دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

ارائه الگوی پوشش ریسک و پرتفوی بهینه مبتنی بر سر ریز نوسانات سهام، ارز و طلا

نوع مقاله : مقاله پژوهشی

نویسندگان
زهرا رازقی 1
رضا تهرانی 2
زهره حاجیها 3
1 گروه مهندسی مالی، واحد بین المللی کیش، دانشگاه آزاد اسلامی، جزیره کیش، ایران
2 استاد ، گروه مدیریت و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
3 استاد گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
10.30495/jik.2024.76315.4453
چکیده
هدف پژوهش حاضر تدوین الگوی پوشش ریسک و پرتفوی بهینه مبتنی بر سر ریز نوسانات سهام، ارز و طلا در ایران می باشد. در این پژوهش از اطلاعات مربوط به قیمت طلا، نرخ دلار و شاخص بورس طی دوره زمانی 01/05/1392 تا 28/12/1401 و به صورت روزانه استفاده شده است. پس از برآورد مدل به صورت VAR در مرحله بعد با استفاده از روش VAR-GARCH نسبت به برآورد واریانس شرطی قیمت طلا، دلار و شاخص بورس اقدام شد. در ادامه نیز با استفاده از الگوی مبتنی بر MGARCH، همبستگی متغیرها بر اساس زمان برآورد گردید. نتایج پژوهش نشان دهنده این است که وجود همبستگی‌های بین بازارها بسیار پایدار است که این همبستگی بین بازار طلا و دلار بیش از سایر بازارها بوده است و مدل چند متغیره VAR -GARCH نشان می دهند که بازارهای طلا، دلار و سهام پوشش خوبی را بازارهای موازی فراهم می کنند. نتایج همچنین نشان می‌دهد که طلا تنوع دهنده مطلوبی در بازار ایران محسوب می شود به گونه ای که نسبت پوشش ریسک طلا در برابر بازار سهام و دلار به ترتیب 0.04 و 0.78 بوده است. این نتایج نشان می دهد که برای به حداقل رساندن ریسک بدون کاهش بازده مورد انتظار پرتفوی خود، سرمایه گذاران باید طلای بیشتری نسبت به سهام و دلار در پرتفوی خود داشته باشند. در مقابل، وزن بهینه بازار سهام در برابر بازار دلار و طلا به ترتیب 0.20 و 0.04 بوده است.

عنوان مقاله English

Providing risk hedging model and optimal portfolio based on the stocks, currency and gold spillovers

نویسندگان English

Zahra Razeghi 1
REZA TEHRANI 2
Zohreh Hajiha 3
1 Department of Financial Engineering, Kish International Branch, Islamic Azad University, Kish Island, Iran
2 Professor, Management and Insurance Group, Faculty of Management, Tehran University, Tehran, Iran
3 Professor. Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده English

The aim of the current research is to develop a model of risk hedging and optimal portfolio based on the stocks, currency and gold spillovers in Iran. In this research the information related to gold price, dollar rate and stock market index during the period of 23 July 2013 to 19 March 2023 was used on a daily basis. After estimating the VAR model, in the next step, VAR-GARCH method was used to estimate the conditional variance of gold, dollar and stock market index. In the following, using the MGARCH-based model, the correlation of variables was estimated based on time. The results of the research show that the existence of correlations between markets is very stable, that this correlation between the gold market and the dollar has been more than other markets, and the multivariable VAR-GARCH model shows that the gold, dollar and stock markets are well covered by parallel markets. The results also show that gold is considered a desirable diversifier in the Iranian market, so that the risk coverage ratio of gold against the stock market and the dollar was 0.04 and 0.78, respectively. These results show that to minimize risk without reducing the expected return of their portfolio, investors should hold more gold than stocks and dollars in their portfolio. On the other hand, the optimal weight of the stock market against the dollar and gold markets was 0.20 and 0.04, respectively.

  1. اسکندری، حمید، انواری رستمی، علی اصغر، حسین زاده کاشان، علی (1395)، پوشش ریسک با استفاده از شاخص ترکیبی قراردادهای آتی (مورد مطالعه بازار مالی ایران)، مجله مهندسی مالی و مدیریت اوراق بهادار، 27، صص 72-55.
  2. برزآبادی فراهانی، مریم، قلی زاده، محمدحسن، چیرانی، ابراهیم. (1400). مدلسازی پویای برآورد نسبت بهینه پوشش ریسک سکه طلا با استفاده از قراردادهای آتی زعفران. فصلنامه بورس اوراق بهادار، 14(55)، 5-37. doi: 10.22034/jse.2020.11238.1450
  3. بهرامی، جاوید، میرزاپور بابا جان، اکبر (1391)، نسبت بهینه پوشش ریسک در قراردادهای آتی سکه بهار آزادی مورد معامله در بورس کالای ایران، فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، شماره 64، صص 175-206.
  4. حاتمی، امین، محمدی، تیمور، خداداد کاشی، فرهاد، ابوالحسنی هستیانی، اصغر. (1397). پویایی‌های نسبت بهینه پوشش ریسک در بازارهای سهام و طلا: رهیافت VAR-DCC-GARCH. اقتصاد مالی financial Economics، 12(45)، 73-92.
  5. سیدهاشمی، فاطمه، حقیقت، جعفر، رنج پور، رضا، & سجودی، سکینه. (1402). سرریز شوک بازارهای موازی در نوسانات بازار بورس؛ شواهدی از کشورهای عضو اوپک. سیاست ها و تحقیقات اقتصادی، 2(2).
  6. شاه آبادی فراهانی، عاطفه، مهرارا، محسن، الهی، ناصر، اسلامی بیدگلی، سعید. (1397). بررسی نسبت بهینه پوشش ریسک نرخ ارز با استفاده از بازار آتی طلا در بازار های مالی در حال توسعه و توسعه یافته: مطالعه موردی بورس تهران و شیکاگو. دوفصلنامۀ علمی مطالعات و سیاست‌های اقتصادی، 5(1)، 99-126.
  7. مهرآرا، محسن، الهی، ناصر، اسلامی بیدگلی، سعید، شاه آبادی فراهانی، عاطفه. (1397). بررسی نسبت بهینه پوشش ریسک نرخ ارز و طلا در بازار‌های مالی در حال توسعه و نوظهور: مطالعه موردی بورس تهران و استانبول. مدلسازی اقتصادسنجی، 3(2)، 1-21. doi: 10.22075/jem.2018.16015.1214

 

  1. Abounoori, E., Tour, M. (2019). Estimation of Risk Hedge Ratio, Optimal Weight and Volatility Spillover Effects in the Stock Market of Iran, USA, Turkey, and UAE. Iranian Journal of Economic Research, 24(81), 135-156. doi: 10.22054/ijer.2019.11688
  2. Ahmed, A.D., Huo, R., 2020. Volatility transmissions across international oil market, commodity futures and stock markets: Empirical evidence from China. Energy Econ., 104741. https://doi.org/10.1016/j.eneco.2020.104741
  3. Arouri, M.E.H., Lahiani, A., Nguyen, D.K., 2015. World gold prices and stock returns in China: Insights for hedging and diversification strategies. Econ. Model. 44, 273–282. https://doi.org/10.1016/j.econmod.2014.10.030.
  4. Basher, S.A., Sadorsky, P., 2016. Hedging emerging market stock prices with oil, gold, VIX, and bonds: A comparison between DCC. ADCC and GO-GARCH. Energy Econ. 54, 235–247. https://doi.org/10.1016/j.eneco.2015.11.022
  5. Baumöhl, E., Lyócsa, Š, 2017. Directional predictability from stock market sector indices to gold: A cross-quantilogram analysis. Financ. Res. Lett. 23, 152–164. https://doi.org/ 10.1016/j.frl.2017.02.013.
  6. Baur, D.G., Lucey, B.M., 2010. Is gold a hedge or a safe haven? An analysis of stocks, bonds and gold. Financ. Rev. 45, 217–229. https://doi.org/10.1111/j.1540-6288.2010. 00244.x.
  7. Baur, D.G., McDermott, T.K., 2010. Is gold a safe haven? International evidence. J. Bank. Financ. 34, 1886–1898. https://doi.org/10.1016/j.jbankfin.2009.12.008.
  8. Bekiros, S., Boubaker, S., Nguyen, D.K., Uddin, G.S., 2017. Black swan events and safe havens: The role of gold in globally integrated emerging markets. J. Int. Money Financ. 73, 317–334. https://doi.org/10.1016/j.jimonfin.2017.02.010
  9. Bouri, E., Roubaud, D., Jammazi, R., Assaf, A., 2017. Uncovering frequency domain causality between gold and the stock markets of China and India: Evidence from implied volatility indices. Financ. Res. Lett. 23, 23–30. https://doi.org/10.1016/j.frl.2017.06.010.
  10. Chen, J., Hong, H., & Stein, J. (2001). "Forecasting crashes: trading volume, past returns, and conditional skewness in stock prices". Journal of Financial Economics, 91, 345–391.
  11. Delatte, A.L., Lopez, C., 2013. Commodity and Equity Markets: Some Stylized Facts from a Copula. J. Bank. Financ. 37, 5346–5356.
  12. FatehPour, R., Hamidian, M., Shahverdiani, S., Najafimoghadam, A., & Hajiha, Z. (2020). Dynamic Optimization of Investment Portfolio under Liquidity with Taylor Extension of Value function. International Journal of Nonlinear Analysis and Applications, 11, 231-248.
  13. Jin, M., Li, Y., Wang, J., Yang, Y.C., 2018. Price discovery in the Chinese gold market. J. Futur. Mark. 38, 1262–1281. https://doi.org/10.1002/fut.21938.
  14. Lucey, B.M., Sharma, S.S., Vigne, S.A., 2017. Gold and inflation(s) – A time-varying relationship. Econ. Model. 67, 88–101. https://doi.org/10.1016/j.econmod.2016.10.008.
  15. Mensi, W., Hkiri, B., Al-Yahyaee, K.H., Kang, S.H., 2018. Analyzing time–frequency co-movements across gold and oil prices with BRICS stock markets: A VaR based on wavelet approach. Int. Rev. Econ. Financ. 54, 74–102. https://doi.org/10.1016/j.iref.2017.07.032.
  16. Peng, X., 2019. Do precious metals act as hedges or safe havens for China's financial markets? Financ. Res. Lett 101353. https://doi.org/10.1016/j.frl.2019.101353
  17. Salisu, Afees & Vo, Xuan Vinh & adedoyin isola, Lawal. (2020). Hedging oil price risk with gold during COVID-19 pandemic. Resources Policy. 70. 10.1016/j.resourpol.2020.101897.
  18. Tronzano, M. (2022). Optimal Portfolio Allocation between Global Stock Indexes and Safe Haven Assets: Gold versus the Swiss Franc (1999–2021). In Journal of Risk and Financial Management (Vol. 15, Issue 6, p. 241). MDPI AG. https://doi.org/10.3390/jrfm15060241
  19. Zhang, Y., Wang, M., Xiong, X., & Zou, G. (2021). Volatility spillovers between stock, bond, oil, and gold with portfolio implications: Evidence from China. In Finance Research Letters (Vol. 40, p. 101786). Elsevier BV. https://doi.org/10.1016/j.frl.2020.101786