كليدواژه :
رويكرد بيزي مدل فضا - حالت , واريانس ناهمساني , تلاطم تصادفي عاملي , همبستگي پويا
چكيده فارسي :
مقاله حاضر با استفاده از داده‌هاي روزانه شاخص قيمت 15 گروه صنعت طي دوره زماني 1395/08/09 تا 1400/01/07 درصدد الگوسازي تلاطم بازار سهام ايران است. مدل تلاطم تصادفي چند متغيره عاملي در چارچوب رويكرد فضاحالت غيرخطي، مبناي تفكيك تلاطم بازار سهام به دو جزء «تلاطم منبعث از عوامل پنهان» و «تلاطم خاص هر صنعت» و برآورد ماتريس همبستگي پوياي تلاطم صنايع قرار گرفته است. يافته‌ها حاكي از آن است كه اولاً دو عامل پنهان وجود دارد كه بخشي از تلاطم صنايع داخلي (انبوه‌سازي، زراعت، محصولات غذايي، قند و شكر، سيمان و ...) متاثر از عامل پنهان اول و بخشي از تلاطم صنايع كاموديتي‌محور صادراتي كشور (صنايع شيميايي و پتروشيمي، فرآورده‌هاي نفتي، فلزات اساسي و محصولات فلزي)، تحت تاثير عامل پنهان دوم است. ثانياً تلاطم‌هاي خاص هر صنعت در طي دوره زماني مورد بررسي تشديد شده و رفتار خوشه‌اي را از خود به نمايش مي‌گذارد. ثالثاً تلاطم بازده سهام صنعت بانكي متاثر از هر دو عامل پنهان بوده و تلاطم خاص مرتبط با صنعت مذكور، تقريباً در ميانه صنايع قرار مي‌گيرد. اين يافته، دور از انتظار نيست، زيرا پرتفوي تسهيلات اعطايي بانك‌ها، متشكل از تمامي صنايع مي‌باشد و لذا تلاطم اين بخش و اثرپذيري آن از عوامل پنهان، ميانگين وزني از ساير صنايع خواهد بود. رابعاً بيشترين درجه همبستگي تلاطم بازده سهام در ميان 4 صنعت كاموديتي‌محور مشاهده مي‌شود كه در طول دوره مورد بررسي، سير صعودي داشته است.
چكيده لاتين :
Using the daily data of the price index of 15 industries during 2016/10/30 to 2021/3/27, the volatility of Iranian stock market has been modeled in this paper. Factor multivariate stochastic volatility model in the framework of space-state approach is the basis for decomposing the stock market volatility into two components, “volatility rooted in latent factors” and “idiosyncratic volatility” and estimating time-varying covariance matrix and dynamic pair-wise correlation of time series. The findings reveal that: first, there are two latent factors; the first affects the volatility of domestic industries (real estate, agriculture, food products, sugar, cement, etc.) and volatilities of commodity-based industries (chemical and petrochemical industries, petroleum products, basic metals and metal products) are affected by the latter. Second idiosyncratic volatilities of each industry increase during this period, and evidence of clustering behavior emerges. Third, the volatility of banking industry’s stock return is influenced by both of latent factors and its idiosyncratic volatility lies in the middle of industries. This finding is logical and predictable because banks lend to a wide range of different industries, so idiosyncratic volatility of this sector and factors loading will be the weighted average of other industries. Fourth, the highest degree of pairwise correlation is observed between the 4 commodity-based industries, which have had an upward trend during this period.
