روابط پویای حسابداری و مالی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتالبا رویکرد مدل خود همبسته با وقفه‌های توزیعی

پژوهش های حسابداری مالی و حسابرسی

دوره 12، شماره 48، بهمن 1399، صفحه 203-228   

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

حمید محمدی شاد¹؛ امیررضا کیقبادی^{* 2}؛ مهدی معدنچی زاج³

¹گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

²گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

³گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاداسلامی، تهران، ایران.

چکیده

چکیده
اطلاعات مربوط به متغیرهای مالی و همچنین گزارشات حسابداری، در طول زمان، به یکدیگر سرایت می­کنند، این موضوع با گسترش سیستم‌های ارتباطی و وابستگی بیش‌ازپیش بازارهای مالی به یکدیگر، اهمیت بیشتری یافته است. با توجه به اینکه بازارهای مالی با یکدیگر مرتبط هستند، اطلاعات ایجاد شده در یک بازار، می­تواند سایر بازارها را متأثر سازد. برخی معتقدند که یکی از مهمترین عوامل افزایش قیمت فلزات گرانبها من‌جمله طلا در بازارهای جهانی، افزایش و تلاطم قیمت نفت است. هدف این مقاله بررسی روابط پویای حسابداری و مالی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتال با رویکرد مدل خود همبسته با وقفه­های با فراوانی داده­های روزانه بوده است. ساختار طراحی شده در این مطالعه نشان‌دهنده این موضوع است که سرایت‌پذیری نوسانات بین بازارهای مالی وجود داشته است. در نتایج به دست آمده مشاهده گردید که شاخص کل بازار سهام رابطه­ی مستقیم با تمامی بازارهای دارایی­های دیگر داشته است. قیمت نفت خام با تمام دارایی­ها دارای رابطه معکوس است و نرخ ارز نیز تحت تأثیر مستقیم دارایی­های مالی دیگر قرار گرفته و رابطه معکوسی با قیمت نفت داشته است.

کلیدواژه‌ها

قیمت نفت خام؛ قیمت فلزات گرانبها (طلا؛ نقره و پلاتین)؛ نرخ ارز؛ شاخص بازار سهام؛ روش خود همبسته با وقفه‌های توزیعی

اصل مقاله

روابط پویای حسابداری و مالی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتالبا رویکرد مدل خود همبسته با وقفه­های توزیعی

 

 

حمید محمدی شاد^[1]

 

تاریخ دریافت: 25/07/1399            تاریخ پذیرش: 27/09/1399

امیررضا کیقبادی^[2]

مهدی معدنچی زاج^[3]

 

چکیده

اطلاعات مربوط به متغیرهای مالی و همچنین گزارشات حسابداری، در طول زمان، به یکدیگر سرایت می­کنند، این موضوع با گسترش سیستم‌های ارتباطی و وابستگی بیش‌ازپیش بازارهای مالی به یکدیگر، اهمیت بیشتری یافته است. با توجه به اینکه بازارهای مالی با یکدیگر مرتبط هستند، اطلاعات ایجاد شده در یک بازار، می­تواند سایر بازارها را متأثر سازد. برخی معتقدند که یکی از مهمترین عوامل افزایش قیمت فلزات گرانبها من‌جمله طلا در بازارهای جهانی، افزایش و تلاطم قیمت نفت است. هدف این مقاله بررسی روابط پویای حسابداری و مالی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتال با رویکرد مدل خود همبسته با وقفه­های با فراوانی داده­های روزانه بوده است. ساختار طراحی شده در این مطالعه نشان‌دهنده این موضوع است که سرایت‌پذیری نوسانات بین بازارهای مالی وجود داشته است. در نتایج به دست آمده مشاهده گردید که شاخص کل بازار سهام رابطه­ی مستقیم با تمامی بازارهای دارایی­های دیگر داشته است. قیمت نفت خام با تمام دارایی­ها دارای رابطه معکوس است و نرخ ارز نیز تحت تأثیر مستقیم دارایی­های مالی دیگر قرار گرفته و رابطه معکوسی با قیمت نفت داشته است.

واژه‌های کلیدی:قیمت نفت خام، قیمت فلزات گرانبها (طلا، نقره و پلاتین)، نرخ ارز، شاخص بازار سهام، روش خود همبسته با وقفه‌های توزیعی.

1- مقدمه

طی سال­های گذشته، ارزش بیت کوین[i] (BTC) با افزایش بیست برابری شگفت‌آور، تمام رکوردها را شکست و باعث شد رمز ارز یکی از داغترین مضامین سال 2017 باشد (نیشیزاوا و کیم[ii]، 2017). پول‌های مجازی و پول‌های رمزنگاری شده نمونه‌هایی از پول‌های دیجیتال هستند. پول رمزنگاری شده نوعی پول غیرمتمرکز دیجیتالی و مقررات­گذاری نشده محسوب می‌شود که برای استفاده در مبادلات طراحی شده است (بیک و البیک[iii]، 2015). در مورد نوسانات رمز ارزها باید بیان کرد که پول مجازی برعکس پول­های سنتی از قوانین و مقررات شفافی برخوردار نیست و این می­تواند به یک چالش جدی برای هر دولتی تبدیل شود. مخاطرات پول مجازی از جمله ریسک بازار، ریسک کم عمقی بازار، ریسک طرف مقابل، ریسک معامله و ریسک عملیاتی است. یکی از مسائل بسیار قابل توجه در عرصه بازارهای مالی رابطه تنگاتنگ قیمت کالاها و ارزش ارزهای کشورهای مختلف جهان با یکدیگر است. بین ارزهای دیجیتال و کالاهای حساس مثل نفت و طلا صرفاً یکی از چندین پارامتر تأثیرگذار است و چه بسا در شرایط خاص این ملاحظات از طرف بازیگران بازار نادیده گرفته شود. تشخیص اینکه در چه شرایطی این روابط محکم و استوار است و در چه شرایطی سست و ناپایدار، به عهده تحلیلگران بازارهای مالی و این مهم خود امری دشوار است.

نوسانات قیمت در محصولات انرژی مانند نفت به طور قابل توجهی عملکرد متغیرهای کلیدی کلان اقتصادی را تحت تأثیر قرار می­دهد (دلگدو و همکاران^[iv]، 2018).به­عنوان مثال، قیمت نفت به عنوان محرکه‌یمهم نرخ ارز در اقتصاد جهانی در نظر گرفته می­شود (هاشمی و همکاران، 1396)؛زیرا حجم گسترده­ای از معاملات بین­المللی نفت به دلار انجام شده و از این­رو تقاضای بیشتر نفت، منجر به استهلاک بیشتر پول محلی خواهد شد.طی دو دهه اخیر، قیمت نفت در بازار بین­المللی نفت خام کاملاً بی­ثبات بوده که اینپدیده پیامدهای بزرگی برای اصول کلان اقتصادی کشورهای صادرکننده نفت و واردات نفت دارد.تغییر در میزان تقاضا و تأمین فرآورده­های نفتی به دلیل تغییرپذیری در قیمت­های بین­المللی نفت، بر نرخ ارز هر دو کشور صادرکننده نفت و واردکنندگان نفت تأثیر گذاشته است. ایران به­عنوان یک کشور مهم صادرکننده نفت که در آن دولت، مالکیت منابع نفتی را در اختیار دارد مطرح است. لذا در ایران بخش نفت از یک­سو تأمین‌کننده‌ی ارز و از سوی دیگر تأمین‌کننده‌ی بودجه­ی عمومی دولت بهشمار می­رود (فطرس و هوشیدری، 1397: 90). همچنین، افزایش در قیمت نسبی کالای قابل مبادله خارجی تأثیر کمتری بر روی نرخ ارز واقعی خواهد داشـت.به‌علاوه، زمـانی کـه یـک شـوک نفتیشرایط تجاری را بدتر می­کند، آن کشور مجبور می­شود برای بهبود شرایط رقابتی، نرخ ارز اسمیرا افزایش دهد که این امرمنجربه کاهش بیشتری در نرخ واقعی ارز می­شود (شکیبایی، افلاطونی و نیکبخت، 1387: 70)؛بنابراین، بررسی روابط بلندمدت بین قیمت نفت و نرخ ارز، با در نظر گرفتن آمار سال­های اخیر، جهت تطبیق با واقعیت، ضرورت توجه و بررسی دارد.

از سوی دیگر، واکنش بازده­ سهام به قیمت نفت، با توجه به ایـن موضـوع کـه افـزایش قیمـت نفـت خـام نتیجۀ شوک­هـای تقاضـا یـا شـوک­هـای عرضـه در بـازار نفـت خـام بـوده اسـت بـه شـکل قابل­توجهی مثبت یا منفی است. از دیگر سو، افزایش قیمت نفت می­تواند بروضعیت اقتصـادی بازار نوظهوری که تولیدکننده نفت نیست آثار نامطلوب داشته باشد، اما این آثـار مـی­توانـد بر بازده سهام بازارهای نوظهور تولیدکننده نفت مثبت باشد (ثقفی و قنبریان، 1393: 1396). لذا، وجود رابطه دوسویه بین قیمت نفت و بازده سهام، با در نظر گرفتن آمار به­روزی از روند تغییرات آن­ها، نیازمند بررسی می­باشد.

همچنین، نفت و فلزات گرانبهایی مانند طلا، نقره و پلاتین، با توجه به تأمین مالی سریع کالاها، توجه زیادی را به خود، از طرف سرمایه­گذاران، جلب کرده­اند. تقاضای زیاد نفت در سطح جهان، همراه با متنوع سازی استفاده از فلزات گرانبها در صنایع مختلف، علاقه به تجارت این کالاها در بازارهای مالی بین‌المللی را برانگیخته است. سرمایه­گذاران نیز اخیراً اقدام به نگه‌داشتن پلاتین به جای طلا، به هنگام نوسانات نرخ ارز بوده­اند (جین و غوش^[v]، 2013). لذا تبیین وجود رابطه­ بین نرخ ارز و فلزات گرانبهایی مانند طلا، نقره و پلاتین رهنمودی برای سیاست­گذاران در راستای تصمیمات مربوط به سیاست­های پولی و ارزی است (چرچیل، اینکوه، ایوانوسکی و اسمیت^[vi]، 2019). تقاضا برای این فلزات گرانبها و نفت منجر به هم­حرکتی قیمت­ها شده است و برخی از آنها حاکی از آن است که هم­حرکتی قیمت، اطلاعات معتبرتری را نسبت به قیمت مصرف‌کننده به شرکت‌کنندگان در بازار منتقل می­کنند (بالشیلر^[vii] و همکاران، 2015، مهدوی و ژو^[viii]، 1997). با توجه به اهمیت هم­حرکتی در قیمت کالاها، تنوع سهام و سبد خرید و ادغام در بازار، بررسی پویایی کلی این هم­حرکتی­ها در یک شرایط چند متغیره ضروری است. تئوری اقتصادی تا حدی در توضیح روابط بین کالاها و بازارهای ارز موفق بوده­اند. با این حال، ادبیات تجربی هنوز پویایی این پیوندها را کاملاً مورد بررسی قرار نداده­اند. به عنوان مثال، تئوری نشان می­دهد که افزایش در قیمت­های بین‌المللی نفت می­تواند منجر به تورم و شوک نرخ ارز شود و به دلیل محافظت از پرتفوی در برابر خطرات ارزی و تورم، سرمایه‌گذاران تمایل دارند که به سمت فلزات گرانبها تغییر کنند (بارونیک^[ix] و همکاران، 2016). این نظریه­ها، با این وجود، در ارائه توضیحات کافی درمورد مسیرهای روابط علی و معلولی، موفق نیستند.

وجه تمایزاینمطالعه نسبت به مطالعات پیشیندر این است که به بررسیروابط پویا بین ارزهای دیجیتال، بازارهای مالی (نرخ ارز دلار- یورو) و بازار کامودیتی‌های مهم از قبیل طلا و نفت می­پردازد. سؤال اصلی این مطالعه به این شرح بوده که پویایی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتال به چه صورت بوده است؟

 

2- چارچوب نظری تحقیق                                      

بازار نفت یکی از اصلی‌ترین بازارهای جهانی است که معمولاً در رابطه با دیگر بازارهای پیشرو است؛ به عبارت دیگر تغییرات تفت موجب تحول در دیگر بازارها از جمله بازار ارز می­شود و عکس این موضوع معمولاً صادق نیست. این مسئله اهمیت بررسی تحولات نفت را دوچندان می­کند. عوامل تأثیرگذار بر قیمت نفت خارج از بازارهای مالی هستند و بیشتر به مسائل سیاسی جاری در کشورهای تولیدکننده و همچنین به میزان تقاضا از طرف مصرف‌کنندگان بزرگ مثل چین و هند و ایالات‌متحده مربوط می­شود؛ اما تغییرات قیمت نفت تأثیر شدیدی بر بازارهای مالی دارد. براثرگران شدن قیمت نفت سهام بسیاری از شرکت­ها و ارزهای رایج ضربه می­بینند که از آن میان می­توان به سهام شرکت­های اتومبیل‌سازی اشاره کرد که قیمت نفت از فاکتورهای تأثیرگذار بر آنها است. با گران شدن نفت ارز رایج کشورهایی که مصرف‌کنندگان بزرگ نفت هستند با کاهش ارزش مواجه می­شود (ژانگ[x] و همکاران، 2010).

آمریکا به عنوان بزرگترین مصرف‌کننده نفت، اقتصادی به شدت حساس در برابر نفت دارد و اگرچه در این مطالعه قصد بحث در مورد تاریخ حضور آمریکا در خاورمیانه را نداریم اما نگاهی اجمالی به تاریخ معاصر این منطقه ژئوپلیتیک نشان‌دهنده میزان حساسیت آمریکا به مسئله نفت است. دلار آمریکا رایج ارز سرزمین آفتاب تابان نیز از بزرگترین قربانیان نفت است. ژاپن بیش از ۹۸ درصد از نفت خود را از خارج از مرزهای خود وارد می­کند و اقتصادی به شدت وابسته به نفت دارد به همین دلیل نسبت به افزایش قیمت نفت از خود حساسیت نشان می­دهد (قربانی و همکاران، 1392).

بالا رفتن قیمت نفت موجب افزایش تورم جهانی می­شود و در این شرایط سرمایه‌گذاران علاقه‌مند هستند تا سرمایه خود را به چیزی تبدیل کنند تا بیشترین مقاومت را در برابر افزایش تورم داشته باشد، طلا یکی از بهترین انتخاب­های آنان است و به همین دلیل تقاضا برای طلا بالا رفته و موجب افزایش قیمت این فلز گرانبها می­شود (حسینی و مرشدی، 1398).

در بازار ارز، عمده ارزهایی که رابطه تنگاتنگی با طلا دارند عبارت‌اند از: دلار، فرانک سوئیس و دلار استرالیا. برخلاف نفت که در تمامی روابط خود با دیگر بازارها نقش پیشرو را داشت طلا در رابطه خود با بازار ارز گاه نقش پیشرو و گاه نقش پیرو را بازی می‌کند (سیماکوا[xi] و همکاران، 2011).

در رابطه طلا با دلار، دلار نقش پیشرو را بازی می­کند و تغییرات طلا متأثر از تغییرات دلار است. عکس آن نیز در مواردی دیده شده است؛ یعنی طلا دلار را مطیع خود کرده و تغییرات دلار از پی تغییر قیمت طلا آمده اما به طور کلی آنچه معمول است این است که دلار جهت طلا را مشخص می‌کند. علت این مسئله آن است که طلا در بازارهای جهانی با دلار ارزش‌گذاری می‌شود و با بالا رفتن ارزش دلار قیمت طلا برای کسانی که با دیگر ارزها قصد خرید دارند افزایش می­یابد؛ و در نتیجه از تقاضای آن کاسته شده که کاهش قیمت را به دنبال دارد. عکس این موضوع نیز صادق است یعنی کاهش ارزش دلار موجب کاهش قیمت طلا برای خریدارانی است که با ارزی غیر از دلار قصد خرید دارند، در نتیجه تقاضا بالا رفته موجب افزایش قیمت می­شود (شوکات[xii] و همکاران، 2010).

از دیگر ارزهایی که با تأثیر از قیمت طلا ارزش خود را تنظیم می­کند فرانک سوئیس است. کشوری که دارای ذخایر بالای طلا است و به همین دلیل بالا رفتن قیمت این فلز موجب افزایش ارزش پول رایج این کشور می­شود (سگال[xiii]، 2007).

بیام[xiv] (۲۰۰۸)، بر این عقیده بود که ارتباط میان قیمت طلا و نفت یکی از پنج اصلی است که بر قیمت فلزات گرانبها به ویژه طلا تأثیرگذار است. بافر[xv] (۲۰۰۷)، دریافت که قیمت فلزات گرانبها منجر به عکس‌العمل قوی در قیمت نفت می­گردد. ملوین و سالتن[xvi] (۱۹۹۰)، عنوان می­کنند که طلا به عنوان بخش اساسی پورتفوی ذخایر بین­المللی در اکثر کشورها از جمله کشورهای تولیدکننده نفت به شمار می­رود.

آدرنگی و چاترا[xvii] (۲۰۰۲)، عنوان می­کنند که تحرک قیمتی[xviii] دیگر فلزات گرانبها به ویژه طلا و نقره، بر قیمت پالادیم و پلاتین تأثیرگذار است. هان کیم و دیلتس[xix] (۲۰۱۱)، بیان می­کنند که یک رابطه منفی میان ارزش دلار و قیمت طلا و ارزش دلار و قیمت نفت وجود دارد به این معنی که زمانی که دلار ارزش خود را از دست می‌دهد قیمت نفت و طلا افزایش می­یابد که این موضوع به عنوان یک نظریه اقتصادی پیش‌بینی شده است. همچنین مطابق با پیش‌بینی نظریه­های کلاسیک اقتصادی، یک ارتباط آماری مثبت میان قیمت نفت و طلا وجود دارد که بیانگر این است که این دو کالا جانشین نزدیک هستند که ارزش دارایی را حفظ می­کنند.

حموده و همکاران[xx] (۲۰۱۰)، بیان می­کنند که تقریباً تمام فلزات حساسیت ملایمی نسبت به اخبار منتشر شده در مورد خودشان دارند و در کوتاه‌مدت دارای واکنش ضعیفی نسبت به اخبار دیگر فلزات هستند. این موضوع اهمیت انجام هجینگ[xxi] در کوتاه‌مدت را نشان می‌دهد، همچنین بیانگر وجود محدودیت در فلزات گرانبها زمانی که در برابر یکدیگر هجینگ می­شوند، است. در بلندمدت حساسیت قوی نسبت به نوسانات مربوط به شوک­های گذشته وجود دارد که قوی‌ترین قسمت آن مربوط به فلز نقره و ضعیف‌ترین آن مربوط به فلز طلا می­باشد. نتایج پژوهش آنها بیانگر وجود بالاترین همبستگی مشروط میان زوج پالادیم و پلاتین و پس از آن میان زوج طلا و نقره می­باشد. در نهایت، نتایج بیانگر آن است که طلا امن­ترین پناهگاه در میان سایر فلزات گرانبها می­باشد.

 

2-1- فلزات گرانبها، نوسانات نرخ ارز و نوسان بازار سهام

فلزات گران­بها در سرمایه‌گذاری در کارکرد اصلی دارند: یک کارکرد اصلی، پوشش سرمایه‌گذار در برابر کاهش ارزش پول است. بدین معنا که وقتی ارزش پول به خاطر سیاست­های انبساطی بانک مرکزی یا افزایش تورم کاهش یابد، این فلزات در کنار سهام برخی شرکت­ها یکی از مأمن‌های سرمایه‌گذاران برای فرار از کاهش ارزش پول می­باشند (مرادی و نجفی زاده، ۱۳۹۲). 

کارکرد دیگر آن، پوشش سرمایه­گذار در برابر ریسک­های بازار است. این کارکرد به این معنا است که وقتی ریسک و نوسانات در بازارها (مانند بازار سهام)، بیش از تحمل سرمایه‌گذاران افزایش می­یابد، آن­ها به سمت خرید مسکن، زمین و فلزات گرانبها به عنوان محل امن جذب می­شوند تا اثرات این نوسانات را بر خود کاهش دهند. فلزاتی مانند طلا در دنیا معمولاً به دلار آمریکا قیمت­گذاری می­شوند و سپس بر اساس نرخ تبدیل دلار به ارزهای دیگر، قیمت آنها تبدیل می­شود. پس برای تحلیل طلا و نقره مهم آن است که تورم و نیز ریسک بازارها بررسی شود (آلشوگن لیری[xxii]، 2011).

در شرایطی که به دلیل عدم وجود رفتارهای هیجانی عمومی مردم نسبت به ارز، اگر نرخ تبدیل ارز به عنوان عامل ایجاد حباب شناسایی گردد و اگر این فلزات فاقد حباب باشند به سمت بازار این فلزات جذب می­شوند. هر چند در این شرایط نیز به دلیل وجود نقدینگی خرد نزد مردم به دلیل تزریق یارانه­های دولتی، تقاضا برای فلزات گران­بها و در نتیجه حباب در قیمت آنها ایجاد می­شود. با افزایش نگرانی مردم نسبت به وضعیت آتی ارز، مردم به دنبال پوشش ریسک کاهش ارزش ثروت خود می­باشند و بهترین وسیله برای این امر را خرید ارز می‌دانند که به تدریج تقاضا برای اسکناس خارجی افزایش می­یابد (زوالوس و دل کار پیو، ۲۰۱۵). 

علاوه بر این، از دیدگاه نگهداری ارز به صورت یک دارایی جانشین در سبد دارایی­ها، می­توان گفت ارز خارجی می­تواند به عنوان یک دارایی جانشین برای سایر دارایی­ها از جمله سهام مطرح باشد. افزایش نرخ ارز به معنای کاهش ارزش پول ملی است و ممکن است افراد پول خارجی را به خاطر سودآوری به جای سایر دارایی­ها از جمله سهام جایگزین کنند. اگر نرخ ارز به یک دارایی جذاب نسبت به سایر دارایی­ها تبدیل شود، گاهی اوقات افراد برای دستیابی به مطلوبیت بیشتر و سودآوری بیشتر، اقدام به فروش دارایی­هایی از جمله مسکن، طلا و نقره و خرید ارز بیشتر می­کنند این امر موجب ایجاد تکانه و نوسانات در هر سه طرف بازار فلزات و سهام و ارز می­شود (اسلاملوئیان و زارع، ۱۳۸۵).

هم‌چنین اگر تکانه­های ایجاد شده به قیمت و جریان عرضه و تقاضای ارز خارجی وارد شوند، این فشار ارزی به دلیل عدم تناسب عرضه و تقاضای برای اسکناس خارجی افزایش می­یابد و مردم به یکباره به تبعیت از رفتار هیجانی ایجاد شده، جهت خرید ارز به بازار هجوم می­آوردند که با توجه به عدم افزایش مناسب کمی ارز در این شرایط، مردم برای پوشش این ریسک، چاره‌ای جز خریداری طلا و نقره یا خرید سهام با بازده بالا نمی­بینند (پدرام، ۱۳۹۱).

به این ترتیب این رفتار هیجانی مردم، موجب به وجود آمدن حباب فلزات گران‌بها می­گردد، زیرا مردم به دلیل نبود دلار جهت خرید، به خرید این فلزات روی می­آوردند. اگر به پیش‌فروش فلزات و دستور بانک مرکزی مبنی بر ممنوعیت خروج طلا و نقره از کشور و متوقف شدن پیش‌فروش این فلزات و تعداد قراردادهای پیش‌فروش آنها، تاکنون توجه داشته باشیم، مشاهده می­شود که بانک مرکزی ضمن جذب نقدینگی سرگردان نزد مردم، متعهد به تحویل مقدار مشخصی از این فلزات در تاریخ مشخص می­باشد، در زمان تحویل، اگر تمهیدات و برنامه­ریزی مناسبی جهت کنترل قیمت فلزات گرانبها صورت نگیرد، شاید قیمت در آن شرایط دارای روند کاهشی و در نتیجه حباب منفی گردد (امیری و همکاران، 1395).

اگر چه این موضوع در یک نگاه به نفع بانک مرکزی خواهد بود، اما به دلیل اثرات روانی و رفتارهای هیجانی سرمایه­گذاران، می­تواند موجب بحران و کاهش ارزش سرمایه‌گذاری انجام شده گردد. بر این اساس، به رغم این که اثرات پیش‌فروش فلزات گرانبها به صورت کوتاه‌مدت توانسته مقداری از نقدینگی بازار را به خود جذب کند، راه‌حل اساسی در کنار تعدیل نرخ سود سپرده‌های بانکی و جذب نقدینگی­های خارج شده از نظام بانکی، استفاده از ابزارهای بلندمدتی هم چون اوراق بدهی، سهام شرکت­ها و صندوق­های سرمایه­گذاری مشترک کالایی جذب‌کننده تورم، در این بازار می­باشد و شاید استفاده از صکوک طلا نیز گزینه مناسبی برای رویارویی با ریسک کاهش قیمت بازار سکه و مدیریت اثرات این موضوع باشد (زوالوس و دل کار پیو، ۲۰۱۵).

 

 

 

2-2- فلزات گرانبها، توسعه بازارهای مالی و نوسانات بازار سهام

با توجه به اهمیت بازارهای مالی در ایجاد جریان‌های مالی میان پس‌اندازکنندگان و ضرورت توجه به نوسانات بازده قیمت فلزات گرانبها بر نوسانات بازده بازار سهام و به دلیل ارتباط میان بازارها، نوسانات یک بازار ممکن است موجب ایجاد نوسانات در بازارهای دیگر شود (هامالا و رودریجوز[xxiii]، ۲۰۱3). گاهی اوقات اثرات خارجی بین بازارها، به دلیل ناآرامی­های سیاسی (از جمله انقلاب‌ها و جنگ) ریسک سیاسی[xxiv] افزایش می­یابد. تحت این شرایط اشخاص تلاش می­کنند جانشینی پول انجام دهند. آربیتراژرها و سفته‌بازان در میان همه­ی بازارهای دارایی (مانند: بازار سهام و بازار ارز خارجی و غیره) به اثرات خارجی بین بازار سهام و بازار فلزات گران­بها توجه می­کنند؛ زیرا طلا و نقره مؤلفه اصلی ذخایر پولی جهانی برای بازرگانی و هجینگ ارزی است. اثرات خارجی میان بازارها یک سری نوسانات را ایجاد می­کند. از یک سو کاهش تقاضا برای سهام و کاهش ارزش آن، نوسانات بازار سهام و از سوی دیگر افزایش تقاضا برای فلزات گرانبها افزایش قیمت آن، نوسانات در این بازار را به همراه دارد (آپرگیس و همکاران، ۲۰۱۴).

برای مدیریت صحیح ریسک نگهداری دارایی­های مختلف، باید اطلاعات کافی درباره افزایش یا کاهش ارزش سبد دارایی وجود داشته باشد. در این میان اشخاص برای جلوگیری از ضرر و زیان احتمالی باید چگونگی اثرگذاری نوسانات دوره جاری بر نوسانات دوره آتی آگاه باشند و قبل از ایجاد نوسانات شدید در بازدهی تمام یا بخشی از دارایی­ها را به فروش برسانند. نوسانات بازده سهام ممکن است به حرکت سیستم مالی آسیب برساند و از روش­هایی مانند مخارج مصرفی و سرمایه­گذاری بر عملکرد رشد اقتصادی اثر منفی بگذارد (سجادی، فرازمند و هاشم پور، ۱۳۸۹).

توسعه بازار مالی از دو شیوه اثر سطح و اثر کارایی با افزایش در سرمایه‌گذاری موجب افزایش رشد اقتصادی می­شود (سنسوی[xxv]، ۲۰۱3). اثر سطح نشان می­دهد که توسعه بخش مالی، منابع را از پروژه­های ناکارآمد به سمت سرمایه­گذاری­های مولد هدایت می­کند. شفافیت در مقررات بازار مالی، نظیر رعایت استانداردهای حسابداری و سیستم گزارش­دهی، اعتماد سرمایه‌گذاران را افزایش می­دهد و این افزایش در اعتماد سرمایه­گذاران در جذب سرمایه­گذاران بسیار مهم است. اثر کارایی نیز نشان می­دهد که با توسعه بازار مالی تنوع و نقدینگی افزایش می­یابد و منابع به سمت پروژه­های با بازدهی بالا هدایتمی­شوند. این دو اثر موجب افزایش در سرمایه­گذاری و رشد اقتصادی شده، در نتیجه توسعه بازار مالی با رشد تولید و تقاضای مصرف برخی منابع (طلا، نقره، آلومینیوم، نفت، مس و انرژی) برای تولید همراه می­شود (فاگر والارچ، ۲۰۰۵). 

یکی از مسیرهایی که توسعه مالی می­تواند بر تقاضای برخی منابع مانند فلزات گرانبها و اساسی تأثیر بگذارد این است که با بهبود کارایی بازارهای مالی و ایجاد توسعه مالی گرفتن وام را برای مصرف­کنندگان و تولیدکنندگان آسان­تر و کم هزینه­تر می­کند و دسترسی راحت به اعتبارات برای مصرف­کنندگان باعث می­شود تا آنها به راحتی نیازهای خود را تأمین کنند. به خصوص این که این امر باعث افزایش تقاضای آنها از اقلام بزرگی از محصولات تولید شده به وسیله­ی این منابع می­شود که این اقلام بزرگ مانند صنایع خودروسازی، آلومینیوم‌سازی، الکترونیک، هوافضا و جواهرسازی به طور معمول مصرف مقدار زیادی از این فلزات را می­طلبد که می­تواند تقاضای کل برای دریافت مقدار زیادی از این منابع در یک کشور را تحت تأثیر قرار داده و افزایش دهند (زوالوس و دل کار پیو، ۲۰۱۵).

با افزایش توسعه بازار مالی و کاهش هزینه قرض گرفتن، فعالیت­های سرمایه­گذاری و فعالیت­هایی مولد سود سرمایه‌گذاری (خرید طلا و نقره، مسکن، سهام شرکت‌های پر بازده) افزایش و فرصت­های اشتغال برای کارگران ماهر و غیر ماهر افزایش خواهد یافت. این امر موجب افزایش تقاضا برای زیرساخت­ها و تولید و درآمد ملی شده و تقاضا برای برخی فلزات به عنوان مواد اولیه، جهت بکارگیری در فرآیند تولیدی، مانند صنایع مادر و صنایعی که نیازمند این فلزات می­باشند (مانند ساخت ابزار پزشکی و دندان‌پزشکی و جواهرسازی) را افزایش می­دهد. در این شرایط در کنار رشد اقتصادی و صنعتی، شاهد افزایش اشتغال و بازده سهام شرکت­های عرضه­کننده و صادرکننده این مواد اولیه در کشور خواهیم بود (سرفراز و افسر، ۱۳۸۴، کریستوفر و همکاران[xxvi]، ۲۰۰۶). 

اما با توجه به این که برخی کشورها، با کمبود یا فقدان این منابع مواجه می­باشند، بسیاری از فعالان اقتصادی، جهت تأمین مواد اولیه، خرید ماشین­آلات و انتقال تکنولوژی مورد نیاز، نیازمند واردات مواد اولیه و بنیادی از کشورهای دیگر می­باشند، در نتیجه با تقاضای ارز مواجه می­باشند که برای خرید ارز اقدام به فروش سهام یا دارایی­های دیگر می­کنند؛ بنابراین تغییرات نرخ ارز نیز باعث تحت تأثیر قرار گرفتن روند تولیدی شرکت آنها می­شود.(منصورفر و همکاران، ۱۳۹۴).

همچنین می­توان به این نکته نیز توجه نمود که پرداخت­های نقدی بنگاه­های اقتصادی و شرکت­ها عمدتاً سه دسته می­باشد که شامل پرداخت حقوق و دستمزد، پرداخت حق بیمه­های تأمین اجتماعی توسط کارفرمایان و پرداخت مالیات بر ارزش‌افزوده است (آیدوقان و بوس[xxvii]، ۲۰۰۳، به نقل از شرما و نارایان[xxviii]، 2014).

تقریباً پرداختی­های شرکت­ها از جمله شرکت­های سهامی در دوره­های معینی پرداخت می­گردد. پرداخت حق بیمه­های تأمین اجتماعی و مالیات بر ارزش‌افزوده مواردی از پرداخت­های نقدی می­باشند. در شرایطی که نرخ تورم بسیار بالا است، این شرکت­ها وجوه در دسترس خود را به جانشین­های پول تبدیل می­کنند (مانند فلزات گران‌بها) سپس در هنگام پرداخت وجوه، مجدداً جانشین­های پول (از جمله فلزات گران‌بها) را به وجه نقد تبدیل کرده و پرداخت­ها را صورت می­دهند؛ بنابراین، شیوه‌ی پرداخت شرکت­های سهامی در شرایط بالا بودن نرخ تورم، موجب ایجاد نوسانات در بازار دارایی­هایی که جانشین پول می­باشند (از جمله فلزات گران‌بها) می­شود. نوسانات در قیمت فلزات گران­بها می­تواند موجب نوسانات در شاخص قیمت بورس فلزات و در نتیجه شاخص قیمت سهام شود. از سوی دیگر، فلزات گران­بها می­توانند جانشین­های پول محسوب شده و با توجه به شیوه­ی پرداخت شرکت­های سهامی، مورد استفاده قرار گیرند؛ بنابراین، نوسانات در قیمت فلزات گران­بها می­تواند ارزش دارایی­های این شرکت­ها را و به تبع آن شاخص کل را متلاطم نماید (لشکری، ۱۳۸۲).

از برخی جهات تورم موجب کاهش ارزش شرکت­ها و از برخی جوانب موجب افزایش قیمت سهام شرکت­ها می­شود. آن دسته از شرکت-های پذیرفته‌شده در بورس که دارای دارایی­هایی (مانند طلا و نقره و غیره) هستند که اثر تورم بر افزایش قیمت آنها بیشتر است، اثرات تورم در افزایش قیمت سهام آنها بیشتر خواهد بود. در نتیجه این سهام از مقبولیت بیشتری نزد سهامداران برخوردار است. از این رو نوسانات بازده قیمت این دارایی­ها، موجب می-شود شرکت­های سهامی و بازار سهام نوساناتی را تجربه کند (عزیزی و همکاران، ۱۳۹۰).

از طرفی توسعه بازار سهام به طور ویژه برای بنگاه­ها جذاب است، زیرا به آنها اجازه می­دهد تا به یک منبع دیگری از وجوه، سرمایه و وام که می­تواند باعث بسط مشاغل شود، دسترسی داشته باشند. افزایش فعالیت بازار سهام می-تواند، تنوع ریسک را هم برای مصرف­کنندگان و هم برای بنگاه-ها بالا ببرد که یک عامل مهم برای تولید ثروت در یک اقتصاد است. افزایش فعالیت بازار سهام همچنین یک اثر ثروتی ایجاد می-کند که به نوبه خود اطمینان مصرف‌کننده و مشاغل را بالا می‌برد (مورالس[xxix]، ۲۰۰۸).

بازار سهام اغلب به عنوان یک شاخص اقتصادی هدایت‌کننده در نظر گرفته می­شود و فعالیت افزایش یافته بازار سهام، ممکن است به عنوان یک نشانه از رشد اقتصادی باشد که باعث افزایش اطمینان مصرف­کنندگان و بنگاه­ها می­شود. با افزایش اطمینان اقتصادی، فعالیت­های اقتصادی افزایش یافته و تقاضا برای کالاهایی که در تولیدشان نیازمند فلزات هستند را بالا می­برد (سادورسکای[xxx]، ۲۰۱۱، به نقل از سنسوی، 2013) یا در صورتی که بازده سهام شرکت­های تولیدکننده­ی این فلزات نسبت به سهام سایر شرکت­ها افزایش یابد، تمایل اشخاص به سرمایه‌گذاری و خرید سهام این شرکت­ها افزایش یافته و نوسانات در این بازارها را به همراه خواهد داشت؛ بنابراین دور از ذهن نیست که تکانه­ها یا نوسانات در بازده قیمت فلزات گران­بها، به عنوان یکی از عوامل تأثیرگذار، به واسطه­ی انتقال سرمایه-های اشخاص در کوتاه‌مدت، تأثیرات مشخصی بر سهام و ایجاد نوسانات در این بازار داشته باشد (کشاورز حداد و معنوی، ۱۳۸۷).

لازمه­ی حرکت به سوی توسعه­ی اقتصادی پایدار، به دست آوردن منابع لازم برای مجموعه فعالیت‌های اقتصادی، با تجهیز منابع پس­انداز موجود در اقتصاد ملی می­باشد. تصمیمات سرمایه‌گذاری بر طبق معیار توبین در بازارهای سهام انجام می­گیرد، به طوری که نوسانات موجود در بازار فوق بر روی تخصیص منابع و توزیع درآمد نقش برجسته­ای دارد؛ بنابراین بازارهای مالی به خصوص بورس اوراق بهادار، بر توسعه و رشد کشورهای توسعه‌یافته و درحال‌توسعه تأثیر معناداری دارد (حسینی نسب و همکاران، ۱۳۹۰).

 

3- مروری بر مطالعات پیشین

علیجانی و همکاران[xxxi] (2019) به بررسی عملکرد بیت­کوین به لحاظ قیمت و بازدهی در شش سال گذشته پرداخته­اند. برای این منظور از اطلاعات آماری به صورت روزانه استفاده شده است. به منظور بررسی رابطه بین قیمت و بازدهی بیت کوین از روش همبستگی پیرسون استفاده شده است. نتایج این مطالعه نشان داد که اطلاعات گذشته مربوط به روند بیت کوین تأثیر مهمی بر قیمت و بازدهی آن داشته است. همچنین نتایج بیانگر این بود که رابطه مستقیم و معنی­داری بین قیمت و بازدهی بیت کوین وجود داشته است.

وان د کاشرت (2018) به بررسی سرایت‌پذیری نوسانات و پویایی بازارها بین ارز دیجیتال و بازار دارایی پرداخت. در این مطالعه از شاخص بازار سهام S&P500 و پنج رمز ارز استفاده شد. نتایج بیانگر وجود یک سرایت‌پذیری دو طرفه بین بازارهای ذکر شده بود. همبستگی پویا بین در طول زمان بین بازارها وجود نداشته و این انتقال‌پذیری در لحظه صورت گرفته است.

وینتراپ[xxxii] (2017) به بررسی مکانیسم انتقال تلاطم­ها بین بازارها با مدل دومتغیره مارکوف سوئیچینگ پرداختند و نتیجه‌گیری کردند که در آن موقعیت یک متغیر تشدیدکننده احتمال تغییر موقعیت متغیر دیگر را موجب می­شود. آنها نتیجه گرفتند با آزمایش تعداد محدودیت­های مدل و فرضیه­ها می­توان بر نقش ارتباط یک بازار نسبت به بازار دیگر تأکید کرد (سرایت‌پذیری، وابستگی، تغییر همزمان، استقلال، عدم رابطه علیت گرنجر). نتایج نشان داد که خصوصیات بازار انتخابی در درازمدت با سرایت‌پذیری از هنگ‌کنگ تا کره و تایلند، وابستگی متقابل با مالزی و حرکت همزمان با سنگاپور همراه بوده است.

دیربرگ[xxxiii] (2016) با استفاده از یک مدل GARCH[xxxiv] به بررسی تأثیر نوسانات بازار ارزهای دیجیتال مانند بیت کوین به بازارهای طلا و دلار آمریکا پرداخت. نتایج بیانگر این بود که بین کوین به اخبار خوب و بد واکنش متقارنی نشان داده است. همچنین نوسانات در بازار بیت کوین به بازارهای مالی دیگر نیز منتقل می­شود که در این بین نرخ دلار بیشترین تأثیرپذیری را از نوسانات بین کوین داشته است.

السوبیایی[xxxv] (2016) به بررسی حجم معاملات، تلاطم­های مشروط متغیر زمانی و سرایت تلاطم­های نامتقارن در بازار سهام عربستان سعودی پرداخت. نتایج این مطالعه ترکیب فرضیه توزیع در سطوح شرکتی را حمایت کرد. همچنین از دو نماینده مختلف برای ورود اطلاعات استفاده شد، یکی تلاطم­های داخل روز و دیگری شاخص­های شبانه. نتایج بیانگر این بود که این دو فیلترهای مناسبی برای ورود اطلاعات بوده و به عنوان دوره همزمانی در توضیح تلاطم­های شرطی اهمیت دارند. همچنین سرایت‌پذیری تلاطم­های را بین پرتفوی‌های سرمایه بزرگ و کوچک نشان داده شد.

برماک[xxxvi] (2015) به بررسی پویایی­های بیت کوین و ارتباط آن با بازارهای مالی پرداخت. با توجه به نوسانات حدی در این نوع ارزها نسبت به پول‌های دیگر منجر به این شده که باعث افزایش در پویایی­های بیت کوین و بازارهای مالی شود.

چیو و همکاران[xxxvii] (2015) تحقیقی با عنوان شاخص‌های صنعت و انتقال ریسک مالی انجام دادند. این مطالعه معیار جدیدی از سرریز دنباله ریسک را پیشنهاد می‌دهد: فراروی همزمان شرطی[xxxviii] (CCX). نتایج تجربی بیانگر این بود که این سرریزها در دوره‌های بحران مالی افزایش یافته است. CCX در بخش داده شده ارتباط مثبتی با مقدار تأمین مالی بدهی و ارتباط منفی با ارزش و سرمایه‌گذاری دارد. از این رو؛ بخش­های حقیقی اقتصاد که نیاز به تأمین مالی زیاد بدهی دارد و فعالیت سرمایه‌گذاری و ارزش آنها نسبتاً کمتر است از گزینه‌های اصلی برای تلاطم و افزایش قیمت سهام پس از بحران در بخش مالی می‌باشد. شواهد همچنین بر این تأکید دارند که هر چه میزان رقابت در صنعت بیشتر باشد سرریز دنباله ریسک بخش مالی قوی‌تر است.

الطیبی و میشرا[xxxix] (2015) به بررسی سرریز بازار سهام آمریکا و عربستان به بازار سهام کشورهای بحرین، عمان، کویت، قطر و امارات متحده عربی پرداختند. بدین منظور، از الگوی GARCH-BEKK[xl] دومتغیره استفاده کردند. داده‌های مورد استفاده، هفتگی بود. نتایج بیان‌کننده انتقال تلاطم از عربستان و آمریکا به بازار این کشورها بود.

آروری و همکاران[xli] (2015) در مطالعه خود، از الگوهای GARCH-CCC[xlii]- ،DCC GARCH[xliii] ،GARCH-BEKK و GARCH-VAR[xliv] برای بررسی انتقال بازده و تلاطم بین قیمت جهانی طلا و بازار سهام چیناستفاده کردند. نتایج شواهدی از انتقال تلاطم دوطرفه را بین بازار طلا و سهام نشان داد. شوک گذشته در بازار طلا روی شوک و تلاطم بازار سهام اثر می‌گذارد. در نهایت، نشان دادند که الگوی GARCH-VAR بهتراز سایر الگوهای GARCH چند متغیره عمل کرده است.

منسی و همکاران[xlv] (2014) به منظور بررسی بازده روزانه و انتقال تلاطم بین بازارهای انرژی (نفت WTI[xlvi]، نفت برنت اروپا، بنزین و روغن) و غلات (جو، ذرت، سورگوم و گندم) از الگوهای VAR-BEKK-GARCH و VAR-DCC-GARCH استفاده کردند. نتایج بیان‌کننده انتقال شوک و تلاطم دوطرفه بین بازار نفت و گندم بود. همچنین نتایج نشان داد که اطلاعیه‌های خبری اوپک تأثیر قابل توجهی روی بازار نفت و رابطه نفت- غلات دارد.

باستان­زاد و داوودی (1396) به بررسی سازوکار انتقال ریسک بین بازارهای ارز، مسکن و سهام اقتصاد ایران با استفاده از رویکرد پارامتریک و ناپارامتریک ارزش در معرض خطر پرداختند. نتایج تخمین ارزش‌های در معرض خطر در سه بازار دارایی (مسکن، ارز و سهام) متکی بر روش‌های ناپارامتریک به علت انحراف ‌معیار و ضریب تغییرات کوچک‌تر و نیز انعکاس بهتر تکانه‌های ادواری، کارایی بیشتری نسبت به روش‌های پارامتریک دارد. نتایج آزمون علیت، نشان‌دهندۀ رابطۀ علّی از نرخ ارز به قیمت سهام و نیز رابطۀ علّی از بازار سهام به بازار مسکن است. بررسی رابطۀ ریسک بازارهای دارایی با متغیرهای کلان بر رابطۀ معکوس رشد اقتصادی با ارزش‌های در معرض خطر ارز و مسکن دلالت داشته است. همچنین مقادیر ارزش‌های در معرض خطر بازارهای مختلف به‌ترتیب، در کوتاه‌مدت و میان‌مدت در پایۀ‌ پولی تأثیر داشته است.

نیکومرام و همکاران (1394) به بررسی سرایت‌ تلاطم بازارهای موازی بازار سرمایه بر صنایع بورسی پراختند. در این راستا از روش تحلیل بردار خودرگرسیونی (VAR) و مدل خودرگرسیونی واریانس ناهمسانشرطی تعمیم‌یافته چندمتغیره (MGARCH[xlvii]) استفاده شده است. نتایج این پژوهش رابطه اثر سرایت­پذیری صنایع بورسی صادرات­محور را از بازار موازی ارز تأیید می­نماید؛ ولی نتایج پژوهش این سرایت­گذاری از سوی بازار موازی طلا مورد تأیید قرار نگرفته است. در همین راستا اثر سرایت­پذیری صنایع واردات­محور نیز از بازارهای موازی ارز و طلا تأیید نشده است. یافته­های جانبی پژوهش حاضر نیز نشان می­دهد که رابطه مثبت و دوسویه­ای میان دو بازار ارز و طلا در دوره مورد بررسی وجود داشته است.

حسینی و ابراهیمی (1392) به بررسی سرایت تلاطم بین بازارهای سهام به صورت مطالعه موردی بازار سهام ایران، ترکیه و امارات پرداختند. همبستگی دارایی­ها امری مهم در مدیریت ریسک و استراتژی­های تشکیل سبد سرمایه‌گذاری است. این مطالعه به بررسی سرایت تلاطم بین شاخص سهام بازارهای تهران، دبی و استانبول به عنوان سه بازار نوظهور و پیشرو در منطقه می‌پردازد. داده­های مورد استفاده به صورت روزانه در نظر گرفته شده است. نتایج مطالعه نشان‌دهنده سرایت معنادار تلاطم از بازار دبی به بازار تهران بود که این سرایت به شکل معکوس مشاهده نشد. از بازار دبی به ترکیه نیز سرایت محدودی قابل مشاهده بود.

حسینیون و همکاران (1389) به بررسی انتقال تلاطم نرخ بازده بین بازارهای سهام، طلا و ارز در ایران پرداختند. بدین منظور از الگویMGARCH-VAR برای بررسی بازارمالی ایراناستفاده شده است. داده‌هایی که مورد استفاده قرار گرفته، قیمت روزانه سکه تمام بهار آزادی (طرح جدید)، شاخص بورس اوراق بهادار تهران و نرخ ارز اسمی دلار آمریکا (نرخ ارز بازار در ایران) هستند. نتایج نشان‌دهنده انتقال شوک دو طرفه بین بازارهای ارزو طلا و بین بازارهای طلا و سهام است و انتقال شوک یک طرفه از بازار سهام به بازار ارز وجود دارد. همچنین نتایج نشان می‌دهد که انتقال تلاطم دوطرفه بین بازارهای ارز و بازار طلا و بین بازارهای طلا و سهام وجـود دارد.

حسینی و مرشدی (1398) به بررسی تأثیر احساسات سرمایه‌گذاران بر پویایی معاملات بورس اوراق بهادار تهران پرداختند. نتایج تحقیق ایشان نشان داد احساسات سرمایه‌گذاران تأثیر مستقیمی بر بازده سهام دارد. همچنین بـر اساس دیگر یافته‌های تحقیق مشخص شد که تولید ناخالص داخلی تأثیر مستقیم و تورم تأثیر معکوس بر ارتباط بین احساسات سرمایه‌گذار و بازده سهام دارند؛ اما رابطـه معنی‌داری در خصوص تأثیر هزینه‌های دولت بر ارتباط بین احساسات سرمایه‌گذار و بازده سهام به دست نیامد.

عرب صالحی و همکاران (1396) بحران مالی جهانی و مدیریت سود در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را بررسی کردند. در این پژوهش شاخص‌های مدیریت سود با استفاده از تعیین میزان هموارسازی سود و مدل تعدیل‌شده جونز اندازه‌گیری و بیان شده است. در تحلیل آماری از روش زوجی استفاده شده است. یافته‌ها حاکی از این است که میزان مدیریت سود در شرکت‌های پذیرفته شده در بورس تهران در طی سال‌های بحران مالی جهانی، کاهش یافته است.

خدادادی و همکاران (1394) به بررسی اثر تعدیل‌کننده‌ عدم اطمینان محیطی بر رابطه‌ بین مدیریت سود و عدم تقارن اطلاعاتی پرداختند. نتایـج تحقیق ایشان نشان داد که مدیـریت سـود در شرکت­های مورد مطالعه با عدم تقارن اطلاعاتی ارتباط مثبت معناداری دارد. همچنین، در یک محیط با عدم اطمینان بالا، شدت ارتباط مدیریت سود و عدم تقارن اطلاعاتی کاهش می­یابد. به بیان دیگر، با افزایش عدم اطمینان محیطی، مدیریت با اعمال بیشتر مدیریت سود عدم تقارن اطلاعاتی را کاهش می­دهد.

 

 

 

 

4- روش تحقیق و برآورد مدل

4-1- جامعه آماری و روش نمونه‌گیری

هدف این تحقیق بررسی روابط پویا میان قیمت نفت، قیمت فلزات گرانبها ، بازار سهام و نرخ ارز با رویکرد ARDL [xlviii] بوده است (مدل هایی که برای بررسی اثرات تاخیری ارائه می شوند، معروف به مدل های با وقفه توزیعی (Distributed Lag) هستند که یکی از جدید ترین روش ها برای این بررسی ها، روش خود توضیح با وقفه های توزیعییاARDL  است. در این مدل، متغیر وابسته تحت تاثیر وقفه های این متغیر و سایر متغیرهای مستقل قرار دارد). در این تحقیق از اطلاعات دوره زمانی 2020-2014 به صورت روزانه استفاده شد. روش گردآوری اطلاعات به صورت کتابخانه‌ای بر اساس شاخه اسنادی است. اطلاعات مورد استفاده در این مطالعه از سایت­های معتبری که نرخ­های بازارهای جهانی را منعکس می­کنند گردآوری خواهد شد. در این مطالعه با استفاده از یک رویکرد داده محور به گردآوری اطلاعات پرداخته شد.

 

4-2- متغیرهای تحقیق

مهمترین متغیرهای مورد استفاده در این تحقیق شامل نرخ ارز (نرخ ارز حقیقی)، قیمت نفت خام، قیمت طلا، قیمت پلاتین، قیمت نقره و شاخص کل بازار سهام است.

 

4-3- آزمون ریشه واحد متغیرهای تحقیق

بر اساس روند مرسوم در برآورد سری زمانی ابتدا متغیر‌‌های مورد استفاده به لحاظ ریشه واحد مورد آزمون قرار می­گیرند. جدول 1 نتایج این آزمون را بر اساس آماره دیکی فولر تعمیم‌یافته (ADF[xlix]) و فیلیپس-پرون نشان می­دهد. بر اساس نتایج به دست آمده تمامی متغیرهای تحقیق به دلیل اینکه مقدار آماره آزمون به صورت قدر مطلق کمتر از مقدار بحرانی باشد فرضیه صفر مبنی بر وجود ریشه واحد رد نشده و این متغیرها در سطح نامانا بوده و انباشته از درجه یک (I(1)) است و با یکبار تفاضل‌گیری مانا می‌شوند.

 

 

 

 

 

جدول 1 - آزمون ریشه واحد ADF و PP[l]

متغیرها	آزمون دیکی فولر افزوده (ADF)		آزمون فیلیپس – پرون (PP)
	آماره آزمون	مقادیر بحرانی در سطح 95%	آماره آزمون	مقادیر بحرانی در سطح 95%
لگاریتم نرخ ارز	66/2-	45/3-	18/2-	45/3-
لگاریتم قیمت نفت خام	62/1-	45/3-	96/1-	45/3-
لگاریتم قیمت طلا	74/1-	45/3-	42/1-	45/3-
لگاریتمقیمتبیت کویین	70/1-	45/3-	92/0-	45/3-
لگاریتم قیمت نقره	96/2-	45/3-	64/2-	45/3-
لگاریتم شاخص کل بازار سهام	41/3-	45/3-	18/1-	45/3-

منبع: یافته‌های پژوهشگر

 

4-4 آزمون هم انباشتگی متغیرهای تحقیق

همانطور که در بخش مبانی نظری بیان شد، شرط لازم برای وجود رابطه هم‌انباشتگی بین چند متغیر این است که همگی انباشته از یک مرتبه باشند. در بخش قبلی وجود ریشه واحد در متغیرهای مدل مورد بررسی قرار گرفت. نتیجه بخش قبلی این بود که اکثر متغیرها دارای یک ریشه واحد هستند؛یعنی انباشته از مرتبه یک هستند. در نتیجهاین متغیرها همگی شرط لازم را برای وجود رابطه هم‌انباشتگی دارند. برای بررسی رابطه هم‌انباشتگی از دو آماره  و  استفاده خواهد شد. نتایج مربوط به مقادیر این دو آماره و احتمال‌های مربوط به آن‌ها در جداول 2 نشان داده شده است.

نکته حائز اهمیت این است که در تخمین مدل تصحیح خطا و محاسبه مقادیر ویژه ماتریس  وقفه‌های بهینه برای مدل از طریق معیار آکائیک برابر با شش به‌دست آمده است. همانطور که از مقادیر جداول بالا مشخص است، فرضیه صفر در هر دو آماره  و  و در تمامی حالات رد شده است.

که این نشانگر وجود رابطه هم‌انباشتگی در سطوح متغیرهای مدل است. با توجه به وجود رابطه بلندمدت بین سطوح متغیرهای مدل در نتیجه می‌توان از مدل تصحیح خطا و خودرگرسیون برداری استفاده کرد.

 

 

جدول 2 - نتایج حاصل از بررسی هم انباشتگی یوهانسون - جوسیلیوس

		حالت 1		حالت 2		حالت 3		حالت 4		حالت 5
Ha	H0	مقدار ویژه		مقدار ویژه		مقدار ویژه		مقدار ویژه		مقدار ویژه
r=1,2,3	r=0	0047/0	396/14 (004/0)	0056/0	575/17 (060/0)	0055/0	220/17 (023/0)	0088/0	006/24 (036/0)	0086/0	419/21 (014/0)
r=2,3	r≤1	0040/0	562/6 (370/0)	0040/0	004/0 (791/0)	0038/0	0774/8 (457/0)	0039/0	4820/9 (945/0)	0037/0	1734/7 (765/0)
r=3	r≤2	0000/0	0016/0 (974/0)	0010/0	0010/0 (822/0)	0010/0	7659/1 (183/0)	0018/0	9862/2 (878/0)	0006/0	1019/1 (293/0)
		حالت 6		حالت 7		حالت 8		حالت 9		حالت 10
Ha	H0	مقدار ویژه		مقدار ویژه		مقدار ویژه		مقدار ویژه		مقدار ویژه
r=1	r=0	0047/0	833/7 (024/0)	0056/0	1866/9 (092/0)	0055/0	1495/9 (020/0)	0088/0	515/14 (077/0)	0086/0	234/14 (065/0)
r=2	r=1	0040/0	5606/6 (290/0)	0040/0	6198/6 (715/0)	0038/0	3114/6 (573/0)	0039/0	4957/6 (931/0)	0037/0	0715/6 (809/0)
r=3	r=2	000/0	0016/0 (974/0)	0010/0	7699/1 (822/0)	0010/0	7659/1 (183/0)	0018/0	9862/2 (878/0)	0006/0	1019/1 (293/0)

منبع: یافته‌های پژوهشگر

 

4-5- نتایج برآورد مدل ARDL

به منظور برآورد مدل خودهمبسته با وقفه­های توزیعی ابتدا برونزایی متغیرهای مستقل بررسی می­شود و در نهایت مدل خطی برآورد می­شود. در این مطالعه از روشی که توسط پسران و شین (1995) و پسران و دیگران (2001) با عنوان رویکرد خود رگرسیون با وقفه­های توزیعی معرفی کرده‎اند استفاده شده است. در ادامه به بررسی آزمون برونزایی متغیرهای مستقل با استفاده از آماره هاسمن پرداخته شده است که نتایج در جدول 3 گزارش شده است.

 

جدول 3– نتایج آزمون برونزایی متغیرهای تحقیق

نام متغیر	آماره آزمون	سطح معنی‌داری
لگاریتم نرخ ارز	29/4	004/0
لگاریتم قیمت نفت خام	23/4	000/0
لگاریتم قیمت طلا	87/3	006/0
لگاریتمقیمتبیت کوئین	76/4	008/0
لگاریتم قیمت نقره	20/3	000/0
لگاریتم شاخص کل بازار سهام	25/4	002/0

منبع: یافته‌های پژوهشگر

با توجه به سطح معنی­داری گزارش شده برای متغیرهای مستقل این مطالعه مشاهده می‌شود که فرضیه صفر مبنی بر عدم اثرگذاری معنی­دار متغیرها و درونزایی آنها رد شده و این متغیرها برونزا هستند. در ادامه به منظور بررسی رابطه تعادلی کوتاه­مدت بین متغیرهای تحقیق از روش خود رگرسیون با وقفه­های توزیعی استفاده شده است. الگویARDL روشی است که پویایی کوتاه‌مدت بین متغیرها را در نظر گرفته و رابطه بلندمدت را نیز مورد برآورد قرار می‌دهد که نتایج آن در جدول 4 گزارش شده است.

 

جدول 4–بررسی رابطه پویایی بین متغیرهای تحقیق در برآورد الگوی کوتاه‌مدت

نام متغیر	متغیر وابسته نرخ ارز ضریب (سطح معنی‌داری)	متغیر وابسته قیمت نفت خام ضریب (سطح معنی‌داری)	متغیر وابسته قیمت طلا ضریب (سطح معنی‌داری)	متغیر وابسته قیمت بیت کوئین ضریب (سطح معنی‌داری)	متغیر وابسته قیمت نقره ضریب (سطح معنی‌داری)	متغیر وابسته شاخص کل بازار سهام ضریب (سطح معنی‌داری)
وقفه متغیر وابسته	79/0 (02/0)	32/0 (02/0)	45/0 (02/0)	66/0 (02/0)	48/0 (02/0)	51/0 (02/0)
عرض از مبدأ	46/0 (00/0)	98/0 (04/0)	77/0 (00/0)	38/0 (03/0)	21/0 (00/0)	90/0 (02/0)
لگاریتم نرخ ارز	-	59/0- (01/0)	62/0 (01/0	31/0 (03/0)	52/0 (04/0)	42/0 (01/0)
لگاریتم قیمت نفت خام	19/0- (02/0)	-	34/0- (00/0)	21/0- (02/0)	17/0- (00/0)	39/0 (01/0)
لگاریتم قیمت طلا	42/0 (00/0)	37/0- (04/0)	-	26/0 (00/0)	56/0 (00/0)	39/0 (01/0)
لگاریتمقیمتبیت کوئین	16/0 (00/0)	41/0- (03/0)	21/0 (00/0)	-	15/0 (00/0)	22/0 (01/0)
لگاریتم قیمت نقره	28/0 (00/0)	36/0- (00/0)	19/0 (02/0)	40/0 (00/0)	-	33/0 (00/0)
لگاریتم شاخص کل بازار سهام	23/0 (00/0)	34/0 (02/0)	46/0 (00/0)	55/0 (00/0)	62/0 (00/0)	-

منبع: یافته‌های پژوهشگر

 

به منظور برآورد ضرایب الگوی کوتاه­مدت مدل از داده­های روزانه برای دوره زمانی 2009-2020 از روش خود رگرسیون با وقفه­های توزیعی استفاده شده است. تعداد وقفه­های بهینه لحاظ شده در این مدل برای متغیر وابسته یک وقفه و برای متغیرهای مستقل تعداد وقفه­های بهینه بر اساس آماره شوارتز صفر بوده است. همانگونه که از نتایج جدول (4-4) مشاهده می­شود تمامی متغیرهای تحقیق در سطح خطا 5 درصد به دلیل اینکه مقدار Prob گزارش شده کمتر از 0.05 است معنی‌دار بوده و اختلاف معنی­داری از صفر دارند. آماره ضریب تعیین یا  R² برابر با 0.98 است که بیان می­کند 98 درصد از تغییرات متغیر وابسته (تولید ناخالص داخلی) با توجه به مدل برآورد شده قابل توضیح دادن می­باشد. سطح معنی­داری ضرایب مدل نشان از تصریح مناسب مدل دارد. با توجه به اینکه در الگوی برآورد شده متغیر وابسته با وقفه در سمت راست معادله ظاهر شده آماره دوربین واتسون نمی‌تواند برای آزمون مشکل خودهمبستگی بین پسماندها استفاده شود. در این حالت از آماره h دوربین استفاده می­شود. طبق آماره این آزمون فرضیه صفر مبنی بر عدم وجود خودهمبستگی بین پسمانده پذیرفته می­شود. ازدیگرمزیت‌های برآورد الگوی پویا این است که می‌توان به وجود رابطه بلندمدت بین متغیرها پی برد. برای این منظور برای اینکه رابطه پویا به سمت تعادل بلندمدت گرایش یابد باید مجموع ضرایب با وقفه متغیر وابسته کمتر از یک باشد. برای انجام این آزمون باید عدد یک را از مجموع ضرایب متغیر با وقفه وابسته کم شود و بر انحراف معیار ضرایب مذکور تقسیم شود. درصورتی که قدر مطلقt محاسباتی (55/3-) ازقدرمطلق مقادیر بحرانی (67/2-) ارائه شده توسط بنرجی ودولادو بزرگتر باشد فرضیه صفر رد شده و وجود رابطه بلندمدت پذیرفته می‌شود. نتایج حاصل از آزمون وجود رابطه بلندمدت بین متغیرها در جدول 5 آمده است.

