مطالعه حاضر در قالب مدل وابسته به وضعیت (State Dependent Model) و طی بازه زمانی 1398: 3- 1380: 1 به بررسی این موضوع می پردازد که کدام یک از اجزای کل های پولی (Monetary Aggregates) بیشترین تأثیر را بر نوسانات نرخ ارز واقعی ایران دارد. جهت دستیابی به این هدف، متغیرهای حجم پول، شبه پول، نقدینگی و پایه پولی به مثابه کل های پولی در نظر گرفته شده و به منظور جلوگیری از بروز هم خطی چندگانه بین کل های پولی، چهار مدل گارچ نمایی مارکوف سوئیچینگ با احتمال انتقال ثابت (Markov Switching Exponential GARCH with Fixed Transition Probability Model) تصریح شده است. یافته های مطالعه حاکی از آن است که در هر دو رژیم پایین و بالای نوسانات نرخ ارز واقعی، کل های پولی تأثیر مثبت و معنی داری بر نوسانات نرخ ارز واقعی دارند و اثر کل های پولی در رژیم پایین نوسانات نرخ ارز واقعی با رژیم بالای آن متفاوت است؛ ازاین رو متغیرهای پولی اثر نامتقارنی بر نوسانات نرخ ارز واقعی دارند. علاوه بر این در هر دو رژیم پایین و بالای نوسانات نرخ ارز واقعی، پایه پولی نسبت به سایر اجزای کل های پولی تأثیر بیشتری بر نوسانات نرخ ارز واقعی داشته است؛ بنابراین کنترل اجزای کل های پولی با توجه به اهمیت هر یک در وضعیت های بالا و پایین رژیم نرخ ارز واقعی می تواند به مثابه نکته راهبردی مورد توجه سیاست گذاران اقتصادی قرارگیرد.

بازار مسکن، یکی از مهم ترین زیربخش های بازارهای سرمایه است که بیشترین ارتباطات را با سایر بخش های اقتصادی دارد. به دلیل وابستگی اقتصاد ایران به درآمدهای نفتی، شوک های قیمت نفت می تواند بر بازار مسکن تأثیر گذارد. هدف این پژوهش، تحلیل ادوار تجاری بازار مسکن ایران با تأکید بر تأثیر شوک های نفتی بر بازدهی مسکن است. براساس مدل قیمت گذاری آربیتراژ بدون توجه به سبد سهام انتخاب شده، عوامل متعددی بر بازدهی دارایی مسکن مؤثر هستند که در این پژوهش، ریسک و شوک عواملی اقتصاد کلان شامل: حجم پول، سرمایه گذاری بخش خصوصی، تسهیلات اعطایی بانک تخصصی مسکن و درآمدهای ارزی نفتی، بر بازدهی دارایی مسکن با استفاده از مدل سه رژیمی مارکوف سوئیچینگ گارچ در دوره 1394-1360 تحلیل شده است. نتایج نشان دادند که بازدهی مسکن در ایران دارای سه رژیم بازدهی بالا، بازدهی متوسط و بازدهی پایین است؛ به طوری که تلاطم بازدهی مسکن در هر یک از این سه رژیم، متفاوت است. تلاطم بازدهی مسکن در رژیم بازدهی پایین، بیش از تلاطم بازدهی در رژیم های بازدهی متوسط و بالا است. علاوه بر آن در 35 سال بازه زمانی پژوهش، بازار مسکن 13 سال را در رژیم بازدهی متوسط، 20 سال را در رژیم بازدهی پایین و تنها دو سال را در رژیم بازدهی بالا قرار داشته است. همچنین نتایج نشان دادند که براساس فرضیه بیماری هلندی، شوک نفتی، نقدینگی و سرمایه گذاری بخش خصوصی، تأثیر مثبت و تسهیلات بانک مسکن، تأثیر منفی و معنی دار بر بازدهی مسکن دارد.

با توجه به اهمیت قیمت نفت، پیش بینی صحیح قیمت سبد نفت خام کشورهای عضو اوپک می تواند نقش به سزایی در ایمن سازی اقتصاد این کشورها در مقابل اثرات ناشی از این نوسانات داشته باشد. این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب، به منظور مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک خواهد داشت. در این راستا از داده های روزانه قیمت نفت خام، طی دوره زمانی 02/01/1986 الی 13/02/2017 استفاده شده است. بر این اساس، وجود ویژگی حافظة بلندمدت در معادلات میانگین و واریانس قیمت نفت خام، مورد ارزیابی و مدل سازی قرار گرفت و نتایج مدل «ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ خودهمبسته»، مؤید وجود ویژگی حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور است. اما آزمون‏های انجام شده، رفتاری غیرخطی و نمایی را در واریانس قیمت نفت خام تایید می‏نمایند. از این رو نتایج به ویژه براساس معیارهای اطلاعات و نیز معیار درصد میانگین مطلق خطا حاکی از انتخاب مدل ترکیبی از الگوی ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ ﺧﻮدهمبسته و الگوی واریانس ناهمسانی شرطی نمایی یعنی مدل (1,1)EGARCH - (3,09/0,4) ARFIMA، به عنوان بهترین مدل جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک است و عدم توجه به رفتار غیرخطی نمایی واریانس در حافظه بلندمدت قیمت نفت خام می‏تواند تحلیل‏گران و به ویژه تصمیم‏سازان اقتصادی را دچار خطای محاسباتی نموده و از سیاست بهینه منحرف سازد.

هدف از این مقاله معرفی یک الگوی جدید برای پیش بینی نوسانات شدید بازدهی بازار سهام تهران است. بدین منظور با برآورد مدل مارکوف سوئیچینگ گارچ، نوسانات بازدهی سهام مدل سازی شد. با برآورد این مدل، ماتریس احتمالات انتقال دو وضعیت پر نوسان و کم نوسان بازدهی بازار سهام تهران محاسبه شد. با استفاده از این ماتریس می توان احتمال مواجهه شدن بازار با نوسانات شدید را در هر دوره پیش رو پیش بینی نمود و بدین ترتیب به یک الگوی مناسب برای پیش بینی نوسانات شدید دست یافت. با توجه به معیارهای انتخاب الگوی AIC و BIC، مدل رژیم چرخشی مارکوف با توزیع جی ای دی، بهترین مدل برای پیش بینی نوسانات در بازار سهام تهران است. بر اساس این الگو، در این مقاله الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهام تهران ارائه شده است. با دستیابی به چنین الگویی می توان سیاست هایی را برای جلوگیری از وقوع چنین نوساناتی اتخاذ کرد و امنیت سرمایه گذاری در بازار سهام تهران را افزایش داد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

اقتصاد ایران به دلیل اتکای بالا به درآمدهای نفتی، از نوسانات قیمتی بازار نفت تاثیر می پذیرد بنابراین پیش بینی روند حرکتی قیمت نفت هم از جهت تعیین صحیح قیمت نفت در بودجه دولت و هم از جهت مدیریت و کنترل نوسانات شدید قیمتی برای سیاست گذاران اقتصاد کلان از اهمیت زیادی برخوردار است. بنا بر اهیمت پیش بینی روند حرکتی قیمت نفت، هدف این مقاله ارائه یک الگوی هشدار پیش از وقوع برای نوسانات شدید در بازار نفت خام اوپک می باشد. این الگو می تواند با پیش بینی احتمال وقوع نوسانات شدید قیمت نفت در دوره های آتی، دیدی مناسب از روند حرکت قیمت نفت در اختیار سیاست گذار قرار دهد. بدین منظور در گام نخست با استفاده از مدل مارکوف سوئیچینگ گارچ روند حرکتی قیمت نفت به همراه نوسانات آن برای دوره 2010- 2016 مدلسازی و برآورد شد، سپس با استفاده از این مدل، ماتریس احتمالات انتقال که شامل احتمال ماندن در رژیم های پرنوسان و کم نوسان و احتمال تغییر از رژیم پرنوسان به کم نوسان و برعکس می باشد بدست می آید و مبتنی بر این ماتریس احتمالات شرطی قرار گرفتن در رژیم قیمت نفت کم نوسان و پرنوسان پیش بینی می گردد تا با استفاده از آن سیاست گذاران و فعالان در بازار نفت دید بهتری برای تصمیم گیری پیدا کنند تا بتوانند از اثرات مخرب ناشی از نوسانات شدید قیمت نفت جلوگیری نمایند.

در این مقاله مجموعه ای از مدل های مختلف GARCH استاندارد با گروهی از مدل های تغییر رژیم مارکوف گارچ (MRS-GARCH) بر اساس توانایی آن ها در پیش بینی نوسانات بازارهای آتی های نفت در افق های زمانی یک روزه تا یک ماهه مقایسه می شود. به منظور صحه گذاشتن بر ثبات بیش از اندازه ای که معمولا در مدل های GARCH یافت می شود و بیانگر پیش بینی های نوسانات بسیار بالا و بسیار نامحسوس می باشد، پارامترهای مدل های MRS-GARCH که بین رژیم با نوسان بالا و پایین جابه جا می شوند، مورد تجزیه و تحلیل قرار می گیرند. برای پسماندها دو توزیع شرطی دنباله پهن و گوسی فرض می شود، و درجه آزادی می تواند برای ثبت احتمال کشیدگی متغیر به زمان وابسته به حالت باشد. عملکرد پیش بینی مدل های رقیب توسط توابع زیان آماری مورد ارزیابی قرار می گیرد. بر اساس این توابع، آزمون های برابری توانایی پیش بینی نوع دیبولد- ماریانو و برتری توانایی پیش بینی، مانند بررسی واقعیت وایت و تست SPA هانسن بکار می رود. تجزیه تحلیل های تجربی نشان می دهد که طبق مجموعه گسترده ای از توابع زیان آماری مدل های MRS-GARCH عملکرد بهتری نسبت به مدل های GARCH استاندارد در پیش بینی نوسانات در افق های زمانی کوتاهتر دارند و در افق های زمانی طولانی تر مدل های GARCH نامتقارن استاندارد بهتر عمل می کنند. بر اساس این آزمون ها وجود مدل بهتر از MRS-GARCH-t رد می شود.

پیش بینی در بازارهای مالی بسیار پیچیده است و دلایل این پیچیدگی را می توان به مواردی چون ناایستایی داده ها، غیرخطی بودن روند داده ها و تغییرات زیاد داده ها خلاصه کرد. تعیین الگوی مناسب جهت پیش بینی نوسانات می تواند در راستای تصمیم گیری نقش بسزایی ایفا کند. در مدل های اقتصادسنجی قدیمی، فرض بر این است که پراکندگی جزء اختلال در کل دوره زمانی نمونه ثابت می باشد. اما در بسیاری از سری های زمانی مالی مشاهده می شود که در دوره هایی نوسانات بسیار شدید می باشد. با این شرایط، فرض وجود همسانی واریانس دیگر معقول به نظر نمی رسد. در مقاله حاضر مدل های تک رژیمی GARCH، IGARCH، EGARCH، GJR-GARCH، FIEGARCH، HYGARCH و مدل دو رژیمی MRS-GARCH در پیش بینی نوسانات قیمت نفت اوپک در طی سالهای 2010 الی 2016 مورد ارزیابی قرار گرفته و بر اساس معیار خطای RMSE دقت عملکرد آن ها سنجیده شده است. نتایج حاصل از این ارزیابی نشان از برتری مدل دو رژیمی مارکوف سوئیچینگ گارچ در افق های 5 و 22 روزه دارد. همچنین مدل حافظه بلند مدت FIEGARCH در افق های پیش بینی 1 و 10 روزه از عملکرد بهتری در پیش بینی نوسانات قیمت نفت نسبت به سایر مدل های رقیب برخوردار می باشد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.