پویایی پیش‎بینی ضریب بتای سهام در چارچوب مدل‎های ساختاری اقتصاد کلان

نوع مقاله: شماره ویژه:تصمیم‌گیری در مهندسی مالی و ریسک

نویسنده

گروه مدیریت مالی، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران.

10.22105/dmor.2019.190532.1124

چکیده

پژوهش حاضر به پویایی پیش‎بینی ضریب بتای (ریسک سیستماتیک) در چارچوب دو مدل ساختاری اقتصاد کلان یعنی الگوی در چارچوب الگوی تعادل عمومی تصادفی پویا (DSGE) و خودرگرسیون برداری پانل (PVAR) با لحاظ کردن داده‎های مالی شرکت‎ها و برخی از واقعیات مشاهده شده در اقتصاد ایران در دوره 15 ساله (1381 الی 1395) پرداخته است. نتایج پژوهش نشان می‎دهد که شوک‎های اقتصادی بر ضریب بتای سهام تأثیرگذار هستند. همچنین در سه رهیافت جهت پیش‎بینی ضریب بتای سهام، مدل VAR خطای کمتری نسبت به مدل DSGE داشته است. نهایتاً اینکه با مقایسه گشتاورهای متغیرهای حاضر در مدل DSGE و گشتاورهای داده‌های واقعی اقتصاد ایران حکایت از موفقیت نسبی این مدل در واقعیات اقتصاد ایران را داشته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The dynamics of the beta coefficient of stock prediction in the framework of structural macroeconomic models

نویسنده [English]

  • Meisam Kaviani
Department of Financial management, Aliabad Katoul Branch, Islamic Azad University, Aliabad Katoul, Iran.
چکیده [English]

The present research is aimed at predicting the beta coefficient (systematic risk) prediction dynamics within the framework of two macroeconomic structural models, the model in the framework of Dynamic stochastic general equilibrium (DSGE) and Panel Vector Autoregressive (PVAR) with the inclusion of financial data of companies and Some of the facts observed in the Iranian economy during the 15-year period (2002-2016). The results of the research show that economic shocks affect the beta coefficient of the stock. Also, in three approaches to predict stock beta coefficient, the VAR model has a lower error than the DSGE model. Finally, by comparing the moments of the present variables in the DSGE model and the real data of Iran's real moments, it shows the relative success of this model in the realities of Iran's economy.

کلیدواژه‌ها [English]

  • Shock
  • Economic variables
  • prediction
  • DSGE
  • PVAR

استادی، ح؛ شجری، ه؛  رئیسی، ع. (1393). بررسی تأثیر ریسک نرخ ارز بر ریسک قیمت سهام صنعت پتروشیمی (1390-1381). فصلنامه تحقیقات توسعه اقتصادی، 13، 24-1.

بخشانی، ص. (1394). بررسی تأثیر تغییرات نرخ ارز بر قیمت سهام و نسبت P/E با استفاده از SEM-PLS. فصلنامه سیاست‌های مالی و اقتصادی، 3(12)، 164-149.

بیات، م؛ افشاری، ز؛ توکلیان، ح. (1395). سیاست پولی و شاخص کل قیمت سهام در چارچوب یک مدل DSGE. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، 24(78)، 171- 206.

پایتختی اسکویی، س. ع؛ شافعی، ا. (1393).  بررسی تاثیر نوسانات قیمت نفت بر تغییرات شاخص قیمت سهام (بازده سهام) در ایران: رویکرد مدل خود توضیح برداری ساختاری. فصل‌نامه‌ مطالعات اقتصاد انرژی، 11(47)، 240-205.

تقی‌پور، ا؛ منظور، د. (1394). تنظیم یک مدل تعادل عمومی پویای تصادفی (DSGE) برای اقتصاد باز کوچک صادرکننده‌ی نفت: مورد مطالعه‌ی ایران. فصلنامه‌ی پژوهش‌ها و سیاست‪های اقتصادی.

