شناسایی مسیر سرایت بحران ارزی در صنایع بورسی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد اسلامی، گروه اقتصاد، دانشکده علوم انسانی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه

2 دانشیار گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران

3 استادیار گروه اقتصاد، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

10.30495/eco.2021.1922778.2483

چکیده

هدف این مقاله شناسایی مسیر سرایت بحران‏ ارزی در صنایع مختلف بورسی برای مدیریت ریسک سرمایه‌گذاران در بازار سرمایه است. بدین منظور، از آزمون‏های سرایت مشترک، چولگی هم‌زمان مشترک و فرایند تصادفی اورنشتاین اولنبک استفاده شد. داده‏ها، شامل بازده سهام صنایع بورسی و نرخ ارز به ‌صورت روزانه طی بازه زمانی 1387 - 1399 است. نتایج نشان می‏دهد بحران‏های ارزی سال 1390 و 1397 به تمام صنایع بورسی صادرات‌محور، واردات‌محور و خنثی (به ‌استثنای صنعت انبوه‌سازی) سرایت پیدا کرده است. هم‌چنین، یافته‏ها نشان می‌دهد، نقطه شروع سرایت در هر دو بحران ارزی، صنعت محصولات دارویی است که به‌ واسطه هم‌بستگی این صنعت با بازار ارز، بحران‏های ارزی را سریع‌ جذب می‏کند. نقطه بعدی سرایت در بحران ارزی اول، صنعت سرمایه‌گذاری و در بحران ارزی دوم، صنایع فلزات اساسی و فراورده‌های نفتی است. بر اساس نتایج، پیشنهاد می‏شود هنگام بروز بحران ارزی، سرمایه‌گذاران در سبد دارایی‌های خود وزن سهام صنعت فلزات اساسی را افزایش و صنایع دارویی و رایانه را کاهش دهند.

کلیدواژه‌ها


عنوان مقاله [English]

Identification of Contagion Path of currency Crises in Industries of Tehran Stock Exchange

نویسندگان [English]

  • Maryam Bazrayi 1
  • Saleh Ghavidel 2
  • Ghodratollah Emamverdi 3
1 PhD Student in Islamic Economics, Department of Economics, Faculty of Humanities, Firoozkooh Branch, Islamic Azad University, Firoozkooh
2 Associate Professor, Department of Economics, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran
3 Assistant Professor, Department of Economics, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

This study aims to detect path of currency crisis in different listed industries, in order to manage risk of shareholders in stock market. For this purpose, joint Contagion Test, Joint Coskewness Contagion Test and the Ornstein – Uhlenbeck Process are used. The data used in this study include: stock return of the listed industries and daily exchange rate during 2008 to 2020. The results suggest that currency crises of 2011 and 2018 have transmitted to all export- oriented import- oriented and neutral industries (except mass construction). Moreover, the findings support the fact that starting point of crisis contagion in both currency crises is pharmaceutical industry that attracted currency crises due to its strong correlation with exchange market. The next point of contagion in the first currency crisis is investment industry, and in the second currency crisis, basic metals and oil products. It is suggested that when currency crisis occurred, investors increase weight of basic metals stocks and decrease share of pharmaceutical and computers in their portfolio.

کلیدواژه‌ها [English]

  • JEL Classification: C01
  • G15
  • F30
  • E01. Keywords: Capital market
  • Currency crisis
  • Joint Contagion Test
  • Ornstein – Uhlenbeck Process

 

فضای پیچیده بازارهای مالی و اقتصادی و ارتباط تنگاتنگ این بازارها با یکدیگر و هم‌چنین، نیاز حیاتی به پیش‏بینی سناریوهای مالی و اقتصادی آینده، پژوهشگران حوزه مالی را بر آن داشته تا با کشف و تحلیل این ارتباطات میان‌بازاری بتوانند برای تحقق اهداف نظام مالی و اقتصادی، گامی مؤثر بردارند. در این راستا، بررسی اثر سرایت‌پذیری بازارها بر یکدیگر از اهمیت بسزایی برخوردار است؛ زیرا با درک و تبیین این موضوع، قابلیت پیش‌بینی سایر بازارها امکان‏پذیر می‏شود. با توجه به اینکه بازارهای مالی با یکدیگر مرتبط هستند، اطلاعات ایجاد شده در یک بازار، می‏تواند سایر بازارها را متأثر سازد. پژوهش‌های صورت گرفته در این زمینه، اثر نوسانات را از طریق «سرایت»[1] توضیح داده‌اند (نیکومرام، پورزمانی و دهقان، 1393: 180).

بحران‌ها در بازارهای مالی معمولا پدیده‌های تکرارشونده‌ای هستند و از مجراهای مختلفی به سایر بازارها سرایت می‌یابند. انواع بحران مالی عبارت است از: تراز پرداخت‌ها، پول رایج، بدهی، بانکی، ذخایر بین‌المللی و بازار سهام (المغیری حبیبه[2]، 2016: 30).

سرایت بحران‏ مالی بر اثر گسترش آشفتگی مالی در یک بنگاه، بازار و یا منطقه جغرافیایی به حوزه‏های دیگر پدیدار می‌شود. «سرایت بحران مالی» تعاریف مختلفی دارد؛ اما در ساده‏ترین حالت، سرایت بحران مالی، در صورتی‌ که سایر عوامل بازار تحت کنترل باشد؛ افزایش قابل ‌توجه ارتباط (هم‌بستگی) بین دو بازار در طول یک دوره بحران در مقایسه با یک دوره عدم بحران دانسته می‌شود (فرای و هیشائو[3]، 2016: 2).

سرایت بحران مالی، افزایش قابل توجه ارتباط متقابل بازارها، پس از یک شوک وارده به یک بازار و یا به یک گروه از بازارها، تعریف شده است (فوربس و ریگوبن[4]، ۲۰۰۲: 2224).

بدین منظور، شناسایی مسیر سرایت بحران ارزی در صنایع بورسی منجر به استفاده از راهکارهای مناسب و اتخاذ سیاست‌های حمایتی کارا می‌شود. هم‌چنین، شناسایی این مسیر سبب بهبود مدیریت ریسک، کاهش اثرات بحران ارزی و بهبود تصمیم‌گیری سرمایه‌گذاران در بازار سرمایه می‏شود. با توجه به موارد فوق، تحلیل و ارزیابی نقطه شروع و سرعت سرایت بحران‌های ارزی در صنایع مختلف بورسی اهمیت می‌یابد. هم‌چنین، باعث درک روشن از مزیت‌های تنوع‌بخشی و مدیریت ریسک پرتفوی شده و موجب اتخاذ راهبردهای مناسب پوشش ریسک برای سرمایه‌گذاران و سیاست‌گذاران می‌شود. بر این اساس، سؤالات اساسی عبارتنداز این که بحـران ارزی سال1390 و 1397 بـه کدام صنعت بازار سرمایه سرایت یافته است؛ نقطه شروع سرایت بحران ارزی از کدام صنعت بوده است و اینکه آیا سرعت سرایت بحران ارزی در صنایع مختلف را می‌توان یکسان دانست.

مقاله حاضر در پنج بخش سازماندهی شده است. پس از مقدمه، در بخش دوم، ادبیات مرور می‌شود، روش تحقیق در بخش سوم بیان می‌شود. بخش چهارم، شامل یافته‌هاست و بخش پایانی به نتیجه‌گیری و پیشنهادها اختصاص ‌یافته است.

 

2.‌ ادبیات موضوع

در ادبیات مالی، نظریه­های مختلفی در خصوص علت‏های سرایت مطرح شده که آنها را می‌توان در قالب دو گروه کلی بررسی کرد. یک گروه از نظریه­ها بر عوامل بنیادی نظیر شوک‏های عمومی، روابط تجاری و روابط مالی متمرکز شده‌اند. سرایت بحران می‏تواند در نتیجه سرریز برآمده از وابستگی میان بازارهای مالی باشد که در زمان بحران بروز می‌یابد. این نوع گسترش بحران با عنوان «سرایت مبتنی بر بنیادها» شناخته می‌شود (کامینسکی و رینهارت[5]، 1998: 446).

گروه دیگر، انتقال نوسان و سرایت بحران­ مالی را بر اساس رفتار سرمایه­گذاران یا دیگر نهادهای مالی که شامل مسائل ناشی از نقدینگی و انگیزشی[6]، نامتقارن بودن اطلاعات[7]، مساله هماهنگی بازار[8] و ارزیابی مجدد سرمایه­گذار[9] است، توضیح می­دهند (بلو احمدو[10]، 2015: 22). برای مثال، بحران در یک کشور، سرمایه­گذاران را سوق می­دهد تا سرمایه­های خود را به بازارهای دیگر کشورها منتقل کنند. این نوع سرایت، در اکثر مواقع، به دلیل رفتارهای غیرمنطقی نظیر رانش مالی، رفتار توده­وار[11]، عدم اطمینان و افزایش ریسک‌گریزی رخ می‌دهد (بکارت، ارمن، فراتسچر  و مهل[12]، 2014: 2562).

امروزه، شواهد زیادی وجود دارد که نشان می‌دهد نوسانات قیمت دارایی‌های مالی به دارایی‌ها و بازارهای دیگر سرایت می‏کند. دامنه این سرایت‌ها با گسترش سیستم‌های ارتباطی و وابستگی بیش ‌از پیش بازارهای مالی به یکدیگر در حال افزایش است. شناسایی مکانیزم‏های سرایت در مدیریت سبد دارایی‏ها نقش مهمی دارد؛ زیرا در انتخاب سبد سهام و کاهش ریسک می‏توان از آن استفاده کرد. افزون بر این، شناسایی مسیر سرایت نوسانات قیمت دارایی‏ها به پیش‌بینی نوسانات قیمت دارایی‏ها کمک می‌کند و در حوزه‏هایی از قبیل بهینه‌سازی سبد سهام، مدیریت ریسک و محاسبه ارزش در معرض خطر کاربرد دارد (زمانی، سوری و ثنایی اعلم، 1389: 30).

در حوزه سرایت بحران مالی مطالعات متعددی توسط پژوهش‌گران صورت پذیرفته است. برخی مطالعات به بررسی اثر سرایت بحران از یک کشور به سایر کشورها پرداخته‌اند. به ‌عنوان ‌مثال، هاشیموتو و ایتو[13] (2004) ‌حرکت هم‌زمان نرخ ارز و قیمت سهام را از منظر سرایت بین هشت کشور منطقه شرق آسیا در مدت بحران آسیا با استفاده از مدل فرکانس بالا[14] بررسی کرده‌اند. نتایج نشان داد قیمت سهام در هنگ‌کنگ از سقوط ارزهای آسیایی تأثیر می‌پذیرد و بر کاهش ارزش پول اندونزی، کره و تایلند و سقوط قیمت سهام هنگ‌کنگ بر دیگر ارزها و قیمت‌های سهام منطقه در طول بحران اثرگذار بوده است.  

برخی دیگر از پژوهشگران به بررسی اثر سرایت از یک بازار مالی به بازار مالی دیگر پرداخته‌اند. برای نمونه وانگ، یوان، لی و وانگ[15](2021) به بررسی سرایت مالی و کانال‌های آن در بازار فارکس با استفاده از مدل نظریه ارزش حدی- کاپولا با ترکیب پویا[16] پرداختند. نتایج نشان داد بحران مالی سال 2009 به بازار فارکس سرایت کرده است.

روی و روی[17](۲۰۱۷) به بررسی سرایت مالی در بازار دارایی­های هند پرداخته‌اند. نتایج نشان داد درجه سرایت مالی بین این بازارها بالا می‌باشد و بازار سهام انتقال‌دهنده نوسانات است؛ در حالی‌ که بازار اوراق قرضه، ارز و بازار طلا دریافت­کننده نوسان بوده­اند.

نوروزی­فر، فتاحی و سهیلی (۱۳۹۸) به بررسی سرایت‏پذیری بین بازار نفت و بازارهای مالی با استفاده از رویکرد وابستگی اکستریمال در ایران پرداختند. نتایج نشان می‌دهد تحریم نفتی باعث کاهش هم‌بستگی بازار نفت و سهام در کوتاه­مدت و بلندمدت می‌شود. هم‌چنین، تحریم نفتی باعث افزایش هم‌بستگی بین نوسانات بازارهای نفت و ارز، طلا و ارز، طلا و سهام، ارز و سهام شده است.

صرافی زنجانی و مهرگان (1397) به بررسی تقارن یا عدم تقارن اثر شوک‌های مثبت و منفی دلار در بازار آزاد بر شاخص صنایع شیمیایی و فلزات اساسی بازار سرمایه ایران پرداخته‌اند. نتایج نشان می‌دهد که افزایش نرخ دلار بر هر دو شاخص در کوتاه‌مدت و بلندمدت اثر مثبت و معنادار دارد؛ اما اثرگذاری کاهش آن بی‌معناست. هم‌چنین، اثر شوک مثبت دلار آزاد بر شاخص شیمیایی نسبت به شاخص فلزات اساسی بیش‌تر است.

نیکو مرام و همکاران (1393) به بررسی سرایت تلاطم بازارهای ارز و طلا بر بازار سرمایه به تفکیک صنایع صادرات و واردات‌محور با استفاده از مدل گارچ چند متغیره پرداختند. نتایج اثر سرایت‌پذیری صنایع بورسی صادرات‌محور از بازار ارز را تأیید کرد؛ ولی سرایت‌گذاری از سوی بازار طلا تأیید نشد. هم‌چنین، بر اساس نتایج، اثر سرایت‌پذیری صنایع واردات‌محور از بازارهای ارز و طلا تایید نشد.

مطالعات دیگر به بررسی اثر سرایت بحران مالی جهانی به بازارهای مالی سایر کشورها پرداخته‏اند. به‌ طور مثال، کریمی، صراف، امام‏‌وردی و باغانی (2020) به شناسایی مسیر سرایت بحران مالی جهانی در صنایع بورس و اوراق بهادار ایران با استفاده از رهیافت DFGM و فرآیند اورنشتاین اولنبک[18] پرداختند. نتایج آنها نشان داد بازار سهام دبی نقش مهمی در انتشار بحران مالی جهانی به صنایع مختلف بازار سرمایه ایران داشته است و نقطه شروع سرایت بحران مالی جهانی صنعت فلزات اساسی بوده و پس از آن به شاخص کانه‌های فلزی و فرآورده‌های نفتی سرایت یافته است.

فرای مکبین، هسیائو و مارتین[19](2019) آزمون‌های سرایت مشترک[20] و چولگی هم‌زمان مشترک[21] را ارائه کرده‌اند تا در زمانی که سرایت به‌ صورت هم‌زمان از طریق چولگی، کشیدگی و نوسان‌پذیری عمل می‌کند، توان داشته باشد. آنها با استفاده از این آزمون‏ها به بررسی سرایت بحران مالی جهانی و بحران بدهی اروپا در بازار سهام منطقه یورو پرداختند. نتایج نشان داد سرایت بحران مالی جهانی و بحران بدهی اروپا از طریق کانال‌های گشتاور مرتبه بالاتر عمل می‌کند که لزوما با آزمون‌های سنتی مبتنی بر هم‌بستگی قابل ‌شناسایی نمی‌باشد.

هسیائو[22](2016) آزمون سرایت هم‌بستگی و چولگی‌ هم‌زمان را برای اثبات سرایت بحران وام مسکن آمریکا بر بازارهای سهام آسیا و اروپا مورد استفاده قرار داد. نتایج این آزمون‌ها بیانگر وجود اثرات معنادار سرایت از بازار سهام آمریکا به بازارهای سهام آسیا و اروپا می‌باشد. آزمون هم‌بستگی فوربس و ریگوبن، شواهد قابل‌ توجهی از سرایت را فقط در بازارهای سهام آسیا در طول بحران وام مسکن نشان می‌دهد.

فرای و هیشائو (2016) با استفاده از آزمون وابستگی اکستریمال[23] به بررسی سرایت‌پذیری بازارهای سهام و بخش‏های بانکداری جهان از بخش بانکداری آمریکا (ناشی از بحران مالی 2008- 2009) پرداخته‌اند. نتایج حاصل از تخمین مدل وابستگی اکستریمال بیانگر سرایت‌پذیری از بخش بانکداری آمریکا به بخش‌های موردنظر می‌باشد.

در مطالعات پیشین، سرایت‌پذیری بین بازارها با استفاده از مدل‏های گارچ چندمتغیره به ‌دست ‌آمده است. تنها یک مطالعه خارجی[24] که از آزمون سرایت مشترک و چولگی هم‌زمان مشترک برای بررسی سرایت تلاطم استفاده کرده است، رویت شد. تاکنون این مدل برای روابط بین بازارهای مالی ایران به کار نرفته است؛ بنابراین، نوآوری پژوهش حاضر نسبت به دیگر پژوهش‏ها، استفاده ترکیبی از رویکرد جدید سرایت مشترک و چولگی هم‌زمان مشترک با مدل‌سازی تصادفی اورنشتاین - اولنبک است.

 

3.‌ روش پژوهش

- آزمون‏‏های سرایت مشترک

وابستگی بین توزیع‏های آماری با استفاده از چندین روش قابل‌ محاسبه است. بسته به نوع توزیع متغیرها، روش محاسبه ضریب هم‌بستگی بین آن‏ها متفاوت است. برای مثال، برای محاسبه وابستگی بین دو متغیر که توزیع نرمال دارند از ضریب هم‌بستگی پیرسون و اسپیرمن استفاده می‌شود. برای محاسبه وابستگی بین متغیرهایی که توزیع نامتقارن و غیرنرمال دارند، از روش‏های آزمون مشترک، چولگی هم‌زمان مشترک، وابستگی اکستریمال و وابستگی نامتقارن استفاده می‏شود. این آزمون‏ها برای دو دوره زمانی بحران و عدم بحران مورد استفاده قرار می‏گیرند. آزمون‏های مشترک و چولگی هم‌زمان به دلیل ساختار چندکاناله‌ سرایت و عملکرد هم‌زمان از دقت بالا برخوردار هستند.

هدف از آزمون‏‏ سرایت مشترک پاسخ به این پرسش است که آیا تغییرات معناداری در چولگی، کشیدگی و تلاطم هم‌زمان در بازدهی دارایی‏ها در دوره‏های عدم بحران و بحران وجود دارد یا خیر. وجود این تغییرات، نشانگر بروز سرایت است. برای مثال، بحران مالی جهانی و بحران بدهی اروپا از طریق این کانال‏ها به بازار سهام منطقه یورو سرایت پیدا کرد (فرای – مکبین، مارتین و تانگ[25]، 2019: 474). مدل وابستگی مشترک ارائه شده توسط فرای مکبین و همکاران (2019) شامل آماره‏ای است که از شش جزء تشکیل می‌شود. پنج جزء اول با پنج گشتاور هم‌زمان مازاد متناظر است و جزء ششم، اثرات تعاملی بین گشتاورهای هم‌زمان مازاد را بیان می‌کند. شکل این آماره به ‌صورت زیر است:

14JOINT=J12+J21+J13+J31+J22+JI ,"> (1)

که در آن، 14J12 ظˆ J21">   چولگی هم‌زمان مازاد، 14J13 ظˆ J31">  کشیدگی هم‌زمان مازاد، 14J22">  جزء تلاطم هم‌زمان مازاد و 14JI">   اثرات تعاملی بین گشتاورهای مازاد مرتبه بالاتر هستند. مطابق با فرضیه‌ صفر عدم سرایت، آماره‌ آزمون در معادله (1) به ‌طور مجانبی به‌ صورت 14JOINTdد‡52">  توزیع‌ شده است. علاوه بر آزمون ارائه شده در معادله (1) آزمون سرایت چولگی هم‌زمان مشترک نیز در این پژوهش استفاده شده است. این آزمون نسخه‌ محدود شده‌ای از آماره‌ آزمون مشترک JOINT در معادله‏ (1) است که در آن کانال‌های انتقال سرایت صرفاً از تغییرات در چولگی هم‌زمان ناشی می‌شود. شکل این آماره به ‌صورت زیر است:

14COSKEW=(دˆy(ri1,rj2)-دˆx(ri1,rj2))2+(دˆy(ri2,rj1)-دˆx(ri2,rj1))22(1-vy|xi6)Ty(2vy|xi2+1)+2(1-دپx6)Tx(2دپx2+1)-دˆy(ri1,rj2)-دˆx(ri1,rj2))(دˆy(ri2,rj1)-دˆx(ri2,rj1))1-vy|xi6Tyvy|xi3+2vy|xi+1-دپx6Txدپx3+2دپx(2)">

دو جزء اول، بیانگر چولگی‏های هم‌زمان و جزء سوم اثر تعاملی بین دو گشتاور چولگی هم‌زمان می‏باشد. مطابق با فرضیه‌ صفر، این آماره توزیع مجانبی به‌ صورت 14COSKEWdد‡22">   دارد (فرای  مکبین و همکاران، 2019: 478).

آزمون‌های مشترک که در معادله (1 و 2) توسط فرای، هسیائو و مارتین (2019) ارائه ‌شده‌اند از نظر ساخت آزمون‌های با چند کانال بالقوه‌ سرایت‌ هستند که به‌ طور هم‌زمان عمل می‌کنند. در مقابل، بسیاری از آزمون‌های کنونی سرایت از جمله آزمون سرایت فرای، مارتین و تانگ[26] (۲۰۱۰) که تحت عنوان مدل وابستگی نامتقارن[27] و آزمون سرایت فرای مکیبین و هسیائو (۲۰۱۶) که تحت عنوان مدل وابستگی اکستریمال در تحقیقات استفاده شده‌اند، معمولاً بر کانال‌های فردی سرایت تمرکز دارند (همان).

 

 

- فرایند اورنشتاین اولنبک(OU)

به‌ منظور بررسی درجه‏ هم‌بستگی بین بازارها از فرآیند اورنشتاین اولنبک (OU) استفاده‌ شده است. فرایند اورنشتاین اولنبک مثالی از فرایند مارکوف در حالت فضا- حالت و زمان پیوسته است که ویژگی‌هایی از حرکت براونی[28] را در عمل اقتباس کرده است. عمده ویژگی‏های این مدل عبارت است از:

1)‌ حرکت به سمت بلندمدت را نشان دهد؛

2)‌ مقدار تعادل بلندمدت و سرعت بازگشت به میانگین را برآورد می‌کند؛

3)‌ در بازه‌های زمانی مختلف می‌توان استفاده کرد.

فرآیند OU، برای متغیر 14xt"> به‌ وسیله معادله دیفرانسیل تصادفی زیر مشخص می‌شود.

14dxt=خ¸خ¼-xtdt+دƒdWt"> (3)

14خ¸">  ارزش مثبتی است که سرعت بازگشت به میانگین را نشان می‌دهد و 14خ¼">  ارزش تعادلی است که فرآیند به سمت آن در حرکت است و 14دƒ">  نوسان فرآیند OU است و 14Wt">   یک فرآیند واینر است. 14خ¸">  چگونگی عکس‌العمل شاخص‏های مختلف به تغییرات بزرگ در هریک از بازارها را توضیح می‏دهد. در این تحقیق، 14خ¸ ">  نشان‌دهنده‌ سرعتی است که پس از وقوع یک شوک غیرمنتظره، بازارهای مالی به آن عکس‏العمل نشان می‏دهد. نرخ بازگشت بزرگ‌تر نشان‌دهنده وجود تأثیرپذیری بیش‌تر آن بازار از وقایع است. در نتیجه، مقدار 14خ¸ ">  بزرگ‌تر نشان‌دهنده وابستگی بیش‌تر جفت بازار است. نوسان فرآیند 14دƒ "> ، اطلاعاتی در مورد وابستگی و اختلاف بازارها در طول زمان را نشان می‌دهد، به این صورت که 14دƒ">  کوچک‌تر نشان‌دهنده ارتباط بیش‌تر بین جفت بازار است.

میانگین بلندمدت 14خ¼"> ، اطلاعات بیش‌تری جهت مقایسه جفت بازار به ما می‌دهد. مقدار 14خ¼">  بر اساس وابستگی جفت بازار به دست می‏آید و با دسته‌بندی دوتایی از بازارهای مختلف، بررسی این پرسش که آیا تبادلات مالی و اقتصادی قادر است تا گروه‌هایی با میانگین بلندمدت مشابه را به وجود آورد، ممکن می‏سازد (ایوانف، کبایوانف و بوگدانوا[29]، 2016: 365).

 

- الگوریتم مجموع مربعات تجمعی تکرارشونده ((ICSS

الگوریتم [30]ICSS که توسط اینکلان و تیائو[31] (1994) مطرح شد به دنبال یافتن تغییرات معنادار در واریانس است که براثر بروز یک شکست ساختاری در فرآیند تولید نوسان سری زمانی حاصل‌ شده است. این الگوریتم بر این فرض مبتنی است که سری زمانی مورد مطالعه شامل تعداد T مشاهده بوده که به ‌طور نرمال، مستقل و یک‌نواخت توزیع‌ شده‌اند (سانسو، آراگو و کاریون[32]، 2003: 33).

فرض می‌شود که سری زمانی تحت بررسی، در طی یک دوره زمانی اولیه دارای واریانس غیرشرطی مانا است تا اینکه بر اثر وقوع یک رویداد جدید مالی، اقتصادی یا سیاسی ناگهانی، بزرگ و غیرمنتظره، تکانه‌ای به سیستم وارد می‌شود که واریانس سری زمانی را دچار یک تغییر ساختاری می‌کند. به ‌عبارت‌ دیگر، با وقوع این تکانه، میزان انحراف واریانس جاری از واریانس گذشته به ‌اندازه‌ای بالا می‌رود که بر تغییر ساختاری نوسانات بازار دلالت دارد. سپس، واریانس غیرشرطی دوباره در سطحی جدید به وضعیت مانا برمی‌گردد تا اینکه براثر تکانه بعدی، تغییر ساختاری دیگری را تجربه نماید. این فرآیند در طول زمان تکرار می‌شود و تعداد NTنقطه شکست در واریانس غیرشرطی به دست می‌آید (کانگ، چونگ و یون[33]، 2011: 4320).

الگوریتم ICSS واریانس بین هر دونقطه شکست را ثابت و کشیدگی را معمولی در نظر می‌گیرد. به ‌عبارت دیگر، اول، این الگوریتم برای حالتی تعریف ‌شده است که هم‌سانی واریانس شرطی وجود دارد. شواهد تجربی نشان می‌دهند که سری‌های زمانی اقتصادی و مالی عمدتاً دارای واریانس متغیر هستند. بنابراین، الگوریتم متعارف ICSS در صورت وجود یک فرآیند وابسته نظیر فرآیند گارچ مناسب نیست (مالیک، اوینگ و پین[34]، 2005: 1039).

دوم، این الگوریتم فرض می‌کند که سری زمانی دارای توزیع نرمال است؛ در حالی ‌که سری‌های زمانی مالی اغلب دارای توزیع‌های دم‌کلفت[35] و دارای کشیدگی اضافی (کشیدگی بزرگ‌تر از 3) می‌باشند (آراگو و فرناندز[36]، 2007: 114). سانسو و همکاران (2003) برخی فروض اضافی را روی پسماندهای این الگو را اعمال کردند. آنها نشان دادند که برای داده‌های مالی که اغلب توزیع غیرنرمال بوده و ناهم‌سانی واریانس شرطی دارند، اعتبار نتایج آزمون[37] IT زیر سؤال می‌رود و اگر مقادیر بحرانی به‌ درستی تعدیل نشوند، این احتمال وجود دارد که فرضیه صفر اشتباهاً رد شود. بدین ترتیب، آن‌ها آزمون اینکلان و تیائو را اصلاح کردند و آن را با عنوان ICSS اصلاح‌ شده نام‌گذاری کردند (سانسو و همکاران، 2003: 36).

 

4.‌ برآورد مدلو تجزیه و تحلیل آن

- معرفی و بررسی متغیرها

در این پژوهش از داده‌های نرخ ارز غیررسمی و شاخص قیمت صنایع منتخب بورسی[38] در مقطع زمانی آذرماه 1387 تا شهریورماه 1399 به صورت روزانه استفاده‌ شده است. اطلاعات مربوط به بازار سرمایه به تفکیک صنایع مختلف از سایت رسمی بورس اوراق بهادار تهران دریافت شده است.[39]

داده‏های قیمت روزانه دلار در بازار آزاد توسط هیچ مرجع رسمی اعلام نمی‌شود و این اطلاعات توسط نگارنده (محقق) و با استفاده از اطلاعات منتشر شده در سایت صرافی‏های معتبر تهران گردآوری ‌شده است. برای محاسبه بازدهی قیمت، از تفاضل لگاریتم قیمت‌های متوالی شاخص قیمت سهام و نرخ ارز استفاده شده است. لگاریتم طبیعی بازدهی قیمت خالص به ‌صورت زیر تعریف می‏‏‏‏‏‏‏‏شود.

14rt=lnPt-lnPt-1=lnPtPt-1"> (4)

برای انجام آزمون‏های سرایت، دانستن زمان شروع و پایان بحران ارزی لازم است. روش‏های مختلفی برای شناسایی نقطه شکست ساختاری وجود دارد. در این تحقیق به دلیل اینکه متغیر نرخ ارز دارای دنباله پهن و ناهم‌سانی واریانس شرطی است از روش الگوریتم ICSS اصلاح ‌شده استفاده شده است. نتایج این آزمون در جدول (1) گزارش شده است.

جدول 1. نتایج آزمون شکست ساختاری نرخ ارز

ICSS (IT)

 

 

ICSS(κ1)

 

ICSS(κ2) [40]

 

 

1388/04/03

(130)

 

 

1390/09/05

(720)

 

1390/09/05

(720)

 

1389/07/17

(444)

 

 

1392/04/04

(1096)

 

1397/01/15

(2252)

 

   

 

 

1392/07/08

(1162)

 

1397/10/09

(2432)

 

   

 

 

1392/12/07

(1263)

     

 

   

 

 

1393/02/28

(1314)

     

 

   

 

 

1393/09/04

(1442)

     

 

   

 

 

1393/09/25

(1456)

 

 

 

 

   

 

 

1396/10/06

(2190)

 

 

 

 

   

 

 

1397/01/18

(2253)

     

 

   

 

 

1397/10/09

(2432)

     
                               

  منبع: یافته‌های پژوهش

 

نتایج جدول (1) دو نقطه شکست در نرخ ارز را نشان می‏دهد. این نقاط با بحران‏های ارزی که در دهه 90 در ایران اتفاق افتاده، مقارن است. شوک اول یا بحران اول در اواخر سال 1390 به دنبال تحریم ایران توسط سازمان ملل بود. شوک دوم یا بحران دوم در سال 1397 به دنبال خروج آمریکا از برجام[41] و بازگشت یک‌جانبه تحریم‌ها توسط آمریکا بود. بر اساس نتایج از آزمون ICSS اصلاح ‌شده[42]، تاریخ شروع بحران ارزی اول 5 آذرماه 1390 و تاریخ شروع بحران ارزی دوم 15 فروردین‌ماه 1397 در نظر گرفته شده است.


 

بحران ارزی

میانگین

 

انحراف معیار

 

چولگی

 

کشیدگی

آماره جارک-بارا

ADF

 B-ADF[43]

عدم بحران

بحران

 

عدم بحران

بحران

 

عدم بحران

بحران

 

عدم بحران

بحران

نرخ ارز

اول

0/01

0/23

 

0/52

2/87

 

11/01

1/16

 

207/57

15/34

58853

-52/8***

-54/4***

دوم

0/05

0/26

 

0/62

2/96

 

0/77

0/08

 

15/17

14/07

69986

انبوه‌سازی

اول

0/08

0/13

 

0/71

1/06

 

0/72

0/67

 

11/77

4/58

1062

-19/6***

-35/6***

دوم

-0/01

0/58

 

1/3

2/15

 

0/33

-0/1

 

3/45

2/61

34

بانک

اول

0/16

0/14

 

0/79

1/05

 

0/29

1/32

 

4/62

7/48

902

-23/2***

-38/2***

دوم

-0/02

0/51

 

1/15

1/99

 

-1/34

0/24

 

20/85

3/77

2501

چند رشته‌ای

اول

0/16

0/21

 

1/11

1/26

 

0/59

0/63

 

5/21

4/68

270

-22/4***

-36/2***

دوم

0/06

0/54

 

0/86

2/17

 

1/16

-0/34

 

8/05

5/02

2234

سرمایه‌گذاری

اول

0/12

0/19

 

0/82

1/03

 

0/4

0/6

 

5/81

4/21

277

-22/1***

-35/3***

دوم

0/04

0/52

 

0/96

1/75

 

0/58

0/19

 

5/56

3/93

611

خودرو

اول

0/13

0/08

 

1/3

1/68

 

0/25

0/74

 

3/78

5/61

296

-23/6***

-38/4***

دوم

0/04

0/56

 

1/92

2/54

 

0/42

0/17

 

4/78

3/51

155

رایانه

اول

0/26

0/15

 

1/74

1/08

 

3/29

2/51

 

34/68

22/02

64583

-37/3***

-38/7***

دوم

0/15

0/28

 

0/9

1/81

 

2/35

-0/03

 

22/43

3/56

1942

دارویی

اول

0/15

0/18

 

0/42

0/79

 

2/03

3/0

 

13/66

17/16

22435

-21/8***

-30/1***

دوم

0/09

0/47

 

0/61

1/88

 

1/5

0/06

 

8/05

2/86

752

سیمان

اول

0/03

0/27

 

0/61

1/04

 

7/68

1/34

 

138/35

6/27

49592

-14/9***

-32/2***

دوم

-0/02

0/52

 

0/81

1/83

 

0/89

-0/01

 

4/73

2/42

197

شیمیایی

اول

0/16

0/33

 

0/92

1/28

 

1/1

0/21

 

23/85

5/48

4016

-23/6***

-36/4***

دوم

0/04

0/45

 

0/75

1/92

 

0/85

-0/1

 

7/44

3/42

802

فرآورده نفتی

اول

0/09

0/48

 

1/55

2/05

 

2/3

6/12

 

43/13

69/48

189932

-24/4***

-40/5***

دوم

0/01

0/52

 

1/38

2/4

 

0/05

-0/17

 

4/76

2/94

101

فلزات اساسی

اول

0/17

0/23

 

1/17

1/31

 

0/56

0/52

 

8/53

4/14

636

-23/3***

-38/1***

دوم

0/04

0/5

 

1/02

2/08

 

0/3

0/06

 

8/86

3/12

504

کاشی‏وسرامیک

اول

0/1

0/27

 

1/04

1/41

 

-3/16

0/83

 

88/72

4/63

50033

-22/9***

-36/3***

دوم

-0/01

0/57

 

1/08

2/07

 

2/47

0/15

 

30/28

3/77

3266

کانه‌های فلزی

اول

0/15

0/26

 

1/52

1/56

 

-0/98

0/51

 

29/03

4/15

12272

-24/2***

-38/7***

دوم

0/02

0/49

 

1/22

2/23

 

1/24

0/28

 

7/1

3/53

646

                                 

جدول 2. آمارهای توصیفی متغیرهای مورد بررسی 

منبع: یافته‌های پژوهش

 

جدول (2) آمار توصیفی بازده سهام صنایع بورسی و نرخ ارز را در دوره‏های عدم بحران و بحران ارزی نشان می‌دهد. از ویژگی دوره‌ بحران افزایش انحراف معیار در مقایسه با دوره‌ عدم بحران و تغییر در چولگی می‌باشد.

انحراف معیار تمام صنایع در هر دو بحران ارزی[44] افزایش یافته است؛ به ‌طوری‌ که بیش‌ترین مقدار انحراف معیار در بحران اول مربوط به صنعت فرآوردهای نفتی و در بحران دوم مربوط به صنعت خودرو است. کم‌ترین مقدار انحراف معیار در بحران اول مربوط به صنعت دارویی و در بحران دوم مربوط به صنعت سرمایه‌گذاری است. مقادیر چولگی تمام صنایع[45] در بحران اول افزایش و در بحران دوم کاهش یافته است. مقادیر میانگین تمام صنایع در هر دو بحران ارزی[46] افزایش یافته است.

بحران ارزی از طریق‏‏ ارزش جایگزینی، جریان نقدی آتی شرکت‌ها، افزایش بهای تمام شده مواد اولیه و ... بر قیمت سهام شرکت‏ها تأثیر می‌گذارد. در صورتی که شرکت‏ها جزء صنایع صادرات‌محور باشند، افزایش نرخ ارز علاوه بر افزایش ارزش جایگزینی باعث افزایش جریان درآمد آتی نیز می‏شود؛ اما در صنعت واردات‌محور باشد باعث افزایش بهای تمام شده و کاهش خالص جریان نقدی آتی می‏شود.

 علاوه بر صنایع مذکور، گروه صنایع خنثی نیز وجود دارند که به‌ صورت سرمایه‌گذاری و هلدینگی فعالیت می‏‏‏‏‏کنند و به ‌صورت غیرمستقیم تحت تأثیر نرخ ارز قرار می‌گیرند. مقدار کشیدگی تمام صنایع در هر دو بحران ارزی[47] کاهش یافته است.

مقدار آماره جارک- بارا[48] برای تمام صنایع حاکی از توزیع غیرنرمال و نامتقارن می‌باشد. نتایج آزمون‏های ریشه واحد نشان می‏دهد که تمام متغیرهای در سطح 99 درصد مانا می‏باشند.

- برآورد الگوی پژوهش

برای درک اندازه نسبی سرایت بحران‏های ارزی بر صنایع مختلف بورسی، آماره‌ گشتاورهای هم‌زمان در طول دوره‌های بحران و عدم بحران در جداول (3) ارائه شده است.

