طراحی و تبیین مدل پویا انتقال ریسک فراگیر رمز ارز در بازارهای مالی جهان

محورهای موضوعی : فصلنامه اقتصاد محاسباتی

رضا کریمی ¹ , میرفیض فلاح شمس ² , شادی شاهوردیانی ³ , غلامرضا زمردیان ⁴

1 - دانشجوی دکتری مدیریت مالی دانشگاه آزاد اسلامی واحد علوم تحقیقات
2 - هئیت علمی دانشگاه آزاد
3 - هئیت علمی دانشگاه آزاد
4 - هئیت علمی دانشگاه آزاد اسلامی

تاریخ دریافت : 1401/11/15 تاریخ پذیرش : 1402/07/07 تاریخ انتشار : 1402/06/01

کلید واژه: ریسک فراگیر, , سرایت پذیری, , رمزارز, , ارزش در معرض ریسک شرطی, , , , روش خودهمبسته واریانس ناهمسان شرطی چند متغیره (MGARCH),

چکیده مقاله :

هدف این مقاله ارائه مدلی پویا و دینامیک برای تبیین چگونگی انتقال ریسک فراگیر رمزارزها در بازارهای جهان بود. در این راستا از اطلاعات آماری شاخص بازارهای رمزارز و دادهای شاخص های بازارهای سهام نزدک، نیویورک، ترنتو، لندن، فرانک فورت، مادرید، شانگ های، هنگ کنگ، توکیو، و بمبئی استفاده شد. در این پژوهش داده‌های مربوط به بازار رمز ارزها و بازارهای مالی از جولای 2012 تا جولای 2022 استفاده شده است. در بخش اول این مطالعه با استفاده از اطلاعات بازه زمانی 2012-2022 بر اساس فراوانی داده‌های ماهانه برای بازارهای مالی معیار ریسک فراگیر با استفاده از روش ارزش در معرض خطر شرطی تفاصلی و زیان مورد انتظار محاسبه گردیده است. در بخش دوم با استفاده از روش خودهمبسته واریانس ناهمسان شرطی چند متغیره (MGARCH) اثرات برون ریز مربوط به ریسک فراگیر مربوط به رمز ارز بر روی بازارهای مالی برآورد گردید. نتایج بدست آمده بیانگر این است که اثرات سرریز بین بازارهای مالی وجود داشته است و افزایش در ریسک فراگیر در هر یک از بازارهای مالی منجر به افزایش در ریسک فراگیر در سایر بازارهای مالی می شود.

چکیده انگلیسی:

The purpose of this article was to provide a dynamic and dynamic model to explain how to transfer the pervasive risk of cryptocurrencies in the world markets. In this regard, the statistical information of the cryptocurrency market index and the data of the Nasdaq, New York, Toronto, London, Frankfort, Madrid, Shanghai, Hong Kong, Tokyo, and Mumbai stock market indices were used. In this research, the data related to the cryptocurrency market and financial markets from July 2012 to July 2022 have been used. In the first part of this study, using the information of the period 2012-2022, based on the frequency of monthly data for the financial markets, the comprehensive risk criterion has been calculated using the method of value at risk, conditional interval and expected loss. In the second part, using multivariate conditional heteroscedastic variance autocorrelation method (MGARCH), the external effects related to pervasive risk related to cryptocurrency were estimated on financial markets. The obtained results indicate that there are spillover effects between financial markets and an increase in pervasive risk in each of the financial markets leads to an increase in pervasive risk in other financial markets. In the second part, using multivariate conditional heteroscedastic variance autocorrelation method (MGARCH), the external effects related to pervasive risk related to cryptocurrency were estimated on financial markets. The obtained results indicate that there are spillover effects between financial markets and an increase in pervasive risk in each of the financial markets leads to an increase in pervasive risk in other financial