مدلسازی تاثیر پاندمی کرونا بر فعالیت صنایع: کاربرد تجزیه و تحلیل موجک در صنایع منتخب بورس اوراق بهادار تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار اقتصاد دانشگاه شهید چمران اهواز

2 دانشیار اقتصاد دانشگاه دانشگاه شهید چمران اهواز

3 کارشناس ارشد دانشگاه شهید چمران اهواز

چکیده

هدف این مقاله ارزیابی آثار همه­گیری ویروس کرونا بر تولید صنایع تولیدی ایران است. به منظور شناسایی موج­های کرونا، در بخش اول از تجزیه و تحلیل موجک در دوره زمانی روزانه از اسفند 98 تا اسفند 99 استفاده شده است و در بخش دوم تاثیر طول موج­های مختلف بر 12 شرکت خودرویی، پالایشی و حمل و نقل و 15 شرکت غذایی، دارویی و بیمه­ای، در دوره زمانی ماهیانه از فروردین 96 تا اسفند 99 با استفاده از داده‌های تابلویی و روش EGLS مورد تجزیه و تحلیل قرار گرفته است. در این تحقیق از طول موج‌های روزانه تا سالانه کرونا و همچنین متغیرهای توضیحی تورم و شاخص پولی به منظور بررسی وضعیت اقتصادی شرکت­ها در دوران کرونا بهره گرفته شده است. نتایج ناشی از تجزیه و تحلیل موجک و اسکالوگرام تبدیل موجک پیوسته حاکی از آن است که پیک­های اول، دوم و سوم کرونا، قوی­ترین موج­های کرونا هستند. تفسیر نتایج تخمین مدل نشان می­دهد که از بین موج­های روزانه تا سالانه کرونا، موج‌های روزانه، هفتگی و چهارماهه کرونا تاثیر منفی معنادار بر فروش شرکت دارد. این در حالی است که موج ماهانه کرونا اثر مثبت بر فروش شرکت­ها را نشان می­دهد. بر اساس نتایج مدل همچنین مشخص شد که تورم تاثیر مثبت بر فروش و تولید شرکت­ها داشته و سپرده گذاری بیشتر از تسهیلات توانسته است بر افزایش تولید و فروش شرکت­ها اثر داشته باشد. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Modeling the Impact of the Corona Pandemic on the Production of Industries: Application of Wavelet Analysis in Selected Industries of Tehran Stock Exchange

نویسندگان [English]

  • SeyedAmin Mansori 1
  • SeyedMorteza Afgah 2
  • Maryam Hoshdari 3
1 Assistant Professor of Economics, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz.
2 Associate Professor of Economics, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz
3 Master of Economics, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz
چکیده [English]

The main purpose of this article is to evaluate the effects of the Corona virus epidemic on the production of Iranian manufacturing industries. In order to identify corona waves, in the first part, wavelet analysis is used in the daily time period from March 2019 to March 2020, and in the second part, the effect of different wavelengths on 12 automotive, refining and transportation companies and 15 companies. Food, pharmaceutical and insurance, in the monthly period from April 2017 to March 2019 has been analyzed using panel data and EGLS method. In this study, daily to annual corona wavelengths as well as explanatory variables of inflation and monetary index have been used to examine the economic situation of companies during the corona. The results of wavelet analysis and continuous wavelet transform scalogram indicate that the first, second and third corona peaks are the strongest corona waves. Interpretation of the model estimation results shows that between daily to annual corona waves, daily, weekly and quarterly corona waves have a significant negative effect on company sales. The monthly corona wave, meanwhile, shows a positive effect on corporate sales. Based on the results of the model, it was also found that inflation has a positive effect on sales and production of companies and more deposits than facilities has been able to increase the production and sales of companies

کلیدواژه‌ها [English]

  • Corona
  • Wavelet
  • Industries, Panel Data, EGLS

مراجع

  1. خوچیانی، رامین و نادمی، یونس (1397). بازنگری در رابطه شکاف تولید و تورم برای اقتصاد ایران با استفاده از رویکرد تبدیل موجک. پژوهشنامه اقتصادی، 18(69)، 334-307.
  2. درگاهی، حسن و پرخیده، احمد (1385). نقش و اهمیت شوک‌های کلان و بخشی در ادوار تجاری رشته فعالیت‌های مختلف صنعت ایران. فصلنامه پژوهش­های اقتصادی ایران، 8 (27)، 31-1.
  3. سلیمی زاویه, سید قاسم (1399). استراتژی­های پاسخ به بحران درزمان بحران (کووید 19) در بخش تولید و صنعت. فصلنامه توسعه تکنولوژی صنعتی، 18(39)، 76-63.
  4. شاکری، عباس (1395). نظریه‌ها و سیاست‌های اقتصاد کلان، چاپ ششم، دوره 5.
  5. شهرکی، مهدی و قادری، سیمین (1398). تاثیر عوامل اقتصادی-اجتماعی بر مخارج سلامت خانوار: روش دو مرحله­ای هکمن. مجله پیاورد سلامت، 13(2)، 171-160.
  6. طاهری نمهیل، ابراهیم (1399). بررسی پیامدهای ویروس کرونا بر اقتصاد ایران و جهان. فصلنامه تخصصی حکمرانی متعالی، 1(2)، 181-171.
  7. کشاورزی، علی، حری، حمیدرضا، جلایی اسفندآبادی، سید عبدالمجید، رافعی، میثم و نجاتی، مهدی (1399). نقش دولت در شرایط مواجهه با‫ بیماری‫ پاندمیک. فصلنامه علمی مدلسازی اقتصادی، 14(52)، 52-25.
  8. محمدی، تیمور، عاطفه، تکلیف و زمانی، ساحل (1396). پیش­بینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا). پژوهشهای اقتصادی ایران، 22(71)، 25-1.
  9. منتی، حسین (1399). بررسی اثرات ویروس کرونا -کووید 19 بر اقتصاد جهانی. ارزیابی تاثیرات اجتماعی، 1(2)، 181-163.
  10. منصوری، سید امین و فرازمند، حسن (1399). شناسایی بهترین نوع موجک در تحقیق­های اقتصادی: مطالعه موردی چرخه‌های تجاری در ایران. فصلنامه علمی پژوهشی اقتصاد مقداری، 17(3)، 68-43.
  11. میرجلیلی، فاطمه، بهادری، بابک، شجاعی، سعید و صادق احمدی، مهدی (1398). درباره مقابله با شیوع ویروس کرونا: بررسی ضرفیت­های تولیدی کشور در مواجهه با ویروس کرونا و آثار شیوع این ویروس بر بخش های صنعت، معدن و پتروشیمی ایران. مطالعات انرژی، صنعت و معدن.

 

  1. Adams-Prassl, A., Boneva, T., Golin, M., & Rauh, C. (2020). The large and unequal impact of COVID-19 on workers. org, 8.‏
  2. Baker, O. R., Grabowski, M. K., Galiwango, R. M., Nalumansi, A., Serwanga, J., Clarke, W., . . . Serwadda, D. (2021). Differential performance of CoronaCHEK SARS-CoV-2 lateral flow antibody assay by geographic origin of samples. Journal of clinical microbiology, 59(7), e00837-00821.
  3. Baldwin, R., & Di Mauro, B. W. (2020). Economics in the time of COVID-19: A new eBook. VOX CEPR Policy Portal, 2-3.
  4. Barrot, J.-N., Grassi, B., & Sauvagnat, J. (2021). Sectoral effects of social distancing. Paper presented at the AEA Papers and Proceedings.
  5. Bekaert, G., Engstrom, E., & Ermolov, A. (2020). Aggregate demand and aggregate supply effects of covid-19: A real-time analysis. Available at SSRN 3611399.
  6. Blanchard, O. J., & Quah, D. (1988). The dynamic effects of aggregate demand and supply disturbances. In: National Bureau of Economic Research Cambridge, Mass., USA.
  7. Bloom, N., Fletcher, R. S., & Yeh, E. (2021). The impact of COVID-19 on US firms (No. w28314). National Bureau of Economic Research.‏
  8. Chatterjee, S. (2000). From cycles to shocks: Progress in business cycle theory. Business Review, 3, 27-37.
  9. Chowdhury, M., Sarkar, A., Paul, S. K., & Moktadir, M. (2020). A case study on strategies to deal with the impacts of COVID-19 pandemic in the food and beverage industry. Operations Management Research, 1-13.
  10. Cifter, A., & Ozun, A. (2008). A signal processing model for time series analysis: The effect of international F. X markets on domestic currencies using wavelet networks. Int Rev Electr Eng, 3, 580-591.
  11. Conlon, T., Crane, M., & Ruskin, H. (2008). Wavelet multiscale analysis for hedge funds: Scaling and strategies. Physica A: Statistical Mechanics and its Application s, 387(21), 5197-5204.
  12. Dargahi, H., & Parkhide, A. (2006). The Impacts of Aggregate and Sectoral Shocks on Business Cycles in the Iranian Manufacturing Sector. Iranian Journal of Economic Research, 8(27), 1-31 (in persian).
  13. De Hert, M., Mazereel, V., Detraux, J., & Van Assche, K. (2021). Prioritizing COVID‐19 vaccination for people with severe mental illness. World Psychiatry, 20(1), 54.
  14. De Vet, J. M., Nigohosyan, D., Ferrer, J. N., Gross, A.-K., Kuehl, , & Flickenschild, M. (2021). Impacts of the COVID-19 Pandemic on EU Industries: European Parliament Strasbourg, Francuska.
  15. del Rio-Chanona, R. M., Mealy, P., Pichler, A., Lafond, F., & Farmer, J. D. (2020). Supply and demand shocks in the COVID-19 pandemic: An industry and occupation perspective. Oxford Review of Economic Policy, 36(Supplement_1), S94-S137.
  16. Fernandes, N. (2020). Economic effects of coronavirus outbreak (COVID-19) on the world economy.
  17. Fernandez, V. (2006). The CAPM and value at risk at different time-scales. International Review of Financial Analysis, 15(3), 203-219.
  18. Gali, J. (1992). How well does the IS-LM model fit postwar US data? The Quarterly Journal of Economics, 107(2), 709-738.
  19. Gençay, R., Selçuk, F., & Whitcher, B. (2003). Systematic risk and timescales. Quantitative Finance, 3(2), 108.
  20. Godderis, L., Boone, A., & Bakusic, J. (2020). COVID-19: a new work-related disease threatening healthcare workers. In (Vol. 70, pp. 315-316): Oxford University Press UK.
  21. Graps, A .(1995). An introduction to wavelets. IEEE computational science and engineering, 2(2), 50-61.
  22. Guerrieri, V., Lorenzoni, G., Straub, L., & Werning, I. (2020). Macroeconomic implications of COVID-19: Can negative supply shocks cause demand shortages? (No. w26918). National Bureau of Economic Research.‏
  23. In, F., Kim, S., Marisetty, V., & Faff, R. (2008). Analysing the performance of managed funds using the wavelet multiscaling method. Review of Quantitative Finance and Accounting, 31(1), 55-70.
  24. Inoue, H., & Todo, Y. (2020). The propagation of economic impacts through supply chains: The case of a mega-city lockdown to prevent the spread of COVID-19. PloS one, 15(9), e0239251.
  25. Keshavarzi, A., Horry, H. R., Jalaee efand abadi, s. a., Rafei, M., & nejati, m. (2021). The Role of Government under Pandemic Disease Conditions. Economical Modeling, 14(52), 25-52 (in persian).
  26. Keogh‐Brown, M. R., Wren‐Lewis, S., Edmunds, W. J., Beutels, P., & Smith, R. D. (2010). The possible macroeconomic impact on the UK of an influenza pandemic. Health economics, 19(11), 1345-1360.
  27. Khochiani, R., & Nademi, Y. (2018). Revisiting the Relationship between Inflation and Output Gap in Iranian Economy Using Wavelet Transform Approach. Economics Research, 18(69), 307-334 (in persian).
  28. Mankiw, N. G. (1989). Real business cycles: A new Keynesian perspective. Journal of economic perspectives, 3(3), 79-90.
  29. Mansouri, S. A., & Farazmand, H. (2020). Identifying the Best Type of Wavelet in Economic Research: A Case Study of Business Cycles in Iran. Quarterly Journal of Quantitative Economics, 17(3), 43-68 (in persian).
  30. Manti, Hussein. (2020). Investigating the effects of Corona-Covid virus 19 on the global economy. Social Impact Assessment, 1(2), 181-163 (in persian).
  31. McKibbin, W., & Fernando, R. (2021). The global macroeconomic impacts of COVID-19: Seven scenarios. Asian Economic Papers, 20(2), 1-30.
  32. McKibbin, W. J., & Sidorenko, A. (2006). Global macroeconomic consequences of pandemic influenza: Lowy Institute for International Policy Sydney.
  33. Mirjalili, F., Bahadori, B., Shojaei, S., & Sadegh Ahmadi, M. (2019). About dealing with the outbreak of coronavirus: A study of the country's production capacity in the face of the coronavirus and the effects of the outbreak of this virus on the industrial, mining and petrochemical sectors of Iran. Energy, industry and mining studies (in persian).
  34. Mohammadi, T., Taklif, A., & Zamani, S. (2017). Forecasting Natural Gas Price Using a Hybrid Model of Neural Network and Wavelet. Iranian Journal of Economic Research, 22(71), 1-26 (in persian).
  35. Özgönenel, O., Özbilgin, G., & Kocaman, Ç. (2004). Wavelets and its applications of power system protection. Gazi University Journal of Science, 17(2), 77-90.
  36. Purwanto, A., Fahlevi, M., Zuniawan, A., Kusuma, R. P., Supriatna, H., & Maryani, E. (2020). The Covid-19 pandemic impact on industries performance: an explorative study of Indonesian companies. Journal of Critical Review, 7, 1965-1972.
  37. Salimi zaviyeh, s. g. (2020). Crisis Response Strategies during the Coronavirus Crisis (COVID- 19) in the Production and Industry Sector. Quarterly journal of Industrial Technology Development, 18(39), 63-76 (in persian).
  38. Shahraki, M., & Ghaderi, S. (2019). The Effect of Socioeconomic Factors on Household Health Expenditures: Heckman Two-Step Method. Payavard Salamat, 13(2), 160-171 (in persian).
  39. Shakeri, A. (2016). Macroeconomic Theories and Policies (in persian).
  40. Shapiro, M. D., & Watson, M. W. (1988). Sources of business cycle fluctuations. NBER Macroeconomics annual, 3, 111-148.
  41. Shen, H., Fu, M., Pan, H., Yu, Z., & Chen, Y. (2020). The impact of the COVID-19 pandemic on firm performance. Emerging Markets Finance and Trade, 56(10), 2213-2230.
  42. Taheri Namhail, I. (2020). Investigating the consequences of corona virus on the economy of Iran and the world. Journal of Transcendent Governance, 1(2), 171-181 (in persian).
  43. Waldkirch, A. (2021). Firms around the World during the COVID-19 Pandemic. Journal of Economic Integration, 36(1), 3-19.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار