اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران (تجزیه‌وتحلیل رگرسیون کوانتایل)

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

شیرین امینیان ¹ , زهره طباطبایی نسب ² , سید یحیی ابطحی ³ , محمدعلی دهقان تفتی ⁴

1 - دانشجوی دکتری، گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
2 - استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران (نویسنده مسئول)
3 - استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
4 - استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

تاریخ دریافت : 1402/02/24 تاریخ پذیرش : 1402/04/17 تاریخ انتشار : 1403/04/09

کلید واژه: نوسانات اقتصادی, شرایط مالی, رگرسیون کوانتایل, رشد تولید ناخالص داخلی,

چکیده مقاله :

در مطالعه حاضر به بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران پرداخته می‌شود. برای این منظور در مرحله اول به استخراج وزن‌ها؛ شامل 12 متغیر برای ساخت شاخص شرایط مالی ایران (IFCI) پرداخته می‌شود تا در قالب مدل نهایی کوانتایل برای بازه زمانی 1400-1370 به بررسی موضوع حاضر پرداخته شود. بر اساس نتایج؛ در چارک‌های (پایین) اول و دوم؛ شاخص‌های شرایط مالی (IFCI) بر رشد تولید ناخالص داخلی اثر منفی دارد و در چارک‌های سوم و چهارم، شدت تأثیرگذاری آن بر رشد تولید ناخالص داخلی افزایش می‌یابد. به عبارتی شاخص‌های شرایط مالی (IFCI) چارک اول (Q1) و دوم (Q2)، با رشد تولید ناخالص داخلی دارای یک همبستگی زمانی منفی قوی می‌باشد. نوسانات ریسک‌های نزولی به‌ویژه در شرایط مالی بد شدیدتر از ریسک‌های صعودی است. بر اساس روند نموداری پیش‌بینی رشد تولید ناخالص داخلی چارک پسین، شوک‌های مالی متأثر از شوک‌های مرتبه اول، دوم و سوم می‌باشد که با بدتر شدن شرایط مالی، میانگین تولید ناخالص داخلی کاهش پیداکرده که درنهایت هزینه‌ها با وجود یک بحران مالی افزایش ‌یافته است. این نوسانات با اثرگذاری بر شاخص‌های مرتبط با تولید، میزان سرمایه‌گذاری را تحت تأثیر قرار می‌دهند. با توجه به متفاوت بودن زیرساخت‌ها، مطالعه مجزای نحوه تأثیرپذیری تولید از نااطمینانی سیاست‌های پولی دولت، سیاست‌های مالی دولت و سیاست‌های ارزی دولت می‌تواند در تصمیم‌گیری‌های کلان کشور، دید درستی از چگونگی تغییرات بازار مالی ایران در اثر این نوسانات ارائه دهد.

چکیده انگلیسی:

In this study, the asymmetric effects of financial conditions on the growth of GDP in Iran are investigated. For this purpose, in the first stage, to extract the weights; It includes 12 variables for the construction of Iran's financial conditions index (IFCI) in order to investigate the current issue in the form of the final quantile model for the period of 1991-2021. Based on the results; in the first and second (lower) quadrants; Financial condition indicators (IFCI) have a negative effect on GDP growth, and in the third and fourth quarters, the intensity of its impact on GDP growth increases. In other words, the financial condition indices (IFCI) of the first (Q1) and second (Q2) quarters have a strong negative temporal correlation with the GDP growth. The fluctuations of downside risks are more severe than those of upside risks, especially in bad financial conditions. According to the chart trend of forecasting the GDP growth of the last quarter, the financial shocks are affected by the first, second and third order shocks. As the financial conditions worsen, the average GDP has decreased, and finally the costs have increased despite a financial crisis. These fluctuations affect the amount of investment by affecting the indicators related to production. Due to the different infrastructures, a separate study of how production is influenced by the uncertainty of the government's monetary policies, government's financial policies, and government's currency policies can provide a correct view of how Iran's financial market changes due to these fluctuations in the macro decisions of the country.

متن کامل:



 

اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران (تجزیه‌وتحلیل رگرسیون کوانتایل)

شیرین امینیان¹

زهره سادات طباطبایی نسب*²

سید یحیی ابطحی³

محمد علی دهقان تفتی⁴

 

چکيده

در مطالعه حاضر به بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران پرداخته می‌شود. برای این منظور در مرحله اول به استخراج وزن‌ها؛ شامل 12 متغیر برای ساخت شاخص شرایط مالی ایران (⁵IFCI) پرداخته می‌شود تا در قالب مدل نهایی کوانتایل برای بازه زمانی 1400-1370 به بررسی موضوع حاضر پرداخته شود. بر اساس نتایج؛ در چارک‌های (پایین) اول و دوم؛ شاخص‌های شرایط مالی (IFCI) بر رشد تولید ناخالص داخلی اثر منفی دارد و در چارک‌های سوم و چهارم، شدت تأثیرگذاری آن بر رشد تولید ناخالص داخلی افزایش می‌یابد. به عبارتی شاخص‌های شرایط مالی (IFCI) چارک اول (Q1) و دوم (Q2)، با رشد تولید ناخالص داخلی دارای یک همبستگی زمانی منفی قوی می‌باشد. نوسانات ریسک‌های نزولی به‌ویژه در شرایط مالی بد شدیدتر از ریسک‌های صعودی است. بر اساس روند نموداری پیش‌بینی رشد تولید ناخالص داخلی چارک پسین، شوک‌های مالی متأثر از شوک‌های مرتبه اول، دوم و سوم می‌باشد که با بدتر شدن شرایط مالی، میانگین تولید ناخالص داخلی کاهش پیداکرده که درنهایت هزینه‌ها با وجود یک بحران مالی افزایش ‌یافته است. این نوسانات با اثرگذاری بر شاخص‌های مرتبط با تولید، میزان سرمایه‌گذاری را تحت تأثیر قرار می‌دهند. با توجه به متفاوت بودن زیرساخت‌ها، مطالعه مجزای نحوه تأثیرپذیری تولید از نااطمینانی سیاست‌های پولی دولت، سیاست‌های مالی دولت و سیاست‌های ارزی دولت می‌تواند در تصمیم‌گیری‌های کلان کشور، دید درستی از چگونگی تغییرات بازار مالی ایران در اثر این نوسانات ارائه دهد.

واژه های کلیدی: شرایط مالی، نوسانات اقتصادی، رشد تولید ناخالص داخلی، رگرسیون کوانتایل.

طبقه‌بندی JEL : E52، G12، G32، G19

 

---

[1] . دانشجوی دکتری، گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران،  [e-mail]

[2] . استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران (نویسنده مسئول)، tabatabaienasab@ iauyazd.ac.ir

[3] . استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران، abtahi@ iauyazd.ac.ir

[4] . استادیار گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران، [e-mail]

[5] . Iran's financial conditions index 

مقدمه

رابطه بین شرایط مالی و متغیرهای اقتصاد کلان از دیرباز یکی از مهم‌ترین موضوعات مهم نزد اقتصاددانان به شمار می‌رود. به‌خصوص پس از بحران مالی جهانی، در تعدادی از مقالات تلاش شد تا علاوه بر یافتن علل و نتایج این بحران، شاخص‌هایی برای ترسیم اوضاع مالی تعبیه شود تا بتوان افراد را نسبت به بحران مالی آگاه کرد و جلوی وقوع آن را گرفت. درنتیجه، بانک فدرال و دولت ایالات‌متحده مجبور شدند اقدامات اضطراری غیرمعمول مانند سیاست‌های پولی غیر سنتی و غیرمتعارف را که به‌عنوان بسته‌های محرک مالی معرفی می‌شوند، به‌کارگیرند. با توجه به این تجربیات، بسیاری از مطالعات نظری و تجربی سعی دریافتن علت بحران داشته‌اند. به‌عنوان‌مثال، تحلیل‌هایی مانند برنانکه و همکاران¹ (1998) و کیوتاکی و مور² (1997)، صوفی³ (2011) و میان، رائو⁴ و صوفی (2013) نشان داد که کانال ترازنامه خانوارها مکانیسم مهمی است که در ایجاد بحران مالی نقش دارند. آدریان و شین⁵ (2010) همچنین اظهار داشتند که اهرم مالی (افزایش بدهی) بالاتر، وضعیت واسطه‌های مالی را بدتر می‌کند. مطالعات دیگری نیز برگرفتن شرایط مالی متمرکز است. با گسترش سیستم‌های بانکی سایه⁶ و نوآوری‌های مداوم در بخش مالی، واسطه‌های مالی پیچیده‌تر شده و با یکدیگر گره‌ خورده‌اند. بر این اساس، شناسایی خطرات نهفته در سیستم مالی به‌طور فزاینده‌ای دشوارتر شده و به‌طور هم‌زمان، نیاز به یک شاخص با شرایط مالی دقیق‌تر افزایش می‌یابد. درنتیجه، بسیاری از مؤسسات تحقیقاتی و مقامات سیاست‌گذاری در جهان، ازجمله صندوق بین‌المللی پول، OECD⁷ و چندین بانک فدرال رزرو، کشورهای درحال‌توسعه؛ در حال استفاده از شاخص‌هایی برای شرایط مالی مناسب برای هر اقتصاد هستند. روش سنتی ساخت شاخص مالی، انتخاب متغیرهای مالی است که مرتبط با متغیرهای اقتصاد کلان در نظر گرفته می‌شوند و حاصل جمع وزنی است. روش‌های مختلفی برای تعیین وزن وجود دارد. ابتدا، می‌توان با در نظر گرفتن میزان تأثیر هر متغیر مالی بر رشد تولید ناخالص داخلی، وزن‌ها را با استفاده از مدل‌های ⁸VAR، مدل‌های کلانومتری ساختاری، یا اشکال کاهش‌یافته از توابع تقاضا تعیین کرد. دوم، وزن‌ها را می‌توان با تجزیه‌وتحلیل مؤلفه اصلی تعیین کرد. اقتصاددانان مختلفی نظیر گوچوکو و باتیستا⁹ (2013)، هاتزیوس و همکاران¹⁰ (2010) این روش را پذیرفته‌اند. اخیراً از مدل‌های عامل پویا نیز استفاده‌ شده است. به‌عنوان ‌مثال، شاخص ملی شرایط مالی¹¹ (NFCI) بانک فدرال شیکاگو با استفاده از یک برآورد مدل عامل پویا که توسط دوز و همکاران¹² (2012) توصیف‌شده است، ساخته‌شده است. شاخص شرایط مالی عمدتاً برای پیش‌بینی رشد تولید ناخالص داخلی یا سایر متغیرهای کلان استفاده می‌شود. كلیسن و همکاران¹³ (2012) از یك مدل VAR برای مقایسه و ارزیابی قدرت پیش‌بینی شاخص‌های مختلف شرایط مالی در شرایط اقتصادی استفاده می‌كنند. از طریق مدل VAR، ماتسون¹⁴ (2012) نشان می‌دهد که شاخص‌های شرایط مالی در ایالات‌متحده و اروپا می‌توانند شکاف تولید ناخالص داخلی آینده، تورم و نرخ بهره را تا حد قابل ‌توجهی پیش‌بینی کنند. در مقابل، آرامونته و همکاران¹⁵ (2017) دریافتند، به‌استثنای دوره بحران مالی جهانی، قدرت پیش‌بینی شاخص شرایط مالی بر قیمت سهام و متغیرهای اقتصاد کلان به‌طورکلی ضعیف است. این مطالعه پیرو مطالعه آدریان و همکاران¹⁶ (2019) به بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران می‌پردازد. بااین‌حال، به‌منظور بسط این مبحث، اثرات خارجی بحران مالی جهانی بر اقتصاد ایران به‌وسیله شاخص‌های رشد تولید ناخالص داخلی و شرایط مالی در یک مدل رگرسیون چارکی مدنظر قرار داده ‌شده است. این مطالعه از این ‌جهت با مطالعات قبلی متفاوت است که علاوه بر برآورد نقطه‌ای رشد تولید ناخالص داخلی، توزیع آن را نیز از طریق رگرسیون‌های چارکی (کوانتایل) بررسی می‌کند. ازاین‌رو، اشکال توزیع در شرایط مالی محدود و آزاد به‌منظور ردیابی پیامدهای اقتصادی مقایسه می‌شوند.

مبانی نظری و پیشینه پژوهش

بحران‌های اقتصادی و مالی طی یک دهه گذشته به‌طور غیرمنتظره‌ای، اقتصاد کشورهای پیشرفته و نوظهور جهان را تحت تأثیر قرار داده است. برای مثال، بحران اقتصادهای آسیایی در سال‌های 1997-1998 یک شوک بین‌المللی برای اقتصاددانان و جامعه جهانی بود، زیرا کشورهای آسیای شرقی به‌سرعت در حال رشد بودند. یک دهه پس‌ازآن، جهان تأثیر بحران اقتصادی ایالات‌متحده در سال 2007 را تجربه کرد که آسیب جدی به اقتصادهای پیشرفته وارد نمود. تعدادی از مطالعات بحران‌ها را با واکنش‌های آهسته از سوی سیاست‌گذاران، مشکلات ساختاری و مالی، مقررات، شرایط اقتصادی و سیاسی مرتبط می­دانند (کامینسکی و راینهارت¹⁷، 1999؛ رادلت و همکاران¹⁸، 1998 و راینهارت و روگوف¹⁹، 2009). از سال 1981 تاکنون، اقتصاد آمریکا سه بار با بحران روبه‌رو شده است. یکی بحران مالی اوایل دهه 1980 است که به بحران بدهی معروف شد. این بحران در پی اعتبارات گسترده برای صنعتی شدن در کشورهای آمریکای لاتین شکل گرفت. این اعتبارات که از راه وام از بانک‌های تجاری تأمین می‌شد، سبب شد که بدهی آمریکای لاتین به بانک‌های تجاری از حدود 75 میلیارد دلار در سال 1975 به بیش از 315 میلیارد دلار در سال 1980 رسید که نیمی از تولید ناخالص داخلی منطقه را تشکیل می‌داد (بنیاد مطالعات آمریکای لاتین، 1986: 69). یکی از علل اصلی این بحران نبود مشارکت در ریسک بود. این مسئله سبب کم‌رنگ شدن نظم و انضباط بازار مالی گردیده و منجر به وام‌دهی بیش ‌از حد، قدرت نفوذ بالاتر، سفته‌بازی و افزایش ناپایدار قیمت دارایی­ها شده بود. ریشه اصلی این بحران‌ها، شکنندگی بازارهای مالی و ناهماهنگی آن با بازار کالا بود. مطالعات در این زمینه (دیویس²⁰، 2010؛ دمیرگوک-کانت و دتراگیاش²¹، 2005 و کامینسکی و راینهارت، 1999) بحران‌ها را با عوامل اقتصادی، ازجمله کسری پرداخت، چرخه تجارت، بدهی کوتاه‌مدت، نرخ بهره و رشد اعتبار مرتبط کرده است. همچنین عوامل دیگری مانند عوامل مرتبط با حملات سوداگرانه نیز وجود دارند كه می‌توانند بحران‌ها را بهتر توضیح دهند. درک عمیق‌تر از عوامل توضیح‌دهنده حملات سوداگرانه، مانند کاهش ارزش ارز و بدهی‌های کوتاه‌مدت، کمک می‌کنند تا ماهیت پویای تکرار بحران‌ها بهتر شناخته شوند. حملات سوداگرانه عوامل مهمی در گسترش بحران هستند که ناشی از ترس سرمایه‌گذاران می‌باشند. کاهش قابل‌ توجهی از ذخایر خارجی باعث کاهش ارزش ارز و حملات سوداگرانه می‌شود. علاوه براین، افزایش بدهی کوتاه‌مدت و محیط نامناسب نظارتی، کشورها را در معرض سرریز سریع سرمایه و ترس سرمایه‌گذاران قرار می‌دهد. هنگامی‌که شرایط سیاسی نیز در تجزیه‌ و تحلیل گنجانده شود، تأثیر این عوامل می‌تواند تشدید شود. وقتی سیاست‌گذاران حملات سوداگرانه ای را به ارز و سرمایه خود تجربه می‌کنند، سیاست‌های اتخاذ شده آن‌ها ممکن است کافی نباشند. در رژیم صعودی نرخ ارز، سیاست‌گذاران معمولاً سعی می‌کنند با از بین بردن ذخایر ارزی، از ارز خود دفاع کنند و این باعث افزایش فشارهای سوداگرانه می‌شود. در توضیح رابطه بین بدهی کوتاه‌مدت و حملات سوداگرانه، رادلت و همکاران²² (1998) یک نظریه عقلانی برای وقوع بحران پیشنهاد دادند که در آن پرداخت بدهی‌های بالا سیگنال‌هایی را به سرمایه‌گذاران بین‌المللی برای برداشت سپرده‌ها و وجوه خود از بانک‌ها و پروژه‌هایی که باعث حملات سوداگرانه می‌شوند، ارائه می‌دهد. علاوه براین، رفتارهای انسانی مانند فساد، بی‌ثباتی دولت و محیط نظارتی نامناسب نقش مهمی در تبیین ماهیت پویای بحران‌ها دارد. در جریان بحران مالی آسیا، کشور سنگاپور که دارای بالاترین شاخص ثبات سیاسی در مقایسه با سایر کشورهای آسیای شرقی است، کمترین آسیب را از این بحران داشت. بدین معنی که مدیریت شرایط سیاسی و اقتصادی در مقابله با شرایط بحرانی تعیین‌کننده است. همین‌طور در نظر گرفتن همه عوامل ازجمله پیچیدگی رفتارهای انسانی که به‌طور بالقوه باعث بروز بحران‌های سیستمی می‌شوند، بسیار مهم است. با این ‌وجود، به‌کارگیری تعداد زیادی از عوامل در یک مطالعه تجربی غیرممکن است. برای اقتصاد ایران؛ طی سال‌های 1375-1371 و نیز سال‌های 1379، 1381، 1384 شوک‌های بزرگ پولی و مالی اتفاق افتاده است. طبق نتایج مطالعه نیازی محسنی و همکاران²³ (1397) در سال‌های 1375-1371 وجود دو عامل سبب افزایش حجم پول و نقدینگی و بروز شوک‌های بزرگ پولی در اقتصاد ایران شده است. عامل اول ایجاد حساب ذخیره‌ی تعهدات ارزی به دنبال شناور شدن نرخ ارز طی این سال‌ها بود که سبب افزایش حساب بدهی دولت به بانک مرکزی شد و موجبات افزایش حجم پول را فراهم ساخت. عامل دوم، افزایش بدهی شرکت‌های دولتی به سیستم بانکی بود که سبب شده است رقم تغییر درمانده بدهی بخش دولتی به سیستم بانکی از 2254 میلیارد ریال در سال 1371 به 10848 میلیارد ریال در سال 1385 افزایش یابد. در سال 1381 نیز مجددا رقم تغییر در مانده بدهی بخش دولتی به سیستم بانکی نسبت به سال قبل از رشدی معادل 332 درصد برخوردار بوده است. از طرف دیگر مانده بدهکار حساب ذخیره‌ی تعهدات ارزی که به دلیل بازپرداخت بخشی از بدهی‌های دولت به بانک مرکزی طی سال‌های 1381-1379 کاهش‌یافته بود در سال‌های 1384-1383 دوباره افزایش یافت. بنابراین بررسی منشأ پیدایش شوک‌های بزرگ پولی و مالی و سیاسی در اقتصاد ایران طی دوره‌ی مورد بررسی نشان می‌دهد که سیاست مالی دولت و بدهی قابل‌ توجه بخش دولتی به سیستم بانکی منشأ بروز شوک‌های بزرگ پولی، مالی و سیاسی شده است و به دلیل عدم وجود استقلال بانک مرکزی، سیاست‌های پولی، مالی و سیاسی نیز در این دوران از استقلال لازم برخوردار نبوده‌اند. با توجه به مباحث ارائه‌ شده؛ مطالعه حاضر شاخص شرایط مالی ایران را تخمین زده و تأثیر شرایط مالی را بر رشد تولید ناخالص داخلی ایران تحلیل می‌کند.

محاسبه اوزان مالی برای اقتصاد ایران براساس نظریات و دیدگاه‌های مختلف

شاخص شرایط مالی اندازه‌گیری سلامت کلی یک وضعیت مالی است. برای برآورد این شاخص، ابتدا باید متغیرهای مالی را انتخاب کنیم که مربوط به شرایط اقتصادی حال و  آینده اثرگذار بر تولید کشور هستند. این شاخص از متغیرهای مالی انتخاب‌شده استخراج می‌شود. بنابراین، شاخص شرایط مالی باید بتواند تغییرات در شرایط مالی را منعکس کند و درعین‌حال قدرت توضیحی برای وضعیت اقتصادی آینده داشته باشد. در حال حاضر، انواع مختلفی از شاخص‌های شرایط مالی توسط سازمان‌های بین‌المللی مانند OECD، صندوق بین‌المللی پول، بانک‌های فدرال رزرو منطقه‌ای مانند شیکاگو فدرال، سنت لوئیس فدرال و کانزاس سینی و شرکت‌های خصوصی مالی مانند گلدمن ساکس و بلومبرگ استفاده می‌شود.

مطالعات مربوط به ساخت شاخص شرایط مالی به شرح زیر است. ابتدا، جو و هان (2006) با استفاده از دو متغیر؛ نرخ بهره واقعی و نرخ رشد قیمت سهام واقعی، شاخص شرایط مالی سه‌ماهه را از 1991 (Q1) تا 2005 (Q2) مورد محاسبه قرار داد. چون و پارک (2007) از تجزیه‌وتحلیل مؤلفه‌های اصلی (PCA) استفاده کرده و از 1991 (Q1) تا 2006 (Q4) موردمحاسبه با استفاده از شش مؤلفه اصلی از 37 متغیر مالی، شاخص شرایط مالی سه‌ماهه ایجاد کرده‌اند. پارک و همکاران (2011) 10 متغیر مالی را از بازارهای اوراق قرضه، وام‌ها، بازارهای سهام و بازارهای ارز انتخاب کردند و تجزیه‌وتحلیل مؤلفه اصلی را برای استخراج شاخص شرایط مالی انجام دادند. سان کوارک و لی²⁴ (2020) همچنین از تجزیه‌وتحلیل مؤلفه‌های اصلی استفاده کرده و با استفاده از 5 متغیر مالی، شاخص شرایط مالی ماهانه را از ژانویه 1991 تا سپتامبر 2013 ساختند. اخیراً، گزارش سیاست پولی (بوک، 2019) روش استفاده از SVAR را تصویب کرده است. این شاخص شرایط مالی را از 6 متغیر با تنظیم وزن هر متغیر متناسب با میزان تأثیر آن بر رشد تولید ناخالص داخلی در تجزیه‌وتحلیل SVAR ساخته است. در این مطالعه، شاخص شرایط مالی با الگوبرداری از روش سان کوارک و لی (2020) و استفاده از 12 شاخص برای اقتصاد ایران ساخته‌شده است. شاخص حاضر این مزایا را دارد که بحران مالی جهانی 1997 و 2008 را در نظر می‌گیرد و ازنظر روش و تفسیر ساده و شهودی است. هدف از مطالعه حاضر، اندازه‌گیری تأثیر شرایط مالی بر رشد تولید ناخالص داخلی توسط الگوی رگرسیون کوانتایل است که بتواند بحران مالی بزرگ، بحران مالی جهانی 1998-1997 و 2007-2009 را نیز پوشش دهد. بنابراین، در این راستا، در مقاله حاضر، شاخص شرایط مالی جدید (بوک²⁵، 2019)، مطابق روش مورد نظر در مقاله سان کوارک و لی (2020) بهبود بخشیده شده است. بعبارتی در تحقیق حاضر، متغیرهای به‌مراتب بیشتر برای محاسبه این شاخص استفاده شده است که به نظر می‌رسد اوزان محاسبه شده در این پژوهش به واقعیت اوزان موجود در اقتصاد ایران نزدیک­تر باشد. باتوجه‌به مطالعه (رونکاگلیولو و همکاران²⁶، 2022)، (کاسال²⁷، 2022)، استونا و همکاران²⁸ (2018) اقتصاد به دو بخش پولی و مالی تقسیم شده است و از هر بخش نیز شماری متغیر به‌عنوان نماینده بخش پولی و مالی در نظر گرفته شده و در نهایت اوزان مالی بر اساس آنها محاسبه شده است. اما نکته‌ای که در مورد اقتصاد ایران وجود دارد و باید حتماً موردتوجه قرار گیرد، حضور گسترده دولت و واردکردن شوک‌های زیادی درازای زمان از طرف دولت است که این شوک‌های هزینه‌ای، باعث ایجاد شوک در بسیاری از متغیرهای دیگر اقتصادی است؛ لذا واردکردن دولت در محاسبه اوزان مالی امری لازم ضروری است. بازار دیگری که در طی سالیان اخیر بخصوص بعد از انقلاب همواره باعث تلاطم در اقتصاد ایران شده است، بازار ارز است و بخصوص به دلیل وابستگی اقتصاد ایران چه در امر تولید (واردات کالاهای واسطه‌ای و نهاده‌ها) و چه در امر مصرف (واردات کالاهای نهایی و تکنولوژی) به واردات، بایستی نرخ ارز نیز موردتوجه قرار گیرد؛ لذا برای گویایی هر چه‌بهتر این شاخص لازم است بازار ارز نیز در این شاخص وارد شود؛ بنابراین در این پژوهش، اوزان مالی در اقتصاد ایران در قالب چهار بخش پولی، سرمایه­ای، ارزی و بخش دولتی دیده شده است و 12 متغیر برای محاسبه اوزان مالی مورد استفاده قرار می‌گیرد که در قسمت روش‌شناسی تحقیق محاسبه شاخص شرایط مالی ایران به‌تفصیل تشریح خواهد شد.

 

پیشینه مطالعات:

رونکاگلیولو و همکاران²⁹ (2022) در مطالعه‌ای به بررسی تأثیر اوزان مالی در اقتصادهای پیشرفته و نوظهور با استفاده از یک مدل خودرگرسیون بردار پانل (PVAR) در 14 اقتصاد پیشرفته و نوظهور پرداختند. نتایج نشان می‌دهد تأثیر شوک‌های اوزان مالی بر رشد اقتصادی اقتصادهای پیشرفته بیشتر است. به همین ترتیب، شوک‌های اوزان مالی تنها در اقتصادهای پیشرفته قابل‌توجه است. نرخ بهره بین‌بانکی تحت‌تأثیر اوزان مالی در اقتصادهای نوظهور است. به‌طورکلی، نتایج یک دیدگاه روشن از اهمیت ثبات مالی و ارتباط اقتصادی اقدامات اوزان مالی در چارچوب مقررات احتیاطی کلان را نشان می‌دهد.

کاسال³⁰ (2022) در مطالعه‌ای به بررسی اثرات اوزان مالی بر فعالیت اقتصادی و بدهی دولت در اقتصادهای نوظهور با استفاده از تحلیل مدل خودرگرسیون برداری بیزی (BVAR) از ژانویه 1992 تا دسامبر 2020 پرداختند. نتایج مدل BVAR نشان می‌دهد که شوک اوزان مالی مثبت برای فعالیت اقتصادی مضر است، زیرا بدهی دولت را افزایش می‌دهد. یافته‌ها همچنین نشان می‌دهد که شوک مثبت بدهی دولت اوزان مالی را افزایش می‌دهد. با کمال تعجب، بدهی دولت و اوزان مالی در واکنش به شوک مثبت در فعالیت اقتصادی کاهش می‌یابد. نتایج این مطالعه پیامدهای قابل‌توجهی برای رویکردهای سیاست مالی آینده دارد.

 

سان کوارک و لی (2020) در مطالعه‌ای به بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در کره: تجزیه‌وتحلیل رگرسیون کوانتایل پرداختند. نتایج نشان می‌دهد تأثیر شرایط مالی کره بر رشد تولید ناخالص داخلی کره در مقادیر نامتقارن است. وخامت اوضاع مالی فقط بخش چپ توزیع رشد تولید ناخالص داخلی سه‌ماهه را گسترش می‌دهد و گاهی اوقات توزیع را به‌صورت دوحالته درمی‌آورد، این امر به معنای وجود توازن چندگانه جریان بانکی و عدم توزیع بانکی است. مدل رگرسیون کوانتایل افزایش‌یافته با متغیرهای ایالات‌متحده نشان می‌دهد که وخیم شدن شرایط مالی ایالات‌متحده، هر دو سمت چپ و راست توزیع رشد تولید ناخالص داخلی کره را گسترش داده و واریانس آن را افزایش می‌دهد.

برونینگ و همکاران³¹ (2019) در مطالعه‌ای به بررسی یک رویکرد جدید برای سیستم‌های هشداردهنده زودهنگام برای بانک‌های اروپایی با به‌کارگیری مدل پروبیت و لوجیت پرداختند. مدل نهایی شامل 12 متغیر در 19 بخش است و از یک تخمین مدل بهتر استفاده می‌کند، که از آن برای تعیین معیار تحلیل استفاده می‌شود. نتایج مدل نشان از اثرگذاری متغیرهای سودآوری بانک، نسبت وام‌های معوق (NPL)، نسبت پوشش وام‌های غیر معوق، نسبت کسری بودجه به تولید ناخالص داخلی، رشد تولید ناخالص ملی، نسبت رشد نقدینگی، اهرم مالی و بدهی بانک‌ها، قرار گرفتن در معرض خطر ریسک حقوق صاحبان سهام، قرار گرفتن در معرض ریسک عملیاتی بانک، ریسک در بازار به‌عنوان سیستم‌های هشداردهنده زود هنگام برای بحران‌های مالی می‌باشد.

لواکی³² (2019) در مطالعه‌ای به بررسی اثر نقص بازار بدهی در ساختار سرمایه و سرمایه‌گذاری با شواهدی از بحران مالی جهانی در سال 2008 برای بازار بورس ژاپن پرداخت. نتایج تحقیق گویای این مطلب می‌باشد که بانک‌های بدون دسترسی به بازار بدهی عمومی، با کاهش بدهی‌های بانکی، در مقایسه با بانک‌هایی که دسترسی به بازار بدهی دارند، نوسانات کمتری را تجربه می‌کنند. همچنین سرمایه‌گذاری آن دسته از بانک‌های وابسته به بانک پس از بحران مالی سال 2008 نسبت به بانک‌های دارای دسترسی به بازار بدهی عمومی، دارای نوسان و عدم اطمینان بیشتری می‌باشند، به خاطر اینکه بحران مالی سال 2008 بیشتر بانک‌ها را دچار ورشکستگی و بحران کرد.

داس و دیگران³³ (2019) در تحقیقی به بررسی ریسک سیستمیک و رکود³⁴ بزرگ در کشور آمریکا پرداختند. در این تحقیق به‌طور تقریبی 9000 شکست مؤسسات مالی در دوران رکود موردبررسی قرار گرفت. با توجه به اینکه هدف این تحقیق بررسی ریسک سیستمیک در دوران رکود بزرگ بوده است لذا اطلاعات مالی بانک‌ها و مؤسسات مالی در بین سال‌های 1929 تا 1934 جمع‌آوری و مورد آزمون قرار گرفت. بر اساس نتایج حاصل از این تحقیق 33% بحران ریسک سیستمیک در بزرگ‌ترین بانک‌ها و مؤسسات مالی متمرکز بوده است. از طرف دیگر، ریسک سیستمیک احتمال ماندگاری بانکی به‌عنوان عضوی در فدرال رزرو در مقایسه با بانک‌های غیر عضو، افزایش داده است.

توحیدی و همکاران (1400) در مطالعه‌ای به بررسی تأثیر استرس مالی و رشد بخش‌های اقتصاد ایران (کشاورزی، صنعت و خدمات) با استفاده از رویکرد واریانس ناهمسانی شرطی خود توضیح تعمیم‌یافته نمایی (EGARCH) و مدل مارکوف-سوئیچینگ طی دوره زمانی 1370:1 تا 1396:4 پرداختند. نتایج حاکی از آن است که با وجود دوره‌های استرس مالی شدید در ایران در بازه زمانی موردنظر، تأثیر آن بر رشد بخش‌های کشاورزی، صنعت و خدمات ناچیز و یا در بیشتر مواقع بی‌معنی است. به ‏نظر می‌رسد این نتایج مصداقی است از عدم کارکرد صحیح بخش اسمی و تأثیر نامحسوس آن بر بخش واقعی اقتصاد که ریشه در بانک محور بودن نظام تأمین مالی، ناکارایی بازار سرمایه، مداخلات مختلف حاکمیت در بازار پول و سرمایه و ... دارد.

بیاني و محمدی³⁵ (1398) در مطالعه‌ای به بررسی عوامل مؤثر بر بحران‌های مالی در اقتصاد ایران: رویکرد میانگین‌گیری بیزی³⁶ پرداختند. در این پژوهش ۶۲ متغیر مؤثر بر بحران مالی وارد مدل گردید و در نهایت با استفاده از رویکرد مدل میانگین‌گیری بیزی ۱۲ متغیر غیر شکننده مؤثر بر بحران مالی که عبارتند از کسری یا مازاد بودجه؛ انحراف نرخ ارز غیررسمی از رسمی؛ نرخ تورم؛ نسبت بدهی خارجی به دارایی خارجی بانک مرکزی؛ ضریب فزاینده پول (نقدینگی/پایه پولی)؛ نسبت صادرات به GDP؛ نسبت واردات به GDP؛ نسبت مخارج دولت به GDP؛ کسری بودجه به GDP؛ نسبت نقدینگی به دارایی‌های خارجی بانک مرکزی؛ نرخ رشد اعتبارات اعطایی به بخش خصوصی و مجذور نرخ تورم شناسایی شدند. با توجه به خروجی نتایج می‌توان بیان داشت شاخص بحران مالی در اقتصاد ایران معضلی چندبعدی است؛ چراکه متغیرهای مرتبط با سیاست مالی، سیاست پولی و سیاست ارزی براین شاخص اثرگذارند.

نصراللهی و همکاران³⁷ (1396) در مطالعه‌ای به بررسی طراحی یک سیستم هشدار زود هنگام بحران‌هاي ارزي در ایران: رویکرد رگرسیون لجستیک طی دوره‌ زمانی 1393-1367 پرداختند. بر اساس نتایج به‌دست ‌آمده، بحران‌های ارزی در ایران درنتیجه‌ ترکیب عدم تعادل‌های متفاوتی در بخش‌های واقعی و عمومی، موازنه‌ خارجی و بخش مالی کشور به وقوع پیوسته‌اند. بر اساس این نتایج، متغیرهای نسبت وام به سپرده، نسبت "بدهی بانک‌ها به بانک مرکزی" به پایه‌ پولی، نرخ تورم و رشد تولید صنعتی (به علت وابستگی شدید به واردات)، بیش‌ترین و قوی‌ترین نقش را در افزایش احتمال ایجاد بحران‌های ارزی در ایران داشته‌اند. همچنین، متغیرهای نسبت سپرده‌های بانکی به نقدینگی، نسبت درآمد ارزی به دارایی‌های خارجی بانک مرکزی و رشد تولید ناخالص داخلی واقعی، مهم‌ترین نقش را در کاهش احتمال وقوع بحران ارزی در ایران دارند.

شایگانی و آرانی³⁸ (1395) از آنجاکه ثبات اقتصادي کشورها مدیون ثبات مالی آن‌هاست و ثبات مالی بانک‌ها به‌عنوان هسته اصلی فعالیت‌های پولی و مالی مطرح است، تلاش کردند تا علاوه بر ارزیابی ثبات مالی سیستم بانکی کشور ایران، عوامل مؤثر بر آن نیز مورد بررسی قرار گیرد. یافته‌های آن‌ها، مؤید آن است که اولاً همه بانک‌های ایران در دوره زمانی 1385-1394 از درجه ثبات مالی کمی برخوردار بوده‌اند؛ ثانیاً، عوامل مؤثر بر درجه ثبات مالی کل سیستم بانکی، بانک‌های تجاری و بانک‌های دولتی یکسان نیستند؛ ثالثاً، از میان متغیرهاي کلان، رشد تولید ناخالص حقیقی، سبب افزایش ثبات مالی و تنزل ارزش پول ملی، موجب کاهش ثبات مالی بانک‌ها شده‌اند .در بین متغیرهاي مالی، افزایش نسبت وام به دارایی بانک‌ها، بیشترین اثر را بر کاهش ثبات مالی بانک‌ها داشته است. هم‌چنین بانک‌های تجاری بیشتر از بانک‌های دولتی از نسبت‌های مالی متأثر می‌شوند.

زارعي و كميجاني³⁹ (1394) در تحقيقي به شناسایی و پیش‌بینی بحران‌های بانکی در ایران پرداختند. آن‌ها عنوان می‌دارند كه بخش بانکی ایران به دلیل حمایت‌های دولت، هیچ‌گاه با پدیده‌هایی مانند هجوم بانکی و ورشکستگی بانک‌ها مواجه نشده است. اما ارزیابی شاخص فشار بازار پول با استفاده از رهیافت الگوی چرخشی مارکف در دوره زمانی 1369 تا 1392 با تواتر فصلی نشان می‌دهد که ایران در دوره‌هایی بحران بانکی را تجربه کرده است. همچنین آزمون هشدارهای اولیه، نشان می‌دهد که متغیرهای رشد نرخ ارز حقیقی، نرخ رشد تسهیلات اعطایی به بخش غیردولتی، نرخ رشد تولید ناخالص داخلی حقیقی، نرخ رشد قیمت مسکن، و رشد میانگین نرخ بهره حقیقی تسهیلات پیش‌بینی کننده احتمال وقوع بحران بانکی در ایران می‌باشند. مدل تصریح‌شده در این روش توانسته است در ۷۷ درصد مواردی که بحران اتفاق افتاده است، وقوع بحران را با احتمال بالای 40 درصد پیش‌بینی نماید و تنها 1۲ درصد سیگنال اشتباه داشته است. 

 

تصريح الگو و معرفی متغیرها

در مقاله حاضر به پیروی از مطالعات؛ سان کوارک و لی (2020) به بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران پرداخته خواهد شد. بنابراین در مرحله اول؛ وزن 12 متغیر مطابق مقاله سان کوارک و لی (2020) برای ساخت شاخص شرایط مالی ایران (IFCI) محاسبه می‌شود. در مرحله بعد، توزیع رشد تولید ناخالص داخلی، تابعی از شاخص شرایط مالی فعلی در نظر گرفته می‌شود و بر اساس مدل رگرسیون کوانتایل ارائه‌شده توسط آدریان و همکاران⁴⁰ (2019) به تخمین مدل پرداخته می‌شود.

رگرسیون چندک، تکنیکی است که می‌تواند بر محدودیت‌های یادشده غلبه نماید. این مدل که توسط کاونکر و باست در سال ۱۹۷۸ معرفی گردید، به‌تدریج به روش جامعی برای تجزیه‌وتحلیل آماری مدل‌های خطی و غیرخطی متغیرهای پاسخ، درزمینه­های مختلف تبدیل گردید. با استفاده از رگرسیون چندک و برآورد یک خانواده از توابع چندک شرطی، شکل‌های کامل‌تری از اثر متغیرهای توضیحی در تمام قسمت‌های توزیع به دست می‌آید. انگیزه اصلی به‌کارگیری رگرسیون چندک این است که با نگاهی دقیق و جامع در ارزیابی متغیر پاسخ، مدلی ارائه شود تا امکان دخالت متغیرهای مستقل، نه‌تنها در مرکز ثقل داده‌ها، بلکه در تمام قسمت‌های توزیع به‌ویژه در دنباله‌های ابتدایی و انتهایی فراهم گردد، بدون اینکه با محدودیت مفروضات رگرسیون معمولی، ناهمسانی واریانس و حضور تأثیرگذار داده‌های دورافتاده در برآورد ضرایب روبه‌رو باشیم. درواقع رگرسیون چندک تعمیم مفهوم یک چندک به چندک شرطی می‌باشد؛ وقتی یک یا چند متغیر توضیحی وجود دارد. در مقایسه با روش‌های رگرسیون کمینه مربعات که در آن برآورد توابع شرطی میانگین بر پایه مینیمم کردن مجموع مربعات باقی‌مانده‌ها انجام می‌گیرد، روش‌های رگرسیون چندک بر اساس مینیمم کردن نامتقارن قدر مطلق موزون باقیمانده‌ها و با هدف برآورد توابع شرطی میانه و دامنه وسیعی از سایر توابع شرطی چندک مطرح می‌گردد. علاوه بر ویژگی‌هاي فوق رگرسیون کوانتایل نسبت به حداقل مربعات معمولی، در حضور ناهمسانی واریانس قوي است. مدل مورداستفاده به شکل مدل (1) می‌باشد:

                                  (1)

GDP: رشد تولید ناخالص داخلی

IFCI: شاخص شرایط مالی ایران که وزن‌های مختلف به شکل مدل (2) و (3) محاسبه می‌گردد.

یافته‌های پژوهش

میانگین وزنی شاخص شرایط مالی ایران (IFCI)

در این بخش با استفاده از روش تحلیل عاملی نسبت به استخراج شاخص شرایط مالی ایران (IFCI) مطابق مقاله سان کوارک و لی (2020) اقدام می‌شود. محاسبات مورد نظر برای تحلیل عاملی با استفاده از بسته نرم افزاری SPSS24 صورت گرفته است. بدین منظور پس از معرفی دقیق شاخص‌ها و متغیرهای متأثر از شرایط مالی ایران و محاسبه آمارهای توصیفی مرتبط، مراحل استخراج عوامل (یا عامل مشترک) بیان شده در قسمت قبل به صورت تجربی تا استخراج عوامل (یا عامل) دنبال خواهد شد، همچنین تحلیل مولفه‌های اصلی برای دوره 1370 تا 1400 صورت می‌پذیرد. به ‌منظور تخمین شاخص شرایط مالی ایران (IFCI) مجموعاً دوازده متغیر استفاده شده است. در جدول (1) دوازده متغیر مالی انتخاب‌شده و توصیف آن‌ها را نشان می‌دهد. دامنه داده‌ها 1370 تا 1400 می‌باشد.

---

[1]  Bernanke et al.

[2]  Kiyotaki & Moore

[3]  Sufian

[4]  Rao

[5]  Adrian & Shin

[6]   بانکداری سایه (Shadow Banking System) مجموعاً به نهادهاي مالي غیر بانکی اشاره دارد که در فضايي خارج از نظارت نهادهاي رسمي کشور و در شرايطي با ريسک بالاتر اقدام به ارائه محصولات و خدمات مالي مي‌کنند. هرچند که اساساً اختلاف‌نظر در مورد اينکه بانکداري سايه به چه طيفي اطلاق مي‌شود، وجود دارد. تخمين زده مي‌شود بانکداري سايه در حدود یک‌چهارم نظام مالي جهان را شکل داده است و دارايي آن بيش از ۷۰ تريليون دلار ارزيابي مي‌شود. اين رقم تا يک دهه گذشته حدود ۲۶ تريليون دلار تخمين زده مي‌شد. صندوق بين‌المللي پول اظهار نگراني کرده که بخش عمده‌اي از جريان اعتبار با سرعت رو به رشدي در بخش‌هايي از نظام مالي که به‌خوبی نظارت نمي‌شوند، جريان يافته است.

[7] . The Organisation for Economic Co-operation and Development (OECD)

[8] . Vector Autoregressive  

[9]  Gochoco-Bautista

[10]  Hatzius et al.

[11]  National Index of Financial Conditions

[12]  Doz et al.

[13]  Kliesen et al

[14]  Matheson

[15]  Aramonte et al.

[16]  Boyarchenko and Giannone

[17]  Kaminsky and Reinhart

[18]  Radelet et al.

[19]  Reinhart and Rogoff  

[20]  Davis

[21]  Demirguc-Kunt and Detragiache

[22]  Radlt et al

[23]  Mohseni et al. (2018)

[24]  Noh-SunKwark and Changhyun Lee

[25]  BOK

[26] . Roncagliolo et al

[27]  . Flavio Cesar Valerio Roncagliolo et al

[28]  . Stona et al

[29] . Roncagliolo et al

[30] . Flavio Cesar Valerio Roncagliolo et al

[31]  Michael Bräuning et al

[32]  Levaki

[33]  Dos et al

[34]  Great Depression

[35]  Bayani and Mohammadi

[36]  Bayesian

[37]  Nasrollahi et al

[38]  Shaygani and Arani

[39]  Zarei and Komyjani

[40]  Adrian et al.

نگاره شماره (1): شرح متغیرها برای شاخص شرایط مالی

SPI	نرخ رشد قیمت سهام
CPI	تورم
EX Growth rate of	نرخ رشد ارز (دلار)
r	نرخ رشد سود حقیقی
Term spread (TS)	نرخ رشد اوراق دولتی سالانه (اوراق مشارکتی و مبادله‌ای)
PO	نرخ رشد قیمت نفت خام
PH	نرخ رشد قیمت مسکن
FC	مجموع تسهیلات پرداختی بانک‌ها
Bal	خالص دارایی‌های خارجی سيستم بانکی
PM	شاخص قیمت کالاهاي وارداتی
PX	شاخص قیمت کالاهاي صادراتی
M	نقدینگی

منبع : یافته‌های پژوهشگر

 

معادله برآورد (IFCI) به‌صورت زیر است:

 

 (2)

که در آن () ارزش شاخص i در زمان t است. () ارزش شاخص i در زمان پایه است و () وزن شاخص i است.

                          (3)

که در آن () نشان‌دهنده شرایط مالی ایران و مابقی متغیرها مطابق جدول 1 می‌باشد.

براي محاسبه شاخص شرایط مالی، نیاز به استخراج وزن‌ها داریم. بر اساس گودهارت و هافمن (2001) و ذوالخبري (2011) وزن هر یک از متغیرها، از تقسیم ضریب تخمین زده‌ شده متغیر موردنظر بر مجموع کل ضرایب متغیرهاي توضیحی به­دست می‌آید. همچنین در مرحله آخر نیز، اثر نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران در کوانتایل های مختلف نیز بررسی می‌شود.

مراحل تحلیل عاملی برای استخراج شاخص‌ تحریم به صورت خلاصه شامل موارد زیر می­باشد:

·       تشکیل ماتریسی از ضرایب همبستگی متغیرها؛

·       استخراج عامل‌ها از ماتریس ضریب همبستگی؛

·       چرخش عامل‌ها به منظور حداکثر رساندن رابطه بین متغیرها و عوامل؛

·       محاسبه بار عاملی (نمره عوامل) برای تعیین عوامل مورد نظر.

باتوجه به محدودیت تعداد صفحات و کلمات مقاله، به ارائه بخش محاسبه بار عاملی برای تعیین عوامل مورد نظر پرداخته می‌شود.

معیار درصد واریانس

در مرحله اول از مراحل محاسبه بار عاملی، مجموع واریانس متغیرهاي متأثر از شرایط مالی ایران (IFCI) محاسبه می‌شود که طبق نتایج، 2 عامل اول 774/70 درصد کل واریانس را توضیح می‌دهد. معیار درصد واریانسی نیز ضابطه دیگری برای تعیین تعداد عوامل است. در این روش درصد واریانس مبنای تصمیم‌گیری است. فرایند استخراج عوامل تا زمانی ادامه می‌یابد که این عوامل بتواند حداقل 95 درصد واریانس داده‌ها را تبیین کنند. با توجه به اطلاعات جدول (2) ملاحظه می‌شود که چهار عامل اولیه داراي مقادیر ویژه بالاتر از یک بوده و در مجموع 77/70 درصد از کل واریانس هاي دوازده متغیر را توضیح می‌دهند. نمودار ریزش مربوط به عوامل در این مطالعه به صورت نمودار (1)  ترسیم شده است.

 

 

نمودار (1): نمودار ریزش مرتبط با عوامل

منبع : یافته‌های پژوهشگر

 

طبق نمودار، به خوبی نقش عامل هاي دوازده­گانه از مجموع واریانس توضیح داده، مشخص شده است. همانطور که مشخص است ازعوامل چهارم به بعد، قابلیت توضیح­دهی زیادي را دارا نیستند. از طرفی در بین عوامل استخراج شده باید به نکات زیر توجه داشت. ضریب متغیر"نرخ رشد اوراق دولتی سالانه (اوراق مشارکتی و مبادله‌ای)" در عامل دوازده تقریباً برابر صفر بوده و از سوي دیگر ضریب سایر متغیرها مجموعا کمتر از 29 درصد است. بنابراین با اطمینان می‌توان بیان داشت که 4 عامل اول ماهیت متغیر نماینده شرایط مالی ایران (IFCI) را دارند. زیرا غالب متغیرها داراي اشتراك واریانس معنی‌دار با آن هستند.

ماتریس اجزاء

این ماتریس شامل ضرایب دوازده متغیر در چهار فاکتور استخراج شده می‌باشد. زمانیکه فاکتورها متعامد هستند (یعنی با یکدیکدیگر همبستگی ندارند)، این ضرایب همان ضرایب همبستگی بین متغیرها در فاکتورها است. بنابراین هرچقدر قدر مطلق این ضرایب بیشتر باشد (که بیشتر از مقدار واحد نخواهد بود) فاکتور مورد نظر نقش بیشتری در کل واریانس اعداد در متغیر مورد نظر دارد. در (جدول 2) این ماتریس ارائه شده است. نرخ رشد ارز، نرخ رشد قیمت نفت خام، نقدینگی و نرخ رشد قیمت سهام دارای بیشترین نقش در عامل اول هستند.

 

نگاره شماره (2): ماتریس اجزاء تشکیل‌دهنده فاکتورها متعامد

	اجزاء
	1	2	3	4
FC	652/0	935/0	289/0	236/0
r	718/0-	541/0	293/0	057/0
SPI	785/0-	354/0-	111/0	284/0
PM	652/0-	035/0	344/0	002/0
CPI	785/0-	295/0-	047/0	036/0-
TS	325/0	320/0	566/0-	594/0-
Bal	782/0	286/0	576/0-	039/0
M	874/0-	136/0-	379/0	111/0-
EX	896/0-	228/0-	332/0	023/0-
PO	879/0-	84/0-	021/0	069/0
PX	589/0	704/0	192/0	131/0
PH	365/0-	003/0	462/0-	802/0

منبع : یافته‌های پژوهشگر

 

همچنین بر اساس نتایج، مجموع تسهیلات پرداختی بانک‌ها و خالص دارایی‌های خارجی سيستم بانکی با شرایط مالی همبستگی مثبت دارند. درحالی‌که سایر متغیرها ازجمله نرخ رشد قیمت سهام، تورم، نرخ رشد ارز (دلار)، نرخ رشد قیمت نفت خام، نرخ رشد قیمت مسکن با شرایط مالی همبستگی منفی دارند. می‌توان نتیجه گرفت که با افزایش ارزش مؤلفه اصلی که با عنوان IFCI نشان داده ‌شده است، اوضاع مالی وخیم‌تر می‌شود. (IFCI) بالاتر به معنای شرایط مالی محدودتر است. شاخص (IFCI) در سال 1997 که شروع بحران مالی آسیا بود به اوج خود رسید. از آن زمان به بعد، این شاخص کاهش یافت و در سال 2008 و پس از فروپاشی مؤسسات مالی آمریکا مانند (Lehman Brothers) مشکلات مرتبط با وام‌های مسکن به یک بحران بانکی بین‌المللی تبدیل شد و (IFCI) به بالاترین میزان از زمان بحران مالی آسیا رسید.

ماتریس اجزاء

با توجه به ماتریس نمرات اجزاء، مقدار عوامل در ادامه استخراج می‌شود. بدین منظور لازم است که با توجه به اطلاعات میانگین و واریانس متغیرهای متأثر از شرایط مالی ایران (IFCI) (در جدول 3) این متغیرها را به متغیرهای نرمال استاندارد با استفاده از آزمون کلموگروف – اسمیرنف تبدیل کرده و با ضرب نمره مربوط به هر متغیر در هر عامل و جمع دوازده جزء مربوطه مقدار عددی هر عامل را استخراج نمود. مقادیر محاسبه شده برای عامل‌ (1) شرایط مالی ایران (IFCI) نام‌گذاری شده است.

 

نگاره شماره (3): مقادیر محاسبه شده برای شاخص شرایط مالی ایران (IFCI)

سال	شاخص شرایط مالی ایران (IFCI)	سال	شاخص شرایط مالی ایران (IFCI)
1371	17/2-	1385	74/2
1372	66/2-	1386	55/1-
1373	21/6-	1387	02/2-
1374	45/5-	1388	69/1-
1375	18/5-	1389	26/2-
1376	05/5-	1390	10/1-
1377	43/5	1391	37/0
1378	88/6	1392	16/0
1379	98/3	1393	40/1
1380	47/4	1394	04/3
1381	73/5	1395	02/2
1382	49/5	1396	57/2-
1383	55/5	1397	97/1-
1384	82/2	1398	96/1-

منبع : یافته‌های پژوهشگر

 

نتايج حاصل از تخمين الگو به روش کوانتایل

در این بخش، از طریق رگرسیون چارکی، توزیع‌های احتمالی مشروط رشد تولید ناخالص داخلی ایران را استخراج کرده و اثرات شوک‌های مالی و واقعی براین توزیعات را بررسی می‌کنیم. این بخش به‌طور خاص بر شناسایی اثرات نامتقارن IFCI در دامنه چپ و راست توزیع رشد تولید ناخالص داخلی ایران تمرکز دارد. روش تحقیق این بخش برگرفته از پژوهش‌های آدریان و همکاران (2019) است که اثرات شرایط مالی ایالات‌متحده آمریکا را بر رشد تولید ناخالص داخلی این کشور با استفاده از یک مدل رگرسیون چارکی تحلیل کردند. نتايج حاصل از تخمين الگو به روش کوانتایل در جدول (4) گزارش‌شده است.

 

نگاره شماره (4): نتایج ضرایب بلندمدت مدل‌ به روش کوانتایل

	Q-Reg(1)		Q-Reg(2)		Q-Reg(3)		Q-Reg(4)
	ضریب	سطح احتمال	ضریب	سطح احتمال	ضریب	سطح احتمال	ضریب	سطح احتمال
GDP (t-1)	703/2-	0012/0	0175/0-	0152/0	0616/0	0006/0	006/0	047/0
IFCI	012/5-	0054/0	746/2-	0367/0	264/0	0019/0	5265/0	029/0

منبع : یافته‌های پژوهشگر

 

چنانچه نتایج و تخمین مدل کوانتایل در جدول (4) نشان داده شده است چنانچه ملاحظه می‌گردد در چارک‌های (پایین) اول و دوم؛ شاخص شرایط مالی ایران (IFCI) بر رشد تولید ناخالص داخلی اثر منفی دارد و از چارک‌های سوم و چهارم به بعد شدت تأثیرگذاری آن بر رشد تولید ناخالص داخلی افزایش می‌یابد. به عبارتی شاخص‌های شرایط مالی (IFCI) چارک اول (Q1) و دوم (Q2)، با رشد تولید ناخالص داخلی دارای یک همبستگی زمانی منفی قوی می‌باشد. سپس، با دور شدن مؤلفه‌های تأخر، همبستگی بین رشد تولید ناخالص داخلی و (IFCI) افزایش می‌یابد. می‌توان نتیجه گرفت که رشد تولید ناخالص داخلی در کوتاه‌مدت و زمانی که شوک‌های مالی منفی حضور دارند، کاهش‌یافته و سپس در طول زمان به‌آرامی بهبود می‌یابد. رشد تولید ناخالص داخلی در چندک‌های بالا نزدیک به صفر است که نشان می‌دهد رشد تولید ناخالص داخلی مورد انتظار در آینده در چندک‌های بالا به‌طور معناداری کاهش نمی‌یابد. برعکس، در چندک‌های پایین، ضرایب تخمینی (IFCI) منفی است که در نتیجه رشد تولید ناخالص داخلی مورد انتظار به‌عنوان حاصل‌ضرب ضریب و (IFCI) به‌طور معناداری منفی خواهد شد. به‌این ‌ترتیب، شرایط مالی روی دنباله چپ و راست توزیع احتمال رشد اقتصادی تأثیر نامتقارنی دارد. دوماً، رشد تولید ناخالص داخلی در زمان حال، تأثیری نسبتاً برابر بر ریسک صعودی و ریسک نزولی رشد تولید ناخالص داخلی دارد. به این دلیل که ضرایب تخمینی رشد تولید ناخالص داخلی در رگرسیون چارکی در سطح اطمینان برآوردی در چارک اول (Q1) و دوم (Q2)، با مقداری منفی و چارک سوم (Q3) و چهارم (Q4)، مثبت باقی می‌ماند. بنابراین، رشد تولید ناخالص داخلی فعلی به‌طور مثبت با رشد تولید ناخالص داخلی آینده در هر دو چندک پایین و بالا مرتبط است.

به‌طورکلی در اقتصاد ایران در طی سالیان اخیر اوزان مالی از مسیر کاهش درآمدهای نفتی و در نتیجه کسری شدید بودجه دولت و در نهایت کاهش هزینه‌های دولت بر رشد تولید تأثیر می­گذارد. وقتی درآمدهای دولت که به درآمدهای نفتی وابسته است، کاهش می­یابد، قدرت دولت برای انجام تعهدات قبلی در اقتصاد کاهش می­یابد که در نتیجة آن دولت وظایف ثبات سازی خود را نمی­تواند انجام دهد و در ادامه به‌شدت اقتصاد دولتی ایران دچار تلاطم و در نتیجه کاهش درآمد در بخش­های مختلف خواهد شد. هم‌زمان کاهش درآمدهای نفتی باعث کسری شدید در تراز تجاری خواهد شد که به دلیل عدم توانایی بانک مرکزی برای تثبیت نرخ ارز، نرخ ارز دچار جهش می­شود که در نتیجه آن و به دلیل وابستگی بخش تولید و مصرف ایران به واردات عملاً تمام بخش­های اقتصادی درگیر تنش ارزی خواهند شد که در نتیجه آن ورشکستگی بخش تولید و در نتیجه کاهش تولید را به همراه دارد. بنابراین، و به‌طورکلی اوزان مالی از دو مسیر در نهایت باعث کاهش تولید ملی می­شود. در مسیر اول از طریق بحران حساب تراز تجاری باعث کاهش ارز پول ملی می­شود که این کاهش ارزش پول ملی نیز باعث فراهم‌کردن بستر سفته گری برای کارگزاران اقتصادی می­شود و در این حالت تورم و بازدهی در بازارهای دارایی انگیزه­های سفته گری را بر انگیزه­های سرمایه‌گذارانه مرجح می­کند که در نتیجه آن بی‌ثباتی به همه بخش‌های اقتصادی وارد می­شود و در نتیجه انگیزه مردم برای کار و تلاش کاهش می­یابد؛ بنابراین از این مسیر یک سیکل معیوب ایجاد می­شود که در نهایت به کاهش تولید و از مسیر کاهش تولید به بی‌ثباتی بیشتر می­تواند منجر شود. در مسیر دوم نیز به دلیل چیرگی درآمدهای نفتی در بودجه دولت کاهش این درآمدها باعث ایجاد شوک در درآمدهای دولتی می­شود و از طرف دیگر به دلیل تعهدات قطعی دولتی امکان صرفه‌جویی در بسیاری از هزینه­ها به شکل عملی وجود ندارد، بنابراین این باعث کسری‌های مداوم در بودجه می­شود که به دلیل تمایل دولت بر پولی‌کردن کسری بودجه در اقتصاد ایران در نهایت کسری بودجه باعث تنش در بخش پولی و تورم می­شود که این نیز باز در ملتهب کردن بازارهای مالی و تأثیر بر انگیزه مردم برای کار و تلاش تأثیر می­گذارد و در نهایت باعث کاهش تولید می­گردد. همچنین نتایج مطالعه حاضر با نتایج مطالعات کاسال (2022)، برونینگ و همکاران (2019) همسو و با نتایج مطالعات رونکاگلیولو و همکاران (2022)، سان کوارک و لی (2020) مخالف می‌باشد. 

نمودار (2): ضرایب رگرسیون چارکی برآورد شده

منبع: یافته­های تحقیق

نمودار (3): تراکم احتمال: پیش‌بینی رشد تولید ناخالص داخلی چارک پسین

منبع: یافته­های تحقیق

 

در نمودار 3، خط قرمز نشان‌دهنده توزیع رشد تولید ناخالص داخلی مورد انتظار است که با استفاده از رشد تولید ناخالص داخلی سال قبل و شاخص (IFCI) تخمین زده ‌شده است و خط آبی توزیعی را نشان می‌دهد که تنها بر اساس رشد تولید ناخالص داخلی سال قبل به‌دست ‌آمده است. با نگاهی به شکل بالا می‌توان متوجه شد که اشکال توزیع‌ پیش‌بینی‌شده به‌وسیله رشد تولید ناخالص داخلی و (IFCI) در پانل‌های بالایی به‌طور محسوسی نامتقارن می‌باشد. بنابراین، طبیعی است که فرض شود (IFCI) عامل مهمی در ایجاد تفاوت در شکل توزیع است که منجر به کاهش رشد تولید ناخالص داخلی شده است. در توزیع پیش‌بینی‌ شده با استفاده از رشد تولید ناخالص داخلی و  (IFCI)، نوسانات ریسک‌های نزولی به‌ویژه در شرایط مالی بد شدیدتر از ریسک‌های صعودی است. در نمودار بالا که نتایج را در شرایط مالی بد نشان می‌دهند، دنباله سمت چپ خطوط قرمز دارای کشیدگی است که حاکی از ریسک‌های نزولی گسترده می‌باشد. این نشان می‌دهد که شوک‌های مالی متأثر از شوک‌های مرتبه اول، دوم و سوم نیز می‌باشد که با بدتر شدن شرایط مالی، میانگین تولید ناخالص داخلی کاهش پیداکرده و واریانس توزیع چولگی متمایل به سمت چپ شده که درنهایت هزینه‌ها باوجود یک بحران مالی افزایش می‌یابد. علاوه براین، می‌توان متوجه شد که شرایط مالی بد اغلب یک توزیع دووجهی ایجاد می‌کند. در نمودار 3، آشکار است که؛ نتایج حاصل، ضایعه رفاهی ناشی از بحران مالی را وخیم‌تر می‌کند، زیرا وجود مُد در سمت چپ توزیع به معنای گسترش ریسک نزولی است.

بحث و نتیجه گیری

هدف مطالعه حاضر بررسی اثرات نامتقارن شرایط مالی بر رشد تولید ناخالص داخلی در ایران و به‌کارگیری روش کوانتایل (رگرسیون چارکی) طی دوره زمانی داده‌های سالانه 1370 تا 1400 بود. شفاف نبودن شاخص‌هاي نظارت بانکی، اثرات تحریم، وجود بحران‌های مالی و نوسانات نفتی و ارزی منجر به افزایش اثرات نامتقارن شرایط مالی می‌شوند و درنتیجه رشد تولید ناخالص داخلی در ایران کاهش می‌باید. با توجه به همین مباحث، جمع‌بندی و نتایج مباحث به‌صورت زیر قابل‌ارائه است:

کشور ایران دارای درجه بالای نا اطمینانی متغیرهای کلان اقتصادی است. رشد تورم، نقدینگی، نوسانات نرخ ارز و قیمت نفت، بحران مالی و سایر متغیرهای کلان اقتصادی نسبت به اقتصاد کشورهای صنعتی بیشتر در معرض نوسان بوده و اثرات این نوسانات و تداوم آن‌ها می‌تواند در بخش‌های متفاوت اقتصادی منجر به شکل‌گیری مشکلات ساختاری بیشتری در کشور گردد. نوسانات در این شاخص‌ها از طریق ایجاد ریسک و نا اطمینانی، با تأثیر بر سرمایه‌گذاری و تصمیمات سرمایه‌گذاران، بر رشد تولید ناخالص داخلی اثر می‌گذارد. نوسانات در شاخص‌های شرایط مالی تأثیر مهمی در نقدینگی، سرمایه‌گذاری، بازار ارز، سهام، مسکن و درنهایت تولید در کشور خواهد داشت و بنابراین دارای اهمیت بسیار بالایی برای مسئولین اقتصادی کشور است. این نوسانات با اثرگذاری بر شاخص‌های مرتبط با تولید، میزان سرمایه‌گذاری را تحت تأثیر قرار می‌دهند. با توجه به متفاوت بودن زیرساخت‌ها، مطالعه مجزای نحوه تأثیرپذیری تولید از نا اطمینانی سیاست‌های پولی دولت، سیاست‌های مالی دولت و سیاست‌های ارزی دولت می‌تواند در تصمیم‌گیری‌های کلان کشور، دید درستی از چگونگی تغییرات بازار مالی ایران در اثر این نوسانات ارائه دهد.

طبق نتایج مدل، نوسانات در شاخص‌های شرایط مالی در ریسک‌های نزولی به‌ویژه در شرایط مالی بد، شدیدتر از ریسک‌های صعودی بر رشد تولید در ایران اثرگذاری متفاوت دارد. بنابراین پیشنهاد می‌شود که سیاست‌گذاران در صورت بروز نوسانات در شاخص‌های شرایط مالی، سیاست موردنظر خود را در چارک‌های پایین که دارای ریسک‌های نزولی بیشتری هستند، اجرایی نمایند، زیرا در شرایط مالی بد (چارک‌های پایین)، اقتصاد کشور دارای توانایی بالقوه و ظرفیت‌های تولیدی فراوان بوده و اگر سیاست موردنظر در این دوران اجرایی شود، زمینه‌ساز خروج اقتصاد از وضعیت رکود می‌شود و افزایش تولید به خاطر سیاست‌های موردنظر دولت می‌تواند منجر به بهبود شاخص‌های شرایط مالی شود که این امر به افزایش رشد تولید در ایران کمک شایانی می‌نماید.

با توجه اهمیت نقدینگی و نرخ بهره در تاثیرگذاری بر اوزان مالی اقتصادی ایران باید توجه داشت که مسیر نوسانات و اوزان در این سه متغیر به کاهش درآمدهای ارزی دولت ناشی از تحریم­ها مربوط می­شود، لذا لازم است دولت با صرفه­ جویی­ها اقتصادی در زمان تحریم­ها تا جای ممکن از پولی کردن کسری بودجه جلوگیری به عمل آورد و مسیرهای جایگزین یعنی چاپ اوراق قرضه را به عنوان مسیری جبران کسری انتخاب کند و در صورتی که به اجبار، مسیر پولی کردن تورم انتخاب شد، لازم است ضریب فزاینده پولی با کاهش قدرت وادم­دهی بانک­ها کنترل شود تا اثرات تورمی آن کمتر باشد و بدین صورت اوزان بخش پولی و تورم کمتر افزایش یابد.

منابع

بهرامي، جاويد، محمدي، تيمور و بزرگ، شادي (1393). انتقال نامتقارن نرخ ارز به شاخص­هاي قيمت داخلي با رويکرد SVAR. فصلنامه پژوهش‌های اقتصادي ايران، 40، 65-37.

توحیدی، سحر، مزینی، امیرحسین، حیدری، حسن. (1400). استرس مالی و رشد بخش‌های اقتصاد ایران. بررسی مسائل اقتصاد ایران، 8(شماره 2 (شماره پیاپی:16))، 71-134.

صادقي شاهداني، مهدي، صاحب‌هنر، حامد، طاهري فرد، علي و نخلي، سید رضا (1392). بررسي رابطه بين نرخ ارز و متغيرهاي کلان اقتصادي (با استفاده از رهيافت BVAR با تابع پيشين: SSVS مطالعه موردي ايران). پژوهشنامه اقتصادي،  13(49)، 48-1.

عزیزنژاد، صمد و کمیجانی، اکبر (1396). تغییرات نرخ ارز و اثر آن بر نوسانات متغیرهای منتخب اقتصاد کلان در ایران. پژوهش‌های رشد و توسعه پایدار،  17(1)، 143-121.

كميجاني، اكبر و ابراهيمي، سجاد، (1392). اثر نوسانات نرخ ارز بر رشد بهره‌وری در کشورهاي درحال‌توسعه با لحاظ سطح توسعه مالي. مطالعات اقتصادي كاربردي، 2(6)، 26-1.

جعفری صمیمی، احمد، اعظمی، کورش و عزیزیان، جبار (1394). تأثیر نااطمینانی متغیرهای اقتصاد کلان (نرخ ارز، تورم و نرخ رشد) بر واردات کشورهای منتخب درحال‌توسعه (شامل ایران). اقتصاد مقداری، 12(3)، 49-27.

ورهرامی، ویدا و عباسقلی نژاد اسبقی، رعنا (1397). بررسی تأثیر متغیرهای خرد و کلان پولی بر شاخص قیمت سهام دوازده گروه شرکتی فعال‌تر در بازار بورس اوراق بهادار با استفاده از روش داده‌های تابلویی پویا. اقتصاد کاربردی، 8 (27)، 26-13.

-       Adrian, T., Boyarchenko, N., & Giannone, D. (2019). Vulnerable growth. American Economic Review, 109(4), 1263-89.

-       Angelopoulou, E., Balfoussia, H., & Gibson, H. D. (2014). Building a financial conditions index for the euro area and selected euro area countries: what does it tell us about the crisis?. Economic Modelling, 38, 392-403.‏

-       Aramonte, S., Rosen, S., & Schindler, J. W. (2018). Assessing and combining financial conditions indexes. 47th issue (February 2017) of the International Journal of Central Banking.‏

-       Atkinson, T., Luttrell, D., & Rosenblum, H. (2013). How bad was it? The costs and consequences of the 2007–09 financial crisis. Staff Papers, (Jul).‏

-       Bekiros, S. D. (2014). Exchange rates and fundamentals: Co-movement, long-run relationships and short-run dynamics. Journal of Banking & Finance, 39, 117-134.‏

-       Chang, M. J., & Su, C. Y. (2014). The dynamic relationship between exchange rates and macroeconomic fundamentals: Evidence from Pacific Rim countries. Journal of International Financial Markets, Institutions and Money, 30, 220-246.‏

-       Deng, Y., Girardin, E., & Joyeux, R. (2018). Fundamentals and the volatility of real estate prices in China: A sequential modelling strategy. China Economic Review, 48, 205-222.‏

-       Ellington, M. (2018). Financial market illiquidity shocks and macroeconomic dynamics: Evidence from the UK. Journal of Banking & Finance, 89, 225-236.‏

-       Kasal, S. (2022). What are the effects of financial stress on economic activity and government debt? An empirical examination in an emerging economy. Borsa Istanbul Review.‏

-       Kwark, N. S., & Lee, C. (2021). Asymmetric effects of financial conditions on GDP growth in Korea: A quantile regression analysis. Economic Modelling, 94, 351-369.

-       Pan, Z., Wang, Y., Wu, C., & Yin, L. (2017). Oil price volatility and macroeconomic fundamentals: A regime switching GARCH-MIDAS model. Journal of Empirical Finance, 43, 130-142.‏

-       Raheem, I. D. (2017). Asymmetry and break effects of oil price-macroeconomic fundamentals dynamics: The trade effect channel. The Journal of Economic Asymmetries, 16, 12-25.‏

-       Valerio Roncagliolo, F. C., & Villamonte Blas, R. N. (2022). Impact of financial stress in advanced and emerging economies. Journal of Economics, Finance and Administrative Science, 27(53), 68-85.‏

-       Yin, W., & Li, J. (2014). Macroeconomic fundamentals and the exchange rate dynamics: A no-arbitrage macro-finance approach. Journal of International Money and Finance, 41, 46

 

 

Asymmetric effects of financial conditions on the growth of GDP in Iran (Quantile regression analysis)

Shirin Aminian¹

Zohreh Tabatabaii nasab²

Sayed yahya Abtahi³

Mohammad Ali Dehghan Tafti⁴

 

 

Abstract:

In this study, the asymmetric effects of financial conditions on the growth of GDP in Iran are investigated. For this purpose, in the first stage, to extract the weights; It includes 12 variables for the construction of Iran's financial conditions index (IFCI) in order to investigate the current issue in the form of the final quantile model for the period of 1991-2021. Based on the results; in the first and second (lower) quadrants; Financial condition indicators (IFCI) have a negative effect on GDP growth, and in the third and fourth quarters, the intensity of its impact on GDP growth increases. In other words, the financial condition indices (IFCI) of the first (Q1) and second (Q2) quarters have a strong negative temporal correlation with the GDP growth. The fluctuations of downside risks are more severe than those of upside risks, especially in bad financial conditions. According to the chart trend of forecasting the GDP growth of the last quarter, the financial shocks are affected by the first, second and third order shocks. As the financial conditions worsen, the average GDP has decreased, and finally the costs have increased despite a financial crisis. These fluctuations affect the amount of investment by affecting the indicators related to production. Due to the different infrastructures, a separate study of how production is influenced by the uncertainty of the government's monetary policies, government's financial policies, and government's currency policies can provide a correct view of how Iran's financial market changes due to these fluctuations in the macro decisions of the country.

Keywords: financial conditions, economic fluctuations, GDP growth, quantile regression.

JEL classification: E52, G12, G32, G19

 

---

[1]  PHD student, Islamic Azad University, Yazd Branch. [e-mail]

[2] Assistant Professor, Islamic Azad University, Yazd Branch. tabatabaienasab@ iauyazd.ac.ir

[3]  Assistant Professor, Islamic Azad University, Yazd Branch. abtahi@ iauyazd.ac.ir

[4]  Assistant Professor, Islamic Azad University, Yazd Branch. [e-mail]

---