جلایی، س. ع؛ میر، ه؛ رحیمی‎پور، ا. (1395). بررسی تأثیر عبور نرخ ارز بر بازدهی سهام در بورس اوراق بهادار تهران. دانش سرمایه‌گذاری، 2(19)، 212-191.

زنگنه، م. (1388). ادوار تجاری در قالب یک الگو DSGE کینزی جدید با وجود نقصان در بازارهای مالی( رساله دکتری، تهران، دانشگاه تهران، دانشکده اقتصاد).

رهبر، ف ؛ سلیمی، ا. (1394). نقش انضباط مالی دولت و صندوق توسعه ملی در کاهش بیماری هلندی در اقتصاد ایران. فصلنامه علمی- پژوهشی مطالعات اقتصادی کاربردی ایران، 4(4)، 243 – 219.

شاه‎حسینی، س؛ بهرامی، ج.  (1391). طراحی یک مدل تعادل عمومی پویای تصادفی کینزی جدید برای اقتصاد ایران با در نظر گرفتن بخش بانکی. فصلنامه پژوهش‎های اقتصادی ایران، 17(53)، 83 – 55.

شاهمرادی، ا.  (1387) . بررسی اثرات تغییر قیمتهای انرژی بر روی سطح قیمت، تولید و رفاه در اقتصاد ایران. وزارت امور اقتصادی و دارایی.

طائی، ح. (1385). تابع عرضه نیروی کار: تحلیلی بر پایه داده‎های خرد. فصلنامه پژوهشهای اقتصادی ایران، 29، 93-112.

فخرحسینی، س. ف. (1393). ادوار تجاری حقیقی تحت ترجیحات مصرفی و فراغت در اقتصاد ایران: رهیافت تعادل عمومی پویای تصادفی. مطالعات اقتصادی کاربردی ایران، 3(11)، 81-106.

کاوند، ح. (1388). تبیین آثار درآمدهای نفتی و سیاست‎های پولی در قالب یک الگوی ادوار تجاری واقعی برای اقتصاد ایران ( رساله دکتری، تهران، دانشگاه تهران، دانشکده اقتصاد).

میر‎هاشمی‎دهنوی، س. م. (1394). آثار نامتقارن شوک‌های قیمت نفت بر بازار سهام: مطالعه موردی کشورهای صادرکننده نفت. فصلنامه سیاست‌های مالی و اقتصادی. 3(11)، 108-85.

هادیان، ا؛ صمدی، ع. ح؛ زیبایی، م.  (1394). بررسی تأثیر راهبردهای مختلف در مدیریت درآمدهای نفتی بر عملکرد اقتصاد کلان در ایران. فصلنامه علمی- پژوهشی مطالعات اقتصادی کاربردی ایران،4(15)، 107-131.

    Alam, M., Uddin, G., & Taufique, K. (2017). The relationships between exchange rates and stock prices: empirical investigation from Johannesburg stock exchange. Alam, MM, Uddin, MGS, and Taufique.

    Basher, S. A., Haug, A. A., & Sadorsky, P. (2017). The impact of oil-market shocks on stock returns in major oil-exporting countries: a markov switching approach [Working Papers 1710]. University of Otago, Department of Economics.

    Belo, F., Gala, V. D., & Li, J. (2013). Government spending, political cycles, and the cross section of stock returns. Journal of financial economics, 107(2), 305-324.

                Berg, A., Gottschalk, J., Portillo, R., & Zanna, L. F. (2010). The macroeconomics of medium-term aid scaling-up scenarios [IMF Working Papers]. International Monetary Fund.

                Cales, L., Jondeau, E., & Rockinger, M. (2013). Long-Term portfolio management with a structural macroeconomic model. Swiss finance institute research paper, (13-45).

                Calvo, G. A. (1983). Staggered prices in a utility-maximizing framework. Journal of monetary Economics, 12(3), 383-398.

                Cenesizoglu, T., Ribeiro, F. D. O. F., & Reeves, J. J. (2017). Beta forecasting at long horizons. International journal of forecasting, 33(4), 936-957.

                Da, Z., Warachka, M., & Yun, H. (2018). Fiscal policy, consumption risk, and stock returns: evidence from US States. Journal of financial and quantitative analysis, 53(1), 109-136.

                Dissanayake, R. (2016). Government spending shocks and asset prices. 29th Australasian finance and banking conference.

                Dornbusch, R., & Fischer, S. (1980). Exchange rates and the current account. The American economic review, 70(5), 960-971.

                Fama, E. F. (1981). Stock returns, real activity, inflation, and money. The American economic review, 71(4), 545-565.

                Foresti, P., & Napolitano, O. (2016). On the stock markets’ reactions to taxation and public expenditure. LEQS Paper.

                Gupta, R., & Modise, M. P. (2013). Macroeconomic variables and South African stock return predictability. Economic modelling, 30, 612-622.

                Jones, C. M., & Kaul, G. (1996). Oil and the stock markets. The journal of finance, 51(2), 463-491.

                Kim, S. T., & Rescigno, L. (2017). Monetary policy shocks and distressed firms’ stock returns: Evidence from the publicly traded US firms. Economics letters, 160, 91-94.

                Kim, S., Kim, S. Y., & Choi, K. (2018). Markov regime-switching models for stock returns along with exchange rates and interest rates in Korea. Proceedings of the 7th international conference on emerging databases (pp. 253-259). Springer, Singapore.

                Kurach, R., & Stelmach, J. (2014). Time-Varying behaviour of sector beta risk–the case of Poland. Romanian journal of economic forecasting, 17(1), 139-159.

                Kydland, F. E., & Prescott, E. C. (1996). The computational experiment: an econometric tool. Journal of economic perspectives, 10(1), 69-85.

                Luo, X., & Qin, S. (2017). Oil price uncertainty and Chinese stock returns: New evidence from the oil volatility index. Finance research letters, 20, 29-34.

                Ma, R., Anderson, H. D., & Marshall, B. R. (2018). Market volatility, liquidity shocks, and stock returns: Worldwide evidence. Pacific-Basin finance journal, 49, 164-199.

                Michell, K. (2018). A stock market risk forecasting model through integration of switching regime, ANFIS and GARCH techniques. Applied soft computing, 67, 106-116.

                Milani, F. (2017). Learning about the interdependence between the macroeconomy and the stock market. International review of economics & finance, 49, 223-242.

 

                Mullineux, A., Bissoondeeal, R., Karoglou, M., Hagstromer, B., & Binner, J. (2014). Stock market volatility, risk attitude and the demand for money in the UK. [Working Paper]. UNSPECIFIED.

                Park, J., & Ratti, R. A. (2008). Oil price shocks and stock markets in the US and 13 European countries. Energy economics, 30(5), 2587-2608.

                Prabheesh, K. P., & Vidya, C. T. (2018). Do business cycles, investment-specific technology shocks matter for stock returns?. Economic modelling, 70, 511-524.

                Pradhan, R. P., Arvin, M. B., & Ghoshray, A. (2015). The dynamics of economic growth, oil prices, stock market depth, and other macroeconomic variables: Evidence from the G-20 countries. International review of financial analysis, 39, 84-95.

                Rjoub, H., Civcir, I., & Resatoglu, N. G. (2017). Micro and macroeconomic determinants of stock prices: The case of Turkish banking sector. Romanian journal of economic forecasting, 20(1), 150-166.

                Tovar, C. E. (2009). DSGE models and central banks. Economics: the open-access, open-assessment E-journal, 3.

                Tsai, I. C. (2012). The relationship between stock price index and exchange rate in Asian markets: A quantile regression approach. Journal of international financial markets, institutions and money, 22(3), 609-621.

                Valipour, M., Amin, V., Kargosha, M., & Akbarpour, K. (2015). Forecasting stock systematic risk using Heuristic Algorithms. Journal of productivity and development, 1(1), 36-41.

                Wang, Y., Wei, Y., Wu, C., & Yin, L. (2018). Oil and the short-term predictability of stock return volatility. Journal of empirical finance, 47, 90-104.

                Wong, H. T. (2017). Real exchange rate returns and real stock price returns. International review of economics & finance, 49, 340-352.