پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 418 |
| تعداد شماره‌ها | 10,005 |
| تعداد مقالات | 83,623 |
| تعداد مشاهده مقاله | 78,416,325 |
| تعداد دریافت فایل اصل مقاله | 55,444,881 |
ارتباط متغیر در زمان چندکی میان شاخص صنایع منتخب بورس اوراق بهادار ایران: بررسی حالتهای بازدهی بالا، پایین و متوسط (رویکرد TVP-Quantile VAR) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اقتصاد مالی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| دوره 17، شماره 65، دی 1402، صفحه 121-152 اصل مقاله (1.01 M) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: علمی پژوهشی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| شناسه دیجیتال (DOI): 10.30495/fed.2023.707988 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مهدی شیرافکن لمسو* 1؛ حمیدرضا ایزدی2؛ یاسر سیستانی بندویی3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1گروه اقتصاد، دانشگاه دریانوردی و علوم دریایی چابهار،ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2گروه اقتصاد دانشگاه دریانوردی و علوم دریایی چابهار. . ایران. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3ی گروه اقتصاد مجتمع آموزش عالی بافت دانشگاه شهید باهنر کرمان ، کرمان، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده سرمایه گذاران همواره به دنبال تحلیل ارتباط میان صنایع مختلف در راستای بهبود مدیریت سبد سرمایه گذاری و مدیریت ریسک ناشی از سرمایه گذاری هستند. بنابراین در پژوهش حاضر سرریز ریسک میان شاخصهای فلزات اساسی، خودرو، سرمایه گذاریها و بانکها در دوره زمانی 01/05/1401-01/01/1397به صورت روزانه با استفاده از الگوی خودرگرسیون برداری با پارامترهای متغیر در زمان چندکی (TVP-Quantile VAR) بررسی شده است. نتایج نشان داد که صنعت سرمایه گذاریها نقش اصلی در تحلیل شبکهای میان صنایع مورد بررسی را ایفا میکند که این مهم در شرایط بازدهی پایین و متوسط، بیش‌تر نیز بوده است. همچنین بر اساس نتایج، اثرگذاری و اثرپذیری صنایع بسته به میزان بازدهی و همچنین در طی زمان متفاوت بوده است. بنابراین، استفاده از رویکردهای مبتنی بر میانگین مشاهدات نمیتواند ارتباط میان صنایع و داراییها را بهخوبی نشان دهد و بسته به میزان بازدهی صنایع (حالات حدی و میانگین)، نحوه اثرگذاری و اثرپذیری و همچنین علیت نوسانات میتواند متفاوت باشد که این مهم در رویکردهای مبتنی بر میانگین بازدهی، قابلیت بررسی ندارد؛ بنابراین جهت مدیریت بهتر سبد سرمایه گذاری و پوشش ریسک سبد سرمایه گذاری چنانچه حالات حدی و میانگین تجزیه و تحلیل گردند میتواند برای سرمایه گذاران بسته به میزان بازدهی صنایع نتایج بهتری در خصوص مدیریت ریسک سرمایه گذاری به همراه داشته باشد. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژه‌ها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| واژه‌های کلیدی: سرریز ریسک، ارتباط چندکی، مدیریت ریسک، الگوی TVP-Quantile VAR طبقه بندی JEL : G01؛ G11؛ G17؛ G32 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
ارتباط متغیر در زمان چندکی میان شاخص صنایع منتخب بورس اوراق بهادار ایران: بررسی حالتهای بازدهی بالا، پایین و متوسط (رویکرد TVP-Quantile VAR)
چکیده سرمایهگذاران همواره بهدنبال تحلیل ارتباط میان صنایع مختلف در راستای بهبود مدیریت سبد سرمایهگذاری و مدیریت ریسک ناشی از سرمایهگذاری هستند. بنابراین در پژوهش حاضر سرریز ریسک میان شاخصهای فلزات اساسی، خودرو، سرمایهگذاریها و بانکها در دوره زمانی 01/05/1401-01/01/1397به صورت روزانه با استفاده از الگوی خودرگرسیون برداری با پارامترهای متغیر در زمان چندکی (TVP-Quantile VAR) بررسی شده است. نتایج نشان داد که صنعت سرمایهگذاریها نقش اصلی در تحلیل شبکهای میان صنایع مورد بررسی را ایفا میکند که این مهم در شرایط بازدهی پایین و متوسط، بیش‌تر نیز بوده است. همچنین بر اساس نتایج، اثرگذاری و اثرپذیری صنایع بسته به میزان بازدهی و همچنین در طی زمان متفاوت بوده است. بنابراین، استفاده از رویکردهای مبتنی بر میانگین مشاهدات نمیتواند ارتباط میان صنایع و داراییها را بهخوبی نشان دهد و بسته به میزان بازدهی صنایع (حالات حدی و میانگین)، نحوه اثرگذاری و اثرپذیری و همچنین علیت نوسانات میتواند متفاوت باشد که این مهم در رویکردهای مبتنی بر میانگین بازدهی، قابلیت بررسی ندارد؛ بنابراین جهت مدیریت بهتر سبد سرمایهگذاری و پوشش ریسک سبد سرمایهگذاری چنانچه حالات حدی و میانگین تجزیه و تحلیل گردند میتواند برای سرمایهگذاران بسته به میزان بازدهی صنایع نتایج بهتری در خصوص مدیریت ریسک سرمایهگذاری بههمراه داشته باشد. واژه‌های کلیدی: سرریز ریسک، ارتباط چندکی، مدیریت ریسک، الگوی TVP-Quantile VAR طبقه بندی JEL : G01, G11, G17, G32
1- مقدمه رشد و توسعه اقتصادی هر کشور به ایجاد سرمایه‌گذاری‌های کلان نیاز دارد و تأمین مالی بلندمـدت طـرح‌هـای اساسـی کشورها از طریق ایجاد بازار سرمایه قوی و کارا امکان‌پذیر است. انگل (2011)، بی‌ثـابتی بازارهـای مـالی، رکـود چرخـه کسب‌وکار و افزایش تورم و نوسان‌ها را حوادثی برمی‌شمارد که سرمایهگذاران از آنها می‌هراسند و همواره تلاش میکنند که خود را از این خطرها مصون دارند. لین، انگل و آیتو (1998) و فلمینگ، کایربای و آسـتدیک (1998)، تسوتسـویی (2002)، تأثیرهای ارتباطات تجاری و مالی را عوامل کلیدی مؤثر بر سازوکار انتقـال معرفـی مـی‌کنـد. خلیفـه، حمـوده و اترانتو (2014)، نوسان‌های موجود در بازار را دلیلی بر تعدیل و تغییر ترکیب دارایـی‌هـا در سـبد دارایـی سـرمایه‌گـذاران میدانند. این مسئله هم آشفتگی در بازار بحران زده را افزایش میدهد و هم سرایت نوسان‌ها و تکانهها را به سایر بازارهـا موجب میشود. بالا و تاکیموتو (2017)، با مرور تحقیقات اخیر دریافتند که بازارهای مالی کاملاً یکپارچه و متحد، تمایـل دارند شوک‌ها را سریع‌تر انتقال دهند. این تمایل به این دلیل است که تغییرات سبد دارایی اغلب بـر نـرخ بهـره، تجـارت مالی و در نهایت بر فعالیت‌های بخش واقعی اقتصاد تأثیر میگذارد؛ همچنین ایشان دریافتند که بازارهای مالی یکدیگر را تحت تأثیر قرار می‌دهند و به دلیل وجود نوسان هنگام بروز بحران‌های مالی، سرمایهگذاران به منظور تنوع ممکن است به انتخاب سهام دیگری در بازاری دیگر اقدام کنند.این نوسانات موجب می‌گردد ترکیب پرتفوی بهینه همواره در حال تغییر باشد(حسینی ابراهیم آباد و همکاران، 1398). نحوه ارتباط پویای میان نوسانات صنایع مختلف حاضر در بورس اوراق بهادار با توجه به میزان بازدهی هر صنعت جهت مدیریت ریسک پرتفوی سرمایهگذاری، برای سرمایهگذاران بسیار حائز اهمیت میباشد. در واقع نحوه انتقال و دریافت ریسک با توجه به دهکهای مختلف میزان بازدهی صنایع، ممکن است در طی زمان و با توجه به شرایط اقتصادی و سیاسی تغییر کند. یکی از مهم‌ترین مولفههای اثرگذار بر نحوه ارتباط میان نوسانات صنایع مختلف در دوره بعد از خروج آمریکا از برجام، مسئله تحریم بوده است. اقتصاد ایران طی سالهای متمادی تحت تأثیر تحریمهای اقتصادی بوده است که خود عاملی مؤثر در ایجاد نوسانات صنایع مختلف حاضر در بورس اوراق بهادار بوده است. در طی سالهای اخیر بویژه از سال 2018 به بعد تحریمهای اقتصادی علیه ایران افزایش یافته است. تحریمهای اقتصادی عمدتاً شامل تحریمهای نفتی و نقل و انتقالات بانکی بوده است. تحریم یک ابزار محبوب در حوزه سیاست خارجی است. تحریم به میزان زیادی در نقاط مختلف جهان در جهت تغییر در رفتار و اعمال کشور هدف صورت گرفته است (ارلی و چیلیزاوغلو[4]، 2020). با توجه به اینکه اقتصاد ایران وابستگی زیادی به درآمدهای نفتی دارد، کاهش فروش نفت منجر به کاهش درآمدهای دولت و افزایش کسری بودجه دولت شده است. در نتیجه افزایش کسری بودجه، استقراض از بانک مرکزی جهت پوشش مخارج افزایش یافته و نتیجه آن رشد بالای نقدینگی در ایران بوده است. با افزایش و رشد نقدینگی، تورم روند صعودی داشته و براساس مارپیچ تورم-ارز، نرخ ارز نیز روند صعودی داشته است. از سوی دیگر با توجه به سهم بالای کالاهای