سنجش پویایی‌های اتصالات فرکانسی و ریسک سیستمی در بازار سهام ایران

الموضوعات :

پریسا مهاجری ¹ , رضا طالبلو ² , زهرا ذبیحی ³

1 - اقتصاد نظری، دانشکده اقتصاد، دانشگاه علامه طباطبائی
2 - اقتصاد نظری، دانشکده اقتصاد، دانشگاه علامه طباطبائی
3 - دانشجوی اقتصاد مالی-اقتصادسنجی، دانشکده اقتصاد، دانشگاه علامه طباطبائی

تاريخ الإرسال : 11 الخميس , ربيع الثاني, 1445 تاريخ التأكيد : 16 الإثنين , جمادى الأولى, 1446 تاريخ الإصدار : 08 السبت , رمضان, 1446

الکلمات المفتاحية: ریسک سیستمی, اتصالات فرکانس, سرریز تلاطمات, مدل خودرگرسیون برداری با پارامترهای متغیر در طول زمان (TVP-VAR),

ملخص المقالة :

هدف اصلی مقاله حاضر، بررسی انتقال ریسک در مجموعه‌ای از صنایع بورسی بازار سهام ایران از طریق ترکیب اتصالات فرکانس (بارانیک و کرهلیک، 2018) با رویکرد اتصالات مستخرج از خودرگرسیون برداری با پارامترهای متغیر در طول زمان (آنتوناکاکیس و همکاران، 2020) است. در این مقاله با تمرکز بر تلاطمات بازده 20 صنعت طی دوره زمانی 01/07/1388 تا 31/06/1402، شاخص‌های اتصالات پویا و ایستا در بازه فرکانس اندک، میانه و بالا برآورد می‌شوند. یافته‌های مقاله حاکی از آن است که: نخست، هم‌حرکتی بسیار قوی طی زمان در صنایع بورسی وجود داشته و در سال‌های اخیر، بیش از 80 درصد تلاطمات هر صنعت، ریشه در ریسک سیستمی دارد. دوم، سرریز تلاطمات عمدتاً در بازه‌های زمانی کوتاه‌مدت رخ می‌دهد و اتصالات بلندمدت در بازار سهام عموماً نقش کلیدی ندارد. سوم، کانه‌های غیرفلزی، املاک و فلزات اساسی بزرگترین انتقال‌دهندگان تلاطمات در بازار سهام محسوب می‌شوند و در مقابل، صنایع قند و شکر، حمل و نقل و فرآورده‌های نفتی، دریافت‌کنندگان اصلی شوک‌ها هستند. چهارم، فرآیند انتقال ریسک در اغلب صنایع به سرعت انجام می‌شود به‌طوری‌که بیش از 70 درصد تلاطمات در بازه زمانی 1 تا 10 روز کاری انتقال می‌یابد. پنجم، اتصالات قوی و دوطرفه‌ای بین چهار صنعت بزرگ کامودیتی‌محور وجود دارد. تحلیل اتصالات بین‌بخشی از یک سو به منزله راهنمای مهمی در تدوین سیاست‌های محرک رشد و طراحی اقدامات پیشگیرانه برای جلوگیری از انتشار ریسک سیستمی برای سیاستگذاران محسوب می‌شود و از سوی دیگر ابزاری کارآمد برای تشکیل سبد بهینه سرمایه‌گذاری در انطباق با ریسک‌های سیستمی است.

المصادر:


