محدثه ناصحی پور

محدثه ناصحی پور

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱ مورد از کل ۱ مورد.
۱.

مدل سازی پویایی های ریسک سیستماتیک در بازارهای مالی ایران: چارچوب یکپارچه چندرژیمی مبتنی بر ARIMA، DCC GARCH، GMM و مارکوف سوئیچینگ(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ریسک سیستماتیک همبستگی شرطی پویا مارکوف سوئیچینگ مدل ترکیب گاوسی ارزش در معرض ریسک شرطی

حوزه‌های تخصصی:
تعداد بازدید : 0 تعداد دانلود : ۱
هدف: در این پژوهش، طراحی و ارائه یک چارچوب ترکیبی پیشرفته برای مدل سازی پویایی های ریسک سیستماتیک در بازارهای مالی ایران مد نظر قرار گرفته است. اقتصاد ایران به دلیل ماهیت ساختاری شکننده، نوسانات شدید سیاسی-اقتصادی و تغییرات ناگهانی در سیاست های پولی و ارزی، زمینه ای ایده آل برای بررسی تأثیر متقابل دارایی های مختلف و نحوه انتقال ریسک در رژیم های رفتاری گوناگون فراهم می کند. در چنین بستری، وابستگی ها و شدت انتقال شوک های مالی در دوره های کم نوسان، نیمه بی ثبات و بحرانی کاملاً متفاوت است. بنابراین، هدف اصلی مطالعه حاضر، تحلیل ساختار وابستگی و انتقال ریسک میان سه دارایی کلیدی(طلا، نرخ ارز آزاد (دلار آمریکا) و شاخص کل بورس اوراق بهادار تهران)در قالب یک چارچوب چندسطحی و چندمدلی است؛ به طوری که بتوان با دقت بیشتری رژیم های رفتاریِ پنهان را شناسایی و میزان ریسک سیستمیک را تحت شرایط مختلف بازار اندازه گیری کرد. روش : در گام نخست، سری های زمانی بازده روزانه سه دارایی یادشده با استفاده از مدل های ARIMA پالایش شدند تا مؤلفه های روندی و خودهمبستگی های خطی حذف شوند و سری های باقیمانده تنها متغیرهای تصادفی و غیرخطی را در خود جای دهند. سپس برای هر سری از مدل GARCH(1,1) جهت برآورد و پیش بینی نوسانات شرطی (Conditional Volatility) بهره گرفته شد. در مرحله سوم، به منظور استخراج ماتریس همبستگی های شرطی پویا میان دارایی ها، مدل DCC-GARCH به کار رفت. برای شناسایی تغییرات ساختاری رفتار بازار و جدا کردن دوره های کم نوسان از پرنوسان، دو روش مکمل استفاده شد: اول، مدل مارکوف سوئیچینگ با قابلیت تقسیم بندی زمان به رژیم های نوسان پایین و نوسان بالا بر مبنای احتمال های انتقال (Transition Probabilities)، و دوم، مدل ترکیب گاوسی (GMM) که با تحلیل خوشه ای داده ها، هر مشاهده را به صورت احتمالاتی به چند رژیم رفتاری منسوب می سازد. در نهایت، با محاسبه شاخص ارزش در معرض ریسک شرطی (COVAR) برای هر جفت دارایی در هر رژیم رفتاری، شدت ریسک سیستماتیک و میزان انتقال شوک ها به شکلی جامع بررسی شد. یافته ها: تحلیل داده های روزانه دوره ۱۳۹۴–۱۴۰۳ نشان داد شدت و ساختار انتقال ریسک سیستمیک در بازارهای مالی ایران کاملاً به رژیم رفتاری بازار بستگی دارد. در رژیم های «آرام»، همبستگی های شرطی بین طلا و دلار و نیز میان طلا و شاخص بورس به زیر ۰٫۳ کاهش یافته و متوسط COVARها کمتر از ۰٫۱۵ است، اما با افزایش نوسانات به سطح «نیمه بی ثبات»، این مقادیر به حدود ۰٫۴ تا ۰٫۵ می رسند. در «بحران» ساختار چهاررژیمی، همبستگی طلا–دلار به بیش از ۰٫۸ و طلا–بورس به بیش از ۰٫۳ افزایش یافت و COVAR طلا⇄دلار تا ۰٫۷۸ و طلا⇄بورس تا ۰٫۳۰ بالا رفت که نشانگر پدیده «فرار به ارز» و «فرار به طلا» در اوج تنش هاست. همچنین، روابط دلار⇄بورس و دلار⇄طلا در رژیم های میانی نه تنها سیگنال های هشدار اولیه از افزایش ریسک می دادند، بلکه گاهی در برخی دوره های ظاهراً آرام، COVAR بالاتری نسبت به رژیم های نیمه بی ثبات ثبت می شد؛ پدیده ای که می تواند منعکس کننده انتظارات منفی پنهان یا سیاست گذاری ناپایدار باشد. به طور کلی، ترکیب DCC-GARCH، مارکوف سوئیچینگ و GMM امکان تفکیک دقیق تر رژیم ها و سنجش توانایی ریسک را فراهم ساخت و نشان داد که رفتار غیرخطی و چندلایه انتقال ریسک باید در تحلیل ریسک سیستمیک اقتصادهای ناپایدار مد نظر قرار گیرد. نتیجه گیری: این پژوهش تأکید می کند که در اقتصادهایی با نوسانات ساختاری و سیاسی-اقتصادی شدید، استفاده از چارچوب های رژیم محور و پویا برای تحلیل ریسک سیستمیک الزامی است. این چارچوب نه تنها قابلیت شناسایی زودهنگام دوره های پرخطر و میان بحرانی را دارد، بلکه می تواند به عنوان ابزاری کارا برای سیاست گذاران، نهادهای نظارتی و سرمایه گذاران حرفه ای در طراحی سیاست های کلان، تخصیص بهینه سرمایه و مدیریت ریسک سیستماتیک به کار رود.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان