تحلیل پویای الگوی انتقال نااطمینانی در بخش‏های مالی، مسکن و اقتصاد کلان

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

حمیدرضا حمیدی ¹ , میرفیض فلاح شمس ² , حسین جهانگیرنیا ³ , مژگان صفا ⁴

1 - دانشجوی دکتری، گروه حسابداری و مدیریت، واحد قم، دانشگاه آزاد اسلامی ایران
2 - دانشیار، گروه مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی ایران. (نویسنده مسئول)
3 - استادیار، گروه حسابداری و مدیریت، واحد قم، دانشگاه آزاد اسلامی ایران.
4 - استادیار، گروه حسابداری و مدیریت، واحد قم، دانشگاه آزاد اسلامی ایران.

تاریخ دریافت : 1400/09/29 تاریخ پذیرش : 1401/05/23 تاریخ انتشار : 1401/06/01

کلید واژه: سرایت, نااطمینانی, تجزیه واریانس خطای پیش‏بینی تع, مدل‏های پویا,

چکیده مقاله :

هدف اصلی پژوهش حاضر بررسی سرایت نااطمینانی بین بخشی ( مالی، مسکن و اقتصاد کلان) با استفاده از رویکرد پویا می باشد. در این راستا با استفاده از داده های ماهانه در دوره زمانی 1387:1 تا 1398:12، روش همبستگی شرطی پویا (DCC - GARCH) و تجزیه واریانس خطای پیش بینی تعمیم یافته (GFEVD)، رابطه کل پویا و همچنین رابطه پویای جهت دار جفت شاخص های نااطمینانی بین بخش های مذکور بررسی می شود. نتایج این پژوهش نشان می دهد بخش مسکن، به استثنای ابتدای سال 1387 در کل دوره مورد بررسی، به صورت خالص دریافت کننده نااطمینانی از دو بخش دیگر می باشد. همچنین نتایج پژوهش حاضر بیانگر نقش دوگانه بخش مالی در ساز و کار انتقال نااطمینانی بین بخشی است به طوری که در مقاطعی به صورت خالص دریافت کننده نااطمینانی و در مقاطعی (از جمله سال های 1397 و 1398) به صورت خالص منبع و انتقال دهنده نااطمینانی در سیستم سه شاخصی مورد بررسی بوده است. نااطمینانی تورم نیز به عنوان شاخص نااطمینانی اقتصاد کلان منبع عمده نااطمینانی و انتقال دهنده نااطمینانی به بخش های مالی و مسکن است.

چکیده انگلیسی:

The main goal of the current study is to investigate the contagion of uncertainty between sectors (finance, housing and macroeconomics) using a dynamic approach. In this regard, using monthly data in the period from 2008:4 to 2020:3, DCC-GARCH models and generalized forecast error variance decomposition (GFEVD), The overall dynamic relationship as well as the directional pairs dynamic relationship of uncertainty indicators between the mentioned sections are investigated. The results of this study show that the housing sector, with the exception of the beginning of 2017, is a net receiver of uncertainty from the other two sectors. Also, the results of the current research show the dual role of the financial sector in the mechanism of inter-sector uncertainty transfer, so that at some periods it is a net receiver of uncertainty and at some other periods (including the years 2017 and 2018) it is a net source and transmitter of uncertainty in the three indicators system. Inflation uncertainty, as an index of macroeconomic uncertainty, is a major source of uncertainty and a transmitter of uncertainty to the financial and housing sectors.

منابع و مأخذ:

• اسدپور، احمد علی (1398). اثر نااطمینانی تورم و متغیرهای کلان اقتصادی بر قیمت مسکن در ایران. فصلنامه علمی پژوهش‏های رشد و توسعه اقتصادی، 10(37)، 141-131.


• انصاری سامانی، حبیب و حیدرپور، حدیث (1397). بررسی سرایت ریسک مالی بین ایران و کشورهای منتخب. فصلنامه مدلسازی اقتصادسنجی، 1(12): 93- 119.


• دهباشی، وحید؛ محمدی، تیمور؛ شاکری، عباس و بهرامی، جاوید (1399). واکنش بازارهای ارز، سهام و طلا نسبت به تکانه‌های مالی در ایران: با تاکید بر اثرات سرریز تلاطم. پژوهش‏های اقتصادی ایران، 25(83)، 1-27.


• رهنمای رودپشتی، فریدون؛ سیمبر، فرشید و طوطیان، صدیقه (1384). تاثیر متغیرهای کلان اقتصادی بر بازده سهام شرکت‏های سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران. پژوهشنامه اقتصادی،2(17)، 209-236.


• سیدحسینی، سید محمد و ابراهیمی، سید بابک (1392). بررسی سرایت تلاطم بین بازارهای سهام؛ مطالعه موردی بازار سهام ایران، ترکیه و امارات. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، 6(19)، 81-97.


• شهبازی، کیومرث و زهرا کلانتری (1391). اثرات شوک‏های سیاست‏های پولی و مالی بر متغیرهای بازار مسکن در ایران: رهیافت SVAR. پژوهش‏ها و سیاست‏های اقتصادی، 61، 104-77.


• مقصود، حسین؛ وکیلی فرد، حمیدرضا و ترابی، تقی (1399). آزمون تغییرپذیری عوامل موثر در پیش‌بینی بازده سهام با استفاده از مدل‏های میانگین‏گیری پویا (DMA). مهندسی مالی و مدیریت اوراق بهادار، 11(45)، 639-660.


• ممی‏پور، سیاب؛ فعلی، عاطفه (1396). بررسی سرریز تلاطم قیمت نفت بر بازدهی صنایع منتخب در بورس اوراق بهادار تهران: رویکرد تغییر رژیم مارکوف و تجزیه واریانس. اقتصاد پولی، مالی (دانش و توسعه)، 24(14 )، 205-236.


• نیکومرام،‏هاشم‏پور؛ زمانی، زهرا و دهقان، عبدالمجید (1394). بررسی سرایت تلاطم بازارهای مالی بازار سرمایه بر صنایع بورسی )صادرات و واردات محور). دانش مالی تحلیل اوراق بهادار، 24(13)، 205-236.


• Afonso, A., & Sousa, R. M. (2011). The macroeconomic effects of fiscal policy in Portugal: a Bayesian SVAR analysis. Portuguese Economic Journal, 10(1), 61-82.

 

• Antonakakis, N., & Gabauer, D. (2017). Refined measures of dynamic connectedness based on TVP-VAR. Technical Report. University Library of Munich, Germany.


• Antonakakis, N., Gabauer, D., Gupta, R., & Plakandaras, V. (2018). Dynamic connectedness of uncertainty across developed economies: A time-varying approach. Economics Letters, 166, 63-75.


• Balli, F., Uddin, G. S., Mudassar, H., & Yoon, S. M. (2017). Cross-country determinants of economic policy uncertainty spillovers. Economics Letters, 156, 179-183.


• Cekin, S. E., Pradhan, A. K., Tiwari, A. K., & Gupta, R. (2020). Measuring co-dependencies of economic policy uncertainty in Latin American countries using vine copulas. The Quarterly Review of Economics and Finance, 76, 207-217.


• Colombo, V. (2013). Economic policy uncertainty in the US: Does it matter for the Euro area?. Economics Letters, 121(1), 39-42.


• Diebold, F. X., & Yılmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of econometrics, 182(1), 119-134.


• 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., & Gupta, R. (2020). Spillovers across macroeconomic, financial and real estate uncertainties: a time-varying approach. Structural Change and Economic Dynamics, 52, 167-173.


• Jurado, K., Ludvigson, S. C., & Ng, S. (2015). Measuring uncertainty. American Economic Review, 105(3), 1177-1216.


• Koop, G., & Korobilis, D. (2014). A new index of financial conditions. European Economic Review, 71, 101-116.


• Li, X. L., Chang, T., Miller, S. M., Balcilar, M., & Gupta, R. (2015). The co-movement and causality between the US housing and stock markets in the time and frequency domains. International Review of Economics & Finance, 38, 220-233.


• Liow, K. H., Liao, W. C., & Huang, Y. (2018). Dynamics of international spillovers and interaction: Evidence from financial market stress and economic policy uncertainty. Economic Modelling, 68, 96-116.


• Tagkalakis, A. (2011). Fiscal policy and financial market movements. Journal of Banking & Finance, 35(1), 231-251.


• Tran, Quoc Trung (2019). Economic policy uncertainty and corporate risk-taking: International evidence. Journal of Multinational Financial Management, Elsevier, vol. 52.


• Trung, N. B. (2019). The spillover effects of US economic policy uncertainty on the global economy: A global VAR approach. The North American Journal of Economics and Finance, 48, 90-110.


• Yin, L., & Han, L. (2014). Spillovers of macroeconomic uncertainty among major economies. Applied Economics Letters, 21(13), 938-944.