بررسی همبستگی قیمت نفت، نرخ ارز و قیمت نهاده‌های وارداتی صنعت طیور در ایران: بکارگیری رهیافت مفاصل تاکی شکل

اقتصاد و توسعه کشاورزی

مقاله 2، دوره 31، شماره 3 - شماره پیاپی 37، مهر 1396، صفحه 207-215   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jead2.v31i3.59168

نویسندگان

اسماعیل پیش بهار^* ؛ پریسا پاکروح؛ محمد قهرمان زاده

دانشگاه تبریز

چکیده

صنعت طیور یکی از حیاتی‌ترین بخش‌های کشاورزی است که در زمینه تولید گوشت و تأمین پروتئین نقش اساسی دارد. به دلیل وجود رقابت بالا در مصرف آب بین غذای انسان و طیور، زیربخش طیور اغلب نهاده‌های خود را از طریق واردات تأمین می‌کند. از آنجاکه هرگونه نوسان و شوک در بازارهای بین‌المللی به دلیلی گسترش ارتباطات بازارهای داخلی را تحت تأثیر قرار می‌دهد، بروز هرگونه شوک در قیمت نهاده‌ها در بازار‌های جهانی بازار داخلی را تحت تأثیر قرار خواهد داد. این وضعیت بعد از شروع بحران قیمت نفت از سال 1384، بیشتر از قبل قیمت‌ها را تحت تأثیر قرار داده است که به نظر می‌رسد در ایران هم صنعت طیور به واسطه‌ای وارداتی بودن حجم بالای اغلب نهاده‌ها متأثر بوده است. با توجه به مسئله گفته شده هدف این مطالعه بررسی همبستگی بین قیمت نفت، نرخ ارز و قیمت نهاده‌های وارداتی صنعت طیور در دو بازه زمانی داده‌های ماهانه‌ی سا‌ل‌های83-1374 (قبل بحران) و 93-1384 (بعد بحران) می‌باشد. این هدف با استفاده از رهیافت واین کاپیولا بر اساس ARMA-MGARCH بررسی شده است. نتایج حاصل از این مطالعه نشان داده نهاده‌های ذرت، سویا در دوره بعد بحران نسبت به دوره قبل بحران همبستگی مثبت و بالایی با قیمت نفت و همبستگی منفی با نرخ ارز از خود نشان‌ داده‌ است. بنابراین می‌توان گفت قیمت نهاده‌های صنعت طیور با شروع شوک‌های قیمت نفت از سال 1384 به دلیل شروع بحران‌های جهانی مانند جنگ عراق و آمریکا، بحران مالی جهانی و افزایش جهانی قیمت نهاده‌های کشاورزی، بیشتر تحت تأثیر تحولات جهانی قرار گرفته است.

کلیدواژه‌ها

بحران؛ جنگ؛ ذرت؛ سویا؛ شوک‌های قیمتی

مراجع

1- Abbott P., Hurt C., and Tyner W. 2008. What’s Driving Food Prices? Farm Foundation. Issue Report July 2008.

2- Anderse T.G., Davis R.A., Kreiss J.P., and Mikosch T. 2007. Multivariate GARCH models. Working Paper Series in Economics and Finance 669: 1-25.

3- Beaulieu J.J., and Miron J.A. 1993. Seasonal unit roots in aggregate US data. Journal of Econometrics, 55: 305-328.

4- Enders W. 1995. Applied Econometric Time Series. Iowa State University.

5- Gozgor G., and Kablamaci B. 2014. The linkage between oil and agricultural commodity prices in the light of the perceived global risk. MPRA paper 58659: 332-342.

6- Harri R., Nalley L., and Hudson D. 2009. The Relationship between Oil, Exchange Rates, and Commodity Prices. Journal of Agricultural and Applied Economics, 41(2):501–510.

7- Hanson K., Robinson S., and Schluter G. 1993. Sectoral Effects of a World Oil Price Shock: Economy wide Linkages to the Agricultural Sector. Journal of Agricultural and Resource Economics. 18(1): 96–116.

8- Hosseini A. 2016. Monthly poultry and livestock Journal. 47: 11-49.

9- Infrastructure studies office of Parliament. 2009. The livestock and poultry industry. 250:1-25.

10- Javadi A., and Ghahremanzadeh M. 2016. Analysis the fluctuation of poultry inputs industry market with DCC-MGARCH model. Tenth Biennial Conference of Agricultural Economics Iran. May 2015. University of Kerman.

11- Kamalzadeh A., and Shabani A. 2007. Maintenance and growth requirements for energy and nitrogen of Baluchi sheep. International Journal of Agriculture and Biology, 9(3): 523-529.

12- Kamalzadeh A., Rajabbaigy M., Moslehi H., and Torkashvand R. 2009. Poultry Production Systems in Iran. In Book of Proceedings, 2nd Mediterranean Summit of WPSA. 4:183-188.

13- Kamalabadi H., and Shahnoshi N. 2012. Price Transmition of imported inputs poultry sector from global markets to domestic markets case study of Soybean and Fish powder. Agricultural economic and development. 79.

14- Kiatmanaroch T., and Sriboonchitta S. 2014. Relationship between exchange rates, palm oil prices and crude oil prices: A Vine Copula based GARCH approach. Modeling Dependence in Econometrics: 399-413.

15- Khoung ND, Aloui R., and Aissa B.M. 2013. Conditional dependence structure between oil prices and exchange rates: A copula-GARCH approach. Journal of International Money and Finance )32(: 719-738.

16- Lim C., and Mcaleer M. 2000. A seasonal analysis of Asian tourist arrivals to Australia. Applied Economics, 32: 499-509.

17- Nazlioglu S., and Soytas U. 2011. World oil Price and Agriculture Commodity Price: Evidence from an emerging market. Energy Economics 33: 448-496.

18- Puarattanaarunkorn O., and Sriboonchitta S. 2014. Copula based GARCH dependence model of Chinese and Korean Tourist Arrivals to Thailand: Implications for risk Management. Modeling Dependence in Econometrics: 343-365.

19- Sensoy A., Turhan I.M., and Hacihasanoglu E. 2014. A Comparative Analysis of the dynamic relationship between oil price and exchange rates, Journal of International Financial Markets, Institution and Money, 32: 397-414.

20- Schnept R. 2008. High Agricultural Commodity Prices: What Are the Issues?. Congressional Research Service May 2008.

21- Sriboonchitta S., and Boonyanuphong P.H. 2014. An Analysis of Interdependence among Energy, Biofuel and Agricultural Markets Using Vine Copula Model. Modeling Dependence in Econometrics: 415-429.

22- Sklar A. 1973. Random Variables, Joint Distribution Functions, and copulas. Kybernetika 9: 449-460.

23- Shams S., and Zareshenas M. 2014. Copula Approach for modeling oil and gold price and exchange rate co-movement in Iran. International Journal of Statistics and Applications, 4(3): 172-175.

24- Shavalpour S., Jabbarzadeh A., and Khanjarpanah H. 2015. Modeling the Spillover of Oil Shocks on Crops Market: The Case of Soybean and Wheat. Growth and Development of Rural & Agricultural Economics. 1(2): 41-56.

25- Trostle R. 2008. Global Agricultural Supply and Demand: Factors Contributing to the Recent Increase in Food Commodity Prices. Economic Research Service. United States Department of Agriculture.

26- Ziovet E. 2006. Unit-root and Stationary Tests. Unit root Lecture, Washington.

27- Wu Ch., Chung H., and Chang Y. 2012. The economic value of co-movement between oil price and exchange rate using Copula- based GARCH models. Energy Economics 34: 270-282.