بهکارگیری مدل DCC-FIAPARCH چند متغیره در آزمون همبستگیهای پویای شرطی میان بازارهای پولی و مالی ایران
محورهای موضوعی : مهندسی مالیمهرداد دادمهر 1 , هاشم نیکو مرام 2 , میر فیض فلاح 3
1 - گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3 - گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
کلید واژه: همبستگی شرطی پویا, ماتریسهای همبستگی شرطی پویا (DCC), مدل FIAPARCH چند متغیره, بازارهای پولی و مالی ایران, بازار نفت اوپک,
چکیده مقاله :
چکیده:در این تحقیق همبستگیهای شرطی پویا میان بازارهای با اهمیت پولی و مالی ایران با استفاده از مدل DCC-FIAPARCH چندمتغیره میان بازدههای روزانه بازارها طی یک دوره یازده ساله، از ابتدای سال 1386 تا پایان سال 1396، وجود خصوصیات مستتر در دادههای مالی یعنی توانایی ثبت حافظه بلندمدت در دادهها، قدرت یا همان توان تبدیل واریانس غیرشرطی به واریانس شرطی ناشی از اضافه شدن مشاهده به سری زمانی و عدم تقارن واکنش بازار به اخبار خوب و بد مورد بررسی قرار گرفته است. نتایج نشاندهنده عدم تأثیر نوسانات بازار نفت اوپک بر بازارهای داخلی ایران، همبستگی بسیار بالا و با اهمیت پویای شرطی میان بازار سکه (طلا) و نرخ تبادل ارزی و وجود خصوصیات اهرمی، توان و وجود حافظه بلندمدت به همراه خصوصیات قوی ARCH/GARCH است. همچنین مشخص گردید دادههای بازار خصوصیات خوشهبندی و عدم توزیع نرمال را دارا بوده و فرض توزیع t-student برای توزیعها مناسبتر از توزیع نرمال میباشد.
Abstract:In this study, we examined Dynamic Conditional Correlation (DCC) between important monetary and financial markets of Iran using multivariate DCC-FIAPARCH model and daily market returns during eleven years, (from 2007(1386) to 2018(1396)), and The existence of hidden characteristics in financial data, i.e. the ability to record long-term memory in data, power or conversion power (unconditional variance to conditional variance due to the addition of observation to the time series) and asymmetry of market reaction to good and bad news have been studied. The results show that OPEC oil market fluctuations haven't effect on the domestic markets of Iran, very high and importance dynamic conditional correlation between the coin market (gold) and exchange rate, the existence of leverage, power and long-term memory with strong ARCH/GARCH characteristics. We also found that market data have clustering characteristics and the assumption of t-student distribution is more appropriate than normal distribution for market return distributions.
_||_