تاثیر شاخص مدیران خرید صنعت بر شاخص قیمت سهام در ایران

اقتصاد مالی

دوره 17، شماره 64، مهر 1402، صفحه 27-44   

نوع مقاله: علمی پژوهشی

شناسه دیجیتال (DOI): 10.30495/fed.2023.705589

نویسندگان

سکینه سجودی^{* 1}؛ پرویز جعفری زاده بارنجی²

¹گروه اقتصاد و مدیریت، دانشگاه تبریز، تبریز ، ایران

²گروه اقتصاد و مدیریت، دانشگاه تبریز، تبریز ، ایران

چکیده

چکیده
با توجه به توسعه روزافزون بازار بورس اوراق بهادار و پتانسیل آن برای ایجاد رشد و توسعه اقتصادی کشور بررسی عوامل موثر بر این بازار از اهمیت بسزایی برخوردار بوده و این مسئله برای تمامی استفاده کنندگان از این بازار بسیار مهم است. هدف اصلی این مطالعه، بررسی چگونگی تاثیر شاخص مدیران خرید صنعت (PMI) بر شاخص قیمت سهام در ایران است. لذا تحقیق حاضر با استفاده از داده‌های ماهانه مهر 1397 تا آبان 1401 و با بهره گیری از روش علیت گرنجر و هم‌انباشتگی جوهانسن به بررسی رابطه شاخص مدیران خرید و شاخص قیمت کل سهام و شاخص قیمت سهام صنعت پرداخته است. نتایج حاکی از آن است که رابطه علیت یک طرفه از رشد شاخص مدیران خرید صنعت به رشد شاخص قیمت کل سهام و رشد شاخص قیمت سهام صنعت وجود دارد. همچنین بر اساس آزمون هم‌انباشتگی جوهانسن یک رابطه بلندمدت  مثبت بین دو متغیر رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت کل سهام و همچنین بین رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت سهام صنعت وجود دارد. با توجه به این که افزایش PMI رونق اقتصادی در بخش صنعت را نشان می‌دهد، این رابطه مثبت نشان می‌دهد که مطابق انتظار شاخص‌های قیمت سهام به سیگنا‌ل‌های بهبود در بخش صنعت واکنش مثبت و به سیگنال‌های منفی واکنش منفی نشان می‌دهد

کلیدواژه‌ها

واژه‌های کلیدی: شاخص مدیران خرید؛ شاخص قیمت کل سهام؛ شاخص قیمت سهام صنعت؛ علیت گرنجر؛ هم انباشتگی جوهانسن. طبقه بندی JEL : E27؛ E32؛ G17

اصل مقاله

 

https://doi.org/10.30495/fed.2023.1960304.2720

 

 

تاثیر شاخص مدیران خرید صنعت بر شاخص قیمت سهام در ایران

 

 

تاریخ دریافت: 07/04/1402                  تاریخ پذیرش: 01/06/1402

سکینه سجودی✉ [1] پرویز جعفرزاده بارنجی[2]

 

 

چکیده

با توجه به توسعه روزافزون بازار بورس اوراق بهادار و پتانسیل آن برای ایجاد رشد و توسعه اقتصادی کشور بررسی عوامل موثر بر این بازار از اهمیت بسزایی برخوردار بوده و این مسئله برای تمامی استفاده کنندگان از این بازار بسیار مهم است. هدف اصلی این مطالعه، بررسی چگونگی تاثیر شاخص مدیران خرید صنعت (PMI) بر شاخص قیمت سهام در ایران است. لذا تحقیق حاضر با استفاده از داده‌های ماهانه مهر 1397 تا آبان 1401 و با بهره گیری از روش علیت گرنجر و هم‌انباشتگی جوهانسن به بررسی رابطه شاخص مدیران خرید و شاخص قیمت کل سهام و شاخص قیمت سهام صنعت پرداخته است. نتایج حاکی از آن است که رابطه علیت یک طرفه از رشد شاخص مدیران خرید صنعت به رشد شاخص قیمت کل سهام و رشد شاخص قیمت سهام صنعت وجود دارد. همچنین بر اساس آزمون هم‌انباشتگی جوهانسن یک رابطه بلندمدت  مثبت بین دو متغیر رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت کل سهام و همچنین بین رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت سهام صنعت وجود دارد. با توجه به این که افزایش PMI رونق اقتصادی در بخش صنعت را نشان می‌دهد، این رابطه مثبت نشان می‌دهد که مطابق انتظار شاخص‌های قیمت سهام به سیگنا‌ل‌های بهبود در بخش صنعت واکنش مثبت و به سیگنال‌های منفی واکنش منفی نشان می‌دهد.

واژه‌های کلیدی: شاخص مدیران خرید، شاخص قیمت  کل سهام، شاخص قیمت سهام صنعت، علیت گرنجر، هم انباشتگی جوهانسن.

طبقه بندی JEL : E27، E32، G17.

 

1- مقدمه

بورس سهام بستر قدرتمندی برای توسعه سرمایه و تامین مالی برای موسسات محسوب می‌شود. این بخش سهم قابل توجهی از پول را در هر اقتصادی به گردش در می‌آورد، بنابراین یک نقش فعال در توسعه اقتصادی بازی می‌کند و انتظار می‌رود که تحرکات آن به عنوان یک نهاد قدرتمند در اقتصاد، تأثیرات مثبت یا منفی بر اقتصاد داشته باشد. تغییرات شاخص قیمت سهام یکی از موضوعات اساسی در بورس اوراق بهادار می­باشد که مورد توجه بسیاری از سیاست‌گذاران و اقتصاددانان قرار گرفته است. علت این اهمیت آن است که تغییرات شاخص قیمت سهام اطلاعات ارزشمندی برای بررسی وضعیت بنگاه‌های تولیدی و تصمیمات سرمایه‌گذاران را در بر دارد. بر این اساس، ارزیابی رفتار قیمت سهام و پیش­بینی آن در آینده برای سهامداران، کارگزاران، مدیران بورس و دولت از اهمیت ویژه­ای برخوردار است. علاوه بر این، برای پیش‌بینی و جلوگیری از بحران‌های مالی یکی از متداول‌ترین روش‌‌ها استفاده از شاخص‌های پیشنگر شاخص قیمت سهام است که از جمله مهمترین و کاربردی‌ترین این شاخص‌ها، شاخص مدیران خرید^[3] است. شاخص مدیران خرید یا همان شامخ (PMI)، شاخص بسیار با اهمیت اقتصادی است که به صراحت نمایانگر وضعیت رونق و رکود در بخش‌های مختلف کسب و کار است. شاخص ارزیابی مدیران خرید در بیشتر کشور‌ها بخصوص کشورهای توسعه یافته، هر ماه از طریق اطلاعات حاصل از پرسشنامه‌ای کـه بین مدیران شرکت‌های بخش‌های مختلف اقتصادی توزیع می‌گردد، محاسبه می‌شود. در مطالعات بسیاری، همبستگی این شاخص با شاخص قیمت سهام بورس‌های کشورهای مختلف مورد بررسی قرار گرفته است. هدف این مطالعات، بررسی امکان پیش‌بینی شاخص‌های بورس سهام کشور‌ها با توجه به مقادیر اعلامی PMI بوده است. نتایج بسیاری از از این مطالعات نشان دهنده وجود همبستگی بالا میان شاخص‌های قیمت سهام با شاخص PMI بوده است.

در ایران مطالعات زیادی در مورد تاثیر متغییرهای مختلف بر روی شاخص قیمت سهام صورت گرفته است، اما علی رغم اهمیت شاخص PMI در پیش‌بینی شاخص قیمت سهام برای تعیین تاثیر شاخص مدیران خرید بر شاخص قیمت سهام تلاش جدی صورت نگرفته است. بنابراین، با عنایت به نبود مطالعه داخلی این پژوهش به بررسی رابطه شاخص مدیران خرید که ترکیب عواملی نظیر سفارشات، تولید و سطح موجودی صنایع و معیاری برای پیش‌بینی فعالیت تولید در ماه‌های بعدی است، با شاخص قیمت کل سهام  و شاخص قیمت سهام صنعت در بورس اوراق بهادار تهران با استفاده از آزمون علیت و هم‌انباشتگی طی دوره 1397:7 تا 1400:8 پرداخته است.

سازماندهی این مطالعه بدین صورت است که ابتدا ادبیات موضوع در دو بخش مبانی نظری و پیشینه تحقیق بررسی شده و سپس روش تحقیق معرفی شده و در نهایت یافته‌های تحقیق و نتیجه‌گیری ارائه شده است.

 

 

 

2- ادبیات تحقیق

2-1- مبانی نظری

شاخص مدیران خرید (PMI) مفهومی مرتبط با صنعت تولید و خدمات است که به عنوان شاخصی برای تعیین قدرت یک اقتصاد عمل می‌کند. کونیگ و همکاران^[4] (2002) آن را به عنوان ابزاری ارزشمند برای ترسیم میزان فعالیت بخش تولید اقتصاد در نظر گرفتند. در واقعPMI  یک شاخص اقتصادی است که میزان گسترش یا انقباض بخش خاصی - مانند صنعت، خدمات و...- را نشان می‌دهد.PMI ها که به صورت ماهانه منتشر می‌شوند، از نظرسنجی‌هایی که با مدیران طیف وسیعی از شرکت‌ها با اندازه‌های مختلف در یک بخش معین انجام می‌شود، مشتق می‌شود. در حالت ایده آل، PMI  با هدف شناسایی سریع روند بازار و نقاط عطف انجام می‌شود. اقتصاددانان، تحلیلگران و مدیران بهPMI ها به عنوان معیار وضعیت جاری یک صنعت نگاه می‌کنند. علاوه بر این، با توجه به اهمیت بخش‌های تولید، خدمات و ساختمان، اقتصاددانان و مدیران نیز از آن برای ارزیابی عملکرد کل اقتصاد استفاده می‌کنند. در این راستا، مزیت PMI نسبت به داده‌های تولید ناخالص داخلی (GDP) این است که در حالی که داده‌های رسمی و منتشر شده توسط دولت ممکن است تا سه ماه از اقتصاد عقب بمانند، PMI می تواند برای پیش بینی این آمارها که با تاخیر منتشر می‌شود و اتخاذ تصمیمات به موقع و اساسی در مورد هزینه‌های برنامه‌ریزی شده تجاری مورد استفاده قرار گیرد. این شاخص‌ها حتی ممکن است سیاست‌های پولی - به ویژه نرخ بهره - را که توسط بانک‌های مرکزی تعیین شده است، اطلاع دهند (IG^[5]، 6 جولای 2021).

مجموعه داده‌های PMI با نظرسنجی از پانلی از مدیران خرید (یا جایگزین مناسب) از چند صد شرکت در یک بخش جمع‌آوری می‌شود. پرسشنامه‌ها در نیمه دوم هر ماه تکمیل می‌شوند و نتایج تا حد ممکن نزدیک به ابتدای ماه آینده منتشر می‌شود. در این نظرسنجی متغیرهای کلیدی موجود برای مدیران خرید مشخص شده و از شرکت‌کنندگان خواسته می‌شود که نشان دهند آیا آنها نسبت به ماه قبل تغییر کرده‌اند یا خیر. با این حال، قبل از بررسی این متغیرها و محاسبه شاخص با جزئیات بیشتر، توجه به این نکته مهم است که PMI یک شاخص انتشار[6] است[7]. این بدان معناست که با ارزیابی و ترکیب جهت حرکت اجزای متعدد، شاخص یک روند کلی را ایجاد می کند. مانند بسیاری از شاخص های انتشار، PMI  از مقدار 50 به عنوان مقدار پایه استفاده می‌کند. میزان PMI  بالای 50 نشان دهنده توسعه بخش موردنظر است. برعکس، میزان زیر 50 نشان دهنده انقباض آن بخش است. با مقدار دقیقاً 50، انبساط و انقباض در تعادل هستند، بنابراین بخش به طور متوسط ​​در سطح ثابت خروجی است. متغیرهای موجود در PMI بستگی به نوع شاخص مدیران خرید دارد. با توجه به این که شاخص باید یک مدل نماینده از کل بخش - یا اقتصاد- باشد، اجزای آن بر اساس این که آیا نشان دهنده تقاضای کلی برای کالاها یا خدمات مربوطه هستند یا نه، انتخاب می شوند. این اجزا یا متغیرها نیز با توجه به اهمیت نسبی آنها وزن داده می‌شوند. برای محاسبه PMI  صنعت که یکی از شاخص‌های مهم است از اجزا (زیر شاخص‌ها) و وزن‌های زیر استفاده می‌شود:

• سفارشات جدید (30 درصد)
• محصول (25 درصد)
• اشتغال (20درصد)
• زمان تحویل تامین کنندگان (15 درصد)
• موجودی خرید/موجودی انبار (10 درصد)

سفارشات جدید، میزان تولید و میزان اشتغال سه چهارم وزن‌ها را شامل می‌شود و اهمیت آنها را به عنوان شاخص‌هایی برای تعیین سلامت بخش تولید نشان می‌دهد. برای PMI بخش خدمات، زمان تحویل تأمین کنندگان و موجودی حذف می‌شود و محصول به یک متغیر کلیدی تبدیل می شود.

محاسبه PMI بر اساس تلخیص پاسخ های نظرسنجی است. به پاسخ دهندگان نظرسنجی تنها سه گزینه داده می‌شود تا عملکرد هر متغیر در مقایسه با عملکرد آن در ماه گذشته مشخص شود. یعنی شرکت‌کنندگان می‌توانند بگویند که متغیر افزایش یافته، کاهش یافته یا بدون تغییر باقی مانده است. بر اساس این پاسخ‌ها، مقدار PMI با استفاده از فرمول زیر محاسبه می‌شود:

PMI = (P1 × 1) + (P2 × 0.5) + (P3 × 0)

(1)          

جایی که:

• = P1درصد شرکت‌کنندگان در نظرسنجی که از بهبود شرایط خبر می‌دهند،
• = P2درصد مشارکت‌کنندگان در نظرسنجی که از وضعیت ثابت گزارش می‌دهند،
• = P3درصد شرکت‌کنندگان در نظرسنجی از بدتر شدن شرایط خبر می‎دهند.

رقم بدست آمده بین 0 تا 100 خواهد بود. در حد بالا، اگر 100٪ از پاسخ‌دهندگان بهبودی را نشان دهند،PMI  برابر 100 خواهد بود. در حد پایین، اگر 100 درصد از پاسخ دهندگان بدترشدن را گزارش کنند، PMI  برابر صفر خواهد بود. و اگر 100 درصد از پاسخ دهندگان عنوان کنند که شرایط ثابت مانده است، میزان PMI در 50 خواهد بود که به این معنی است که آن بخش نه در حال گسترش و نه در حال انقباض است. هرچه PMI از این مبنای اولیه دورتر شود، آن بخش با سرعت بیشتری در حال بهبود یا بدتر شدن خواهد بود.

PMI   به دلایل مختلف منبع اطلاعاتی ارزشمندی است که مزیت اصلی آن به موقع بودن آن است. به این معنی که در اصل،  PMI اطلاعاتی در مورد عملکرد بازارها در زمان انتشار به شما می‌دهد. به این ترتیب، می‌توان از آن برای تصمیم‌گیری فوری در مورد رشد کوتاه مدت صنعت، جهت احتمالی قیمت کالاها و هزینه‌های جاری مشاغل استفاده کرد. در بلندمدت،PMI  در هنگام پیش‌بینی رشد تولید ناخالص داخلی، نرخ تورم، سطح اشتغال و نرخ بهره می‌تواند مورد توجه قرار گیرد. شاخص‌های اخیر ملاحظات مهمی در هنگام تصمیم‌گیری سرمایه‌گذاری و سوداگری هستند. به عنوان مثال، نرخ تورم بالا می‌تواند سرمایه‌گذاران را مجبور به انتقال ثروت از دارایی‌های نقدی و درآمد ثابت به دارایی‌های مقاوم در برابر تورم مانند سهام، مسکن و طلا کند. بنابراین PMI در بلندمدت به جهت نقشی که در پیش‌بینی متغیرهایی مانند تورم دارد، می‌تواند در پیش‌بینی شاخص‌های بازارهای مالی نیز مفید باشد. قیمت سهام شرکت‌هایی که در صنعت فعالیت می‌کنند می‌تواند همزمان با ارقام PMI صنعت حرکت کند. بنابراین معامله‌گران می‌توانند از PMI به عنوان ورودی در تصمیم‌گیری خود در مورد خرید یا فروش سهام استفاده کنند (IG، 6 جولای 2021).

جمع‌بندی مطالب فوق را چنین می‌توان بیان نمود که PMI بــرای بازارهای مالی به دلیل اینکه بهترین مقیاس رونق یک واحد تولیدی اســت اهمیت به ســزایی دارد. این مقیاس در آشکار کردن فشار تورم و همچنین فعالیت اقتصــادی تولیــد رایج اســت، که هردو در قلمرو توجه سرمایه گذاران هستند. هرچنــد PMI به انــدازه شاخص قیمت مصرف کننده در نشــان دادن میــزان تــورم کارآمد نیست لیکن چون اطلاعات ســودمندی را بلافاصله پس از آغاز ماه منتشر می‌سازد ارزشمند است. نظر بــه اینکه یکی از نکات کلیدی عنوان شده از طریق PMI  موضوع سفارشــات بــوده کــه پیــش‌بینی فعالیت تولیــد در ماه‌های بعدی به واسطه آن امکان پذیر می‌نماید، طبعاً این مقیــاس برای بازار بورس نیز قابل توجه می‌شود (مولانا، 1389).

 

2-2- پیشینه تحقیق

با وجود اهمیت موضوع، تعداد مطالعاتی که به بررسی اثر PMI بر شاخص قیمت سهام پرداخته‌اند بسیار اندک است. برخی مطالعات قبلی تاثیر PMI بر نرخ رشد تولید ناخالص داخلی را تجزیه و تحلیل نموده‌اند. برای مثال داسگوپتا و لاهیری^[8] (‏۱۹۹۳)‏ نشان داده‌اند که PMI برای پیش‌بینی تغییرات تولید ناخالص داخلی مفید است. نتایج مشابه همچنین در مطالعات انجام شده توسط بانرجی و مارسلینو^[9] (2006)، داسگوپتا و لاهیری (1992)، کافمن^[10] (1999)، و لیندزی و پاور^[11] (2005) نشان داده شده است. برخی از مطالعات اخیر نیز شواهدی را در حمایت از مطالعات قبلی ارائه می‌دهند. برای مثال، یو و لی^[12] (‏۲۰۱۲)‏ در آمریکا دریافتند که همبستگی بالایی بین این متغیرها وجود دارد. مطالعات انجام‌شده توسط کلمنتس و هندری^[13] (‏۲۰۱۱)‏، اوانز[14] (‏۲۰۰۵)‏، فورنی، مارسلینو، و شوماخر^[15] (‏۲۰۱۱)‏، فرال، مارسلینو، مززی، و پریوتی^[16] (‏۲۰۱۱)‏، جیانون، ریچلین، و اسمال^[17] (‏۲۰۰۸)‏، جیانون، مودوگنو، ریچلین، و اسمال^[18] (‏۲۰۱۰)‏، کوزین، مارسلینو، و شوماخر^[19] (‏۲۰۱۱) نشان می‌دهد که بین PMI و متغیرهای مختلف مالی و اقتصادی رابطه مثبت و بلند مدتی وجود دارد. مطالعه‌ای که توسط ژانگ^[20] و همکاران (2015) انجام شده پیشنهاد می کند که PMI می تواند تولید ناخالص داخلی را پیش بینی کند. همچنین مشخص شده است که PMI بر برخی عوامل دیگر علاوه بر تولید ناخالص داخلی و رشد تاثیر دارد. مطالعه‌ هاریس^[21] و همکاران (1991) نشاد داد که PMI دارای نقش مهمی در پیش‌بینی فعالیت‌های صنعتی در یک بازه بکسان است. این نتیجه نشان‌دهنده آن است که PMI یک معیار اقتصادی بسیار پویا است. افشار^[22] و همکاران (2007) نشان داد که PMI شاخص مهمی در توضیح نوسانات تولید ناخالص داخلی است. ژائو و یون^[23] (2012) همچنین در مطالعه خود بین ارزش افزوده صنعتی و PMI رابطه محکمی پیدا کردند آنها همچنین نشان دادند که PMI می تواند ارزش افزوده صنعتی را پیش بینی کنند. مطالعات محدودی که به بررسی رابطه بین PMI و شاخص بازار سهام پرداخته‌اند در جدول 1 خلاصه شده است.

اگرچه برخی مطالعات خارجی رابطه بین PMI و شاخص قیمت سهام را بررسی کرده‌اند، از میان مطالعات داخلی مطالعه‌ای که این موضوع را بررسی نموده باشد، یافت نشد. با این وجود مطالعات متعددی به بررسی متغیرهای مختلف مانند قیمت نفت، پایه پولی و نرخ ارز (فدایی نژاد و فراهانی، 1396؛ کاویانی و همکاران، 1397؛ زین الدینی و همکاران، 1399؛ ارمغان و همکاران، 1401) بر شاخص قیمت سهام پرداخته‌اند.

 

 

 

جدول 1- مطالعات تجربی رابطه بین PMI و شاخص بازار سهام

نتیجه	دوره بررسی	روش مطالعه	نویسندگان/سال
PMI پیش بینی کننده عملکرد بازار سهام نیست. اما عملکرد بازار سهام پیش بینی کننده PMI است.	در طول دوره های اخیر و کشور های مختلف	آزمون علیت جفتی گرنجر	کالینز[24](2001)
بین تغییرات PMI و بازده سهام رابطه مثبت وجود دارد.	(1973-2001)	آنالیز رگرسیون	جوهانسن و واتسون[25] (2011)
PMI در تحلیل و پیش بینی روند بازار سهام ضروری است. یک رابطه بلندمدت بین PMI و شاخص سهام ترکیبی شانگهای وجود دارد.	(2001-2009)	مدل VAR	وانگ[26] (2012)
PMI پیش بینی کننده قیمت سهام در بخش تولید نیست. با این حال، قیمت سهام در بخش تولید پیش بینی کننده PMI است.	(2000-2013)	آزمون علیت جفتی گرنجر	مادگال[27] (2014)
PMI تأثیر معلولی بر شاخص سهام ترکیه یا بازار سهام ترکیه ندارد اما شاخص سهام ترکیه یا بازار سهام اثر علی بر تولید PMI دارد.	(2015-2019)	آزمون علیت جفتی گرنجر	یانیک[28] و همکاران (2020)
شوک مثبت در PMI باعث ایجاد شوک مثبت در شاخص صنعتی بازار بورس استانبول و شوک منفی در PMI باعث ایجاد شوک منفی در شاخص صنعتی بورس استانبول می شود.	(2008-2018)	آزمون ریشه واحد شکست ساختاری	شاهین[29] و همکاران (2020)
هیچ علیتی از PMI به شاخص قیمت کل سهام و نرخ ارز وجود ندارد و تنها علیت یک طرفه از PMI به شاخص قیمت صنایع فولاد وجود دارد.	2012:12-2018:8	علیت تودا یاماماتو	مانداجی و آلسو[30] (2020)

منبع: یافته‌های پژوهشگر

 

3- معرفی مدل و متغیرهای تحقیق

هدف این مطالعه بررسی رابطه شاخص قیمت کل سهام ( )، شاخص قیمت سهام صنعت (ISPI) با شاخص مدیران خرید بخش صنعت (PMI) است. با توجه به تفاوت مقیاس متغیرهای شاخص قیمت سهام و شاخص مدیران خرید صنعت، در این مطالعه از نرخ رشد این متغیرها استفاده شده است. بنابراین متغیرهای این مطالعه به شرح زیر است:

GTSPI: نرخ رشد شاخص قیمت کل سهام

GISPI: نرخ رشد شاخص قیمت سهام صنعت

GPMI: نرخ رشد شاخص مدیران خرید صنعت

داده‌های مربوط به شاخص‌های سهام از مرکز پردازش اطلاعات مالی ایران و شاخص مدیران خرید از اتاق بازرگانی ایران گردآوری شده است. دوره مورد بررسی نیز بر اساس امکان دسترسی به آمار و اطلاعات، محدوده­ دی ماه 1397 تا آبان ماه 1401 انتخاب شده است. شایان ذکر است که تخمین کوتاه مدت و بلند مدت با استفاده از نرم افزار Eviews10 انجام شده است.

یکی از راه‌ها برای بررسی ارتباط بین دو متغیر، محاسبه ضریب همبستگی است. همبستگی لزوماً به معنای واقعی کلمه دلالت بر علیت ندارد. گورستان اقتصادسنجی پر از همبستگی‌های باشکوه است که ساختگی یا بی معنی هستند. برای مثال همبستگی مثبت بین حقوق معلمان و مصرف سیگار. اقتصاددانان در مورد همبستگی‌هایی بحث می‌کنند که دارای معنی هستند. سوالی که اغلب در تحلیل سری های زمانی مطرح می شود این است که آیا یک متغیر اقتصادی می تواند به پیش بینی متغیر اقتصادی دیگر کمک کند یا خیر. به عنوان مثال، نشان شده است که تقریباً تمام رکودهای اقتصادی پس از جنگ با افزایش شدید قیمت نفت همراه بوده است. آیا این بدان معناست که شوک های نفتی باعث رکود می شود؟ یکی از راه‌های پرداختن به این سوال توسط گرنجر[31] (1969) پیشنهاد و توسط سیمز[32] (1972) رایج شد. آزمایش علیت، در معنای گرنجر، شامل استفاده از آزمون‌های F برای آزمایش اینکه آیا اطلاعات تاخیری متغیرY، در کنار اطلاعات تاخیری خود X اطلاعات آماری معنی‌داری درباره متغیر X ارائه می‌دهد یا خیر. اگر پاسخ این سوال نه باشد، «Y علیت گرنجری X  نیست». راه‌های زیادی برای اجرای آزمون علیت گرنجر وجود دارد. در رویکردی بسیار ساده می‌توان از تصریح خودرگرسیونی دو متغیره با طول وقفه p به صورت زیر استفاده نمود و این مدل را با روش حداقل مربعات معمولی[33] (OLS) تخمین زد:

 

(2)

در رابطه فوق اگر فرضیه صفر رد شود، می‌توان به وجود علیت از y به x پی برد.

                                                                                              

(3)

باید توجه نمود که آزمون فوق با فرض ایستا بودن دو متغیر x  و y است و در صورتی که این دو متغیر ایستا نباشند باید از تفاضل آنها برای انجام آزمون علیت استفاده نمود. همچنین آزمون علیت گرنجر تنها نشان دهنده علیت در کوتاه مدت است و برای بررسی علیت در بلندمدت باید از آزمون هم‌انباشتگی استفاده نمود. یکی از متداول‌ترین روش‌ها برای بررسی وجود علیت بلندمدت، روش جوهانسن[34] (1988و 1991) است. آزمون جوهانسن بین n متغیر با یک فرآیند خودتوضیح برداری[35] با درجه p  (VAR(p))شروع می‌شود:

                                                                          

(4)

در این رابطه Y_t و وقفه‌های آن بردارها 1×n از متغیرهای الگو هستند.  تا  ماتریس‌های  n×n شامل ضرایب الگو می‌باشند و  بردار جملات اخلال است. با کمی تغییر در رابطه فوق می‌توان به الگوی تصحیح خطای زیر دست یافت:

                                             

(5)

در الگوی تصحیح خطای فوق:

 

(6)

                                                                                                                  

(7)

ماتریس  حاوی اطلاعات مربوط به روابط تعادلی است. در واقع  است که در آن  ماتریس ضرایب روابط تعادلی بلندمدت  و  ضرایب تعدیل عدم تعادل (تصحیح خطا) بوده و نشان دهنده سرعت تعدیل به سمت تعادل بلندمدت است. به طور کلی در صورت وجود n متغیر در الگو، امکان وجود 1-n  رابطه بلندمدت بین آنها وجود دارد. در روش جوهانسن برای تعیین تعداد روابط بلندمدت، ابتدا مقادیر ویژه ماتریس برآورد شده و بردارهای مشخصه مرتبط با هر یک بدست می آید. به ازای هر ریشه مشخصه غیر صفر یک بردار مشخصه وجود دارد که همان بردارهای حاوی روابط بلندمدت می باشد. بنابراین برای تعیین تعداد روابط بلند مدت، فرض صفر بودن ریشه های مشخصه ماتریس، آزمون می‌شود. به بیان دیگر فرض آزمون به صورت زیر است (ژالماسون و اوسترهولم[36]، ۲۰۰۷):

                                                                                   

(8)

این فرض عنوان می‌کند که فقط r مقدار ویژه مخالف صفر بوده و بقیه صفر هستند. دو آماره آزمون اثر[37]، و حداکثر مقدار ویژه[38] برای این آزمون ارائه شده است:

                                                                                              

(9)

                                                                                                     

(10)

که در آن  Tنشان دهنده اندازه نمونه است. این آزمون تا زمانی ادامه پیدا می‌کند که فرض H₀ رد نشود. به این ترتیب تعداد روابط بلندمدت تعیین می‌شود.‌ بعد از تایید وجود رابطه بلندمدت با استفاده از ماتریس  می‌توان ضرایب بلندمدت را برآورد نمود.

نکته مهمی که باید به آن توجه نمود این است که در آزمون جوهانسن همه متغیرها باید ایستا از مرتبه 0 یا 1 باشند (نوفرستی، 1400). کاتبرتسون و همکاران[39] (۱۹۹۲) بیان می کنند، یک سری زمانی ایستا تمایل به بازگشت به میانگین خویش دارد و در محدوده نسبتاً ثابتی اطراف میانگین خود نوسان می کند؛ در حالی که یک سری ناایستا طی زمان میانگین متفاوتی دارد. بنابراین می توان گفت یک فرآیند تصادفی وقتی ایستا خواهد بود که دارای میانگین، واریانس و کوواریانس مستقل از عامل زمان باشد. برای آزمون ریشه واحد، دو آزمون دیکی فولر[40] و دیکی فولر تعمیم یافته[41] از ساده ترین آزمون‌ها می باشند ( مادالا[42]، ۱۹۹۲). برای انجام آزمون ایستایی (ریشه واحد) دیکی فولر تعمیم یافته بر روی متغیر y ابتدا الگوی زیر به روش OLS تخمین زده شده و سپس فرضیه   انجام می‌شود. در صورت تایید این فرضیه، متغیر y غیرایستا خواهد بود. اگر تفاضل اول یک متغیر غیرایستا، ایستا شود، آن متغیر ایستا از درجه یک خواهد بود ()1(I(.

                                                                           

(11)

 

4- یافته‌های تحقیق

در این بخش از آزمون علیت گرنجر و روش هم‌انباشتگی جوهانسن برای تعیین وجود یا عدم وجود رابطه بین شاخص قیمت سهام (کل و صنعت) و شاخص مدیران خرید صنعت و تخمین رابطه بین این دو متغیر استفاده می‌شود. اولین گام در روش‌های مبتنی بر علیت و هم‌انباشتگی، انجام آزمون ایستایی بر روی متغیرهاست، زیرا در روش علیت گرنجر باید تمامی متغیرها ایستا باشند و در همگرایی جوهانسن این پیش شرط وجود دارد که تمامی متغیرها می بایست ایستا از درجه صفر یا یک (تفاضل مرتبه اول آنها ایستا باشد) باشند برای بررسی ایستایی متغیرها از آزمون ریشه واحد  دیکی- فولر تعمیم یافته استفاده شده است که فرضیه صفر این آزمون وجود ریشه واحد (عدم ایستایی متغیر) است. نتایج این آزمون‌ها در جدول 2 ارائه شده است که نشان می‌دهد هر دو متغیر رشد شاخص قیمت سهام (صنعت و کل) در سطح ناایستا بوده و با یک بار تفاضل‌گیری ایستا می‌شوند. همچنین متغیر رشد شاخص مدیران خرید صنعت هم در سطح و هم در تفاضل مرتبه اول ایستا است.  به عبارت دیگر دو متغیر GISI و GTSPI ایستا از درجه یک (I(1)) بوده و متغیر GPMI ایستا از مرتبه صفر (I(0)) است. بنابراین می توان از آزمون هم انباشتگی جوهانسن استفاده نمود ولی در آزمون علیت گرنجر باید از تفاضل مرتبه اول متغیرها که ایستا هستند استفاده نمود.

 

جدول 2- نتایج آزمون ریشه واحد دیکی-فولر تعمیم یافته برای داده­های سری زمانی

متغیر	آماره دیکی فولر در سطح	مقدار  P-Value	آماره دیکی فولر تفاضل مرتبه اول	مقدار  P-Value
GISI	7611/1-	3946/0	8680/1-	0000/0
GTSPI	7128/1-	4182/0	8685/11-	0000/0
GPMI	0649/8-	0000/0	8105/6-	0000/0

منبع: یافته­های پژوهشگر

 

پس از انجام آزمون ایستایی  باید طول وقفه بهینه یعنی مقدار p تعیین گردد. در جدول 3 معیارهای مختلف مربوط به طول وقفه‌های مختلف ارائه شده است. این معیارها نشان دهنده خوبی برازش رگرسیون با طول وقفه‌های مختلف هستند. در معیارهای آکاییک[43] (AIC)، شوارتز[44] (SC) حنان-کوئین[45] (HQ) مقادیر کمتر آنها بر مقادیر بیشتر آنها ارجح است (در نرم افزار ایویوز) و در معیارهای نسبت راستنمایی[46] (LR) و خطای پیش بینی نهایی[47] (FPE) مقدار بیشتر ترجیح داده می‌شود. معیار شوارتز نسبت به سایر معیارها طول وقفه بهینه را کمتر برآورد می‌کند و در نمونه‌های کوچک استفاده از آن نتایج بهتری در پی خواهد داشت. با استفاده از معیار شوارتز مقدار وقفه بهینه برابر 3 تعیین می‌شود.

 

جدول 3- آزمون انتخاب وقفه بهینه

Lag	LogL	LR	FPE	AIC	SC	HQ
رابطه بین رشد شاخص قیمت کل سهام با رشد شاخص مدیران خرید صنعت
1	6583/369-	967231/8	34/61118	69593/16	93681/16	78573/16
2	8088/362-	17698/12	95/53925	56928/16	97076/16	71895/16
3	6006/351-	92939/18*	46/39271*	24891/16*	81099/16*	45845/16*
4	6579/350-	508341/1	54/45250	38479/16	10746/17	65420/16
رابطه بین رشد شاخص قیمت سهام صنعت با رشد شاخص مدیران خرید صنعت
1	2028/376-	NA	10/74777	89790/16	05850/17	95777/16
2	8461/365-	87221/18	53/56419	61538/16	93657/16	73512/16
3	2391/353-	85223/21*	25/38572*	23285/16*	71462/16*	41245/16*
4	3001/352-	544149/1	23/44390	36889/16	01126/17	60836/16
* نشان دهنده وقفه بهینه انتخاب شده توسط معیار است :LRآماره نسبت راستنمایی :FPE خطای پیش بینی نهایی :AIC معیار Akaike :SC معیار Schwarz :HQ معیار Hannan-Quinn

منبع: یافته­های پژوهشگر

 

بعد از مشخص شدن طول وقفه بهینه، برای تعیین جهت علیت بین دو متغیر شاخص قیمت سهام و شاخص مدیران خرید صنعت از آزمون علیت گرنجر استفاده شده است. نتایج این آزمون در جدول 4 ارائه شده است. در این جدول علیت بین دو متغیر تفاضل مرتبه اول رشد شاخص قیمت کل سهام (ِDGTSPI) و تفاضل مرتبه اول رشد شاخص قیمت سهام صنعت (DGISPI) با تفاضل مرتبه اول رشد شاخص مدیران خرید صنعت (DGPMI) با استفاده از الگوی تصحیح خطای برداری[48] (VECM)[49] مورد آزمون قرار گرفته است. بر اساس نتایج در مورد هر دو متغیر رشد شاخص کل سهام و رشد شاخص سهام صنعت تنها یک علیت یک طرفه از شاخص مدیران خرید صنعت وجود دارد.

