بررسی ارتباط حجم نقدینگی و قیمت دارایی ها در بازار مالی ایران با مدل سازی میانگین گیری بیزی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف اصلی این تحقیق مدل سازی و بررسی ارتباط حجم نقدینگی و نقش آن در تحولات بازار سهام و مسکن می باشد. برای این منظور، مقایسه بین10 روش میانگین گیری بیزین صورت گرفته و همچنین روش رگرسیون مؤلفه اصلی با استفاده از یک مطالعه شبیه سازی گسترده بر اساس طیف گسترده ای از مجموعه داده ها برای ارزیابی ارتباط بین حجم نقدینگی و قیمت دارایی ها به کار گرفته شده است. در این مقاله رویکرد شاخص سازی مؤلفه اصلی برای داده های مورد استفاده محاسبه شده و ارزیابی مدل ها از طریق داده های مستخرج شده از این روش صورت می گیرد. نتایج ارزیابی، شامل 4 نوع مؤلفه اصلی می باشد به طوری که مؤلفه اول بیش از 95% تغییرات را نشان می-دهد. در این مطالعه متغیرهای حجم نقدینگی و نرخ ارز در مدل شاخص قیمت سهام و متغیرهای حجم نقدینگی، نرخ ارز و درآمدهای نفتی در مدل شاخص قیمت مسکن دارای بیشترین اثر می باشند. نتایج برآورد 10 مدل مورد بررسی میانگین گیری بیزین نشان می دهد که در مدل سازی شاخص قیمت سهام و همچنین مدل سازی شاخص قیمت مسکن بهترین مدل ها با اعمال رگرسیون مؤلفه اصلی و با توزیع پیشین AIC به دست می آیند. بنابراین استفاده از روش رگرسیون مؤلفه اصلی و مدل AIC به عنوان مبنایی برای تقریب احتمالات مدل پسین در این تحقیق مورد تأیید می باشد. رویکرد تحلیل مؤلفه های اصلی باعث بهبود عملکرد مدل رگرسیون شد و با توجه به رابطه مثبت و ضریب تعیین بالای حجم نقدینگی با قیمت دارایی ها(ضریب تعیین شاخص مسکن: 94/0 و ضریب تعین شاخص قیمت سهام: 75/0)Investigating the Relationship Between Liquidity and Asset Prices in Iran's Financial Market with Bayesian Averaging Modeling
The main purpose of this study is to do modeling and investigate the relationship between liquidity and its role in the development of the stock and the housing market. This is accomplished through comparing 10 of Bayesian Averaging methods and principal component analysis carrying out an extensive set of simulation studies based closely on real datasets that span a range of situations encountered in practical data analysis. The data used in this article includes the seasonal data during the period from (1385:1) to (1399:4. The evaluation results show 4 types of PC, so that the first PC shows more than 95% of the changes. In the first PC, the two variables of liquidity and exchange rate have the most weight, and respectively, the second, third and fourth PC are related to oil revenues, legal deposit ratio and coin price. The variables of liquidity, exchange rate and oil revenues have a positive relationship with the index of stock and housing prices, and the variables of the legal deposit ratio and the price of coins have a negative relationship with the index of stock and housing prices. Also, the estimation results of the 10 analyzed models of Bayesian averaging show that in the modeling of the stock price index as well as the modeling of the housing price index, the best models are obtained through applying PCA and the prior distribution of AIC. Therefore, the use of the principal component analysis and the AIC model as a basis for approximating the probabilities of the posterior model, under the condition that the probabilities of the prior model are similar to Zellner's g-prior, is approved in this research.
تبلیغات
