The Effects of Money Market on Gold Market with a Systemic Dynamics Approach

Subject Areas : Labor and Demographic Economics

fatemeh khani ¹ , Ahmad Jafari Samimi ² , amirmansor tehranchian ³ , mohammdali ehsani ⁴

1 - PhD student in Monetary Economics, Faculty of Economics and Administrative Sciences; University of Mazandaran, Babolsar, Iran
2 - .Professor, Faculty of Economics and Administrative Sciences, Mazandaran University, Babolsar, Iran
3 - Professor, Faculty of Economics and Administrative Sciences, Mazandaran University, Babolsar, Iran
4 - Associate Professor, Faculty of Economics and Administrative Sciences, Mazandaran University, Babolsar, Iran

Received: 2021-03-25 Accepted : 2021-07-01 Published : 2021-08-23

Keywords: C53, System Dynamics, Forecast, JEL Classification: .E17, J3 Keywords: Gold price, Bank interest rate, Liquidity volume,

Abstract :

Abstract The purpose of this paper is to apply the system dynamics approach to forecasting the price of gold in Iran, identify the factors affecting the price of gold and simulate the trend of the impact of monetary policy on the price of gold in the period 1405-2010. The simulation is performed with Wenzim software. In different scenarios, the present paper simulates the change in liquidity volume, consumer price index and bank interest rates on the gold market. The results show that the price of gold is not only affected by the global ounce price and the value of the dollar, but also the control of liquidity and curbing inflation will play a significant role in stabilizing the gold market. The results confirm that the volume of liquidity and the consumer price index have a direct impact and a significant role in increasing the price of gold. The findings also show that changes in bank interest rates have no effect on changes in gold prices.

References:

منابع

• استرمن، جان (1387). پویاشناسی سیستم (ترجمه: ­شهرام میرزایی­دریانی و همکاران. انتشارات ترمه: تهران.


• بانک مرکزی جمهوری اسلامی ایران، گزارش اقتصادی و ترازنامه سال 1396.


• حدادی، محمد رضا، نادمی، یونس، فرهادی، حامد (1399). پیش‌بینی روند حرکت قیمت جهانی طلا با رویکرد مدل‌سازی توزیع‌های حاشیه‌ای: کاربردی از مدل­های گارچ کاپولای گوسی­و­تی. مهندسی مالی و مدیریت اوراق بهادار، 11 (42): 88-67.


• رئیس‌پور، علی، اثنی­عشر، هاجر، مهرابی ­بشرآبادی، حسین (1394). بررسی تاثیر تکانه‌های پولی بر قیمت سکه طلا در ایران. برنامه‌ریزی و بودجه، 20 (2): 116-103.


• صباحی، احمد، جعفرزاده نجار، مرتضی (1395). عوامل موثر برقیمت طلا در ایران. پژوهش­های اقتصاد پولی و مالی، 23 (11): 99-83.


• صمدی، سعید، شیرانی فخر، زهره، داورزاده، مهتاب (1386). بررسی میزان اثرپذیری شاخص قیمت سهام بورس اوراق بهادار تهران از قیمت جهانی نفت و طلا. بررسی‌های اقتصادی، 4 (2): 51-25.


• کاظم‌زاده، عماد، ابراهیمی سالاری، تقی، بهنامه، مهدی (1398). پیش­بینی نرخ رشد قیمت سکه طلا در ایران با استفاده ازالگوی رگرسیون داده­ها با تواتر متفاوت (میداس). اقتصاد کاربردی، 9 (28): 53-43.


• محمدی، علی، پشوتنی‌زاده، هومن (1396). برنامه‌ریزی سناریو اثر تغییرات نرخ ارز و قیمت طلای جهانی بر بازار مالی ایران با استفاده از رویکرد پویایی‌شناسی سیستمی. چشم‌انداز مدیریت مالی، 7 (3):50-27.


• مصلح شیرازی، علی نقی، موسوی­ حقیقی، محمدهاشم، پشتونی‌زاده، هومن (1395). شبیه‌سازی الگوی تغییرات نرخ ارز و قیمت طلا بر عملکرد بورس اوراق بهادار تهران با رویکرد پویایی‌شناسی سیستمی. دانش سرمایه گذاری، 7 (25): 38-17.


• مشایخی، علینقی (1396). پویایی‌شناسی سیستم‌ها. انتشارات آریانا قلم، تهران.


• موتمنی، مانی، زروکی، شهریار، ضامنی، کوثر (1398). بررسی امکان پوشش تورم با سکه طلا در ایران. اقتصاد مقداری، 16 (2): 143-125.


• Chen, C.H., & Liu, W.L., & Liaw, S.L., & Yu, C.H. (2005). Development of a dynamic strategy planning theory and system for sustainable river basin land use management . Journal Science of the Total Environment, 346(1-3): 17-37.


• Esterman, J. (2000). Systems thinking and modeling for a complex world, First Edition, Jeffrey J. Shelstad McGraw-Hill Companies.


• Hatamlou, A., & Deljavan, M. (2019). Forecasting gold price using data mining techniques by considering new factors. Journal of AI and Data Minin, 7) 3:( 411-420.


• Sarfaraz, L., & Afsar, A. (2010). The analysis of effective factors on gold price and aforecasting model using fuzzy neural network. Journal of Economic Research, 5(16), 149-165 (in persion).


• Nuhodlu, H. (2007). System Dynamics Approach in Science and Technology Education. Journal of Turkish Science Education, 4(2): 91-108.


• Pfahl, D.,& Lebsenfk, K. (1999). Integration of System Dynamics Modeling with Descriptive Process Modeling and Goal-Oriented Measurement. Journal of Systems and Software, 46(2):135-150.


• Tharmmaphornphilas, W., & Lohasiriwat, H ., & Vannasetta, P. (2012). Gold Price Modeling Using System Dynamics. Journal of Engineering, 16(5),57-68.


• Yuan, F., & Lee, C., & Chiu, C. (2020). Using Market Sentiment Analysis and Genetic Algorithm-Based Least Squares Support Vector Regression to Predict Gold Prices. International Journal of Computational Intelligence Systems,13(1), 234 – 246.