خاتمی، سیدمحمد رضا، زمردیان، غلامرضا، فلاح شمس لیالستانی، میرفیض و مینوئی، مهرزاد (1401). بررسی ساختار وابستگی بازار سهام ایران و کشورهای حوزه منطقه منا. اقتصاد مالی. 16 (4)، 310-273.
شیرافکن لمسو، مهدی، ایزدی، حمیدرضا و سیستانی بدوئی، یاسر (1402). ارتباط متغیر در زمان چندکی میان شاخص صنایع منتخب بورس اوراق بهادار ایران: بررسی حالت‌های بالا، پایین و متوسط (رویکرد TVP-Quantile Var). اقتصاد مالی، 17 (4)، 152-121.
طالبلو، رضا و مهاجری، پریسا (1401). اتصالات و سرریز ریسک در بازار سهام ایران، یک تحلیل بخشی با به‌کارگیری مدل خودرگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR). مدلسازی اقتصادسنجی، 7(3)، 95-125.
طالبلو، رضا و مهاجری، پریسا (1399). الگوسازی سرایت تلاطم در بازار سهام ایران؛ رویکرد فضا-حالت غیرخطی. تحقیقات اقتصادی، 55(4)، 990-963.
مظفرنیا، مهدی، فلاح شمس لیالستانی، میرفیض و زمردیان، غلامرضا (1402). سرریز پویای میان بازارهای ارز و سهام در چرخه‌های تجاری اقتصاد ایران. اقتصاد مالی. 17(2)، 374-355.
مهاجری، پریسا، طالبلو، رضا (1401). بررسی پویایی‌های سرریز تلاطمات بین بازده بخش‌ها با رویکرد اتصالات خودرگرسیون برداری با پارامترهای متغیر در طول زمان (TVP-VAR)؛ شواهدی از بازار سهام ایران. تحقيقات اقتصادي، 57(2)، 321-356.
Abdelkefi, S. Z., & Khoufi (2015). Stock Markets Linkages Before, During and After Subprimes Crisis: Bivariate BEKK GARCH (1, 1) and DCC Models. International Journal of Economics, Finance and Management Sciences, 3(3), 213-230.
Acemoglu, D., Ozdaglar, A., & Tahbaz-Salehi, A. (2015). Systemic Risk and Stability in Financial Networks. American Economic Review, 105 (2), 564–608.
Acharya, V., & Naqvi, H. (2012). The Seeds of a Crisis: A Theory of Bank Liquidity and Risk Taking Over the Business Cycle. Journal of Financial Economics, 106 (2), 349–366.
Ahmed, W. M. A. (2016). The Dynamic Linkages Among Sector Indices: The Case Of The Egyptian Stock Market. International Journal of Economics and Finance, 8(4), 23-38.
Akca, K., & Ozturk, S., (2016). The Effect of 2008 Crisis on the Volatility Spillovers among Six Major Markets. International Review of Finance, 16(1), 169–178.
Antonakakis, N., Chatziantoniou, I., and Filis, G. (2013). Dynamic Co-Movements of Stock Market Returns, Implied Volatility and Policy Uncertainty. Economics Letters, 120(1), 87-92.
Antonakakis, N., Chatziantoniou, I., & Filis, G. (2017). Oil Shocks and Stock Markets: Dynamic Connectedness under the Prism of Recent Geopolitical and Economic Unrest. International Review of Financial Analysis, 50, 1-26.
Antonakakis, N., Chatziantoniou, I., & Gabauer, D. (2020). Refined Measures of Dynamic Connectedness Based on Time-Varying Parameter Vector Autoregressions. Journal of Risk and Financial Management, 13(4), 84.
Antonakakis, N., Cunado, J. Filis, G., Gabauer, D. & de Gracia, F. P. (2023). Dynamic Connectedness among the Implied Volatilities of Oil Prices and Financial Assets: New Evidence of the COVID-19 Pandemic. International Review of Economics and Finance. 83, 114-123.
Balcilar, M., Gabauer, D., Gupta, R. & Pierdzioch, C. (2023). Climate Risks and Forecasting Stock Market Returns in Advanced Economies Over a Century. Mathematics. 11, 1-21.
Barun´ik, J. & Kˇrehl´ik, T. (2018). Measuring the Frequency Dynamics of Financial Connectedness and Systemic Risk. Journal of Financial Econometrics, 16(2), 271-296.
Barun´ik, J., Kocenda, E., & Vacha, L., (2016). Asymmetric Connectedness on the U.S. Stock Market: Bad and Good Volatility Spillovers, Journal of Financial Markets, 27, 55–78.
Baruník, J., & Vacha, L., (2013). Contagion among Central and Eastern European Stock Markets during the Financial Crisis, Finance a úver-Czech Journal of Economics and Finance 63(5), 443–453.
Baur, D. G. & Hoang, L. T. (2019). The Relevance of Return and Volatility Spillovers for Portfolio Diversification. Available at SSRN 3389644.
Bekaert, G.; Hodrick, R.J. & Zhang, X. (2009). International Stock Return Comovements. The Journal of Finance, 64, 2591–2626.
Bui, H.Q., Tran, T., Pham, T.T., Nguyen, H.L. & Vo, D.H. (2022). Market Volatility and Spillover across 24 Sectors in Vietnam. Cogent Economics & Finance, 10 (1), 1-20.
Caporale, G.M.; Rault, C.; Sova, A.D. & Sova, R. (2015). Economics, Financial Development and Economic Growth: Evidence from 10 New European Union Members. International Journal of Finance Economics Culture, 20 (1), 48–60.
