بررسی و تحلیل اثرهای سرریز بین بازارهای سهام، ارز، طلا و کامودیتی: مدل VARMA-BEKK-AGARCH
محل انتشار: فصلنامه تحقیقات مالی، دوره: 25، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-25-1_004
تاریخ نمایه سازی: 17 مرداد 1402
چکیده مقاله:
هدف: در دهه های اخیر، افزایش سرعت انتقال اطلاعات و درهم تنیدگی بازارها موجب افزایش هم گرایی و اثرگذاری بازارهای مالی بر یکدیگر شده است. امروزه پیدایش اثرهای سرریز در یک بازار، به اثرهای سرریز در سایر بازارها منجر خواهد شد. تشخیص صحیح اثرهای سرریز وارده به بازارهای مالی، جهت مدیریت و کنترل نوسان ها بسیار حائز اهمیت است. هدف این پژوهش، اندازه گیری و تحلیل اثرهای سرریز بین بازارهای سهام، ارز، طلا و کامودیتی است. روش: بدین منظور، داده های روزانه مربوط به شاخص سهام، نرخ ارز (دلار)، قیمت طلا و فلزات اساسی، طی دوره زمانی ۱۲ ساله، از ابتدای سال ۱۳۸۸ تا پایان سال ۱۳۹۹ با استفاده از مدل VARMA-BEKK-AGARCH بررسی و سنجیده شد. یافته ها: نتایج حاصل از برآورد مدل سرریزی یک سویه بازده از نرخ های ارز، طلا و کامودیتی به سهام و سرریز یک سویه شوک از کامودیتی به سهام و سرریز یک سویه نوسان از سهام به نرخ ارز را نشان می دهد. همچنین نتایج نشان دهنده اثرهای اهرمی شوک ها به صورت دوسویه بین نرخ های ارز و طلا و به صورت یک سویه از سهام به نرخ ارز است. نتیجه گیری: با توجه به ارتباط معکوس بین سهام و طلا، ایجاد پرتفوی متشکل از سهام و طلا، جهت کاهش اثرهای ریسک سرریز مفید است و به سرمایه گذاران جهت کاهش ریسک سرمایه گذاری کمک می کند. همچنین با توجه به تایید شوک های وارده از سهام به بازار ارز، مدیریت بازار سهام و جلوگیری از نوسان های شدید جهت کنترل بازار ارز توصیه می شود.
کلیدواژه ها:
نویسندگان
محمدباقر محمدی نژاد پاشاکی
دانشجوی دکتری، گروه مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
سیدجلال صادقی شریف
استادیار، گروه مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
محمد اقبال نیا
استادیار، گروه مالی، دانشکده مالی، دانشگاه خوارزمی، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :