پوشش ریسک درآمدهای نفتی ایران: رویکرد پوشش ریسک تجمیع یافته
محورهای موضوعی : اقتصاد مالی
علی طیب نیا
1
(دانشیار دانشکده اقتصاد دانشگاه تهران، تهران، ایران)
محسن مهر آرا
2
(استاد دانشکده اقتصاد دانشگاه تهران، تهران، ایران)
آزاده اختری
3
(دانشجوی دکترای دانشکده اقتصاد دانشگاه تهران، تهران، ایران)
کلید واژه: مدیریت ریسک, درآمدهای نفتی, پوشش ریسک تجمیع یافته, واین کاپولا گارچ, اثربخشی پوشش ریسک,
چکیده مقاله :
با توجه به وابستگی بودجه کشور به درآمدهای نفتی و اثرات آن بر سایر متغیرهای کلان همچون نقدینگی و ثبات اقتصادی کشور، پوشش ریسک درآمدهای نفتی در این مطالعه مورد بررسی قرار گرفت. درآمدهای نفتی بر حسب دلار محاسبه شده اما پرداخت های ناشی از فروش نفت ایران بر حسب یورو یا پول شرکای تجاری است. لذا درآمدهای نفتی ایران بر خلاف تمامی کشورهای صادرکننده نفت، تنها با ریسک کاهش قیمت نفت مواجه نیست و علاوه بر آن با ریسک دومی همچون کاهش ارزش دلار بر حسب پول شرکای تجاری، نیز مواجه می باشد. با توجه به آنکه این دو عامل ریسک از هم مستقل نیستند، در این مقاله پوشش ریسک درآمدهای نفتی در قالب رویکرد نوین پوشش ریسک تجمیع یافته مورد ارزیابی قرار گرفته و نتایج با پوشش ریسک مجزا (غیر تجمیعی) مقایسه می شوند. با لحاظ روابط غیر خطی و ویژگی های خاص داده های مالی در قالب روش واین کاپولا گارچ، سبدهای دارائی پوشش ریسک مجزا و تجمیع یافته تشکیل و کارائی آنها بررسی می گردد. در رویکرد پوشش ریسک مجزا، هنگامی که تنها ریسک کاهش قیمت نفت مورد توجه قرار می گیرد، ریسک بازده سبد پوشش داده شده درون نمونه ای و برون نمونه ای درآمدهای نفتی به ترتیب 38 و 39 درصد کاهش می یابد و هنگامی که تنها ریسک کاهش ارزش دلار مدنظر می باشد این اعداد به ترتیب 2 و 7/5 می باشند؛ این در حالی است که در پوشش ریسک تجمیع یافته، ریسک بازده سبد پوشش داده شده درون نمونه ای و برون نمونه ای درآمدهای نفتی، به ترتیب 9/58 و 60 درصد کاهش می یابد. طبق نتایج از نظر کارایی درون نمونه ای و برون نمونه ای، رویکرد تجمیع یافته به مراتب بهتر از رویکرد مجزا عمل نموده و با توجه به آنکه به تعداد قراردادهای کمتری نیاز دارد، هزینه های معاملاتی کمتری را در بردارد
1) ابراهیمی، محسن؛ قنبری، علیرضا (1388)، پوشش ریسک نوسانات درآمدهای نفتی با استفاده از قراردادهای آتی در ایران، پژوهشنامه اقتصادی، 3، 173-201.
2) جلایی اسفند آبادی، سید عبدالمجید؛ صالحی آسفیجی، نوراله؛ شیوایی، الهام (1397)، مدلسازی ارتباط شاخص قیمت در بازارهای مالی و رابطه مبادله در اقتصاد ایران( الگوی پرش قیمتی مرتون و رویکرد توابع کاپیولای شرطی، اقتصاد مالی، 12(42)، 1-24.
3) ختایی، محمود؛ سیفی پور، رویا (1387)، اثر نا اطمینانی درآمدهای نفتی بر نرخ ارز در ایران،اقتصاد مالی، 2(2)، 7-24.
4) حاتمی، امین؛ محمدی، تیمور؛ خداداد کاشی، فرهاد؛ ابوالحسنی هستیانی، اصغر (1397)، پویایی های نسبت بهینه پوشش ریسک در بازارهای سهام و طلا: رهیافت VAR-DCC-GARCH، اقتصاد مالی، 12(45)، 73-92.
5) Aas, K., Czado, C., Frigessi, A., & Bakken, H. (2009). Pair-copula constructions of multiple dependence. Insurance: Mathematics and Economics, 44(2), 182-198.
6) Abberger, K. (2005). A simple graphical method to explore tail-dependence in stock-return pairs. Applied Financial Economics, 15(1), 43-51.
7) Alexander, C., Prokopczuk, M., & Sumawong, A. (2013). The (de)merits of minimum-variance hedging: Application to the crack spread. Energy Economics, 36, 698-707.
8) Amano, R., & van Norden, S. (1998). Oil prices and the rise and fall of the US real exchange rate. Journal of International Money and Finance, 17(2), 299-316.
9) Basher, S., Haug, A., & Sadorsky, P. (2012). Oil prices, exchange rates and emerging stock markets. Energy Economics, 34(1), 227-240.
10) Bedford, T., & Cooke, R. M. (2001). Probability Density Decomposition for Conditionally Dependent Random Variables Modeled by Vines. Annals of Mathematics and Artificial Intelligence, 32, 245–268.
11) Bedford, T., & Cooke, R. M. (2002). Vines--a new graphical model for dependent random variables. The Annals of Statistics, 30, 1031-1068.
12) Berg, D., & Aas, K. (2009). Models for Construction of Higher-Dimensional Dependence: A. European Journal of Finance, 15, 639-659.
13) Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
14) Campbell, J., de Medeiros, K. S., & Viceira, L. (2010). Global Currency Hedging. Journal of Finance, 65(1), 87-121.
15) Caporin, M., Jimenez-Martin, J.-A., & Gonzalez-Serrano, L. (2014). Currency hedging strategies in strategic benchmarks and the global and Euro sovereign financial crises. Journal of International Financial Markets, Institutions and Money, 31, 159-177.
16) Cecchetti, S., Cumby, R., & Figlewski, S. (1988). Estimation of the Optimal Futures Hedge. The Review of Economics and Statistics, 70(4), 623-30.
17) Chang, C.-L., González-Serrano, L., & Jimenez-Martin, J.-A. (2013). Currency hedging strategies using dynamic multivariate GARCH. Mathematics and Computers in Simulation, 94, 164-182.
18) Chang, C.-L., McAleer, M., & Tansuchat, R. (2011). Crude oil hedging strategies using dynamic multivariate GARCH. Energy Economics, 33(5), 912-923.
19) Chen, S.-S., & Chen, H.-C. (2007). Oil prices and real exchange rates. Energy Economics, 29(3), 390-404.
20) Cotter, J., & Hanly, J. (2012). A utility based approach to energy hedging. Energy Economics, 34(3), 817-827.
21) Cotter, J., & Hanly, J. (2015). Performance of utility based hedges. Energy Economics, 49, 718-726.
22) Ederington, L. (1979). The Hedging Performance of the New Futures Markets. The Journal of Finance, 34(1), 157-70.
23) Engle, R. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987-1007.
24) Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models. Journal of Business & Economic Statistics, 20(3), 339-350.
25) Engle, R., & Bollerslev, T. (1986). Modelling the Persistence of Conditional Variance. Econometric Reviews, 5(1), 1-50.
26) Fischer, M., Köck, C., Schlüter, S., & Weigert, F. (2009). An Empirical Analysis of Multivariate Copula Models. Quantitative Finance, 9(7), 839-854.
27) Frees, E., & Valdez, E. (1998). Understanding Relationships Using Copulas. North American Actuarial Journal, 2(1), 1-25.
28) Gagnon, L., McCurdy, T., & Lypny, G. (1998). Hedging Foreign Currency Portfolios. Journal of Empirical Finance, 5, 197-220.
29) Genest, C., & Favre, A. C. (2007). Everything You Always Wanted to Know about Copula Modeling but Were Afraid to Ask. Journal of Hydrologic Engineering, 12(4), 347-368.
30) Ghosh, A. (1993). Cointegration and error correction models: Intertemporal causality between index and futures prices. Journal of Futures Markets, 13(2), 193-198.
31) Haigh, M. S., & Holt, M. T. (2000). Hedging Multiple Price Uncertainty in International Grain Trade. American Journal of Agricultural Economics, 82(4).
32) Haigh, M. S., & Holt, M. T. (2002). Hedging foreign currency, freight, and commodity futures portfolios—A note. The Journal of Futures Markets, 22(12), 1205-1221.
33) Jiménez-Rodríguez, R., & Sanchez, M. (2005). Oil price shocks and real GDP growth: empirical evidence for some OECD countries. Applied Economics, 37(2), 201-228.
34) Joe, H. (1996). Families of m-Variate Distributions With Given Margins and m(m−1)/2 Bivariate Dependence Parameters. In L. Rüschendorf, B. Schweizer, & M. Taylor, Distributions with fixed marginals and related topics (p. 120{141). Hayward: Institute of Mathematical Statistics.
35) Joe, H. (1997). Multivariate Models and Dependence Concepts. London: Chapman & Hall.
36) Kim, S., & Willett, T. (2000). Is the negative correlation between inflation and growth real? An analysis of the effects of the oil supply shocks. Applied Economics Letters, 7(3), 141-147.
37) Kroner, K. F., & Sultan, J. (1993). Time-Varying Distributions and Dynamic Hedging with Foreign Currency Futures. Journal of Financial and Quantitative Analysis, 28(4), 535-551.
38) Kurowicka, D., & Cooke, R. M. (2006). Uncertainty Analysis with High Dimensional Dependence Modelling. Chichester: John Wiley & Sons.
39) Kurowicka, D., & Joe, H. (2011). Dependence Modeling: Vine Copula Handbook . Singapore: World Scientific Publishing Co.
40) Meulbroek, L. (2002). The Promise and Challenge of Integrated Risk Management. Risk Management and Insurance Review, 5(1), 55-66.
41) Mun, K. C. (2016). Hedging bank market risk with futures and forwards. The Quarterly Review of Economics and Finance, 61, 112-125.
42) Mun, K.-C., & Morgan, G. E. (2003). Bank foreign exchange and interest rate risk management: Simultaneous versus separate hedging strategies. Journal of Financial Intermediation, 12(3), 277-297.
43) Narayan, P., Narayan, S., & Prasad, A. (2008). Understanding the oil price-exchange rate nexus for the Fiji islands. Energy Economics, 30(5), 2686-2696.
44) Nelsen, R. B. (2006). An Introduction to Copulas (2nd ed.). Berlin: Springer-Verlag.
45) Örnberg, J. K. (2016). Dynamic conditional copula correlation and optimal hedge ratios with. International Review of Financial Analysis, 47, 60–69.
46) Patton, A. J. (2006). MODELLING ASYMMETRIC EXCHANGE RATE DEPENDENCE. International Economic Review, 47, 527-556.
47) Ripple, R. D., & Moosa, I. A. (2007). Hedging effectiveness and futures contract maturity: the case of NYMEX crude oil futures. Applied Financial Economics, 17(9), 683-689.
48) Schrand, C., & Unal, H. (1998). Hedging and Coordinated Risk Management: Evidence from Thrift Conversions. Journal of Finance, 53(3), 979-1013
49) Shrestha, K., Subramaniam, R., & Rassiah, P. (2017). Pure martingale and joint normality tests for energy futures contracts. Energy Economics, 63, 174-184.
50) Sklar, A. (1959). Fonctions de répartition à n dimensions et leurs marges. Publications de l’Institut de Statistique de L’Université de Paris, 8, 229-231.
51) Yin, L., & Ma, X. (2018). Causality between oil shocks and exchange rate: A Bayesian, graph-based VAR approach. Physica A: Statistical Mechanics and its Applications, 508(C), 434-453.
52) Yun, W.-C., & Kim, H. J. (2010). Hedging strategy for crude oil trading and the factors influencing hedging effectiveness. Energy Policy, 38(5), 2404-2408
یادداشت‌ها
یادداشت‌ها
