انتخاب مدل مناسب در بررسی سرایت تلاطم بین بازارهای مالی کشورهای منتخب اسلامی صادرکننده نفت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم اقتصادی دانشگاه علامه طباطبائی

2 استاد اقتصاد دانشگاه علامه طباطبائی

3 دانشیار اقتصاد دانشگاه علامه طباطبائی

چکیده

در سال‌های اخیر با گسترش فرایند جهانی شدن، ارتباط بین بازارهای مالی کشورهای مختلف از جمله کشورهای در حال توسعه مانند کشورهای اسلامی صادر کننده نفت عضو اوپک بیش از پیش شده و در نتیجه مدلسازی تلاطم بازده در بازارهای سهام بین‌المللی از نظر علم مالی موضوع با اهمیتی شده است. اهمیت این موضوع در مدیریت ریسک، قیمت‌گذاری مشتقات مالی و پوشش ریسک ناشی از آنها، بازارسازی و انتخاب سبدهای مالی است. نتایج تجربی نشان می‌دهند نحوه مدلسازی سرایت تلاطم در کسب نتایج وجود یا عدم وجود سرایت تلاطم بین بازارهای مالی مختلف از اهمیت زیادی برخوردار است. بر این اساس در مقاله حاضر دو رویکرد گارچ همبستگی شرطی پویا (DCC) چند متغیره و تلاطم تصادفی عاملی چند متغیره در مدلسازی سرایت تلاطم بین بازارهای منتخب با استفاده از ارزش در معرض خطر و محاسبه تابع زیان مقایسه شده است. برای کسب نتایج تجربی از داده‌های شاخص قیمت سهام در بازارهای مالی پنج کشور منتخب اسلامی و نفتی از جمله ایران، عربستان، امارات متحده عربی، قطر و نیجریه با تواتر روزانه طی دوره زمانی 05/12/2008 الی 19/02/2020 استفاده شده است. نتایج تجربی حاصل از آزمونهای کوپیک و کریستوفرسن نشان می‌دهند از هر دو رویکرد می‌توان جهت محاسبه ارزش در معرض خطر استفاده نمود اما با توجه به مقایسه توابع زیان، رویکرد مدل سازی تلاطم تصادفی عاملی چند متغیره نسبت به رویکرد گارچ همبستگی پویا(DCC) چند متغیره ارجحیت دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Selecting an Appropriate Model to Study the Transmission Volatility between the Financial Markets of Selected Islamic Oil Exporting Countries

نویسندگان [English]

  • zinat zakeri 1
  • Abbas Shakeri 2
  • Teimoor Mohammadi 3
1 Ph.D. Candidate in Economics, University of Allameh Tabataba'i
2 Professor of Economics, University of Allameh Tabataba'i
3 Associate Professor of Economics, University of Allameh Tabataba'i
چکیده [English]

In recent years, with the expansion of the globalization process, the relationship between the financial markets of different countries, including developing countries such as OPEC oil-exporting islamic countries, has increased more than ever, resulting in modeling the volatility of returns in international stock markets in terms of science. finance has become an important issue. the importance of this issue in risk management is the pricing of financial derivatives and the coverage of the resulting risk, marketing and selection of financial portfolios. experimental results show that the modeling of transmission volatility is very important in obtaining the results of the presence or absence of transmission volatility between different financial markets. accordingly, in the present paper, two approaches of multivariate dynamic conditional correlation (DCC) and multivariate factor stochastic volatility in modeling transmission volatility between selected markets using the risk value and calculating the loss function are compared. to obtain experimental results from stock price index data in the financial markets of five selected islamic and oil countries, including Iran, Saudi Arabia, UAE, Qatar and Nigeria with daily frequency during the period 12/05/2008 to 19/02/2020 used. experimental results of Kupiec and christoffersen tests show that both approaches can be used to calculate the risk value, but due to the comparison of loss functions, the multivariate factor stochastic volatility modeling approach compared to the GARCH approach of dynamic correlation (DCC) multivariate is preferred

کلیدواژه‌ها [English]

  • Transmission volatility
  • Factor stochastic volatility model
  • Multivariate GARCH modle
  • Islamic oil countries

مراجع

  1. پاکیزه، کامران (1389). تلاطم و بازده (شواهدی از بورس اوراق بهادار تهران و بورس­های بین الملل). فصلنامه تحقیقات مدل­سازی اقتصادی، 1(2)، 1-20.
  2. سجاد، رسول، هدایتی، شراره و هدایتی، شهره (1392). مقایسه مدل تلاطم تصادفی و مدل­های گارچ از طریق محاسبه ارزش در معرض خطر. مجله مهندسی مالی و مدیریت اوراق بهادار، 4 (15)، 79-97.
  3. سجاد، رسول، هدایتی، شراره و هدایتی، شهره (1393). برآورد ارزش در معرض خطر با استفاده از نظریه ارزش فرین در بورس اوراق بهادار تهران. فصلنامه علمی پژوهشی دانش سرمایه گذاری، 3(9)، 133-155.
  4. عباسی نژاد، حسین، محمدی، شاپور و ابراهیمی، سجاد (1393). مقایسه مدل­های نوسان­پذیر چند متغیره در برآورد رابطه بین نرخ ارز شاخص سهام. فصلنامه علمی پژوهشی دانش سرمایه­گذاری، 3(11)، 201-222.
  5. مفتخر دریایی­نژاد، کبری (1391). تأثیر سرایت بازده و تلاطم در برآورد ارزش در معرض ریسک سبد دارایی متشکل از طلا، ارز و سهام. پایان­نامه کارشناسی ارشد، دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف.

 

  1. Abbas, Q., Khan, S., & Shah, S. Z. A. (2013). Volatility transmission in regional Asian stock markets. Emerging Markets Review, 16, 66-77.
  2. Abbasinejad, H., Mohammadi, S., & Ebrahimi, S. (2014).  Comparing Between Multivariate Volatility Models in Estimation of Exchange Rate and Stock Index Relationship. Journal of Investment Knowledge, 3 (11), 201-221 (In Persian).
  3. Abbes, M. B., & Trichilli, Y. (2015). Islamic stock markets and potential diversification benefits. Borsa Istanbul Review, 15(2), 93-105.
  4. Branger, N., Kraft, H., & Meinerding, C. (2009). What is the impact of stock market contagion on an investor’s portfolio choice?. Insurance: Mathematics and Economics, 45(1), 94-112.
  5. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.
  6. Caporin, M. (2008). Evaluating value-at-risk measures in the presence of long memory conditional volatility. The Journal of Risk, 10(3), 79.
  7. Engle, R. F. & Patton, J.A. (2001). What Good is a Volatility Model?. NYU Working Paper. No. S-DRP-01-03.
  8. Fama, E. (1965). The Behavior of Stock Market Prices. Journal of Business, 38: 34–105.
  9. Flavin, M. (1983). Excess Volatility in the Financial Markets: A Reassessment of the Empirical Evidence. Journal of Political Economy, 91, 929-956.
  10. Forbes, K., & Rigobon, R. (2000). No Contagion, only interdependence. Massachusetts Institute of Technology, Sloan School of Management. Working Paper.
  11. Harris, R. D., & Pisedtasalasai, A. (2006). Return and volatility spillovers between large and small stocks in the UK. Journal of Business Finance & Accounting, 33(9‐10), 1556-1571.
  12. Harvey, A., Ruiz, E., & Shephard, N. (1994). Multivariate stochastic variance models. The Review of Economic Studies, 61(2), 247-264.
  13. Jacquier, E., Polson, N. G., & Rossi, P. (1999). Stochastic volatility: Univariate and multivariate extensions. CIRANO.
  14. Jorion, P. (1985). International portfolio diversification with estimation risk. Journal of Business, 259-278.
  15. Majdoub, J., & Mansour, W. (2014). Islamic equity market integration and volatility spillover between emerging and US stock markets. The North American Journal of Economics and Finance, 29, 452-470.
  16. Melino, A., & Turnbull, S. M. (1990). Pricing foreign currency options with stochastic volatility. Journal of econometrics, 45(1-2), 239-265.
  17. Moftakhar Daryaie Nejad, K. (2012). Returns and Volatility Spillover Effects on the Estimated VaR of Gold and Exchange Rate Portfolio.Master Thesis, Faculty of Management and Economics, Sharif University of Technology (In Persian).
  18. Neaime, S. (2012). The global financial crisis, financial linkages and correlations in returns and volatilities in emerging MENA stock markets. Emerging Markets Review, 13(3), 268-282.
  19. Pakizeh, K. (2011). Volatility and Returns (Empirical Evidence from Tehran and International Stock Exchanges). Journal of Economic Modeling Research, 1(2), 1-20 (In Persian).
  20. Poon, S. H., & Granger, C. W. (2003). Forecasting volatility in financial markets: A review. Journal of economic literature, 41(2), 478-539.
  21. Rajgopal, S., & Venkatachalam, M. (2011). Financial reporting quality and idiosyncratic return volatility. Journal of Accounting and Economics, 51(1-2), 1-20.
  22. Sajjad, R., Hedayati, S., & Hedayati, S. (2013). Comparison of stochastic volatility model and GARCH models, by calculating the risk value. Journal of Financial Engineering and Securities Management, 4(15), 79-97 (In Persian).
  23. Sajjad, R., Hedayati, S., & Hedayati, S. (2013). Estimation of Value at Risk by using Extreme Value Theory in Tehran Stock Exchange. Journal of Investment Knowledge, 3(9), 133-155 (In Persian).
  24. Shiller, R. J. (2001). Do stock prices move too much to be justified by subsequent changes in dividends?  American Economic Review, 71, 421-436.
  25. Taylor, J. W. (2004). Smooth transition exponential smoothing. Journal of Forecasting, 23(6), 385-404.
  26. Tsay R. S. (2002). Analysis of Financial Time Series, John Wiley & Sons.
  27. Zhou, X., Nakajima, J., & West, M. (2014). Bayesian forecasting and portfolio decisions using dynamic dependent sparse factor models. International Journal of Forecasting, 30(4), 963-980.
  28. Vuolteenaho, T. (2002). What drives firm‐level stock returns?. The Journal of Finance, 57(1), 233-264.
  29. Xu, X. E., & Fung, H. G. (2002). Information flows across markets: evidence from China–backed stocks dual–listed in Hong Kong and New York. Financial review, 37(4), 563-588.

 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار