آزمون تجربی ثبات، قابلیت پیش بینی و نوسانات در بازار سرمایه کشورهای حوزه خلیج فارس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار اقتصاد دانشگاه شهید بهشتی

2 دانشجوی کارشناسی ارشد دانشگاه تهران

چکیده

      این مقاله به بررسی رابطه پویای بازارهای مالی، پایداری، قابلیت پیش بینی و میزان ماندگاری نوسانات شوک ها در بازارهای سهام کشورهای ایران، عربستان، امارات، قطر، بحرین و عمان پرداخته است. در این تحقیق با به کارگیری داده های ماهیانه برای دوره زمانی 20 ساله 1990 تا 2010 از مدل های خودهمبسته واریانس ناهمسانی شرطی تعمیم یافته (GARCH) و مدل های سری زمانی خودهمبسته میانگین متحرک (ARMA) استفاده شده است. نتایج نشان می دهد بازار سهام ایران قابلیت پیش بینی چندانی ندارد. اکثر بازارها نوسانات خوشه ای است و تقریبا در هیچ یک از بازارها به جز عمان نوسانات انفجاری وجود ندارد. همچنین در کشورهای بحرین و عمان در سطح 5% و در ایران در سطح 1% میزان بازدهی داری  پایداری نمی باشد. با وجودی که بازارهای این کشورها ظرفیت های بالایی برای کسب بازدهی سرمایه گذاری هستند اما نتایج این مقاله نشان دهنده پائین بودن میزان ارتباط این بازارها بوده است. همچنین نتایج نشان می دهد هیچ بازار انفرادی توانایی رهبری این مجموعه بازارها را ندارد.

کلیدواژه‌ها

عنوان مقاله [English]

An Empirical Examination of Stability, Predictability and Volatility for Capital Markets in Persian Gulf Rim

نویسندگان [English]

  • yadollah Dadgar 1
  • Behzad Vamaziari 2
چکیده [English]

This paper examines the dynamic relationship of stock markets, stability, predictability, volatility, and persistence of shocks volatility of stock markets in Iran, Saudi Arabia, United Arabic Emirates, Qatar, Bahrain and Oman. In this paper, Generalized Autoregressive Conditional Heteroskedasticity model (GARCH) and Autoregressive Moving Average model (ARMA) are implemented by using monthly data during 1990-2010. The results indicate that stock market doesn’t have notable predictability in Iran and there is Cluster volatility for return of stock in most markets and almost, in none of these markets except Oman, explosive volatilities are observed. It is also indicated that the return for markets of Bahrain and Oman doesn’t have stability in significant level of 5 percent and for Iran it doesn’t have stability and durability in significant level of 1 percent. In addition, although the markets of these countries have high capacities for return of investment, but, in particular, the findings show a low correlation between these markets. Also, the results for the period in question explain that none of these markets has the ability of leadership among others.

کلیدواژه‌ها [English]

  • Risk Premium
  • Stability
  • Predictability
  • volatility
  • Emerging Stock Markets

اصل مقاله

  1. مقدمه

       سرمایه گذاران علاقه مند هستند که بخشی از دارایی خود را در بازارهای نو ظهور سرمایه گذاری کنند. زیرااین بازارها دارای رشد سریع تری نسبت به بازارهای کشورهای پیشرفته می باشند. پس سرمایه گذاران توجه خاصی به بازارهای نوظهوری از قبیل بازارهای خاورمیانه و آفریقا دارند. حوادث سپتامبر 2001 منجر به تغییراتی در ارتباط اقتصادی- سیاسی سایر مناطق با خاورمیانه شد. پس از مدتی وقفه بازارهای مالی خاورمیانه به منطقه مالی جهانی برگشتند. در عین حال کشورهای بحرین، عمان و عربستان به لیست موجود  بازارهای نوظهور در منطقه خاورمیانه اضافه گشتند. اگر چه بازارهای سرمایه بین المللی همگرایی کامل بخشی ندارند ولی می ­­توان اعلام کرد که یک وابستگی بین بخشی رو به افزایش در بین بازارها و مناطق دنیا وجود دارد. بازارهای نوظهور در دهه های اخیر شروع به تخصیص زمینه های سودآوری با نرخ های فزاینده کردند. با وجودی که عوامل مختلفی برای توضیح توسعه بازارهای نوظهور وجود دارد، اما اصلاحات اقتصادی دو دهه اخیر در این بازارها با افزایش سرعت در انتقال سرمایه از کشورهای صنعتی به این بازارها همسو بوده است. بیشتر تمرکز ما در این مطالعه بر روی بررسی ثبات و قابلیت پیش بینی نوسانات بازارها و پاداش ریسک می باشد. بیشتر بررسی های قبلی متمرکز بر بازارهای کشورهای توسعه یافته بوده است. هدف تمرکز بر روی بازارهای حوزه خلیج فارس با تاکید بر ایران می باشد. در ادامه بخشهای اصلی شامل مروری بر مطالعات، متدلوژی، تحلیل نتایج و نکات قابل ملاحظه تدوین می گردد.

  1. زمینه ها و مروری بر مطالعات

پیش بینی نوسانات بازارهای سهام و میزان پایداری این بازارها یکی از مهمترین موضوعات مورد مطالعه در بازارهای مالی دنیا است. نوسانات به عنوان یک عامل مؤثر در تعیین ریسک سرمایه گذاری، می تواند نقش مهمی در تصمیم گیری سرمایه گذاران ایفا کند و در بازارهای مالی مختلف در تعیین بازدهی سهام شرکت ها بسیار تعیین کننده می باشد. یک مطلب مهم این است که ماهیت نوسانات در بازارهای مختلف متفاوت هستند. همچنین با وجود آنکه استفاده از روش های آماری و اقتصاد سنجی در بررسی نوسانات در بیش تر بازارهای مالی کشورهای پیشرفته بسیار مورد توجه قرار گرفته است، ولی هیچ روش جهان شمول برای بررسی نوسانات بازده سبد سهام با قابلیت اطمینان بالا مطرح نبوده است. به این صورت که اگر در یک بازار ، روشی کارائی بالاتری از خود نشان می دهد، در بازاری دیگر از کارائی بالائی برخوردار نیست. عناصری از قبیل ماهیت متفاوت بازارها و درجة توسعه یافتگی بازارهای مالی ، زمینه ساز انجام مطالعات گستردای برای برسی نوسانات بازارهای مالی شده است. مطالعات صورت گرفته در عین حال به نتایج یکسانی منجر نشده و محققان روش های مختلفی بکار برده اند. بدلیل نوسانات شدیدی که در چند دهه اخیر (بویژه طی بحران2010-2007)، در بازارهای سهام رخ داده است، موضوع توجه ویژه ای را به خود جلب کرده است. سوال اصلی این تحقیق بررسی رابطه پویای بازارهای مالی، پایداری، قابلیت پیش بینی و میزان ماندگاری نوسانات شوک ها در بازارهای سهام کشورهای ایران، عربستان، امارات، قطر، بحرین و عمان است  که شامل دو بخش می باشد: اول تمرکز بر روی یک نمونه از کشورهای حوزه خلیج فارس (با داده های ماهیانه 1990 تا 2010) است. دوم مربوط به پایداری، پیش بینی پذیری و نوسانات بازار سهام این کشورها می باشد . تمرکز بر روی آزمون الف) ضریب پایداری برای مدل های خود همبسته میانگین متحرک برای بازدهی ماهیانه. ب)  آزمودن اینکه آیا بازار سهام قابل پیش بینی است. ج) اثرات نوسانی بازدهی پیش بینی شده در مدل واریانس ناهمسانی خود همبسته شرطی تعمیم یافته، مدنظر می باشد.روش شناسی مدل های واریانس ناهسانی خودهمبسته شرطی تعمیم یافته (GARCH) به دلیل استفاده از مدل سازی برای نوسانات بازار سهام می باشد. به منظور مدل سازی نوسانات بازدهی بازار سهام در این کشورها از این روش استفاده شده است.

مروری بر مطالعات پیشین: بسیاری از مطالعات صورت گرفته نشان دهنده ارتباط کم و بازدهی کم بازارهای نوظهور در کشورهای در حال توسعه می باشد. در این بازارها از یک طرف بازدهی انتظاری بالا و از طرف دیگر نوسانات بالا می باشند، اما بازارهای منفرد نوسانات کمتری دارند. به همین دلیل تنوع سازی سبد دارائی در بین کشورها سبب کاهش ریسک می شود. مریک و همکاران [1](2007) هم حرکتی بازارهای سهام مصر، اسرائیل، اردن، ترکیه، انگلیس و آمریکا را برای دوره 2006-1996 بررسی کردند. نتایج نشان می دهد همبستگی ضعیفی بین بازارهای سهام مصر، اسرائیل، اردن و ترکیه وجود دارد.  شاچمورو[2] (2005) به بررسی رابطه پویا بین بازدهی روزانه بازارهای سهام خاورمیانه(مصر، اسرائیل، اردن، لبنان، مراکش، عمان و ترکیه) و آمریکا پرداخت. او نشان داد که رابطه پویا بین این بازارها ضعیف است.گیراد و فرییرا[3]( 2004) هم انباشتگی و اثرات برون ریز را برای گروهی از کشورهای خاورمیانه و آفریقای شمالی  (MENA)مورد بررسی قرار دادند و متوجه شدند که حرکات بلند مدت مشترک بین آن ها وجود ندارد، اگر چه حساسیت شوک های درون منطقه ای از طریق طول دوره مطالعه افزایش می یابد.حکیم[4](2002)روی بورس قاهره تمرکز کرد و شواهدی از رابطه علیت کوتاه مدت بین بازار سهام مصر و بازارهای مالی عمده جهان به دست آورد اما هم انباشتگی نداشتند. هاکو و همکاران[5] (2001) در مورد ثبات نوسانات و پاداش ریسک و تداوم نوسانات بازار سهام و سرمایه در هفت کشور آمریکای  لاتین نشان داند که عملکرد قابل ملاحظه ای با استفاده از اندازه گیری نسبت ریسک به بازدهی قابل پیش بینی می باشد. دارات و همکاران[6](2000) روابط بازار سهام بین مصر، مراکش و اردن را بررسی کردند. آن ها نشان دادند که گر چه این بازارها از لحاظ جغرافیایی دور هستند اما تمایل به همگرایی منطقه ای دارندو بازار مصر دیگر بازارهای منطقه را هدایت می کند.

        رول[7](1992) با بررسی رفتار شاخص قیمت بازار سهام در بین 24 کشور نتیجه گرفت که کاهش ریسک در تنوع سازی سبد دارایی بین المللی ممکن می باشد. فرنچ و همکاران[8] (1987) و کمپبل و همو[9] (1992) با استفاده از کار انگل[10] (1987) و سنتانا و وادهاوانی[11] (1992) به این نتیجه رسیدند که در مورد توجیه کنندگی تغییرات و نوسانات در مورد شاخص های بازار سهام دارای یک اجماع مثبت هستند. پوتربا و سامرز[12] (1986) تاثیرات معنی دار نوسانات قیمت سهام در صورت وقوع یک شوک بر قیمت سهام را نشان دادند. آک گیری[13] (1989) به پیش بینی نوسانات بازار سهام و مقایسه دقت پیش بینی این دو مدل پرداخت. کشاورز حداد و صمدی[14] به پیش بینی تلاطم بازدهی در بازار سهام تهران پرداخته و نشان دادند که برای انجام پیش بینی ، مدل       ARFIMA-FIGARCH نتایج بهتری را ارائه می دهد. آن ها همچنین نشان دادند که در شرایط عادی نتایج حاکی از تاثیر تکانه های نفتی بر قیمت سهام و انتقال این تکانه ها به بازار ارز است. در شرایط بحرانی نیز کانال های ارتباطی میان بازارها به کلی از بین میرود. مرادی وهمکاران[15] با بررسی اثر چرخه های بازار سهام بر واکنش سرمایه گذاران نسبت به تغییرات غیرمنتظره اقلام تعهدی  در ایران نشان دادند که مدیریت سود شرکت ها نمی تواند عامل بازدارنده ای در نحوه سرمایه گذاری افراد باشد و هم چنین شرایط بازار و وجود سرمایه گذار ان حرفه ای و غیرحرفه ای تاثیر به سزایی در این امر ندارد. ابونوری و موتمنی[16] به بررسی هم زمان اثر اهرمی و بازخورد نوسانات در بازار سهام تهران پرداختند و نشان دادند که نوسانات پیش بینی نشده اثر منفی داشته است.محرابیان[17](  1383 )، به بررسی حساسیت بازار سهام نسبت به نوسانات مالی و پولی پرداخت و نشان داد که در کوتاه مدت، متغیر پولی بیشترین اثر را بر شاخص قیمت سهام داشته اما در بلند مدت ابتدا تولید ناخالص داخلی و سپس، تورم بیشترین سهم را دارا می باشد.خالو زاده و خاکی صدیق[18] ( 1382 ) در بررسی روشهای پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران نتیجه گرفتند که قابلیت پیش‏بینی قیمت سهام توسعه صنایع بهشهر کمترین و برای کلیه سهام شرکتهای موجود در بورس تهران بیشترین مقدار را دارا است. همچنین نتایج خاکی صدیق وهمکاران([19]1377)   نشان دهنده این بود که فرآیند مربوط به سری زمانی قیمت شهد ایران رفتار آشوبگونه ضعیف دارد.

 

 

  1. متدولوژی ، داده هاوآزمون مدل

3-1. معرفی داده ها و آزمون ریشه واحد

    در این مطالعه از داده های ماهیانه شاخص بازار سهام IFC[20] برای دوره 1990 تا 2010 برای شش کشور بحرین، عربستان، ایران قطر، امارات و عمان استفاده شده است. البته  مشاهدات دوره مورد بررسی برای تمامی کشورهای ذکر شده یکسان نمی باشد. شاخص ها بر اساس ارزش وزنی سبد دارئی شامل سهام مبادله شده در این کشورها می باشد. حجم بازارها به وسیله میزان سرمایه موحود در بازار و نقد شوندگی سهام بررسی می شود. سهامی در این لیست وجود دارد که دارای بزرگترین مبادلات در بازارهای کشورهای در حال ظهور هستند (این شاخص ها توسط IFC محاسبه و مقادیر به صورت ارزش محلی و دلار آمریکا مورد محاسبه قرار گرفته است. برای سیستم های نرخ ارز چندگانه IFC از نزدیکترین نرخ ارز معادل با نرخ بازار آزاد استفاده شده و برای اطمینان از سازگاری مدل، تنها به افزودن یا حذف کردن سهام در محدوده زیر 50% و یا بالاتر از 70% از کل سرمایه بازار اقدام شده است). نتایج بررسی متغیرهای مدل با استفاده از آماره دیکی فولر در جدول(1) آمده است:

جدول 1: نتایج آزمون دیکی فولر تعمیم یافته ( بررسی پایایی متغیرها)

متغیرها

سطح

تفاضل مرتبه اول

با عرض ار مبدا

با عرض از مبدا و روند

نتیجه کلی

با عرض ار مبدا

با عرض از مبدا و روند

نتیجه کلی

بازدهی سهام ایران

46/1-

98/0-

نامانا

72/3-

88/4-

مانا

عربستان

85/1-

53/1-

نامانا

64/4-

75/4-

مانا

بحرین

38/1-

61/1-

نامانا

87/3-

04/5-

مانا

عمان

16/2-

85/0-

نامانا

79/3-

61/4-

مانا

قطر

56/2-

82/1-

نامانا

33/4-

40/5-

مانا

امارات

01/2-

41/2-

نامانا

58/4-

42/4-

مانا

مقدار بحرانی مک کینون در سطح معنی داری 5%

9/2-

5/3-

-

9/2-

5/3-

-

منبع: نتایج به دست آمده از تحقیق

  بر اساس نتایج جدول  می توان بیان کرد که متغیرهای لگاریتم بازدهی سهام، برای بازارهای ایران، عربستان، بحرین، عمان، قطر و امارات نامانا بوده و با یک بار تفاضل گیری مانا می شوند.

پایه نظری مدل:تحلیل مدل‌های سری‌زمانی عموماً بر پایه‌ی فرض همسانی واریانس‌ها بنا شده‌اند که این مورد در بسیاری از داده‌های سری‌زمانی خصوصاً داده‌های اقتصادی ممکن است برقرار نباشد. برای رفع ناهمسانی روش معقول آن است که از مدل‌هایی استفاده شوند که شروط ناهمسانی را در برازش مدل‌های فوق در نظر بگیرند. یک خانواده معروف از این مدل‌ها ، خانواده‌ی مدلهای اتورگرسیو شرطی ناهمسان واریانس (ARCH) است.اکثر مطالعات تجربی با استفاده از مدل های سری زمانی به ارزیابی روابط بازار سهام در یک چارچوب پویا پرداخته اند.در این مقاله، ما با استفاده از یک مدل هم انباشتگی ساده دو متغیره با GARCH errors ساده(یا  BGARCH) که به اندازه کافی انعطاف پذیر است، پویایی پارامترها(واریانس و کوواریانس شرطی) را نشان می دهیم. علاوه بر این، مدل هم انباشتگی دو متغیره با یک مدل تصحیح خطای دو متغیره درمعادله میانگین (انگل و گرنجر[21]، 1987) و ساختار یک مدل GARCH errors در معادله واریانس از اطلاعات تاریخی چند بازار استفاده می کنند. مدلGARCH   هم انباشته دو متغیره، به شرح زیر است:

               (1)                                                                                                             (2)                                 (3)                                                                                           (4)                                         (5)                                                                                                                           

که در آن  ، اطلاعات در دوره t-1،   ماتریس واریانس شرطی،  بردار خطا و  جمله خطای به دست آمده از معادله  می باشد. ضرایب  جزء ثابت هستند. تخمین مدل با استفاده از روش حداکثر راستنمایی  شبه شرطی انجام شده است.تابع راست نمایی لگاریتمی شرطی برای مشاهدات تکی را می توان به صورت زیر نوشت:

   (6)                            

که در آن  نشان دهنده برداری از پارامترها، n اندازه نمونه و t شاخص زمان می باشد.انتخاب بهترین ویژگی های مدل GARCH دو متغیره به رفتار داده های بازدهی بستگی دارد. به عنوان مثال، همبستگی- GARCH ثابت[22] یا همبستگی شرطی پویا[23] برای ماتریس کوواریانس های نرخ های ارز خارجی بهترین راه حل هستند.

  به طوری که A و B و C ماتریس هایی  می باشند. و A نیز یک ماتریس مثلثی می باشد. در یک مدل کلی تک متغیره GARCH به صورت زیر می باشد:

(7)                           

 3-2. ثبات و قابلیت پیش بینی

مدل های خود همبسته میانگین متحرک  مطرح شده توسط باکس و جنکینز[24]     می توانند به آزمون پایداری هر یک از بازارهای نوظهور بپردازند. بدین منظور می توان از مدل زیر استفاده کرد.

(8)         

که  بازدهی مربوط به شاخص هر بازار از t=1 تا T می باشد و  ضرایب مربوط به وقفه های بازدهی می باشد به طوری که i=1 تا p می باشد و  قسمت خطای جز مدل خودهمبسته است و  نیز ضریب وقفه های جزء خطا می باشد به طوری که j=1 تا q می باشد.یکی از ویژگی های مدل فوق این است که قابلیت شناسایی و برآورده شدن را دارد پس ساختاری مناسب برای بررسی ثبات و پایداری بازار سهام می باشد. نمونه ای که شامل T مشاهده در دو قسمت می باشد که m مشاهده در قسمت اول و n مشاهده در قسمت دوم معادله می باشد. آزمون F به منظور آزمون فرضیه صفر مبنی بر عدم تغییرات ساختاری استفاده می شود. اگر این آزمون نتواند فرض صفر را رد کند و  یک مقدار کسری مثبت باشد در این صورت بازدهی برای هر بازار تلقی از یک بازار با ثبات در طول زمان محسوب می شود. برای این منظور نمونه ای جمع آوری شده برای این کشورها که بیشترین مقدار آن 720 ماه و کمترین مقدار آن 208 ماه می باشد را برای ازمون F استفاده خواهیم کرد.

برای پیشبینی بازدهی سهام آماره Q لیانگ- باکس وآزمون قابلیت پیشبینی لو- مک کینلی[25] مورد استفاده قرار می گیرد. در این مقاله از آزمون نسبت واریانس استفاده شده است که با یک میانگین ثابت و واریانس محدود بدین صورت می باشد:

                         (9)                                                  در حالت کلی واریانس ناهمسانی آماره آزمون بدین شکل می باشد

                     (10)                                               

به طوری که بخش خطای استاندارد بدین صورت بوده

                            (11)                                                                                                                                                                             (12)                                                                                                          

نوسانی بودن، پاداش ریسک و پایداری نوسان:آزمون نوسانی بودن، پاداش ریسک و پایداری نوسان به وسیله GARCH(p,q)-M  صورت می گیرد(انگل1982، بارسلو[26]1986، انگل و همکاران[27]1987) دراین رویکرد واریانس شرطی در دوره t،     برابر است با:

(13)                                                                     

به طوری که مدل ARCH برای جزء اخلال برابر است با:

                       (14)                                

فرایند کلی بازدهی را می توان به صورت زیر نوشت:

                              (15)             

در معادلات فوق مجموع ضرایب  و  برابر با یک می باشد پس شوک وارده شده به شرط نوسانات آینده بازار می باشد. این مجموع ضرایب همچنان نشان دهنده تغییرات در تابع عکس العمل ناشی از شوک ها به نوسانات هر دوره می باشد. جزء  نشان دهنده راهی برای مطالعه رابطه بین ریسک و بازدهی انتظاری می باشد. که میزان معنی داری تاثیر نوسانات بر شوک بازدهی به وسیله ضریب  یعنی  اندازه گیری می شود. یک مقدار مثبت و معنی داری از این عبارت بیانگر این است که سرمایه گذار از طریق یک مقدار بازدهی بالا در مقابل ریسک بالا جبران می شود  و مقدار منفی و معنی دار آن نشان دهنده این است که سرمایه گذار به وسیله رسیک بالا بازدهی از دست می دهد.

