سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,766
تعداد مشاهده مقاله115,214,007
تعداد دریافت فایل اصل مقاله89,961,562
طاهری ریکنده, عمران, رفیعی, حامد, حسینی, سید صفدر, چیذری, امیرحسین. (1401). بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران. , 53(3), 787-803. doi: 10.22059/ijaedr.2022.334560.669106
عمران طاهری ریکنده; حامد رفیعی; سید صفدر حسینی; امیرحسین چیذری. "بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران". , 53, 3, 1401, 787-803. doi: 10.22059/ijaedr.2022.334560.669106
طاهری ریکنده, عمران, رفیعی, حامد, حسینی, سید صفدر, چیذری, امیرحسین. (1401). 'بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران', , 53(3), pp. 787-803. doi: 10.22059/ijaedr.2022.334560.669106
طاهری ریکنده, عمران, رفیعی, حامد, حسینی, سید صفدر, چیذری, امیرحسین. بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران. , 1401; 53(3): 787-803. doi: 10.22059/ijaedr.2022.334560.669106

بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران

تحقیقات اقتصاد و توسعه کشاورزی ایران
دوره 53، شماره 3، مهر 1401، صفحه 787-803    اصل مقاله (942.53 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijaedr.2022.334560.669106
نویسندگان
عمران طاهری ریکنده1؛ حامد رفیعی* 2؛ سید صفدر حسینی3؛ امیرحسین چیذری2
1دانشجوی دکتری اقتصاد کشاورزی، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران
2استادیار گروه اقتصاد کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران
3استاد گروه اقتصاد کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران
چکیده
فرضیه هم حرکتی بیش از حد در بازارهای کالایی، بیانگر حرکات هم‌زمان قیمت‌ها است که منجر به ایجاد پیامدهای مختلفی در سمت عرضه و تقاضا می‌شود. این پیامدها شامل انحراف منابع از فعالیت‌های بهره‌ور در سمت عرضه و ایجاد فشارهای تورمی گسترده در سمت تقاضا است. در پژوهش حاضر با توجه به اهمیت گوشت‌ها در سبد غذایی خانوارها، هم حرکتی میان بازار انواع گوشت‌ها بررسی شد و میزان تأثیر مهم‌ترین عوامل اثرگذار بر هم حرکتی مورد ارزیابی قرار گرفت. برای این منظور، ابتدا با استفاده از رویکرد ، هم حرکتی متغیر در زمان میان بازار انواع گوشت‌ها برآورد شد. سپس، با به‌کارگیری رویکرد رگرسیون چندکی میزان تأثیر مهم‌ترین عوامل اثرگذار بر هم حرکتی میان بازارها موردبررسی قرار گرفت. نتایج نشان داد که هم حرکتی میان بازارها در طول زمان تغییرات قابل‌توجهی را تجربه کرده و در برخی از دوره‌ها نزولی و در برخی دیگر صعودی بوده است. بیشینه و کمینه همبستگی شرطی پویا میان بازارهای گوشت ماهی و مرغ به ترتیب 58/0 و 08/0-، میان بازارهای گوشت ماهی و قرمز به ترتیب 44/0 و 02/0 و میان بازارهای گوشت مرغ و قرمز به ترتیب 46/0 و 04/0- است. علاوه بر این، مهم‌ترین تعیین‌کننده‌های هم حرکتی میان بازار انواع گوشت‌ها شامل نرخ ارز، هزینه تولید، سیاست پولی، نا اطمینانی اقتصادی و نوسان بازار انرژی می‌باشند. بنابراین توصیه می‌شود که سیاست‌گذاران با لحاظ نقش این عوامل در ایجاد هم حرکتی میان بازارها در تصمیمات خود، از بروز دوره‌هایی باهم حرکتی شدید پیشگیری نمایند.
کلیدواژه‌ها
هم حرکتی؛ همبستگی شرطی پویا؛ Multivariate GARCH؛ رگرسیون چندکی
عنوان مقاله [English]
Investigating the Co-movement of Market of types of meat and The Factors Affecting It in Iran
نویسندگان [English]
Emran Taheri Reykandeh1؛ hamed rafiee2؛ Seyed Safdar Hosseini3؛ Amir Hossein Chizari2
1PhD Student of Agricultural Economics, Department of Agricultural Economics, Faculty of Agriculture, University of Tehran, Karaj, Iran
2Assistant Professor, Department of Agricultural Economics, Faculty of Agriculture, University of Tehran, Karaj, Iran
3Professor, Department of Agricultural Economics, Faculty of Agriculture, University of Tehran, Karaj, Iran
چکیده [English]
The hypothesis of excess co-movement in commodity markets indicates simultaneous price movements, which led to different consequences on the supply and demand side. These consequences include diverting resources from productive activities on the supply side and creating widespread inflationary pressures on the demand side. In the present study, the co-movement of the different types of animal meat was assessed over time. In addition, the other purpose of this study is to determine the impact of the factors affecting co-movement. For this purpose, first, by using the ARMA-DCC-GARCH approach, Co-movement among the meat types market in Iran was estimated. Then, using Quantile regression analysis, the effect of the most critical factors affecting conditional co-movement was estimated. The results showed that the co-movement among the meat types market has experienced significant changes over time and has been decreasing in some periods and increasing in others. The Maximum and minimum value of the dynamic conditional correlations were -0.58 and -0.08 between fish and poultry meat markets, 0.44 and 0.02 between fish and red meat markets, and 0.46 and -0.04 between chicken and red meat markets, respectively.  In addition, the most critical determinants of Co-movement between meat types market include exchange rates, exchange rate volatility, production costs, liquidity, energy market fluctuations, and volatile monetary policymaking. Therefore, it is recommended that policymakers, given the role of these factors in their decisions, prevent the occurrence of periods with high co-movement.
کلیدواژه‌ها [English]
Co-movement, Dynamic Conditional Correlation, Multivariate GARCH, Quantile Regression
مراجع
  1. Alaei Borujeni, P., & Farnam, A., & Abdoli, M., & Hamidpour Zare, S., & Tolouei, Z., & Khosravi, K., & Azami, A., & Varmazyari, H., & Razani, B. (2020). About Leap in production (2) Its requirements in the fields of agriculture, housing, transportation and rural development. Deputy of Infrastructure and Production Affairs Researchs, The Research Center of Islamic legislative Assembly, 17127. (In Farsi)
  2. Amiri, S., & Homayounifar, M., & Karimzadeh, M., & Falahi, M. (2015). Examination Of Dynamic Correlation Between Major Assets in Iran by DCC-GARCH Approach. Journal Of Sustainable Growth and Development (The Economic Research), 15(2), 183-201. (In Farsi)
  3. Azam, A. H. M., Sarmidi, T., Nor, A. H. S. M., & Zainuddin, M. R. K. (2020). Co-Movement among World Vegetable Oil Prices: A Wavelet-Based Analysis. International Journal of Business and Society, 21(3), 1068-1086.
  4. Campa, J. M., & Goldberg, L. S. (2005). Exchange rate pass-through into import prices. The Review of Economics and Statistics, 87(4), 679–690.
  5. Chou, K. W. (2019). Re-examining the time-varying nature and determinants of exchange rate pass-through into import prices. The North American Journal of Economics and Finance, 49, 331-351.
  6. de Nicola, F., De Pace, P., & Hernandez, M. A. (2016). Co-movement of major energy, agricultural, and food commodity price returns: A time-series assessment. Energy Economics, 57, 28-41.
  7. Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350.
  8. Fernandez, V. (2015). Commodity price excess co-movement from a historical perspective: 1900–2010. Energy Economics, 49, 698-710.
  9. Fernández-Avilés, G., Montero, J. M., & Sanchis-Marco, L. (2020). Extreme downside risk co-movement in commodity markets during distress periods: A multidimensional scaling approach. The European Journal of Finance, 26(12), 1207-1237.
  10. Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The journal of finance, 48(5), 1779-1801.
  11. Hodrick, R. J. and Prescott, E.C. (1997). Postwar U.S. Business Cycle: An Empirical Investigation. Journal of Money, Credit and Banking, Vol. 29: 1-16.
  12. Koenker, R., & Bassett Jr, G. (1978). Regression quantiles. Econometrica: journal of the Econometric Society, 33-50.
  13. Koenker, R., & Hallock, K. F. (2001). Quantile regression. Journal of economic perspectives, 15(4), 143-156.
  14. Ma, Y., & Wang, J. (2019). Co-movement between oil, gas, coal, and iron ore prices, the Australian dollar, and the Chinese RMB exchange rates: A copula approach. Resources Policy, 63, 101471.
  15. MORADI, M., & Ahanghari, A., & Arman, S. (2019). Co-movement and causality between Assets Market (housing and financial assets): in Iran Economy: Wavelet analysis. JOURNAL OF APPLIED ECONOMICS STUDIES IN IRAN, 7(28), 163-181. (In Farsi)
  16. Ncube, M., Tessema, D. B., & Gurara, D. Z. (2014). Volatility and Co-movement in Commodity Prices: New Evidence. African Development Bank: Background Paper.
  17. Ogunmola, O. O., Obayelu, A. E., & Akinbode, S. O. (2017). Volatility and co-movement: an analysis of food commodity prices in Nigeria. Agricultura Tropica et Subtropica, 50(3), 129-139.
  18. Ohashi, K., & Okimoto, T. (2016). Increasing trends in the excess comovement of commodity prices. Journal of Commodity Markets, 1(1), 48-64.
  19. Pishabar, E., Pakrooh, P., & Ghahremanzadeh, M. (2017). An Analysis Correlation between Oil Prices, Exchange Rate and Imported Inputs of Poultry Industry in Iran: Using Vine-Copula Approach, Journal of Economics and Agricultural Development, 31(3), 207-215. (In Farsi)
  20. Pishbahar, E., Ferdosi, R., & Assadollahpour, F. (2019). Price Transmission in The Market of Chicken Meat: Autoregressive Switching Markov Models (MSAR). Iranian Journal of Agricutural Economics and Development Research, 50(1), 1-17. (In Farsi)
  21. Song, M., Fang, K., Zhang, J., & Wu, J. (2019). The co-movement between Chinese oil market and other main international oil markets: a DCC-MGARCH approach. Computational Economics, 54(4), 1303-1318.
  22. Tanaka, T., & Guo, J. (2020). How does the self-sufficiency rate affect international price volatility transmissions in the wheat sector? Evidence from wheat-exporting countries. Humanities and Social Sciences Communications, 7(1), 1-13.
  23. Yuan, X., Tang, J., Wong, W. K., & Sriboonchitta, S. (2020). Modeling co-movement among different agricultural commodity markets: A Copula-GARCH approach. Sustainability, 12(1), 393
آمار
تعداد مشاهده مقاله: 250
تعداد دریافت فایل اصل مقاله: 131


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب