آمار

تعداد نشریات36
تعداد شماره‌ها1,192
تعداد مقالات8,579
تعداد مشاهده مقاله6,988,713
تعداد دریافت فایل اصل مقاله4,032,562
جواهری, شیما, شعبانی, احمد, قائمی اصل, مهدی. (1403). بررسی سرریزی بازدهی در سه بازار ارز، رمز ارز و بورس تهران با به کار گیری مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR). پدافند الکترونیکی و سایبری, 5(1), 31-56.
شیما جواهری; احمد شعبانی; مهدی قائمی اصل. "بررسی سرریزی بازدهی در سه بازار ارز، رمز ارز و بورس تهران با به کار گیری مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR)". پدافند الکترونیکی و سایبری, 5, 1, 1403, 31-56.
جواهری, شیما, شعبانی, احمد, قائمی اصل, مهدی. (1403). 'بررسی سرریزی بازدهی در سه بازار ارز، رمز ارز و بورس تهران با به کار گیری مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR)', پدافند الکترونیکی و سایبری, 5(1), pp. 31-56.
جواهری, شیما, شعبانی, احمد, قائمی اصل, مهدی. بررسی سرریزی بازدهی در سه بازار ارز، رمز ارز و بورس تهران با به کار گیری مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR). پدافند الکترونیکی و سایبری, 1403; 5(1): 31-56.

بررسی سرریزی بازدهی در سه بازار ارز، رمز ارز و بورس تهران با به کار گیری مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR)

پژوهش‌های راهبردی بودجه و مالیه
دوره 5، شماره 1 - شماره پیاپی 17، فروردین 1403، صفحه 31-56    اصل مقاله (1.38 M)
نوع مقاله: مقاله پژوهشی
نویسندگان
شیما جواهری* 1؛ احمد شعبانی2؛ مهدی قائمی اصل3
1دانشگده اقتصاد و معارف اسلامی، دانشگاه امام صادق (ع)
2دانشیار گروه اقتصاد، دانشگاه امام صادق (ع)، تهران، ایران
3دانشیار گروه اقتصاد و بانکداری اسلامی، دانشکده اقتصاد، دانشگاه خوارزمی، تهران، ایران
تاریخ دریافت: 07 آذر 1402،  تاریخ بازنگری: 30 بهمن 1402،  تاریخ پذیرش: 25 فروردین 1403 
چکیده
این پژوهش به بررسی رفتار تعاملی و اثر سرریزی بین بازارهای سه گانه ارز، بورس اوراق بهادار و رمزارز مبتنی بر تجزیه واریانس مرتبط با یک مدل خود رگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR) به صورت روزانه از1390 تا 1401 می‌پردازد و لذا امکان ارائه درک عمیق‌تر نسبت به روابط بین بازاری را فراهم می‌شود. هدف از این پژوهش بررسی پیوستگی (پیوند) سه‌گانه بین این سه بازار است تا مشخص گردد کدامیک بر دیگری اثر سرریزی دارد و به عبارتی کدامیک دیگری را پوش کرده و کدامیک لیدر دیگری است؟ نتایج حاصل نشان می‌دهد که بازار ارز و رمز ارز دارای سرریزی خالص مثبت و بازار بورس دارای سرریزی خالص منفی بوده است. همچنین بررسی پیوستگی بین سه بازار نشان می‌دهد هرچند ارتباط بین سه بازار در دوره مورد مطالعه افت وخیز‌های متعددی را تجربه کرده ولی در محدوده 0.35 تا 11.98 درصدی در نوسان بوده است که کمترین ارتباط در سال 1398 و بیشترین ارتباط بین شبکه در بازه 1400 تا 1401 بوده است.
کلیدواژه‌ها
اثر سرریزی؛ تجزیه واریانس؛ مدل TVP-VAR
عنوان مقاله [English]
Investigating the return spillover of Markets in Currency, cryptocurrency and Tehran Stock Exchange by using vector autoregression model with time-varying parameters (TVP-VAR)
نویسندگان [English]
shima javaheri1؛ ahmad shabani2؛ Mahdi Ghaemi Asl3
1دانشجوی دکتری
2Associate Professor, Department of Economics, Imam Sadegh University (AS), Tehran, Iran
3Associate Professor, Department of Economics and Islamic Banking, Faculty of Economics, Kharazmi University, Tehran, Iran
چکیده [English]
This research investigates the interactive behavior and the spillover effect between the three markets of currency, stock exchange and cryptocurrency based on analysis of variance associated with a vector autoregression model with time-varying parameters (TVP-VAR) on a daily basis from 1390 to 1401. Therefore, it is possible to provide a deeper understanding of inter-market relations. The purpose of this research is to investigate the triple connection (link) between these three markets to determine which one has a spillover effect on the other, and in other words, which one covers the other and which one is the leader of the other? The results show that the currency and cryptocurrency market had a positive net outflow and the stock market had a negative net outflow. Also, the examination of the connection between the three markets shows that although the connection between the three markets has experienced many drops in the studied period, it has fluctuated between 0.35 and 11.98%, with the lowest connection in 2018 and the highest connection between the network in 1400 until 1401.
کلیدواژه‌ها [English]
Spillover effect, Variance Decomposition, TVP-VAR model
مراجع
آشنا، ملیحه؛ لعل خضری، حمید (1399). همبستگی پویای شاخص نااطمینانی سیاست اقتصادی جهانی با نوسان بازار سهام، ارز و سکه در ایران کاربرد مدل DCC-GARCH، فصلنامه مدلسازی اقتصاد سنجی، 147-152.

جلال‌پور، عطا؛ ابطحی، سید یحیی؛ توتونچی، جلیل، دهقان تفتی، محمدعلی (1400). تحلیل غیر خطی از رابطه متغیرهای کلان اقتصادی و سیاست پولی با مدل هزینه فهرست بهای بال و منکیو (رویکرد رگرسیون خود برداری با ضرایب متغیر در طول زمان) TVP-VAR در اقتصاد ایران، فصلنامه نظریه­های کاربردی اقتصاد، 214-185.

حبیب‌زاده، سید محمدرضا (1396). بررسی اثر سرریز نوسانات بازدهی شاخص نزدک بر بازدهی شاخص کشورهای در حال توسعه MSCL، پایان نامه کارشناسی ارشد رشته مهندسی صنایع گرایش مهندسی مالی.

خاتمی، سید محمدرضا، زمردیان، غلامرضا؛ فلاح شمس لیالستانی، میر فیض؛ مینوئی، مهرزاد (1401). بررسی ساختار وابستگی بازار سهام ایران و کشورهای حوزه منطقه منا، اقتصاد مالی، 273-310.

محمد اسماعیل، مرجان، معبودی، رضا، خرسند، محمد (1401). عوامل مؤثر بر نرخ تورم در کشورهای منتخب در حال توسعه با رویکردTVP- VAR ، فصلنامه اقتصاد محاسباتی، سال اول، 99-128.

طباطبایی، سید جلال (1401). مدل­سازی اندازه­گیری تلاطم در زمان وقوع کرونا در ساختار صنایع بورس اوراق بهادار تهران، فصلنامه پژوهش­های راهبردی بودجه و مالیه، 183-214.

کرمی، سپیده؛ رستگار، محمدعلی (1397). تخمین اثر سرریز بازده و نوسانات مختلف بر یکدیگر در بازار بورس تهران، فصلنامه اقتصاد مهندسی مالی و مدیریت اوراق بهادار، 323-342.

محمدی‌نژاد پاشاکی، محمدباقر؛ اقبال نیا، محمد (1402). بررسی و تحلیل اثر تحریم­های اقتصادی در سرریز نوسان به بازارهای سهام، ارز و سکه طلا، نشریه علمی - پژوهش­های راهبردی بودجه و مالیه، 149-173.

نادی قمی، ولی؛ فرنیان، نسترن (1397). «تاثیر شوک­های قیمتی نفت بر بازده سهام ایران به روش خود رگرسیون برداری بیزین»، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهاردار، 113-127.

Anoop S. kumar, S. Anandarao, Phsica A. (2019). Volatility spillover in crypto- currency markets: some evidence from GARCH and wavelet analysis.

Acemoglu, D., Ozdaglar, A. & Tahbaz-Salehi, A. (2015), Systemic Risk and Stabilitty in Financial Network American Economic Review, 105 (2):564-608.

Basel Maraqa and Murad Bein (2020 (Dynamic Interrelationship and Volatility Spillover among Sustainability Stock Markets, Major European,Conventional Indices, and International Crude Oil” Sustainability, 12, 3908

Baruník J, Krehlík T. (2018). Measuring the frequency dynamics of financial connectedness and systemic risk. J Financ Econom;16(2):271e96.

Dai, Zhifeng., Haoyang Zhu, Xiuhua Zhang. 2022. Dynamic spillover effects and portfolio strategics between crude oil, gold and Chinese stock markets related to new energy vehicle, Energy Econimics, 109, 105959.

Diebold FX, Yilmaz K. (2009), Measuring financial asset return and volatility spillovers, with application to global equity markets. Economic Journal;119(534): 158-71.

Diebold, F.X., & Yilmaz. K. (2012), Better to give than to receive: predictive directional measurement of volatility spillovers, International Journal of Forecasting 28(1):57-66.

Diebold, F.X., & Yilmaz. K. (2014),on the network topology of variance decompositions: measuring the connectedness of financial firms, Journal of econometrics, 182: 119-134.

Dornbusch, R., Park, Y. Claessens, S. (2000). “ Contagion: How it Spreads & how it can be stopped”. Word Bank Research Observer, 15(2), 177-197.

Dyhrberg, A, H. (2016). Bitcoin, gold and the doller a GARCH volatility analysis. Finance Research Letters, 16, 85-92.

Ghorbel, Ashraf., Frikha, Wajdi., (2022).  Sense Manzli, Yasmine. Testing for asymmetric non-linear short- and long-run relationships between crypto-currencies and stock markets. Eurasian Economic Review 12, 387-425.

Greene WH. Econometric analysis (fifth). New Jersey: Pearson Education, Inc; 2003.

Jong-Min Kim, Seong-Tae Kim, and Sangjin Kim (2020): On the Relationship of Cryptocurrency Price with US Stock and Gold Price Using Copula Models, Mathematics, 8, 1859; doi:10.3390/math8111859.

Li, X., Li, B., Wei, G., Bai, L., Wei, Y., & liang, C. (2021). Return connectedness among commodity and financial assets during the COVID-19 pandemic: Evidence from China and the U.S Resources Policy, 73,102166.

Liew, P.X., Lim, K. P., & Goh, K. I., (2022). The dynamics and determinants of liquidity connectedness across financial assets markets. International Review of Economics & Finance, 77, 341-358.

Pesaran M, Shin Y. Generalized impulse response analysis in linear multivariate models. Econ Lett 1998;58(1):17e29.

Roy, R, P, & Roy, S. S: (2017), Financial contagion & volatility Spillover; An exploration into Indian commodity derivative market, Economic Modelling, 67: 368-380.

Sehgal, Sanjay., Bijay, Kumar., Saihi, Sakshi. (2019) Stock market linkages and spillovers Effects: An Empirical Analysis of select Asian Markets, Theoretical economics letters, 1447-1472.

Seyyedkolaee A.M. (2016) The impact of exchange rate pass-through via domestic prices on inflation” in Iran: New Evidence from a threshold Regression Analysis. International Journal of Business & Development studies, 8 (1): 77-69.

Wang, Y., Liu, L. (2016) Spillover effect in Asian financial markets: A VAR-Structural GARCH analysis” China Finance Review International, 6(2), 150-176.

Yoon, S. M., Mamum, M., Uddin, G.S., Kang, S. H. (2019) Network connectedness & net spillover between financial & commodity markets the North American Journal of Economics & Finance, Elsevier, 48 ©, 81-818.

آمار
تعداد مشاهده مقاله: 206
تعداد دریافت فایل اصل مقاله: 254