تحلیل نوسانات دائمی و موقت قیمت نفت برنت و صنایع وابسته به آن با بازارهای طلا و ارز : کاربردی از رویکرد شبکه The analysis of permanent and temporary fluctuations of Brent Oil & Relative Industries Index With Gold, Currency Index: Network Approach

محورهای موضوعی : اقتصاد مالی

تیمور محمدی ¹ (گروه اقتصاد نظری، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران)
عبدالرسول قاسمی ² (گروه اقتصاد انرژی، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران ،ایران)
عاطفه تکلیف ³ (گروه اقتصاد انرژی، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران ،ایران)
علی صادقین ⁴ (گروه اقتصاد نفت گاز، دانشکده اقتصاد، دانشگاه علامه طباطبایی.تهران،ایران)

تاریخ دریافت : 1400/04/11 تاریخ پذیرش : 1400/06/15 تاریخ انتشار : 1400/08/30

کلید واژه: بازارهای مالی, G1, گارچ چند متغیره, واژه‌های کلیدی: نفت برنت, تحلیل شبکه. طبقه بندی JEL : G10, D85,

چکیده مقاله :

در این پژوهش سعی شده تا با استفاده از ترکیب روش‌های گارچ، خودرگرسیون برداری و تحلیل گراف، میزان تاثیرگذاری و تاثیرپذیری نوسانات دائمی و موقت نفت برنت، طلا، ارز، شاخص صنایع پتروشیمی و نفتی و شاخص بورس اوراق بهادار تهران مورد تجزیه و تحلیل قرار گیرد. نتایج بدست آمده نشان می‌دهد نوسانات زودگذر قیمت نفت برنت، صنایع نفتی و صنایع پتروشیمی به ترتیب بیشترین اثرسرریز را دارا هستند. بنابراین، در کوتاه مدت این نوسانات قیمت نفت و شاخص سهام صنایع مرتبط با آن هستند که بیشترین تاثیر را بر نوسانات بازار سهام، ارز و طلا در ایران دارند. براساس داده های روزانه و هفتگی، به ترتیب نوسانات دائمی طلاو شاخص بورس اوراق بهادار تهران بیشترین تاثیرپذیری و تاثیرگذاری را بر نوسانات سایر متغیرها خواهند داشت. به علاوه، بر اساس داده های روزانه، نوسانات زودگذر شاخص فرآورده های نفتی، نرخ ارز و طلا با توجه به معیارهای ارائه شده دارای بیشترین اهمیت می‌باشند.The analysis of permanent and temporary fluctuations of Brent Oil & Relative Industries Index With Gold, Currency Index: Network ApproachTeymour MohammadiAbdol Rasoul GhasemiAtefeh TaklifAli SadegheinIn this study, we employed the CGARCH model, the vector auto-regression and graph analysis, to analyze permanent and temporary fluctuations of Brent oil, gold, currency, petrochemical and petroleum industries index and Tehran stock exchange index. Data of this study includes the daily and weekly observations of the above variables from 2008 to 2018. The results showed that the fluctuations of Brent oil prices, oil and petrochemical industries were the most affected. Therefore, in the short term, these fluctuations in oil and related industries have the greatest impact on fluctuations in the stock market, currency and gold in Iran. However, according to daily and weekly data, permanent gold fluctuations and Tehran Stock Exchange index have the most impact on the volatility of other variables. In addition, based on daily data, the fluctuations of the oil products index, exchange rate and gold are the most important given the criteria presented.

چکیده انگلیسی:

In this study, we employed the CGARCH model, the vector auto-regression and graph analysis, to analyze permanent and temporary fluctuations of Brent oil, gold, currency, petrochemical and petroleum industries index and Tehran stock exchange index. Data of this study includes the daily and weekly observations of the above variables from 2008 to 2018. The results showed that the fluctuations of Brent oil prices, oil and petrochemical industries were the most affected. Therefore, in the short term, these fluctuations in oil and related industries have the greatest impact on fluctuations in the stock market, currency and gold in Iran. However, according to daily and weekly data, permanent gold fluctuations and Tehran Stock Exchange index have the most impact on the volatility of other variables. In addition, based on daily data, the fluctuations of the oil products index, exchange rate and gold are the most important given the criteria presented.  

منابع و مأخذ:

• حاجیان پیروز، داود و ابراهیمی سالاری، تقی و ملک الساداتی(1395)،«بررسی تاثیر نوسانات درآمد نفت بر حجم نقدینگی در ایران در بازه زمانی 1391-1369 با استفاده از روش همبستگی پویای شرطی»، فصل نامه مطالعات اقتصاد انرژی، سال دوازدهم، شماره 51، 66-33.


• حیدری، حسن و رفاح کهریز، آرش و طالبی، فرزانه (1397)،«بررسی تاثیر نوسانات قیمت نفت بر شاخص ریسک کشوری در کشورهای عضو اوپک در رژیم­های مختلف اقتصادی»،فصلنامه­ مطالعات اقتصاد انرژی، سال چهاردهم، شماره 57، 89-114.


• خطیب سمنانی، محمد علی و شجاعی، معصومه و شجاعی خسروشاهی، مسعود(1393)، « بررسی اثر نوسانات قیمت نفت خام بر شاخص بازدهی بورس اوراق بهادار تهران» ، فصلنامه اقتصاد مالی، شماره 29، دوره 8، زمستان 1393، 25-46.


• رضاقلی زاده و همکاران (1396)،«سرایت پذیری نوسانات بازار جهانی نفت و شاخص قیمت سهام صنایع شیمیایی (رویکرد VAR-BEKK-GARCH)»، فصلنامه مطالعات اقتصاد انرژی، سال دوازدهم، شماره 51، 31-1.


• شریف کریمی، محمد و حیدریان، مریم و دهقان جبار آبادی، شهرام (1397)، «حلیل اثرات سرریز بین بازارهای نفت و بورس اوراق بهادار تهران در طول مقیاس‌های چندگانه زمانی؛ (با استفاده از مدلVAR-GARCH-BEKKبر پایه موجک)» ، فصلنامه اقتصاد مالی، شماره 42، دوره12، بهار 1397، 25-46.


• صادقی شاهدانی، مهدی و  محسنی، حسین(1397)،« سرریزی و انتقالات نوسان قیمت سکه طلا بر بازار سرمایه»،  فصلنامه اقتصاد مالی، شماره 44، دوره12،  پائیز 1397، 103- 122.


• فطرس، محمد حسن و هوشیدری، مریم (1397). ارتباط های پویا بین قیمت نفت، قیمت طلا و نرخ ارز با شاخص سهام بورس اوراق بهادار تهران. فصل نامه ی مطالعات اقتصاد انرژی، سال چهاردهم، شماره 58، 116-89.


• محمدی، تیمور و قاسمی، عبدالرسول و عسلی، مهدی و نکونام، امیر (1397)،«واکنش قیمت گاز طبیعی نسبت به تغییراتقیمت نفت خام در بازارهای منطقه ای اروپا و آمریکا: مدل انتقال رژیم برداری»، فصلنامه­ی مطالعات اقتصاد انرژی، سال چهاردهم، شماره 58، 26-1.


• معمارزاده، عباس و امامی میبدی، علی (1395)، «40 سال تجربه نوسانات قیمتی نفت خام: اهمیت و پیامدها»، فصل نامه مطالعات اقتصاد انرژی، سال دوازدهم، شماره 51، 109-67.


• ضرابی­زاده، حمید­(1378)،«نظریه گراف­ها و کاربردهای آن»، موسسه فرهنگی دیباگران تهران.


• Andersen, T. G., & Bollerslev, T. (1997a). Intra-day periodicity and volatilitypersistence in financial markets. Journal of Empirical Finance, 4, 115–158.

 

• Andersen, T. G., & Bollerslev, T. (1997b). Heterogeneous information arrivals and return volatility dynamics: Uncovering the long-run in high frequency returns.Journal of Finance, 52, 975–1005.


• Berry M. A., Burmeister E., McElroy M. (1988). Sorting out risks using known APT factors. Financial Analyst Journal, 44 (2): 29–42.