 

جدول 4- آزمون علیت گرنجر

بررسی علیت بین D(GTSPI) و D(GPMI)
فرضیه صفر	Chi-sq	df	Prob.
نبود علیت از D(GPMI) به D(GTSPI)	405084/8	3	0383/0
فرضیه صفر	Chi-sq	df	Prob.
نبود علیت از D(GTSPI) به D(GPMI)	020459/1	3	7963/0

منبع: یافته­های پژوهشگر

ادامه جدول 4- آزمون علیت گرنجر

بررسی علیت بین D(GISPI) و D(GPMI)
فرضیه صفر	Chi-sq	df	Prob.
نبود علیت از D(GPMI) به D(GISPI)	453070/8	3	0375/0
فرضیه صفر	Chi-sq	df	Prob.
نبود علیت از D(GISPI) به D(GPMI)	994786/0	3	8025/0

منبع: یافته­های پژوهشگر

 

با توجه به تایید وجود رابطه علی از GPMI بهGTSPI و GSPI در این مرحله وجود رابطه بلندمدت بین این متغیرها با استفاده از آزمون همگرایی جوهانسن بررسی شده است که نتایج این آزمون در جدول 5 ارائه گردیده است. بر اساس نتایج ارائه شده در این جداول تعداد بردارهای همگرایی بر اساس معیار های اثر و حداکثر مقدار ویژه، هم در رابطه بین GPMI و GTSPI و هم در رابطه  GPMI و GSPI برابر 1 است.

بعد از اطمینان از وجود یک رابطه بلندمدت بین متغیرهای تحقیق نوبت به برآورد این رابطه می‌رسد. در جداول 6 و 7 ضرایب  بلند مدت به روش جوهانسن تخمین زده شده و بر اساس ضریب  GTSPI و GISPI نرمال شده است. بر اساس این جداول، GPMI اثر مثبت و معنی‌دار بر GTSPI و GISPI دارد. مقدار این ضریب قابل توجه است و نشان می‌دهد که افزایش یک واحدی در رشد شاخص مدیران خرید صنعت منجر به افزایش حدود 10 واحدی در رشد شاخص قیمت سهام کل و صنعت شده است.

 

رابطه بین GPMI و GTSPI

جدول 5- آزمون همگرایی جوهانسن

آزمون همگرایی غیرمقید رتبه (اثر)
فرضیه صفر		آماره اثر	مقدار بحرانی
تعداد بردارهای همگرایی	مقدار ویژه		05/0	سطح احتمال
هیچ	548233/0	76034/39	26184/20	0000/0
حداقل 1	067389/0	209265/3	164546/9	5423/0
آزمون همگرایی نامقید رتبه (حداکثر مقدار ویژه)
فرضیه صفر		آماره حداکثر مقدار ویژه	مقدار بحرانی
تعداد بردارهای همگرایی	مقدار ویژه		05/0	سطح احتمال
هیچ	548233/0	55108/36	89210/15	0000/0
حداقل 1	067389/0	209265/3	164546/9	5423/0

رابطه بین GPMI و GISPI

آزمون همگرایی غیرمقید رتبه (اثر)
فرضیه صفر		آماره حداکثر مقدار ویژه	مقدار بحرانی
تعداد بردارهای همگرایی	مقدار ویژه		05/0	سطح احتمال
هیچ	546317/0	72804/39	26184/20	0000/0
حداقل 1	070676/0	371677/3	164546/9	5136/0
آزمون همگرایی نامقید رتبه (حداکثر مقدار ویژه)
فرضیه صفر		آماره حداکثر مقدار ویژه	مقدار بحرانی
تعداد بردارهای همگرایی	مقدار ویژه		05/0	سطح احتمال
هیچ	546317/0	35636/36	89210/15	0000/0
حداقل 1	070676/0	371677/3	164546/9	5136/0

منبع: یافته­های پژوهشگر

 

 

جدول6- تخمین رابطه بلندمدت بین GPMI وGTSPI  به روش جوهانسن

متغیر	بردار همگرایی	ضرایب نرمال شده نسبت به GTSPI (انحراف معیار)
GTSPI	009926/0	1
GPMI	099678/0-	04207/10- (42997/1)
عرض از مبدا	336681/0	91900/33 (2820/15)

منبع: یافته­های پژوهشگر

 

جدول7- تخمین رابطه بلندمدت بین GPMI و GISPI به روش جوهانسن

متغیر	بردار همگرایی	ضرایب نرمال شده نسبت به GISPI (انحراف معیار)
GISPI	009333/0	1
GPMI	099678/0-	04207/10- (42997/1)
عرض از مبدا	336681/0	91900/33 (2820/15)

منبع: یافته­های پژوهشگر

 

در انتها ضریب تصحیح خطا برآورد شده است. درمعادله تصحیح خطا تغییرات در متغیر وابسته به وسیله تغییرات متغیرهای توضیحی و نیز عدم تعادل دوره قبل توضیح داده می‌شود. ضریب جمله خطا در هر دو مدل معادل 1/0- می‌باشد که هر چند بر اساس آماره t  و سطح معنی‌دار بودن این ضریب معنی‌دار است، لیکن سرعت تعدیل آن کم است. این ضریب نشان می‌دهد که با فرض ثبات شرایط، اگر در اثر یک شوک انحرافی از رابطه بلندمدت ایجاد شود، حدود 10 ماه زمان لازم است تا کل انحراف ایجاد شده از رابطه بلندمدت از بین برود.

 

5- نتیجه‌گیری

این مطالعه با هدف آشکارسازی رابطه بلندمدت و همچنین رابطه علیت بین رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت سهام در بورس اوراق بهادار تهران طی دوره زمانی 1397:7 - 1401:8 انجام شده است. در ابتدا، وجود رابطه علیت بین رشد شاخص مدیران خرید صنعت و رشد شاخص قیمت کل سهام و رشد شاخص قیمت سهام صنعت توسط آزمون علیت گرنجر بررسی شده است. در نتیجه تحلیل علیت، رابطه علیت یک طرفه از رشد شاخص مدیران خرید صنعت به رشد شاخص قیمت سهام کل و صنعت تایید شد. در ادامه وجود رابطه بلندمدت بین دو سری زمانی رشد شاخص مدیران خرید صنعت و شاخص قیمت سهام کل و همچنین رشد شاخص مدیران خرید صنعت  با شاخص قیمت سهام صنعت با استفاده از آزمون هم‌انباشتگی جوهانسن بررسی شده است و یک رابطه بلندمدت بین سری‌ها شناسایی شده است. بعد از تایید وجود رابطه بلندمدت، ضرایب بلندمدت تخمین زده شده است. بر اساس برآورد ضرایب بلندمدت مشخص شد که اثر رشد شاخص مدیران خرید صنعت بر رشد شاخص کل و شاخص صنعت از نظر آماری معنی‌دار و مثبت است. بر اساس این یافته‌ها می توان گفت که شاخص مدیران خرید صنعت پیش بینی کننده شاخص قیمت سهام است. این یافته با یافته‌های مطالعات جوهانسون و واتسون (2011)، وانگ (2012) و شاهین و همکاران (2020) مطابقت دارد و با نتایج بدست آمده در مطالعات مادگال (2014) و یانیک و همکاران (2020) که نشان دهنده عدم علیت از شاخص مدیران خرید صنعت به شاخص قیمت سهام بودند، مطابقت ندارد.

بر اساس یافته‌های این مطالعه، سیاستگذاران اقتصادی می‌توانند از شاخص مدیران خرید صنعت به عنوان یک سیگنال برای تغییرات آتی در شاخص قیمت سهام استفاده نموده و تمهیدات لازم برای مدیریت کارآمد بازار سرمایه را بیاندیشند. همچنین این یافته‌ها حاکی از آن است که شاخص مدیران خرید صنعت با ارائه اطلاعات به سرمایه گذاران، شاخصی پیشرو برای سرمایه گذاران برای ارزیابی بازار سهام و تصمیم‌گیری در مورد سرمایه گذاری سودآور است. در مطالعات بعدی، می توان با استفاده از روش‌ها و تکنیک های مختلف، بر رابطه بین رشد شاخص مدیران خرید صنعت و شاخص‌های مختلف بازار سرمایه و همچنین مقایسه رابطه بین شاخص مدیران خرید صنعت و شاخص قیمت سهام در کشورهای مختلف پرداخت.

 

 

 

[1]  گروه اقتصاد و مدیریت، دانشگاه تبریز، تبریز ، ایران. (نویسنده مسئول)، [e-mail]

[2] گروه اقتصاد و مدیریت، دانشگاه تبریز، تبریز ، ایران. [e-mail]

[3]  Purchasing Managers' Index

[4] Koenig

[5] ig.com

[6] Diffusion index

[7] شاخص انتشار روشی برای خلاصه کردن گرایش رایج گروهی از سری های آماری است. در این شاخص‌های از مجموعه چندین سری زمانی برای نشان دادن وضعیت اقتصاد استفاده می‌شود. اگر تعداد سری‌ها در حال افزایش نسبت به سری‌های  کاهشی بیشتر باشند، شاخص بالاتر از 50 خواهد بود. اگر تعداد سری‌های صعودی نسبت به سری‌های نزولی کمتر باشد، شاخص به زیر 50 خواهد رسید. در واقع، یک شاخص انتشار میزان قوت یا ضعف در اقتصاد را اندازه می‌گیرد. به عنوان مثال، اگر گروه بیشتری از صنایع نرخ تولید خود را افزایش دهند، اقتصاد به عنوان یک کل احتمالاً در حال گسترش است. اگر نسبت صنایعی که در حال رشد هستند شروع به کاهش کند و برای یک دوره زمانی به طور قابل توجهی به زیر 50 درصد برسد، اقتصاد احتمالاً در رکود است یا حداقل در آن جهت حرکت می‌کند.

[8] Dasgupta and Lahiri                  

[9] Banerjee and Marcelino

[10] Kaufman

[11] Lindsey and Pavur

[12] Yu and Lee

[13] Clementes and Henry

[14] Evans

[15] Foroni, Marcellino, and Schumacher

[16] Frale, Marcellino, Mazzi, and Proietti

[17] Gianon, Rachelin and Asmal

[18] Giannone, Modugno, Reichlin & Small

[19] Kuzin, Marcellino & Schumacher

[20] Zhang

[21] Harris

[22] Afshar

[23] Zhao and Yun

[24] Collins

[25] Johnson & Watson

[26] Whang

[27] Madgal

[28] Yannick

[29] Sahin

[30] Mandaci and Alsu

[31] Granger

[32] Sims

[33] Ordinary Least Squares

[34] Johansen

[35] Vector autoregression

[36] Hjalmarsson and Österholm

[37] Trace

[38] Maximum eigenvalue

[39] Cuthbertson et al.

[40] Dicky Fullers

[41] Augmented Dicky Fullers

[42] Maddala

[43] Akaike

[44] Schwarz

[45] Hannan-Quinn

[46] Liklihood Ratio

[47] Final Prediction Error

[48] Vector Error Correction Model

[49] با توجه به وجود هم انباشتگی بین متغیرها از این روش استفاده شده است. برای مطالعه بیشتر به نوفرستی (1400) مراجعه شود.

مراجع

فهرست منابع

• ارمغان، پیمان، هادی نژاد، منیژه، دامن کشیده، مرجان، و شجاعی، معصومه (1401). سازوکار اثرگذاری تکانه‌های وارده از سوی قیمت نفت، قیمت ارز و سرمایه‌گذاری با در نظر گرفتن هزینه‌های تعدیل بر شاخص قیمت سهام.اقتصاد مالی، 16(59)، 46-23.    
• زین الدینی، شبنم، کریمی، محمد شریف، و خانزادی، آزاد (1399). بررسی اثر تکانه‌های قیمت نفت برعملکرد بازار سهام ایران. اقتصاد مالی، 14(50)، 145-170.
• فدایی نژاد, اسماعیل، و فراهانی، رضا (1396). اثرات متغیرهای کلان اقتصادی بر شاخص کل بورس اوراق بهادار تهران.اقتصاد مالی، 11(39)، 26-1.
• کاویانی، میثم، سعیدی، پرویز، دیده خانی، حسینی، و فخر حسینی، سید فخر الدین (1397). تأثیر شوک‎های پایه پولی بر بازده قیمتی سهام شرکت‎های فعال بورسی (رویکرد DSGE). اقتصاد مالی، 12(42)، 148-121.  
• مولانا، تهمینه (1389). شاخص مدیران خرید (PMI)/آیا تفاوتی میان کار آفرین و مالکیت کسب و کار کوچک وجود دارد؟. کارآفرینان امیرکبیر، 5 (۵۶)، 1.

نوفرستی، محمد (1400). اقتصادسنجی کاربردی داده‌های سری‌های زمانی. تهران