تاثیر نااطمنیانی شاخص‌های کلان اقتصادی بر بازدهی بورس اوراق بهادار تهران با رویکرد مدل‌های نوسانات تصادفی با تغییرات زمانی

محورهای موضوعی : دانش سرمایه‌گذاری

سمانه طریقی ¹ , تقی ترابی ² , فرهاد غفاری ³ , عباس معمارنژاد ⁴

1 - دانشجو دکتری اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
2 - دانشیار و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات (نویسنده مسئول)
3 - استادیار و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات
4 - استادیار و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات

تاریخ دریافت : 1395/12/11 تاریخ پذیرش : 1395/12/26 تاریخ انتشار : 1396/08/01

کلید واژه: تغییرات زمانی, نوسانات تصادفی, بازدهی سهام, TVP-SV,

چکیده مقاله :

یکی از مهم‌ترین وظایف اقتصاد مالی مدل‌سازی و پیش‌بینی نوسانات قیمت دارایی‌های ریسکی است. از نظر تحلیل‌گران و سیاست‌گذاران نوسان‌پذیری قیمت یک متغیر کلیدی است که به درک نوسانات بازار کمک می‌کند. بنابراین، تحلیل‌گران نیاز دارند تا پیش‌بینی درستی از نوسان‌پذیری قیمت به عنوان یک ورودی ضروری برای انجام وظایفی چون مدیریت ریسک، تخصیص پرتفوی، ارزیابی ارزش در معرض خطر و قیمت‌گذاری اختیار معامله و قراردادهای آتی داشته باشند. بر این اساس در تحقیق حاضر با استفاده از مدل‌هایTVP-SV وPLS و مقایسه آن با روش OLSدر نرم افزار متلب و XLSTAT در بازه زمانی 1382-1 تا 6-1392 (ماهیانه) با استفاده از متغیرهای حقیقی (تولیدات صنعتی، سرمایه‌گذاری بخش حقیقی در مسکن، رشد اقتصادی، سهم مخارج دولت به GDPو نرخ رشد صادرات غیر نفتی) ومتغیرهای پولی (تورم، عرضه‌ی پول، نرخ ارز، قیمت نفت و قیمت داخلی طلا) بر بازدهی سهام اوراق بهادار تهران پرداخته شده است. بر اساس مدل PLS این نتیجه حاصل گردید که متغیرهای رشد اقتصادی و قیمت نفت بیش از سایر متغیرها بر بازدهی بورس اوراق بهادار تهران تأثیر گذار است. در ادامه متغیرهای رشد اقتصادی و قیمت نفت را وارد مدلTVP-SV نمودیم. بر اساس نتایج این مدلTVP-SV نسبت به مدل OLS از کارایی بالاتری برخوردار است. بر اساس نتایج مدلTVP-SV بعد از وقفه اول بازدهی سهام؛ رشد اقتصادی در طول دوره بالاترین تأثیر را بر بازدهی سهام داشته‌ است.

چکیده انگلیسی:

One of the most important tasks of the financial economy is modeling and forecasting of the price volatility of risky assets. For analysts and policymakers, price volatility is a key variable that helps to understand market fluctuations. Therefore, the analysts need to be able to predict the correctness of price volatility as an essential input for tasks such as risk management, portfolio assignment, value at risk and transaction option pricing and future contracts. Accordingly, in the present research, return on stocks of Tehran Stock Exchange has been dealt with using PLS and TVP-SV models and its comparison with OLS method in MATLAB and XLSTAT software from March 2003 till August 2013 (monthly) using true variables (industrial output, real estate investment in housing, economic growth, government spending share in GDP and Non-oil exports growth rate) and monetary variables (inflation, money supply, exchange rate, oil price and domestic price of gold). Based on PLS model, the result was that the variables of economic growth and oil price have more influence of return of Tehran Stock Exchange in comparison with other variables. Then, we entered the variables of economic growth and oil price in TVP-SV model. Based on the results, TVP-SV model has more efficiency in comparison with OLS model. Based on the results of TVP-SV model after the first interruption of stock returns, the economic growth has the highest effect on stock returns.

منابع و مأخذ:

*       برازنده، محمد (1376)، اثر متغیرهای کلان اقتصادی بر شاخص قیمت سهام، پایان‌نامه کارشناسی ارشد اقتصاد، دانشگاه علامه طباطبائی

*       رسولی محمد، 1392، شوک‌های نرخ ارز و قیمت نفت بر بازدهی بازار سهام، پایان نامه کارشناسی ارشد؛ دانشکده اقتصاد تهران

*    طیب نیا علی؛ عوامل کلان اقتصادی و شواهدی از تئوری قیمت‌گذاری آربیتراژ در بورس سهام تهران؛ فصلنامه پژوهش‌ها و سیاست‌های اقتصادی سال بیست و یکم، شماره 66، تابستان 1392، صفحات 38

*       عزیزی، فیروزه. (1383). آزمون تجربی رابطه تورم و بازده سهام در بورس اوراق بهادار تهران، فصلنامه پژوهش‌های اقتصادی، شماره 10 و 11

*       قالیباف اصل، حسن. (1381). بررسی اثر نرخ ارز بر روی ارزش شرکت در ایران، پایان‌نامه کارشناسی ارشد مدیریت، دانشکده مدیریت دانشگاه تهران.

*    کریم زاده، مصطفی. (1385). بررسی رابطه­ی بلندمدت شاخص قیمت سهام بورس با متغیرهای کلان پولی با استفاده از روش همجمعی دراقتصاد ایران، فصلنامه پژوهشهای اقتصادی ایران، سال هشتم، شماره 26.

*    موسایی میثمم و همکاران؛ رابطه بازار سهام و متغیرهای کلان اقتصادی در ایران، فصلنامه پژوهش‌ها و سیاست‌های اقتصادی سال هجدهم، شماره 54 ، تابستان 1389، صفحات 94

*       ویلیام اچ برانسون، ترجمه عباس شاکری، (1388). نشر نی

*    ابونوری، اسماعیل و مشرفی، گلاله (1385). اثر شاخص‌های اقتصاد کلان بر شاخص قیمت سهام صنعت پتروشیمی در ایران با استفاده از مدل.ARDL فصلنامه پژوهشنامه اقتصادی ایران. سال6، شماره21: 228-209.

*    اسلاملوییان، کریم و زارع،‌هاشم (1385).بررسی تأثیر متغیرهای کلان و دارایی‌های جایگزین بر قیمت سهام در ایران: :یک الگوی خود همبسته با وقفه‌های توزیعی. فصلنامه پژوهش­های اقتصادی ایران. سال 8 ،شماره 29: 46-17.

*    اندرس، والتر. صادقی‌شاهدانی مهدی و شوال‌پور سعید. (1386) . اقتصادسنجی سریهای زمانی با رویکرد کاربردی. جلد دوم.چاپ اول.انتشارات دانشگاه امام صادق (ع). تهران.

*       بانک مرکزی جمهوری اسلامی ایران. پژوهش‌های اداره مطالعات و بررسی‌های اقتصادی سالهای مختلف.

*       بانک مرکزی جمهوری اسلامی ایران.نماگرهای اقتصادی بانک مرکزی سالهای مختلف.

*       تحلیل تجربی تورم و قاعده سیاست گذاری پولی در ایران. (1385).بانک مرکزی جمهوری اسلامی ایران.

*       پیرائی، خسرو و شهسوار، محمدرضا (1388). تأثیر متغیرهای کلان اقتصادی بر بازار بورس ایران. فصلنامه پژوهش‌های اقتصادی. سال 9. شماره1: 38-21.

*    صمدی، سعید ، شیرانی فخر، زهره و داور زاده، مهتاب (1386). بررسی میزان اثر پذیری شاخص قیمت سهام بورس اوراق بهادر تهران از قیمت جهانی نفت و طلا (مدل سازی و پیش بینی). فصلنامه بررسی‌های اقتصادی. دوره 4، شماره2: 51-25.

*       عباسیان، عزت اله و مرادپور اولادی، مهدی (1389). سیاست‌های پولی و مالی.انتشارات دانشگاه علوم اقتصادی. تهران.

*    کشاورز حداد، غلامرضا و معنوی، سید حسن (1387). تعامل بازار سهام و ارز در ایران با تاکید بر تکانه نفتی. فصلنامه پژوهش‌های اقتصادی ایران، سال 12، شماره 37: . 155-177

*    کشاورز حداد، غلامرضا و مهدوی، امید (1384).آیا بازار سهام در اقتصاد ایران کانالی برای گذر سیاست پولی است؟. فصلنامه تحقیقات اقتصادی، شماره71: 147-170.

*    کریم زاده، مصطفی (1385). بررسی رابطه بلند مدت شاخص قیمت سهام بورس با متغیرهای کلان پولی با استفاده از روش همجمعی در اقتصاد ایران. فصلنامه پژوهش‌های اقتصادی، سال 8، شماره 26: 541-4.

*       Adalid R. C)2007(Liquidity shocks and asset price boom.european centeral bank.

*       Agrawalla , Tuteja, (2008),” Share Prices and acroeconomic Variables in India:An Approach to Investigate the Relationship Between Stock Markets and Economic Growth”, Journal of Management Research, Volume 8, Number 3.

*       Anthony , Kwame(2008), “Impact of macroeconomic indicators on stock market performance”, Journal of Risk Finance, Vol9 Issue 4, p365-378, 14p

*       BartolomeoDi G.. R. & Lorenza.T. M. )2006(.Monetary Policy under Rule-of-Thumb Consumers and External Habits: An International Empirical Comparison.www.cepr.org

*       Benkwitz A. Lutkepohl H & Wolters J .)2001(. Comparison of bootstrap confldence intervals for impulse responses of German monetary systems. Macroeconomic Dynamics. 5. 81-100.

*       Benkwitz A.)2002(. The software jmulti: concept, development, and application in var analysis. With a detailed discussion of  bootstrap confidence intervals for impulse responses.

*       Bernhard Pfaff.)2008(. VAR, SVAR and svec models: implementation within r package vars.www.cepr.org

*       Bjørnland H.C.Leitemo H.)2005(.Identifying the interference between us monetary policy and the stock market.bank of finland research discussion research.

*       Boreiko D. Kratzig M. & Lutkepohl H)2006(.VAR analysis in jmulti .

*       Braun P. A. Mittnik S.)1993(. Misspecifications in vector autoregressions and their effects on impulse responses and variance decompositions. Journal of Econometrics . 59(3):319-414.

*       Bruggemann R. & Lutkepohl H.)2000(. Lag selection in subset var models with an application to a u.s. monetary system.www.cepr.org

*       Bruggemann R. )2006(. Finite sample properties of impulse response intervals in svecms with long-run identifying restrictions. Economic Risk.Humboldt-Universitat zu Berlin, Department of Economics.

*       Case K.E. Quigley J.M. Shiller R.J. )2005(. Comparing wealth effects: the stock market versus the housing market. adv. macroecon. 5 .1.

*       Chang, (2009),” Do macroeconomic variables have regime-dependent effects on stock return dynamics? Evidence from the Markov regime switching model”, Economic Modelling; Vol26 Issue 6, p1283-1299

*       Christiano L. M. Eichenbaum & C. Evans .)1999(. Monetary policy shocks: what have we learned and to what end? In J. Taylor and M. Woodford .eds. Handbook of Macroeconomics . Vol.1. Elsevier Science.

*       Daisy Li, Yun and Iscan, Talan Band Xu, Kuan(2014), " The Impact of monetary Policy Shocks on Stock Prices : Evidence from Canada and theUnited States", Journal of International Money and Finance, N029, PP876- 896

*       Fama Eugne. )1981( .Stock Returns, Real activity, inflation and money. The American Economic Review. September 71 ( 4): 545-565.

*       Faust J and E.M. Leeper .)1997(. When do long-run identifying restrictions  give reliable results? Journal of Business and Economic Statistics 15 (3):  345–353.

*       Gali J .)1992(. How well does the is-lm model fit postwar us data? Quarterly Journal of Economics 107 .2. 709–738.

*       Gehr, A. (1978). Some tests of the Arbitrage Pricing Theory. Journal of the Midwest Finance Association, 7, 91–105

*       Giuliodori M. )2005(. Monetary Policy Shocks and the Role of House Prices Across European Countries. Scot. J. Polit. Economy 52 (4): 519–543.

*       Hilde C., Bjornland and Kai, Leitemo(2013), " Identifying the Interdependence between US Monetary Policy and the Stock Market ", Journal of Monetary Economics, No56, PP275-282.

*       Humpe A. Macmillan P. (2006). Can macroeconomic variables explain longiiterm stock market movements? A comparison of the US and Japan, boom Empirical appropriate cointegrating.vector; Working.Paper, http://ideas. repec.org/p/san/crieff /0511 .html.

*       Ioanidis ch. Kontonikas A(2007) The Impact of monetary policy on stock prices. journal of policy modeling. 6 .15.

*       king r.g. c.i. plosser. j.h. stock. and m.w. watson (1991) stochastic trends and economic fluctuations. american economic review. 81: 819-4.

*       Kurov, Alexander(2014), " Investor sentiment the stock markets reaction to monetary policy ", journal of Banking & Finance, No34, PP139-149.

*       Leeper E.M. C.A. Sims & T. Zha (1996) What does monetary policy do? brookings paper on economic activity .2. 1–63.

*       Liu, M.H(2008), " Analysis of the Long-term Relationship Between Macroeconomic Variables and the Chinese Stock Market Using Heteroscedastic Cointegration ", Journal Managerial Finance, No11, PP744-755.   

*       Ludvigson S. Steindel C. (1999) How important is the stock market effect on consumption? Fed. Reserve Bank New York Econ. Pol. Rev. 5 .2. 29–52.

*       Lutkepohl H. (1993) .Introduction to multiple time series analysis. second edition. berlin: Springer-Verlag. Chapter 4. 11.

*       Phillips P. (1998) Impulse response and forecast error variance asymptotics in nonstationary VARs .Journal of Econometrics. Vol83. 21-56.

*       Robert DGay, Jr., (2008), Nova Southeastern University, Effect of Macroeconomic Variables on Stock Market Returns For Four Emerging Economies: Brazil, Russia, India, And China, International Business & Economics Research Journal, MarchVolume 7, Number 3.pp42-56

*       Runkle D. E. (1987) Vector autoregressions and reality. Journal Of Business And Statistics. 5: 437-442.

*       Sims C. A. Zha T. (1998) Does monetary policy generate recessions?. federal reserve bank of atlanta. Working Paper .

*       Sims C. A. Zha T. (1998) Error bands for impulse responses. Federal reserve bank of atlanta. Working Paper 95-6.

*       Sims C.A. (1992) Interpreting the macroeconomic time series facts: The effects of monetary policy. European economic review 36 .5. 975–1000.

*       Watson M.W. (1994) Vector autoregressions and cointegration, in: R.F. engle und d.l. mcfadden .hrsg. Handbook of Econometrics. Vol. IV. New York: Elsevier

*       Engsted, T., & Tanggaard, C. (2002). The relation between asset returns and inflation at short and long horizons. Journal of International Financial Markets, Institutions & Money,12(2), 101-118.

*       Gultekin, N. B. (1983). Stock Market Returns and Inflation Forecasts. The Journal of Finance, 38(3), 663-673.

*       Humpe, A., & Macmillan, P. (2006). Can macroeconomic variables explain long-term stock market movements? A comparison of the US and Japan. Applied Financial Economics, 19(2), 111-119.

*       Medsen, B. Jakob. (2002). Share Returns and the Fisher Hypothesis Reconsidered. Applied Financial Economics, 12(8), 565-574.

*       Papapetrou, E. (2001). Oil price shocks, stock market, economic activity and employment in Greece. Energy Economics. 23(5), 511-532.

*       Adam, A. M., & Tweneboah, G. (2008). Do macroeconomic variables play any role in the stock market movement in Ghana?. MPRA, Paper No. 9357, Posted 28.

*       Aliyu, Shehu Usman Rano. Reaction of stock market to monetary policy shocks during the global financial crisis: the Nigerian case, 2011, MPRA Paper, 3581

*       Apergis, N., & Eleftheriou, S. (2002).Interest rates, inflation, and stock prices: the case of the Athens stock Exchange. Journal of Policy Modeling, 24(3), 231-236.

*       Azeez, A. & Yonezawa, Y. (2006). Macroeconomic factors and the empirical content of the Arbitrage Pricing Theory in the Japanese stock market. Japan and the World Economy, 18, 568–591