 

جدول (5) - بررسی رابطه پویایی بین متغیرهای تحقیق در برآوردالگوی بلندمدت

نام متغیر	متغیر وابسته نرخ ارز ضریب (سطح معنی‌داری)	متغیر وابسته قیمت نفت خام ضریب (سطح معنی‌داری)	متغیر وابسته قیمت طلا ضریب (سطح معنی‌داری)	متغیر وابسته قیمت بیت کوئین ضریب (سطح معنی‌داری)	متغیر وابسته قیمت نقره ضریب (سطح معنی‌داری)	متغیر وابسته شاخص کل بازار سهام ضریب (سطح معنی‌داری)
عرض از مبدأ	78/0 (00/0)	37/0 (00/0)	83/0 (00/0)	31/0 (00/0)	58/0 (04/0)	44/0 (02/0)
لگاریتم نرخ ارز	-	51/0- (00/0)	61/0 (03/0)	39/0 (00/0)	58/0 (03/0)	53/0 (00/0)
لگاریتم قیمت نفت خام	21/0- (04/0)	-	38/0- (02/0)	24/0- (03/0)	22/0- (01/0)	31/0 (00/0)
لگاریتم قیمت طلا	31/0 (03/0)	48/0- (00/0)	-	29/0 (01/0)	49/0 (02/0)	42/0 (04/0)
لگاریتمقیمتبیت کوئین	25/0 (02/0)	35/0- (00/0)	29/0 (04/0)	-	19/0 (02/0)	31/0 (03/0)
لگاریتم قیمت نقره	35/0 (03/0)	44/0- (03/0)	27/0 (00/0)	48/0 (00/0)	-	31/0 (02/0)
لگاریتم شاخص کل بازار سهام	37/0 (04/0)	28/0 (02/0)	52/0 (03/0)	69/0 (00/0)	72/0 (01/0)	-

منبع: یافته‌های پژوهشگر

 

در جدول فوق نتایج تخمین رابطه پویا بین متغیرهای تحقیق با استفاده از روش خود رگرسیون با وقفه­های توزیعی گزارش شده است. همانگونه که مشاهده می­شود شاخص کل بازار سهام رابطه مستقیمی با تمامی بازارهای دارایی­های دیگر داشته است. قیمت نفت خام با تمام دارایی­ها دارای رابطه معکوس بوده و نرخ ارز نیز تحت تأثیر مستقیم دارایی­های مالی دیگر قرار گرفته و رابطه معکوسی با قیمت نفت داشته است. با اثبات رابطه هم­انباشتگی و استفاده از آزمون بنرجی و دولادو برای تائید کاذب نبودن آن امکان برآورد الگوی تصحیح خطا فراهم است. برآورد الگوی تصحیح خطا برای مدل در جدول 6 آمده است.

 

جدول6– نتایج حاصل از برآورد الگوی تصحیح خطا (ECM[li])

سطح معنی‌داری	ضریب	متغیرهای مستقل
01/0	59/0-	ضریب تصحیح خطا مدل اول
00/0	63/0-	ضریب تصحیح خطا مدل دوم
00/0	48/0-	ضریب تصحیح خطا مدل سوم
03/0	72/0-	ضریب تصحیح خطا مدل چهارم
00/0	51/0-	ضریب تصحیح خطا مدل پنجم
002/0	55/0-	ضریب تصحیح خطا مدل ششم

منبع: یافته‌های پژوهشگر

 

نتایج نشان‌دهنده این می­باشد که در مدل برآورد شده ضریب تصحیح خطا برابر با مقدار 59/0- است که نشان­دهنده این است که در هر دوره 59 درصد شوک وارده در کوتاه‌مدت به سمت مقادیر بلندمدت تعدیل می­یابد این سرعت تعدیل مناسب است و تقریباً در 3/1 دوره اثر شوک­های وارده تعدیل می­شود. در نهایت به بررسی مشکل خودهمبستگی، واریانس ناهمسانی و توزیع نرمال در جملات اخلال مدل رگرسیون بر اساس آماره­های آزمون باراش گادفری، باراش پاگان و جارک – برا پرداخته شده است.

 

جدول 7 – آزمون‌های تشخیصی مدل رگرسیون برآورد شده در قالب روش ARDL

نام آزمون	آماره آزمون	سطح معنی‌داری
جارک - برا	45/5	076/0
باراش گادفری (خودهمبستگی)	93/0	546/0
باراش پاگان (واریانس ناهمسانی)	87/1	342/0

منبع: یافته‌های پژوهشگر

 

با توجه به اینکه سطح معنی‌داری گزارش شده در آزمون‌های فوق بیشتر از 05/0 است بنابراین در سطح خطای 5 درصدی فرضیه صفر به ترتیب مبنی بر توزیع نرمال جملات اخلال، عدم وجود خودهمبستگی و واریانس همسان بودن توزیع جملات اخلال رد نشده و مدل برآورد شده دارای مشکلی در جملات اخلال مدل رگرسیون نیست.

 

5- بحث و نتیجه‌گیری

برخی معتقدند که یکی از مهمترین عوامل افزایش قیمت طلا در بازارهای جهانی، افزایش و تلاطم قیمت نفت است، به این صورت که با افزایش قیمت جهانی نفت، درآمد کشورهای صادرکننده نفت افزایش می­یابد و چون طلا بخش اعظمی از دارایی این کشورهاست افزایش قیمت نفت و به تبع آن افزایش درآمدهای نفتی کشورهای صادرکننده نفت فشار تقاضا برای طلا را تشدید و در نتیجه قیمت آن را افزایش می­دهد. همچنین بررسی برخی از محققین نشان می­دهد که بازار نفت بر نرخ ارز در کشورهای صنعت به ویژه ایالات‌متحده آمریکا تأثیرگذار است. از آنجا که کشور آمریکایکی از بزرگترین مصرف‌کنندگان نفت خام دنیاست، لذا ارزش پول ملی آن از بازار جهانی نفت تأثیرپذیر خواهد بود. گسترش رکود اقتصادی در جهان و افت بازدهی در بازارهای سرمایه و پایین بودن نرخ بهره و وجود نقدینگی زیاد، باعث شده است که بسیاری از سفته‌بازان در بازارهای مالی به سمت بازار نفت سوق یابند که در نتیجه با افزایش خریدوفروش کاغذی در بازارهای آتی نفت، موجب افزایش قیمت نقدی آن شده‌اند. ارتباط میان بازارهای مالی عمدتاً به پوشش ریسک سرمایه و انتخاب سبد دارایی توسل سرمایه‌گذاران و بورس بازان بازمی­گردد. نفت خام و طلا (سرمایه ایمن) از جمله دارایی­های فیزیکی محسوب می­شوند که ارتباط بین بازده قیمتی و چگونگی سرریز ریسک بین آنها برای سرمایه‌گذاران از منظر پوشش ریسک و تنوع سازی در سبد دارابی بسیار مهم است. همچنین قیمت طلا و نشت در بازارهای جهانی بر حسب دلار اعلام و صورتحساب‌ها با دلار تسویه می­شود. لذا تغییرات ارزش دلار آمریکا روی قیمت نفت و طلا اثر دارد. تغییرات در بازدهی دارایی­ها وابسته به سرعت جریان اطلاعات است. بر این اساس اطلاعات موجود از یک بازار می­تواند در تغییرات تولید شده در بازار دیگر نقش داشته باشد. هدف این مقاله بررسی روابط پویا بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتال با رویکرد مدل خودهمبسته با وقفه­های توزیعی (ARDL) در دوره زمانی 2020-2014 با فراوانی داده­های روزانه بوده است. ساختار طراحی شده در این مطالعه نشان‌دهنده این موضوع است که سرایت‌پذیری نوسانات بین بازارهای مالی وجود داشته است. در نتایج به دست آمده مشاهده گردید که نتایج بیانگر آن بود که شاخص کل بازار سهام رابطه مستقیم با تمامی بازارهای دارایی­های دیگر داشته است. قیمت نفت خام با تمام دارایی­ها دارای رابطه معکوس است و نرخ ارز نیز تحت تأثیر مستقیم دارایی­های مالی دیگر قرار گرفته و رابطه معکوسی با قیمت نفت داشته است. بر این اساس پیشنهاد می­شود که سرمایه‌گذاران در بازارها مالی باید در راستای حفظ ارزش دارایی­ها سرایت‌پذیری و شدت انتقال نوسانات بین بازارهای مالی را مد نظر قرار داده و با عملکرد به‌موقع زیان ناشی از این انتقال را کاهش دهند. همچنین توزیع ریسک بین دارایی­های مالی باثبات منجر به کاهش زیان احتمالی در سرمایه‌گذاری خواهد بود. استفاده از روش‌های انتقال ریسک می‌تواند سرمایه‌گذار را یاری نماید؛ زیرا مقایسه دارایی­های مالی مختلف را با تبدیل همه عوامل به یک عامل بسیار تسهیل می‌نماید و همچنین در هنگام پردازش عوامل مختلف این موضوع را که برخی عوامل هر چه بیشتر باشد (مانند بازده) و برخی عوامل هر چه کمتر باشد (مانند ریسک) بهتر است را به راحتی در نظر می­گیرد.

بر این اساس پیشنهاد می‌شود که با توجه به رابطه بازارهای مالی بخصوص در ارتباط با اقتصاد ایران در زمان تغییرات در قیمت نفت به دلیل صادرات ایران در حوزه مواد معدنی می‌توان از بازارهای صادراتی برای محصولاتی معدنی استفاده کرده و نوسانات ارز در کشور را کنترل کند. همچنین به دلیل وجود پویایی بین ارزهای مجازی و سایر ارزها می‌توان از این دارایی‌های برای مراودات مالی استفاده کرد.

مهمترین محدودیت‌های پژوهش حاضر در دسترسی به اطلاعات آماری و عدم هماهنگی در یکسان بودن روزهای فعالیت­های بازارهای مالی متخلف بوده است.

---

[1]- گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

[2]- گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران، نویسنده مسئول.  [e-mail]

[3]- گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاداسلامی، تهران، ایران.

---

^[i]Bitcoin 

^[ii]Nishizawa and Kim

^[iii] Baek and Elbeck

^[iv]Delgado et al.

^[v] Jain & Ghosh

^[vi] Churchill, Inekwe, Ivanovski, & Smyth‏

^[vii] Balcilar

^[viii] Mahdavi & Zhou

^[ix]Baruník

^[x] Zhang

^[xi]Šimáková

^[xii]Shawkat

^[xiii] Segal

^[xiv]Beahm,

^[xv]Baffes,

^[xvi] Melvin and Sultan

^[xvii] Bahram Adrangi& Arjun Chatrath

^[xviii] Price movements

^[xix]Myeong Hwan Kim & David A. Dilts

^[xx]Shawkat M. Hammoudeh, Yuan Yuan, Michael McAleer, Mark A. Thompson

^[xxi] Hedging

^[xxii]AlshogenLlrri

^[xxiii]Humala , Rodriguez

^[xxiv]Political Risk

^[xxv]Sensoy

^[xxvi]Cristopher et. al

^[xxvii]Aydogan and Booth

^[xxviii]Sharma and Narayan

^[xxix]Morales

^[xxx]Sadoreskay

^[xxxi]Alijani and et al

^[xxxii]Wintrap

^[xxxiii]Dirberg

^[xxxiv]Generalized Autoregressive Conditional Heteroskedasticity

^[xxxv]AlSubaie

^[xxxvi]Yermack

^[xxxvii] Chiu and et al

^[xxxviii]Chicago Climate Exchange

^[xxxix]Alotaibi and Mishra

^[xl]Autoregressive Moving Average-BEKK

^[xli]Arouri and et al

^[xlii]Constant Conditional Correlation (CCC)

^[xliii]Dynamic Conditional Correlation (DCC)

^[xliv]The Former is Used to Estimate (or forecast) the Conditional 'Mean', While The Latter is Used to Model The Conditional 'Variance'.

^[xlv]Mensi and et al

^[xlvi]West Texas Intermediate

^[xlvii] Multivariate GARCH

^[xlviii]Autoregressive Distributed Lag

^[xlix] Augmented Dickey Fuller

^[l] Phillips and Pierre Perron

^[li]Error correction model

مراجع

1)     ابونوری، اسمعیل و محمدرضا عبداللهی، (1391)، "ارتباط بازارهای سهام ایران، آمریکا، ترکیه و مالزی در یک مدل گارچ چند متغیره"، فصلنامه بورس اوراق بهادار، 14، صص 61-79.

2)     ابونوری، اسمعیل و محمدرضا عبداللهی، (1391)، "مدل‌سازی نوسانات بخش‏‌های مختلف بازار سهام ایران با استفاده از مدل گارچ چندمتغیره"، نشریه علمی-پژوهشی تحقیقات مالی، شماره 14، صص 16-1.

3)     بانک مرکزی، (1396)، "گزارش‌های اقتصادی"، تهران، انتشارات بانک مرکزی.

4)     حسینی، سید محمد و سیدبابک ابراهیمی، (1392)، "مدل‌سازی و سنجش سرایت تلاطم با استفاده از مدل‌های گارچ چند متغیره"، فصلنامه بورس اوراق بهادار، 21، صص 157-137.

5)     حسینیون، نیلوفرسادات، مهدی بهنامه و تقی ابراهیمی سالاری، (1395)،"بررسی انتقال تلاطم نرخ بازده بین بازار‌‌‌‌‌های سهام، طلا و ارز در ایران"،فصلنامه پژوهش­های اقتصادی ایران، 21(66)، صص 123-150.

6)      زمانی، شیوا، داوود سوری و محسن ثنائی اعلم، (1389)،"بررسی وجود سرایت بین سهام شرکت‎ها در بورس اوراق بهادار تهران با استفاده از یک مدل دینامیک چندمتغیره"، مجله تحقیقات اقتصادی، 45(4)، صص 29-54.

7)     سید حسینی، سیدمحمدو سیدبابک ابراهیمی، (1392)،"بررسی سرایت تلاطم بین بازارهای سهام؛ مطالعۀ موردی بازار سهام ایران، ترکیه و امارات"، فصلنامۀ دانش مالی تحلیل اوراق بهادار، 6(16)، صص 97-81.

8)     کشاورزحداد، غلامرضا، سیدبابک ابراهیمی و اکبر جعفرعبدی، (1390)، "بررسی سرایت تلاطم میان بازدهی سهام صنعت سیمان و صنایع مرتبط با آن در ایران"، پژوهش­های اقتصادی ایران، 16 (47)، صص 129-162.

9)      نیکومرام، هاشم، زهرا پورزمانی، عبدالمجید دهقان، (1394)،"بررسی سرایت‌ تلاطم بازارهای موازی بازار سرمایه بر صنایع بورسی (صادرات و واردات محور)"،فصلنامه دانش مالی تحلیل اوراق بهادار، 8(25)، صص 1-18.

10) حسینی، سید علی و فاطمه مرشدی، (1398)، "تأثیر احساسات سرمایه‌گذاران بر پویایی معاملات بورس اوراق بهادار تهران"، فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 11(44)، صص 1-22.

11)   عرب صالحیو همکاران، (1396)، "بحران مالی جهانی و مدیریت سود در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران"، فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 9(36)، صص 73 – 87.

12)  خدادادیو همکاران، (1394)، "اثر تعدیل‌کننده‌ عدم اطمینان محیطی بر رابطه‌ بین مدیریت سود و عدم تقارن اطلاعاتی"، فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 7(26)، صص 51-66.

13)  Alijani, M., Banimahd, B., Madanchi, M. (2019), “Study and Research on the Six-Year Process of Bitcoin Price and Return”, Advances in Mathematical Finance and Applications, 4(1), PP. 45-54.

14)   Alotaibi, A. R. & Mishra, A. V. (2015), “Global and Regional Volatility Spillovers to GCC Stock Markets”, Economic Modeling, 45, PP. 38-49.

15)  AlSubaie, Naseem. (2016), “Modelling and Forecasting Equity Markets Volatility: An Empirical Evidence”, Journal of Applied Statistical Science 22, PP. 387–405.

16)  Arouri, M. E. H., Lahiani, A., and Khuong Nguyen D. (2015), “World Gold Prices and Stock Returns in China: Insights for Hedging and Diversification Strategies”, Economic Modeling, 44, PP. 273–282.

17)  Baek, C. and Elbeck, M. (2015), “Bitcoins as an Investment or Speculative Vehicle? A First Look”, Applied Economics Letters, 22(1), PP. 30{34.

18)  Bekaert, G., Harvey, C., and Ng, A. (2005), “Market Integration and Contagion”, Journal of Business, 78, PP. 39-69.

19)  Campello, M., Graham, J.R., Harvey, C., (2010), “The Real Effects of Financial Constraints: Evidence from a Financial Crisis”, Journal of Financial Economics 97 (3), PP. 470–487.

20)  Chiu W.-C., Peña J.I., Wang C.-W. (2015), “Industry Characteristics and Financial Risk Contagion”, Journal of Banking & Finance 50, PP. 411–427.

21)   Christiano, L. J. and T. J. Fitzgerald (2003), “The Band-Pass Filter”, NBER Working Paper, No. 7257.

22)  Christiansen, C., Ranaldo, A., (2009), “Extreme Co-exceedances in new EU Member States’ stock markets”, Journal of Banking & Finance 33 (6), PP. 1048–1057.

23) Chu, J., Nadarajah, S., and Chan, S. (2015), “Statistical Analysis of The Exchange Rate of Bitcoin.PloS one”, 10(7), PP. 1-27.

24)  Cole, R.A., Moshirian, F., Wu, Q., (2008), “Bank Stock Returns and Economic Growth”, Journal of Banking & Finance 32 (6), PP. 995–1007.

25) Dyhrberg, A. H. (2016), “Bitcoin, Gold and the Dollar: a GARCH Volatility Analysis”, Finance Research Letters, 16, PP. 85-92.

26)  Forbes, K. and R. Rigobon (2010), “No Contagion, Only Interdependence, Massachusetts Institute of Technology”, Sloan School of Management, Working

27)  Granger, E., and Pon, M. (2008), “An Empirical Comparison of Alternative Models in Estimating Value-at-Risk: Evidence and Application from the LSE. Int. J”,Monetary Economics and Finance, 1(2), PP. 201-218

28)  Hoberg, G., Phillips, G., (2010), “Real and Financial Industry Booms and Busts”, Journal of Finance 65 (1), PP. 45–86.

29)  Kitchin J. (1923), “Cycles and Trends in Economic Factor”, Review of Economic Statistics, 2 (5), PP. 10-16.

30)  Mensi, W., Beljid, M., Boubaker, A. &Managi, S. (2013), “Correlations and Volatility Spillovers across Commodity and Stock Markets: Linking Energies, Food, and Gold”, Economic Modeling, 32, PP. 15–22.

31)  Mensi, W., Hammoudeh, S., Nguyen, D. K. & Yoon S. M. (2014), “Dynamic Spillovers among Major Energy and Cereal Commodity Prices”, Energy Economics, 43, PP. 225–243.

32) Nishizawa, K. and Kim, N. (2017), “Bitcoin, Bubbles and Tech: Google's Top Nance Searches of 2017”, Bloomberg. Retrieved from: website.

33) Ortiz-Molina, H., Phillips, G., (2014), “Real Asset Illiquidity and the Cost of Capital”, Journal of Financial and Quantitative Analysis.

34) Valta, P., (2012), “Competition and the Cost of Debt”, Journal of Financial Economics 105 (3), PP. 661–682.

35) Van de Klashorst (2018), “Volatility Spillovers and Other Market Dynamics between cryptocurrencies and The Equity Marketz”, Workong paper.

36) Wintrap, M. R. (2017), “A Regime Switching Model of Risk Contingent”, North American Actuarial Journal 5(2), PP. 41-53.

37) Yermack, D. (2015), “Is Bitcoin a Real Currency? An Economic Appraisal”, In Handbook of Digital Currency, PP. 31-43.

 

 

یادداشت‌ها