آثار بازار پول بر بازار طلا با رویکرد پویایی‌شناسی سیستمی

الموضوعات :

فاطمه خانی ¹ (دانشجوی دکتری اقصاد پولی، دانشکده اقتصاد و علوم ادرای؛ دانشگاه مازندران، بابلسر، ایران)
احمد جعفری صمیمی ² (استاد، دانشکده اقتصاد و علوم ادرای، دانشگاه مازندران، بابلسر، ایران)
امیرمنصور طهرانچیان ³ (استاد، دانشکده اقتصاد و علوم اداری، دانشگاه مازندران، بابلسر، ایران)
محمد علی احسانی ⁴ (دانشیار، دانشکده اقتصاد و علوم اداری، دانشگاه مازندران، بابلسر، ایران)

تاريخ الإرسال : 12 الخميس , شعبان, 1442 تاريخ التأكيد : 21 الخميس , ذو القعدة, 1442 تاريخ الإصدار : 15 الإثنين , محرم, 1443

الکلمات المفتاحية: C53, طبقه‌بندی JEL: .E17, J3 واژه‌های کلیدی: قیمت طلا, پویایی‌شناسی سیستمی, نرخ سود بانکی, حجم نقدینگی, پیش‌بینی,

ملخص المقالة :

چکیده هدف این مقاله کاربرد رهیافت پویایی سیستم برای پیش بینی قیمت طلا در کشور ایران، شناسایی عوامل مؤثر بر قیمت طلا و شبیه سازی روند تاثیر سیاست های پولی بر قیمت طلا در بازه زمانی 1389-1405 است. شبیه سازی با نرم افزار ونسیم انجام شده است. مقاله حاضر در سناریوهای مختلفی به شبیه‌سازی تغییر حجم نقدینگی، شاخص قیمت مصرف‌کننده و نرخ بهره بانکی بر بازار طلا پرداخته است. نتایج نشان می دهد قیمت طلا نه تنها متاثر از قیمت اونس جهانی و ارزش دلار است، بلکه کنترل نقدینگی و مهار تورم نقش بسزایی در ثبات بازار طلا خواهد داشت. نتایج موید این موضوع است که حجم نقدینگی و شاخص قیمت مصرف کننده تاثیر مستقیم و نقش قابل توجهی در افزایش قیمت طلا دارد. هم چنین، یافته ها نشان می دهد که تغییر نرخ بهره بانکی تاثیری بر تغییر قیمت طلا تاثیر ندارد.

المصادر:

منابع

• استرمن، جان (1387). پویاشناسی سیستم (ترجمه: ­شهرام میرزایی­دریانی و همکاران. انتشارات ترمه: تهران.


• بانک مرکزی جمهوری اسلامی ایران، گزارش اقتصادی و ترازنامه سال 1396.


• حدادی، محمد رضا، نادمی، یونس، فرهادی، حامد (1399). پیش‌بینی روند حرکت قیمت جهانی طلا با رویکرد مدل‌سازی توزیع‌های حاشیه‌ای: کاربردی از مدل­های گارچ کاپولای گوسی­و­تی. مهندسی مالی و مدیریت اوراق بهادار، 11 (42): 88-67.


• رئیس‌پور، علی، اثنی­عشر، هاجر، مهرابی ­بشرآبادی، حسین (1394). بررسی تاثیر تکانه‌های پولی بر قیمت سکه طلا در ایران. برنامه‌ریزی و بودجه، 20 (2): 116-103.


• صباحی، احمد، جعفرزاده نجار، مرتضی (1395). عوامل موثر برقیمت طلا در ایران. پژوهش­های اقتصاد پولی و مالی، 23 (11): 99-83.


• صمدی، سعید، شیرانی فخر، زهره، داورزاده، مهتاب (1386). بررسی میزان اثرپذیری شاخص قیمت سهام بورس اوراق بهادار تهران از قیمت جهانی نفت و طلا. بررسی‌های اقتصادی، 4 (2): 51-25.


• کاظم‌زاده، عماد، ابراهیمی سالاری، تقی، بهنامه، مهدی (1398). پیش­بینی نرخ رشد قیمت سکه طلا در ایران با استفاده ازالگوی رگرسیون داده­ها با تواتر متفاوت (میداس). اقتصاد کاربردی، 9 (28): 53-43.


• محمدی، علی، پشوتنی‌زاده، هومن (1396). برنامه‌ریزی سناریو اثر تغییرات نرخ ارز و قیمت طلای جهانی بر بازار مالی ایران با استفاده از رویکرد پویایی‌شناسی سیستمی. چشم‌انداز مدیریت مالی، 7 (3):50-27.


• مصلح شیرازی، علی نقی، موسوی­ حقیقی، محمدهاشم، پشتونی‌زاده، هومن (1395). شبیه‌سازی الگوی تغییرات نرخ ارز و قیمت طلا بر عملکرد بورس اوراق بهادار تهران با رویکرد پویایی‌شناسی سیستمی. دانش سرمایه گذاری، 7 (25): 38-17.


• مشایخی، علینقی (1396). پویایی‌شناسی سیستم‌ها. انتشارات آریانا قلم، تهران.


• موتمنی، مانی، زروکی، شهریار، ضامنی، کوثر (1398). بررسی امکان پوشش تورم با سکه طلا در ایران. اقتصاد مقداری، 16 (2): 143-125.


• Chen, C.H., & Liu, W.L., & Liaw, S.L., & Yu, C.H. (2005). Development of a dynamic strategy planning theory and system for sustainable river basin land use management . Journal Science of the Total Environment, 346(1-3): 17-37.


• Esterman, J. (2000). Systems thinking and modeling for a complex world, First Edition, Jeffrey J. Shelstad McGraw-Hill Companies.


• Hatamlou, A., & Deljavan, M. (2019). Forecasting gold price using data mining techniques by considering new factors. Journal of AI and Data Minin, 7) 3:( 411-420.


• Sarfaraz, L., & Afsar, A. (2010). The analysis of effective factors on gold price and aforecasting model using fuzzy neural network. Journal of Economic Research, 5(16), 149-165 (in persion).


• Nuhodlu, H. (2007). System Dynamics Approach in Science and Technology Education. Journal of Turkish Science Education, 4(2): 91-108.


• Pfahl, D.,& Lebsenfk, K. (1999). Integration of System Dynamics Modeling with Descriptive Process Modeling and Goal-Oriented Measurement. Journal of Systems and Software, 46(2):135-150.


• Tharmmaphornphilas, W., & Lohasiriwat, H ., & Vannasetta, P. (2012). Gold Price Modeling Using System Dynamics. Journal of Engineering, 16(5),57-68.


• Yuan, F., & Lee, C., & Chiu, C. (2020). Using Market Sentiment Analysis and Genetic Algorithm-Based Least Squares Support Vector Regression to Predict Gold Prices. International Journal of Computational Intelligence Systems,13(1), 234 – 246.