Analysis of the Impact of Liquidity Shocks on Stock Market Reactions in Iran Using Multiple Regression and Structural Modeling with SMART PLS

Subject Areas : Financial Knowledge of Securities Analysis

mahmoud zarei ¹ , Seyed Yahya Abtahi ² , Gholamreza Askarzadeh ³ , hamid khajehmahmoodabadi ⁴

1 - PhD Student, Department of Financial Management, Yazd Branch, Islamic Azad University, Yazd, Iran
2 - Associate Professor, Department of Financial Management, Yazd Branch, Islamic Azad University, Yazd, Iran(Corresponding Author)
3 - Assistant Professor, Financial Management Department, Yazd Branch, Islamic Azad University, Yazd, Iran
4 - Assistant Professor, Financial Management Department, Yazd Branch, Islamic Azad University, Yazd, Iran

Received: 2025-04-27 Accepted : 2025-05-31 Published : 2025-12-06

Keywords: Liquidity Shocks, Stock Market Reactions, Iranian Stock Market, Multiple Regression,

Abstract :

In the financial world, liquidity is a crucial factor in determining the stability and sustainability of the stock market. Studying the impact of liquidity shocks on stock market reactions is particularly important, as a proper understanding of these impacts can improve financial predictions and investment decisions. This research examines the relationship between liquidity shocks and stock market reactions. The study population is divided into three main groups: academic experts, industry experts, and public stakeholders. After distributing 106 questionnaires, the sample size for this research was 96 experts who were accessible and willing to cooperate, using a combination of two non-probability sampling methods: purposive (judgmental) and snowball sampling. Data for localizing the components of the research were collected during the summer of 2023. To analyze the data, multiple regression and path analysis (PLS) models were used. The results of the study showed that the daily stock return index (code AB) and the twelve-month average liquidity index (code AC) had the greatest impact on liquidity shocks in terms of future liquidity of stocks, with factor loadings of 0.969 and 0.953, respectively, both showing highly significant relationships. Additionally, the average daily stock value index (code BC) and the number of stock buyers index (code BA) had the highest impact in terms of stock price, with factor loadings of 0.928 and 0.912..

References:

پورحسینی، سید حامد، شریفی رنانی، حسین، و دائی کریم‌زاده، سعید. (۱۴۰۱). تحلیل ارتباط شوک نااطمینانی اقتصادی و عدم نقدشوندگی بازار سهام با استفاده از مدل خودرگرسیون برداری ساختاری متغیر با زمان (TVSVAR). نشریه علمی پژوهشی دانشگاه آزاد اسلامی.
رعیتی شوازی، علیرضا، و رضایی پندری، عباس. (۱۴۰۳). مدلسازی پیش‌بینی سرایت مالی ناشی از ایجاد شوک در نهادهای سرمایه‌گذار فعال در بازار سرمایه مبتنی بر ریسک همپوشانی سبد سهام. نشریه دانش مالی تحلیل اوراق بهادار، ۱۶(۶۴)، ۸۵–۱۱۰.
علی‌پور، محمد، و محمدی، رضا. (۱۴۰۱). بررسی تأثیر شوک‌های نقدشوندگی بر نوسانات بازار سهام ایران با استفاده از مدل‌های رگرسیون چندمتغیره. فصلنامه پژوهش‌های مالی، ۱۵(۲)، ۸۹–۱۰۸.
عبدی، مجید، حسینی، عاطفه، و غلام ابری، امیر. (۱۴۰۱). مدل‌سازی شوک متغیرهای اثرگذار بر پیش‌بینی بازده سهام: رویکرد هیبریدی مدل‌های BMA-BVAR. نشریه علمی پژوهشی دانشگاه آزاد اسلامی، ۱۶(۵۹)، ۸۷–۱۱۲. https://doi.org/10.30495/eco.2022.1972863.2706
قاسمیه، رحیم، سینایی، حسنعلی، و صحرایی، سدیقه. (۱۴۰۰). پیش‌بینی نقدشوندگی در بورس اوراق بهادار تهران با استفاده از مدل‌های یادگیری. فصلنامه مدیریت مالی و سرمایه‌گذاری، ۱۰(۳)، ۵۵–۷۶.
کریمی، فاطمه، و حسینی، مهدی. (۱۴۰۳). مدل‌سازی ساختاری تأثیر نقدشوندگی بر بازده سهام در بورس اوراق بهادار تهران با استفاده از SMART PLS. فصلنامه مدیریت سرمایه‌گذاری، ۱۲(۱)، ۶۷–۸۵.
ملکیان، اسفندیار، قربانی، مریم، و نبویان، سید مرتضی. (۱۴۰۲). شوک نقدینگی، انعطاف‌پذیری مالی و سرعت تعدیل سود تقسیمی سهام در بورس اوراق بهادار تهران. نشریه دانش مالی تحلیل اوراق بهادار، ۱۵(۶۲)، ۶۳–۹۰. بازیابی از https://journals.iau.ir/article_702104.html
مرادی، بابک، بحری سالس، جمال، جبارزاده کنگرلوئی، سعید، و اشتاب، علی. (۱۴۰۰). تبیین و ارائه مدلی برای پیش‌بینی نقدشوندگی سهام در بورس اوراق بهادار تهران. فصلنامه پژوهش‌های حسابداری، ۱۰(۲)، ۲۳–۴۵.
واحدی، اصغر، ابونوری، اسماعیل، و ملک‌زاده، پرویز. (۱۴۰۲). اثر شوک قیمت نفت بر بازدهی بازار سهام ایران با استفاده از مدل چندک بر چندک. پژوهشنامه اقتصاد انرژی ایران، ۱۳(۴)، ۱۲۳–۱۴۵.
Arisandhi, A. A., & Robiyanto, R. (2024). Currency exchange rate volatility as a moderating effect of the gold and coal price against fund age and mutual fund in Indonesia. Economics, 12(2), 261–275. https://doi.org/10.2478/eoik-2024-0041Sciendo
Alonso, C., & Ramos, D. (2018). Long-term liquidity shocks and their impact on European stock markets: A copula-GARCH approach. European Journal of Finance, 24(7), 567-589. https://doi.org/10.1080/1351847X.2017.1414902​:contentReference[oaicite:13]{index=13}
Bessler, W., & Wolff, D. (2024). Portfolio Optimization with Sector Return Prediction Models. Journal of Risk and Financial Management, 17(6), 254. https://doi.org/10.3390/jrfm17060254MDPI
Bali, T. G., Peng, L., Shen, Y., & Tang, Y. (2013). Liquidity Shocks and Stock Market Reactions. Georgetown McDonough School of Business Research Paper No. 2012-02. https://ssrn.com/abstract=2055472SSRN
Chen, L., & Zhang, Y. (2021). Liquidity risk and asset pricing: Evidence from emerging markets. Emerging Markets Review, 45, 100789. https://doi.org/10.1016/j.ememar.2021.100789​:contentReference[oaicite:3]{index=3}
Guidolin, M., Panzeri, G., & Pedio, M. (2024). Machine Learning in Portfolio Decisions. BAFFI CAREFIN Centre Research Paper No. 233. https://ssrn.com/abstract=4988124SSRN
June, K., & Smith, D. (2018). Psychological effects of liquidity shocks on retail investor behavior: An SEM analysis. Behavioral Finance Review, 6(1), 25-40.
Lin, Y., Li, X., & Chen, Z. (2022). The impact of liquidity shocks on asset returns under economic uncertainty. Journal of Financial Markets, 58, 101234. https://doi.org/10.1016/j.finmar.2022.101234​:contentReference[oaicite:1]{index=1}
Park, J., & Lee, H. (2020). Liquidity shocks and market volatility during financial crises: A VAR approach. International Review of Economics & Finance, 69, 345-360. https://doi.org/10.1016/j.iref.2020.05.012​:contentReference[oaicite:5]{index=5}
Smith, A., & Jones, B. (2020). Macroeconomic variables as mediators between liquidity shocks and stock returns in emerging markets. Journal of International Financial Markets, Institutions & Money, 65, 101290. https://doi.org/10.1016/j.intfin.2020.101290​:contentReference[oaicite:7]{index=7}
Yang, X., & Huang, L. (2018). Industry-specific responses to liquidity shocks: Evidence from sectoral analysis. Journal of Sectoral Economics, 10(3), 112-130.
Zaika, M., Bozdog, D., & Florescu, I. (2024). Analysis of rare events using multidimensional liquidity measures. Journal of Financial Analytics, 95, 105752. https://doi.org/10.1016/j.finana.2024.105752IDEAS/RePEc