  1. نتایج آزمون تجربی و جمع بندی

 شاخص های بازار سهام (بر حسب دلار) در جدول (2) نشان می دهد که میانگین در دو کشور عمان و بحرین منفی بوده و برای مابقی کشورها مثبت می باشد. در ایران میانگین مثبت وبرابر 00189/0 می باشد. در مورد نسبت ریسک به بازدهی ، عربستان دارای بالاترین نسبت شارپ می باشد که برای ایران این نسبت عدد 0226/0می باشد. آماره مربوط به چولگی نشان میدهد که برای تمامی کشورها توزیع بازدهی بازار سهام به توزیع نرمال نزدیک نمی باشد.

 

           جدول 2: بازدهی ماهیانه کشورهای حوزه خلیج فارس

شاخص کشور

تعداد مشاهدات

میانگین

p-value

انحراف معیار

نسبت شارپ

چولگی

کشیدگی

p-value

ایران

عربستان

بحرین

عمان

قطر

امارات

445

350

297

208

440

720

00189/0

00168/0

00124/0-

00062/0-

00091/0

00248/0

3/0

1/0

8/0

2/0

3/0

5/0

0261/0

0208/0

0128/0

0284/0

0216/0

0321/0

0226/0

0586/0

7123/0-

0283/0

0392/0

0401/0

832/0-

175/0

693/0-

858/1

843/0

465/0

142/3

645/2

321/3

734/7

312/10

485/3

000/0

000/0

000/0

000/0

000/0

000/0

منبع: نتایج به دست آمده از تحقیق

همبستگی بین بازدهی کشورها در جدول (3) نشان می دهد که ارتباط بین کشورها نسبتا پایین است به طوری که همبستگی بین بازار سهام عربستان و امارت 27/0 بوده و کمترین میزان همبستگی نیز بین کشورهای ایران و عمان می باشد که مقدار 05/0- می باشد. همبستگی پائین سبب ایجاد فرصت هایی برای سرمایه گذاری با تنوع بازاری می باشد زیرا با داشتن همبستگی منفی هرگاه در یک بازار بازدهی کاهش یابد در بازار دیگر بازدهی افزایش خواهد یافت و یک فرد ریسک گریز از طریق سرمایه گذاری در بازارهایی که دارای همبستگی منفی هستند می تواند میزان ریسک خود را کاهش دهد. با توجه به نتایج، یک فرد ریسک گریز از طریق سرمایه گذاری در بازارهای سهام ایران و عمان می تواند میزان ریسک خود را کاهش دهد.

جدول 3: ارتباط میان بازدهی بازارهای کشورهای حوزه خلیج فارس

کشورها

تعدادمشاهدات

ایران

عربستان

بحرین

عمان

قطر

امارات

ایران

عربستان

بحرین

عمان

قطر

امارات

445

350

297

208

440

720

1

23/0

1

21/0

25/0

1

05/0-

08/0

11/0

1

19/0

28/0

11/0

04/0-

1

18/0

27/0

08/0

16/0

22/0

1

منبع: نتایج به دست آمده از تحقق

نتایج مربوط به آزمون ثبات در جدول (4) نشان می دهد که بازدهی در کشورهای بحرین و عمان در سطح 5%  دارای ثبات نمی باشد و برای کشورهای ایران و امارات و قطر نیز در سطح 1% میزان بازدهی داری ثبات و پایداری نمی باشد. براساس یافته های ما بازار سهام ایران دارای ثبات نمی¬باشد که این امر می تواند به دلیل عدم شفاف سازی اطلاعات، عدم دسترسی به موقع به اطلاعات، حرفه ای نبودن معامله گران و عدم پاسخگویی و مسئولیت پذیری مسئولین ذی ربط باشد. بنابراین در بازار سهام ایران، کسب سودها وزیان های غیرمتعارف دور از ذهن نیست. کشورهای در حال ظهور به طور طبیعی دارای سرعت تغییر بالایی در طول زمان هستند. نوسانات بورس در ایران بویژه در محدوده زمانی 2005 تا 2012، بسیار نوسانی و غیرمتعارف بوده است. اصولا مدیریت اقتصادی دوره 2012- 2005 در ایران را می توان بی انظباط ترین دوره مدیریت اقتصادی این کشور دانست. دست کاری در شاخص ها و فراهم ساختن زمینه های حبابی از نمونه  عملکردهای مدیریت مربوطه است.

جدول 5: تصریح مدل ARMA و آزمون ثبات برای بازدهی ماهیانه

کشور

تعداد مشاهدات

وقفهARMA

ضریب

p-value

آزمون F  (S)[28]

p-value  (S)

ایران

445

AR(9)

AR(10)

MA(9)

426/0-

155/0

123/0

000/0

000/0

013/0

167/8

 

007/0

 

عربستان

350

AR(1)

153/0

015/0

689/0

423/0

بحرین

297

AR(1)

AR(3)

262/0

247/0-

000/0

000/0

559/3

025/0

عمان

208

AR(1)

AR(2)

271/0

987/1-

000/0

001/0

215/4

0123/0

قطر

440

AR(13)

MA(13)

651/0

633/0-

000/0

000/0

472/0

007/0

امارات

720

AR(1)

AR(2)

MA(1)

356/0

675/0-

414/0-

001/0

000/0

000/0

517/9

000/0

منبع: نتایج به دست آمده از تحقیق

نتایج آزمون قابلیت پیش بینی بر پایه خودهمبستگی و آماره لیانگ – باکس ( جدول 5) نشان می دهد که تنها بازدهی سهام کشور بحرین قابلیت پیش بینی دارند و سایر کشورهای مورد مطالعه از جمله ایران قابلیت پیش بینی بالایی ندارند.

جدول 5: خودهمبستگی و آماره Q لیانگ – باکس

کشور

مشاهدات

DW

خودهمبستگی

آماره Q لیانگ – باکس

سطح

تفاضل اول

تفاضل دوم

وقفه

Q-stat

p-value

ایران

 

 

عربستان

 

 

بحرین

 

 

عمان

 

 

قطر

 

 

امارات

445

 

 

350

 

 

297

 

 

208

 

 

440

 

 

720

83/1

 

 

04/2

 

 

10/2

 

 

84/1

 

 

92/1

 

 

15/2

326/0-

 

 

118/0

 

 

075/0

 

 

031/0-

 

 

002/0-

 

 

006/0-

72/0

 

 

115/0

 

 

014/0

 

 

076/0

 

 

007/0

 

 

021/0

016/0

 

 

173/0

 

 

100/0-

 

 

021/0-

 

 

037/0

 

 

042/0

15

30

45

15

30

45

15

30

45

15

30

45

15

30

45

15

30

45

56/10

51/25

02/41

86/21

45/30

18/53

36/25

08/39

35/51

87/20

54/24

24/26

54/8

63/14

24/29

47/13

67/42

53/58

621/0

545/0

472/0

106/0

431/0

186/0

031/0

099/0

207/0

103/0

675/0

983/0

988/0

993/0

957/0

334/0

212/0

131/0

منبع: نتایج به دست آمده از تحقیق

جدول (6) نشان دهنده نتایج آزمون نسبت واریانس آماره لو – مک کیندلی با استفاده از آماره Z می باشد که بر اساس واریانس ناهمسانی برای دوره زمانی 2، 4، 8 و 16 هفته تعدیل شده است. نتایج نشان میدهد که عربستان و بحرین و عمان برای 2 و 4 هفته ،امارات در سطح 1% برای همه دوره ، قطر دوره زمانی 2 و4 هفته قابلیت پیش بینی وجود دارد اما بازار سهام ایران قابلیت پیش بینی ندارد.

جدول 6: آزمون نسبت واریانس بازدهی بازار سهام

کشور

مشاهدات

 

تعداد هفته های مورد بررسی بازدهی بازار سهام(q)

2

4

8

16

ایران

 

 

عربستان

 

 

بحرین

 

 

عمان

 

 

قطر

 

 

امارات

445

 

 

350

 

 

297

 

 

208

 

 

440

 

 

720

VR(q)

Z(q)

p-value

 

VR(q)

Z(q)

p-value

 

VR(q)

Z(q)

p-value

 

VR(q)

Z(q)

p-value

 

VR(q)

Z(q)

p-value

 

VR(q)

Z(q)

p-value

971/0

034/0

594/0

164/1

473/2

015/0

223/1

018/3

003/0

182/1

431/2

018/0

972/0

936/0-

052/0

196/1

524/3

000/0

041/1

281/0

285/0

334/1

837/1

035/0

363/1

791/1

051/0

355/1

741/1

086/0

983/0

206/0-

012/0

616/1

652/3

000/0

065/1

164/0

173/0

421/1

004/1

352/0

984/0-

061/0-

582/0

305/1

725/0

528/0

966/0

142/0-

102/0

974/1

755/2

005/0

088/1

148/0

153/0

431/1

642/0

256/0

095/1

123/0

925/0

301/1

401/0

451/0

872/0

318/0-

246/0

615/2

913/2

003/0

منبع: نتایج به دست آمده از تحقیق

نوسانات و پاداش ریسک و ماندگاری شوک ها در جدول (7) به دست آمده است. براساس آن کشور عمان نشان دهنده نوسانات خوشه ای در بازار سهام نوده وبقیه نوسانات خوشه ای معنی داری در بازار سهام خود دارند. پارامتر مدل ( جدول 8) نشان میدهد که شوک های بازار انفجاری نمی­باشند.

     جدول 7: بازدهی سهام کشورهای حوزه خلیج فارس برای دوره 1990 – 2010

کشور

مشاهده

            

LF

کشیدگی

چولگی

Q(30)

ایران

 

عربستان

 

بحرین[29]

 

قطر

 

امارات

445

 

350

 

297

 

440

 

720

0004/0

83/0

001/0

375/0

001/0-

283/0

000/0

347/0

002/0-

143/0

035/0

83/0

087/0

16/0

104/0-

165/0

041/0

601/0

004/0-

165/0

000/0

128/0

000/0

002/0

000/0

071/0

000/0

330/0

000/0

000/0

17/0

62/0

35/0

00/0

17/0

03/0

12/0

05/0

15/0

31/0

43/0

00/0

40/0

00/0

65/0

00/0

47/0

00/0

53/0

00/0

6/0

04/0

75/0

02/0

82/0

09/0

59/0

00/0

68/0

03/0

730

 

821

 

762

 

1352

 

985

75/1

000/0

502/1

000/0

512/3

000/0

57/10

000/0

825/3

000/0

9/0-

000/0

19/0

231/0

21/0-

275/0

61/0

000/0

10/0

461/0

18/22

521/0

08/17

913/0

21/80

000/0

41/20

738/0

4/152

000/0

منبع: نتایج به دست آمده از تحقیق

ماندگاری و پایداری نوسانات شوک ها به وسیله  اندازه گیری شده است. بر طبق رویکرد انگل و بارسلو[30] مقدار بزرگتر از یک  دلالت بر این دارد که تابع عکس العمل نوسانات با افزایش زمان بالاتر می رود و برای مقادیر کمتر از یک دلالت بر این دارد که شوک ها در طول زمان از بین خواهند رفت و برای مقادیری که این عبارت نزدیک یک  می باشد این از بین رفتن شوک ها به کندی صورت می گیرد. بیشترین مقدار این عبارت مربوط به کشور بحرین(82/0) می باشد.در بازارهای مالی هنگامی که ریشه معادله بین نیم و یک باشد متغیر دارای حافظه بلندمدت بوده یعنی در عین حال که متغیر مانا می باشد مدت زمان زیادی طول می کشد تا شوک از بین برود. نتایج نشان می دهد در تمامی بازارهای مالی از جمله ایران ریشه معادلات بزرگتر از نیم بوده پس این بازارها دارای حافظه بلندمدت هستند و شوک های وارده را مطابق با شواهد تجربی رخ داده در طی چند دهه گذشته, در خود نگه می دارند.بازار سهام ایران علیرغم برخورداری از ویژگی عدم قابلیت پیش بینی دارای حافظه بلندمدت بوده که این بر خلاف فرضیه بازارهای کارا می باشد که بیانگر نداشتن حافظه بلندمدت می باشد.سرانجام جدول (8) عملکرد پیش بینی مدل ما را بر اساس داده های گذشته برای پیش بینی دو هفته آتی را برای بیشتر کشورها به جز بحرین و عمان پیش بینی میکند. به وسیله نشان دادن نسبت MSE گام تصادفی بودن مدل ARMA برای مقادیری که در آنها میانگین مجذور خطا نسبی[31] بیشتر از یک باشد تائید می گردد.

جدول 8:  مقایسه میانگین مجذور خطای پیش بینی یک دوره به جلو (گام تصادفی مدل)

کشورها

تعداد مشاهدات

میانگین مجذور خطا

مدل ARMA

مدل نایو

میانگین مجذور خطا نسبی

ایران

عربستان

بحرین

عمان

قطر

امارات

104

104

42

42

104

104

00134/0

00037/0

00008/0

00057/0

00041/0

00142/0

00152/0

00032/0

00009/0

00058/0

00039/0

00140/0

88/0

15/1

88/0

98/0

05/1

01/1

منبع: نتایج به دست آمده از تحقیق

  1. جمع بندی و پیشنهادهای سیاستی

در این مقاله سعی شد که آزمون تجربی بر روی ثبات و قابلیت پیش بینی و نوسانات و پاداش ریسک و ماندگاری شوک ها در بازارهای سهام کشورهای حوزه خلیج فارس(ایران، عریستان، بحرین، عمان، قطر و امارات) صورت گیرد. نو ظهور بودن این بازارها، ظرفیت سرمایه گذاری و کسب بازدهی بالا انگیزه انجام این مطالعه گردید. نتایج نشان داد که بازدهی در کشورهای بحرین و عمان در سطح 5%  و برای ایران و امارات و قطر در سطح 1% داری ثبات و پایداری نمی باشد. قابلیت پیش بینی این بازارها نیز نشان داد که بازار ایران قابلیت پیش بینی ندارد. آزمون مربوط به نوسانات این بازارها نیز نشان می دهد که به جز کشور عمان بقیه دارای نوسانات خوشه ای در بازار سهام خود می باشند. همچنین شوک های وارده ونوسانات ناشی از آن در تمامی بازار ها دارای حافظه بلندمدت بوده و ماندگاری و پایداری زیادی دارند. بازار سهام ایران علیرغم برخورداری از ویژگی عدم قابلیت پیش بینی دارای حافظه بلندمدت بوده که این بر خلاف فرضیه بازارهای کارا می باشد. پیشنهادات زیر با توجه به نتایج به دست آمده از پژوهش، قابل ارائه هستد: 1- افزایش در شفاف سازی اطاعات شرکت های موجود در بورس جهت کارایی بالای اطلاعات و علامت دهی بازار. 2- ایجاد قوانین حمایتی و پویا از ابزارهای مالی و فعالیت های شرکت های موجود در بازار سهام. 3- هماهنگی سیاست های پولی و ارزی کشورها جهت برابری سودها و بازدهی ها برای جلوگیری از خروج سرمایه. 4- ایجاد محیط مطمئن برای سرمایه گذاران خارجی حهت ورود در بازار سرمایه و سرمایه گذاری در بازار سهام ایران. 5- فراهم سازی فضای استاندارد کسب و کار، توجه به حقوق مالکیت، حفاظت از قرادادها و عدم دخالت مقامات رسمی در اصلاح شاخص های بازار سرمایه در ایران.


[1]. Meric et al. (2007)

[2]. Shachmurove (2005)

[3]. Girard and Ferreira (2004)

[4]. Hakim, S.R. (2002)

[5]. Hague et al. (2001)

[6]. Darrat et al. (2000)

[7]. Roll (1992)

[8]. French et al. (1987)

[9]. Campbell and Hamo (1992)

[10]. Engle  (1987)

[11]. Sentana and Wadhwani (1992)

[12]. Poterba and Summers (1986)

[13]. Akgiray (1989)

11- کشاورز حداد، غلامرضا. صمدی، باقر،(1388)

1-  مرادی، مهدی. فلاحی، محمد علی. سلطانیان، زهره، (1387)                                                                                                       

2 -  ابو نوری، اسماعیل. موتمنی، مانی،(1385)

3-  محرابیان، آزاده.(1383)

4- خالو زاده، حمید.خاکی صدیق، علی،(1382)

5- خاکی صدیق، کارو لوکس، خالوزاده،(1377)

[20]. International Finance Corporation’s

[21]. Engle and Granger(1987)

[22]. Constant Correlation-GARCH

[23]. Dynamic Conditional Correlation

[24]. Box and Jenkins(1976)

[25]. Lo and McKinley(1988)

[26]. Bollerslev(1986)

[27]. Engle et al(1987)

[28] - آزمون F و میزان سطح اطمینان برای فرض صفر مبنی بر عدم تغییرات ساختاری انجان شده است.

 

1 Engle and Bollerslev(1986)

[31]. Relative MSE

مراجع

منابع:
 -ابو نوری، اسماعیل وموتمنی، مانی (1385). بررسی هم زمان اثر اهرمی و بازخورد نوسانات در بازار سهام تهران، مجله تحقیقات اقتصادی،  شماره 76: 101-117.
- خالو زاده، حمیدو خاکی صدیق، علی (1382). ارزیابی روشهای پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران، شماره 30: 61- 88..
- خاکی صدیق، علی و لوکس، کارو و خالوزاده، حمید (1377). آیا قیمت سهام در بازار بورس تهران قابل پیش بینی است؟ (نگرشی جدید به رفتار قیمت سهام و قابلیت پیش بینی آن، مجله تحقیقات اقتصادی دانشگاه تهران، شماره53: 87-102.
 - کشاورز حداد، غلامرضاو صمدی، باقر (1388). برآورد و پیش بینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش ها در تخمین ارزش در معرض خطر: کاربردی از مدل های خانواده FIGARCH، مجلة تحقیقات اقتصادی، شماره 86: 193-235.
- کشاورز حداد، غلامرضاو معنوی، سید حسن (1387). تعامل بازار سهام و ارز در ایران با تاکید بر تاثیر تکانه های نفتی، فصلنامه پژوهش های اقتصاد ایران، شماره 37:147-169.
- محرابیان، آزاده (1383). حساسیت بازار سهام نسبت به نوسانات مالی و پولی، پژوهش نامه اقتصادی ، شماره 12: 169-186.
- مرادی، مهدی و فلاحی، محمد علی و سلطانیان، زهره (1387). اثر چرخه های بازار سهام بر واکنش سرمایه گذاران نسبت به تغییرات غیرمنتظره اقلام تعهدی، مجله دانش و توسعه،: 49-66.
-Akgiray, A(1989). Conditional heteroskedasticity in time series of stock returns: evidence and forecasts, Journal of Business, 62 (1): 55–80.
-Bollerslev, T(1986). Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31:307–327.
-Bollerslev, T(1987). A conditionally heteroskedastic time series model for speculative prices and rates of return, The Review of Economics and Statistics, 62 (3): 542–547.
-Bollerslev, T., Chou, R. Y. & Kroner, K. F (1992). ARCH modeling in finance, Journal of Econometrics, 52: 5–59.
-Box, G. & Jenkins, G (1976). Time series analysis, forecasting and control, Holden Day.
-Campbell, J. Y. & Hamao, Y (1992). Predictable stock returns in the U.S. and Japan, Journal of Finance, 47: 43–70.
-Darrat, A.F., Elkhal, K. & Hakim, S.R(2000). On the integration of emerging stock markets in the Middle East, Journal of Economic Development, 25 (2): 119-29.
-Engle, R. F. & Granger, C. W. J (1987). Co-integration and error-correction: Representation, estimation and testing, Econometrica 55: 251—276.
-Engle, R. F(1987). Multivariate GARCH with factor structures-co-integration in variance, unpublished paper, Department of Economics, University of California, San Diego.
-Engle, F. R (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50: 987–1007.
- Engle, F. R. & Bollerslev, T(1986). Modeling the persistence of conditional variances, Econometric Reviews, 5:1–50.
-Engle, R. F., Lilien, D. M. & Robins, R. P(1987).Estimating time-varying risk premium in the term structure: The ARCH-M model, Econometrica 55: 391- 407.
-French, K., Schwert, G. W. & Stambaugh, R. F (1987). expected stock returns and volatility, Journal of Financial Economics, 19:3–29.
-Girard, E. & Ferreira, E(2004). On the evolution of inter – and intraregional linkages to Middle East and North African capital markets, Quarterly Journal of Business and Economics, 43: 21-43.
-Hakim, S.R(2002). Price linkages and integration of the Cairo stock exchange, mimeo
- Hague, M., Hassan, K. M. & Varela, O(2001). Stability, volatility, risk premiums and predictability in Latin American emerging stock markets, Quarterly Journal of Business and Economics, 40 (3–4):23–44.
-Hague, M., Hassan, M.K., Maroney, N. & Sackley, W.H (2004). An empirical examination of stability, predictability and volatility of Middle Eastern and African emerging stock markets, Review of Middle East Economics and Finance , 2 ( 1):19-42.
-Hague, M., Hassan, M. K. & Zaher, T. S(2004). Stability, predictability and volatility of Asian emerging stock markets, Indian Journal of Economics and Business, 3 (1).
- International Finance Corporation, (2010). IFC Index Methodology, Definitions and Practices (International Finance Corporation) (World Bank: Washington DC). www.ifc.org.
- Lo, W. A. & McKinley, A. C (1998). Stock market prices do not follow random walks: evidence from a simple specification test, The Review of Financial Studies, 1: 41–66.
-Meric, G., Ratner, M. & Meric, I(2007). Co-movements of the US, UK and Middle East stock markets, Middle Eastern Finance and Economics, 1: 60-73.
- Poterba, J. & Summers, L(1986). The persistence of volatility and stock market fluctuations,American Economic Review, 76: 1142–1151.
-Roll, R(1992). An empirical test of the alternative hypothesis of national and international pricing of risky assets, Journal of Finance, 47 (1): 3–41.
-Shachmurove, Y(2005). Dynamic linkages among the emerging Middle Eastern and the United States stock markets, International Journal of Business, 10 (1):103-32.
-Sentana, E. & Wadhwani, S(1992). Feedback traders and stock return autocorrelations: evidence from a century of daily data, The Economic Journal, 102: 415–425.
- Summers, L. H (1986). Does the stock market rationally reflect fundamental values? Journal of Finance, 41: 591–601.

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار