اثر شوک عوامل مؤثر بر بحران‌های مالی در اقتصاد ایران: رویکرد خودرگرسیونی برداری پارامتر متغیر- زمان

الموضوعات :

عذرا بیانی ¹ (گروه اقتصاد، دانشگاه علامه طباطبایی)
تیمور محمدی ² (گروه اقتصاد دانشگاه علامه طباطبایی)
جاوید بهرامی ³ (گروه اقتصاد، دانشکده اقتصاد دانشگاه عبلمه طباطبایی، تهران، ایران)
حسین توکلیان ⁴ (استادیار اقتصاد بازرگانی دانشکده اقتصاد دانشگاه علامه طباطبائی)

تاريخ الإرسال : 23 الأحد , محرم, 1441 تاريخ التأكيد : 23 الأحد , محرم, 1441 تاريخ الإصدار : 22 الجمعة , ذو الحجة, 1440

الکلمات المفتاحية: بحران مالی, طبقه‌بندی JEL: .F33, E58, G28, G01 واژگان کلیدی: خودرگرسیونی برداری پارامتر متغیر-زمان, مدل میانگین‌گیری بیزی,

ملخص المقالة :

هدف این پژوهش بررسی اثر شوک‌های عوامل مؤثر بر بحران‌های مالی در اقتصاد ایران است. در این پژوهش 62 متغیر توضیحی در بازه زمانی 1370:1 تا 1395:4 وارد مدل گردیده و در نهایت با استفاده از رویکرد مدل میانگین‌گیری بیزی 12 متغیر غیرشکننده مؤثر بر بحران مالی شناسایی شدند. بر اساس نتایج، شاخص بحران مالی در اقتصاد ایران معضلی چندبعدی است؛ زیرا متغیرهای مرتبط با سیاست مالی، سیاست پولی و سیاست ارزی بر این شاخص اثرگذارند. بر اساس نتایج مدل خودرگرسیونی برداری، پارامتر متغیر- زمان نیز مشاهده گردید. نحوه اثرگذاری متغیرهای منتخب بر بحران‌های مالی ایران در طی زمان، اثرات متفاوتی داشته و در سال‌های اخیر شدت اثرگذاری متغیرهای منتخب تقویت شده است. یکی از راهکارهای اساسی این است که سیاست‌هایی که موجبات کاهش در نااطمینانی تورم، مانند انضباط مالی و پولی دولت و بانک مرکزی، کاهش انتظارات بحران از طریق ایجاد ثبات در بازار پول و ارز می‌‌تواند موجبات کاهش نااطمینانی در بحران را ایجاد نماید.

المصادر:

منابع

-    ابراهیمی، ایلناز، توکلیان، حسین (1391). طراحی یک سامانه هشداردهی زودهنگام بحران‌های ارزی در ایران با استفاده از رویکرد مارکوف سوئیچینگ. بیست و دومین‌ کنفرانس سیاست‌‌های پولی و ارزی پژوهشکده پولی و بانکی.

-    اکبری، جابر، بختیاری، صادق، سامتی، مرتضی، رنجبر، همایون (1395). بررسی اثر تکانه‌های پولی بر رابطه درآمد ـ مخارج دولت ایران با رویکرد TVP-FAVAR. فصلنامه مدلسازی اقتصادی، 10(36): 73-53.

-     کمیجانی، اکبر، زارعی، ژاله (1391). ارزیابی ثبات مالی در ایران با تأکید بر ثبات بانکی (رویکرد آزمون هشدارهای اولیه). فصلنامه اقتصاد کاربردی، 3 (10): 152-127.

-    صیادنیا طیبی، عزت‌الله، ارشدی، علی، صمدی، سعید، شجری، هوشنگ (1389). تبیین یک سیستم هشداردهنده جهت شناسایی بحران‌های مالی در ایران. فصلنامهپولو اقتصاد، 2(6): 211-169. 

-    قوام، محمد حسین، عبادی، جعفر، محمدی، شاپور (1394). طراحی مدل هیبریدی هشداردهنده پیش از موعد بحران مالی برای اقتصاد ایران. فصلنامه مطالعات اقتصادی کاربردی ایران، 4 (13): 86-35.

-     مشیری، سعید، نادعلی، محمد (1392). شناسایی عوامل مؤثر در بروز بحران بانکی در اقتصاد ایران. فصلنامه پژوهشنامه اقتصادی، 13 (48): 27-1.

-    نصراللهی، محمد، یاوری، کاظم، نجارزاده، رضا، مهرگان، نادر (1395). طراحی یک سیستم هشدار زودهنگام بحران‌های ارزی در ایران: رویکرد رگرسیون لجستیک. مجله تحقیقات اقتصادی، 52(1): 214-187.

-      Abiad, A. (2003). Early warning systems: A survey and a regime switching approach. IMF working paper, wp/03/32.

-      Babecký, J., Havránek, T., Matějů, J., Rusnák, M., Šmídová, K., & Vašíček, B. (2012). Leading indicators of crisis incidence: Evidence from developed countries. Czech National Bank, mimeo.

-      Bai, J., & Perron, P. (2003). Computation and analysis of multiple structural changes models. Journal of Applied Econometrics, 1(18): 1-22.

-      Bernanke, B., Boivi, J., & Eliasz, P.  (2005). Measuring the effects of monetary policy: A factor-augmented vector autoregressive (FAVAR) Approach. Quarterly Journal of Economics, 120(1): 387-422.

-      Bussière, M. (2007). Balance of payment crises in emerging markets– how early were the early warning signals?. European Central Bank Working Paper, No 713.

-      Cerovic, S., Gerling, K., Hodge, A., & Medas, P. (2018).Predictingfiscal crises. IMF Working Paper, WP/18/181.

-      Claessens, S., Kose, M. A., & Terrones, M. (2009). What happens during recessions, crunches and busts?. Economic Policy, 60: 653-700.

-                                                                                .(2012). How do business and financial cycles interact? Journal of International Economics, 87: 178-90.

-      Del Negro, M., & Otrok, C. (2008). Dynamic factor models with time-varying parameters: Measuring changes in international business cycles. University of Missouri Manuscript.

-      Eickmeier, S., Lemke, W., & Marcellino, M. (2011). The changing international transmission of financial shocks: Evidence from a classical time-varying FAVAR. Deutsche Bundesbank, iscussion Paper Series 1: Economic Studies, No 05/2011.

-      Frankel, J. A., & Saravelos, G. (2012). Can leading indicators assess country vulnerability? Evidence from the 2008–09 global financial Crises. Journal of International Economics, 87(2): 216–231.

-      Hosni, K. (2014). Early warning indicators for systemic banking crises. Journal of Business Studies Quarterly, 5(4): 244-222.

-      Korobilis, D. (2013). Assessing the transmission of monetary policy shocks using time-varying parameter dynamic factor models. Oxford Bulletin of Economics and Statistics, 75: 157-179.

-      Kannan, P. (2009). On the welfare benefits of an international currency. European Economic Review, 53(5): 588-606.

-      Mishkin, F. S., & Savastano, Miguel A. (2000). Monetary policy strategies for Latin America. National bureau of economic research. Working Paper, No. 7617.

-      O’ Brien, J. (2003). Wall Street on trial: A corrupted state? Chichester. UK, John Wiley & Sons.

-      Rose, A. K., & Spiegel, M.M. (2011). Cross-country causes and consequences of the 2008 crisis: An update. European Economic Review, 55(3): 309–324.

-      Shiller, R. & Okun, A. M. (2009). How Animal Spirits Destabilize Economies: Textbook Economics Teaches Capitalism Is Essentially Stable and Has Little Need for Government Interference. From www.mckinseyquarterly.com/article_print.

-      Stock, J.m & Watson, M. (2008). Phillips curve inflation forecasts. NBER Working Paper, No. 14322.

-      Yeoh, P. (2010). Causes of the global financial crisis: Learning from the competing insights. International journal of disclosure and governance, 7(1): 142-69.