اقتصاد پولی مالی

چکیده در سال‌های اخیر، عدم‌اطمینان سیاست‌های اقتصادی به یکی از عوامل مهم نوسانات اقتصاد کلان و تحولات بازار مسکن در اقتصادهای نوظهور تبدیل شده است. با وجود گسترش مطالعات مربوط به عدم‌اطمینان سیاستی، شواهد محدودی درباره تأثیر شوک‌های عدم‌اطمینان بر عرضه مسکن در ایران، به‌ویژه با در نظر گرفتن تغییرات ساختاری و روابط زمان‌متغیر، وجود دارد. پژوهش حاضر با هدف پر کردن این شکاف پژوهشی، اثرات پویای شوک‌های عدم‌اطمینان سیاست‌های اقتصادی بر بازار مسکن ایران و کانال‌های انتقال آن از طریق متغیرهای واقعی، مالی و قیمتی را بررسی می‌کند.

برای این منظور، از مدل رگرسیون خودبرداری عامل افزوده با پارامترهای زمان‌متغیر (TVP-FAVAR) و داده‌های فصلی دوره ۱۴۰۲-۱۳۷۱ استفاده شده است. متغیرهای مورد بررسی شامل تولید ناخالص داخلی، مصرف، سرمایه‌گذاری، نرخ بیکاری، نرخ تورم، نرخ بهره و تعداد پروانه‌های ساختمانی صادره است.

نتایج تجربی نشان می‌دهد که شوک‌های عدم‌اطمینان سیاست‌های اقتصادی در کوتاه‌مدت موجب افزایش نرخ بهره می‌شوند، اما این اثر در افق‌های میان‌مدت کاهش یافته و منفی می‌شود. همچنین این شوک‌ها مصرف، نرخ تورم، نرخ بیکاری و تولید ناخالص داخلی را افزایش داده و سرمایه‌گذاری را کاهش می‌دهند. مهم‌تر آنکه، عدم‌اطمینان سیاستی اثر منفی و معناداری بر تعداد پروانه‌های ساختمانی دارد و شدت این اثر در طول زمان افزایش می‌یابد. این یافته‌ها نشان می‌دهد که عدم‌اطمینان سیاستی از طریق افزایش هزینه تأمین مالی، کاهش اعتماد سازندگان و تضعیف انتظارات نسبت به شرایط آتی اقتصاد، عرضه مسکن را محدود می‌کند. بر این اساس، افزایش شفافیت و ثبات سیاست‌های اقتصادی و تسهیل سرمایه‌گذاری خصوصی می‌تواند به تقویت ثبات بازار مسکن کمک کند.

چکیده مفاهیم مقیاس-زمان، سری­های زمانی با دنباله­های پهن و چولگی و تفکیک دوره­های پژوهش بر اساس شوک­های اقتصادی در بهینه­یابی سبد دارایی از اهمیت ویژه­ایی برخوردار است. لزوم داشتن توزیع نرمال سری بازدهی­ها و عدم امکان فروش استقراضی از ایرادات بنیادی وارد به مدل مارکوویتز است. همچنین وجود خصلت­های چولگی و دم­های پهن در سری بازده دارایی­های مالی اهمیت معرفی چولگی در توزیع خطا مدل MGARGH را نشان می­دهد که نتیجه آن بهبود رهیافت مارکوویتز با استفاده از ماتریس کواریانس مستخرج از مدل­های MGARCH مبتنی بر توزیع چوله چندمتغیره نامتقارن است. ضمنا با استفاده از تحلیل موجک می­توان واریانس و کواریانس­های کاراتری در مقیاس­های زمانی متفاوت محاسبه نمود. از این­رو هدف پژوهش حاضر غلبه بر مشکلات مطروحه در مدل مارکوویتز از طریق کاربرد مدل Bayesian DCC-GARCH مبتنی بر تحلیل موجک و رهیافت هانگ و لیتزنبرگر می­باشد.
داده­های مورد استفاده در این پژوهش شامل بازده قیمت سهام گروه­های منتخبی از بازار سرمایه ایران است که بیش­ترین تاثیر را از تحریم­های اقتصادی طی دوره 24/9/1387 الی 26/3/1398 متحمل شده­اند. دوره زمانی مذکور به دوران قبل از برجام، پسا برجام و خروج آمریکا از برجام تفکیک شده است. همچنین از ماتریس کواریانس حاصل از 2 روش متفاوت (غیرشرطی و شرطی مستخرج از مدل Bayesian DCC-GARCH) در مدل بهینه­یابی سبد دارایی هانگ و لیتزنبرگر در مقیاس­های زمانی 4 گانه استفاده شده است.
نتایج حاکی از  وجود خصلت چندمقیاسه بودن تئوری بهینه­یابی سبد دارایی هانگ و لیتزنبرگر در بازار سرمایه ایران بود. به­گونه­ایی که کارایی سبدهای دارایی در مقیاس­های میان ماهانه و بلندمدت بیش­تر از کارایی این سبدها در مقیاس­های کوتاه­مدت است. ضمن آن­که در تمامی زیربخش­ها سبدهای دارایی که با استفاده از توزیع بیزی حاصل شده­اند دارای کارایی بالاتری نسبت به سایر سبدهایی هستند که از سایر توزیع­های آماری به­دست آمدند.

چکیده این مقاله به بررسی رابطه بین نوسانات تورم و میزان تسهیلات اعطایی قرض‌الحسنه بانک‌های تجاری طی سال‌های 1393- 1384 با استفاده از داده‌های ماهیانه می‌پردازد. به این منظور از روش همبستگی شرطی پویای تصحیح شده (cDCC) الگوی خودرگرسیونی تعمیم یافته مبتنی بر واریانس ناهمسان شرطی (MGARCH) استفاده می‌شود. نتایج به دست آمده حاکی از این است که بین نااطمینانی تورم و میزان تسهیلات اعطایی قرض‌الحسنه همبستگی مثبتی وجود دارد. بدین معنی که برخلاف تصور موجود با افزایش نوسانات تورم، افزایش قیمت تمام شده پول برای بانک‌ها و نیز کاهش قدرت خرید مردم، میزان سپرده‌های قرض‌الحسنه و درنتیجه تسهیلات اعطایی از محل این سپرده‌ها کاهش نمی‌یابد. این نتیجه‌گیری می‌تواند تأثیر مستقیمی بر نحوه سیاست‌گذاری بانک‌ها داشته باشد. بانک‌ها در دوران تورم و برای جلوگیری از کاهش میزان سپرده‌های مدت‌دار خود، سیاست‌هایی را اتخاذ می‌کنند که سپرده‌گذاران را تشویق به این نوع سپرده‌گذاری نمایند. این سیاست بانکی در صورت اثرگذار بودن بایستی باعث کاهش میزان سپرده‌های جایگزین همانند سپرده‌های قرض‌الحسنه گردد. این مساله دقیقاً به معنی کاهش میزان تسهیلات قرض‌الحسنه اعطایی بانک‌ها در این بازه زمانی است؛ درحالی‌که نتایج به دست آمده از این پژوهش عکس مساله بالا را نشان می‌دهد. این بدان معنی است که بانک‌ها برای حفظ منابع مالی خود در دوران تورم بایستی به فکر اتخاذ سیاست‌های مناسب دیگری باشند.

چکیده مطابق تئوری بازخورد نوسانات، بازده سهام و ریسک آن با هم ارتباط دارند، اما مطابق نتایج مطالعات تجربی در کشورها و بازارهای مختلف چگونگی و میزان این ارتباط متفاوت است. در این مقاله با استفاده از داده های روزانه و هفتگی ایران در بازه زمانی 15/01/1377 تا 15/04/1389 به بررسی تأثیر نوسانات پیش بینی شده بازده سهام صنعت خودرو بر بازده این صنعت با بکارگیری مدل های GARCH-M با روش تخمین حداکثر راستنمایی با اطلاعات کامل (FIML) و روش مدلسازی ARDL و آزمون کرانه ها، و تأثیر نوسانات پیش بینی نشده بازده سهام صنعت خودرو بر بازده آن با استفاده از روش مدلسازی ARDL و آزمون کرانه ها پرداخته شده است. نتایج تخمین های GARCH-M به روش FIML حاکی از تأثیر معنادار و مثبت نوسانات پیش بینی شده بر بازده سهام می باشد. نتایج آزمون کرانه ها حاکی از آن است که در تمام حالت ها در سطح 1% رابطه بلندمدت میان متغیرهای هر دو مدل وجود دارد. نتایج تخمین مدل ARDL حاکی از آن است که نوسانات پیش بینی شده بازده شاخص قیمت سهام صنعت خودرو موجب افزایش بازده این صنعت در بلندمدت می شود؛ همچنین نوسانات پیش بینی نشده بازده شاخص قیمت سهام صنعت خودرو موجب کاهش بازده این صنعت در بلندمدت می شود. بر اساس نتایج حاصل از آزمون علیت گرنجر می توان گفت که در بلندمدت رابطه علیت یک طرفه از نوسانات پیش بینی شده بازده شاخص قیمت سهام صنعت خودرو به بازده این صنعت وجود دارد.