آزمون اثرات الگوی داده های ترکیبی با تواتر متفاوت در رابطه مابین بنیان های اقتصاد کلان و نوسانات بازار مالی در ایران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف و زمینه: نوسانات بازار مالی به عنوان یکی از ابزار های کنترل اقتصاد در نظام های اقتصادی هستند. درک درست از چگونگی تاثیر این شوک ها بر نظام اقتصادی، راهنمایی خوب برای تعیین سیاست های مناسب برای اثرگذاری بر دیگر متغیر های کلان اقتصادی است. روش: برای این منظور در مطالعه حاضر به بررسی رابطه مابین بنیان های اقتصاد کلان و نوسانات بازار مالی در ایران با استفاده از روش الگوی داده های ترکیبی با تواتر متفاوت (میداس) برای بازه زمانی متفاوت فصلی و سالانه پرداخته شد. یافته ها: در الگوی برآورد شده از دادههای سالانه درجه باز بودن تجاری، مخارج دولت، بهره وری، نرخ تورم و نرخ بهره و دادههای فصلی نوسانات قیمت نفت، نوسانات نرخ ارز و حجم پول برای سالهای 1398-1370 استفاده شده است. اطلاعات مربوط به سال 1399 در برآورد اولیه رابطه استفاده نشد تا بتوان قدرت پیش بینی الگو را خارج از محدوده برآورد، محک زد. براساس نتایج، نرخ تورم، حجم پول، نرخ سود حقیقی و نوسانات قیمت نفت خام تاثیر مثبت و درجه باز بودن تجاری تاثیر منفی بر نوسانات بازار ارز دارد. اثرگذاری نوسانات پولی و نفتی در اقتصاد ایران بیشتر به وضعیت تورمی مورد مطالعه بستگی دارد، به گونه ای که با افزایش میزان تورم، تاثیر نوسانات پولی بر بخش حقیقی اقتصاد کاهش می یابد و حتی در سطوح بسیار بالای تورم می تواند اثر منفی داشته باشد. نتیجه گیری: برای اقتصاد ایران با افزایش قیمت نفت، بخاطر استفاده از مواد اولیه وارداتی در بخش تولید، سطح تورم افزایش می یابد و این افزایش تورم منجر به افزایش نرخ سود تسهیلات اعطایی بانک ها شده و هزینه گرفتن وام بالا رفته و سطح سرمایه گذاری در بخش های صنعتی و تولیدی را کاهش می دهد و در نهایت منجر به افزایش نوسانات بازار ارز می شود. همچنین با مقایسه مقادیر پیش بینی شده با مقادیر محقق شده و اضافه کردن فصول دوم، سوم و چهارم به مدل، دقت پیش بینی مدل بالا تر رفته و به مقادیر واقعی نزدیک تر می شود.Examining the Effects of Mixed Data Patterns with Different Frequency on the Relationship between Macroeconomic Fundamentals and Financial Market Fluctuations in Iran
Purpose and background: Financial market fluctuations are one of the economic control tools in economic systems. A proper understanding of how these shocks affect the economic system is a good guide to determine appropriate policies to affect other macroeconomic variables.
Method: For this purpose, in the present study, the relationship between macroeconomic fundamentals and financial market fluctuations in Iran was investigated using the mixed data pattern method with different frequency (MIDAS) for different seasonal and annual time frames. In the estimated model, the annual data of trade openness degree, government spending, productivity, inflation rate and interest rate and seasonal data of oil price fluctuations, exchange rate fluctuations and money volume for the years 1991-2020 have been used.
Findings: The information related to the year 2021 was not used in the initial estimate of the relationship so that the prediction power of the model could be tested outside the estimation range. Based on the results, inflation rate, money volume, real interest rate and crude oil price fluctuations have a positive effect and trade openness has a negative effect on currency market fluctuations. The impact of monetary and oil fluctuations in Iran#39;s economy depends more on the studied inflation situation, in such a way that with the increase of inflation, the effect of monetary fluctuations on the real sector of the economy decreases and even at very high levels of inflation, it can have a negative effect.
Conclusion: For Iran#39;s economy, with the increase in the price of oil, due to the use of imported raw materials in the production sector, the level of inflation increases, and this increase in inflation leads to an increase in the interest rate of the facilities granted by banks, and the cost of taking a loan increases, and the level of investment in the industrial and production sectors. Reduces and ultimately leads to an increase in the volatility of the currency market. Also, by comparing the predicted values with the realized values and adding the second, third and fourth seasons to the model, the prediction accuracy of the model increases and becomes closer to the real values.
تبلیغات
