بررسی پویایی های سرریز تلاطمات بین بازده بخش ها با رویکرد اتصالات خودرگرسیون برداری با پارامترهای متغیر در طول زمان (TVP-VAR)؛ شواهدی از بازار سهام ایران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شناسایی اتصالات بین صنایع مختلف، امری حیاتی برای مدیریت سبد و سیاست گذاری است و برای اقتصادهای در حال توسعه ای نظیر ایران نیز حائز اهمیت است. در این مقاله داده های بازدهی با تواتر بالای روزانه برای مجموعه ای از صنایع بورسی (12 صنعت در قالب 4 خوشه اصلی که بیش از 70 درصد ارزش بازاری بورس اوراق بهادار را در اختیار دارند) طی دوره 19/07/1388 تا 12/07/1401 استفاده شده است تا سرریزهای ایستا و پویا در سطح کل و بخشی با به کارگیری مدل خودرگرسیون برداری با پارامترهای متغیر در طول زمان (TVP-VAR) و شاخص اتصالات دیبولد-ییلماز (2012) برآورد شوند. یافته ها حاکی از آن است که اولاً بیش از 56 درصد از واریانس خطای پیش بینی را می توان به تغییرات بین بخشی در این شبکه نسبت داد لذا هم حرکتی مشترک نسبتاً قوی بین صنایع مختلف وجود دارد. ثانیاً، اتصالات بین عملکرد صنایع مختلف طی زمان به طور قابل ملاحظه ای تغییر یافته است. قوی ترین اتصالات و سرریزها در سال های اخیر و با صعود و سقوط بی سابقه بازار سهام مشاهده می شود که در اواخر سال 1400، به نقطه اوج خود رسید و شاخص اتصالات کل، رقم 85 درصد را تجربه نمود. ثالثاً «فلزات اساسی» و «سرمایه گذاری» به عنوان انتقال دهندگان دائمی شوک ها و «قند و شکر» و «سرامیک» در نقش پذیرنده دائمی تلاطمات، ایفای نقش کرده اند که مؤید وجود اثر تقدم-تأخر در بازار سهام است. رابعاً وجود اتصالات قوی جفتی بین «فلزات اساسی و کانه های فلزی» و «صنایع غذایی-قند و شکر» حکایت از انتقال شوک ها از صنایع پایین دستی به صنایع بالادستی در خوشه های مورد بررسی دارد. طبقه بندی JEL : C32، C58، G14، G41Investigating the Dynamics of Volatility Spillovers across Sectors’ Returns Utilizing a Time-Varying Parameter Vector Autoregressive Connectedness Approach; Evidence from Iranian Stock Market
Identifying the connection between different economic sectors is pivotal to policy-making and portfolio management, particularly in a developing country such as Iran. This study incorporates the high-frequency data of the daily returns in the Iranian stock market sector (four clusters, including 12 sectors that constitute over 70% of the stock market capitalization) from November 2009 to October 2022 to estimate the total and sectoral static and dynamic connectedness indices using the vector autoregression model (VAR) with time-varying parameter (TVP) and Diebold-Yilmaz connectedness index (DYCI). The findings indicate that 56% of the forecast error variance can be attributed to cross-sectoral innovations within the network, demonstrating a fairly strong co-movement across different sectors. Also, the connectedness between sectoral performances varies significantly over time. The strongest connectedness and spillovers have been observed in recent years when the stock market experienced extraordinary ups and downs, reaching its peak of 85% in the total connectedness index in early 2022. It was also found that the base metal industry and investment sector have acted as permanent transmitters of shocks, and the sugar and ceramic sectors were the permanent receptors of volatilities. This finding confirms the existence of the lead-lag effect in the Iranian stock market. Lastly, the strong pairwise connectedness, especially between “base metal and metal ore sectors” and “food and sugar industries,” indicates that shocks are transferred from downstream to upstream industries in the studied clusters. JEL Classification: C32, C58, G14, G41
تبلیغات