Chang, C. L., McAleer, M., and Wang, Y. (2018). Testing Co-Volatility Spillovers for Natural Gas Spot, Futures and ETF Spot Using Dynamic Conditional Covariances. Energy, 151, 984-997.
Chatziantoniu, I., Gabauer, D., & Marfatia, H.A. (2021). Dynamic Connectedness and Spillovers Across Sectors: Evidence from the Indian Stock Market. Scottish Journal of Political Economy, Available at https://www.researchgate.net/publication/352333336.
Choi, S. Y. (2022). Dynamic Volatility Spillovers between Industries in the US Stock Market: Evidence from the COVID-19 Pandemic and Black Monday. The North American Journal of Economics and Finance, 59, Available at SSRN 101614.
Chow, H. K. (2017). Volatility Spillovers and Linkages in Asian Stock Markets. Emerging Markets Finance and Trade, 53(12):2770-2781.
Cunado, J., Chatziantoniou, I., Gabauer, D., de Gracia, F. P. & Hardik, M. (2023). Dynamic Spillovers across Precious Metals and Oil Realized Volatilities: Evidence from Quantile Extended Joint Connecredness. Journal of Commodity Markets. 30, 1-17.
Diebold, F.X. & Yilmaz, K. (2012). Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillovers. International Journal of Forecasting, 28(1), 57–66.
Diebold, F.X. & Yilmaz, K. (2014). On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms. Journal of Econometrics, 182, 119–134.
Driesprong, G., Jacobsen, B., Maat, B. (2008). Striking oil: Another puzzle? Journal of Financial Economics, 89(2), 307-327.
Dufrenot, G., & Keddad, B. (2014). Spillover Effects of the 2008 Global Financial Crisis of the Indian Equity Markets: Coupling or Uncoupling? A Study on Sector-Based Data, International Review of Financial Analysis, 33, 17–32.
Ekinci, R., Gençyürek, A. G. (2021). Dynamic Connectedness between Sector Indices: Evidence from Borsa Istanbul. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 16(2), 512 – 534.
Elyasiani, E., Mansur, I. (2011). Oil Price Shocks and Industry Stock Returns. Energy Economics, 33(5), 966-974.
Elyasiani, E., Kalotychou, E., Staikouras, S.K. & Zhao, G. (2015) Return and Volatility Spillover among Banks and Insurers: Evidence from Pre-crisis and Crisis Periods. Journal of Financial Services Research. 48, 21–52.
Esposti, R. (2021), On the Long-Term Common Movement of Resource and Commodity Price, A Methodological Proposal. Resource Policy, 72, 102010.
Fassas, A.P., Siriopoulos, C. (2019). Intraday Price Discovery and Volatility Spillovers in an Emerging Market. International Review of Economics and Finance, 59:333–346.
Gabauer, D. (2020). Volatility Impulse Response Analysis for DCC-GARCH Models: The Role of Volatility Transmission Mechanisms. Journal of Forecasting, 39(5), 788–796.
Gabauer, D., Chatziantoniou, I. & Stenfors, A. (2023). Model-Free Connectedness Measures. Finance Research Letters. 54, 1-10.
Gulzar, S., Kayani, G. M., Xiaofeng, H., & Ayub, U. (2019). Financial Cointegration and Spillover Effect of Global Financial Crisis : a Study of Emerging Asian Financial Markets. Economic Research. 32(1), 187–218.
Jung, R.C., & Maderitsch, R. (2014). Structural Breaks in Volatility Spillovers between International Financial Markets: Contagion or Mere Interdependence? Journal of Banking & Finance, 47:331–342.
Kastner, G., & Huber, F. (2020), Sparse Bayesian Vector Autoregressions in Huge Dimensions, Journal of Forecasting, 39 (7): 1142-1165.
King, M.; Sentana, E. & Wadhwani, S. (1990). Volatility and Links between National Stock Markets. National Bureau of Economic Research, Working Paper 3357.
Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse Response Analysis in Non-Linear Multivariate Models. Journal of Econometrics, 74, 119–147.
Koop, G. & Korobilis, D. (2014). A New Index of Financial Conditions. European Economics Review. 71, 101-116.
Korkmaz, T., Çevik, E. I., & Atukeren, E. (2012). Return and Volatility Spillovers
among CIVETS Stock Markets, Emerging Markets Review. 13, 230–252.
Laborda, R., & Olmo, J. (2021). Volatility Spillover between Economic Sectors in Financial Crisis Prediction: Evidence Spanning the Great Financial Crisis and COVID-19 Pandemic. Research in International Business and Finance, 57, Available at SSRN 101402.
Lee, H. S. and Lee, W. S. (2019). Network Connectedness among Northeast Asian Financial Markets. Emerging Markets Finance and Trade, 1-18.
Lee, S. (2009). Volatility Spillover Effects among Six Asian Countries. Applied Economics Letters. 16, 501-508.
Liu, W., & Yu, Y. (2019), Comparison of Price Fluctuation Among Domestic and Oversea Oil Shipping Stocks Based on DC-MSV Model, Tongi Daxue Xubao, 47 (10): 1528-1532.
Louzis, D. P. (2015). Measuring Spillover Effects in Euro Area Financial Markets : a Disaggregate Approach. Empirical Economics, 1367–1400. https://doi.org/10.1007/s00181-014-0911-x
McQueen, G. & Roley, V.V. (1993). Stock Prices, News, and Business Conditions. The Review of Financial Studies, 6(3), 683–707.
Mensi, W., Makram, B., Adel, B. (2013). Correlations and Volatility Spillovers across Commodity and Stock Markets: Linking Energies, Food, and Gold. Economic Modelling, 32(1), 15–22.
Mensi, W., Nekhili, R., Vo, X.V., Suleman, T., Kang, S. H. (2020). Asymmetric Volatility Connectedness Among U.S. Stock Sectors”, North American Journal of Economics & Finance: 1-46.
Pesaran, M. H., & Shin, Y. (1998). Generalized Impulse Response Analysis in Linear Multivariate Models. Economics Letters, 58, 17–29.
Shahzad, S. J. H., Mensi, W., Hammoudeh, S., Rehman, M. U., and Al-Yahyaee, K. H. (2018). Extreme Dependence and Risk Spillovers between Oil and Islamic Stock Markets. Emerging Markets Review, 34:42-63.
Shahzad, S. J. H., Naeem, M. A., Peng, Z., & Bouri, E. (2021). Asymmetric Volatility Spillover among Chinese Sectors during COVID-19. International Review of Financial Analysis, 75, Available at SSRN 101754.
Shi, Y., Tiwari, A.K., Gozgor, G., & Lu, Z. (2020), Correlations among Cryptocurrencies: Evidence from Multivariate Factor Stochastic Volatility Model, Research in International Business and Finance, 53, 101231.
Shu, H., and Chang, J. H., (2019). Spillovers of Volatility Index: Evidence from U.S., European, and Asian stock markets. Applied Economics. 51(19), 2070-2083.
Stiassny, A. (1996). A Spectral Decomposition for Structural VAR Models. Empirical Economics. 21(4), 535-555.
Syriopoulos, T., Makram, B., & Boubaker, A. (2015). Stock Market Volatility Spillovers and Portfolio Hedging: BRICS and the Financial Crisis. International Review of Financial Analysis, 39, 7–18.
Sugimoto, K., Matsuki, T., & Yoshida, Y. (2014). The Global Financial Crisis: An Analysis of the Spillover Effects on African Stock Markets. Emerging Markets Review, 21, 201–233.
Taleblou, R. & Mohajeri, P. (2023). Modeling the Daily Volatility of Oil, Gold, Dollar, Bitcoin and Iranian Stock Markets: An Emprical Application of a Nonlinear Space State Model. Iranian Economic Review, 27(3), 1033-1063.
Tiwari, A. K., Cunado, J., Gupta, R., & Wohar, M. E. (2018). Volatility Spillovers across Global Asset Classes: Evidence from Time and Frequency Domains. The Quarterly Review of Economics and Finance, 70, 194-202.
Wiesen, T. F., Beaumont, P. M., Norrbin, S. C., & Srivastava, A. (2018). Are Generalized Spillover Indices Overstating Connectedness? Economics Letters, 173, 131-134.
Yin, K.; Liu, Z.; Huang, C. & Liu, P. (2020-a). Topological Structural Analysis of China’s New Energy Stock Market: A Multi-Dimensional Data Network Perspective. Technological and Economic Development of Economy, 26 (5), 1030–1051.
Yin, K.; Liu, Z. & Jin, X. (2020-b). Interindustry Volatility Spillover Effects in China’s Stock Market. Physica A: Statistical Mechanics and its Applications, 539.
Zaharieva, M.D., Trade, M., & Wilfling, B. (2020), Bayesian Semiparametric Multivariate Stochastic Volatility with Application, Econometric Review, 39(9), 947-970.
Zhang, D.; Lei, L.; Ji, Q. & Kutan, A.M. (2019). Economic Policy Uncertainty in the US and China and their Impact on the Global Markets. Economic Modeling, 79, 47–56.
Zhang, J., & Zhuang, Y.M. (2021), Cross-Market Infection Research on Stock Herding Behavior Based on DGC-MSV Models and Bayesian Network, Complexity, Retrieved from https://www.hindawi.com/journals/complexity/2021/6645151/.
Zhang, J., & Zhuang, Y.M. (2017), Volatility Spillover among USA and Major East Asian Stock Indices Based on Multivariate Stochastic Volatility with Regime-Switching Model, International Conference on Control, Automation and Systems, South Korea, 18-21.
Zhou, X., Zhang, W., & Zhang, J. (2012). Volatility Spillovers between the Chinese and World Equity Markets, Pacific-Basin Finance Journal. 20, 247–270.