 

جدول 3. آماره‌ی گشتاورهای هم‌زمان بین بازدهی نرخ ارز (e) و بازدهی صنایع مختلف بورسی (j)

صنایع/نرخ ارز

بحران ارزی

همبستگی

 

چولگی همزمان

 

کشیدگی همزمان

 

تلاطم همزمان

14(re1.rj1)">

 

14(re1.rj2)">

14(re2.rj1)">

 

14(re1.rj3)">

14(re3.rj1)">

 

14(re2.rj2)">

عدم بحران

دوره بحران

 

عدم بحران

دوره بحران

عدم بحران

دوره بحران

 

عدم بحران

دوره بحران

عدم بحران

دوره بحران

 

عدم بحران

دوره بحران

انبوه سازی

اول

0/00

-0/05

 

-0/06

0/00

-0/14

-0/23

 

0/01

-0/04

-1/82

-1/76

 

-0/78

0/47

دوم

-0/07

0/04

 

-0/01

-0/09

-0/04

-0/42

 

-0/11

0/12

0/22

0/56

 

-0/07

-0/09

بانک

اول

0/01

-0/12

 

0/12

-0/14

-0/08

-0/13

 

0/46

-0/38

-4/96

-1/52

 

0/96

-0/03

دوم

-0/07

0/01

 

-0/01

0/00

-0/07

-0/05

 

-1/30

-0/08

-0/99

-1/08

 

0/31

-0/05

چندرشته ای

اول

0/03

-0/03

 

-0/01

0/00

0/62

-0/21

 

-0/02

0/18

12/60

-1/36

 

0/29

0/23

دوم

-0/08

0/07

 

-0/14

-0/07

-0/02

-0/13

 

-0/61

0/22

-0/06

1/68

 

0/29

0/29

سرمایه گذاری

اول

0/03

-0/08

 

-0/07

0/44

0/31

-0/30

 

-0/35

-0/19

5/35

-1/86

 

-0/42

0/30

دوم

-0/08

0/10

 

-0/07

-0/09

-0/12

-0/44

 

-0/21

0/45

-0/27

1/57

 

0/15

0/55

خودرو

اول

-0/02

-0/06

 

0/07

-0/14

-1/01

-0/21

 

0/02

-0/26

-16/35

-1/47

 

0/86

0/16

دوم

-0/07

0/08

 

0/04

-0/02

-0/06

-0/29

 

0/07

0/21

-0/18

1/31

 

0/02

0/33

رایانه

اول

-0/03

-0/06

 

-0/13

0/03

-0/28

-0/27

 

-0/40

-0/35

-4/03

-2/28

 

-0/69

0/46

دوم

-0/01

0/10

 

0/20

-0/13

-0/21

-0/46

 

1/04

0/44

-0/63

1/91

 

-0/10

0/61

دارویی

اول

0/01

-0/03

 

0/02

0/18

-0/30

-0/18

 

0/16

2/24

-4/95

-0/76

 

-0/56

0/16

دوم

-0/05

0/08

 

-0/09

-0/06

-0/21

-0/41

 

-0/20

0/14

-0/35

0/89

 

0/01

-0/20

سیمان

اول

0/06

-0/03

 

0/21

0/16

0/67

-0/25

 

1/84

0/25

16/16

-0/82

 

1/00

-0/24

دوم

0/00

0/07

 

0/04

0/01

0/19

-0/48

 

-0/04

0/18

1/49

1/16

 

0/17

0/14

شیمیایی

اول

0/06

-0/06

 

-0/05

-0/08

0/84

-0/04

 

0/25

-0/16

14/15

-1/46

 

1/04

0/10

دوم

-0/13

0/07

 

-0/14

-0/08

-0/05

-0/15

 

-0/40

0/09

-1/61

2/05

 

0/59

0/59

فرآوردهای نفتی

اول

0/02

0/03

 

-0/01

0/43

0/10

-0/21

 

0/46

5/10

1/51

-0/72

 

-0/62

0/06

دوم

-0/04

0/11

 

0/00

-0/06

-0/16

-0/06

 

-0/12

0/19

-0/83

2/51

 

0/20

0/70

فلزات اساسی

اول

0/02

-0/06

 

0/57

0/23

0/94

-0/37

 

-7/60

-0/05

18/30

-3/21

 

1/77

0/87

دوم

-0/07

0/10

 

0/02

-0/06

-0/31

-0/06

 

-1/30

-0/08

-0/99

21/94

 

0/22

0/67

کاشی‏وسرامیک

اول

0/02

-0/01

 

-0/32

0/06

-0/02

-0/38

 

5/23

0/11

-0/81

-0/81

 

-0/49

0/04

دوم

-0/01

0/02

 

-0/05

-0/04

-0/12

-0/20

 

-0/78

0/04

0/24

-0/20

 

-0/33

-0/34

کانه های فلزی

اول

0/01

-0/04

 

0/05

-0/15

0/37

-0/02

 

0/18

-0/60

7/89

-1/24

 

-0/35

0/61

دوم

-0/04

0/08

 

0/04

0/03

-0/18

-0/01

 

0/02

-0/76

-0/76

2/41

 

0/06

0/64

منبع: یافته‌های پژوهش

 

آماره‌های چولگی هم‌زمان با توجه به این ‌که کدام دارایی به عنوان جمله‌ مجذور در محاسبه‌ چولگی هم‌زمان تعریف شده است، تغییر می‌کنند. در هر دو بحران ارزی، چولگی هم‌زمان بین بازدهی‌ نرخ ارز و مجذور بازدهی‌ سهام صنایع بورسی ( 14re1.rj2"> ) در دوره بحران کمتر از دوره‌ غیربحران است[49]. معکوس این رابطه نیز در دوره بحران کوچک‌تر از عدم بحران است[50]. عدم برابری مقادیر ( 14re1.rj2"> ) و ( 14re2.rj1"> ) برای تمام صنایع در دوره بحران و عدم بحران بیانگر رد فرضیه صفر مبنی بر عدم سرایت می‏باشد. هم‌چنین، در هر دو بحران ارزی، ضرایب کشیدگی هم‌زمان ( 14re1.rj3"> )[51] و ( 14re3.rj1"> )[52] در دوره‏ بحران افزایش یافته است. عدم برابری مقادیر ( 14re1.rj3"> ) و ( 14re3.rj1"> ) برای تمام صنایع در دوره بحران و عدم بحران بیانگر رد فرضیه صفر مبنی بر عدم سرایت می‏باشد. در هردو بحران ارزی ضرایب مربوط به نوسان‌پذیری هم‌زمان ( 14re2.rj2"> ) در تمام صنایع افزایش یافته است[53].

 

- تجزیه و تحلیل آزمون سرایت بحران ارزی

نتایج بیانگر سرایت بحران‏های ارزی اول و دوم به تمام صنایع به استثناء صنعت انبوه‏سازی است. هم‌چنین، صنعت محصولات داروئی نقطه شروع سرایت بحران‌های ارزی در بین صنایع مختلف بورسی می‏باشد. با توجه به اینکه این صنعت جزء صنایع واردات‌محور تلقی می‏شود، افزایش نرخ ارز باعث افزایش بهای تمام شده آن می‌شود و به تبع آن سودآوری این گروه تحت‌الشعاع قرار می‏گیرد. این صنعت هم‌بستگی محکمی با بازار ارز دارد و بحران‏های ارزی را نسبتاً سریع‌تر جذب می‏کند. در نتیجه، اثر سرریز این صنعت در سطح بالایی می‌باشد.

 

جدول 4. نتایج آزمون‏های سرایت از بازار ارز به صنایع منتخب بورسی

 

بحران ‏ارزی

FR

CS12

CS21

CK13

CK31

CV22

COSKEW

JOINT

انبوه سازی

اول

0/01

0/47

1/10

0/12

0/21

109/13***

1/58

9/50

دوم

4/74

1/23

27/96***

3/14

7/25***

0/03

3/90

8/46

بانک

اول

1/29

9/58***

0/46

32/93***

547/96***

67/42***

9/58***

319/62***

دوم

0/59

0/02

0/06

92/57***

0/56

12/01***

0/08

49/08***

چندرشته ای

اول

2/79

0/03

94/04***

1/85

9052/15***

0/28

94/00***

8966/82***

دوم

0/03

0/74

2/41

43/28***

190/09***

0/00

3/27

383/28***

سرمایه گذاری

اول

1/65

1/80

52/89***

1/17

2410/98***

35/85***

53/45***

2396/31***

دوم

1/71

0/09

19/44***

26/85***

212/45***

14/66***

19/34***

399/58***

خودرو

اول

0/03

5/94**

90/43***

3/55

10297/43***

34/18***

95/21***

10072/87***

دوم

1/67

0/63

10/03***

1/27

138/49***

8/78***

10/36***

191/02***

رایانه

اول

0/06

3/54

0/01

0/12

141/70***

91/73***

3/56

239/67***

دوم

0/17

20/59***

11/39***

23/00***

403/05***

46/93***

21/84***

377/04***

دارویی

اول

0/01

3/78**

1/88

201/07***

817/33***

35/67***

5/86**

1905/19***

دوم

0/06

0/22

7/87***

7/42***

96/10***

3/91**

8/25**

140/93***

سیمان

اول

4/64

0/38

116/13***

117/59***

13350/86***

108/11***

117/97***

15633/84***

دوم

0/28

0/17

84/82***

3/04

7/15***

0/05

89/13***

63/74***

شیمایی

اول

7/95***

0/16

161/43***

7/88***

11283/80***

61/29***

162/02***

12048/34***

دوم

5/32**

0/70

1/97

14/84***

826/30***

0/51

2/78

1047/46***

فرآوردهای نفتی

اول

1/48

26/33***

13/24***

1001/38***

229/91***

31/92***

40/09***

596/92***

دوم

1/27

0/52

1/78

6/00***

697/31***

22/89***

2/49

806/06***

فلزات اساسی

اول

10/44***

16/01***

238/84***

2646/73***

21505/79***

56/69***

261/47***

12489/62***

دوم

5/35**

1/34

12/09***

2/41

911/38***

18/55***

14/07***

1028/81***

کاشی و سرامیک

اول

0/04

19/42***

18/36***

1221/04***

0/00

19/39***

37/65***

1331/06***

دوم

0/00

0/03

1/39

42/59***

12/01***

0/02

1/42

20/50***

کانه های فلزی

اول

0/26

5/28**

21/49***

28/63***

3877/34***

63/96***

27/65***

4403/42***

دوم

1/33

0/02

5/21**

1/39

629/99***

31/67***

5/28

708/81***

توضیح: *** ، ** معناداری در سطح احتمال 1 و 5 درصد

منبع: یافته‌های پژوهش

 

بر اساس نتایج جدول (4)، آماره CS12در بحران اول برای صنایع بانکداری، خودرو، فرآورده‌های نفتی، فلزات اساسی، کاشی و سرامیک، کانه‏های فلزی و محصولات دارویی معنادار می‌باشد و در بحران دوم تنها برای صنعت رایانه معنادار می‌باشد و بیانگر این است که در صورت ایجاد نوسان در بازار ارز، این صنایع دچار نوسان می‏‏‏‏‏‏‏‏‏‏‏‏‏‏شوند. آماره CS21 در بحران اول برای صنایع چندرشته‌ای صنعتی، خودرو، سرمایه‏گذاری، سیمان، محصولات شیمیایی، فرآورده‏های نفتی، فلزات اساسی، کاشی و سرامیک و کانه‏های فلزی و در بحران دوم برای صنایع انبوه‏سازی، خودرو، رایانه، سرمایه‏گذاری، محصولات شیمیایی، فرآورده‏های نفتی، کاشی و سرامیک و محصولات دارویی معنادار می‌باشد. نوسانات بازدهی نرخ ارز به بازدهی این صنایع سرایت کرده است.

آمارهCK13دربحران اول برای صنایع بانکداری، سیمان، محصولات شیمیایی، فرآورده‏های نفتی، فلزات اساسی، کاشی و سرامیک، کانه‏های فلزی و محصولات دارویی و در بحران دوم برای صنایع بانکداری، چندرشته‌ای صنعتی، رایانه، سرمایه‏گذاری، محصولات شیمیایی، فرآورده‏های نفتی، کاشی و سرامیک و محصولات دارویی معنادار می‏باشد. آماره CK31در بحران اول برای تمامی صنایع به استثنای صنایع انبوه‏سازی و کاشی و سرامیک و در بحران دوم برای تمامی صنایع به استثنای صنعت بانکداری معنادار می‏باشد. بنابراین، هم‌زمان با تغییر کشیدگی در بازار ارز، کشیدگی این صنایع نیز تغییر کرده است.

آماره CV22 در بحران اول برای تمامی صنایع به استثنای صنعت چند رشته ای صنعتی و در بحران دوم برای صنایع بانکداری، خودرو، رایانه، سرمایه‏گذاری، فرآورده‏های نفتی، فلزات اساسی، کانه‏های فلزی و محصولات دارویی معنادار می‌باشد. بنابراین، می‌توان نتیجه گرفت که سرریزهای نوسان از بازار ارز به این صنایع اتفاق افتاده است.

آماره COSKEW در بحران اول برای تمامی صنایع به استثنای صنایع رایانه و انبوه‏سازی و در بحران دوم برای صنایع خودرو، رایانه، سرمایه‏گذاری، سیمان، فلزات اساسی و محصولات دارویی معنادار است. عدم معنادار بودن این آماره بیانگر عدم سرایت بحران ارزی به این صنایع می‏باشد.

آماره JOINT در بحران اول و دوم برای تمامی صنایع به استثنای صنعت انبوه‌سازی معنادار می‌باشد و بیانگر این است که بحران‏های ارزی از طریق کانال‌های گشتاور مرتبه سوم و چهارم به این صنایع سرایت پیدا کرده است.

نتایج آزمون FR نشان می‌دهد که بحران‏های ارزی صرفاً به صنایع محصولات شیمیایی و فلزات اساسی سرایت پیدا کرده است؛ به عبارت دیگر، کانال‌ همبستگی سنتی فوربس و ریگبون تنها برای این صنایع فعال می‌باشد؛ اما بر اساس گشتاور مرتبه بالاتر به ویژه آزمون JOINT و COSKEW بحران اول به تمام صنایع منتخب بورسی به استثنای صنعت انبوه‌سازی منتقل شده است. بنابراین، نتایج آزمون FR قادر به شناسایی سرایت بحران ارزی به صنایع مذکور نیست؛ اما آزمون‌های سرایت با گشتاور مرتبه بالاتر توانایی شناسایی سرایت بحران‏های ارزی به این صنایع را دارند.

- برآورد فرآیند اورنشتاین اولنبک

برای یافتن نقطه شروع سرایت بحران ارزی در صنایع مختلف بورسی و تخمین سرعت همگام‌سازی[54] جفت بازارها (بازار ارز و بازار سرمایه) از فرآیند اونشتاین اولنبک استفاده شده است. برای استخراج هم‌بستگی جفت بازارها از روش نمونه‌گیری جک- نایف[55]استفاده شده است. بر اساس محاسبات مربوط به ‌سرعت بازگشت به میانگین برای جفت بازار، آن بازاری نقطه شروع سرایت است که دارای بیش‌ترین مقدار 14خ¸">  باشد.

 

جدول 5. محاسبات پارامترهای مربوط به فرآیند اورنشتاین اولنبک

صنایع/ نرخ ارز

بحران ارزی اول

 

بحران ارزی دوم

 

کل دوره

θ

μ

σ

 

θ

μ

σ

 

θ

μ

σ

بانک

1/65

0/88

0/021

 

0/45

0/67

0/061

 

0/97

0/83

0/014

چند رشته‌ای

1/59

0/81

0/032

 

1/85

0/88

0/035

 

1/01

0/93

0/008

سرمایه‌گذاری

3/25

0/6

0/083

 

0/04

0/59

0/067

 

0/96

0/8

0/019

خودرو

0/44

0/76

0/024

 

0/76

0/71

0/062

 

0/78

0/86

0/011

رایانه

0/91

0/89

0/018

 

1/07

0/89

0/04

 

1/94

0/95

0/006

دارویی

2/85

0/92

0/017

 

5/2

0/9

0/039

 

0/93

0/95

0/005

سیمان

0/31

0/6

0/036

 

1/08

0/68

0/058

 

0/77

0/84

0/011

شیمیایی

0/43

0/74

0/028

 

0/38

0/76

0/05

 

0/45

0/9

0/007

فرآوردهای نفتی

0/28

0/81

0/02

 

3/12

0/88

0/034

 

0/47

0/93

0/005

فلزات اساسی

0/82

0/76

0/034

 

3/64

0/91

0/033

 

0/94

0/92

0/008

کاشی و سرامیک

0/31

0/62

0/033

 

0/16

0/7

0/056

 

0/16

0/85

0/009

کانه‌های فلزی

0/65

0/75

0/029

 

1/54

0/81

0/047

 

0/68

0/9

0/008

                         

منبع: یافته‌های پژوهش

بر اساس نتایج جدول (5) در بین صنایع واردات‌محور و در هر دو بحران ارزی، مقدار سرعت بازگشت به میانگین صنعت مواد دارویی به‌ صورت نسبی دارای مقادیر محاسبه شده بزرگ‌تری است. این صنعت به دلیل تأمین مواد اولیه از خارج از کشور، تأثیرپذیری بالایی از بازار ارز دارد. قیمت سهام آن از رشد ارز تأثیر منفی می‌پذیرد. بر اساس مقادیر برآوردی سرعت بازگشت به میانگین، نقطه شروع سرایت بحران ارزی از صنعت دارویی است. برای بررسی تفاوت سرعت سرایت بین بازارها، می‌توان از مقادیر میانگین بلندمدت (μ) و نوسان فرآیند (σ) استفاده کرد.

با لحاظ این نکته که سرعت تطبیق بازارها با یکدیگر متفاوت است، نمی‌توان به درستی نتیجه گرفت که ارتباط بازار ارز با صنعت رایانه بیش‌تر است یا خودرو؛ اما با مقایسه دو ستون مربوط به میانگین بلندمدت و نوسان فرآیند می‌توان مشاهده کرد که کم‌ترین مقدار نوسان معادل 8/1 درصد می‏باشد که مربوط به جفت بازار ارز - رایانه است و بیش‌ترین مقدار میانگین بلندمدت معادل 9/8 درصد می‏باشد که مربوط به همین جفت بازار است.

بنابراین، می‌توان بیان کرد که جفت بازار ارز – رایانه ارتباط قوی‌تر نسبت به جفت بازار ارز - خودرو دارد؛ در نتیجه، پس از صنعت محصولات دارویی، صنعت رایانه بیش‌ترین ارتباط و سرعت را در میان صنایع واردات‌محور دارد.

 در بین صنایع صادرات‌محور و در هر دو بحران ارزی، مقدار سرعت بازگشت به میانگین صنعت فلزات اساسی به ‌صورت نسبی دارای مقادیر محاسبه شده بزرگ‌تری است. در مورد شرکت‌های صادراتی، نرخ ارز و قیمت‌‏های جهانی محصولات مهم‌ترین نقش را در میزان درآمد این شرکت‏ها ایفا می‌کند. علاوه بر این، در صورتی که محصولات شرکت‏های صادرات‌محور در بازار داخل فروخته شود، نرخ فروش آن‏ها معمولاً به‌ صورت دستوری و با تأیید وزارت صنعت، معدن و تجارت مشخص می‌شود؛ اما در بلندمدت نرخ فروش داخلی و خارجی آنها تقریباً با هم یکسان‌سازی می‌شود.

 با توجه مقادیر میانگین بلندمدت (μ) و نوسان فرآیند (σ) می‌توان دریافت که در بحران ارزی اول صنایع کانه‌های فلزی و محصولات شیمیایی بعد از فلزات اساسی بیش‌ترین ارتباط را با بازار ارز دارند. با لحاظ این نکته که سرعت تطبیق بازارها با یکدیگر متفاوت است، نمی‌توان به‌ درستی نتیجه گرفت که ارتباط بازار ارز با شاخص محصولات شیمیایی بیش‌تر است یا با کانه‏های فلزی؛ اما با مقایسه دو ستون مربوط به میانگین بلندمدت و نوسان فرآیند می‏توان مشاهده کرد که کم‌ترین مقدار نوسان معادل 8/2 درصد می‏باشد که مربوط به جفت بازار ارز - محصولات شیمیایی است و از سوی دیگر، بیش‌ترین مقدار میانگین بلندمدت معادل 5/7 درصد می‏باشد که مربوط به جفت بازار ارز - کانه‏های فلزی است. لذا جفت بازار ارز - کانه‌های فلزی، ارتباط قوی‌تر نسبت به جفت بازار ارز - محصولات شیمیایی دارد.

پس از فلزات اساسی به ترتیب، صنایع کانه‌های فلزی و محصولات شیمیایی بیش‌ترین سرعت را در بین صنایع صادرات‌محور دارند؛ اما در بحران ارزی دوم بیش‌ترین ارتباط و سرعت بعد از صنعت فلزات اساسی مربوط به صنعت فرآوردهای نفتی است.

در بین صنایع خنثی، مقدار سرعت بازگشت به میانگین صنعت سرمایه‌گذاری در بحران‏ ارزی اول و صنعت چند رشته‌ای صنعتی در بحران ارزی دوم، به ‌صورت نسبی دارای مقادیر محاسبه شده بزرگ‌تری هستند.

با توجه به وابستگی وضعیت سودآوری این صنایع به پارامترهای کلان بنیادی، عمده درآمدهای آنها ناشی از سرمایه‌گذاری در صنایع و شرکت‌های مختلف بورسی و غیربورسی است.؛ لذا این صنایع به ‌صورت غیرمستقیم تحت تأثیر شوک‏های ارزی قرار می‏گیرند. با توجه به مقادیر میانگین بلندمدت (μ) و نوسان فرآیند (σ) می‌توان دریافت که پس از صنایع مذکور، صنعت بانکداری در هر دو بحران بیش‌ترین ارتباط را با بازار ارز دارد.

 

5.‌ نتایج و پیشنهادها

نرخ ارز می‌تواند از کانال‏های مختلفی بر بازار سرمایه تأثیر گذارد، از آنجا که قلمروی این پژوهش شناخت اثر سرایت بحران ارزی به صنایع مختلف بورسی است، توجه به تلاطمات هم‌زمان بین دو بازار مدنظر است. صنایع بورسی با توجه به نوع فعالیت، تأثیرپذیری متفاوتی از بحران‌های ارزی دارند؛ بطوریکه صنایع صادرات محور و واردات محور به ‌صورت مستقیم تحت تأثیر بحران ارزی قرار می‌گیرند.

صنایع خنثی به ‌صورت غیرمستقیم از بحران‌های ارزی متأثر می‏شوند. زیرا این صنایع نظیر صنعت سرمایه‏گذاری و چند رشته‌ای صنعتی بخشی از پرتفوی سرمایه‌گذاری خود را به شرکت‏های صادرات محور و واردات محور اختصاص می‌دهند.

نتایج این پژوهش، سرایت بحران‌های ارزی اول و دوم  به صنایع بورسی صادرات‌محور، واردات‌محور و خنثی (به استثنای صنعت انبوه‏سازی) را تأیید می‏کند. در همین راستا، از بین صنایع بورسی صنعت دارویی دارای بیش‌ترین مقدار سرعت بازگشت به میانگین است و این صنعت با بازار ارز بالاترین ارتباط را در بین صنایع بورسی دارد؛ در نتیجه، نقطه شروع سرایت بحران‏های ارزی، صنعت مواد دارویی است. با توجه به هم‌بستگی محکمی که این صنعت با بازار ارز دارد، بحران‏های ارزی را نسبتاً سریع‌تر جذب می‌کند؛ بنابراین، برای این صنعت می‏توان سطح بالای اثرات مورد انتظار سرریز را انتظار داشت.

نتایج این پژوهش با مقالات ارائه شده توسط هسیائو و همکاران (2021)، فرای مکبین و همکاران (2019)، فرای ‌مکیبین و هسیائو (2016)، فرای و شیائو (2016) و نوروزی­فر و همکاران (۱۳۹۸) در زمینه توانایی بالای آزمون‏ سرایت گشتاورهای مرتبه بالاتر در شناسایی سرایت بحران مطابقت داشته و هم‌سو می‏باشد.

کاربرد نتایج حاصل را می‏توان در سه حوزه کلان خلاصه کرد؛ نخست اینکه با توجه به فهرست شدن سهام شرکت‌های مختلف در بازار سرمایه، شناسایی مسیر سرایت بحران ارزی در صنایع بورسی صادرات‌محور، واردات‌محور و خنثی برای ذینفعان اعم از حاکمیت، نهاد نظارتی، مدیران و سهامداران دارای اهمیت است و می‏تواند نقش تعیین‌کننده‌ای در تصمیمات راهبردی ایفا نماید.

دوم، درک دقیق و عمیق مکانیزم‏ سرایت بحران‌های ارزی، اطلاعاتی در خصوص ابعاد تحلیل بنیادین بازار سرمایه با تأکید بر شوک‏های نرخ ارز ارائه می‏دهد که حلقه مفقوده در تحلیل‏های مالی است. در نهایت اینکه شناسایی مسیر سرایت بحران ارزی در مدیریت قیمت سهام برای شرکت‏ها مهم است؛ زیرا داشتن اطلاعاتی از نحوه سرایت بحران ارزی می‏تواند در انتخاب استراتژی، تنوع‌بخشی و تحلیل سناریو به‌ منظور کاهش ریسک سرمایه‌گذاری در پروژه‏های مختلف و یا برآیند عملکرد مالی و نرخ ارز در قالب تعدیلات پرتفوی مفید باشد.

در هنگام بروز بحران ارزی پیشنهاد می‌شود که سرمایه‌گذاران در شاخص سهام صنعت فلزات اساسی به علت پیشرو بودن این صنعت در جذب بحران ارزی و افزایش ارزش سهام این صنایع از ناحیه جریان نقدی آتی و ارزش جایگزینی، سرمایه‏گذاری نمایند و سهام شاخص صنعت دارویی و رایانه را به دلیل اثرپذیری منفی از بازار ارز، در سبد دارایی‌های خود کاهش دهند.

 

 

 

منابع

- بورس اوراق بهادار، بورس اوراق بهادار تهران .http://www.tse.ir

- زمانی، شیوا، سوری، داوود و ثنایی اعلم، محسن (1389). بررسی وجود سرایت بین سهام شرکت‏ها در بورس اوراق بهادار تهران با استفاده از یک مدل دینامیک چند متغیره. مجله تحقیقات اقتصادی، 45 (4(4)): 54-29.

- صرافی زنجانی، محمد و مهرگان، نادر (1397). اثر نامتقارن ریسک نرخ ارز بر شاخص سهام صنایع صادرات محور با استفاده از مدل NARDL. فصلنامه تحقیقات مدلسازی اقتصادی، 9 (33): ۸۹-۱۱۶.

- فتاحی، شهرام، خانزادی، آزاد و مریم، نفیسی مقدم (۱۳۹۸). پیش‏بینی تلاطم بازده سهام در بورس اوراق بهادار تهران با استفاده از روش شبیه سازی MCMC و الگوریتم متروپلیس هستینگ. فصلنامهدانشمالی تحلیلاوراقبهادار، 9 (32): 94-76.

- نوروزی­فر، طاهره، فتاحی، شهرام و سهیلی، کیومرث (۱۳۹۸). اثر تحریم بر میزان وابستگی بازار نفت و بازار مالی: رویکرد وابستگی اکستریمال. فصلنامه مدلسازی اقتصادی، 13 (1(45)):­ 1-17.

- نیکومرام، هاشم، پورزمانی، زهرا و دهقان، عبدالمجید (۱۳۹۳). سرایت­­پذیری تلاطم در بازار سرمایه ایران. فصلنامه علمی پژوهشی دانش سرمایه­گذاری، 3 (15): ۱7۹-۱9۹.



[1] Contagion

[2] Al Mughairi Habiba

[3]Fry-McKibbin & Hsiao

[4] Forbes & Rigobon

[5] Kaminsky & Reinhart

[6] Liquidity & Incentive Problems

[7] Informational Asymmetries

[8] Market Coordination Problem

[9] Investor Reassessment

[10] Bello Ahmadu

[11] Herd Behavior

[12] Bekaert, Ehrmann, Fratzscher & Mehl

[13] Yuko Hashimoto & Takatoshi Ito

[14] HIGH-FREQUENCY

[15] Wang, Yuan, Li & Wang

[16] DMC-EVT

[17] Roy & Roy

[18] The Ornstein Uhlenbeck Process (OU)

[19] Fry-McKibbin, Hsiao & Martin

[20] Joint Contagion Test

[21] Joint Coskewness Contagion Test

[22] Yu Ling Hsiao

[23] Extremal Dependence Model

[24] فرای مکبین و همکاران (2019).

[25] Fry-McKibbin, Martin& Tang

[26] Fry, Martin & Tang

[27] Asymmetric Dependence Model

[28] Brownian Motion

[29] Ivanov, Kabaivanov & Bogdanov

[30] Iterated Cumulative Sum of Squares (ICSS)

[31] Inclan & Tiao

[32] Sanso, Arago & Carrion

[33] Kang, Cheong & Yoon

[34] Malik, Ewing & Payne

[35] Fat Tail Distribution

[36] Arago & Fernandez

[37] The Inclan-Tiao Test

[38]  صنایع منتخب از لحاظ ارزش و تعداد معاملات و ارزش بازار سهام بر اساس گزارش منتشر شده توسط سازمان بورس و اوراق بهادار در شهریورماه 1399 جزء صنایع برتر بوده اند که در سه گروه صنایع صادرات محور (محصولات شیمیایی، کاشی و سرامیک، فلزات اساسی، کانه های فلزی، فرآورده‏های نفتی، سیمان)، واردات‌محور (خودرو و ساخت قطعات، مواد و محصولات دارویی و رایانه) و خنثی (بانک ها و موسسات اعتباری، انبوه‏سازی، چندرشته ای صنعتی، سرمایه گذاری و ...) دسته بندی شده‌اند.

[39] منظور، سایت tse.ir می‌باشد.

[40] برای آشنایی بیش‌تر با روش‌های ارائه شده به مقاله سانسو و همکاران (2003) مراجعه شود.

[41] برنامه جامع اقدام مشترک توافقی است بین‌المللی که بر سر برنامه هسته‌ای ایران بین کشور‌های گروه ۱+۵ (آمریکا، روسیه، چین، فرانسه، انگلیس و آلمان) و ایران در تاریخ ۱۴ ژوئیه سال ۲۰۱۵ و در شهر وین اتریش رقم خورد.

[42] ICSS(κ2)

[43] برای بررسی ایستایی متغیرها از آزمون دیکی فولر (ADF) و دیکی فولر دارای نقطه شکست (Break Point ADF) استفاده ‌شده است.

[44] به استثنای صنعت رایانه در بحران اول

[45] به استثنای صنایع انبوه‏سازی، رایانه، سیمان، شیمیایی و فلزات اساسی در بحران اول و صنعت بانک در بحران دوم

[46] به استثنای از صنایع بانک، خودرو و رایانه در بحران اول

[47] به استثنای از صنایع بانک، خودرو، فرآورده‏های نفتی و دارویی در بحران دوم

[48] Jarque-Bera

[49] به استثنای صنایع بانک، خودرو، شیمیایی و کانه‏های فلزی در بحران اول و صنایع چند رشته ای صنعتی، خودرو، رایانه، سرمایه‌گذاری، سیمان، فرآورده‌های نفتی و فلزات اساسی در بحران دوم.

[50] به استثنای صنایع خودرو، رایانه و دارویی در بحران اول و بانک، فرآورده نفتی، فلزات اساسی و کانه‏های فلزی در بحران دوم.

[51] به استثنای صنایع انبوه‏سازی، بانک، خودرو، سیمان، شیمیایی، کاشی ‏و سرامیک و کانه‏های فلزی در بحران اول و صنایع رایانه و کانه‏های فلزی در بحران دوم.

[52] به استثنای صنایع چندرشته‏ای، سرمایه‏گذاری، سیمان، شیمیایی، فرآورده های نفتی، فلزات اساسی و کانه‏های فلزی در بحران اول و صنایع بانک، سیمان و کاشی و سرامیک در بحران دوم.

[53] به استثنای صنایع بانک، چندرشته‌ای، خودرو، سیمان، شیمیایی و فلزات اساسی در بحران اول و صنایع انبوه‏سازی، بانک، سیمان، شیمیایی، کاشی‏و سرامیک و دارویی بحران دوم.

[54] Synchronization

[55]Jack- Knife Resampling

 

منابع
- بورس اوراق بهادار، بورس اوراق بهادار تهران .http://www.tse.ir
- زمانی، شیوا، سوری، داوود و ثنایی اعلم، محسن (1389). بررسی وجود سرایت بین سهام شرکت‏ها در بورس اوراق بهادار تهران با استفاده از یک مدل دینامیک چند متغیره. مجله تحقیقات اقتصادی، 45 (4(4)): 54-29.
- صرافی زنجانی، محمد و مهرگان، نادر (1397). اثر نامتقارن ریسک نرخ ارز بر شاخص سهام صنایع صادرات محور با استفاده از مدل NARDL. فصلنامه تحقیقات مدلسازی اقتصادی، 9 (33): ۸۹-۱۱۶.
- فتاحی، شهرام، خانزادی، آزاد و مریم، نفیسی مقدم (۱۳۹۸). پیش‏بینی تلاطم بازده سهام در بورس اوراق بهادار تهران با استفاده از روش شبیه سازی MCMC و الگوریتم متروپلیس هستینگ. فصلنامهدانشمالی تحلیلاوراقبهادار، 9 (32): 94-76.
- نوروزی­فر، طاهره، فتاحی، شهرام و سهیلی، کیومرث (۱۳۹۸). اثر تحریم بر میزان وابستگی بازار نفت و بازار مالی: رویکرد وابستگی اکستریمال. فصلنامه مدلسازی اقتصادی، 13 (1(45)):­ 1-17.
- نیکومرام، هاشم، پورزمانی، زهرا و دهقان، عبدالمجید (۱۳۹۳). سرایت­­پذیری تلاطم در بازار سرمایه ایران. فصلنامه علمی پژوهشی دانش سرمایه­گذاری، 3 (15): ۱7۹-۱9۹.
- Al Mughairi, H. )2016(. Essays on modelling the volatility dynamics and linkages of emerging and frontier stock markets. Doctoral Thesis, Department of Economics and Finance, Brunel University London.
- Arago, V., & Fernandez, M.A. (2007). Influence of structural changes in transmission of information between stock markets: A European Empirical Stud. Journal of Multinational Financial Management, 17(1): 112-124.
- Bekaert, G., Ehrmann, M., Fratzscher, M. & Mehl, A. (2014). The global crisis and equity market contagion. The Journal of Finance, 69(6): 2597-2649.
- Bello, J. )2014(. The 2007-09 Global Financial Crisis and Financial Contagion Effects in African Stock Markets. Doctoral Thesis, Coventry University.
- Forbes, K. & Rigobon, R. (2002). No Contagion, Only Interdependence: Measuring Stock Market Co-movements. The Journal of Finance, 57(5), 2223-2261.
- Fry, R.A., Martin, V.L. & Tang, C. (2010). A New Class of Tests of Contagion with Applications. Journal of Business and Economic Statistics, 28(3): 423-437
- Fry-McKibbin, R., Martin, V.L. & Tang, C. (2014). Financial Contagion and Asset Pricing. Journal of Banking and Finance, 47: 296-308.
- Fry-McKibbin, R.A. & Hsiao C. Y-L. (2016). Extremal Dependence and Contagion. Econometrics Reviews, 25: 1-24.
- Ivanov, Ivan., Kabaivanov, Stanimir & Bogdanova, Boryana. (2016). Stock market recovery from the 2008 financial crisis: The differences across Europe. Research in International Business and Finance, Elsevier, 37(C): 360-374.
- Kang, S.H., Cheong C., & Yoon, S.M. (2011). Structural changes and volatility transmission in crude oil markets. Physical A, 390(4): 4317-4324.
- Kaminsky, G. L., & Reinhart, C. M. (1998). Financial Crises in Asia and Latin America: Then and Now. American Economic Review, American Economic Association, 88 (2): 444-448.
- Karimi, Mojtaba., Sarraf, Fatemeh., Emamverdi, Ghodratollah & Baghani, Ali (2020). Identifying path of Global Financial Crisis Contagion Direction on Industries of Iran Stock Market. Iranian Journal of Finance, 4(1), 25-54.
- Lye, J.N. & Martin, V.L. (1993). Robust Estimation, Nonmorality’s, and Generalized Exponential Distributions. Journal of the American Statistical Association, 88: 261-267.
- Malik, F., Ewing, B. T., & Payne, J. E. (2005). Measuring volatility persistence in the presence of sudden changes in the variance of Canadian stock return. Canadian Journal of Economics, 38(4): 1037-1056.
- Renée Fry-McKibbin., Cody Yu-Ling Hsiao & Vance L. Martin. (2019). Joint tests of contagion with applications. Quantitative Finance, Taylor & Francis Journals, 19(3):473-490.
- Roy, R. P., & Roy, S. S. (2017). Financial contagion and volatility spillover: An exploration into Indian commodity derivative market. Economic Modelling, 67:  368-380.
- Sanso, A., Arago, V., & Carrion, J.Ll. (2003). Testing for changes in the unconditional variance of financial time series. Revista de Economía Financiera, 4(4): 32-53.
- Yu-Ling Hsiao. (2016). Test for Contagion with Applications to Equity Markets. International Conference on Politics, Economics and Law (ICPEL 2016).
- Yuko Hashimoto & Takatoshi Ito. (2004). High-Frequency Contagion between the Exchange Rates and Stock Prices. NBER Working Papers 10448, National Bureau of Economic Research, Inc.