تأثیر متغیرهای پولی و حقیقی بر بازدهی بازار سرمایه با استفاده از مدل PLS-TVPVAR

نوع مقاله : علمی - پژوهشی

نویسنده

* استادیار گروه حسابداری، دانشگاه آزاد اسلامی واحد تهران شرق ـ قیام دشت (نویسنده مسئول).

چکیده

 چکیده     یکی از مهم‌ترین وظایف اقتصاد مالی مدل‌سازی و پیش‌بینی نوسانات قیمت دارایی‌های ریسکی است. از نظر تحلیل‌گران و سیاست‌گذاران، نوسان‌پذیری قیمت یک متغیر کلیدی است که به درک نوسانات بازار کمک می‌کند؛ بنابراین تحلیل‌گران نیاز دارند تا پیش‌بینی درستی از نوسان‌پذیری قیمت به عنوان یک ورودی ضروری برای انجام وظایفی چون مدیریت ریسک، تخصیص پرتفوی، ارزیابی ارزش در معرض خطر و قیمت‌گذاری دارایی‌ها را داشته باشند. بر این اساس در تحقیق حاضر با استفاده از ترکیب مدل‌هایTVP-VAR  وPLS  در نرم­افزار متلب و XLSTAT در بازه زمانی 1-1377 تا 6-1392 (ماهیانه) با استفاده از متغیرهای حقیقی (تولیدات صنعتی، سرمایه‌گذاری بخش حقیقی در مسکن، رشد اقتصادی، سهم مخارج دولت به GDPو نرخ رشد صادرات غیر نفتی) و متغیرهای پولی (تورم، عرضه‌ پول، نرخ ارز، درآمدهای نفت و قیمت داخلی طلا) بر بازدهی سهام اوراق بهادار تهران پرداخته شده است. بر اساس مدل PLS این نتیجه حاصل شد که متغیرهای رشد اقتصادی و درآمدهای نفتی نفت بیش از سایر متغیرها بر بازدهی بورس اوراق بهادار تهران تأثیرگذار است. در ادامه متغیرهای رشد اقتصادی و درامدهای نفتی را وارد مدلTVP-VAR  نمودیم. بر اساس نتایج این مدل TVP-VAR رشد اقتصادی در طول دوره در بازه صفر تا 6/0 و رشد درآمدهای نفتی در بازه 3/0-تا 1/0 بر بازدهی سهام اثرگذار بوده‌اند. با توجه به نتایج تأکید بر اجرای سیاست‌هایی که بخش حقیقی راتقویت نماید (سیاست‌های سمت عرضه) بیش از سیاست‌های که بخش پولی (سیاست‌های بخش تقاضا) را تقویت می‌کند می‌تواند موجبات بهبود وضعیت بورس را تضمین کند

کلیدواژه‌ها


  1. Al Janabi, MAM & J.A. Hatemi (2010). Irandoust M. an Empirical Investigation of the Informational Efficiency of the GCC Equity Markets: Evidence from Bootstrap Simulation, In: Review of Financial Analysis, 19: 47-54
  2. Aloui, C., Jammazi, R. (2010). The effects of crude oil shocks on stock market shifts behaviour: a regime switching approach, Energy Economics, 31 (5): 789-799.
  3. Chen, N. F., Roll R., and Ross, S. A. (1986). Economic Forces and the Stock
  4. Friedman M. (1999). The Optimum Quantity of Money and other essays. Chicago, Aldine Pub. Co. 262 P.
  5. Gavin, M., (1989). The stock market and exchange rate dynamics, Journal of International Money and Finance, 8(2):181–200.)
  6. Golob, J., (1994). Does Inflation Uncertainty Increase with Inflation? Federal Reserve Bank of Kansas City Economic Review, 79: 27-38.
  7. Hussein Maqsood (1395). continuous learning, predictability and efficiency of optimal portfolio: changes in volatility and expected return time, Islamic Azad University Research doctoral thesis
  8. Jouchi Nakajima; (2011). Time-Varying Parameter VAR Model with Stochastic Volatility: An Overview of Methodology and Empirical Applications; MONETARY AND ECONOMIC STUDIES/NOVEMBER Market. Journal of Business, 59: 383-403.
  9. Karim Zadeh, M. (1385). Long-term study of the relationship between stock price index and monetary macroeconomic variables using co-integration of the Iranian economy. Economic Research Journal, 8(26): 541-4.
  10. Kia, A. (2003). Forward Looking Agents and Macroeconomic Determinants of the Equity Price in a Small Open Economy. Applied Financial Economics, 13, 37-54.
  11. Kilian, L., & Park, C. (2009). The Impact of Oil Price S hocks on The US Stock Market. International Economic Review, 50(4): 1267-1287.
  12. Koop, G., Korobilis, D., (2010). Forecasting Inflation using Dynamic Model Averaging. Manuscript available at http: //personal. strath. ac. uk/gary. koop.
  13. 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.
  14. Korobilis, D., (2009). Assessing the Transmission of Monetary Policy Shocks using Dynamic Factor Models, Discussion Paper 9-14, University of Strathclyde.
  15. Lucas, Robert, E. (1978). Asset Prices in an Exchange Economy. Econometrica, 46(6): 1426-1445.
  16. Naik, Prasad A., Michael R. Hagerty, and Chih-Ling Tsai (2000). A New Dimension Reduction Approach for Data-Rich Marketing Environ.
  17. Primiceri. G., (2005). Time Varying Structural Vector Auto regressions and Monetary Policy,. Review of Economic Studies, 72: 821-852.
  18. Stock J, Watson M. (2008). Phillips Curve Inflation Forecasts. NBER Working Paper, No. 14322.
  19. Wagner, A (2005). Government size and economic growth department of economics, University of Victoria, 8:1-22.
  20. Zahedi Parivash Tehrani, Seyyed Jalal Sadeghi Sharif (1391). Eexplanation and analysis of causal relation between macroeconomic factors with the total price index of Tehran Stock Exchange, The sixth financial management (5): 89 65.