بررسی مکانیزم انتقال ریسک سیستمی نقدشوندگی سهام شرکت‌ها در بازار سرمایه ایران
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارسیدحمیدرضا سادات شکرآب 1 , فریدون اوحدی 2 , محسن صیقلی 3 , میرفیض فلاح شمس لیالستانی 4
1 - دانشجوی دکتری مدیریت مالی، گروه مدیریت مالی، مهندسی مالی و حسابداری ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - استادیار، گروه مهندسی صنایع، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
3 - استادیار، گروه مدیریت و حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
4 - دانشیار، گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: ", بحران مالی", , ", ریسک سیستمی نقدشوندگی", , ", اثرات سرایت", , ", خودرگرسیون برداری", , ", تجزیه واریانس", ,
چکیده مقاله :
این پژوهش درصدد بررسی مکانیزم انتقال ریسک سیستمی نقدشوندگی سهام شرکت‌ها در بازار سرمایه ایران است. در این راستا نمونه ای متشکل از داده‌های 486 شرکت پذیرفته‌شده در بورس و فرابورس در بازه زمانی سال‌های 1390 تا 1400 انتخاب و بر حسب سطوح شاخص آمیهود به 10 دهک تقسیم گردید و با استفاده از رویکرد دیبولد و ییلماز مبتنی بر تجزیه واریانس خطای پیش‌بینی در چارچوب مدل VAR تعمیم‌یافته، مکانیزم سرایت‌پذیری و انتقال ریسک سیستمی نقدشوندگی میان دهک‌ها بررسی شد. نتایج اولیه بیانگر وجود اثرات سرایت‌پذیری میان کلیه دهک‌ها، با شدت و ضعف متفاوتی بود. به‌نحوی که دهک پنجم، بیش‌ترین میزان خالص انتقال اثرات سرایت ریسک نقدشوندگی به سایر دهک‌ها و دهک‌های هفتم و سوم به‌ترتیب بیش‌ترین اثرات خالص سرایت دریافتی را از سایر دهک‌ها داشتند. نتایج کلی شاخص سرایت کل (TSI) نوسانات حاکی از آن بود که فرآیندهای انتقال ریسک، پس از وقوع شوک و بحران‌های مالی افزایش می‌یابد.
This research aims to investigate the mechanism of systemic liquidity risk transmission of corporate stocks in capital market of Iran. For this purpose, 486 listed companies in Tehran stock exchange and OTC from 2011 to 2022 were sampled and the companies were divided into ten deciles according to the Amihud illiquidity ratio, Then by using “Diebold & Yilmaz” approach which is based on forcast error variance decomposition in the framework of the generalized VAR model, spillover mechanism and systemic liquidity risk transmission among the formed decimals was investigatd.The preliminary results indicated the existence of spillover effect and systemic liquidity risk among all deciles, with difference intensity and weakness. In such a way that the fifth decile had the highest net transmission of liquidity risk spillover effects to other deciles, and the seventh & third deciles, respectively had the highest net effects of received spillover from other deciles. The general results of the total spillover index (TSI) indicated that risk transmission processes, change and increase after the occurrence of shocks and financial crises.
احمدپور، احمد و باغبان، محسن. (1393). بررسی رابطه‌ی بین نقد شوندگی دارائی‌ها ونقد شوندگی سهام در بورس اوراق بهادار تهران. پژوهش های تجربی حسابداری 4(4), 61-77..
اسلامی بیدگلی، غلامرضا و سارنج، علیرضا (1387). انتخاب پرتفوی با استفاده از سه معیار میانگین بازدهی، انحراف معیار بازدهی و نقدشوندگی در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی. دروه 15. شماره 53. صص 3-16.
فطرس، محمدحسن و هوشیدری، مریم . 1397 " ارتباط‌های پویا بین قیمت نفت، قیمت طلا و نرخ ارز با شاخص سهام بورس اوراق بهادار تهران"، فصلنامه مطالعات اقتصاد انرژی، شماره 58، سال 14، ص 116- 89 ، پاییز 1397
نیکومرام،هاشم و پورزمانی، زهرا و دهقان، عبدالمجید.1393 " سرایت پذیری تلاطم در بازار سرمایه ایران"، فصلنامه علمی‌پژوهشی دانش سرمایه‌گذاری، سال سوم، شماره 11، پاییز 1393.
Acharya, V., Pedersen, L., (2005). Asset pricing with liquidity risk. J. Financ. Econ. 77, 2005.
Amihud, Y., (2002). Illiquidity and stock returns: cross-section and time series effects.J. Financ. Mark. 5, 31–56.
Amihud, Y., Mendelson, H., Pedersen, L., 2013. Market Liquidity. Cambridge University Press.
Brunnermeier, M., Pedersen, L., 2009. Market liquidity and funding liquidity. Rev.Financ. Stud. 22 (6), 2201–2238.
Choi, S. Y. (2022). Dynamic volatility spillovers between industries in the US stock market: Evidence from the COVID-19 pandemic and Black Monday. The North American Journal of Economics and Finance, 59, 101614
De Bandt, O., Hartmann, P., 2000. Systemic risk: a survey. In: ECB Working PaperSeries No. 35, November.
Diebold, F.X., Yilmaz, K., 2012. Better to give than to receive predictive directional measurement of volatility spillovers. Int. J. Forecast. 28 (1), 57–66.
Forbes, K., Rigobon, R., 2000, Contagion in Latin America: Definitions,Measurement,and Policy Implications., 2000, September.
Hollò, D., Kremer, M., Lo Duca, M., 2012. CISS – a composite indicator of systemic stress in the financial system. In: ECB Working Paper No. 1426, March 2012.
Iachini, E.,Nobili, S. (2015). Systemic liquidity risk and portfolio theory: An application to the Italian financial markets. J. The Spanish Review of Economics (2016)
International Monetary Fund (IMF), 2009. Global Financial Stability Report, April.
Korkusuz, B., McMillan, D.G. & Kambouroudis, D. (2022) Complex network analysis of volatility spillovers between global financial indicators and G20 stock markets. Empir Econ
Longin, F., Solnik, B., 2001. Extreme correlation of international equity markets.J. Finance 56 (2), 649–676.
Steven L. Schwarcz., 2008. Systemic Risk. The Georgetown Law journal., 2008,March.
Uzonwanne, G. (2021). Volatility and return spillovers between stock markets and cryptocurrencies. The Quarterly Review of Economics and Finance, 82, 30-36.