واسطهای و سرمایهای از واردات در ایران (بیش از 80 درصد)، افزایش نرخ ارز موجب افزایش هزینههای تولید و کاهش سودآوری شرکتهای غیرصادراتی در بازار سهام ایران شده است (آسیابی اقدم و همکاران، 1400). در نقطه مقابل بدنبال افزایش نرخ ارز و تورم، شرکتهای صادراتی رشد فروش و سود را تجربه نمودهاند که خود در برخی مواقع موجب رشد مناسب شاخص قیمت سهام شده است. حال اینکه در طی دوره تشدید تحریمها نوسانات میان شاخص صنایع مختلف در طی زمان و همچنین در دهکهای مختلف بازدهی چگونه توزیع شده است میتواند بر تصمیمهای سرمایهگذاران تأثیرگذار باشد. به عبارت دیگر، در فضای نااطمینانی، تقاضا و عرضه کالاها و خدمات با مشکل مواجه میشود که خود موجب ایجاد نوسانات در صنایع مختلف میشود (باکاس و تریانتافیلو[5]، 2018). سرریز نوسان برای مشارکت‌کنندگان و پژوهش‌گران بازار بسیار بااهمیت است. انتقال اطلاعات بین بازارهای مالی بر تخصیص دارایی، پوشش ریسک و مدیریت پرتفوی تأثیر میگذارد. از دیدگاه نظری، سرمایهگذاران میتوانند با استفاده از سهم‌های با همبستگی پایین، ریسک سهم‌های خود را تنوع بخشند و یک پرتفوی بهینه تشکیل دهند و این تنوع‌بخشی در بازارهای بی‌ثبات و نامشخص بسیار ارزشمند است. با دانستن این نکته اجرای عملی چنین کاری آسان نخواهد بود. چرا که همبستگی میان بازارها در طول زمان تغییر میکند و مهم‌تر اینکه در دورههای آشفتگی بازارهای مالی، همبستگی میان چندین بازار به دلیل اثرات سرریز افزایش مییابد (الیحیایی وهمکاران[6]، 2019). بر این اساس در پژوهش حاضر سرریز نوسانات پویا میان صنایع مختلف منتخب حاضر در بورس اوراق بهادار (شاخصهای فلزات اساسی، خودرو، بانک و سرمایهگذاری)[7] در دوره 01/05/1401-01/01/1397 بهصورت روزانه با استفاده از الگوی خودرگرسیون برداری با پارامترهای متغیر در زمان چندکی[8] بررسی شده است. یکی از مزیتهای پژوهش حاضر نسبت به سایر پژوهشهای صورت گرفته استفاده از الگوی TVP-Quantile VAR میباشد که امکان تحلیل ارتباط نوسانات میان بازارهای دارایی و مالی مختلف را در چندکهای مختلف بازدهی فراهم میکند (تیواری و همکاران[9]، 2022). نکته حائز اهمیت اینکه بایستی مشخص شود که در حالات مختلف بازدهی صنایع مختلف، نوسانات میان صنایع در دورههای زمانی مختلف چگونه منتقل شده است و کدامیک دریافتکننده قویتر و کدامیک منتقل‌کننده قویتر بودهاند و همچنین علیت انتقال نوسانات چگونه بوده است؟ در شرایطی که در حالات حدی (بازدهی پایین و بالا) و میانگین بازدهی گروههای مورد بررسی نحوه انتقال، دریافت و شدت و جهت علیت انتقال نوسانات متفاوت باشد میتوان پیشنهادات سیاستی متفاوتی برای سرمایهگذاران و سیاستگذاران ارائه داد. مواردی که تاکنون در مطالعات صورت گرفته بررسی نشده است. در ادامه در بخش دوم، مبانی نظری و پیشینه پژوهش، بخش سوم روش شناسی و در بخشهای چهارم و پنجم به ترتیب تجزیه و تحلیل یافتههای پژوهشگر و نتیجهگیری و پیشنهادهای سیاستی ارائه شده است.
2- مبانی نظری بازار سهام به عنوان رکن اصلی بازارهای مالی، نقش بسیار مهمی در رشد و توسعه اقتصادی کشورها دارد. ماهیت بازارهای دارایی از جمله سهام، نوسان و ریسک میباشد. در واقع بازار سهام قادر به انتقال سرمایه به فرآیند تولید میباشد و از این منظر یکی از ارکان مهم تأمین مالی میباشد. با توجه به ارتباط صنایع مختلف با یکدیگر، بروز نوسانات در یک صنعت میتواند به سایر صنایع نیز منتقل شود؛ البته علیت و شدت انتقال و دریافت نوسان در طی زمان و همچنین در دهکهای مختلف بازدهی صنایع میتواند متفاوت باشد که در مدیریت ریسک پرتفوی سرمایهگذاری بسیار با اهمیت میباشد (حسینی ابراهیمآباد و همکاران، 1398). بر همین اساس سرمایهگذاران بهطور مداوم در حال جایگزینی داراییها و متنوعسازی سبد دارایی جهت پوشش ریسک هستند. دانستن نحوه و میزان سرریز نوسانات میان داراییهای مختلف در طی زمان بویژه در حالات مختلف بازدهی داراییها برای طراحی سبد سرمایهگذاری و راهبردهای پوشش ریسک میتواند برای سرمایهگذاران راه‌گشا باشد (ربوردو و همکاران[10]، 2021). انتقال نوسان میان صنایع نشاندهنده جریان اطلاعات میان صنایع میباشد. بر این اساس درک اشتباه در خصوص نحوه ارتباط متقابل میان صنایع میتواند منجر به اجرای سیاستهای اقتصادی غیربهینه و حتی سرکوب تولید شود (برنی و همکاران[11]، 2008). در خصوص صنایع مختلف، میتوان بیان داشت که بروز نوسان در یک صنعت میتواند از طریق تغییر در عرضه و تقاضای سرمایهگذاران موجب تأثیر بر سایر صنایع شود (اروری و همکاران[12]، 2011). جریان سرمایهگذاری در صنایع مختلف تحت تأثیر شرایط کلان اقتصادی و سیاسی میباشد و سرمایهگذاران با تحلیل این موارد و عوامل درونی بازار سهام، اقدام به خرید و فروش سهام میکنند. بهطور کلی چنانچه صنعتی دارای شرایط مناسب نباشد، منابع مالی از آن خارج و به صنعت دیگر منتقل میشود و در چنین شرایطی نوسان به سایر بازارها منتقل میشود. بهدنبال افزایش نوسان در یک صنعت، درک و تحلیل آن صنعت برای سرمایهگذاران سخت میشود و انتظار سفتهبازی را افزایش میدهد و در چنین شرایطی اعتماد به صنعت خاص از بین میرود و در بهترین حالت (چنانچه خروج سرمایه از بازار سهام رخ ندهد) موجب انتقال سرمایه به صنعتی دیگر میشود (بت شکن و محسنی، 1399). در کنار این مسائل، تشدید تحریمهای اقتصادی اخیر از طریق اثرگذاری بر بودجه دولت، تورم و نرخ ارز موجب ایجاد نوسانات زیاد در بازدهی صنایع مختلف شده است. میان نوسانات عوامل کلان اقتصادی مانند ارز، سکه و مسکن با صنایع مختلف بازار سهام ارتباط زیادی وجود دارد. نوسانات ارز منجر به تغییر در جریانات وجوه نقد شرکتهای حاضر در بورس میشود و همچنین منجر به افزایش بهای تمام شده و تورم در اقتصاد میشود. با افزایش تورم امکان افزایش قیمت صنایع مختلف نیز وجود خواهد داشت. نوسانات نرخ ارز اثر مستقیم بر رقابتپذیری شرکتهای بینالمللی حاضر در بورس دارد که میتواند منجر به تغییر ارزش بازاری آنها شود (فرانکل[13]، 1992). سرمایهگذاران میتوانند داراییهایی که همبستگی منفی و یا کم‌ترین سرریز با یکدیگر دارند را هدف قرار دهند. سرمایهگذاران ریسک پذیر بهدنبال سرمایهگذاری در داراییهایی هستند که دارای سرریز قوی بر سایر داراییها هستند. بازارها و همچنین صنایع مختلف حاضر در بورس اوراق بهادار ممکن است در وضعیت بحران نسبت به وضعیت باثبات، سرایت[14] بیش‌تری را تجربه نمایند و در چنین شرایطی بهینهسازی سبد سهام، انتخاب سهام و مدیریت ریسک اهمیت دوچندان خواهد داشت (کیلاس و همکاران[15]، 2018). از دید سایتی و همکاران[16] (2016)، سرایت را انتقال بازدهی سهام میدانند که میتواند ریشه در رفتار سرمایهگذارها در شرایط بحرانی داشته باشد؛ همچنین معتقدند که اگر نوسانات ناشی از سرایت باشد، بایستی پس از مدت کوتاهی از بین برود؛ اما اگر نوسانات ناشی از دلایل اصولی باشد، این احتمال وجود دارد که برای مدت طولانی پایدار بماند (خاوری و میر جلیلی، 1398). بهطور کلی، تغییرات بازدهی صنایع موجب تغییر در انگیزه سرمایهگذاران و انتقال نقدینگی به سایر صنایع رقیب و موازی جهت حفظ ارزش وجوه نقد میشود. از سوی دیگر بررسی نحوه انتقال سریز ریسک میان صنایع مختلف بهعنوان یک ابزار اقتصادی کارآمد برای دستیابی به اشتغال و تولید هدف، همواره مدنظر سیاستگذاران بوده است. بر این اساس شناخت نادرست ارتباط متقابل بازارها میتواند منجر به اتخاذ سیاستهای سرمایهگذاری و اقتصادی اشتباه شود (کارولی[17]، 1995). با توجه به شرایط اقتصاد کشور و تحریمهای ظالمانه، بهواسطه محدودیت در سمت عرضه ارز و ایجاد انتظارات تورمی، صنایع با توجه به ماهیت خود (صادرات و یا واردات محور)، تحت تأثیر شرایط اقتصادی و سیاسی قرار میگیرند و منجر به شکلگیری بازدهیهایی در برخی موارد به مراتب بالاتر از میانگین میشوند و در چنین شرایطی استفاده از رویکردهایی که به بررسی نوسانات شرطی پویا بر پایه میانگین میشوند میتواند نتایج تورشداری جهت مدیریت سبد سرمایهگذاری ارائه دهد[18]. بر همین اساس در پژوهش حاضر نحوه ارتباط متغیر در زمان چندکی نوسانات میان صنایع منتخب حاضر در بورس اوراق بهادار بررسی شده است. در ادامه پیشینه پژوهش ارائه شده است.
3- پیشینه پژوهش پازوکی و همکاران (1392)؛ به بررسی همبستگی میان نرخ ارزهای گوناگون، قیمت نفت، قیمت طلا و شاخص بازار سهام تهران در دوره 1389-1383 با استفاده از الگوی تبدیل موجک[19] پرداختند. نتایج نشان داد همبستگی میان داراییهای مختلف در طی زمان متفاوت بوده و همبستگی معناداری میان آنها دیده شده است. فلاحی و همکاران (1393)؛ با استفاده از الگوی DCC-GARCH[20] به بررسی همبستگی شرطی پویا میان بازدهی ارز، شاخص بازار سهام و قیمت سکه طلا در دوره زمانی 01/05/1390 تا 31/06/1392 پرداختند. نتایج نشان داد همبستگی شرطی زیادی میان ارز و سکه طلا و همچنین همبستگی شرطی اندکی میان بازار سهام با ارز و سکه طلا وجود دارد. امیری و همکاران (1394)؛ همبستگی در طی زمان بین ارز، نفت و سکه را در ایران با استفاده از الگوی DCC-GARCH در دوره زمانی ماهانه 1370 تا 1389 را بررسی کردهاند. آنها دریافتند که همبستگی میان داراییها در طی زمان متغیر است و بحران مالی جهانی منجر به تغییرات زیادی در همبستگی پویا بین داراییها شده است. کرمی و رستگار (1397)؛ به تخمین اثر سرریز بازده و نوسانات صنایع مختلف بر یکدیگر در بورس تهران با استفاده از الگوی DCC-GARCH در دوره 1394:12-1390:05 با تواتر ماهانه پرداختند. نتایج حاکی از آن است که صنعت مواد و محصولات داروئی بیش‌ترین میزان اثرگذاری و صنعت فرآوردههای نفتی، کک و سوخت هستهای کم‌ترین میزان اثرگذاری را بر سایر صنایع منتخب دارند. سزاوار و همکاران (1398)؛ به بررسی همبستگی شرطی میان بازارهای ارز، طلا، مسکن، سهام و نفت در اقتصاد ایران در دوره زمانی 1395:12-1371:01 با استفاده از الگوی DCC-GARCH پرداختند. نتایج مطالعه آنها نشان میدهد میان ارز و طلا همبستگی شرطی بالا و میان مسکن و ارز همبستگی شرطی پایینی وجود دارد. حسینی ابراهیم آباد و همکاران (1398)؛ به بررسی سرریز تکانه و تلاطم میان شاخصهای منتخب بورس تهران با استفاده از الگوی گارچ چند متغیره نامتقارن (Asymmetric BEKK GARCH) در دوره 30/08/1396-23/09/1387 پرداختند. نتایج نشان داد در رژیم صفر، میان تکانهها و تلاطم صنایع ارتباط متقابل وجود دارد و همچنین تلاطم گذشته هر گروه نسبت به تکانههای گذشته آن گروه سهم بیش‌تری در تلاطم جاری آن گروه در رژیم صفر داشته است. نتایج در رژیم یک نیز نشان داد که اخبار مربوط به گروه فرآوردههای نفتی بر تلاطم گروه خودرو اثر معنیداری ندارند و بالعکس. درحالیکه انتقال تکانهها بین گروههای بانکی و فرآوردههای نفتی و گروههای بانکها و خودرو دو طرفه میباشد؛ همچنین تلاطم گروه بانکی بر تلاطم گروه فرآوردههای نفتی تأثیرگذار است و سرریز تلاطم بین گروههای فرآوردههای نفتی و خودرو یکطرفه است. آرغا و همکاران (1398)؛ به بررسی همبستگی شرطی پویا میان داراییهای مختلف با بازدهی شاخص قیمت سهام در ایران در دوره زمانی 1396:02-1380:01 بهصورت ماهانه با استفاده از الگوی [21]DCC-FIAPARCH پرداختند. بر اساس نتایج، ضریب همبستگی پویای شرطی بازده فلزات، تولیدات صنعتی و مس با بازده سهام مثبت و معنادار است؛ بنابراین جهت پوشش ریسک بهتر است همزمان در یک سبد خرید و یا فروش قرار نگیرند. کریمی و همکاران (1398)؛ اقدام به بررسی همبستگی شرطی پویای متقارن و نامتقارن بین نوسانات قیمت نفت و بازار سهام کشورهای حوزه خلیج فارس در شرایط سرایت بحران مالی پرداختند. برای این منظور از مدل DCC وadcc طی دوره زمانی هفته اول سال 2004 تا هفته چهل و هفتم سال 2019 استفاده شده است. نتایج حاصل از این مطالعه بیانگر وجود همبستگی شرطی پویای نامتقارن بازار سهام ایران و دبی و همبستگی شرطی پویای متقارن بازار سهام عربستان با نفت اوپک میباشد، همچنین نتایج تحقیق بیانگر وجود همبستگی شرطی پویای متقارن بازار سهام قطر و دبی و همبستگی شرطی پویای نامتقارن بازار سهام عربستان با نفت برنت میباشد. تفسیر مالی وجود همبستگی‌های متقارن و نامتقارن بین شاخص بازدهی نفت برنت و بازدهیهای سهام بازارهای دبی، قطر و عربستان حاکی از این است که مدیران ریسک باید کاملاً نسبت به این حقیقت آگاه باشند که این بازارها در مقابل شوک‌های خارجی مصونیت ندارند. نتایج نشان میدهد که بازارسهام دبی و ایران در مقابل شوک‌های داخلی (نفت اوپک) آسیب‌پذیر بوده و بازار سهام دبی جزء پرریسک‌ترین بازارهای حوزه خلیج فارس میباشد. آشنا و لعل خضری (1399)؛ به بررسی همبستگی پویای شاخص ناطمینانی سیاست اقتصادی جهانی با نوسانات بازارهای ارز، سهام و سکه در ایران در دوره 1398:12-1381:1 با استفاده از الگوی DCC-GARCH پرداختهاند. نتایج بیان میدارد نوسانات سیاست اقتصادی جهانی اثر معنادار بر نوسانات بازارهای ارز، سهام و سکه دارد. بهگونهای که تأثیر مثبت بر نوسانات قیمت سکه و تأثیر مثبت و منفی (بسته به دوره زمانی)، بر بازار ارز و سهام داشته است. محسنی و بتشکن (1399)؛ به بررسی همبستگی شرطی میان صنایع در بازار سرمایه با استفاده از الگوی گارچ چند متغیره (VECH-BEKK GARCH) در دوره زمانی 1397-1388 پرداختند. نتایج نشان داد که صنعت بانک با صنعت دارویی، مخابرات و سرمایهگذاری رابطه مثبت و با صنایع عرضه برق و گاز و همچنین وسایل ارتباطی دارای همبستگی شرطی منفی میباشد. دادمهر و همکاران (1400)؛ به بررسی سرایت میان بازارهای پولی و مالی در ایران در دوره 1396-1386 با دادههای روزانه با استفاده از الگوی FIAPARCH پرداختند. نتایج نشان میدهد رخدادهای سیاسی داخلی تأثیری ر بروز شوک بازارهای پولی و مالی نداشته؛ اما اثر سرایت میان این بازارها تأیید شده است؛ همچنین وجود رفتار گلهای بین سرمایهگذاران در دورههای تلاطم تایید شده است. ابونوری و همکاران (1400)؛ اقدام به بررسی سرایت‌پذیری ریسک مالی از بخش مالی به بخش واقعی اقتصاد با استفاده از شاخص برخورد شرطی (CCX) برای صنایع فعال در بورس اوراق بهادار تهران در دوره زمانی 1388-1395 نمودند. برای این منظور از روش گشتاروهای تعمیم یافته(GMM) و معیار CCX برای سرایت‌پذیری ریسک استفاده شد. در این مطالعه ابتدا دورههای رونق و رکود با استفاده از فیلتر میان گذر کریستیانو- فیلتزگرالد استخراج شد. نتایج به‌دست‌آمده از این مطالعه با لحاظ کردن دوره رونق و رکود در بازار بورس بیانگر سرایت ریسک از بخش مالی به صنایع فعال در بازار بورس است. ضرایب برآورد شده برای سرایت مالی در نمونه بیانگر این است که در اکثر شرکتهای مورد بررسی سرایت ریسک در سطح معنیداری قرار دارد؛ همچنین ضرایب برآورد شده برای لحاظ کردن دوره بحران و رکود در بازار بورس بیانگر شدت بیش‌تر سرایت ریسک در ردوه‌های رکودی است. بر اساس نتایج به‌دست‌آمده با روش CCX علاوه بر انتقال ریسک ریسک‌های شدید نیز از بخش مالی به بخش واقعی انتقال مییابد. بر اساس دیگر نتایج تحقیق سرایت ریسک از بخش مالی با میزان بدهی و نوسان بازده ارتباط مستقیم و با ارزش و فعالیت‌های سرمایهگذاری شرکت ارتباط منفی داشته است. رضا خاتمی و همکاران (1401)؛ اقدام به بررسی ساختار وابستگی بازار سهام ایران و کشورهای حوزه منطقه منا نمودند. جهت رسیدن به این هدف ابتدا اطلاعات در خصوص شاخص کل بازار سهام کشورهای منطقه منا از سپتامبر سال 2015 الی ژوئن سال 2022 جمع‌آوری و با استفاده تحلیل موجک نوسانات شاخص کل بازار سهام کشورها محاسبه شد. در ادامه الگوی خود توضیح برداری (VAR) برآورد و آزمون علیت گرنجر در خصوص ارتباط میان نوسانات بازار سهام ایران و کشورهای منطقه صورت پذیرفت. در نهایت نیز رگرسیون چندک برآورد و حد بالا و پائین ارتباط بازار سهام ایران و کشورهای منطقه منا مشخص شد. نتایج تحلیل موجک نشان داد که در طول زمان، دامنه نوسانات شاخص کل بازار سهام در کشورهای منطقه منا افزایش یافته است. بر پایه نتایج حاصل از مدل VAR و آزمون علیت گرنجر نیز، بازار سهام ایران به صورت یک طرفه تحت تأثیر نوسانات بازار سهام کشورهای کویت، عمان، قطر، عربستان، امارات و لبنان قرار دارد و چنان چه نوساناتی در بازار سهام این کشورها اتفاق بیافتد، بلافاصله این اثر به بازار سهام ایران منتقل خواهد شد. ضمن آن که هیچ‌گونه علامتی در خصوص تأثیرپذیری بازار سهام ایران از نوسان در بازار سهام کشورهای اردن و بحرین و نیز کشورهای شمال آفریقا شامل مصر، تونس و مراکش مشاهده نشد. نتایج رگرسیون چندک نیز نشان داد که در خصوص کشورها و چندکهای مختلف میزان تأثیرپذیری بازار سهام ایران از نوسانات متفاوت است. در این رابطه در ماه‌هایی که نوسان در بازار سهام کشورهای مذکور کم‌تر بوده اثر نوسانات بر بازار سهام ایران کم‌تر و در مقابل در ماه‌هایی که نوسانات قابل توجهی در بازار سهام اتفاق افتاده، میزان نوسان منتقل شده به بازار سهام ایران نیز بیش‌تر بوده است. دورنبوش و فیشر[22] (1980)؛ در خصوص ارتباط میان نرخ ارز، تورم و بازار سهام مدل جریان گرا[23] را برای نرخ ارز مطرح کردهاند. بر این اساس تغییرات نرخ ارز بر رقابتپذیری و تراز تجاری و متعاقباً تولید و درآمد تأثیرگذار است. تغییرات نرخ ارز از طریق تغییر ارتباط میان درآمد آتی، نرخ بهره، سرمایهگذاری و تصمیمات مصرفی بر جریانات وجوه نقد آتی بنگاهها تأثیر میگذارد و از این طریق قیمت سهام را تحت تأثیر قرار میدهد. گاوین[24] (1989)؛ بیان میکند بازار سهام، تقاضای کل را از طریق اثرات ثروت و نقدینگی تحت تأثیر قرار میدهد که خود موجب اثرگذاری بر تقاضای پول، تورم و نرخ ارز خواهد شد. برانسون و فرانکل[25] (1983)؛ مدل سهام گرا[26] را برای نرخ ارز مطرح کردند. در این رویکرد، نرخ ارز، معادلساز عرضه و تقاضا برای داراییهایی مانند سهام است. در این رویکرد نقش مهمی برای موجودی سرمایه در تعیین پویایی نرخ ارز در نظر گرفته میشود. از آنجاییکه ارزش داراییهای مالی توسط ارزش فعلی جریانات وجوه نقد آتی تعیین میشود، انتظارات از نرخ ارز نقش مهمی در تغییر قیمت سهام ایفا میکند؛ همچنین بر اساس قضیه برابری قدرت خرید، بهدنبال افزایش تورم، نرخ ارز بایستی افزایش یابد تا رقابتپذیری اقتصاد حفظ شود؛ بنابراین رابطه زیادی میان نرخ ارز، تورم و قیمت سهام وجود دارد. گوپتا و همکاران[27] (2001)؛ نشان دادند علیت یکطرفه از قیمت سهام به نرخ بهره وجود دارد و همچنین علیت یکطرفه ضعیف نیز از نرخ ارز به قیمت سهام وجود دارد. ژائو[28] (2010)؛ نشان داد رابطه تعادلی پایدار بلندمدت میان نرخ ارز مؤثر واقعی و قیمت سهام وجود ندارد و همچنین نتایج نشان داد که اثرات سرریز دو طرفه میان نرخ ارز موثر واقعی و قیمت سهام در چین وجود دارد. آکار[29] (2011)؛ به بررسی ارتباط میان بازار سهام، طلا و ارز در ترکیه با استفاده از الگوی DCC-GARCH پرداخت و نتیجه گرفت که همبستگی میان داراییها در طی زمان و با توجه به اتفاقاتی مانند بحران سال 2001 ترکیه تغییر کرده است. سینر و همکاران[30] (2013)؛ به بررسی همبستگی شرطی پویا میان سهام، اوراق قرضه، طلا، نفت و ارز پرداختند. نتایج بیانگر این است که اوراق قرضه مانعی در برابر بازار سهام و همچنین طلا مانعی در برابر نوسانات ارز میباشد و طلا بهعنوان پناهگاه امن برای آمریکا و انگلستان عمل کرده است. پارتالیدو و همکاران[31] (2016)؛ در پژوهش خود با استفاده از مدل GJR –GARCH و دادههای روزانه بین سالهای 1995 تا 2014 به بررسی اثر بازارهای طلا، اوراق قرضه، ارز، فلزات اساسی و نفت بر بازار سهام ایالات متحده پرداختند. نتایج حاکی از آن بود که خرید طلا، اوراق قرضه ده ساله و نرخ تسعیر دلار به ین، اثر منفی و خرید فلزات صنعتی اثری مثبت بر بازده شاخص سهام دارد؛ همچنین بازده نفت اثری منفی و بهشدت معنیدار بر بازده شاخص سهام دارد. دلگادو و همکاران[32] (2018)؛ نشان دادند نرخ ارز تأثیر منفی و معنادار بر بازار سهام مکزیک داشته است. یونوس[33] (2020)؛ به بررسی ارتباط میان طلا، سهام، اوراق قرضه و مسکن در آمریکا پرداخت. نتایج بلندمدت نشان میدهد طلا در قبل از بحران مالی (2007-1985) پوشش ریسک مناسبی برای سایر داراییها نبوده است؛ اما در دوره کوتاهمدت و در بحران مالی (2009-2007)، طلا حداقل تأثیر را از شوک متغیرهای کلیدی اقتصادی پذیرفته است و نشان میدهد که طلا پناهگاه امن ضعیف[34] بوده است. لی و همکاران[35] (2021)؛ به بررسی ارتباط میان بازدهی کالاها و داراییهای مالی در طی دوران شیوع کووید 19 در چین و آمریکا با استفاده از الگوی خودرگرسیون برداری با پارامترهای متغیر در زمان (TVP-VAR)، پرداختند. نتایج نشان داد ارتباط میان بازدهی کالاها و بازارهای مالی در آمریکا در اکثر مواقع قویتر از چین بوده است و در هر دو کشور در طی دوران کووید 19 این ارتباط افزایش داشته است؛ همچنین طلا انتقالدهنده خالص نوسانات به سایر کالاها و بازارهای مالی در چین و آمریکا قبل از اوجگیری شیوع کووید 19 بوده است؛ اما پس از اوجگیری شیوع کووید 19 سهام و ارز انتقالدهنده خالص نوسانات به سایر کالاها و بازارهای مالی بوده است؛ همچنین طلا به عنوان دریافتکننده خالص نوسانات از سایر بازارها در طی دوران کووید 19 عمل نموده است. لیو و همکاران[36] (2021)؛ به بررسی ارتباط نوسانات و وابستگی بازاری میان بازارهای مالی عمده در چین با استفاده از الگوی TVP-VAR پرداختند. نتایج نشان داد بازارهای مسکن، سهام، اوراق قرضه، ارز و آتی کالایی دارای ارتباط قوی میان نوسانات نیستند. بیش‌ترین میزان انتقال نوسانات مربوط به بازار اوراق قرضه و بیش‌ترین میزان دریافت نوسانات مربوط به آتی کالایی بوده است؛ همچنین انتقال سرریز نوسانات میان بازارهای مختلف در طی سه بحران مالی مورد مطالعه بیش‌تر بوده است. احمد و هو[37] (2021)؛ در تحقیقی به بررسی انتقال نوسان بین بازارهای نفت، کامودیتی و بازارهای سهام با استفاده از مدل VAR-BEKK-GARCH پرداختند. یافتههای پژوهش آنها نشاندهنده سرریز یکطرفه بازده از بازار نفت به بازار سهام و سرریز یکطرفه بازده از بازار سهام چین و بازار نفت به شاخص کالاها در چین بود. عدم وجود سرریز بازده بین طلا و بازار سهام (نفت)، نقش سرمایهگذاری مطمئن در طلا را اثبات نمود؛ همچنین نتایج سرریزی دوطرفه نوسان و شوک بین بازارهای نفت و سهام و سرریزی یکطرفه از بازار سهام و نفت به بازار کالا را نشان داد. علاوه بر این هیچ شواهدی از اثرات سرریز از بازارهای کالایی به بازارهای سهام و نفت مشاهده نگردید. لیو و همکاران[38] (2022)؛ به بررسی ارتباط نقدینگی میان بازارهای سهام، اوراق قرضه، پول و ارز در مالزی با الگوی TVP-VAR پرداختند. نتایج نشان داد که ارتباط جریان نقدینگی در حالتهای حدی (اتفاقات اقتصادی و سیاسی)، شدیدتر بوده است و نشان میدهد ریسک عدم انتقال جریان نقدینگی بین بازارهای مالی در مالزی ناچیز است. الوی و همکاران[39] (2022)؛ به بررسی سرریز ریسک از بازار سهام چین به گروه هفت کشور صنعتی (G7)، در طی شیوع کووید 19 با استفاده از رویکرد ترکیبی ارزش در معرض ریسک شرطی (CoVar) و کاپولا با استفاده از اطلاعات روزانه در دوره ژانویه 2013 تا ژوئن 2021 پرداختند. نتایج نشان میدهد که قبل از شیوع کووید 19 بازارهای سهام بهطور مثبت با یکدیگر ارتباط داشتهاند؛ اما در طی شیوع کووید 19 وابستگی میان بازارهای سهام افزایش یافته و بهطور متوسط سرریز ریسک در مقادیر بالا و پایین برای همه بازارهای سهام بهجزء ژاپن بیش‌تر بوده است. در مطالعات صورت گرفته تاکنون میزان دریافت و انتقال نوسانات توسط صنایع مختلف در چندکهای مختلف در قالب رویکرد TVP-Quantile VAR بررسی نشده است. در قالب این رویکرد امکان تعیین علیت و شدت انتقال و دریافت نوسانات در حالتهای حدی و میانگین بازدهی صنایع وجود دارد که در رویکردهای مرسوم مانند DCC-GARCH و DCC-FIAPARCH این امکان وجود ندارد که میتواند در حوزه سیاستگذاری و سرمایهگذاری حائز اهمیت باشد.
4- دادهها و روششناسی در پژوهش حاضر بر اساس مطالعات تیواری و همکاران (2022)، آدکویا و اولید[40] (2021)، یونوس (2020) و منسای و همکاران[41] (2017)، به بررسی سرریز ریسک میان صنایع منتخب حاضر در بورس اوراق بهادار در دوره 01/05/1401-01/01/1397 بهصورت روزانه با استفاده از الگوی TVP-Quantile VAR پرداخته شده است. در واقع در این دوره اتفاقات مهم اقتصادی و سیاسی[42] که برای اقتصاد ایران رخ داده است را شامل میشود که همگی میتوانند بر نحوه انتقال و یا دریافت نوسانات برای هرصنعت موثر باشند. کلیه اطلاعات مورد نیاز از مرکز پردازش اطلاعات مالی ایران استخراج شده است.[43] بهمنظور تجزیه و تحلیل دادهها از بازدهی هر صنعت طبق رابطه (1) استفاده شده است: (1)
در ادامه در جدول (1) آمارهای توصیفی و آزمون ریشه واحد برای بازدهی کلیه داراییها ارائه شده است. براساس نتایج جدول (1)، بیش‌ترین میانگین بازدهی به ترتیب مربوط به گروه فلزات اساسی و خودرویی بوده است. بیش‌ترین نوسان (واریانس)، مربوط به گروههای خودرویی و کم‌ترین مربوط به گروه سرمایهگذاریها بوده است. بر اساس آماره چولگی، شاخص تمامی صنایع مورد بررسی چوله به چپ هستند؛ همچنین نتایج کشیدگی نشان میدهد کلیه متغیرها دارای توزیع لپتوکورتیک[44] و دنباله فربه و متورم[45] هستند. آماره جارک-برا[46] نشان میدهد بازدهی کلیه صنایع باستثای گروه فلزات اساسی فاقد توزیع نرمال میباشند. از آنجایی که بازدهی کلیه صنایع دارای توزیع لپتوکورتیک هستند و همچنین احتمال وجود شکست ساختاری در بازدهی صنایع وجود دارد بایستی از آزمون ریشه واحد الیوت، روتنبرگ و استاک[47] استفاده نمود (اسدی و همکاران[48]، 2022). نتایج آزمون ریشه واحد نشان میدهد بازدهی کلیه صنایع مورد بررسی در پژوهش در سطح مانا هستند. در ادامه روششناسی مربوط به الگوی TVP- Quantile VAR ارائه شده است.
جدول (1). آمارهای توصیفی بازدهی داراییهای مورد بررسی
ماخذ: یافتههای پژوهشگر
در پژوهش حاضر از رویکرد ارتباط متغیر در زمان چندکی که توسط آندو و همکاران[49] (2018)، معرفی شده، استفاده شده است. در راستای مطالعه آندو و همکاران (2018)، برای محاسبه دقیق ارتباط چندکی در طی زمان، بایستی یک بردار میانگین متحرک با درجه نامحدود به عنوان نماینده الگوی خودرگرسیون برداری چندکی (QVAR)، توصیف شود. برای یک QVAR(p) داریم: (1)
که در آن چندک q بین صفر و یک میباشد. بر اساس مطالعه کوپ و همکاران[50] (1996) و همچنین پسران و شین[51] (1998)، تجزیه واریانس خطای پیشبینی تعمیم یافته[52] با افق پیشبینی H به صورت ذیل خواهد بود:
(2)
نماینده یک بردار صفر یکه در موقعیت i ام میباشد. نرمالسازی اجزاء ماتریس تجزیه بهصورت ذیل میباشد:
(3) براساس الگوی دیابولد و ایلماز (2014)، سرریز ریسک و ارتباط بر پایه چندک بهصورت ذیل بیان میشود: (4) (5) (6) (7) (8)
معادله (4)، تأثیر نوسانات متغیر j بر روی سایر متغیرها را نشان میدهد. معادله (5)، تأثیر سایر متغیرهای سیستم بر متغیر j را نشان میدهد. در معادله (6)، چنانچه یک متغیر منتقل‌کننده خالص نوسان به سایر متغیرها باشد دارای مقدار مثبت و چنانچه دریافتکننده خالص نوسان از سایر متغیرها باشد، دارای مقدار منفی خواهد بود. معادله (7)، میزان ارتباط میان متغیرها را نشان میدهد و همچنین معادله (8)، ارتباط مستقیم دو به دو متغیرها را بیان میدارد و نشان میدهد که چه میزان متغیر i بر متغیر j و بر عکس تأثیر میگذارد (تیواری و همکاران، 2022).
5- تجزیه و تحلیل یافتهها مهم‌ترین مزیت الگوی TVP-Quantile VAR نسبت به رویکردهای مرسوم مانند DCC-GARCH, DCC-FIAPARCH تعیین شدت انتقال و یا دریافت نوسانات در طی زمان و همچنین در چندکهای مختلف بازدهی میباشد. آنچه در مدل‌های اقتصادسنجی اهمیت دارد تعیین جایگاه متغیر در مدل است. در این دیدگاه فرآیند زیر ارائه میشود. لازم بذکر است با توجه به اینکه تحقیق حاضر در سطح کوانتایل و علیتی است.
برای سایر کوانتایل‌ها نیز قابل تعمیم داد.
1-5- صدک پنجم بازدهی (حد پایین بازدهی) در ادامه در جدول (2)، اطلاعات مربوط به سرریز نوسانات میان صنایع مورد بررسی در صدک پنجم بازدهی[53] ارائه شده است:
جدول (2). برآورد سرریز نوسانات میان صنایع مورد بررسی در صدک پنجم
ماخذ: یافتههای پژوهشگر
بر اساس نتایج جدول (2)، در صدک پنجم بازدهی گروههای مختلف (بازدهی پایین صنایع)، گروه سرمایهگذاری (73 درصد) و گروه بانکی (2/70 درصد)، به ترتیب بیش‌ترین انتقال دهندههای نوسان بودهاند. در سوی مقابل گروه بانکی با 61/70 درصد و گروه سرمایهگذاری با 26/70 درصد و به ترتیب بیش‌ترین دریافت‌کنندههای نوسان از سایر گروهها بودهاند. نکته جالب توجه اینکه در شرایط بازدهی پایین، گروه سرمایهگذاری نسبت به سایر گروهها در مجموع بیش‌ترین ارتباط را با سایر اجزای شبکه داشته است که میتواند نقش بسیار مهم گروه سرمایهگذاریها در مدیریت سبد سرمایهگذاری را نشان دهد. شاخص مجموع ارتباطات میان گروههای مورد بررسی نشان میدهد که 67/69 درصد از نوسانات گروههای مورد بررسی توسط یکدیگر توضیح داده میشوند که نشاندهنده ارتباط زیاد این گروهها میباشد. در حالتی که بازدهی این گروهها پایین است و در 5 درصد ابتدایی قرار دارد تنها گروه سرمایهگذاری بهطور خالص انتقالدهنده نوسانات به سایر گروهها میباشد (74/2) و گروههای فلزات اساسی، خودرویی و بانکی به ترتیب دریافتکننده خالص نوسانات از سایر گروهها بودهاند. در ادامه در نمودار (1)، شاخص مجموع ارتباطات میان صنایع مورد بررسی در طی زمان در صدک پنجم بازدهی ارائه شده است:
نمودار (1). شاخص مجموع ارتباطات میان صنایع ماخذ: یافتههای پژوهشگر
میزان ارتباط میان صنایع مختلف تحت تأثیر شرایط اقتصادی، سیاسی و حتی سلامتی و بهداشتی است. بر اساس نمودار (1)، شاخص کل ارتباطات میان صنایع مورد بررسی در شرایط بازدهی پایین، بین حدود 64 تا 73 درصد بوده است. این مهم نشان میدهد همواره ارتباط بالایی در طی دوره مورد بررسی و در حالت بازدهی پایین صنایع وجود داشته است؛ همچنین میتوان بیان نمود در شرایط بازدهی پایین، در میان این صنایع نوسانات بهخوبی انتقال و دریافت شده است. آنچه که مشخص است انتقال و دریافت نوسانات (شاخص مجموع ارتباطات)، میان صنایع در دوره مورد بررسی بالا بوده است؛ زیرا پس از رشد یک صنعت احتمال اثرات سرریز با سایر صنایع افزایش مییابد. در ادامه در نمودار (2)، میزان خالص اثرگذاری هر صنعت بر سایر صنایع در طی زمان در صدک پنجم نشان داده شده است. بر اساس نمودار (2)، گروه سرمایهگذاری در بیش‌تر مواقع، انتقالدهنده خالص نوسانات بوده است که در ابتدای دوره مورد بررسی تا سال 2019 بزرگ‌ترین عامل انتقال نوسان به سایر گروهها بوده است؛ اما پس از سال 2019 اثرگذاری گروه سرمایهگذاریها بر سایر صنایع کاهش یافته است. در نقطه مقابل گروه بانکی از ابتدای دوره تا سال 2019 تأثیرپذیرترین گروه بوده است. در واقع در ابتدا با خروج آمریکا از برجام و افزایش حجم نقدینگی و نرخ ارز در کشور توان سپردهگذاری و همچنین بازپرداخت تسهیلات دریافتی توسط اشخاص کاهش یافت که منجر به کاهش سودآوری صنعت بانکی شد و بر این اساس گروه بانکی از سایر صنایع تأثیر گرفته است. گروه فلزات اساسی تحت تأثیر دو عامل قیمتهای جهانی و همچنین نرخ ارز میباشد. تقریباً از اواخر سال 2019 تا پایان دوره مورد بررسی بهدلیل شیوع کووید 19 و سرکوب تقاضا در اقتصاد جهانی و همچنین تشدید تحریمها و کاهش توان صادراتی این صنایع، قیمت و میزان فروش بسیاری از فلزات اساسی کاهش یافت که این امر منجر به کاهش سودآوری این صنایع و متعاقباً تأثیرپذیری آنها از سایر صنایع شده است. نکته حائز اهمیت اینکه سودآوری بانکها وابستگی زیادی به نرخ ارز، نرخ بهره و بهطور کلی سپردهگذاری و تسهیلات اعطایی دارد. در واقع در ابتدای خروج آمریکا از برجام با توجه به رشد بیش‌تر نرخ ارز و سایر بازارهای دارایی، تمایل افراد به سپردهگذاری در شبکه بانکی کاهش یافت و در نقطه مقابل مطالبات غیرجاری بانکها نیز بواسطه کاهش قدرت خرید افراد افزایش داشته است که این موارد منجر به تأثیرپذیری شدید گروه بانکی از سایر صنایع شده است؛ اما در ادامه از سال 2020 به بعد بواسطه رشد کم‌تر نرخ ارز و تعدیل بیش‌تر اقتصاد کشور با نرخ ارز و تورم، سودآوری شبکه بانکی بهبود یافت که این موضوع منجر به تأثیرگذاری صنعت بانکی بر سایر صنایع شده است. شرکتهای سرمایهگذاری چون عمدتاً در حال سرمایهگذاری در سهام سایر شرکتها و صنایع هستند میتوانند با تغییر در عرضه و تقاضای سهام سایر صنایع، بر بازدهی آنها تأثیرگذار باشند. بر همین اساس صنعت سرمایهگذاری در بسیاری از مواقع بر سایر صنایع تأثیرگذار بوده است. در ادامه در نمودار (3) میزان ارتباط دو به دو میان بازدهی صنایع مورد بررسی ارائه شده است:
نمودار (2). میزان اثرگذاری خالص میان صنایع مختلف در طی زمان ماخذ: یافتههای پژوهشگر
نمودار (3). بررسی ارتباط دو به دو میان صنایع مورد بررسی در طی زمان ماخذ: یافتههای پژوهشگر
ارتباط دو به دو میان گروه سرمایهگذاری و بانکی در شرایط بازدهی پایین صنایع نشان میدهد که تا سال 2020 ارتباط مثبت میان این دو صنعت وجود داشته است؛ اما بعد از آن ارتباط منفی در بسیاری از دورهها وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است. نکته جالب اینکه ارتباط دو به دو میان گروه بانکی- فلزات اساسی عکس ارتباط میان گروههای بانکی-سرمایهگذاری بوده است. نکته حائز اهمیت اینکه بیش‌ترین ارتباط مثبت در شرایط بازدهی پایین صنایع، میان گروه سرمایهگذاری و فلزات اساسی بوده است که در بسیاری از دورهها ارتباط میان آنها مثبت بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی پایین است، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. در خصوص ارتباط دو به دو میان بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی بسته به شرایط اقتصادی و سیاسی بایستی سرمایهگذاری صورت پذیرد. در ادامه در نمودار (4)، ارتباط شبکهای میان صنایع مختلف ارائه شده است. بر اساس نمودار (4)، در شرایطی که بازدهی صنایع مورد بررسی اندک باشد (صدک پنجم بازدهی)، عامل اصلی شبکه، گروه سرمایهگذاری میباشد که تنها عامل انتقال نوسانات به سایر صنایع بوده است. بیش‌ترین علیت انتقال نوسان از صنعت سرمایهگذاری به فلزات اساسی (خط پررنگ) و سپس از صنعت سرمایهگذاری به صنعت بانکی بوده است؛ همچنین میان صنایع بانکی، خودرویی و فلزات اساسی نیز ارتباط علی وجود نداشته است.
نمودار (4). بررسی ارتباط علی شبکهای میان صنایع مورد بررسی در شرایط بازدهی پایین ماخذ: یافتههای پژوهشگر
2-5- صدک پنجاهم بازدهی (حالت میانگین بازدهی صنایع) در ادامه در جدول (3) نحوه سرریز نوسانات میان صنایع مورد بررسی در حالت میانگین بازدهی ارائه شده است:
جدول (3). برآورد سرریز نوسانات میان صنایع مورد بررسی در صدک پنجاهم (میانگین بازدهی)
ماخذ: یافتههای پژوهشگر
در میانگین بازدهی، بیش‌ترین انتقال نوسانات به ترتیب توسط صنایع سرمایهگذاری (33/60 درصد) و بانکی (49/52 درصد) و کم‌ترین انتقال نوسانات مربوط به صنعت فلزات اساسی (06/43 درصد)، بوده است. در نقطه مقابل، بیش‌ترین دریافت نوسانات نیز مربوط به صنعت سرمایهگذاری (09/53 درصد) و کم‌ترین دریافت نوسانات مربوط به صنعت فلزات اساسی (57/45 درصد)، بوده است. نکته مهم اینکه اثرگذاری خالص صنعت سرمایهگذاری در بازدهی میانگین افزایش و همچنین صنعت بانکی نیز از اثرپذیر خالص در بازدهی پایین، به اثرگذار خالص تبدیل شده است. از سوی دیگر اثرپذیری خالص گروههای خودرویی و فلزات اساسی نیز افزایش یافته است. در ادامه در نمودار (5)، شاخص مجموع ارتباطات میان صنایع مورد بررسی ارائه شده است.
نمودار (5). شاخص مجموع ارتباطات میان صنایع ماخذ: یافتههای پژوهشگر
بر اساس نمودار (5) مجموع ارتباط میان صنایع مورد بررسی بین 35 تا 60 درصد بوده است. نکته حائز اهمیت اینکه از سال 2022 به بعد میزان ارتباط میان صنایع افزایش یافته است که میتواند ناشی از افزایش نرخهای جهانی بهواسطه جنگ روسیه و اوکراین، افزایش خوشبینی نسبت به احیای برجام، کاهش نرخ بهره و افزایش نرخ ارز و تورم باشد. در واقع این عوامل میتوانند بر سودآوری صنایع تأثیر گذاشته و با تغییر در عرضه و تقاضای سهام این صنایع احتمال انتقال و دریافت نوسانات نیز افزایش مییابد. نکته جالب توجه اینکه ارتباط میان صنایع در حالت بازدهی میانگین نسبت به بازدهی پایین کم‌تر شده است.
نمودار (6). میزان اثرگذاری خالص میان صنایع مختلف در طی زمان ماخذ: یافتههای پژوهشگر بر اساس نمودار (6)، همانند وضعیت بازدهی پایین، صنعت سرمایهگذاری در بسیاری از مواقع، اثرگذار خالص بوده است و میزان اثرگذاری آن نسبت به حالت بازدهی پایین، بیش‌تر بوده است. همچنین صنعت خودرویی در بسیاری از دورهها دریافتکننده خالص نوسانات از سایر صنایع بوده است و این در حالی است که در حالت بازدهی پایین در حدفاصل اواسط سال 2020 تا اواخر سال 2021 انتقالدهنده خالص نوسانات به سایر صنایع بوده است. در خصوص صنایع بانکی و فلزات اساسی نیز اثرگذاری خالص تغییر معناداری نسبت به حالت بازدهی پایین مشاهده نمیشود. در ادامه در نمودار (7)، ارتباط دو به دو میان صنایع مختلف ارائه شده است:
نمودار (7). بررسی ارتباط دو به دو میان صنایع مورد بررسی در طی زمان ماخذ: یافتههای پژوهشگر
ارتباط دو به دو میان گروه سرمایهگذاری و بانکی در شرایط بازدهی متوسط صنایع نشان میدهد که تا اواسط سال 2020 ارتباط مثبت میان این دو صنعت وجود داشته است اما بعد از آن ارتباط متغیر وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است. نکته جالب اینکه ارتباط عکس دو به دو میان گروه بانکی- فلزات اساسی نسبت به ارتباط میان گروههای بانکی-سرمایهگذاری در شرایط بازدهی پایین، در شرایط بازدهی متوسط دیده نمیشود. نکته حائز اهمیت اینکه همانند شرایط بازدهی پایین، بیش‌ترین ارتباط مثبت در شرایط بازدهی متوسط صنایع، میان گروه سرمایهگذاری و فلزات اساسی بوده است که در بسیاری از دورهها ارتباط میان آنها مثبت بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی پایین و متوسط است، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. در خصوص ارتباط دو به دو میان بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی بسته به شرایط اقتصادی و سیاسی همانند نرخ ارز، تورم، تحریم، نرخ بهره و قیمت جهانی فلزات اساسی بایستی سرمایهگذاری صورت پذیرد. در ادامه در نمودار (8)، ارتباط شبکهای میان صنایع مختلف ارائه شده است:
نمودار (8). بررسی ارتباط علی شبکهای میان صنایع مورد بررسی در شرایط بازدهی متوسط ماخذ: یافتههای پژوهشگر
بر اساس نمودار (8)، در شرایطی که بازدهی صنایع مورد بررسی متوسط باشد (صدک پنجاهم بازدهی)، عامل اصلی شبکه همانند شرایط بازدهی پایین، گروه سرمایهگذاری میباشد که تنها عامل انتقال نوسانات به سایر صنایع بوده است. بیش‌ترین علیت انتقال نوسان از صنعت سرمایهگذاری به صنعت خودرویی (خط پررنگ) و سپس از صنعت سرمایهگذاری به صنعت فلزات اساسی بوده است؛ همچنین میان صنایع بانکی، خودرویی و فلزات اساسی نیز ارتباط علی وجود نداشته است.
5-3- صدک نود و پنجم بازدهی (حالت حد بالای بازدهی صنایع) در ادامه در جدول (4) نحوه دریافت و انتقال نوسانات بین صنایع مورد بررسی در حالت بازدهی بالای صنایع ارائه شده است. در حالت بازدهی بالای صنایع، بیش‌ترین انتقال نوسانات به ترتیب توسط صنایع سرمایهگذاری (52/71 درصد) و بانکی (39/70 درصد) و کم‌ترین انتقال نوسانات مربوط به صنعت فلزات اساسی (34/67 درصد)، بوده است. در نقطه مقابل، بیش‌ترین دریافت نوسانات نیز مربوط به صنعت سرمایهگذاری (23/70 درصد) و کم‌ترین دریافت نوسانات مربوط به صنعت فلزات اساسی (44/68 درصد)، بوده است. نکته مهم اینکه اثرگذاری خالص صنعت سرمایهگذاری در بازدهی بالا نسبت به بازدهی پایین و میانگین کم‌تر و همچنین صنعت بانکی نیز از اثرپذیر خالص در بازدهی پایین، به اثرگذار خالص در بازدهیهای متوسط و بالا تبدیل شده است. از سوی دیگر اثرپذیری خالص صنعت فلزات اساسی نیز نسبت به سایر حالات کم‌ترین بوده است. در خصوص صنعت خودرویی نیز اثرپذیری خالص آن در بازدهی متوسط نسبت به سایر حالات بزرگتر بوده است. در ادامه در نمودار (9)، شاخص مجموع ارتباطات میان صنایع مورد بررسی ارائه شده است.
جدول (4). برآورد سرریز نوسانات میان صنایع مورد بررسی در صدک نود و پنجم (بازدهی بالا)
ماخذ: یافتههای پژوهشگر
نمودار (9). شاخص مجموع ارتباطات میان صنایع ماخذ: یافتههای پژوهشگر
میزان ارتباط میان صنایع مختلف تحت وابستگی زیادی به شرایط اقتصادی، سیاسی و تهدیدهای بهداشتی و سلامتی دارد. بر اساس نمودار (9)، شاخص کل ارتباطات میان صنایع مورد بررسی در شرایط بازدهی بالا همانند حالت بازدهی پایین میباشد و بیش‌ترین ارتباط میان صنایع در حالتهای حدی مشاهده شده است. این مهم نشان میدهد در شرایط بازدهی پایین و بالای صنایع، میان اجزای شبکه، نوسانات بهخوبی انتقال و دریافت شده است. آنچه که مشخص است انتقال و دریافت نوسانات (شاخص مجموع ارتباطات)، میان صنایع در دوره مورد بررسی بالا بوده است؛ زیرا پس از رشد یک صنعت احتمال اثرات سرریز با سایر صنایع افزایش مییابد. در ادامه در نمودار (10)، میزان خالص اثرگذاری هر صنعت بر سایر صنایع در طی زمان در صدک نود و پنجم نشان داده شده است:
نمودار (10). میزان اثرگذاری خالص میان صنایع مختلف در طی زمان ماخذ: یافتههای پژوهشگر
بر اساس نمودار (10)، برخلاف وضعیت بازدهی پایین و متوسط، صنعت سرمایهگذاری در برخی از مواقع، اثرپذیر خالص بوده است و میزان اثرگذاری آن نسبت به حالت بازدهی پایین و متوسط، کم‌تر بوده است؛ همچنین صنایع خودرویی و فلزات اساسی در بسیاری از دورهها دریافتکننده خالص نوسانات از سایر صنایع بوده است و این در حالی است که صنعت خودرویی در حالت بازدهی پایین در حد فاصل اواسط سال 2020 تا اواخر سال 2021 انتقالدهنده خالص نوسانات به سایر صنایع بوده است. در خصوص صنایع خودرویی و فلزات اساسی نیز، میزان اثرگذاری خالص نسبت به سایر حالتها اندکی کاهش مشاهده میشود. در ادامه در نمودار (11)، ارتباط دو به دو میان صنایع مختلف ارائه شده است. ارتباط دو به دو میان گروه سرمایهگذاری و بانکی در شرایط بازدهی بالای صنایع نشان میدهد که تا اواخر سال 2020 در بسیاری از مواقع، ارتباط مثبت میان این دو صنعت وجود داشته است اما بعد از آن ارتباط منفی در بسیاری از دورهها وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است. نکته جالب اینکه ارتباط دو به دو میان گروه بانکی- فلزات اساسی تا حد زیادی عکس ارتباط میان گروههای بانکی-سرمایهگذاری بوده است. نکته حائز اهمیت اینکه بیش‌ترین ارتباط مثبت در شرایط بازدهی بالای صنایع، میان گروه سرمایهگذاری و فلزات اساسی بوده است که در بسیاری از دورهها ارتباط میان آنها مثبت بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی بالا باشد، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. بهطور مثال افزایش قیمت فلزات اساسی از اواسط 2020 تا اواخر 2021 موجب افزایش سودآوری گروه فلزات اساسی و در نقطه مقابل با توجه به نقش مهم فولاد و سایر فلزات اساسی در مواد مصرفی صنعت خودرویی، میتواند موجب کاهش سودآوری این صنعت را بهدنبال داشته باشد و در چنین شرایطی ارتباط میان آنها منفی بوده است. در واقع چنانچه میان دو صنعت ارتباط مثبت وجود داشته باشد، همحرکتی میان آنها وجود خواهد داشت که نمیتواند پوشش ریسک سرمایهگذاری را بهدنبال داشته باشد. در خصوص ارتباط دو به دو سایر صنایع همانند بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی بسته به شرایط اقتصادی و سیاسی بایستی سرمایهگذاری صورت پذیرد؛ زیرا در ادامه در نمودار (12)، ارتباط شبکهای میان صنایع مختلف ارائه شده است.
نمودار (11). بررسی ارتباط دو به دو میان صنایع مورد بررسی در طی زمان ماخذ: یافتههای پژوهشگر
بر اساس نمودار (12) در شرایط بازدهی بالای میان صنایع، بر خلاف دو حالت بازدهی پایین و میانگین، ارتباط علی میان صنایع سرمایهگذاری و بانکی دیده نمیشود. همچنین علیت انتقال نوسانات از صنایع سرمایهگذاری و بانکی به صنعت فلزات اساسی یکسان بوده است. علیت انتقال نوسانات از صنعت سرمایهگذاری به فلزات اساسی قویتر از علیت انتقال نوسانات به صنعت خودرویی بوده است. نکته حائز اهمیت دیگر اینکه علیت ضعیف انتقال نوسانات از صنعت فلزات اساسی به صنعت خودرویی مشاهده شده است و همچنین بین صنایع بانکی و خودرویی ارتباط علی مشاهده نمیشود.
نمودار (12). بررسی ارتباط علی شبکهای میان صنایع مورد بررسی در شرایط بازدهی بالا ماخذ: یافتههای پژوهشگر
6- نتیجهگیری و پیشنهادهای سیاستی بازارهای مالی و دارایی دارای اثرات سرریز بر یکدیگر هستند بهگونهای که نوسانات در یک صنعت و یا دارایی میتواند به سایر صنایع منتقل شود و نحوه ارتباط میان صنایع مختلف میتواند بسته به بازدهی صنایع متفاوت باشد بر این اساس مدیریت سبد سرمایهگذاری جهت مدیریت ریسک در چندکهای مختلف بازدهی بسیار حائز اهمیت میباشد. بر این اساس در پژوهش حاضر ارتباط پویا و متغیر در زمان بر اساس چندکهای مختلف بازدهی میان صنایع بانکی، خودرویی، فلزات اساسی و سرمایهگذاری در دوره 01/05/1401-01/01/1397 با استفاده از الگوی TVP-Quantile VAR بررسی شده است. لازم بذکر است با توجه به اتفاقات مهم سیاسی، اقتصادی و همچنین حوزه سلامت در بین سالهای 1401-1397 این دوره زمانی جهت تحلیل انتخاب شده است. با توجه به اینکه نتایج در سه حالت بازدهی پایین، متوسط و بالا برآورد و تحلیل شده است در ادامه نتیجهگیری و پیشنهادات سیاستی بر اساس سه حالت بهصورت جداگانه ارائه شده است. نتایج پژوهش نشان میدهد در حالت بازدهی پایین صنایع، گروه سرمایهگذاری در بیش‌تر مواقع، انتقالدهنده خالص نوسانات بوده است که در ابتدای دوره مورد بررسی تا سال 2019 بزرگ‌ترین عامل انتقال نوسان به سایر گروهها بوده است؛ اما پس از سال 2019 اثرگذاری گروه سرمایهگذاریها بر سایر صنایع کاهش یافته است. در نقطه مقابل گروه بانکی از ابتدای دوره تا سال 2019 تأثیرپذیرترین گروه بوده است. در واقع در ابتدا با خروج آمریکا از برجام و افزایش حجم نقدینگی و نرخ ارز در کشور توان سپردهگذاری و همچنین بازپرداخت تسهیلات دریافتی توسط اشخاص کاهش یافت که منجر به کاهش سودآوری صنعت بانکی شد و بر این اساس گروه بانکی از سایر صنایع تأثیر گرفته است. گروه فلزات اساسی تحت تأثیر دو عامل قیمتهای جهانی و همچنین نرخ ارز میباشد. تقریباً از اواخر سال 2019 تا پایان دوره مورد بررسی بهدلیل شیوع کووید 19 و سرکوب تقاضا در اقتصاد جهانی و همچنین تشدید تحریمها و کاهش توان صادراتی این صنایع، قیمت و میزان فروش بسیاری از فلزات اساسی کاهش یافت که این امر منجر به کاهش سودآوری این صنایع و متعاقباً تأثیرپذیری آنها از سایر صنایع شده است. نکته حائز اهمیت دیگر اینکه سودآوری بانکها وابستگی زیادی به نرخ ارز، نرخ بهره و بهطور کلی سپردهگذاری و میزان تسهیلات اعطایی دارد. در واقع در ابتدای خروج آمریکا از برجام با توجه به رشد بیش‌تر نرخ ارز و سایر بازارهای دارایی نسبت به سود بانکی، تمایل افراد به سپردهگذاری در شبکه بانکی کاهش یافت و در نقطه مقابل مطالبات غیرجاری بانکها نیز بواسطه کاهش قدرت خرید افراد افزایش داشته است که این موارد منجر به تأثیرپذیری شدید گروه بانکی از سایر صنایع شده است؛ اما در ادامه از سال 2020 به بعد بواسطه جهشهای کم‌تر نرخ ارز (نرخ رشد ارز کم‌تر بوده است) و همچنین با تعدیل بیش‌تر اقتصاد کشور با نرخ ارز و تورم، سودآوری شبکه بانکی بهبود یافت که این موضوع منجر به تأثیرگذاری صنعت بانکی بر سایر صنایع شده است. ارتباط دو به دو میان گروه سرمایهگذاری و بانکی نشان میدهد که تا سال 2020 ارتباط مثبت میان این دو صنعت وجود داشته است؛ اما بعد از آن ارتباط منفی در بسیاری از دورهها وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است. نکته جالب اینکه ارتباط دو به دو میان گروه بانکی- فلزات اساسی عکس ارتباط میان گروههای بانکی-سرمایهگذاری بوده است. همچنین بیش‌ترین ارتباط مثبت میان گروه سرمایهگذاری و فلزات اساسی بوده است که در بسیاری از دورهها ارتباط میان آنها مثبت بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی پایین است، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. در خصوص ارتباط دو به دو میان بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی نیز بسته به مولفههای کلیدی مانند نرخ ارز، نرخ بهره، قیمت جهانی فلزات بایستی صورت پذیرد؛ زیرا ارتباط دو به دو میان صنایع بانکی-خودرویی، سرمایهگذاری-خودرویی و همچنین خودرویی-فلزات اساسی در طی زمان تغییر کرده است؛ همچنین بر اساس نتایج تحلیل علیت شبکهای، عامل اصلی شبکه، گروه سرمایهگذاری میباشد که تنها عامل انتقال نوسانات به سایر صنایع بوده است. بیش‌ترین علیت انتقال نوسان از صنعت سرمایهگذاری به فلزات اساسی و سپس از صنعت سرمایهگذاری به صنعت بانکی بوده است؛ همچنین میان صنایع بانکی، خودرویی و فلزات اساسی نیز ارتباط علی وجود نداشته است. بر این اساس در شرایطی که بازدهی صنایع مورد بررسی پایین است، گروه سرمایهگذاریها نقش مسلط بر سایر صنایع داشته و نحوه انتخاب صنایع جهت سرمایهگذاری بایستی بر اساس نحوه ارتباط با گروه سرمایهگذاری صورت پذیرد. همانند وضعیت بازدهی پایین، صنعت سرمایهگذاری در بسیاری از مواقع، اثرگذار خالص بوده است و میزان اثرگذاری آن نسبت به حالت بازدهی پایین، بیش‌تر نیز بوده است؛ همچنین صنعت خودرویی در بسیاری از دورهها دریافتکننده خالص نوسانات از سایر صنایع بوده است و این در حالی است که در حالت بازدهی پایین در حدفاصل اواسط سال 2020 تا اواخر سال 2021 انتقالدهنده خالص نوسانات به سایر صنایع بوده است. در خصوص صنایع بانکی و فلزات اساسی نیز اثرگذاری خالص تفاوت معناداری با حالت بازدهی پایین نداشته است. ارتباط دو به دو میان گروه سرمایهگذاری و بانکی نشان میدهد که تا اواسط سال 2020 ارتباط مثبت میان این دو صنعت وجود داشته است؛ اما بعد از آن ارتباط متغیر وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است که ناشی از بازدهی متفاوت و در نتیجه عرضه و تقاضای متفاوت سهام این دو صنعت بوده است. نکته جالب اینکه ارتباط عکس دو به دو میان گروه بانکی- فلزات اساسی نسبت به گروههای بانکی-سرمایهگذاری در شرایط بازدهی پایین، در شرایط بازدهی متوسط دیده نمیشود. نکته حائز اهمیت اینکه همانند شرایط بازدهی پایین، بیش‌ترین ارتباط مثبت در شرایط بازدهی متوسط صنایع، میان گروه سرمایهگذاری و فلزات اساسی بوده است که در بسیاری از دورهها ارتباط میان آنها مثبت بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی پایین و متوسط است، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. در خصوص ارتباط دو به دو میان بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی بایستی عواملی مانند نرخ بهره بانکی، قیمتهای جهانی کامودیتیها، نرخ ارز و نرخ تورم مدنظر قرار بگیرد و انتخاب براساس این مولفهها صورت پذیرد؛ همچنین، عامل اصلی شبکه همانند شرایط بازدهی پایین، گروه سرمایهگذاری میباشد که تنها عامل انتقال نوسانات به سایر صنایع بوده است. بیش‌ترین علیت انتقال نوسان از صنعت سرمایهگذاری به صنعت خودرویی و سپس از صنعت سرمایهگذاری به صنعت فلزات اساسی بوده است. این در حالی است که در شرایط بازدهی پایین صنایع، بیش‌ترین علیت انتقال نوسان از صنعت سرمایهگذاری به فلزات اساسی بوده است؛ همچنین میان صنایع بانکی، خودرویی و فلزات اساسی نیز ارتباط علی همانند شرایط بازدهی پایین وجود نداشته است. بر این اساس در شرایطی که بازدهی صنایع مورد بررسی در میانگین است، گروه سرمایهگذاریها کماکان نقش مسلط بر سایر صنایع داشته و نحوه انتخاب صنایع جهت سرمایهگذاری بایستی بر اساس نحوه ارتباط با گروه سرمایهگذاری صورت پذیرد؛ همچنین در شرایط بازدهی متوسط، میزان ارتباط مثبت و منفی میان صنایع در طی زمان بزرگتر از حالت بازدهی پایین بوده است که میتوان با قطعیت بیش‌تری نسبت به انتخاب صنایع جهت سرمایهگذاری اقدام نمود. برخلاف وضعیت بازدهی پایین و متوسط، صنعت سرمایهگذاری در برخی از مواقع، اثرپذیر خالص بوده است و میزان اثرگذاری آن نسبت به حالت بازدهی پایین و متوسط، کم‌تر بوده است؛ همچنین صنایع خودرویی و فلزات اساسی در بسیاری از دورهها دریافتکننده خالص نوسانات از سایر صنایع بودهاند و این در حالی است که صنعت خودرویی در حالت بازدهی پایین در حدفاصل اواسط سال 2020 تا اواخر سال 2021 انتقالدهنده خالص نوسانات به سایر صنایع بوده است. در خصوص صنایع خودرویی و فلزات اساسی نیز، میزان اثرگذاری خالص نسبت به سایر حالتها اندکی کاهش مشاهده شده است. ارتباط دو به دو میان گروه سرمایهگذاری و بانکی در شرایط بازدهی بالای صنایع نشان داد که تا اواخر سال 2020 در بسیاری از مواقع، ارتباط مثبت میان این دو صنعت وجود داشته است؛ اما بعد از آن ارتباط منفی در بسیاری از دورهها وجود داشته است. در واقع در سالهای 2019 و 2020 که بازار سهام روند صعودی داشته است ارتباط میان گروههای سرمایهگذاری و بانکی نیز مثبت بوده است؛ اما پس از اصلاح بازار ارتباط میان آنها منفی شده است. نکته جالب اینکه ارتباط دو به دو میان گروه بانکی- فلزات اساسی تا حد زیادی عکس ارتباط میان گروههای بانکی-سرمایهگذاری بوده است. نکته حائز اهمیت دیگر اینکه بیش‌ترین ارتباط مثبت در شرایط بازدهی بالای صنایع، میان گروه سرمایهگذاری و فلزات اساسی بوده است و این موضوع نشان میدهد در شرایطی که بازدهی صنایع مورد بررسی بالا باشد، نگهداری همزمان شرکتهای سرمایهگذاری و فلزات اساسی نمیتواند پوشش ریسک سبد سرمایهگذاری را به همراه داشته باشد. بهطور مثال افزایش قیمت فلزات اساسی از اواسط 2020 تا اواخر 2021 موجب افزایش سودآوری گروه فلزات اساسی و در نقطه مقابل با توجه به نقش مهم فولاد و سایر فلزات اساسی در مواد مصرفی صنعت خودرویی، میتواند موجب کاهش سودآوری خودروییها شود و در چنین شرایطی ارتباط میان آنها منفی شده است. در خصوص ارتباط دو به دو سایر صنایع همانند بانک-خودرویی، سرمایهگذاری-خودرویی و خودرویی- فلزات اساسی بسته به شرایط اقتصادی و سیاسی همانند میزان رشد نرخ ارز و تورم، نرخ بهره بانکی و بین بانکی و.... بایستی سرمایهگذاری صورت پذیرد. در شرایط بازدهی بالای میان صنایع، بر خلاف دو حالت بازدهی پایین و میانگین، ارتباط علی میان صنایع سرمایهگذاری و بانکی دیده نمیشود. همچنین میزان علیت انتقال نوسانات از صنایع سرمایهگذاری و بانکی به صنعت فلزات اساسی یکسان بوده است. علیت انتقال نوسانات از صنعت سرمایهگذاری به فلزات اساسی قویتر از علیت انتقال نوسانات به صنعت خودرویی بوده است. نکته حائز اهمیت دیگر اینکه علیت ضعیف انتقال نوسانات از صنعت فلزات اساسی به صنعت خودرویی مشاهده شده است و همچنین بین صنایع بانکی و خودرویی ارتباط علی مشاهده نمیشود. با توجه به اینکه در پژوهش حاضر برای نخستین بار در چندکهای مختلف نحوه سرریز ریسک میان صنایع منتخب حاضر در بورس اوراق بهادار بررسی شده است امکان مطابقت نتایج با نتایج سایر پژوهشها از جمله حسینی ابراهیمآباد و همکاران (1398)، بتشکن و محسنی (1399) و کرمی و رستگار (1397) وجود ندارد. بنابر آنچه در پژوهش حاضر بررسی شد مشخص گردید که استفاده از رویکردهای مبتنی بر میانگین مشاهدات نمیتواند بهخوبی ارتباط میان صنایع و داراییها را نشان دهد و بسته به میزان بازدهی صنایع (حالات حدی و میانگین)، نحوه اثرگذاری و اثرپذیری و همچنین علیت نوسانات میان صنایع مختلف میتواند متفاوت باشد که این مهم در رویکردهای مبتنی بر میانگین بازدهی قابلیت بررسی ندارد؛ بنابراین جهت مدیریت بهتر سبد سرمایهگذاری و پوشش ریسک سبد سرمایهگذاری چنانچه حالات حدی و میانگین تجزیه و تحلیل گردند میتواند برای سرمایهگذاران مفید باشد؛ همچنین بر اساس نتایج تحلیل شبکهای در شرایط بازدهی پایین و متوسط صنایع، گروه سرمایهگذاریها نقش مسلط بر بازدهی سایر صنایع دارند؛ اما در بازدهی بالا، گروه سرمایهگذاریها صرفاً انتقالدهنده نوسانات به صنایع فلزات اساسی و خودرویی هستند؛ اما انتقال نوسان از گروه سرمایهگذاریها به گروه بانکی رخ نداده است. این موارد نشان میدهد چنانچه بازدهی صنایع متوسط و پایین باشد، گروه سرمایهگذاری تعیینکننده میباشد و نوسانات شبکه مورد بررسی توسط این گروه توضیح داده میشود و نکته حائز اهمیت دیگر اینکه در شرایط بازدهی متوسط گروه خودرویی و در بازدهی پایین، گروه فلزات اساسی بیش‌ترین تأثیر را از گروه سرمایهگذاری میپذیرند.
[1]. گروه اقتصاد، دانشگاه دریانوردی و علوم دریایی چابهار،ایران.( نویسنده مسئول). shirafkan@cmu.ac.ir [2] گروه اقتصاد، دانشگاه دریانوردی و علوم دریایی چابهار،ایران.. Izadi@cmu.ac.ir [3] گروه اقتصاد ،مجتمع آموزش عالی بافت دانشگاه شهید باهنر کرمان ، کرمان، ایران .yaser.economics@gmail.com [4] Early & Cilizoglu [5] Bakas & Triantafyllou [6] Al-Yahyaee et al [7] یکی از محدودیتهای پژوهش عدم امکان لحاظ کلیه صنایع میباشد که به دلیل کثرت نمودارها از حوصله مقاله خارج خواهد بود. [8] TVP-Quantile VAR [9] Tiwari et al [10] Reboredo et al [11] Bernie et al [12] Arouri et al [13] Frankel [14] Contagion [15] Gkillas et al [16] Saiti et al [17] Karolyi [18] در این خصوص میتوان به الگوهای خانواده آرچ و گارچ اشاره کرد. [19] Wavelet Transform [20] Dynamic Conditional Correlation- Generalized Autoregressive Heteroscedasticity Model [21] Dynamic Conditional Correlation Fractionally Integrated Asymmetric Power ARCH [22] Dornbusch & Fischer [23] Flow-Oriented [24] Gavin [25] Branson & Frankel [26] Stock-Oriented [27] Gupta et al [28] Zhao [29] Akar [30] Ciner et al [31] Partalidou et al [32] Delgado et al [33] Yunus [34] Weak Safe Haven [35] Li et al [36] Liow et al [37] Ahmed & Huo [38] Liew et al [39]Aloui et al [40] Adekoya & Oliyide [41] Mensi et al [42] از اتفاقات مهم میتوان به تشدید تحریمها، افزایش قیمت بنزین، شیوع کووید 19، آزاد سازی قیمتها و انتخابات اشاره کرد. [43] https://www.fipiran.com/DataService/IndexIndex [44] Leptokurtic Distribution [45] Fat Tail [46] Jarque-Bera [47] Elliott, Rothenberg & Stock (ERS) [48] Asadi et al [49] Ando et al [50] Koop et al [51] Pesaran & Shin [52] Generalized Forecast Error Variance Decomposition (GFEVD) [53] منظور شرایطی است که بازدهی صنایع پایین است و مشاهداتی که در 5 درصد پایین بازدهی قرار دارند را شامل میشود. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
فهرست منابع
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 302 تعداد دریافت فایل اصل مقاله: 124 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||