بررسی تأثیر عدم اطمینان عوامل مؤثر بر شاخص قیمت مسکن با تأکید بر شاخص بازار سهام (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه بخش مسکن به عنوان یکی از حوزه های اساسی اقتصادی و اجتماعی، به تحلیل دقیق عوامل مؤثر بر عرضه و تقاضا نیاز دارد. این مطالعه به سیاست گذاران کمک می کند تا با مدیریت بهینه از بحران ها جلوگیری کنند و پروژه های مسکونی متناسب با نیازهای جامعه طراحی شود. همچنین، شناخت عوامل مؤثر بر این بخش به پیش بینی روندهای آینده بازار مسکن و تصمیم گیری بهتر سرمایه گذاران کمک می کند. در سال های اخیر، عدم قطعیت اقتصادی به ویژه در شرایط بحران، تأثیر قابل توجهی بر بازار مسکن داشته است. این عدم قطعیت بر متغیرهایی مانند نرخ تورم، بهره و قیمت مسکن اثر گذاشته و موجب نوسانات شدید در بازار شده است. علاوه بر این، ارتباط پیچیده ای بین بازار سهام و مسکن وجود دارد که در شرایط عدم قطعیت، رفتار سرمایه گذاران را تحت تأثیر قرار می دهد و ممکن است به تغییر جهت سرمایه گذاری به سمت بازار مسکن یا خروج از آن منجر شود. این پژوهش با هدف بررسی تأثیر عدم قطعیت بر شاخص قیمت مسکن و نقش شاخص بازار سهام در ایران طی سال های ۱۳۷۰ تا ۱۴۰۲ انجام شده است. در این مطالعه، متغیرهایی مانند نرخ سود بانکی، تورم، نرخ ارز، درآمد سرانه و شهرنشینی نیز تحلیل می شوند. فرضیه های اصلی تحقیق بر تأثیرگذاری بالای شاخص بازار سهام و نرخ ارز بر قیمت مسکن متمرکز است. نتایج این مطالعه می تواند به سیاست گذاران در کنترل نوسانات بازار مسکن کمک کند. مواد و روش ها این مطالعه به بررسی تأثیر عدم قطعیت عوامل مؤثر بر شاخص قیمت مسکن با تأکید بر شاخص بازار سهام می پردازد. متغیرهای کلیدی شامل درآمد ملی، نرخ سود بانکی، نرخ شهرنشینی، تورم، نرخ ارز و شاخص بازار سهام هستند که بر اساس مطالعات پیشین انتخاب شده اند. داده های سالانه از بانک مرکزی ایران (۱۴۰۲-۱۳۷۰) جمع آوری و با استفاده از رگرسیون فازی در نرم افزار MATLAB تحلیل شده اند. رگرسیون فازی، به خلاف روش های کلاسیک، ابهام در داده ها و مدل ها را با استفاده از توابع عضویت مثلثی کمّی می کند. این روش برای شرایطی مناسب است که داده ها ناکافی باشند، نرمال نباشند یا روابط بین متغیرها مبهم باشد. در این مطالعه، از مدل رگرسیون فازی نامتقارن استفاده شده که امکان محاسبه پهنای چپ و راست ضرایب را فراهم می کند و تأثیر عدم قطعیت را دقیق تر نشان می دهد. منطق فازی، به خلاف منطق کلاسیک، ابهام را به عنوان بخشی از سیستم می پذیرد و آن را با اعداد بین صفر و یک توصیف می کند. این رویکرد به مدل سازی شرایط واقعی که با عدم قطعیت همراه است، کمک می کند. در این پژوهش، ضرایب فازی به صورت نامتقارن برآورد شده اند تا انعطاف پذیری بیشتری در تحلیل تأثیر متغیرها وجود داشته باشد. هدف اصلی، برآورد تأثیر عدم قطعیت بر شاخص قیمت مسکن با درجه عضویت 0/9 است که نشان دهنده سطح بالایی از ابهام است. هر ضریب فازی شامل یک مقدار نما (میانگین تأثیر) و پهنای چپ و راست (حداقل و حداکثر تأثیر) است. این روش به سیاست گذاران کمک می کند تا تصمیمات بهتری در مواجهه با نوسانات بازار مسکن اتخاذ کنند. نتایج این مطالعه می تواند نقش مهمی در کنترل نوسانات قیمت مسکن داشته باشد، چرا که عوامل مؤثر بر آن را در شرایط عدم قطعیت دقیق تر تحلیل می کند. همچنین، مقایسه تأثیر شاخص بازار سهام و نرخ ارز بر قیمت مسکن می تواند به سرمایه گذاران و برنامه ریزان اقتصادی کمک کند تا استراتژی های بهینه تری طراحی کنند. در نهایت، این پژوهش نشان می دهد رگرسیون فازی ابزار قدرتمندی برای تحلیل بازارهای پرنوسان مانند مسکن است، چرا که می تواند ابهام ذاتی در متغیرهای اقتصادی را مدل سازی کند. یافته های این تحقیق می تواند مبنایی برای مطالعات آینده و سیاست گذاری های اقتصادی باشد. یافته ها این مطالعه با استفاده از مدل رگرسیون فازی (با درجه عضویت 0/9) تأثیر عدم قطعیت عوامل مؤثر بر شاخص قیمت مسکن، به ویژه شاخص بازار سهام، را بررسی کرده است. داده های ۳۲ ساله (۱۴۰۲-۱۳۷۰) از بانک مرکزی ایران با ۶۴ قید در نرم افزار MATLAB تحلیل شدند. نتایج نشان می دهد پهنای راست و چپ ضرایب فازی به ترتیب بیانگر حداکثر و حداقل تأثیر متغیرها بر قیمت مسکن هستند، در حالی که مرکز فازی میانگین تأثیر را نشان می دهد. نرخ شهرنشینی با مرکز فازی 0/0034 و پهنای یکسان راست و چپ (0/0226) تأثیر مثبت و معناداری بر قیمت مسکن دارد، که نشان دهنده تقاضای بالای ناشی از رشد جمعیت شهری است. در مقابل، نرخ سود بانکی (مرکز: 0/0071) اثر دوگانه دارد: پهنای راست (0/0130) افزایش قیمت و پهنای چپ (0/0128-) کاهش قیمت را پیش بینی می کند، که احتمالاً به دلیل جذاب نبودن نرخ بهره واقعی در ایران است. شاخص بورس بیشترین تأثیر را با مرکز فازی 0/0662 دارد، اما پهنای راست آن (0/3752) حاکی از امکان افزایش شدید قیمت مسکن است. این رابطه از طریق اثرات جانشینی (منفی)، ثروت (مثبت)، و انبساط اعتباری (مثبت) تبیین می شود. همچنین، نرخ ارز با مرکز 0/6829 و پهنای راست 2/5886 تأثیر بسیار قوی تری دارد، که ناشی از افزایش هزینه های ساخت وساز و تقاضای خارجی است. تورم با ضریب ثابت 0/1545 بر قیمت مسکن اثر مثبت دارد، زیرا کاهش عرضه مسکن و افزایش هزینه های ساخت را به همراه می آورد. درآمد سرانه نیز با مرکز 0/0018 و پهنای راست 0/0087 تأثیر محدودی نشان می دهد. نمودارهای تحقیق حاکی از آن است که در صورت عدم کنترل عدم قطعیت، قیمت مسکن به سمت پهنای راست (افزایش شدید) حرکت خواهد کرد. یافته ها مؤید آن است که نرخ ارز، شاخص بورس، و تورم از جمله کلیدی ترین عوامل نوسان قیمت مسکن در ایران هستند. این مطالعه بر لزوم سیاست گذاری برای کاهش عدم قطعیت در این متغیرها تأکید دارد تا از افزایش بی رویه قیمت ها جلوگیری شود. نتایج می تواند به سیاست گذاران در طراحی راهکارهای پایدار برای بازار مسکن کمک کند. نتیجه گیری این مطالعه با استفاده از مدل رگرسیون فازی (درجه عضویت 0/9) به بررسی تأثیر عدم قطعیت عوامل مؤثر بر شاخص قیمت مسکن، با تمرکز بر شاخص بازار سهام پرداخت. مزیت کلیدی این روش، توانایی در اولویت بندی متغیرها و سنجش دامنه تأثیرگذاری آن ها (از طریق مرکز فازی، پهنای راست و چپ) است. نتایج نشان داد شاخص بورس با مرکز فازی 0/0662 و پهنای راست 0/3752 بیشترین تأثیر را دارد، در حالی که نرخ ارز با مرکز 0/6829 و پهنای راست 2/8586 به عنوان قوی ترین عامل نوسان قیمت مسکن شناسایی شد. این یافته ها با مطالعات پیشین مانند جعفری صمیمی (۱۳۸۶) و الرفاعی (۲۰۲۱) همسوست. تحلیل پهنای فازی نشان می دهد در صورت افزایش عدم قطعیت، شاخص قیمت مسکن به سمت مقادیر حداکثری (پهنای راست) حرکت خواهد کرد، در حالی که کنترل عدم قطعیت می تواند آن را به سطوح پایین تر (پهنای چپ) هدایت کند. این امر بیانگر آن است که نوسانات فعلی بازار مسکن ناشی از بی ثباتی در متغیرهای کلان مانند نرخ ارز، تورم (با ضریب ثابت 0/1545) و شاخص بورس است. همچنین، اثرات دوگانه نرخ سود بانکی (پهنای راست 0/0130 و چپ 0/0128-) و نقش محدود درآمد سرانه (مرکز 0/0018) بر قیمت مسکن تأکید می کند که سیاست گذاری در این حوزه ها نیازمند دقت بیشتری است. با توجه به وابستگی شدید قیمت مسکن به متغیرهای مالی و ارزی، پیشنهاد می شود سیاست گذاران با تمرکز بر عرضه مسکن (مانند تسهیل ساخت وساز) و تنظیم تقاضا (از طریق ابزارهای پولی مانند نرخ سود جذاب بانکی) بازار را متعادل کنند. همچنین، توسعه ابزارهای نوین مالی در بورس (مانند صندوق های سرمایه گذاری املاک) می تواند با جذب سرمایه های خرد، هم تقاضای مسکن را کاهش دهد و هم منابع مالی برای توسعه ساخت وساز را فراهم آورد. به طور کلی، این مطالعه لزوم مدیریت عدم قطعیت در متغیرهای کلان اقتصادی به ویژه نرخ ارز و شاخص بورس را به عنوان عوامل کاتالیزور قیمت مسکن برجسته می کند. توصیه می شود دولت با هماهنگی بین سیاست های پولی، ارزی و مالی، ثبات را به بازار مسکن بازگرداند و از ابزارهای فازی برای پایش مستمر تأثیر عوامل نامطمئن استفاده کند. این رویکرد نه تنها از افزایش بی رویه قیمت ها جلوگیری می کند، بلکه زمینه را برای توسعه متوازن بخش مسکن فراهم می سازد.Investigating the Impact of Uncertainty of Factors Affecting the Housing Price Index with Emphasis on the Stock Market Index
Introduction As one of the most fundamental areas in economic and social development, the housing sector requires a precise analysis of supply and demand factors. This study helps policymakers prevent crises through optimal management and design residential projects aligned with societal needs. Additionally, understanding the factors influencing this sector aids in forecasting future housing market trends and enables better decision-making for investors. Economic uncertainty, particularly during crisis periods, has significantly impacted the housing market in recent years. This uncertainty has affected variables such as inflation rates, interest rates, and housing prices, causing severe fluctuations in the market. Furthermore, a complex relationship between the stock market and the housing market influences investor behavior under uncertain conditions, potentially leading to shifts in investment towards or away from the housing market. This research investigates the impact of uncertainty on the housing price index and the role of the stock market index in Iran from 1991 (1370) to 2023 (1402). This study also analyzes variables such as bank interest rate, inflation, exchange rate, per capita income, and urbanization. The main hypotheses focus on the significant influence of the stock market index and exchange rate on housing prices. The results of this study can assist policymakers in controlling housing market fluctuations. Materials and Methods This study examines the impact of uncertainty in key factors affecting the housing price index, emphasizing the stock market index. Key variables include national income, bank interest rate, urbanization rate, inflation, exchange rate, and the stock market index, selected based on previous studies. Annual data were collected from the Central Bank of Iran (1991–2023) and analyzed using fuzzy regression in MATLAB software. Unlike classical methods, fuzzy regression quantifies ambiguity in data and models using triangular membership functions. This method is suitable for situations where data are insufficient, non-normal, or relationships between variables are ambiguous. In this study, an asymmetric fuzzy regression model was used, allowing for the calculation of left and right widths of coefficients, thereby providing a more accurate depiction of uncertainty’s impact. Fuzzy logic, unlike classical logic, accepts ambiguity as part of the system and describes it with values between zero and one. This approach supports modeling real-world conditions accompanied by uncertainty. In this research, fuzzy coefficients were estimated asymmetrically to provide greater flexibility in analyzing variable impacts. The primary objective was to estimate the impact of uncertainty on the housing price index at a membership degree of 0.9, indicating a high level of ambiguity. Each fuzzy coefficient includes a core value (average effect) and left and right widths (minimum and maximum effects). This method assists policymakers in making better decisions when facing housing market fluctuations. The results of this study could play a crucial role in managing housing price volatility by more accurately analyzing influencing factors under uncertainty. Moreover, comparing the impact of the stock market index and exchange rate on housing prices can help investors and economic planners design more effective strategies. Ultimately, this research demonstrates that fuzzy regression is a powerful tool for analyzing volatile markets like housing, as it can model inherent ambiguity in economic variables. The findings of this study can serve as a foundation for future research and economic policymaking. Findings Using a fuzzy regression model (membership degree of 0.9), this study investigated the impact of uncertainty in factors affecting the housing price index, particularly the stock market index. Thirty-two years of annual data (1991–2023) from the Central Bank of Iran were analyzed in MATLAB with 64 constraints. The results show that the right and left widths of fuzzy coefficients indicate the maximum and minimum effects of variables on housing prices, while the fuzzy center represents the average effect. Urbanization rate had a positive and significant impact with a fuzzy center of 0.0034 and equal right and left widths (0.0226), reflecting high demand due to urban population growth. Conversely, the bank interest rate (center: 0.0071) showed a dual effect: the right width (0.0130) predicted price increases, while the left width (-0.0128) forecasted decreases, likely due to unattractive real interest rates in Iran. The stock market index had the highest impact with a fuzzy center of 0.0662, but its right width (0.3752) indicated the potential for drastic housing price increases. This relationship is explained through substitution effects (negative), wealth effects (positive), and credit expansion effects (positive). Additionally, the exchange rate had a much stronger influence with a center of 0.6829 and a right width of 2.8586, attributed to rising construction costs and foreign demand. Inflation positively affected housing prices with a constant coefficient of 0.1545, as it reduces housing supply and increases construction costs. Per capita income showed limited influence with a center of 0.0018 and a right width of 0.0087. Research charts suggest that if uncertainty remains uncontrolled, housing prices will move toward the right (sharp increase). Findings confirm that exchange rate, stock market index, and inflation are among the key factors driving housing price fluctuations in Iran. This study emphasizes the need for policy interventions to reduce uncertainty in these variables and prevent excessive price increases. The results can aid policymakers in designing sustainable strategies for the housing market. Conclusion Using a fuzzy regression model (membership degree of 0.9), this study investigated the impact of uncertainty in factors affecting the housing price index, focusing on the stock market index. A key advantage of this method is its ability to prioritize variables and measure their range of influence (through fuzzy center, right width, and left width). Results showed that the stock market index had the highest impact with a fuzzy center of 0.0662 and a right width of 0.3752. Meanwhile, the exchange rate was identified as the strongest factor driving housing price fluctuations, with a center of 0.6829 and a right width of 2.8586. These findings align with previous studies such as Jafari Samimi (2007) and Al-Rifai (2021). Fuzzy width analysis shows that increasing uncertainty will push the housing price index toward maximum values (right width), while controlling uncertainty can guide it toward lower levels (left width). This indicates that current housing market volatility stems from instability in macroeconomic variables such as exchange rate, inflation (with a constant coefficient of 0.1545), and the stock market index. Also, the dual effects of bank interest rate (right width: 0.0130, left width: -0.0128) and the limited role of per capita income (center: 0.0018) emphasize the need for careful policymaking in these areas. Given the strong dependence of housing prices on financial and exchange rate variables, it is recommended that policymakers focus on housing supply (e.g., facilitating construction) and demand regulation (e.g., attractive bank interest rates) to balance the market. Additionally, developing innovative financial instruments in the stock market (e.g., real estate investment funds) could both reduce housing demand and provide financial resources for construction development. Overall, this study highlights the necessity of managing uncertainty in macroeconomic variables, especially the exchange rate and stock market index, as catalysts for housing price fluctuations. It is recommended that the government restore stability to the housing market through coordinated monetary, exchange rate, and fiscal policies, utilizing fuzzy tools for continuous monitoring of uncertain factors. This approach not only prevents excessive price increases but also facilitates balanced development in the housing sector.
تبلیغات
