رابطه بازارمالی ایران با بازارهای داخلی وخارجی مبتنی بر تحلیل علّیت در گشتاورهای توزیع
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارمریم مقدس بیات 1 , شمس‌اله شیرین بخش 2 , تیمور محمدی 3
1 - دکتری اقتصادسنجی، استادمدعو گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران.
2 - هیات علمی، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران.
3 - هیات علمی، دانشکده اقتصاد، دانشگاه علامه طباطبایی، تهران، ایران.
کلید واژه: بازارمالی ایران, مدل خود بازگشتی برداری چند رژی, علّیت در گشتاورها ی توزیع,
چکیده مقاله :
تحلیل و پیش بینی مناسب رفتار یک متغیر به تبیین درست الگوی آماری برای آن متغیربستگی دارد.بدین معنا که متغیرهای گنجانده شده درالگوبه بهبود تبیین آن منجرگردد.این امرپژوهشگررا به مفهوم علّیت هدایت می نماید.تاچندی پیش تحلیل روابط بین متغیرها درچارچوب رابطه علّی محدود به گشتاور مرتبه اول ورابطه خطی بود که درصورت ردشدن این رابطه، متغیر از الگو کنار گذاشته می شد. اخیرا، تحلیل علّیت در گشتاور مراتب بالاترو به صورت غیرخطی موردتوجه پژوهشگران قرارگرفته است . درروش نوین ممکن است متغیرمفروض علّی حاوی اطلاعات منحصر به فردی برای برخی از گشتاورها و نه همه آن ها باشد.در این صورت حذف چنین متغیری از الگو به پنهان ماندن اطلاعات مهمی ازرفتارواقعی متغیرموردبررسی منجرمی گردد.دراین پژوهش تلاش برآن است تا تحلیل جامعی از علّیت در مراتب مختلف گشتاوری درچارچوب مدل میانگین شرطی خود بازگشت برداری چند رژیمه ا رائه گردد. از این رو، متغیرهای شاخص آزادشناور بورس اوراق بهادار تهران، نرخ دلار بازار آزاد، قیمت نفت سبد اوپک وقیمت جهانی طلا انتخاب گردید تا رابطه علّی ازسوی بازارهای داخلی و خارجی به سوی بازارسهام مورد بررسی قرارگیرد.نتایج دلالت برآن دارد که علّیت درگشتاورهای توزیع از سوی متغیرهای ارز، نفت وطلا به سوی متغیر مالی وجوددارد.
Proper analyzing and forecasting depend on appropriate statistical model identification. This can be done when the variables included in model lead to improve its identification. This results in causality concept.Previously variables’ relations was confined to first moment and linear relation within the framework of a causal relation .If the relation rejected, the variable would be excluded from model.Recently, causality analysis in higher moments and nonlinear way attract researchers. This means that presumed causal variable may contain unique information for some of moments but not all of them. Accordingly, eliminating such a variable from the model results in hiding important information of variable’s actual behavior which is under study. This research tries to present causality analysis in different orders of moments are presented in MSBVAR model settings. Therefore, free float index of stock exchange, exchange rate, OPEC basket price, gold global price are selected in order to examine causal relation from domestic and international markets to stock market. Results imply that exchange rate, oil and gold variables are causal in distribution for financial variable.
* Baur,D. G. and Luceygold,B. M.,(2010),” is a hedge against stocks on average and a safe haven in extreme stock market“, The Financial Review 45 217–229.
* Blacilar,M.&Ozdemir,Z.,(2013),“The causal nexus between oil prices and equity market in the U.S.: A regime switching model ” Energy Economics 39,271–282.
* Bhunia,A., &Pakira,S.,(2014),“Inveting the Impact of Gold Price and Exchange Rates on Senex: an Evidence of India”,European Journal of Accounting,Finance&Business2,1-11.
* Candelon,B.,Tokpavi,S.,(2016),”A Nonparametric Test for Granger Causality in Distribution With Application to Financial ontagion”,Journal of Business & Economic Statistics 34, 240-253.
* Chkili,W.&Nguyen,D.,K.,(2014),”Exchange rate movements and stock market returns in a regime-switching environment:Evidence for BRICS countries ”,Research in International Business and Finance 31, 46– 56.
* Fahami,N. A.,Haris,Sh.&Mutalib,H. A.,(2014),” An Econometric Analysis between Commodities and Financial Variables: The Case of Southeast Asia Countries ”,International Journal of Business and Social Science 5,216-223.
* Goutte,S.,(2014),”Conditional Markov Regime witching Model Applied to Economic Modelling “,EconomicModelling 38, 258–269.
* Granger,C.W.J.,Engle,R.F.&Robins,R.P.,(1986),“Wholesale and Retail Prices: Bivariate Time Series Modelling with Forecastable Error Variances.”In D.Belsey andE. Kuh (Eds.),Model Reliability.Cambridge, MA.: MIT Press.
* Florens,J.&Mouchart,M.,(1982),“A Note on Non-causality”, Econometrica, 50, 583–591.
* Jimenez-Rodriguez, R., and M. Sanchez,(2005), “Oil Price Shocks and Real GDP Growth: Empirical Evidence for Some OECD Countries”,Applied Economics,37.
* Lawrence, C. (2003). Why is gold different from other assets? An empirical investigation. In Research Manuscript. London, Uk: World Gold Council. 1-45.
* Mensi,W.,Hammoudeh,S.&Yoon,S.,(2014),”Structural Breaks and Long Memory in Modeling and Forecasting Volatility of Foreign Exchange Markets of Oil xporters: The Importance of Scheduled and Unscheduled News announcements”,International Review of Economics and Finance 30 ,101–119.
* Tiwari,A.,K.,Mutascu,M.,I.,Albulescu,C.,T.&Kyophilavong,P.,(2015), “Frequency Domain Causality Analysis of Stock Market and Economic Activity in India” ,International Review of Economics and Finance 39, 224–238.
* Samanta,S. K.&Zadeh A. H. M.,(2012),” Co-Movements of Oil, Gold, the US Dollar, and Stocks ”, Modern Economy 3,111-117 .
* Shirinbakhsh,Sh,MoghaddasBayat,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).
* Toyoshima, Yuki,(2018), Testing for Causality-In-Mean and Variance between the UK Housing and Stock Markets , Risk and Financial management.
* Wang,Y.,C.,Wu,&Yang,L.,(2013),”Oil price Shocks and Stock Market Activities: Evidence from Oil-importing and Oil-exporting Countries” Journal of Comparative Economics 41, 1220–1239
_||_