پایان نامه درمورد بازده سهام، رگرسیون، بازده دارایی، معادلات همزمان

دسامبر 22, 2018 0 By yazoa
پایان نامه  

که تأثیر متغیرهای نوسان قیمت نفت و قیمت نفت به ترتیب در کوتاه‌مدت و بلندمدت بر بازده واقعی سهام مثبت بوده است.
مشیری و همکاران (1389) یک مطالعه تجربی برای بررسی رابطه‌ی بین بازده شاخص سهام و نرخ تورم با استفاده از روش چند مقیاسی موجک64 در بورس اوراق بهادار تهران انجام دادند. روش چندمقیاسی امکان بررسی رابطه‌ی یاد شده را در مقیاس‌های زمانی متفاوت فراهم ‌می‌کند. نتایج رگرسیون در محدوه‌ی موجک و همبستگی موجک نشان می‌دهد که رابطه‌ی بین تورم و بازده سهام در افق کوتاه‌مدت، منفی و در افق میان‌مدت و بلندمدت مثبت است. یافته‌های آن‌ها از فرضیه‌ی فیشر حمایت قوی کرده است.
قلی‌زاده و کمیاب (1389) در مقاله‌ای ارتباط بلندمدت بازار مسکن و تورم را در ایران مورد بررسی قرار دادند. در این مطالعه آن‌ها از مدل‌های OLS و آزمون‌های هم‌انباشتگی و علیت گرنجر استفاده کردند. هدف آن‌ها این بود که ضمن تحلیل اثر کلی تورم بر بخش مسکن، اثرات تورم انتظاری و غیرانتظاری را به تفکیک تجزیه و تحلیل و بررسی کنند. نتایج نشان داد که تورم تأثیر مثبت و معنی‌داری بر اجاره واقعی مسکونی دارد و دارای کشش بالایی است. همچنین تأثیر تورم انتظاری بر اجاره مسکن بیشتر از تورم غیرانتظاری بوده است. همچنین آزمون‌های هم‌انباشتگی ارتباط بلندمدت میان این متغیرها را تأیید می‌کنند. نتایج آزمون علیت گرنجر نیز نشان داد که علیت یک طرفه‌ای از سوی انتظارات تورمی به اجاره واقعی مسکن وجود دارد.
عزیزی و همکاران (1391) در مقاله‌ی «بررسی رابطه‌ی تورم و بازده سهام بورس اوراق بهادار تهران: ارزیابی فرضیه جانشینی فاما»، با استفاده از داده‌های بورس اوراق بهادار تهران در دوره‌ی زمانی فروردین 1370 تا اسفند 1387 به بررسی رابطه‌ی نرخ تورم و بازده سهام پرداختند. آن ها نشان دادند که فرضیه‌ی فیشر در کوتاه‌مدت رد شده و بازار سهام تهران، سپر ضعیفی در مقابل تورم بوده است. در ادامه با استفاده از فرضیه فاما نتیجه گرفتند که رابطه‌ی منفی بین دو متغیر در کوتاه مدت ناشی از جزء موقت تورم بوده و نشأت گرفته از شوک‌های سمت تقاضای کل اقتصاد است. برای این کار آن‌ها با بکارگیری فیلتر هدریک- پرسکات تورم را به دو جزء دائمی و موقت تجزیه کردند. تخمین رابطه‌ی بلندمدت میان دو متغیر حاکی از آن است که بورس تهران در بلندمدت پوشش کاملی در مقابل تورم است.
ابونوری و همکاران (1392) به بررسی رابطه‌ی بین نرخ تورم و شاخص بازدهی بورس در اوراق بهادار تهران به کمک مدل روش هم‌انباشتگی پنهان (CECM) و مبتنی بر داده‌های سری‌زمانی ماهانه طی دوره‌ی زمانی 1390-1383 پرداختند. در مدل به کار گرفته‌ی آن‌ها علاوه بر تجزیه و تحلیل غیرخطی روابط بلندمدت میان متغیرها، از قابلیت دیگری مبنی بر مدل‌سازی عدم تقارن موجود میان متغیرهای مختلف به‌ویژه متغیرهای مالی، برخوردار می‌باشد. نتایج پژوهش آن ها مؤید وجود ارتباط نامتقارن میان متغیرهای مذکور بوده به طوری که، تنها اجزای (تکانه‌های) منفی شاخص بورس و تورم با یکدیگر رابطه‌ی بلندمدت داشته و اجزاء مثبت آن‌ها با یکدیگر ارتباط معناداری نداشته‌اند.
جمع‌بندی
در این فصل ابتدا فرضیه‌ی فیشر که مبدأ پیدایش بحث پوشش تورم بود، مطرح شد. به این ترتیب که او معتقد بود نرخ بهره اسمی انتظاری باید یک به یک با تورم انتظاری تغییر کند و این ویژگی برای سایر دارایی‌ها نیز قابل بررسی است. در ادامه مطالعاتی به توضیح رابطه‌ی منفی بین بازده دارایی و تورم پرداختند. فاما فرضیه جانشینی را مطرح کرد که نشان داد رابطه‌ی مثبت بین بازده سهام و متغیرهای واقعی، به عنوان عامل اساسی تعیین‌‌‌‌‌‌‌‌ کننده ارزش خالص دارایی‌ها و رابطه‌ی منفی بین تورم و فعالیت حقیقی باعث به وجود آمدن رابطه‌ی جعلی در این رابطه است. مودیگلیانی و کان فرضیه توهم تورمی که معتقد بود سرمایه‌گذاران بازار سرمایه، در معرض توهم تورمی هستند، را مطرح کرد. فلدشتاین و جسكه و رُل معتقد بودند که تأثیر منفی تورم بر بازده سهام بر مبنای ویژگی‌های بنیادی قانون مالیاتی و کاهش هزینه تاریخی و مالیات‌بندی عواید اسمی سرمایه است. مارشال و دانته و دونالسون نیز نتیجه گرفتند که هر گاه منشأ تورم به عوامل غیر پولی (تولید واقعی) مربوط باشد، این رابطه منفی می‌شود. در ادامه در ارتباط با پوشش تورم، نظریه پرتفوی و انتخاب سبد دارایی مناسب در شرایط تورمی بررسی شد.
همچنین در این فصل مطالعات انجام گرفته در زمینه پوشش تورم دارایی‌ها در داخل و خارج و با انواع دارایی معرفی شد. با توجه به نتایج تحقیقات معرفی شده در این فصل، نتایج بررسی رابطه‌ی بین بازده دارایی‌ها و نرخ تورم متفاوت است. در برخی از مطالعات رابطه‌ی مثبت و در برخی دیگر رابطه‌ی منفی مشخص شده است. بنابراین، می‌توان نتیجه گرفت که به رغم تحقیقات گسترده در کشورهای مختلف اعم از توسعه یافته و در حال توسعه، تاکنون درباره‌ی رابطه‌ی بین بازده دارایی و تورم اجماع نظری وجود ندارد و بررسی پوشش تورم دارایی‌ها در هر کشور و هر دوره‌ی زمانی دارای اهمیت است.

فصل سوم

روش‌ تحقیق

مقدمه
از آنجایی‌که روش الگوسازی‌ای که به منظور بررسی قابلیت پوشش دارایی‌ها در مقابل تورم و تورم انتظاری به کار گرفته می‌شود، الگوهای خودتوضیح برداری است
؛ در این فصل به معرفی مراحل انجام این الگو پرداخته خواهد شد. هدف از بهره‌‌گیری از این الگو، تفکیک روابط بلندمدت و کوتاه‌مدت بین متغیرها مورد استفاده است. بر این اساس ابتدا آزمون ریشه واحد فصلی، با توجه به فصلی بودن داده‌های مورد استفاده، معرفی می‌شود. سپس چگونگی تعیین وقفه بهینه الگوی VAR و توابع عکس‌العمل آنی و تجزیه واریانس خطای پیش‌بینی به عنوان دو جزء الگوهای خودتوضیح برداری برای بررسی پویایی‌ها کوتاه‌مدت توضیح داده می‌شود. در ادامه برای بررسی روابط بلندمدت بین متغیرها آزمون یوهانسون مطرح و چگونگی تعیین تعداد بردارها و نوع الگوی مورد استفاده در برآورد بردارها توسط این آزمون بررسی می‌شود. در انتهای این فصل با توجه به وجود تورم انتظاری در مدل، روش محاسبه آن بررسی خواهد شد.
الگوی خودتوضیح برداری65
هنگامی که رفتار چند متغیر سری زمانی در یک الگو مورد بررسی قرار می‌گیرد، لازم است ارتباط متقابل بین آن‌ها را مورد توجه قرار داد. یکی از راه‌ها برای انجام این کار، تنظیم و برآورد یک الگوی معادلات همزمان است. پیش از برآورد الگوی معادلات همزمان، لازم است دو گام برداشته شود؛ یکی این‌که باید متغیرهای الگو را به دو دسته درون‌زا و برون‌زا طبقه‌بندی کرد و دیگر این‌که باید قیدهایی بر ضرایب متغیرهای الگو اعمال شود تا به شناسایی الگو دست یافت. چنین تصمیمی، که به طور معمول به صورت اختیاری توسط محقق گرفته می‌شود، به شدت از سوی سیمز66 (1980) مورد انتقاد واقع شد. مبناي انتقاد سيمز اين است كه اگر تمام متغيرها همزمان باشند، همه از يكديگر تأثير مي‌پذيرند و پيش داوري در مورد تمايز متغير درون‌زا و برون‌زا نبايد قائل شد، چون تقدم زماني بين متغيرها كه مبناي تعريف عليت از نظر گرنجر است وجود نخواهد داشت. بنابراین وی چارچوب جدیدی را با عنوان الگوی خودتوضیح برداری (VAR) معرفی کرد. الگوهای VAR، بر اساس روابط تجربی که بین نهاده‌ها نهفته است پايه‌گذاري شده و به صورت فرم خلاصه شده سيستم معادلات هم‌زمان مد نظر قرار مي‌گيرد كه هر يك از متغيرهاي درونزا روي وقفه‌هاي خود و وقفه‌هاي متغيرهاي ديگر در سيستم برازش مي‌شود. از اين‌رو، در اين الگوها نيازي به تصريح روابط ساختاري كوتاه‌مدت يا دانش ساختاري از روابط علّي بين متغيرهاي الگو وجود ندارد. بر این اساس، اگر فرض شود روابط همزمانی بین متغیرهای مدل وجود دارد که هر یک در توضیح رفتار دیگری مؤثرند، آن‌گاه این روابط از طریق الگوی VAR قابل بیان است. در واقع، در این الگو بازخوردی در نظر گرفته می‌شود که ممکن است بین متغیرها وجود داشته باشد. در اين مدل با روش حداقل مربعات معمولي براي هر معادله تخمين جداگانه زده مي‌شود. البته با وقفه‌هاي متعدد يك متغير معلوم، ضرايب به تنهايي به‌علت هم‌خطي معني‌دار نخواهد بود، ولي بايد معني‌داری كلي معادله یا آزمون F در نظر گرفته شود. با توجه به درون‌زا بودن تمام متغيرها ارتباطات متقابل آن‌ها توسط سيستم معادلات همزمان صورت مي‌گيرد . البته مي‌توان متغيرهايي برون‌زايي مثل جمله ثابت و روند زماني يا متغيرهاي موهومي و يا متغيرهاي سياستي را معرفي كرد.
به منظور تخمین مدل‌هاي VAR ابتدا باید ایستایی متغیرها بررسی و تعداد وقفه‌های بهینه مدل نیز تعیین شود. در خصوص اهمیت ایستایی متغیرها می‌توان گفت که اگر متغیرها ایستا باشند، در آن صورت استفاده از یک مدل VAR ساده مناسب خواهد بود. ولی اگر متغیرها غیر ایستا باشند، ممکن است مشکل رگرسیون ساختگی پیش بیاید که بیانگر آن است که رابطه بین متغیرها ناشی از وجود داشتن متغیر زمان است، نه به واسطه ارتباط حقیقی آن‌ها. در این شرایط باید از یک مدل VAR نامقید با متغیرهای تفاضل‌گیری شده استفاده کرد که در این صورت، اطلاعات بلندمدت بین متغیرهای مدل از بین می‌رود و باعث کاهش کارایی تحقیق با نمونه‌های محدود می‌شود. اما در صورتی که متغیرها هم‌انباشته باشند، چنین مشکلی پیش نخواهد آمد. هم‌انباشتگی بدین معناست که علی‌رغم این‌که سری‌هاي زمانی به تنهایی غیرایستا هستند، ولی ترکیب خطی آن‌ها می‌تواند ساکن باشد و یک رابطه تعادلی بلندمدت بین آن‌ها وجود دارد.
معمولاً آن‌چه که به عنوان مدل‌های VAR معروف شده است، فرم استاندارد (حل شده) VAR است که طبق آن، مقادیر جاری یک متغیر بر حسب مقادیر گذشاه‌ی آن متغیر و سایر متغیرها نوشته می‌شود:
3-1
y_t=A_0+∑_(i=1)^p▒〖A_i y_(t-i) 〗+e_t
که چون دارای p وقفه است، آن را در اصطلاح الگوی VAR از مرتبه p می‌نامند و به صورت VAR(p) نمایش می‌دهند. که در آن y_t برداری با ابعاد (k×1) شامل متغیرهای درون‌زای الگو، A_0 بردار (k×1) شامل مقادیر ثابت، A_i ماتریسی (k×k) شامل ضرایب وقفه‌های متغیرهای الگو و در نهایت e_t برداری (k×1) شامل جملات اخلال است.
روش خود رگرسیون برداری (VAR)، نسبت به ساير روش‌هاي ممكن داراي ويژگي‌هايی‌ است كه استفاده از آن را توجيه‌پذير مي‌سازد. در این روش نيازي‌ به‌ نگراني‌ درباره‌ تعيين‌ درون‌زا و برون‌زا بودن‌ متغيّرها نيست‌، زيرا تمامي‌ متغيّرها در اين مدل‌ درون‌زا هستند. چنین مدل‌هایی به سادگی ساخته شده و در استفاده از آن‌ها نیازی به اطلاعات قبلی در خصوص روابط علّی میان متغیرها وجود ندارد، این رهیافت برای اقتصاد کلان کشورهای جهان سوم که فاقد نظریه‌های اقتصادی منسجم می‌باشند بسیار مفید است و به این وسیله می‌توان متغیرهای کلیدی را در آن اقتصاد خاص، شناخته و
نظریه به دست آمده در مورد آن اقتصاد را توسعه داد. بنابراین، اين مدل در مواردي كه تئوري اقتصادي توضيح كاملي از مدل ندهد يا مدل بسيار پيچيده باشد يا توافقي بر تئوري درست، نباشد، استفاده مي‌شود. به علاوه در بسیاری از موارد که پیش‌بینی یک سری زمانی با استفاده از مدل ساختاری غیرممکن یا دشوار است، الگوهای خودتوضیح برداری با استفاده از ساختار پویای داده‌ها، در تجزیه و تحلیل روابط پویای متغیرها نتایج بهتری ارائه می‌دهند. کاربرد مفید دیگر سیستم‌های خودرگرسیون برداری مطالعه زمان‌بندی شوک‌های اقتصادی است. اگر سیستم، نمایش واقعی اقتصاد باشد می‌توان دریافت که شوک‌های وارده بر اقتصاد در چه مدت زمانی به طول می‌آنجامد. حداکثر آثار آن‌ها در چه دوره زمانی پس از وقوع شوک حاصل می‌گردد. مطالعه این شوک‌ها و این زمان‌بندی آن‌ها روشی برای شناسایی پویایی اقتصاد است، زیرا در هر اقتصاد متناسب با خصوصیات خاص آن، شوک‌های یکسان آثار متفاوتی بر جا می‌گذارند و مطالعه شوک‌ها و دوره‌های زمانی متتناظر با آن‌ها می‌تواند سیاست‌گذاران را در طریق اثرگذاری بر کل سیستم اقتصادی یاری