بررسی ساختار وابستگی پویا و کرانه ای بازارمالی ایران بر اساس الگوی copula-GARCH بارویکرد نیمه پارامتری
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارمریم مقدس بیات 1 , شمس اله شیرین بخش ماسوله 2
1 - دانشجوی دکتری دانشگاه الزهرا)س(
2 - دانشیار دانشکده علوم اجتماعی واقتصادی دانشگاه الزهرا)س(
کلید واژه: الگویcopula- GARCH, رویکرد نیمه پارامتری, توزیع شرطی نا گاوسی, ساختار وابستگی کرانه ای,
چکیده مقاله :
در این مقاله ازالگویcopula- GARCH وتوانمندهای رویکرد نیمه پارامتری استفاده میگردد تا توزیع شرطی ناگاوسی متغیرها به چگالی های حاشیه ای وتوابع مفصل تفکیک گردد.این ویژگی آماری، امکان تحلیل وابستگی پویا وکرانه ای رادر ساختارهای غیرخطی ونامتقارن فراهم می آورد.با بهره گیری ازاین ابزارنوین آماری، ساختار وابستگی بازارمالی ایران به بازارداخلی وخارجی طی دوره زمانی 12مردادماه1392 تا25 مردادماه1394موردبررسی قرارمی گیرد.به این منظوراز شاخص آزاد شناور، نرخ رسمی ارز(ریال/دلار)، قیمت جهانی طلا(برحسب دلار)وقیمت نفت سبد اوپک(بشکه به دلار)با فراوانی روزانه استفاده میگردد. نتایج نشان میدهد که وابستگی بازارمالی به سایربازارهاکاملا پویا بوده وتنها در مقاطعی اززمان نا همبسته می باشد.بررسی ساختار وابستگی در دنباله توزیع نیزبروجود وابستگی کرانه ای نا متقارن دلالت دارد به نحوی که وابستگی بازارمالی به بازرهای مذکور در وضعیت رونق بازار نسبت به وضعیتکسادی بازارقویتراست.این یافتهنشان میدهد که در دوره موردبررسی، سرمایه گذاران خوش بین بوده و نسبت به اخبارخوب حساس تر می باشند.
This article uses copula-GARCH model and semi parametric approach to detach non-Gaussian conditional distribution to marginal densities and copula functions. This statistical characteristic conceives analysis of dynamic and extreme dependency in nonlinear and asymmetric structure. This modern statistical tool uses to study structure of Iran financial market dependency to domestic and international market during period of 3 August 2013 to 16 August 2015.Daily observations consist of Free Float Index, official exchange rate(Rial/Dollar), international gold price(in terms of Dollar), and OPEC Basket Price(Barrel/Dollar). Results show that stock exchange dependency to the markets is completely dynamic and there is non-correlation only in some time point. Structure of tail distribution dependency implies that there is asymmetric extreme dependency in a way that stock exchange dependency to the markets is stronger during expansion rather than recession. This findings show that investors are optimistic and more sensitive to good news during the period under study
Aloui, R., Aïssa, M., Nguyen, D. ,(2013), Conditional dependence structure between oil prices and exchange rates: A copula-GARCH approach Journal of International Money and Finance 32 , 719–738.
Avdulaj,K.,Barunik, A.,(2015),Are benefits from oil–stocks diversification gone? New evidence from a dynamic copula and high frequency data, Energy Economics,51,31-44.
Basher, S.A., Nechi, S., Zhu, H.,(2014),Dependence patterns across gulf Arab stock markets: A copula approach, Journal of Multinational Financial Management,25,1-46.
Krupskii ,P. ,Joe. H.,(2015), Structured factor copula models: Theory, inference and computation, Journal of Multivariate Analysis,138,53-73. Laih, Y.,(2014),Measuring rank correlation coefficients between financial time series: A GARCH-copula based sequence alignment algorithm, European Journal of Operational Research 232 , 375–382.
Patton, A.J.,(2006), Modeling asymmetric exchange rate dependence. International Economic Review,47,527-556.
Sklar, (1959),Functions de repartition _a n dimensions et leurs marges, Publ. Inst. Statist. Univ. Paris, 8(1):11 .
Shirinbakhsh, Sh, Moghaddas Bayat, M.,(2011),an evaluation of asymmetric and symmetric effects of oil-exports shocks on non-tradable sector of Iranian economy, Romanian Journal of Economic Forecasting,2011(1):106-124.
So,M.,K.P.,Yeung,C.,Y.T.,(2014),Vine-copula GARCH model with dynamic conditional dependence, Computational Statistics and Data Analysis, 76, 655-671