تعداد نشریات | 161 |
تعداد شمارهها | 6,476 |
تعداد مقالات | 70,006 |
تعداد مشاهده مقاله | 122,894,775 |
تعداد دریافت فایل اصل مقاله | 96,102,969 |
الگوسازی سرایت تلاطم در بازار سهام ایران؛ رویکرد فضا-حالت غیرخطی | ||
فصلنامه تحقیقات اقتصادی | ||
دوره 55، شماره 4 - شماره پیاپی 133، بهمن 1399، صفحه 963-990 اصل مقاله (1.22 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jte.2021.322088.1008455 | ||
نویسندگان | ||
رضا طالبلو1؛ پریسا مهاجری* 2 | ||
1دانشیار، دانشکده اقتصاد، دانشگاه علامه طباطبائی | ||
2دانشیار، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران | ||
چکیده | ||
مقاله حاضر با استفاده از دادههای روزانه شاخص قیمت 15 گروه صنعت طی دوره زمانی 09/08/1395 تا 07/01/1400 درصدد الگوسازی تلاطم بازار سهام ایران است. مدل تلاطم تصادفی چند متغیره عاملی در چارچوب رویکرد فضا-حالت غیرخطی، مبنای تفکیک تلاطم بازار سهام به دو جزء «تلاطم منبعث از عوامل پنهان» و «تلاطم خاص هر صنعت» و برآورد ماتریس همبستگی پویای تلاطم صنایع قرار گرفته است. یافتهها حاکی از آن است که اولاً دو عامل پنهان وجود دارد که بخشی از تلاطم صنایع داخلی (انبوهسازی، زراعت، محصولات غذایی، قند و شکر، سیمان و ...) متأثر از عامل پنهان اول و بخشی از تلاطم صنایع کامودیتیمحور صادراتی کشور (صنایع شیمیایی و پتروشیمی، فرآوردههای نفتی، فلزات اساسی و محصولات فلزی)، تحت تأثیر عامل پنهان دوم است. ثانیاً تلاطمهای خاص هر صنعت در طی دوره زمانی مورد بررسی تشدید شده و رفتار خوشهای را از خود به نمایش میگذارد. ثالثاً تلاطم بازده سهام صنعت بانکی متأثر از هر دو عامل پنهان بوده و تلاطم خاص مرتبط با صنعت مذکور، تقریباً در میانه صنایع قرار میگیرد. این یافته، دور از انتظار نیست، زیرا پرتفوی تسهیلات اعطایی بانکها، متشکل از تمامی صنایع میباشد و لذا تلاطم این بخش و اثرپذیری آن از عوامل پنهان، میانگین وزنی از سایر صنایع خواهد بود. رابعاً بیشترین درجه همبستگی تلاطم بازده سهام در میان 4 صنعت کامودیتیمحور مشاهده میشود که در طول دوره مورد بررسی، سیر صعودی داشته است. طبقهبندی JEL: C11، C32، C58، G17 | ||
کلیدواژهها | ||
رویکرد بیزی؛ مدل فضا - حالت؛ واریانس ناهمسانی؛ تلاطم تصادفی عاملی؛ همبستگی پویا | ||
عنوان مقاله [English] | ||
Modeling the Transmission of Volatility in the Iranian Stock Market Space-State Nonlinear Approach | ||
نویسندگان [English] | ||
Reza Taleblou1؛ Parisa Mohajeri2 | ||
1Associate Professor, Faculty of Economics, Allameh Tabataba'i University, Tehran | ||
2Associate Professor, Faculty of Economics, Allameh Tabataba'i University, Tehran, | ||
چکیده [English] | ||
Using the daily data of the price index of 15 industries during 2016/10/30 to 2021/3/27, the volatility of Iranian stock market has been modeled in this paper. Factor multivariate stochastic volatility model in the framework of space-state approach is the basis for decomposing the stock market volatility into two components, “volatility rooted in latent factors” and “idiosyncratic volatility” and estimating time-varying covariance matrix and dynamic pair-wise correlation of time series. The findings reveal that: first, there are two latent factors; the first affects the volatility of domestic industries (real estate, agriculture, food products, sugar, cement, etc.) and volatilities of commodity-based industries (chemical and petrochemical industries, petroleum products, basic metals and metal products) are affected by the latter. Second idiosyncratic volatilities of each industry increase during this period, and evidence of clustering behavior emerges. Third, the volatility of banking industry’s stock return is influenced by both of latent factors and its idiosyncratic volatility lies in the middle of industries. This finding is logical and predictable because banks lend to a wide range of different industries, so idiosyncratic volatility of this sector and factors loading will be the weighted average of other industries. Fourth, the highest degree of pairwise correlation is observed between the 4 commodity-based industries, which have had an upward trend during this period. JEL Classification: C11, C32, C58, G17 | ||
کلیدواژهها [English] | ||
Bayesian Approach, Space-State Model, Heteroskedasticity, Factor Stochastic Volatility, Dynamic Correlation | ||
مراجع | ||
ابونوری، اسمعیل، نوفرستی، محمد و تور، منصور (1399). بررسی اثرات نامتقارن تلاطم در بازار سهام ایران و امارات. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 43، 75-57. ابونوری، اسمعیل و مؤتمنی، مانی (1386). تجزیه و تحلیل بازخورد نوسانات در بازار سهام تهران. پژوهشنامه اقتصادی، دوره 7، شماره 27، 261-247. ابونوری، اسمعیل و موتمنی، مانی (1386). بررسی همزمان اثر اهرمی و بازخورد نوسانات در بازار سهام تهران. مجله تحقیقات اقتصادی، شماره 76، صص 117-101. اربابی، فرزین (1397). پیشبینی تلاطم بازدهی سکه طلا در بازار داراییهای مالی (رهیافت ANN-GARCH). فصلنامه اقتصاد مالی، سال دوازدهم، شماره 43، 192-179. بتشکن، محمدهاشم و محسنی، حسین (1397). بررسی سرریز نوسانات قیمت نفت بر بازدهی بازار سهام. دانش سرمایهگذاری، سال هفتم، شماره 25، 284-267. توکلیان، حسین، اعتمادی، سیدامیر و تهرانی، رضا (1395). بررسی سرریز تلاطم بازده شاخص قیمت نفت برنت بر بازده شاخصهای کل و صنایع مرتبط با قیمت نفت در بازارهای مالی ایران و آمریکا با استفاده از مدل MGARCH. پژوهشنامه اقتصاد انرژی ایران، سال ششم، شماره 21، 61-33. تیموری، بشری، اماموردی، قدرتاله، اسماعیلنیا کتابی، علیاصغر، نصابیان، شهریار (1399). بررسی سرایت شوکهای غیرمنتظره در بازارهای مالی ایران با رویکرد DFGM. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 43، 56-30. جهانگیری، خلیل و حکمتی فرید، صمد (1393). مطالعه آثار سرریز تلاطم بازارهای سهام، طلا، نفت و ارز. پژوهشنامه اقتصادی، سال پانزدهم، شماره 55، 192-159. حسینیون، نیلوفر سادات، بهنامه، مهدی و ابراهیمی سالاری، تقی (1395). بررسی انتقال تلاطم نرخ بازده بین بازارهای سهام، طلا و ارز در ایران. پژوهشهای اقتصادی ایران، سال بیست و یکم، شماره 66، 150-123. حسینی نسب، سیدابراهیم، خضری، محسن و رسولی، احمد (1390). تعیین اثرات نوسانات قیمت نفت بر روی بازده سهام بورس اوراق بهادار تهران: آنالیز موجک و راهگزینی مارکف. فصلنامه مطالعات اقتصاد انرژی، سال هشتم، شماره 29، 60-31. حیدری، حسن، سنگینآبادی، بهرام، الماسی، سامان و نصیرزاده، فرزانه (1391). تأثیر نوسانات پیشبینی شده و پیشبینی نشده بازده سهام صنعت خودرو بر بازده آن در بازار بورس اوراق بهادار تهران. دو فصلنامه اقتصاد پولی-مالی، سال نوزدهم، شماره 4، 190-163. خدایاری، محمدعظیم، یعقوبنژاد، احمد و خلیلی عراقی، مریم (1399). مقایسه برآورد تلاطم بازارهای مالی با استفاده از مدل رگرسیون و مدل شبکه عصبی. فصلنامه اقتصاد مالی، سال چهاردهم، شماره 52، 240-223. راستینفر، علی و همتفر، محمود (1399). مدلسازی و پیشبینی نوسانات بازار سهام با استفاده از ترکیب شبکههای عصبی و الگوهای واریانس شرطی. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 43، 473-451. راسخی، سعید و خانعلیپور، امیر (1388). تحلیل تجربی نوسانات و کارایی اطلاعاتی بازار سهام (مطالعه موردی: بورس اوراق بهادار تهران). پژوهشهای اقتصادی ایران، سال سیزدهم، شماره 40، 57-29. رضازاده، روحاله و فلاح، میرفیض (1399). بررسی سرریز نوسانات شاخص استرس مالی بر تورم، نرخ بهره، نقدینگی و شاخص صنعت با تأکید بر مدلهای GARCH-BEKK، VAR و علیت گرانجر. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 42، 301-272. رعنایی کردشولی، حبیباله، عباسی، عباس و پشوتنیزاده، هومن (1396). شبیهسازی الگوی تأثیرات نوسانات داراییهای رقیب سهام بر شاخص کل بورس اوراق بهادار تهران و قیمت مسکن با رویکرد پویاییشناسی سیستمی. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 33، 50-25. زاهدی تهرانی، پریوش (1391). تبیین راهبرد سرایت نوسانات بازارهای سرمایه بینالمللی بر بورس اوراق بهادار تهران. مطالعات مدیریت راهبردی، شماره 11، 65-43. سفیدبخت، الهه و رنجبر، محمدحسین (1396). سرریز نوسانات بین قیمت نفت، نرخ ارز، قیمت طلا و بازار سهام تحت فواصل زمانی و شکست ساختاری: استفاده از مدل گارچ (BEKK) و الگوریتم ICSS. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 33، 87-51. سیدحسینی، سیدمحمد، ابراهیمی، سیدبابک و باباخانی، مسعود (1393). مدل سرایت تلاطم همبستگی شرطی ثابت با حافظه بلندمدت شواهدی از بازار سهام تهران و دبی. دانش سرمایهگذاری، سال سوم، شماره 11، 45-25. سید حسینی، سید محمد و ابراهیمی، سید بابک (1392). بررسی سرایت تلاطم بین بازارهای سهام؛ مطالعه موردی بازار سهام ایران، ترکیه و امارات. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، سال ششم، شماره 19، 97-81. شیرازیان، زهرا، نیکومرام، هاشم، رهنمای رودپشتی، فریدون و ترابی، تقی (1397). خوشهبندی نوسانات در بازارهای مالی با مدل شبیهسازی عامل بنیان. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 36، 224-201. علمی، زهرا، ابونوری، اسمعیل، راسخی، سعید، شهرازی، محمدمهدی (1393). اثر شکستهای ساختاری در نوسانات بر انتقال تکانه و سرریز نوسان میان بازارهای طلا و سهام ایران. فصلنامه مدلسازی اقتصادی، سال هشتم، شماره 2، 73-57. کاشانیتبار، شهرزاد، رهنمای رودپشتی، فریدون، فلاح، میرفیض، چیرانی، ابراهیم و زمردیان، علیرضا (1399). بررسی تأثیر سرریز نوسانات در بازارهای مالی و ویژگیهای بازاری در پیشبینی ترکیدن حباب قیمت در بورس با رویکرد تلاطم شرطی. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 44، 350-328. کریمی، مجتبی، صراف، فاطمه، اماموردی، قدرتاله و باغانی، علی (1398). همبستگی شرطی پویای نوسانات قیمت نفت و بازار سهام کشورهای حوزه خلیجفارس با تأکید بر سرایت بحران مالی. فصلنامه اقتصاد مالی، سال سیزدهم، شماره 49، 130-101. کشاورز حداد، غلامرضا و مفتخر دریائی نژاد، کبری (1397). تأثیر سرایت بازده و تلاطم در برآورد ارزش در معرض ریسک سبد دارایی، متشکل از طلا، ارز و سهام. تحقیقات اقتصادی، دوره 53، شماره 1، 152-117. کشاورز حداد، غلامرضا و محمدی، الهام (1395). آیا در تلاطمهای شدید بازار سهام تهران، متنوعسازی ریسک را کاهش میدهد؟. تحقیقات اقتصادی، دوره 51، شماره 2، 515-493. کشاورز حداد، غلامرضا، ابراهیمی، سیدبابک و جعفر عبدی، اکبر (1390). بررسی سرایت تلاطم میان بازدهی سهام صنعت سیمان و صنایع مرتبط با آن در ایران. پژوهشهای اقتصادی ایران، سال شانزدهم، شماره 47، 162-129. کشاورز حداد، غلامرضا و حیدری، هادی (1390). بررسی تأثیر اخبار سیاسی بر تلاطم بازار سهام ایران (مقایسه مدلهای FAGARCH و MSM). تحقیقات اقتصادی، دوره 46، شماره 1، 135-111. کشاورز حداد، غلامرضا و اسمعیلزاده، موسی (1389). مدلسازی سری زمانی برای پیشبینی تلاطم در بازدهی سهام شرکت سیمان. تحقیقات اقتصادی، شماره 91، 255-219. کشاورز حداد، غلامرضا و صمدی، باقر (1388). برآورد و پیشبینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روشها در تخمین ارزش در معرض خطر: کاربردی از مدلهای خانواده FIGARCH. تحقیقات اقتصادی، شماره 86، 235-193. فتاحی، شهرام، خانزادی، آزاده و نفیسی مقدم، مریم (1395). پیشبینی تلاطم بازده سهام در بورس اوراق بهادار تهران با استفاده از روش شبیهسازی MCMC و الگوریتم متروپلیس هستینگ. دانش مالی تحلیل اوراق بهادار، سال نهم، شماره 32، 94-79. فلاحی، فیروز، حقیقت، جعفر، صنوبر، ناصر و جهانگیری، خلیل (1393). بررسی همبستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده از مدل DCC-GARCH. پژوهشنامه اقتصادی، سال چهاردهم، شماره 52، 147-123. قاضی فینی، سیدرضا و پناهیان، حسین (1398). پیشبینی و مدلسازی تلاطم بازدهی سهام در بورس اوراق بهادار تهران با استفاده از مدلهای GARCH. تحقیقات حسابداری و حسابرسی، شماره 43، 70-55. مقدس بیات، مریم، شیرین بخش، شمس اله و محمدی، تیمور (1397). تحلیل نوسانات بورس اوراق بهادار تهران با استفاده از مدل MSBVAR-DCC. فصلنامه چشمانداز مدیریت مالی، سال هشتم، شماره 22، 112-97. مملیپور، سیاب و فعلی، عاطفه (1395). بررسی سرریز تلاطم قیمت نفت بر بازدهی صنایع منتخب در بورس اوراق بهادار تهران: رویکرد تغییر رژیم مارکوف و تجزیه واریانس. پژوهشهای اقتصاد پولی، مالی، سال 24، شماره 14، 234-206. نادمی، یونس، ابونوری، اسمعیل و علمی، زهرا (1394). ارائه یک الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهام تهران: رویکرد مارکوف سوئیچینگ گارچ. دانش مالی تحلیل اوراق بهادار، سال هشتم، شماره 28، 40-27. نبوی چاشمی، سیدعلی و مختارینژاد، ماریه (1395). مقایسه مدلهای حرکت براونی و براونی کسری و گارچ در برآورد نوسانات بازده سهام. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 29، 44-25. نظیفی نایینی، مینو، فتاحی، شهرام، صمدی، سعید (1391). مدلسازی و پیشبینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف. فصلنامه تحقیقات مدلسازی اقتصادی، شماره 9، 141-117. Aguilar. O., & West, M. (2000). Bayesian Dynamic Factor Models and Portfolio Allocation. Journal of Business and Economic Statistics, 18(3), 338–357. Bollerslev, T. (1986). Generalized Autoregressive Conditional Hetroskedasticity. Journal of Econometrics, 31(3), 307-327. Chib, S., Nardari, F., & Shephard, N. (2006). Analysis of High Dimensional Multivariate StochasticVolatility Models. Journal of Econometrics, 134(2), 341–371. Delatola, E.I., & Griffin, J.E. (2011). Bayesian Nonparametric Modeling of the Return Distribution with Stochastic Volatility. Bayesian Analysis, 6, 901–926. Engle, R. F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987–1007. Esposti, R. (2021). On the Long-Term Common Movement of Resource and Commodity Price, A Methodological Proposal. Resource Policy, Vol. 72, August 2021, 102010. Han, Y. (2006). Asset Allocation with a High Dimensional Latent Factor Stochastic VolatilityModel. Review of Financial Studies, 19(1), 237–271. Harvey, A. C., Ruiz E., & Shephard, N. (1994). Multivariate Stochastic Variance Models. The Review of Economic Studies, 61 (2), 247–264. Hosszenjni, D., & Kastner, G. (2021). Modeling Univariate and Multivariate Stochastic Volatility in R with stochvol and factorstochvol. Retrieved from https://cran.r-project.org/web/packages/factorstochvol/vignettes/paper.pdf. Ishihara, T., & Omori, Y. (2017). Portfolio Optimization Using Dynamic Factor and Stochastic Volatility: Evidence on Fat-Tailed Error and Leverage, Japanese Economic Review, 68 (1), 63-94. Jacquier, E., Polson, N.G., & Rossi, P.E. (2004). Bayesian Analysis of Stochastic Volatility Models with Fat-Tails and Correlated Errors. Journal of Econometrics, 122(1), 185–212. Jensen, M.J., & Maheu, J.M. (2010). Bayesian Semiparametric Stochastic Volatility Modeling. Journal of Econometrics, 157(2), 306–316. Jensen, M.J., & Maheu, J.M. (2014). Estimating a Semiparametric Asymmetric Stochastic Volatility Model with a Dirichlet Process Mixture. Journal of Econometrics, 178(3), 523–538. Kastner, G. (2016). Dealing with Stochastic Volatility in Time Series Using the R Package Stochvol. Journal of Statistical Software, 69 (5), 1-30. Kastner, G., Fruhwirth-Schnatter, S., & Lopes, H. F. (2017). Efficient Bayesian Inference for Multivariate Factor Stochastic Volatility Model. Journal of Computational and Graphical Statistics, 26 (4), 905-917. Kastner, G., & Huber, F. (2020). Sparse Bayesian Vector Autoregressions in Huge Dimensions. Journal of Forecasting, 39 (7), 1142-1165. Liu, W., & Yu, Y. (2019). Comparison of Price Fluctuation Among Domestic and Oversea Oil Shipping Stocks Based on DC-MSV Model. Tongi Daxue Xubao, 47 (10), 1528-1532. Lopes, H.F., & Carvalho, C.M. (2007). Factor Stochastic Volatility with Time Varying Loadings and Markov Switching Regimes. Journal of Statistical Planning and Inference, 137 (10), 3082-3091. Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. Nakajima, J. & West, M. (2013). Dynamic Factor Volatility Modeling: A Bayesian Latent Threshold Approach. Journal of Financial Econometrics, 11(1), 116-153. Nakajima, J., & Omori, Y. (2012). Stochastic Volatility Model with Leverage and Asymmetrically Heavy-Tailed Error Using GH Skew Student’s t Distribution. Computational Statistics & Data Analysis, 56(11), 3690–3704. Nakajima, J., & Omori, Y. (2009). Leverage, Heavy-Tails and Correlated Jumps in Stochastic Volatility Models. Computational Statistics and Data Analysis, 53(6), 2335–2353. Omori, Y., Chib, S., Shephard, N., & Nakajima, J. (2007). Stochastic Volatility with Leverage: Fast and Efficient Likelihood Inference. Journal of Econometrics, 140(2), 425–449. Philipov, A., & Glickman, M. E. (2006). Factor Multivariate Stochastic Volatility via Wishart Processes. Econometric Review, 25(2-3), 311-334. Poon, S. H., & Granger, W. J. (2003). Forecasting Volatility in Financial Markets: A Review. Journal of Economic Literature, 41 (2), 478-539. Shi, Y., Tiwari, A.K., Gozgor, G., & Lu, Z. (2020). Correlations among Cryptocurrencies: Evidence from Multivariate Factor Stochastic Volatility Model. Research in International Business and Finance, Vol. 53, October 2020, 101231. Shiller, R. J. (1981). Do Stock Prices Move Too Much to Be Justified by Subsequent Changes in Dividends? American Economic Review, 71 (3), 421-436. Silva, R.S., Lopes, H.F., & Migon, H.S. (2006). The Extended Generalized Inverse Gaussian Distribution for Log-Linear and Stochastic Volatility Models. Brazilian Journal of Probability and Statistics, 20(1), 67–91. Tsay R. S. (2002). Analysis of Financial Time Series, John Wiley & Sons. Yamauchi, Y., & Omori, Y. (2020). Multivariate Stochastic Volatility Model with Realized Volatilities and Pairwise Realized Correlations. Journal of Business and Economic Statistics, 38 (4), 839-855. Zaharieva, M.D., Trade, M., & Wilfling, B. (2020). Bayesian Semiparametric Multivariate Stochastic Volatility with Application. Econometric Review, 39 (9), 947-970. Zhang, J., & Zhuang, Y.M. (2021). Cross-Market Infection Research on Stock Herding Behavior Based on DGC-MSV Models and Bayesian Network. Complexity, Retrieved from https://www.hindawi.com/journals/complexity/2021/6645151/. Zhang, J., & Zhuang, Y.M. (2017). Volatility Spillover among USA and Major East Asian Stock Indices Based on Multivariate Stochastic Volatility with Regime-Switching Model. International Conference on Control, Automation and Systems, South Korea, 18-21 October 2017. Zhou, X., Nakajima, J., & West, M. (2014). Bayesian Forecasting and Portfolio Decisions Using Dynamic Dependent Sparse Factor Models. International Journal of Forecasting, 30(4), 963–980. | ||
آمار تعداد مشاهده مقاله: 960 تعداد دریافت فایل اصل مقاله: 604 |