• Branson, W.H. (1983). Macroeconomic Determinant of Real Exchange Rates, Cambridge University Press, 16(3): 382-385.


• Borna and Garaz, (2014), Investing in Volatility and the VIX: Stop fighting volatility, learn RCM how to do something about it Alterna t ves ETFs, VIX Futures, and Hedge Funds, 621 South Plymouth Court | Chicago, IL 60605


• Cuthbertson, K, (1996),Quantitative financial economics: Stocks, bondsand foreign exchange.Chichesteretc.Wiley , cop, p 80


• Driesprong, G., Jacobsen, B. and Maat, B. (2008) Striking Oil: Another Puzzle? Journal of Financial Economics, 89, 307-327.


• Dornbusch, R. Fisher, S. (1980). Exchange Rates and Current Account, American Economic Review, 70(5): 960-971


• Dutta,   (2018).  Modeling and  forecasting  the  volatility  of  carbon  emission  market:  The  role of  outliers, time-varying  jumps  and  oil  price  risk.  Journal  of  Cleaner  Production,  172,  2773-2781


• Dutta, A., Nikkinen, J., & Rothovius, T. (2017). Impact of oil price uncertainty on Middle East and African stock markets. Energy, 123, 189-197


• Elton , E.J., et al,(2003), Modern PortfolioTheory and InvestmentAnalysis.6th ed.JohnWiley&SonsNewYorkp


• Elyasiani, Mansur and Odusami,(2011) , Oil price shocks and industry stock returns


• Ewing, b. T. And f. Malik (2010), “Estimating Volatility Persistence inOil Prices under Structural Breaks”,Financial Review, vol. 45, 1011-1023.


• Giller, R &Lery, S.F.(1991), On the Arbitrage Pricing Theory. Economic Theory, 1(3):213-229


• Jiang, Y., Jiang, C., Nie, H., & Mo, B (2019). The time-varying linkages between global oil market and China’s commodity sectors: Evidence from DCC-GJR-GARCH analyses, Energy, 1-34.


• Luo, X., & Qin, S. (2017). Oil price uncertainty and Chinese stock returns: New evidence from the oil volatility index. Finance Research Letters, 20, 29-34


• Morel, C. (2001), Stockselectionusing amultifactor model – empirical evidence from the French stock market.the European Journal of Finance, 7(4):312 334


• Myers, Robert J., Johnson, Stanley R., Helmar, Michael.,& Baumes, Harry.(2017) Long-Run and Short-Run Relationships between Oil Prices, Producer Prices, and Consumer Prices: What Can We Learn from a Permanent-Transitory Decomposition?.Quarterly Review of Economics and Finance,1-75.


• Noor, M. H., & Dutta, A. (2017). On the Relationship between Oil and Equity Markets: Evidence form South Asia. International  Journal  of  Managerial  Finance,  13(3),  IJMF-04-2016-0064


• J & Ratti.A(2008), Oil price shocks and stock markets in the US and 13 European countries, Energy Economics, 30,2587-2608


• Perry & Haug. Alfred. A andBasher. Seyed Abul, (2011), Oil prices, exchange rates and emerging stock markets, MPRA Paper No. 30140,Posted 07


• Seuk Wai Phoong, Mohd Tahir Ismail, Siok Kun Sek, (2013), A Markov switching vector error correction model on oil price and gold price effect on stock market returns, Information Management and Business Review, Vol 5, 331


• Sujiti and Kumar ,(2011), Study on dynamic relationship among gold price, oil price, exchange rate and stock market returns, International Journal of Applied Business and Economic Research9(2):145-165


• Thanh Nam Vu, (2019), Impact of Crude Oil Price Volatility on Southeast Asian Stock Returns, nternational Journal of Economics and Finance; Vol. 11, No. 4; 201


• Trablesi, Nader (2017). Asymmetric tail dependence between oil price shocks and sectorsof Saudi Arabia System, The Journal of Economic Asymmetries, 1–16.


• Watsham T.J & Parramore. K., (1997), Quantitative Methods inFinance.1st edition.UnitedKingdom, London.Thomson Learning, P 157

 

یادداشت‌ها