بررسی هم‌بستگی بین بازده‌ی بازار سهام، ارز و سکه در اقتصاد ایران؛ کاربردی از تبدیل هیلبرت - هوانگ

فلاحی, فیروز; پناهی, حسین; کریمی کندوله, مریم

doi:10.22059/jte.2017.63695

بررسی هم‌بستگی بین بازده‌ی بازار سهام، ارز و سکه در اقتصاد ایران؛ کاربردی از تبدیل هیلبرت - هوانگ

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشیار گروه اقتصاد دانشگاه تبریز

² دانشجوی کارشناسی ارشد دانشگاه تبریز

10.22059/jte.2017.63695

چکیده

سرمایهگذاران معمولاً در محیطی پرچالش که توسط عدم اطمینان ناشی از بازارهای مالی مشخص شده است فعالیت می‌کنند و آگـاهی از روابـط بـین دارایـیهای مـالی به منظـور اتخـاذ تصمیمات مناسب توسط سرمایه‌گذاران امری ضروری می‌باشد. از اینرو هدف این مطالعه، بررسی هم‌بستگی بین بازدهی در جفت دارایی‌های مالی (سکه، ارز و سهام) با استفاده از رویکرد جدید تبدیل هیلبرت - هوانگ در بازه‌ی زمانی 5/1/1380- 30/9/1394، میباشد. نتایج این مطالعه نشان می‌دهد هم‌بستگی در طول زمان ثابت نمی‌باشد. در دوره‌ی 1/5/1390-31/6/1392 بین دو سری سکه و دلار، سکه عامل پیشرو، بین سکه و سهام، سکه پیشرو و بین دلار و سهام، دلار عامل پیشرو بوده است. و در دوره‌ی 1/7/1392-30/9/1394 بین دو سری سکه و دلار، دلار پیشرو، بین سکه و سهام، سهام پیشرو و بین دلار و سهام، دلار عامل پیشرو بوده است. با توجه به اینکه روش هیلبرت - هوانگ نسبت به سایر روش‌های هم‌بستگی قابلیت نشان دادن دوره‌های رکود و رونق را داراست، پیشنهاد می‌شود در سایر روش‌های هم‌بستگی نیز این مسأله مورد توجه قرار بگیرد.
طبقهبندی JEL: G11, G01, C32

کلیدواژه‌ها

عنوان مقاله [English]

Correlation between Stock Exchange, Dollar, and Gold Coins Returns in the Iranian Economy: A Hilbert- Huang Transform Approach

نویسندگان [English]

Firouz Fallahi ¹
Hossein Panahi ¹
Maryam Karimi Kandoleh ²

¹ Associate Professor in Economics, University of Tabriz

² MA in Economics, University of Tabriz

چکیده [English]

Investors usually are challenged in an environment marked by uncertainty caused by the financial markets operation. Therefore, it is essential that information to investors in the field of financial risk and return and correlation is to take advantage of the opportunities available. The aim of this study was to investigate the correlation between the returns on financial assets pairs (gold coins, dollar, and stock) using the new approach of Hilbert - Huang transform in the period from 25/03 / 2001- 21/12/2015. The results of this study show that correlation is not constant over time. During the 25/03/2001-22/9/2013 period between two sets of coins and dollar, coin is the leading factor; between coins and stock, again the coin is the leading factor; however, between the dollar and stocks, the dollar has been the leading factor. And in the period 23/09/2013 -21/12/2015 between two sets of coins and dollar, dollar was a leader; between the coins and stocks, the leading factor was the stock; and between the dollar and stocks, the dollar has been the leading factor.
JEL Classification: G11, G01, C32

کلیدواژه‌ها [English]

Return on equity
Correlation
Gold
stock
Hilbert - Huang transform

مراجع

امیری، شادی، همایونی فر، مسعود، کریم زاده، مصطفی و فلاحی، محمدعلی (1394). بررسی هم‌بستگی پویا بین دارایی‌های عمده در ایران با استفاده از روش DCC-GARCH"،فصلنامه‌ی علمی پژوهشی پژوهش‌های اقتصادی (رشد و توسعه‌ی پایدار)، دوره‌ی 15، شماره 2، صص 183-201.

پازوکی، نیما، حمیدیان، اکرم، محمدی، شاپور و محمودی، وحید (1392). "استفاده از تبدیل موجک جهت بررسی میزان همبستگی نرخ ارزهای مختلف، قیمت نفت، قیمت طلا و شاخص بورس اوراق بهادار تهران در مقیاس‌های زمانی مختلف"، دانش سرمایه‌گذاری، دوره‌ی 2، شماره 7، صص 131- 48.

فلاحی، فیروز، حقیقت، جعفر، صنوبر، ناصر و جهانگیری، خلیل (1393). "بررسی هم‌بستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده از مدلDCC-GARCH " فصلنامه‌ی پژوهشنامه‌‌ی اقتصادی،سال چهاردهم، شماره 55، صص 123-147.

Akar, C. (2011). Dynamic Relationships between the Stock Exchange, Gold and Foreign Exchange Returns in Turkey, Middle Eastern Finance and Economics, 12, 109-115.

Akgül, I., Bildirici, M., & Özdemir, S. (2015). Evaluating the Nonlinear Linkage between Gold Prices and Stock Market Index Using Markov-Switching Bayesian VAR Models, Procedia-Social and Behavioral Sciences, 210, 408-415. ‏

Benhart G., Hocht S., Neugebauer M., Neumann M. and Zagst R. (2009). “Asset correlation in turbulent markets and their implication on asset management”,The 3rd Conference on Risk Management & Global e- Business, Incheon, Korea.

Bollerslev, T. (1990). Modelling the coherence in short-run nominal exchange rates: a multivariate generalized ARCH model. The review of economics and statistics, 498-505. ‏

Branger, N., Kraft, H., & Meinerding, C. (2009). What is the impact of stock market contagion on an investor’s portfolio choice?, Insurance: Mathematics and Economics, 45(1), 94-112. ‏

Broner, F. A., Gelos, R. G., & Reinhart, C. (2004). When in peril, retrench: Testing the portfolio channel of contagion (No. w10941). National Bureau of Economic Research. ‏

Christodoulakis, G. A., & Satchell, S. E. (2002). Correlated ARCH (CorrARCH): Modelling the time-varying conditional correlation between financial asset returns. European Journal of Operational Research, 139(2), 351-370. ‏

Ciner, C., Gurdgiev, C., & Lucey, B. M. (2013). Hedges and safe havens: An examination of stocks, bonds, gold, oil and exchange rates, International Review of Financial Analysis, 29, 202-211. ‏

Engle, R. F., & Sheppard, K. (2001). Theoretical and empirical properties of dynamic conditional correlation multivariate GARCH (No. w8554). National Bureau of Economic Research. ‏

Engle, R. F. (2002). Dynamic Conditional Correlation & a Simple Class of Multivariate GARCH Models. Journal of Business Economics & Statis" 20, 339-350.

Forbes, K. J. (2002). Are trade linkages important determinants of country vulnerability to crises?,In Preventing currency crises in emerging markets University of Chicago Press, 77-124.

Gokmenoglu, K. K., & Fazlollahi, N. (2015). The Interactions among Gold, Oil, and Stock Market: Evidence from S&P500, Procedia Economics and Finance, 25, 478-488. ‏

Huang, N. E., Shen, Z., Long, S. R., Wu, M. L., Shih, H. H., Zheng, Q., Yen, N. C., Tung and C. C., Liu, H. H. (1998). "The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis", Proceedings of Royal Society London A, 454, 903-995.

Huang, N. E., & Shen, S. S. P. (2005). "Hilbert- Huang transform and its applications", Interdisciplinary Mathematical Science, Vol. 5, World Scientific Publication Company.

Khalifa, A. A., Hammoudeh, S., & Otranto, E. (2014). Patterns of volatility transmissions within regime switching across GCC and global markets, International Review of Economics & Finance, 29, 512-524. ‏

Longin, F., & Solnik, B. (2001). Extreme correlation of international equity markets. The journal of finance, 56(2), 649-676. ‏

Masson, P. R. (1998). “Contagion: monsoonal effects, spillovers, and jumps between multiple equilibria”, IMF Working Paper #98/142. ‏

Öztek, M. F., & Öcal, N. (2017). Financial Crises and the Nature of Correlation between Commodity and Stock Markets. International Review of Economics & Finance. ‏

Tse, Y. K. (2000). A test for constant correlations in a multivariate GARCH model. Journal of econometrics, 98(1), 107-127. ‏

Tse, Y. K., & Tsui, A. K. C. (2002). A multivariate generalized autoregressive conditional heteroscedasticity model with time-varying correlations. Journal of Business & Economic Statistics, 20(3), 351-362.

Valdes, Rodrigo. (1997). “Emerging Markets Contagion: Evidence and Theory. ” Central Bank of Chile Working Paper # 7.

Wang, M. L., Wang, C. P., & Huang, T. Y. (2010). Relationships among oil price, gold price, exchange rate and international stock markets. International Research Journal of Finance and Economics, 47, 80-89. ‏

Wu, M. C. (2007). Phase correlation of foreign exchange time series. Physica A: Statistical Mechanics and its Applications, 375(2), 633-642. ‏

Wu, M. C., Huang, M. C., Yu, H. C., & Chiang, T. C. (2006). Phase distribution and phase correlation of financial time series. Physical Review E, 73(1), 0161.