بررسی سرریز تلاطم قیمت نفت بر بازدهی صنایع منتخب در بورس اوراق بهادار تهران: رویکرد تغییر رژیم مارکوف و تجزیه واریانس

اقتصاد پولی مالی

مقاله 9، دوره 24، شماره 13، فروردین 1396، صفحه 205-236   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/pm.v24i14.58846

نویسندگان

سیاب ممی پور^{* 1}؛ عاطفه فعلی²

¹دانشگاه خوارزمی

²خوارزمی

چکیده

شواهد تجربی نشان داده‌اند که بازارها از یکدیگر جدا نیستند و نوسانات در بازارهای مختلف با یکدیگر در ارتباط هستند. سرمایه‌گذاران به‌منظور اتخاذ تصمیم مناسب در تشکیل سبد سهام باید از روابط بین بازارها آگاهی یابند. یکی از تأثیرگذارترین بازارها بر بازارهای مالی همچون سهام در اقتصاد متکی بر نفت ایران، بازار نفت است. در تحقیق حاضر به بررسی اثرات سرریز نوسانات قیمت نفت بر بازدهی سهام صنایع منتخب (37 صنعت) در بازار بورس اوراق بهادار تهران طی دوره زمانی آذرماه 1387 تا فروردین 1395 با تواتر هفتگی با استفاده از رویکرد تجزیه واریانس ارائه‌شده توسط (Diebold and Yilmaz, 2012) در چارچوب مدل خودرگرسیون برداری تعمیم‌یافته پرداخته شده است. به‌طوری‌که در این تحقیق ابتدا دوره‌های رکود و رونق با نوسانات متفاوت بازار نفت با استفاده از مدل مارکوف سوییچینگ تفکیک‌شده و سپس اثرات سرریز نوسانات بازار نفت به تفکیک دوره‌های با تلاطم بالا و پایین بر بازار سهام مورد بررسی قرار گرفته است. نتایج برآورد حاصل از مدل تجزیه واریانس نشان می‌دهد بیش از 90 درصد واریانس خطای پیش‌بینی هر دو بازار (نفت و سهام) در هر دو رژیم تلاطم پایین (رژیم صفر) و تلاطم بالا (رژیم یک) ناشی از شوک‌های خود بازار است و آثار سرریز قابل‌توجهی بین بازارها وجود ندارد. نتایج به‌دست‌آمده حاکی از آن است که در حالت کلی اثرات سرریز تلاطم از بازار نفت به‌سوی بازار سهام در رژیم تلاطم پایین نسبت به رژیم تلاطم بالا، در اکثر صنایع مقدار کمتری است و سرریز نوسانات در رژیم با تلاطم بالا در سطح وسیع‌تری اتفاق می‌افتد. همچنین نتایج تحقیق نشان می‌دهد بیش‌ترین مقدار سرریز متعلق به سرریز تلاطم از بازار نفت به شاخص صنعت فلزات اساسی است و صنایع شیمیایی، انتشارات و چاپ، سیمان، کانی غیرفلزی، وسایل ارتباطی و لاستیک به ترتیب در رژیم صفر و صنایع کانی فلزی، فنی و مهندسی، محصولات کاغذ، محصولات نفتی، سایر معادن و استخراج به ترتیب در رژیم یک در مراتب بعدی قرار دارند.

کلیدواژه‌ها

بازدهی بازار نفت؛ بازدهی بازار سهام؛ سرریز تلاطم؛ روش تجزیه واریانس؛ مارکوف سوییچینگ

مراجع

[1] Borhani Fard, M. J., & Mehrabian, A. (2013). Effect of volatilities in the global price of crude oil on the stock price index of petrochemical companies: The first electronic national conference:Iran's economic outlook (support of national production approach). Isfahan. (In Persian)

[2] Dastgir, M., & Zafari, F. (2009). The role of accounting information in predicting stock returns index. mahname bourse, 85, 48-55. (In Persian)

[3] Jahangiri, kh., & Hekmati Farid, S. (2014). Effects of volatilities spillover of stocks, gold, oil markets and currencies. Journal of Economic Research, 15(56), 161-194. (In Persian)

[4] Khiabani, N., & Dehghani, M. (2014). The role of oil market in volatility of Dollar, Euro & gold markets. Journal of Economic Research, 19(58), 207-238. (In Persian)

[5] Khodaveisi, H., Mansourfar, GH., & Azarnioush, F. (2013). The impact of crude oil price volatilities on the stock index of selected active industries in the Tehran Stock Exchange. (MA Thesis), Urmia university. (In Persian)

[6] Sadeghi, M., & Mohseni, H. (2013). The impact of oil prices on stock market returns: Evidence from oil exporting countries in the Middle East. Research energy policy and planning, 1(3), 1-16. (In Persian)

[7] Seyed Hosseini, S. M., & Ebrahimi, S. B. (2013). Modelling and measuring the volatilities spillover using multivariate GARCH models Case study: Iran, UAE and global oil prices. Journal of Securities Exchange, 21, 137-157. (In Persian)

[8] Aloui, C., & Jammazi, R. (2009). The effects of crude oil shocks on stock market shifts behavior: A Regime Switching Approach. Energy Economics, 31(5), 789-799.

[9] Arouri, M. H., Lahiani, A., & Nguyen, D. Kh. (2011). Return and volatility transmission between world oil prices and stock markets of the GCC countries. Economic Modelling, 28(4), 1815-1825.

[10] Arouri, M. H., & Rault, Ch. (2010). Causal relationships between oil and stock prices: some new evidence from gulf oil-exporting countries. International Economics, 122, 41–56.

[11] Awartani, B., & Maghyereh, A. I. (2013). Dynamic spillovers between oil and stock markets in the Gulf Cooperation Council Countries. Energy, 36, 28–42.

[12] Backus, D. K., & Crucini, M. J. (2000). Oil Prices and Terms of Trade. Journal of International Economics, 50(1), 185–213.

[13] 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.

[14] Chang, Ch. L., McAleer, M., & Tansuchat, R. (2013). Conditional correlations and volatility spillovers between crude oil and stock index returns. The North American Journal of Economics and Finance, 25, 116–138.

[15] Chen, S. S. (2009). Do higher oil prices push the stock market into bear territory? Energy Economics, 32(2), 490− 495.

[16] Diebold, F. X., & Yilmaz, K. (2012, March). Better to Give than to Receive:Predictive Directional Measurementof Volatility Spillovers Forthcoming. International Journal of Forecasting, 28(1), 57-66.

[17] Engle, R. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.

[18] Ewing, b. T., & Malik, f. (2010). Estimating Volatility Persistence in Oil Prices under Structural Breaks. Financial Review, 215(4), 1011-1023.

[19] Filis, G., Stavros, D., & Christos, F. (2011). Dynamic correlation between stock market and oil prices: The case of oil-importing and oil-exporting countries. International Review of Financial Analysis, 20(3), 152–164.

[20] Forbes, K., & Rigobon, R. (2000). Contagion in Latin America: Definitions,Measurement, and Policy Implications. NBER Working Paper, 1, 1-46.

[21] Gray, S. (1996). Modeling the Conditional Distribution of Interest Rates as a Regime-Switching Process. Journal of Financial Economics, 42(1), 27-62.

[22] Hamilton, J. (1989). A new approach to the economic analysis of non-stationary time series and the business cycle. Econometrica, 57(2), 357–384.

[23] Jones, C., & Kaul, G. (1996). Oil and stock markets. Journal of Finance, 51, 463 - 491.

[24] Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119-147.

[25] Krolzig, H. (1997). Markov-Switching Vector Autoregressions, Modelling, Statistical Inference and Applications to Business Cycle Analysis. Berlin: Springer.

[26] Lardic, S., & Mignon, V. (2006). The impact of oil prices on GDP in European countries: An empirical investigation based on asymmetric cointegration. Energy Policy, 34(18), 3910–3915.

[27] Malik, F., & Hammoudeh, S. (2007). Shock and volatility transmission in the oil, US and Gulf equity markets. International Review of Economics and Finance, 16, pp. 357-368.

[28] Mensi, B., & Boubaker, M. (2013). Correlations and Volatility Spillovers Across Commodity and Stock Markets: Linking Energies, Food and Gold. Economic Modelling, 32, 15-22.

[29] Miller, J. I., & Ratti, R. A. (2009). Crude oil and stock markets: stability, instability, and bubbles. Energy Economics, 31(4), 559−568.

[30] O'Neill, J. T., Penm, J., & Terrell, D. R. (2008). The role of higher oil prices: a case of major developed countries. Research in Finance, 24, 287−299.

[31] Park, J., & Ratti, R. A. (2008). Oil price shocks and stock markets in the U.S. and 13 European countries. Energy Economics, 30(5), 2587–2608.

[32] Pesaran, M. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17-29.

[33] Sadorsky, P. (1999). Oil price shocks and stock market activity. Economics, Energy, 21(5), 449–469.

[34] Serra, T. (2011). Volatility spillovers between food and energy markets: A semi parametric approach. Energy Economics, 33(6), 1155–1164.

[35] Wu, H., & Li, Sh. (2013). Volatility spillovers in China’s crude oil, corn and fuel ethanol markets. Energy Policy, pp. 878–886.

[36] Zhang, B., & Wang, P. (2014). Return and volatility spillovers between china and world oil markets. Economic Modelling, pp. 413–420.

[37] Zhang, Y., & Jun, S. (2016). The dynamic volatility spillover between European carbon trading market and fossil energy market. Journal of Cleaner Production, 112(4), 2654–2663.