دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

سازوکار تحلیل رابطه علیت بازار ارز، طلا، مسکن و سهام با بکارگیری مدل‌های گارچ چند متغیره

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
راضیه جهانی
علی نجفی مقدم
نوروز نورالهزاده
گروه حسابداری مالی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/jik.2026.78430.4730
چکیده
مقاله حاضر به بررسی سازوکار تحلیل رابطه علیت بازار ارز، طلا، مسکن و سهام با بکارگیری مدل های گارچ چند متغیره، برای سال‌های 1371-1402 می‌پردازد. مطابق نتایج مدل گارچ چند متغیره، بازدهی بازار ارز دارای همبستگی بالایی با بازدهی بازار طلا می‌باشد، بطوریکه مطابق نتایج، این همبستگی برابر با 78/0 می‌باشد. از طرفی دو بازار ارز و سهام نیز دارای همبستگی 45/0 و دو بازار ارز و مسکن دارای همبستگی 34/0 هستند. بازار طلا و سهام و همچنین مسکن و سهام دارای کمترین ضریب همبستگی به میزان؛ 07/0 و 03/0 می‌باشند. با توجه به نتیجه تخمین مدل؛ مطابق روند نرخ بازدهی هر چهار بازار و همچنین نتایج مدل ناهمسان واریانس شرطی (CCC) قابل مشاهده است که بیشترین بازدهی مربوط به بازار طلا و ارز می‌باشد، بطوریکه مطابق نتایج مدل میانگین متحرک وزنی نمائی چند متغیره، بازار طلا با رشد 37% و بازار ارز با رشد 28% جذابیت بالایی برای سرمایه‌گذاری دارا می‌باشد که بخاطر اثرپذیری از نوسانات، شوک‌ها، بحران‌های جهانی و همچنین قابلیت نقدشوندگی بالا، بیشترین تقاضا برای سرمایه‌گذاری را دارد. نرخ بازدهی بازار مسکن برابر با 21% بعد از دوبازار طلا و ارز در رتبه سوم جهت سرمایه‌گذاری قرار دارد و در نهایت بازار سهام با رشد 14% از بازدهی پایین نسبت به سه بازار دیگر برخوردار است.
کلیدواژه‌ها
ارز
طلا
مسکن
سهام
گارچ چند متغیره
بازار سرمایه

عنوان مقاله English

Mechanism of causality analysis of the foreign exchange, gold, housing and stock markets using multivariate GARCH models

نویسندگان English

Razie Jahani
Ali Najafi Moghadam
Nowrouz Nourollahzadeh
Department of Financial Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran.
چکیده English

This article examines the mechanism of causality analysis of the foreign exchange, gold, housing and stock markets using multivariate GARCH models for the years 1371-1402. According to the results of the multivariate GARCH model, the return on the foreign exchange market has a high correlation with the return on the gold market, so that according to the results, this correlation is equal to 0.78. On the other hand, the two foreign exchange and stock markets also have a correlation of 0.45 and the two foreign exchange and housing markets have a correlation of 0.34. The gold and stock markets as well as housing and stocks have the lowest correlation coefficients of 0.07 and 0.03. According to the result of the model estimation; According to the trend of the rate of return of all four markets and also the results of the conditional variance heteroscedasticity (CCC) model, it can be seen that the highest return is related to the gold and foreign exchange markets, so according to the results of the multivariate weighted moving average model, the gold market with a growth of 37% and the foreign exchange market with a growth of 28% are highly attractive for investment, which has the highest demand for investment due to its susceptibility to fluctuations, shocks, global crises, and also high liquidity. The housing market rate of return is equal to 21%, ranking third after the gold and foreign exchange markets for investment, and finally the stock market with a growth of 14% has a low return compared to the other three markets.

کلیدواژه‌ها English

Currency
Gold
Housing
Stocks
Multivariate GARCH
Capital Market
1.        بهرامی جاوید، محمدی تیمور، بزرگ شادی، (1393)، انتقال نامتقارن نرخ ارز به شاخص­های قیمت داخلی با رویکرد SVAR، فصلنامه پژوهش های اقتصادی ایران، شماره 40، صص 65-37.
2.        بیات، مرضیه؛ افشاری، زهرا؛ توکلیان، حسین. (1395). سیاست پولی و شاخص کل قیمت سهام در چارچوب یک مدل DSGE. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، 24(78): 171- 206.
3.        پیغان، ث، پور شهابی،ف و نظری، عظیم (1397). تأثیر غیرخطی قیمت و بی­ثباتی متغیرهای طلا، نفت و نرخ ارز بر شاخص قیمت سهام در ایران. پایان­نامه کارشناسی ارشد، دانشگاه بجنورد.
4.        طاهری، شراره، عبدالباقی عطاآبادی، عبدالمجید، وزیری سرشک، مجید، و آرمان، محمدحسین. (1402). اثرچرخه نوسانات کوتاه مدت طلا و ارز بر نوسانات بازار سرمایه. اقتصاد مالی (اقتصاد مالی و توسعه)، 17(2 (پیاپی 63) )، 95-116.
5.        فکاری سردهایی، بهزاد، انوشه پور، آمنه، و حسین آبادی، حسین. (1401). اثرپذیری قیمت طلا از نوسانات نرخ ارز و قیمت جهانی. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، 14(55 )، 133-145.
6.        خالوزاده، حمید، و امیری، نسیبه. (1385). تعیین سبد سهام بهینه در بازار بورس ایران بر اساس نظریه ارزش در معرض ریسک. تحقیقات اقتصادی، -(73)، 211-231.
7.        مروت، حبیب، شاه حسینی، سمیه و فریدزاد، علی (1396). بررسی آثار تغییرات نرخ ارز بر تولید بخش‌های مختلف اقتصاد ایران. مجلس و راهبرد، 24(91)، 203-232.
8.       Ali, G., Zaman, K., Islam, T. (2018). Macroeconomic Shocks and Malaysian Tourism Industry: Evidence from a Structural VAR Model. Iranian Economic Review, 22(4), 1113-1137.
9.       Awoa, P. A., Efogo, F. O., & Ondoa, H. A. (2023). Oil dependence and entrepreneurship: Non-linear evidence. Economic Systems, 47(1), 101059.
10.    Bildirici, M., & Ozaksoy, F. (2017). The relationship between woody biomass consumption and economic growth: Nonlinear ARDL and causality. Journal of Forest Economics, 27, 60-69.
11.    Brogaard, J., & Detzel, A. (2015). The asset-pricing implications of government economic policy uncertainty. Management science, 61(1), 3-18.
12.    Baker, S., Bloom, N., & Davis, S. J. (2012). Has economic policy uncertainty hampered the recovery? (No. 242). Working Paper.
13.    Bollerslev, T., & Wooldridge, J. M. (1992). Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances. Econometric reviews, 11(2), 143-172.
14.    Celebi, K., & Hönig, M. (2019). The Impact of Macroeconomic Factors on the German Stock Market: Evidence for the Crisis, Pre-and Post-Crisis Periods. International Journal of Financial Studies, 7(2), 18.
15.    Engle, R. F., & Kroner, K. F. (1995). Multivariate simultaneous generalized ARCH. Econometric theory, 11(1), 122-150.
16.    Gasparėnienė, L., Remeikienė, R., & Skuka, A. (2016). Assessment of the impact of macroeconomic factors on housing price level: Lithuanian case. Intellectual Economics, 10(2), 122-127.
17.    Granziera, E., & Kozicki, S. (2015). House price dynamics: Fundamentals and expectations. Journal of Economic Dynamics and control, 60, 152-165.
18.    Kohlscheen, E., Mehrotra, A. N., & Mihaljek, D. (2020). Residential investment and economic activity: evidence from the past five decades. International Journal of Central Banking, 16, 6.
19.    Li, Y., & Umair, M. (2023). The Protective Nature of Gold during Times of Oil Price Volatility: An Analysis of the COVID-19 Pandemic. The Extractive Industries and Society, 101284.
20.    Motolese, M., & Nakata, H. (2024). Are macroeconomic indices fool's gold?. Journal of Economic Behavior & Organization, 217, 240-260.
21.    Rasoulinezhad, E., Popova, L. (2017). An Estimation of The Impact of Economic Sanctions and Oil Price Shocks on Iran-Russian Trade: Evidence from a Gravity- VEC Approach. Iranian Economic Review, 21(3), 469-497.
22.    Segun, O., & Adelowokan, O. (2018). Measuring the Impact of Exchange Rate on Industrial Output in Nigeria. European Journal of Marketing and Economics, 1(2), 87-93.
23.    Sahu, P. K., BAL, D. P., & Kundu, P. (2022). Gold price and exchange rate in pre and during Covid-19 period in India: Modelling dependence using copulas. Resources Policy, 79, 103126.
24.    Tanin, T. I., Sarker, A., Hammoudeh, S., & Batten, J. A. (2024). The determinants of corporate cost of debt during a financial crisis. The British Accounting Review, 56(6), 101390.
25.    Tanin, T. I., Sarker, A., & Brooks, R. (2021). Do currency exchange rates impact gold prices? New evidence from the ongoing COVID-19 period. International Review of Financial Analysis, 77, 101868.
26.    Ya-Chen, L., & Shuai, Z. (2013, July). Econometric analysis on the relationship between RMB exchange rate and real estate price by VAR model. In Second International Conference on Science and Social Research (pp. 428-430).
27.    Zhao, L., Mbachu, J., & Liu, Z. (2020). Research Article Identifying Significant Cost-Influencing Factors for Sustainable Development in Construction Industry Using Structural Equation Modelling.
دانش سرمایه‌گذاری

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 06 مهر 1405