۰۶ ۰٫۰۰۶ ۰٫۰۰۵ ۰٫۰۰۸ ۰٫۰۰۶ ۰٫۰۰۵ آماره  t ۸٫۱۳۳ ۱۱٫۶۷۱ ۱۱٫۸۴۷ ۱۷٫۳۶۴ ۱۳٫۳۸۱ ۱۲٫۹۴۷ ۷٫۶۳ ۱۱٫۳۷۸ ۱۱٫۶۲۵ α0 *** ۰٫۰۵۶۸ *** ۰٫۰۴۹ *** ۰٫۰۵۰۸ *** -۰٫۹۰۶۸ *** -۰٫۲۰۷ *** -۰٫۸۹۹ *** ۰٫۰۵۶۴ *** ۰٫۰۴۸۷ **** ۰٫۰۵۰۵ Srd.err. ۰٫۰۰۱ ۰٫۰۰۵ ۰٫۰۰۴ ۰٫۰۳۳ ۰٫۰۲ ۰٫۰۶۶ ۰٫۰۰۲ ۰٫۰۰۵ ۰٫۰۰۴ آماره  t ۳۸٫۹۳ ۱۰٫۶۰۳ ۱۳٫۸۱۲ -۲۷٫۷۱۹ -۱۰٫۲۶ -۱۳٫۵۷ ۳۲٫۱۵۸ ۱۰٫۵۶۹ ۱۳٫۶۱۶ α1 *** ۰٫۴۸۱ *** ۰٫۷۰۴۷ *** ۰٫۶۴۱۸ *** ۰٫۶۶۳۴ *** ۰٫۲۵۰۹ *** ۰٫۶۷۰۵ *** ۰٫۴۲۸۳ *** ۰٫۶۲۱۶ *** ۰٫۵۵۸۵ Srd.err. ۰٫۰۱۹ ۰٫۰۵۴ ۰٫۰۵۹ ۰٫۰۲ ۰٫۰۲۳ ۰٫۰۴۱ ۰٫۰۳۲ ۰٫۰۶۸ ۰٫۰۷۷ آماره  t ۲۴٫۹۱۳ ۱۳٫۱۵۶ ۱۰٫۸۱۵ ۳۳٫۶۸۹ ۱۰٫۹۴۵ ۱۶٫۴۳۷ ۱۳٫۲۲۷ ۹٫۱۴۵ ۷٫۲۸۹ β1 *** ۰٫۳۷۷ *** ۰٫۲۵۳۹ *** ۰٫۲۸۸۶ *** ۰٫۷۲۰۴ *** ۰٫۹۷۷۷ *** ۰٫۷۴۹۹ **** ۰٫۳۸۱۹ *** ۰٫۲۵۵۸ *** ۰٫۲۹۱۸ Srd.err. ۰٫۰۱۱ ۰٫۰۳۲ ۰٫۰۲۸ ۰٫۰۱۳ ۰٫۰۰۶ ۰٫۰۲۶ ۰٫۰۱۵ ۰٫۰۳۲ ۰٫۰۲۹ آماره  t ۳۴٫۹۵ ۸٫۰۱۲ ۱۰٫۲۲۹ ۵۵٫۵۵ ۱۷۵٫۴۶ ۲۹٫۱۰۹ ۲۵٫۰۸۸ ۸٫۰۳ ۹٫۸۹۷ Ξ - - -   ۰٫۰۲۹۸ *** ۰٫۰۳۱۹   ۰٫۰۶۲۳ *** ۰٫۵۱۷۷ *** ۰٫۷۸۲۸ *** ۰٫۷۰۳ Srd.err. - - - ۰٫۰۱ ۰٫۰۰۹ ۰٫۰۲۷ ۰٫۰۲۲ ۰٫۰۷۶ ۰٫۰۷۶ آماره  t - - - ۲٫۹۰۵ ۳٫۳۶۴ ۲٫۳۱۹ ۲۳٫۳۲۹ ۱۰٫۲۴۸ ۹٫۳۹۴ درجه آزادی - *** ۴٫۰۶۷۸ *** ۱٫۰۴۲ - *** ۳٫۵۷۰۲ *** ۱٫۰۳۳۴ - *** ۴٫۰۷۷۷ *** ۱٫۰۴۲۲ Srd.err. - ۰٫۲۴۱ ۰٫۰۲۶ - ۰٫۲۲۶ ۰٫۰۲۵ - ۰٫۲۴۲ ۰٫۰۲۶ آماره  t - ۱۶٫۸۷ ۴۰٫۵۲ - ۱۵٫۸۱۲ ۴۱٫۴۲۷ - ۱۶٫۸۶۱ ۴۰٫۵۹۶ Log(L) ۱۷۰۲٫۶۷ ۱۳۸۹٫۹۴ ۱۴۳۱٫۴۸ ۱۷۱۵ ۱۳۸۳٫۶۵ ۱۴۳۴٫۰۹ ۱۷۰۱٫۲۳ ۱۳۸۸٫۲ ۱۴۲۹٫۹۹ پایداری ۰٫۸۵۸ ۰٫۹۵۸ ۰٫۹۳ ۰٫۷۲ ۰٫۹۷۷ ۰٫۷۴۹ ۰٫۸۵۴ ۰٫۹۵۸ ۰٫۹۲۲ (منبع: یافته‌های پژوهشگر) در جدول (۴) علامت‌های *و ** . *** نشان­دهنده معناداری ضرایب در سطوح به ترتیب %۹۰، %95 و %99 است. هر یک از مدل‌های GARCH به‌وسیله توزیع‌های نرمال (N) ، توزیع t استیودنت و GED برآورد می­شوند. پایداری (نوسان پذیری) در بازار آتی سکه بر اساس نتایج جدول‌های (5) و (6)، ظاهر می‌شود که مدل‌های گارچ با چرخش که دارای نوسان پذیری بالایی در نوسانات هستند، توانایی کاهش نوسان پذیری رادارند و پایداری را افزایش می‌دهند. مجموع ضریب پارامترهای ARCH و GARCH در مدل‌های SW-GARCH درجه پایداری نوسانات را نشان می‌دهد و این مقدار پایداری در مدل‌های گارچ چرخشی مارکف به‌طور واضح بیشتر است. تغییرات در رژیم نوسانات می‌تواند منجر به پایداری بالای نوسانات شود. با استفاده از مدل چرخش رژیمی، هر رژیم نوسانات را به‌صورت جداگانه مدیریت می‌کند و از افزایش نوسان پذیری جلوگیری می‌کند. جدول (5). پایداری در مدل‌های گارچ تک رژیمه برای بازار آتی سکه مدل‌های گارچ GARCH EGARCH GJR-GARCH نرمال tاستیودت GED نرمال tاستیودت GED نرمال tاستیودت GED پایداری ۰٫۸۵۸ ۰٫۹۵۸ ۰٫۹۳  ۰٫۷۲ ۰٫۹۷۷ ۰٫۷۴۹ ۰٫۸۵۴ ۰٫۹۵۸ ۰٫۹۲۲ (منبع: یافته‌های پژوهشگر) جدول (۶)پایداری در مدل‌های گارچ چرخشی مارکف برای بازار آتی سکه   Normal t-استیودنت(2) t-استیودنت(2) GED مدل‌های SW-GARCH رژیم کم نوسان رژیم پر نوسان رژیم کم نوسان رژیم پر نوسان رژیم کم نوسان رژیم پر نوسان رژیم کم نوسان رژیم پر نوسان پایداری ۰٫۷۳۳۲ ۰٫۹۷۷۶ ۰٫۹۹۹۶ ۰٫۹۰۴۹ ۰٫۹۹۹۶ ۰٫۸۸۶۶ ۰٫۹۸۹۹ ۰٫۰۰۰۲ پایداری کلی ۰٫۹۷ ۰٫۹۵ ۰٫۹۷ ۰٫۹۵ (منبع: یافته‌های پژوهشگر)  رژیم‌های کم نوسان به معنای رژیم‌هایی هستند که احتمال انتقال کمتری دارند، درحالی‌که رژیم‌های پر نوسان رژیم‌هایی هستند که احتمالات انتقال بیشتری دارند. نتایج نشان می‌دهد که برآوردهای داخل نمونه در هر دو مدل با درجه آزادی ثابت و متغیر بین دو رژیم بسیار معنادار هستند. برآوردهای میانگین شرطی نیز همگی معنادار هستند، به‌جز برخی از برآوردهای واریانس ثابت، به‌خصوص ثابت  که نتوانستیم فرض صفر را رد کنیم و نشان دهیم که مقدار این پارامتر برابر با صفر نیست.برای بیان نحوه چرخش رژیم‌های نوسانات، احتمالات هموارشده برای بودن در رژیم پر نوسان در نمودارهای (1)، (2)، (3) و (4) رسم شده است. برای استدلال درباره رژیم مشخص در هر زمان، از احتمالات هموارشده بر اساس نمونه کل داده‌ها به‌صورت کلی زیر استفاده‌شده است: (3)   ازاین‌رو، احتمالات هموارشده نوسانات در چهار مدل به‌صورت دو رژیم پر نوسان و کم نوسان در نمودارهای بعدی نمایش داده‌شده است. از شکل (1) مشخص است که مدل گارچ چرخشی مارکف با توزیع خطای نرمال قادر به تشخیص چرخش رژیم نیست و احتمالات هموارشده نوسانات در دو رژیم کم نوسان و پر نوسان جدا از یکدیگر واقع‌شده‌اند و تغییرات بین این دو رژیم به‌صورت مشهودی رخ نداده است. البته در نقاطی محدود، رژیم کم نوسان به محدوده رژیم پر نوسان نزدیک شده است، اما چرخش قابل‌رؤیتی رخ نداده است و این چرخش‌ها بسیار کم و کوتاه‌مدت بوده و حداکثر تا یک هفته اتفاق می‌افتد.   شکل (2). نمودار چرخش رژیمی برای مدل SWGARCG-GED در بازار آتی سکه (منبع: یافته‌های پژوهشگر)   شکل (1): نمودار چرخش رژیمی برای مدل SWGARCH- در بازار آتی سکه (منبع: یافته‌های پژوهشگر)    شکل (4). نمودار چرخش رژیمی برای مدل SWGARCH-t2 در بازار آتی سکه (منبع: یافته‌های پژوهشگر)   شکل (3). نمودار چرخش رژیمی برای مدل SWGARCH-t در بازار آتی سکه (منبع: یافته‌های پژوهشگر) شکل (2) نمایش‌دهنده احتمالات هموارسازی در مدل گارچ چرخشی مارکف با استفاده از توزیع خطای GED است. در مقابل نمودار شکل (2)، نمودار نشان می‌دهد که باوجود عدم‌تشخیص قابل‌ملاحظه‌ای، رژیم پر نوسان به محدوده رژیم کم نوسان وارد می‌شود و ایجاد چرخش‌هایی بین دو رژیم به طول حدود 2 یا 3 روز را نشان می‌دهد. شکل (3) نشان‌دهنده احتمالات هموارسازی برای نوسانات در مدل چرخشی گارچ مارکف با توزیع خطای t با پارامتر درجه آزادی ثابت بین دو رژیم است. چرخش بین رژیم کم نوسان و پر نوسان به‌صورت قطعی قابل‌مشاهده است. این مدل به‌خوبی توانسته است چرخش رژیمی در نوسانات بورس اوراق بهادار تهران را نمایش دهد. نقاط تلاقی بین دو رژیم و تغییر رژیم نوسانات به دلیل عوامل تأثیرگذار بر بازار بورس است که باعث تغییر رژیم می‌شود. در ادامه، به برخی از مواردی که در تاریخ‌های خاص باعث تغییر رژیم شده است، اشاره می‌شود. شکل (4) همچنین، احتمالات هموارسازی برای مدل گارچ چرخشی مارکف با توزیع خطای t با پارامتر درجه آزادی متغیر بین دو رژیم را نمایش می‌دهد. این نمودار نیز تغییر رژیم را به‌خوبی تمیز می‌کند؛ بنابراین، برای تشخیص تغییر رژیم در مدل‌های گارچ چرخشی مارکف با استفاده از بازار بورس اوراق بهادار تهران، مدل‌های با توزیع خطای t بهتر عمل می‌کنند. آزمون اتورگرسیو برداری با استفاده از مدل اتورگرسیو برداری به بررسی انتقال شوک و پاسخ ضربه هرکدام از متغیرها می‌پردازیم. جدول (8). آزمون اتورگرسیو برداری (VAR)     بازار فیزیکی طلا بازار آتی سکه بازار فیزیکی طلا (1) ضریب ۰٫۵۳۱ ۰٫۲۴۵ P-VALUE ۰٫۰۰۰ ۰٫۰۰۰ t- statistics ۱٫۹۲ ۴٫۶۱ بازار فیزیکی طلا (2) ضریب ۰٫۲۴۱ ۰٫۴۱۲ P-VALUE ۰٫۰۰۰ ۰٫۰۰۰ t- statistics ۱٫۷۳ ۸٫۲۴ بازار آتی سکه (1) ضریب ۰٫۲۹۱ ۰٫۳۷۴ P-VALUE ۰٫۰۴۲ ۰٫۰۰۰ t- statistics ۰٫۵۱۲ ۸٫۳۳ بازار آتی سکه (2) ضریب ۰٫۰۹۸ ۰٫۰۷۴ P-VALUE ۰٫۰۰۵ ۰٫۰۰۰ t- statistics ۴٫۸۲ ۸٫۷۴ (منبع: یافته‌های پژوهشگر) با توجه به نتایج حاصل از جداول فوق مشخص می‌شود که بازار فیزیکی طلا می‌توان کوتاه‌مدت شوک منفی و در بلندمدت شوک مثبت بر بازار آتی سکه وارد کند و همچنین بازار آتی سکه در کوتاه‌مدت پاسخی مثبت و در بلندمدت پاسخی منفی به این تکانه می‌دهد. بازار فیزیکی طلا و بازار آتی سکه نمی‌توانند به بازار ارز تکانه‌ای وارد کند و پاسخی نیز دریافت نمی‌کند. نتایج و ارائه پیشنهاد‌های نتایج کلی سرریز نوسانات و تلاطم بین بازارهای اقتصادی و شاخص‌های مالی نشان‌دهنده فرآیند انتقال اطلاعات میان این بازارها است. زمانی که بازارهای مالی با یکدیگر در ارتباط هستند، اطلاعات و یا هر شوکی در یک بازار می‌تواند تأثیرگذاری بر بازارهای دیگری که در ارتباط با آن هستند، داشته باشد. این رابطه و تلاطم و سرریز نوسانات هر بازار، از دیدگاه افراد دانشگاهی و نظریه‌پردازان علم مالی، به دلیل کاربردهای آن در پیش‌بینی، بسیار مهم است. نتایج پژوهش ما می‌تواند به‌منظور کنترل ریسک و مدیریت آن و همچنین اتخاذ تصمیمات و سیاست‌های کاربردی و مهم برای سرمایه‌گذاری کم ریسک در زمان و بازار مناسب و با شناخت شوک‌ها و تأثیر نوسانات، مورداستفاده قرار گیرد و به افراد و سازمان‌های حقیقی و حقوقی کمک کند تا در اتخاذ تصمیمات به آن‌ها راهنمایی کند. درباره ارتباط با مسائل اقتصادی و سری‌های زمانی مالی و روابط بین بازارها، پژوهش‌های مختلفی انجام‌شده و هر یک این روابط را با استفاده از مدل‌های اقتصادسنجی و آماری مختلف، سنجیده‌اند. استفاده از این مدل‌ها دارای مزیتی است، زیرا بخش تصادفی مدل که متغیر تصادفی حالت یا رژیم است، از فرآیند مارکف پیروی می‌کند و می‌تواند چرخش‌ها و تغییرات ناپیوسته تصادفی را مدل‌سازی کند و اجازه می‌دهد تا در فرآیند پیش‌بینی از اطلاعات شرطی استفاده شود. مزیت دیگر این است که برای پیش‌بینی بهتر، از پیش‌بینی متغیر حالت با توزیع وابسته به زمان (شرطی) استفاده می‌شود. در این پژوهش، تأثیر سرایت‌پذیری پویای چرخه تلاطم بین بازار آتی طلا و بازار فیزیکی طلا و نرخ ارز در بازه زمانی 7/06/1388 تا 14/06/1397 به‌صورت روزانه موردبررسی قرارگرفته است. بازدهی شاخص قیمت کل (TEPIX) به‌عنوان نماینده‌ای برای محاسبه نوسانات بازار در نظر گرفته‌شده است. تفاوت این مطالعه با سایر مطالعات جدیدتر، تقسیم‌بندی نوسانات به دودسته رژیم پر نوسان و کم نوسان است که بهبود مدل‌سازی و دقت پیش‌بینی را به ارمغان می‌آورد. نتایج حاصل از نحوه سرایت اثرات تلاطم بازار فیزیکی طلا به بازار آتی سکه هدف اصلی این پژوهش بررسی تأثیر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه است. نتایج پژوهش نشان می‌دهد که ضرایب  و  در سطح معنای 1% از بازدهی بازار فیزیکی طلا و بازار آتی سکه تأثیر معنی‌داری می‌پذیرند و تأثیر بازار ارز بیشتر از بازار آتی سکه است. همچنین ضرایب  و در سطح معنای 10% نیز معنی‌دار هستند و نشان‌دهنده تأثیر بازدهی دو بازار بر یکدیگر است. ضرایب آرچ مدل ( و ) نیز در سطح معنای 1% از شوک‌های خود تأثیر می‌پذیرند و با توجه به معنی‌داری ضرایب  و  ، این دو بازار از شوک‌های یکدیگر تأثیر می‌پذیرند و بازار آتی سکه می‌تواند تأثیرات معکوس بر بازار فیزیکی طلا داشته باشد. همچنین ضرایب گارچ مدل ( و)  نیز در سطح معنای 1% از نوسانات گذشته خود تأثیر می‌پذیرند. ضریب   نیز در سطح معنای 10% تأثیر نوسانات بازار فیزیکی طلا از نوسانات گذشته بازار آتی سکه را نشان می‌دهد، اگرچه مقدار این تأثیر (0.054-) ناچیز نسبت به تأثیر نوسانات خود بازار (0.758) است. با تحلیل داده‌های تجربی و استفاده از مدل‌های آماری، ما نشان داده‌ایم که تلاطم در بازار فیزیکی طلا می‌تواند تأثیر مهم و پایداری بر نوسانات بازار آتی سکه داشته باشد و فرضیه اول پژوهش تأیید می‌شود.درنتیجه، مطالعه ما بینش‌های ارزشمندی را در مورد اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه ارائه می‌دهد. این نیاز به آگاهی سرمایه‌گذاران از ریسک‌های بالقوه و اتخاذ گام‌های مناسب برای کاهش مواجهه خود با چنین ریسک‌هایی را برجسته می‌کند. علاوه بر این، چارچوبی برای تحقیقات بیشتر در مورد پویایی این بازارها و پتانسیل اثرات مسری بین آن‌ها فراهم می‌کند. ازاین‌رو این پژوهش با باور و لوسی (2010) و گانیون و کارولی (2018) هم سو است. مطالعه ما این تحقیق قبلی را با تمرکز خاص براثر سرایت از بازار فیزیکی طلا به بازار آتی سکه گسترش می‌دهد. ما از یک رویکرد اقتصادسنجی قوی و داده‌های مربوط به دوره آشفتگی قابل‌توجه بازار برای نشان دادن وجود این اثر استفاده کردیم. مطالعه ما پیامدهای مهمی برای سرمایه‌گذاران و سیاست‌گذاران دارد. با نشان دادن وجود یک اثر مسری بین بازار فیزیکی طلا و بازار آتی سکه، مطالعه ما نیاز سرمایه‌گذاران به تنوع بخشیدن به پرتفوی خود و مدیریت قرار گرفتن در معرض خطرات خود را در بازارهای مختلف نشان می‌دهد. همچنین بر اهمیت نظارت بر روابط بین این بازارها و برداشتن گام‌های مناسب برای کاهش تأثیرات واگیر تأکید می‌کند. پیشنهاد‌های ارائه‌شده در راستای نتایج به‌دست‌آمده و همچنین تقویت مدل موجود ارائه‌شده است. به همین منظور محقق معتقد است که: ·       با توجه به نتایج حاصل از پژوهش مشخص شد که تلاطم بازار فیزیکی طلا به بازار آتی سکه اثری مثبت دارد بنابراین لازم است که در هنگام سرمایه‌گذاری در بازار آتی سکه به بررسی قیمت آن در بازار فیزیکی نیز پرداخته شود تا از میزان ریسک سرمایه‌گذاری کاسته شود. ·       سرمایه‌گذاران باید از خطرات بالقوه اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه آگاه باشند و اقدامات مناسبی را برای مدیریت قرار گرفتن در معرض هر دو بازار انجام دهند. این ممکن است شامل تنوع بخشیدن به سبد سرمایه‌گذاری آن‌ها، نظارت دقیق بر شرایط بازار و مطلع ماندن از عوامل ژئوپلیتیکی و اقتصادی باشد که می‌تواند بر این بازارها تأثیر بگذارد. درنتیجه، اثر سرایت تلاطم از بازار فیزیکی طلا به بازار آتی سکه یک ریسک واقعی برای سرمایه‌گذارانی است که در معرض این بازارها هستند. سرمایه‌گذاران با آگاهی از ریسک‌های احتمالی و اتخاذ تدابیر مناسب برای مدیریت سرمایه‌گذاری‌های خود، می‌توانند تأثیر تلاطم و نوسانات را بر پرتفوی خود کاهش دهند. منابع فارسی 1.       راجی زاده، سیمین. (1401). ارزیابی شاخص نوسان VIX در بازار سرمایه ایران و تأثیر قیمت‌گذاری آتی آن با استفاده از مدل گارو. مهندسی مالی و مدیریت اوراق بهادار، 13(52), 80-60. 2.       جاهد، محمد دانیال، فتحی، زاد اله. (1400). عوامل مؤثر بر نوسانات بازار سکه و رتبه بندی آن ها در ایران طی سال 94 الی 97. مهندسی مالی و مدیریت اوراق بهادار، 12(48), 313-329. 3.       بختیاران، محمد جواد، ذوالفقاری، مهدی. (1401). طراحی مدلی جهت پیش‌بینی بازده قیمت جهانی طلا (با تأکید بر مدل‌های ترکیبی شبکه عصبی کانولوشنی و مدل‌های خانواده گارچ). مهندسی مالی و مدیریت اوراق بهادار، 13(50), 73-98. منابع انگلیسی 4.       Baur, D. G., & Lucey, B. M. (2010). Is gold a hedge or a safe haven? An analysis of stocks, bonds and gold. Financial Review, 45(2), 217-229. 5.       Baur, D. G., & McDermott, T. K. (2016). Why is gold a safe haven?. Journal of Behavioral and Experimental Finance, 10, 63-71. 6.       Beirne, J., Caporale, G. M., Schulze-Ghattas, M., & Spagnolo, F. (2015). Volatility spillovers and contagion from mature to emerging stock markets. International Review of Financial Analysis, 42, 384-398. doi: 10.1016/j.irfa.2015.05.002. 7.       Brown, G. W., & Cliff, M. T. (2005). Investor sentiment and asset valuation. The Journal of Business, 78(2), 405-440. 8.       Christopher, M., & Holweg, M. (2011). “Supply Chain 2.0”: Managing supply chains in the era of turbulence. International journal of physical distribution & logistics management, 41(1), 63-82. 9.       Corbet, S., Hou, Y. G., Hu, Y., Oxley, L., & Xu, D. (2021). Pandemic-related financial market volatility spillovers: Evidence from the Chinese COVID-19 epicentre. International Review of Economics & Finance, 71, 55-81. 10.       Ding, Q., Huang, J., Gao, W., & Zhang, H. (2022). Does political risk matter for gold market fluctuations? A structural VAR analysis. Research in International Business and Finance, 60, 101618. 11.       Duffie, D., & Stein, J. C. (2015). Reforming LIBOR and other financial market benchmarks. Journal of Economic Perspectives, 29(2), 191-212. 12.       Ferry, E. (2020). Speculative substance:‘physical gold’in finance. Economy and society, 49(1), 92-115. 13.       Gagnon, L., & Karolyi, G. A. (2018). The investment behavior of gold equity funds. Journal of International Money and Finance, 84, 52-70. doi: 10.1016/j.jimonfin.2018.02.007 14.       Golitsis, P., Gkasis, P., & Bellos, S. K. (2022). Dynamic spillovers and linkages between gold, crude oil, S&P 500, and other economic and financial variables. Evidence from the USA. The North American Journal of Economics and Finance, 63, 101785. 15.       Grigoryeva, I., & Ley, D. (2019). The price ripple effect in the Vancouver housing market. Urban Geography, 40(8), 1168-1190. 16.       Jakobsson, N. (2022). CAN GOLD SERVE AS A HEDGE AGAINST UNCERTAINTY?: A study on the gold price dynamics and its role as a safe haven asset. 17.       O'Callaghan, M. M. (1991). The structure and operation of the world gold market. International Monetary Fund. 18.       Silvestre, B. S. (2015). Sustainable supply chain management in emerging economies: Environmental turbulence, institutional voids and sustainability trajectories. International Journal of Production Economics, 167, 156-169. 19.       Tabak, B. M., e Silva, I. B. D. R., & Silva, T. C. (2022). Analysis of connectivity between the world’s banking markets: The COVID-19 global pandemic shock. The Quarterly Review of Economics and Finance, 84, 324-336. 20.       Živkov, D., Kuzman, B., & Andrejević-Panić, A. (2021). Nonlinear bidirectional multiscale volatility transmission effect between stocks and exchange rate markets in the selected African countries. Economic Research-Ekonomska Istraživanja, 34(1), 1623-1650.   Dynamic contagion effect of volatility cycle between gold futures market and physical gold market Abstract The interaction between financial derivatives and their underlying physical markets has been the subject of extensive research in finance. This article examines the effect of dynamic contagion between the gold futures market and the physical gold market in financial markets and Tehran Stock Exchange, period of 08/29/2009 and 09/05/2018. It specifically focuses on the oscillating cycle that occurs between these two interconnected domains. Data is collected daily. Using a comprehensive data set covering a significant period, advanced econometric techniques from GARCH-BEKK, Markov-Switching and Structural VAR models to analyze volatility dynamics and contagion between gold futures and We use the physical gold market. Our findings show the existence of a two-way relationship, in which there is a contagion effect of turbulence from the physical gold market to the coin futures market. Also, another result of the research is that the contagion effect of turbulence from the physical gold market to the coin futures market is different in different regimes. .Keywords: dynamic contagion, turbulence cycle, gold futures market, physical gold market, Tehran Stock Exchange.      [1]   Živkov [2]   Tabak [3]   Duffie & Stein [4]   Ferry [5]   Baur [6]   Jakobsson [7]   Ding [8]   Silvestre [9]   Golitsis [10]  Grigoryeva & Ley [11]  Beirne et al. [12]   Baur and Lucey [13]  Gagnon and Karolyi [14]  - Corbet [15]  - O'Callaghan [16]  - Brown & Cliff [17]  - Christopher & Holweg [18]  . Persistence [19]  . Mean Absolute Error (MAE) [20]  . Root Mean Squared Error (RMSE) [21] . Auto Correlation Function [22] . Partial Auto Correlation Function