بررسی و مدل‌سازی سقوط بزرگ بورس اوراق بهادار تهران در دی‌ماه ‌1392‌ با‌ استفاده ‌از مدل‌ قاعده توانی تناوب لگاریتمی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقتصاد دانشگاه فردوسی مشهد

2 استادیار گروه اقتصاد، دانشگاه فردوسی مشهد

3 استادیار دانشگاه فردوسی مشهد

چکیده

یکی از مهم‌ترین حوادث اقتصادی چند سال اخیر وقوع سقوط‌ شدید بورس اوراق بهادار تهران در دی‌ماه 1392 بوده است. با توجه به دیدگاه‌های متفاوت کارشناسان و مدیران بورس در مورد عوامل مؤثر بر بروز حادثه مذکور، انجام مطالعاتی به منظور شناسایی و تبیین دلایل این سقوط از اهمیت فراوانی برخوردار است. از این رو، مطالعه حاضر با استفاده از مدل LPPL به بررسی فرضیه شکل‌گیری حباب در بورس اوراق بهادار تهران در روزهای منتهی به سقوط پرداخته است. مدل LPPL یکی از جدیدترین روش‌هایی است که برای توصیف پویایی‌های قیمت در طول یک حباب داخلی و پیش‌بینی محتمل‌ترین زمان برای پایان یک حباب یا تغییر رژیم مورد استفاده قرار می‌گیرد. استفاده از این مدل ضمن تأیید وجود حباب در شاخص کل بورس اوراق بهادار تهران در روزهای منتهی به اواسط دی‌ماه 1392، سقوط (و یا تغییر رژیم) روی ­داده در تاریخ مذکور را با دقت بالایی پیش‌بینی می­ کند. بر اساس این نتایج، دیدگاه گروهی از کارشناسان که معتقدند حادثه رخ داده در دی‌ماه 1392 صرفاً ناشی از بعضی از عوامل بیرونی مانند طرح گران کردن خوراک پتروشیمی­ها بوده است، رد می­شود.
طبقه‌بندی JEL: C53, G01, G17

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis and Modeling of the Substantial Fall of Tehran Stock Exchange in January 2014 Using the Log-Periodic Power Law (LPPL) Model

نویسندگان [English]

  • ahmad gholi barkish 1
  • taghi ebrahimi salary 2
  • narges salehnia 3
1 Ph.D Student, Ferdowsi University of Mashhad,iran.
2 Assistant Professor of Economics in Ferdowsi University of Mashhad, Iran
3 Assistant Professor of Energy Economics , Ferdowsi University of Mashhad, Iran
چکیده [English]

The substantial fall of the Iranian stock market in January2014 has been one of the most important economic events occurred in Iran during recent years. In this study, we applied the Log-Periodic Power-Law (LPPL) model to detect the development of bubble in Tehran Stock Exchange Index before the dramatic decline of 2014. Over the last decade, the LPPL model has been used to describe the endogenous price dynamics during an endogenous bubble regime and to predict the most probable time for the end of the bubble or the regime switching. Application of this model not only confirms the presence of a bubble in the stock market of Tehran, but also dose predict crash or change of regime has accrued in the early days of January 2014 with high accuracy.
JEL Classification: C53, G01, G17

کلیدواژه‌ها [English]

  • Bubble
  • Log Periodic Power Law
  • Tehran Stock Exchange
Bastiaensen, K., Cauwels, P., Sornette, D., Woodard, R., & Zhou, W. X. (2009). The Chinese equity bubble: Ready to burst. arXiv preprint arXiv:0907.1827.
Brée, D. S., & Joseph, N. L. (2013). “Testing for Financial Crashes Using the Log Periodic Power Law Model”, International Review of Financial Analysis, 30, 287-297.
Caetano, M. A. L., & Yoneyama, T. (2009). “A New Indicator of Imminent Occurrence of Drawdown in the Stock Market”, Physica A: Statistical Mechanics and its Applications, 388(17). 3563-3571.
Cajueiro, D. O., Tabak, B. M., & Werneck, F. K. (2009).“Can We Predict Crashes? The Case of the Brazilian stock market”, Physica A: Statistical Mechanics and its Applications, 388(8), 1603-1609.
Gazola, L., Fernandes, C., Pizzinga, A., & Riera, R. (2008). “The Log-Periodic-AR (1)-GARCH (1,1) Model for Financial Crashes”. The European Physical Journal B-Condensed Matter and Complex Systems, 61(3), 355-362.
Geraskin, P., & Fantazzini, D. (2013). Everything you always wanted to know about log-periodic power laws for bubble modeling but were afraid to ask. The European Journal of Finance, 19(5), 366-391.
Gürkaynak, R. S. (2008). Econometric tests of asset price bubbles: taking stock. Journal of Economic Surveys, 22(1), 166-186.
Filimonov, V., & Sornette, D. (2013). A stable and robust calibration scheme of the log-periodic power law model. Physica A: Statistical Mechanics and its Applications, 392(17), 3698-3707.
Kindleberger, Charles P. (2008). "bubbles in history" The New Palgrave Dictionary of Economics. Second Edition. Eds. Steven N. Durlauf and Lawrence E. Blume. Palgrave Macmillan.
Kuropka, I., & Korzeniowski, P. (2013).“Forecasting the Critical Points of Stock Markets’ Indices Using Log-Periodic Power Law”. Ekonometria, (1 (39), 100-110.                      
Jacobsson, E. (2009).“How to Predict Crashes in Financial Markets with the Log-Periodic Power Law”, Master diss., Department of Mathematical Statistics, Stockholm University.
Jiang, Z. Q., Zhou, W. X., Sornette, D., Woodard, R., Bastiaensen, K., & Cauwels, P. (2010). “Bubble Diagnosis and Prediction of the 2005–2007 and 2008–2009 Chinese Stock Market Bubbles”, Journal of Economic Behavior & Organization, 74(3), 149-162.
Johansen, A. (2003). “Characterization of Large Price Variations in Financial Markets”, Physica A: Statistical Mechanics and its Applications, 324(1), 157-166.
Johansen, A., Ledoit, O., & Sornette, D. (2000). “Crashes as Critical Points”, International Journal of Theoretical and Applied Finance, 3(02), 219-255.
Johansen, A., & Sornette, D. (2000). “The Nasdaq Crash of April 2000: Yet Another Example of Log-Periodicity in a Speculative Bubble Ending in a Crash”, The European Physical Journal B-Condensed Matter and Complex Systems, 17(2), 319-328.
Johansen, A., & Sornette, D. (2001). “Bubbles and Anti-Bubbles in Latin- American, Asian and Western Stock Markets: An Empirical Study” Internation al Journal of Theoretical &Applied Finance, 4, 853 – 920
Johansen, A., & Sornette, D. (2008).“Endogenous Versus Exogenous Crashes in Financial Markets”, arXiv preprint cond-mat/0210509.
Pele,D.T.(2012).“An Lppl Algorithm For Estimating The Critical Time Of A Stock Market Bubble”,Journal of Social and Economic Statistics,1(2),14-22.
Sornette, D. (2009). Dragon-Kings, Black Swans and the Prediction of Crises, International Journal of Terraspace Science and Engineering, 2, no. 1: 1-18.
Sornette, D. (2009). Why Stock Markets Crash: Critical Events in Complex Financial Systems, Princeton University Press.
Sornette, D., & Cauwels, P. (2014). “Financial Bubbles: Mechanisms and Diagnostics”, Swiss Finance Institute Research Paper, (14-28).
Sornette, D., & Johansen, A. (2001).“Significance of Log-Periodic Precursors to Financial Crashes”, Quantitative Finance, 1, 452 –471.
Sornette, D., Woodard, R., Yan, W., & Zhou, W. X. (2013). Clarifications to questions and criticisms on the Johansen–Ledoit–Sornette financial bubble model. Physica A: Statistical Mechanics and its Applications, 392(19), 4417-4428.
Sornette, D., Woodard, R., & Zhou, W. X. (2009). “The 2006–2008 Oil Bubble: Evidence of Speculation, and Prediction”, Physica A: Statistical Mechanics and its Applications, 388(8), 1571-1576.
Zhou, W. X., & Sornette, D. (2009). “A Case Study of Speculative Financial Bubbles in the South African Stock Market 2003–2006”, Physica A: Statistical Mechanics and its Applications, 388(6), 869-880.