بررسی همبستگی پویای شرطی دارایی‌های منتخب با بازده شاخص قیمت سهام در ایران: رهیافتی از مدل DCC-FIAPARCH

نوع مقاله : مقاله پژوهشی

نویسندگان

1 فارغ التحصیل دکترای اقتصاد دانشگاه بوعلی سینا

2 دانشیار اقتصاد، گروه اقتصاد، دانشگاه بوعلی سینا

3 استادیار اقتصاد، گروه اقتصاد، دانشگاه بوعلی سینا

چکیده

یکی از ویژگی‌های بازار مالی بخصوص بازار سهام تاثیرپذیری آن از سایر بازارهای مالی و غیرمالی است. از سوی دیگر، سرمایه‌گذاران همواره بدنبال تشکیل سبد دارایی هستند که با حفظ سطح بازده مورد انتظار، دارای حداقل ریسک باشد. در نتیجه درک ارتباط بازده سهام با سایر دارایی‌ها می‌تواند در تشکیل سبد بهینه دارایی‌ها برای سرمایه‌گذاران مفید واقع شود. مطالعه‌ی حاضر به بررسی همبستگی پویا در داده های ماهانه بین بازده دارایی‌های منتخب داخلی و خارجی(نفت، صنعت، ارز و فلزات اساسی (کل، مس و فولاد)) با بازده شاخص ‏قیمت سهام در ایران طی دوره‌ی زمانی 01/1380-02/1396 با رویکرد DCC-FIAPARCH پرداخته است.
بر اساس نتایج، ضریب همبستگی پویای شرطی بازده فلزات، تولیدات صنعتی و مس با بازده سهام از نظر آماری مثبت و معنادار است، در نتیجه نمی‌توان با هدف پوشش ریسک؛ هر یک از این دارایی‌ها را با سهام در یک سبد به صورت یک موقعیت همسان (خرید یا فروش) قرار داد بلکه بدلیل ضریب مثبت همواره سهام با این دارایی‌ها باید در موقعیت‌های مخالف قرار بگیرند. در ارتباط با سایر دارایی‌ها همبستگی شرطی بین آنها با بازده سهام معنادار نیست. بر همین اساس این دارایی‌ها می‌توانند با سهام در یک سبد سرمایه‌گذاری قرار گیرند اما حضور این دارایی‌ها در سبد مذکور کمکی به کاهش ریسک سبد نخواهد کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating Impact of the Selected Domestic and Foreign Assets Returns on Stock Price Index Returns in Iran: An Approach from DCC-FIAPARCH Model

نویسندگان [English]

  • Leila Argha 1
  • Mohammad Mowlaei 2
  • Mohsen Khezri 3
1 Ph.D Candidate in Economics, Department of Economics, Bu-Ali Sina University, Hamedan, Iran
2 Associate Professor of Economics, Bu-Ali Sina University, Hamedan, Iran
3 Assistant Professor of Economics, Bu-Ali Sina University‌, Hamedan, Iran
چکیده [English]

One of the features of a financial market, the stock market in particular, is its affectability from other financial and nonfinancial markets. So, perceiving the relationship between the stock return and other markets can be helpful for investors to create an optimal portfolio. The present study is aimed at investigating the dynamic conditional correlation (DCC) between the returns on the domestic and foreign markets in monthly data (oil , gold, industry, exchange rate, and base metals including total metals, copper, steel) and returns on the stock price index in Iran over the period March 2001- to April 2017 using the DCC-FIAPARCH approach.The results of paper indicate a statistically significant and positive DCC coefficient between the metals, industrial products and copper returns with stock returns. As a results,it is not possible to put each of these assets with the stock in an identical situation (purchase or sale), but instead they should be always in the opposed situations for the purpose of risk control.

کلیدواژه‌ها [English]

  • Stocks
  • Oil Price
  • Exchange
  • Copper
  • Steel
  • Dynamic Conditional Correlation
  • DCC-FIAPARCH
  1.  

    1-     پایتختی اسکویی، سید علی، و شافعی، احسان (1394). بررسی تأثیر نوسانات قیمت نفت بر تغییرات شاخص قیمت سهام در ایران. فصلنامه مطالعات اقتصاد انرژی، 11(47)، 240-205.

    2-     حسینی نسب، سید ابراهیم، خضری، محسن، و رسولی، احمد (1390). تعیین اثرات قیمت نفت بر روی بازده سهام بورس اوراق بهادار تهران کاربرد آنالیز موجک و راه­گزینی مارکوف. فصلنامه مطالعات اقتصاد انرژی، 8 (29)، 60-31.

    3-     حیدری، حسن، و ملابهرامی، احمد (1389). بهینه‌سازی سبد سرمایه‌گذاری سهام بر اساس مدل‌های چند متغیره GARCH: شواهدی از بورس اوراق بهادار تهران. مجله تحقیقات مالی، 12(30)، 56-35.

    4-     فلاحی، فیروز، حقیقت، جعفر، صنوبری، ناصر، و جهانگیری، خلیل (1393). بررسی همبستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده از مدل DCC-GARCH. فصلنامه پژوهش اقتصادی، 14(52)، 147-123.

     

    1. Apergis, N., & Miller, S. M. (2009). Do structural oil-market shocks affect stock prices? Energy Economics, 31(4), 569-575
    2. Arfaoui, M., & Rejeb, A. (2016). Oil, gold, US Dollar and stock market interdependencies: A global analytical insight. Journal of MPRA Paper, 70452, 1-35. Retrieved from: https://mpra.ub.uni-muenchen.
    3. Baillie, R. (1996). Long memory processes and fractional integration in rconometrics. Journal of Econometrics, 73(1), 15-59.
    4. Broadstock. D.C., & Filis, G. (2014). Oil price shocks and stock market returns: New evidence from the United States and China. Journal of International Financial Markets- Institutions and Money, 33 (1), 417-433.
    5. Branson, W.H. (1983). Macroeconomic determinants of real exchange risk. In: Herring, R.J. (Ed.), Managing Foreign Exchange Risk. Cambridge: Cambridge University Press.
    6. Broadstock. D.C., & Filis, G. (2014). Oil price shocks and stock market returns: New evidence from the United States and China. Journal of International Financial Markets- Institutions and Money, 33(1), 417-433.
    7. Chen, K., & Wang, M. (2017). Does gold act as a hedge and a safe haven for China’s stock market? International Journal of Financial Studies, 5(1).1-18.
    8. Chowdhury, P.R., & Anuradha, A. (2018). Impact of exchange rate fluctuation on stock market volatility - a study to predict the economic scenario in India. Journal of Pure and Applied Mathematics, 118 (1), 4309-4316.
    9. Classens, S., & Forbes, K. (2004). International financial contagion: The theory, evidence and policy implications, The IMF´s role in emerging market economies: reassessing the adequacy of its resources organized by RBWC, DNB and WEF.Conference (PP.18-19), Amsterdam, Netherland.
    10.  Degiannakis, S., Filis, G., & V., Arora (2017). Oil prices and stock markets. U.S. Energy Information Administration Washington, DC 20585.Retrieved from https://www.eia.gov.
    11. Dornbush, R., & Fisher, S. (1980). Exchange rates and the current account. The American Economic Review, 70 (1), 960–971.
    12. Engle, R.F. (2002). Dynamic conditional correlation - a simple class of multivariate GARCH Mmodels. Journal of Business and Economic Statistics, 20(3), 339-350.
    13. Fallahi, F., Haghighat, J. Sanobari, N. & Q., Jahangiri (2014). Investigating of correlation between stock exchange, currency and coin market volatility in Iran, using the DCC-GARCH model. Journal of Economics Research, 14 (52), 25-51 (In Persian).
    14. Garin, J., Lester, R., & E. Sims (2016). Are supply shocks contractionary at the Zlb? Evidence from utilization-adjusted TFP data. NBER Working, 22311.
    15. Gil-Alana, L.A., & Yaya, O.S. (2014). The relationship between oil prices and the Nigerian stock market. An analysis based on fractional integration and co-integration. Energy Economics, 46 (1), 328-333.
    16. Heideri, H., & Molabahrami, A. (2012). Portfolio optimization using Multivariate GARCH Models: Evidence from Tehran stock exchange. Financial Research Journal, 12(30), 35-56 (In Persian).
    17. Hosseini-Nasab, S. E., Khezri, M., & A., Rassoli (2011). Determining the effects of oil price fluctuations on the stock returns of Tehran Stock Exchange: Wavlet Analysis and Markov Solution. Quarterly Energy Economics Review, 8 (29), 31-60 (In Persian).
    18. Mensi, W., Hammoudeh, S., Nguyen, D.K., & S.M., Yoon (2014). Dynamic Spillovers among Major Energy and Cereal Commodity Prices. Energy Economics, 43 (c), 225–243.
    19. Miller, J.I., & Ratti, R.A. (2009). Crude oil and stock markets: Stability, instability, and bubbles. Energy Economics, 31(1), 559–568.
    20. Paytakhti-Oskouei, A., & Shafei, E. (2016).The effect of oil price fluctuations on stock price index changes in Iran: A structure VAR approach. Quarterly Energy Economics Review, 11 (47), 205-240 (In Persian).
    21. Robays, V.I. (2016). Macroeconomic uncertainty and oil price    volatility. Oxford Bulletin of Economics and Statistics, forthcoming 2016.
    22. Tang,­ K., & Xiong, W. (2012). Index investment and the            financializationof commodities. Financial Analysts Journal 68 (6), 54–74.
    23. Tse, Y. (1998). The conditional heteroscedasticity of the Yen–Dollar exchanger. J. Applied Economics, 13 (1), 49-55.