Survey the asymmetric correlation between stock return, trading volume and volatility of Tehran stock exchange market (DCC-GARCH Approach)

Document Type : Research Paper

Authors

1 Associate Professor, Department of Economics, University of Sistan and Baluchestan

2 PhD student of economics, University of Sistan & Baluchestan; Faculty member of Islamic Azad University, Iranshahr Branch

Abstract

In this research the asymmetric and non-linear correlation between the market returns and trading volume variables has modeled with the DCC-GARCH approach; and the impacts of market shocks, weekend and calendar effects on the market returns and trading volume are surveyed. The estimation results of parameters of the model by the maximum likelihood method show that previous day’s market return has a positive impact on the growth rate of trading volume, but the impact of trading volume growth rate at previous period on return changes is negative. Shocks on the stock market, weekends and calendar effects and the bad news affect the volatility of the stock returns and trading volume growth. Furthermore, the results of this study indicate that the impacts of positive and negative shocks and good and bad news on the volatility of trading volume growth rate and on the changes in market returns and on the correlation between them is asymmetric; and the correlation between changes in market returns and trading volume growth is non-linear and time-varying.

Keywords


تک‌روستا، علی، مروت، حبیب و تک‌روستا، حسین (1390). «مدل‌سازی نوسانات (تلاطم) بازدهی روزانة سهام در بورس اوراق بهادار تهران»، اقتصاد پولی، مالی(دانش و توسعه)، 18(2): 61 ـ 84.
حیدری، حسن و بشیری، سحر (1391). «بررسی رابطه بین نااطمینانی نرخ واقعی ارز و شاخص قیمت سهام در بورس اوراق بهادار تهران: مشاهداتی بر پایة مدل VAR-GARCH»، تحقیقات مدل‌سازی اقتصادی، 3(9): 71 ـ 92.
سیدحسینی، سیدمحمد و ابراهیمی، سیدبابک (1392). «مدل‌سازی و سنجش سرایت تلاطم با استفاده از مدل‌های GARCH چندمتغیره (مطالعة موردی ایران، امارات، و شاخص قیمت جهانی نفت)»، فصلنامةبورس اوراق بهادار، 6(21): 137 ـ 157.
راعی، رضا و باجلان، سعید (1387). «شناسایی و مدل‌سازی اثرات تقویمی بورس اوراق بهادار تهران با استفاده از مدل‌های ARCH و GARCH»، پژوهشهای اقتصادی، 4، 21 ـ 47.
کشاورز حداد، غلامرضا و حیدری، هادی (1390). «بررسی تأثیر اخبار سیاسی بر تلاطم بازار سهام تهران (مقایسة مدل‌های عمومی FAGARCH و MSM)»، تحقیقات اقتصادی، 94، 111 ـ 136.
کشاورز حداد، غلامرضا و صمدی، باقر (1388). «برآورد و پیش‌بینی تلاطم بازدهی در بازار سهام تهران و مقایسة دقت روش‌ها در تخمین ارزش در معرض خطر: کاربردی از مدل‌های خانوادة FIGARCH»، تحقیقات اقتصادی، 86، 193 ـ 235.
کشاورز حداد، غلامرضا، ابراهیمی، سیدبابک و جعفر عبدی، اکبر (1390). «بررسی سرایت تلاطم میان بازدهی سهام صنعت سیمان و صنایع مرتبط با آن در ایران»، پژوهشهای اقتصادی ایران، 16(7): 129 ـ 162.
کشاورز حداد، غلامرضا و مهدوی، امید (1384). «آیا بازار سهام در اقتصاد ایران کانالی برای گذر سیاست پولی است؟»، تحقیقات اقتصادی، 147 ـ 170.
محمدی، شاپور، راعی، رضا، تهرانی، رضا و فیض‌آباد، آرش (1388). «مدل‌سازی نوسان در بورس اوراق بهادار تهران»، تحقیقات مالی، 27، 97 ـ 110.
مشیری، سعید و مروت، حبیب (1385). «پیش‌بینی شاخص کل بازدهی سهام تهران با استفاده از مدل‌های خطی و غیرخطی»، پژوهشنامة بازرگانی، 41، 245 ـ 276.
نجارزاده، رضا و زیودار، مهدی (1385). «بررسی رابطة تجربی بین حجم معاملات و بازده سهام در بازار سهام اوراق بهادار تهران»، فصلنامةپژوهش‌های اقتصادی، 6(2): 1 ـ 21.
نظیفی نایینی، مینو، فتاحی، شهرام و صمدی، سعید (1391). «مدل‌سازی و پیش‌بینی نوسانات بازار سهام با استفاده از مدل انتقالی قارچ مارکف»، تحقیقات مدل‌سازی اقتصادی، 3(9): 1 ـ 20.
Acatrinei, M., Gorun, A. & Marcu, N. (2013). A DCC-GARCH MODEL TO ESTIMATE, Romanian Journal of Economic Forecasting, 136.
Alvarez-Ramírez, J. & Rodríguez, E. (2012). Temporal variations of serial correlations of trading volume in the US stock market, Physica A, 4128-4135.
Bollerslev, T. (1987). A conditional heteroskedastic time series model for speculative prices and rates of return, Review of Economics and Statistics, 542-547.
Bollerslev, T. & Wooldridge, J.M. (1992). Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances, Econometric Reviews, 143-172.
Brennan, M. & Cao, H. (1997). International Portfolio Investment Flows, The Journal Of Finance, 5, 1851-1880.
Campbell, J.Y., Grossman, S.J. & Wang, J. (1992). Trading volume and serial correlation in stock returns (No. w4193), National Bureau of Economic Research.
Chen, S.S. (2012). Revisiting the empirical linkages between stock returns and trading volume, Journal of Banking & Finance, 1781-1788.
Chordia, T., & Swaminathan, B. (2000). Trading volume and cross-autocorrelations in stock returns, The Journal of Finance, 55(2): 913-935.
Chuang, W.I., Liu, H.H. & Susmel, R. (2012). The bivariate GARCH approach to investigating the relation between stock returns, trading volume, and return volatility, Global Finance Journal, 23(1): 1-15.
Clark, P. (1973). A subordinated stochastic process model with finite variance for speculative prices, Econometrica, 135-155.
Copeland, T. (1976). A model of assets trading under the assumption of sequential information arrival, Journal of Finance, 1149-1168.
De Long, J., Shleifer, A., Summers , L., & Waldmann, R. (1990). Positive Feedback Investment Strategies and Destabilizing Rational Speculation, The Journal of Finance, 45(2): 379-395.
Dajcman , S. & Festic, M. (2012). Interdpendence between the Slovenan and European stock markets– A DCC-GARCH analysis, Economic Research - Ekonomska istraživanja, 25, 379-396.
Engle, F.R. & Sheppard, K. (2001). Theoretical and Empirical properties of Dynamic Conditional Correlation Multivariate GARCH, NBER Working Paper, No. 8554, (Retrieved on February 05, 2011: http://www.nber.org/papers/w8554.pdf)
Epps, T. & Epps, M. (1976). The Stochastic Dependence of Security Price Changes and Transaction Volumes: Implications for the Mixture-of-Distributions Hypothesis, Econometrica, 44, 305-321.
Gębka, B. (2012). The dynamic relation between returns, trading volume, and volatility: lessons from spillovers between Asia and the United States, Bulletin of Economic Research, 64(1): 65-90.
Gebka, B. & Wohar, M. (2013). Causality between trading volume and returns: Evidence from quantile regressions, International Review of Economics and Finance, 144-159.
Gerlach, R., Chen, C.W., Lin, D.S. & Huang, M.H. (2006). Asymmetric responses of international stock markets to trading volume, Physica A, 422-444.
Glosten, L.R., Jagannathan, R. & Runkle, D. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks, Journal of Finance, 1779-1801.
Harris, M. & Raviv, A. (1993). Differences of opinion make a horse race, The Review of Financial Studies, 6(3): 473-506.
He, H. & Wang, J. (1995). Differential Information and Dynamic Behavior of Stock Trading Volume, The Review of Financial Studies, 8(4): 919-972.
Kandel, E. & Pearson, N. (1995). Differential interpretation of public signals and trade in speculative markets, Journal of Political Economy, 103(4): 831-872.
Karpoff, J. (1987). The Relation Between Price Changes and Trading Volume: A Survey, The Journal of Financial and Quantitative Analysis, 22(1): 109-126.
Kyle, A. (1985). Continuous Auctions and Insider Trading, Econometrica, 53(6): 1315-1335.
Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach, Econometrica: Journal of the Econometric Society, 347-370.
Schneider, J. (2009). A rational expectations equilibrium with informative trading volume, The Journal of Finance, 64(6): 2783-2805.
Stasinopoulos, D.M., Rigby, B.A. & Akantziliotou, C. (2009). Gamlss: Generalized additive models for location, scale and shape, 1.11 editions.
Suominen, M. (2001). Trading Volume and Information Revelation in Stock Market, The Journal of Financial and Quantitative Analysis, 36(4): 545-565.
Ying, C.C. (1966). Stock Market Prices and Volumes of Sales, Econometrica, 34, 676-685.