سرریز شورش بازارهای موازی بورس اوراق بهادار تهران بر صنایع بازرگانی بورس.

الموضوعات : دانش سرمایه‌گذاری

هاشم مکاری ¹ , سیدعلیرضا میرعرب بایگی ² , هدی همتی ³

1 - دانشجوی دکتری مهندسی مالی، دانشگاه آزاد اسلامی‌واحد رودهن، تهران، ایران
2 - استادیار دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامیواحد رودهن، تهران، ایران.
3 - استادیار دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامیواحد رودهن، تهران، ایران.

تاريخ الإرسال : 24 الثلاثاء , شعبان, 1442 تاريخ التأكيد : 18 الإثنين , ذو القعدة, 1442 تاريخ الإصدار : 28 الخميس , جمادى الأولى, 1444

الکلمات المفتاحية: بازارهاى موازى, صنایع بازرگانی, سرریز شدن شورش, گارچ چند متغیره,

ملخص المقالة :

پژوهش حاضر به بررسى سرایت شورش بازارهاى موازى بازار سرمایه بر صنایع بازرگانی بورسى پرداخته است. در این پژوهش سرریز شدن صنایع بازرگانی بورسى به تفکیک صادرات و واردات محور از بازارهاى موازى ارز و طلا، مورد سنجش قرار گرفته است. در این راستا از روش تحلیل بردار خودرگرسیونى (VAR) و مدل خودرگرسیونى مشروط بر ناهمسانى واریانس‌هاى تعمیم‌یافته چندمتغیره(MGARCH) استفاده شده است. داده‌هاى این پژوهش با استفاده از نرم‌افزار Eviews و از ابتداى شهریورماه 1394 تا پایان مردادماه1399 جمع‌آورى و مورد آزمون قرار گرفته‌اند. روش پژوهش حاضر بر مبناى طبقه‌بندى تحقیقات براساس روش، ماهیت و جهت به ترتیب توصیفى، کاربردى و پس‌رویدادى بوده و از نظر نوع، همبستگى محسوب مى‌گردد. نتایج این پژوهش رابطه اثر سرریز شدن صنایع بورسى صادرات‌محور را از بازار موازى ارز تایید مى‌نماید؛ ولى نتایج پژوهش این سرریز شدن از سوى بازار موازى طلا مورد تایید قرار نگرفته است. در همین راستا اثر سرریز شدن صنایع واردات‌محور نیز از بازارهاى موازى ارز و طلا تایید نشده است. یافته‌هاى جانبى پژوهش حاضر نیز نشان مى‌دهد که رابطه مثبت و دوسویه‌هاى میان دو بازار ارز و طلا در دوره مورد بررسى وجود داشته است.

المصادر:

• ابونورى، اسمعیل. عبدالهى، محمدرضا. مدل-سازى نوسانات گروههاى صنعت بازار سهام با استفاده از مدل گارچ چندمتغیره، دانشگاه علامه طباطبایى، پایان­نامه کارشناسى ارشد، ١398.


• سید حسینى، سید محمد. مدل­هاى سرایت شورش در بازار سهام بورس اوراق بهادار، ١٣9٥.


• زمانى، شیوا. سورى، داوود و محسن ثنایى اعلم. پیش بینى پذیرى و شورش بازده و بررسى سرایت شاخص ها با استفاده از یک مدل دینامیک چند متغیره در بورس اوراق بهادار تهران. پایان نامه کارشناسى ارشد، دانشکده مدیریت و اقتصاد دانشگاه صنعتى شریف، دى١٣9٧


• سعید شعرائى، مدلسازى و پیش­بینى بازده بورس اوراق بهادار تهران با استفاده از مدلهاى ARFIMA و FIGARCH، پایان نامه کارشناسى ارشد مدیریت مالى، دانشکده مدیریت و حسابدارى دانشگاه شهید بهشتى، تابستان ١٣9٨


• Li, H. Majerowska, E.(2017) Testing stock market linkages for Poland and Hungary: A multivariate GARCH approach, Rese ARCH in International Business and Finance, vol. 22 (2018), pp. 247-266


• Kim, S.W. and J.H. Rogers, (2015), International stock price spillovers and market liberalization: Evidence from Korea, Japan, and the United States. Journal of Empirical Finance, No.2, pp. 117-133.


• Connolly, R. A., F. A. Wang (2017), “Economic News and Stock Market Linkages: Evidence from the U.S., U.K., And Japan,” Columbia University’s Graduate School of Business.


• Berkowitz, J. (2020), Testing Density Forecasts with Applications to Risk Management, Journal of Busi- ness & Economic Statistics, No.19, pp.465-474


• Andersen T.G., T. Bollerslev, F.X. Diebold and P. Labys (2020b), The Distribution of Realized Exchange Rate Volatility, Journal of the American Statistical Association, No.96, pp.42-55.


• Bollerslev T. and J.H. Wright (2016), High-Frequency Data, Frequency Domain Inference, and Volatility Forecasting, Review of Economics and Statistics, No. 83, pp. 596-602.


• Weller, P.A. and Neely, C.J. (2016), Predicting Exchange Rate Volatility: Genetic Programming vs. GA- RCH and RiskMetrics, The Federal Reserve Bank Of St. Louis


• Maheu, J.M. and T.H. McCurdy (2017), Nonlinear Features of Realized FX Volatility, Review of Econo- mics and Statistics 84, 668-681.


• Andersen, T.G., T. Bollerslev and F.X. Diebold (2017), Parametric and Nonparametric volatility measur- ement, forthcoming in A¨١t-Sahalia and L.P. Hansen (eds.), Handbook of Financial Econometrics, Amsterdam: North Holland.


• Ewing, B. T., Forbes, S. M., & Payne, J. E. (2018). The effects of macroeconomic shocks on sector-specific returns. Applied Economics, Vol.35, pp.201ـ


• Worthington, A, and Higgs, H.(2019) Transmission of equity returns and volatility in Asian developed and emerging markets: a multivariate GARCH analysis, international journal of finance and economics, vol. 9, pp. 71-80


• Lafuente, J. and Ruiz, J. (2019), The New market effect on return and volatility of Spansh stock indexes, Applied Financial Economics, 14, 1343-1350.


• Mittnik,S and H. Claessen (2019), Forecasting Stock Market Volatility and the Informational Efficiency of  the DAX Index Options Market, Center For  Financial studies.


• Wang, Z., Kutan A., and Yang, J. (2020). Information flows within and across sectors in Chinese stock markets. The Quarterly Review of Economics and Finance, 45, 767-80.


• Bernanke, B. S., & Kuttner, K. N. (2020). What explains the stock market’s reaction to Federal Reserve policy? Journal of Finance, 60, 1221-1257.


• Yu, J. Hassan, K (2016) Global and regional integration of the Middle East and North African (MENA) stock markets, The Quarterly Review of Economics and Finance, vol. 13, pp. 482-504


• Mohamad, S., Hassan, T., and Sori, Z.M. (2016). Diversification across economic sectors and implication on portfolio investments in Malaysia. International Journal of Economics and Management, 1(1), 155-72.


• Hassan, S. A., & Malik, F. (2017). Multivariate GARCH modeling of sector volatility transmission. Quarterly Review of Economics and Finance, Vol.47, pp.470-480.


• Li, H. (2017), International linkages of the Chinese stock exchanges: a Multivariate GARCH Analysis, Applied Financial Economics 17: 285-297.