بررسی رابطه همبستگی شرطی بین بازارهای مالی ایران با تأکید بر اثر حافظه بلندمدت و عدم تقارن
الموضوعات :شهرام فتاحی 1 , مرتضی سحاب خدا مرادی 2 , میثاق ایوتوند 3
1 - دانشیار گروه اقتصاد، دانشگاه رازی کرمانشاه، کرمانشاه، ایران
2 - استادیار گروه اقتصاد، دانشگاه رازی کرمانشاه، کرمانشاه، ایران
3 - کارشناس ارشد رشته اقتصاد، دانشگاه رازی کرمانشاه، کرمانشاه، ایران
الکلمات المفتاحية: بازارهای ارز, سکه و سهام, همبستگی شرطی ثابت, همبستگی شرطی پویا. طبقه بندی JEL :G11, C32, D53,
ملخص المقالة :
ارزیابی همبستگی بین دارایی‌های مالی از جمله موضوعات اساسی در تحلیل‌های سرمایه‌گذاری و مدیریت ریسک می‌باشد. سرمایه‌گذارانی که به منظور اجتناب از ریسک سعی می‌کنند سبد دارایی‌های خود را متنوع کنند به ارتباطات بین بازارها توجه ویژه‌ای دارند. در سال‌های اخیر وجود حافظه‌ی بلندمدت در بازارهای مالی ایران بخش مهمی از تجزیه و تحلیل‌های سری زمانی را به خود اختصاص داده است. شواهد تجربی نشان دهنده این است که شوک‌های منفی و مثبت اثر یکسانی بر روی نوسانات سری‌های زمانی متغیرهای مالی ندارند. در این پژوهش رابطه‌ی همبستگی شرطی ثابت و پویا بین بازارهای ارز، سکه و سهام با تأکید بر اثر حافظه‌ی بلندمدت و عدم تقارن تاثیرگذاری آنها بررسی شود. برای این منظور از داده‌های روزانه‌ی ارز، سکه و شاخص‌های سهام صنعت و 50 شرکت فعال در فاصله‌ی زمانی 23/9/87 تا 30/3/95 استفاده شده است. نتایج مربوط به بررسی رابطه‌ی همبستگی شرطی بر اساس مدل‌های ,GJRGARCHAPARCH، HYGARCH، FIGARCH، FIEGARCHو FIAPARCH بیانگر وجود رابطه‌ی همبستگی شرطی مثبت و معنادار بین شاخص‌های سهام صنعت و 50 شرکت و وجود رابطه‌ی همبستگی شرطی مثبت و معنادار بین متغیرهای ارز و سکه در دوره‌ی زمانی مورد مطالعه است. Evaluation of the correlation among assets is one of the basic topics in investment analysis and risk management and investors who make their asset portfolio diverse, avoiding the risk pay special attention to relation among the markets. In recent years, the existence of long-term memory in the financial markets of Iran has become an important part of time series analyses. In addition, empirical evidence and studies have shown that usually negative and positive shocks have no the same effect on the volatilities of financial time series. Therefore, given the importance of this topic, the conditional correlation relationship among markets including foreign exchange, stock exchange and gold coins, the stock and coins is examined with emphasis on the effects of long-term memory and the lack of asymmetry. For this purpose, the daily data of foreign exchange, gold coins and the stock industry indices and 50 companies in the time interval of 2008/12/02 to 2016/7/18 was used. The results of models, GJRGARCH APARCH ، HYGARCH، FIGARCH، FIEGARCH and FIAPARCH indicated\ a significant positive conditional correlation among industry stock indices and 50 companies and significant positive conditional correlation among variables of currency and coins for the period studied.
فهرست منابع
1) امیری، شادی، همایونی فر، مسعود، کریم زاده، مصطفی، فلاحی، محمدعلی (1394). بررسی همبستگی پویا بین دارایی های عمده در ایران با استفاده از روشDCC- GARCH ، فصلنامه پژوهشهای اقتصادی (رشد وتوسعه پایدار)، سال پانزدهم، شماره دوم، صفحات 201- 183.
2) شایان زینیوند، عبداله، کاردگر، راضیه و کاظمی، ابوطالب (1394). بررسی اثرات عدم تقارن و حافظه‌ی متغیرهای نرخ ارز و بازده قیمت سهام در ایران، فصلنامه اقتصاد مقداری، دوره‌ی 12، شماره‌ی 2، تابستان 1394، صفحات 55-23.
3) شعرایی، سعید و ثنایی اعلم، محسن (1389). بررسی وجود حافظه‌ی بلندمدت در بورس اوراق بهادار تهران و ارزیابی مدل‌هایی که حافظه‌ی بلندمدت را در نظر می‌گیرند، مجله پژوهشهای حسابداری مالی، سال دوم، شماره چهارم، صفحات 173- 186.
4) عرفانی، علیرضا (1387). بررسی حافظه‌ی بلندمدت بودن شاخص کل قیمت بورس اوراق بهادار تهران، پژوهشنامه‌ی علوم انسانی و اجتماعی، سال هشتم، شماره‌ی بیست و هشتم، بهار 87..
5) فلاحی، فیروز، حقیقت، جعفر، صنوبر، ناصر، جهانگیری، خلیل (1393). بررسی همبستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده ازمدلDCC-GARCH، فصلنامه پژوهشنامه اقتصادی، سال چهاردهم، شماره 52، صفحات 147- 123.
6) کشاورز حداد، غلامرضا، صمدی، باقر (1388). برآورد و پیش‌‌بینی تلاطم بازدهی در بازار سهام تهران و مقایسه‌ی دقت روش‌ها در تخمین ارزش در معرض خطر: کاربردی از مدل‌های خانواده FIGARCH، تحقیقات اقتصادی دانشگاه تهران، دوره‌ی 86..
7) محمدی، شاپور، چیت سازان، هستی (1390). بررسی حافظه‌ی بلندمدت بورس اوراق بهادار تهران، مجله‌ی تحقیقات اقتصادی، شماره 97، زمستان 90، صفحات 226-207.
8) نیکومرام، هاشم، سعیدی، علی، عنبرستانی، مرجان (1390). بررسی حافظه‌ی بلندمدت در بورس اوراق بهادار تهران، فصلنامه مهندسی مالی و مدیریت اوراق بهادار تهران، شماره نهم.
9) Akar,C, (2011),DynamicRelationshipsbetweenthe StockExchange, Gold, and Foreign Exchange Returnsin Turkey;MiddleEasternFinanceand Economics,Issue 12.
10) Abed, R., Mghaieth, Z.,& Maktouf, S. (2016), Empirical analysis of asymmetries and long memory among international stock market returns: A Multivariate FIAPARCH-DCC approach,
11) Journal of Statistical and Econometric Methods, vol.5, no.1, 2016, 1-28.
12) Barkoulas, J. T., & Baum, C. F. (1996). Long Term Dependence in Stock Returns Economics Letters , PP: 253-259.
13) Bollerslev, T. and Mikkelsen H. (1996), Modeling and Pricing Long Memory in Stock Market Volatility, journal of Econometrics, No. 73, pp. 151-184.
14) Bollerslev, T (1990), Modeling the Coherence in Short-run Nominal Exchange Rates: a Multivariate Generalized ARCH Model, Review of Economics and Statistics, 72.
15) Christodoulakis, G.A., & Satchell S.E. (2002), Correlated ARCH: Modelling the Time-varying Correlation between Financial Asset Returns, European Journal of Operations Research, 139.
16) Crato, N., & deLima, P. J. (1994). Long-range dependence in theconditional variance of stock returns. Economics Letters , 281-285
17) Davidson, J. 2004, Moment and memory propertice of linear Conditional Heterosckedasticity Models, and a New Model, J. Bus. Ecom. Stat, 22, 16-29.
18) Ding. Z. C. W. J. Granger. And R. F. Engle. 1993. A long memory property of stock market returns and a new model. Journal of Empirical Finance 1.83-106.
19) Engle, R.F, & Sheppard ,K. (2001), Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH. Mimeo, UCSD.
20) Engle, R.F (2002), Dynamic Conditional Correlation-a Simple Class
21) of Multivariate GARCH Models, Journal of Business and Economic Statistics, 20.
22) Greene, M., & Fielitz, B. (1977). Long term dependence in common stock returns.Journal of Financial Economics, 339- 349.
23) Karanasos,M., Yfanti,S., & Karoglou,M., (2016). Multivariate FIAPARCH modelling of financial markets with dynamic correlations in times of crisis, International Review of Financial Analysis 45 (2016) 332-349.
24) Longin, F., & Solnik, B.(1995). Is the correlation in international equity returns constant: 1960–1990?, (14)1, 3-26.
25) Mensi,W., Hammoudeh,S., & Hoon Kang,S.,(2016). Risk spillovers and portfolio management between developed and BRICS stock markets, Finance Research Letters 0 0 0 (2016) 1–8.
26) Mghaieth.,A.,(2017). Volatility spillover and hedging strategies between Islamicand conventional stocks in the presence of asymmetry andlong memory, Research in International Business and Finance 39 (2017) 595–611.
27) Mandelbrot, B. B. (1971). When can price be arbitraged efficiently? A limit to the validity of the random walk.
28) Nelson, D. B. (1991), ‘Conditional heteroskedasticity in asset returns: A new approach’, Econometrica 59, 347—370.
29) Tse, Y. (1998), The Conditional Heteroscedasticity of the Yen-dollar Exchange Rate, Journal of Applied Econometrics, No. 193, pp. 49-55.
30) Tse, Y.K (2000), A Test for Constant Correlations in a Multivariate GARCH Model, Journal of Econometrics, 98.
31) Tse, Y.K, and Tsui, A.K.C. (2002), A Multivariate GARCH Model with Time-varying Correlations, Journal of Business and Economic Statisticss, 20.
32) Vilasuso, J. (2002). Forecasting exchange rate volatility .Economics LWright, J. H. (1999).Long Memory in Emerging Market Stock Returns.FRBetters, 59-64.
33) Verbeek, M.(2005), A Guide To Modern econometrics, Erasmus University Rotterdam, England, second edition, P300.
34) Wright, J. H. (1999). Long Memory in Emerging Market Stock Returns.FRB International Finance Discussion Paper No. 650.
یادداشت‌ها
