بررسی ارتباط متقابل چرخه‌های مالی با کسب‌وکار در اقتصاد ایران

نوع مقاله: علمی پژوهشی

نویسندگان

1 دانشیار اقتصاد، دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران.

2 دانشیار اقتصاد، عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران.

3 دانشجوی دکتری اقتصاد دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران.

چکیده

در این مقاله با استفاده از یک مدل سری زمانی ساختاری چند متغیره شامل چهار متغیر کلیدی اقتصاد کلان و مالی، رابطه بین این متغیرها را در چرخه­های کوتاه­مدت و میان­مدت برای اقتصاد ایران بدست می­آوردیم. جنبه جدید رویکرد مورد استفاده این است که از طریق چرخه های برآورد شده، پویایی­های کوتاه­مدت و میان مدت این متغیرها تجزیه می­شود. نتایج پژوهش نشان می­دهد که حرکات چرخه­ای حجم اعتبار و وام مسکن به طور عمده تحت تاثیر چرخه میان ​​مدت است، در حالی که حرکات چرخه­ای متغیرهای اقتصاد کلان تحت تاثیر چرخه کوتاه مدت و میان مدت قرار دارد. همچنین، حرکت مشترک بین چرخه­های متغیرهای مالی و اقتصاد کلان، عمدتاً در میان مدت وجود دارد. از سوی دیگر هم­چرخه­ای قوی میان چرخه­های کوتاه مدت تولید ناخالص داخلی و تولید صنعتی مشاهده می­شود. به همین جهت چرخه کوتاه مدت تولید صنعتی، تقریب خوبی برای چرخه کوتاه مدت تولید ناخالص داخلی است. همین­طور هم­چرخه­ای قابل توجهی میان اعتبارات و تولید ناخالص داخلی در میان مدت وجود دارد. این نتیجه از این ایده حمایت می­کند که نوسانات میان مدت در تولید ناخالص داخلی تا حدی ناشی از الگوی رونق- رکود در اعتبار است. بنابراین تحلیل نشان می­دهد که، توجه به روابط متقابل میان چرخه­ها، هنگام طراحی سیاست­های تنظیمی به منظور اطمینان از سلامت کل سیستم، ضروری است.
Abstract
In this paper, by using a multivariate structural time series model including four key macroeconomic and financial variables of Iran, we devised short and medium term cycles for Iran's economy. The new aspect of the approach is that through the estimated cycles, the short and medium dynamics of these variables are decomposed. The results indicated that cyclic movements of credit and mortgage volumes are mainly influenced by the medium-term cycle, while cyclical movements of macroeconomic variables are affected by the short-term and medium-term cycles. Also, there is a co-movement between the cycles of financial variables and macroeconomics, mainly in the medium term. On the other hand, there is a strong co-cyclicality between the short-term cycles of GDP and industrial production. Therefore, the short-term industrial production cycle is a good approximation to the short-run GDP cycle. There is a significant co-cyclicality between credits and GDP in the medium term. This result supports the idea that the medium-term fluctuations in GDP are partly due to the boom-bust pattern in credit. There is also a strong indirect co-cyclicality between the mid-term GDP and mortgage cycles.

کلیدواژه‌ها


 

بررسی ارتباط متقابل چرخه­های مالی با کسب­وکار در اقتصاد ایران

 

 

مصیب پهلوانی

تاریخ دریافت: 16/01/1397             تاریخ پذیرش: 05/03/1397

[1]

سیدحسین میرجلیلی[2]

نفیسه کشتگر[3]

 

 

چکیده

در این مقاله با استفاده از یک مدل سری زمانی ساختاری چند متغیره شامل چهار متغیر کلیدی اقتصاد کلان و مالی، رابطه بین این متغیرها را در چرخه­های کوتاه­مدت و میان­مدت برای اقتصاد ایران بدست می­آوردیم. جنبه جدید رویکرد مورد استفاده این است که از طریق چرخه های برآورد شده، پویایی­های کوتاه­مدت و میان مدت این متغیرها تجزیه می­شود. نتایج پژوهش نشان می­دهد که حرکات چرخه­ای حجم اعتبار و وام مسکن به طور عمده تحت تاثیر چرخه میان ​​مدت است، در حالی که حرکات چرخه­ای متغیرهای اقتصاد کلان تحت تاثیر چرخه کوتاه مدت و میان مدت قرار دارد. همچنین، حرکت مشترک بین چرخه­های متغیرهای مالی و اقتصاد کلان، عمدتاً در میان مدت وجود دارد. از سوی دیگر هم­چرخه­ای قوی میان چرخه­های کوتاه مدت تولید ناخالص داخلی و تولید صنعتی مشاهده می­شود. به همین جهت چرخه کوتاه مدت تولید صنعتی، تقریب خوبی برای چرخه کوتاه مدت تولید ناخالص داخلی است. همین­طور هم­چرخه­ای قابل توجهی میان اعتبارات و تولید ناخالص داخلی در میان مدت وجود دارد. این نتیجه از این ایده حمایت می­کند که نوسانات میان مدت در تولید ناخالص داخلی تا حدی ناشی از الگوی رونق- رکود در اعتبار است. بنابراین تحلیل نشان می­دهد که، توجه به روابط متقابل میان چرخه­ها، هنگام طراحی سیاست­های تنظیمی به منظور اطمینان از سلامت کل سیستم، ضروری است.

 

واژه‌های کلیدی: مدل سری زمانی ساختاری چندمتغیره، فیلتر کالمن، برآورد حداکثر راستنمایی، چرخه­های کوتاه­مدت و میانمدت.

طبقه بندی JEL: C32 ، E32، G01

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1- مقدمه

طی دوره زمانی 1376:1 تا 1395:4 در اقتصاد ایران با بی­ثباتی و نوسان در بازارهای مالی و کسب­وکار مواجه بوده­ایم که چرخه­ مالی و کسب­وکار را ایجاد کرده است. نوسان­ها و بی­ثباتی چرخه مالی و کسب­وکار باعث می­شود فعالیتهای اقتصادی دچار اختلال شود. در این مطالعه دو متغیر حجم اعتبارات و وام مسکن متغیرهای بخش مالی و دو متغیر تولید ناخالص داخلی و تولیدات صنعتی متغیرهای بخش کسب­وکار را نشان می­دهد، زیرا همانطور که تجربه بحران مالی جهانی نشان داد، اعتبارات و وام مسکن، هسته نوسانات مالی را تشکیل می­دهند و می­توانند باعث بی­ثباتی نظام مالی و ایجاد ریسک سیستمی شوند. روند این متغیر­ها، نوسان و چرخه­های مالی و کسب­وکار در اقتصاد ایران را نشان می­دهد. برخی شباهت­ها میان  نوسان­های چرخه­های مالی و نوسان­های تولید در چرخه­های کسب­وکار وجود دارد. ازآنجا که تغییرات بزرگ در متغیرهای مالی اغلب با نوسان­های فراوان در فعالیت کسب­وکار مرتبط هستند، بررسی همزمان چرخه­­ها و ارتباط آنها ضرورت دارد.

بحران­های مالی نه تنها بر چرخه­های بازارهای مالی  تاثیر ­می­گذارد، بلکه بر چرخه­های کسب­وکار نیز تاثیر دارد. با توجه به رابطه میان چرخه­های کسب­وکار و مالی، نظارت بر چرخه­های بازارهای مالی باید بخشی از نظارت و طراحی سیاستی اقتصاد کلان باشد. بنابراین ضروری است که در کنار تنظیم سیاستهای پولی، در سیاستهای محتاطانه کلان، وضعیت چرخه­های مالی و کسب­وکار، همینطور ارتباط متقابل میان چرخه­ها هنگام طراحی سیاستهای تنظیمی و مقررات محتاطانه کلان مدنظر قرار گیرد.

الگوهای فعالیت اقتصادی در واقع زمانی معنادارند که اولاًچرخه کسب­وکار پرتواتر، روی چرخه مالی کم تواتر قرار گیرد. دوماً اینکه دامنه فراوانی چرخه مالی در مقایسه با دامنه فراوانی چرخه معمولی کسب­وکار بسیار گسترده است. این ترکیب به معنای این است که چرخه مالی رونق­های پایدار و کسادی­های عمیق ایجاد می­کند. (بوریو، 2012)

 در این پژوهش رویکرد جدیدی، برای برآورد همزمان و استخراج چرخه­های کوتاه مدت و میان مدت مجموعه­ای از متغیرهای کلان و مالی اقتصاد ایران استفاده شده است.وقوع بحران مالی جهانی2007-2009، توضیح دیگری برای وجود چرخه­های میان مدت مطرح کرد که مربوط به نوسانات میان مدت متغیرهای مالی است. این نوسانات مرتبط با چرخه مالی است و نقاط اوج در نوسانات میان مدت متغیرهای مالی، با شروع بحران مالی مصادف است. رونق­ و رکود در بخش مالی، دارای پیامدهای اقتصادی کلان است. (وینتر، 2017)

در این مقاله سری­های زمانی اقتصاد کلان و مالی را به چهار مولفه تفکیک می­کنیم: روند بلند مدت، پویایی­های چرخه­ای میان مدت، حرکات چرخه­ای کوتاه مدت و جزء نامنظم، مانند آنچه در مقاله کوپمن[i]  و لوکاس[ii] (2005) با عنوان "چرخه­های کسب و کار و نکول برای ریسک اعتباری" انجام شده است.مزیت اصلی این روش نسبت به روشهای سنتی مانند فیلترهای ناپارامتری، این است که امکان استخراج همزمان چرخه­های کوتاه مدت و میان مدت را ایجاد می­کند.علاوه بر این، رابطه میان چرخه­های استخراج شده را می­توان بررسی کرد.

ادامه مقاله به شرح زیر تدوین شده است. بخش 2 حقایق آشکار شده سری­های زمانی مالی و اقتصاد کلان ایران را ارائه می­کند. بخش 3، اختصاص به معرفی پیشینه تحقیق دارد. بخش 4 مبنای نظری، مدل تحقیق و روش تخمین را مورد بحث قرار می­دهد. بخش 5 نتایج تجربی تحقیق را ارائه داده و سرانجام نتیجه گیری و پیشنهادها آخرین بخش مقاله را تشکیل می­دهد.

بنابراین در این مطالعه به دنبال پاسخ به سوال اصلی زیر هستیم :

چه رابطه­ای میان متغیرهای کلان و مالی ایران در چرخه­های کوتاه­مدت و میان مدت وجود دارد؟

فرضیه تحقیق  اینست که:

×      متغیرهای مالی تحت تاثیر چرخه میان مدت قرار دارند و متغیرهای اقتصاد کلان تحت تاثیر چرخه کوتاه مدت و میان مدت قرار دارند.

 

2- حقایق آشکار شده

در شکل1، سری زمانی متغیرهای تولید ناخالص داخلی، وام مسکن، حجم اعتبارات و تولیدات صنعتی برای ایران ترسیم شده است. پایگاه داده­های تولید ناخالص داخلی، وام مسکن، اعتبارات و تولیدات صنعتی، بانک مرکزی ایران است که در آن تولیدات صنعتی، شاخص کل تولید کارگاه­های بزرگ صنعتی[iii] به تفکیک سه ماهه در سال‌های مختلف در نظر گرفته شده و واحد اندازه­گیری داده­های تولید ناخالص داخلی، اعتبارات و وام مسکن میلیارد ریال بوده و شاخص تولیدات صنعتی و همچنین سایر متغیرهای به قیمت ثابت سال پایه 1383 است.

 

 

نمودار1- تولید ناخالص داخلی طی دوره زمانی 1376:1-1395:4

منبع: یافته‌های پژوهشگر

 

 

نمودار2- نمودار شاخص تولیدات صنعتی طی دوره زمانی 1376:1-1395:4

منبع: یافته‌های پژوهشگر

 

 

نمودار3- وام مسکن طی دوره زمانی 1376:1-1395:4

منبع: یافته‌های پژوهشگر

 

نمودار4- حجم اعتبارات طی دوره زمانی 1376:1-1395:4

منبع: یافته‌های پژوهشگر

 

نمودار 1، 2، 3 و 4 به ترتیب روند تولید ناخالص داخلی،  شاخص تولیدات صنعتی، وام مسکن و حجم اعتبارات را در طول زمان به­ صورت روند صعودی نشان می­دهد. همینطور روند رشد چهار متغیر کلیدی کلان (تولید ناخالص داخلی و تولیدات صنعتی) و مالی (حجم اعتبارات و وام مسکن) در نمودار 5 بطور همزمان قابل مشاهده است که دارای افت و خیزهای متعددی طی دوره زمانی 1376:1- 1395:4 بوده که به ترتیب ناشی از نوسانات بسیار در بخش کسب­وکار و مالی است.

 این مطالعه حقایقی را در مورد چرخه­های کسب­و کار و مالی آشکار می­کند؛ اول اینکه چرخه­های مالی ممکن است طولانی شده و به رویدادهای پرهزینه­ای تبدیل شوند. دوم اینکه این چرخه­ها می­توانند یکدیگر را تقویت کنند وتبدیل به بحران مالی شوند. بنابراین این حقایق به همراه نتایج تحقیق می­تواند دارای مفاهیم مهمی برای طراحی سیاست­های بخش مالی و اقتصاد کلان باشد همچنین استخراج برخی شباهت­ها میان مراحل نوسان­های چرخه­ای شناسایی شده در بازارهای مالی و نوسان­های تولید مرتبط با چرخه­های کسب­وکار، مفید و قابل توجه است.

چرخه مالی چندین ویژگی برجسته دارد که اغلب از سوی اقتصاددانان جریان اصلی نادیده گرفته می­شود. نخست اینکه چرخه مالی بسامد بسیار پایین­تری نسبت به یک چرخه معمولی تجاری دارد. به جای رفتن از اوج به حضیض هر 5 تا 7 سال، نوسانات چرخه مالی می­تواند چندین دهه به طول بیانجامد. (بوریو، 2012)

 

 

 

 

نمودار5- رشد متغیرهای مالی و کسب­وکار در ایران طی دوره زمانی 1376:1-1395:4

منبع: یافته‌های پژوهشگر

 

3- پیشینه تحقیق

کومین[iv] و گرتل[v] (2006) در مقاله "چرخه­های میان مدت کسب وکار" نشان دادند که نوسانات میان مدت توسط فیلترهای چرخه کسب و کار  تشخیص داده نمی شود، و لذا آنها را در روند بلندمدت لحاظ می کنند. چرخه­های کسب­وکار میان مدت ناشی از شوک­هایی است که بر سرعت تحقیق و توسعه و دستیابی به فناوری، تأثیر می گذارند.

 کومین و همکاران (2014) در مقاله"چرخه های کسب و کار میان مدت در کشورهای در حال توسعه" و لوپز[vi] و بلاس[vii] (2012) در مقاله "انتقال بین المللی چرخه­های فناوری میان مدت"، مکانیسم دیگری که باعث ایجاد چرخه­های میان مدت می­شود، یعنی انتقال فن­آوری از کشورهای رهبر فناوری به کشورهای پیرو، را توضیح داده­اند.

بوریو[viii] (2012)، در مقاله­ای با عنوان "چرخه مالی و اقتصاد کلان به ما چه می­آموزند؟"، به بررسی ویژگی­های تجربی آشکار شده چرخه مالی پرداخت. نتایج نشان داد چرخه مالی چالش­های سیاست اقتصادی را افزایش می­دهد و می­تواند در طول زمان از کارایی و اعتبار سیاست پولی بکاهد. همچنین در صورت طولانی­تر شدن چرخه­های مالی، آسیب­پذیری­های مالی اقتصاد افزایش یافته و مدت زمان لازم برای ایجاد بهبودی به تبع آن بالا می­رود.

کلیسنز[ix] و همکاران (a2011)، در مقاله­ای با عنوان "چرخه­های مالی: چطور؟ چگونه؟ چه زمان؟" به تحلیل مقایسه­ای چرخه­های مالی 21 کشور پیشرفته  طی دوره زمانی 1960:1 تا 2007:4 پرداختند. سه نتیجه اصلی بدست آمده نشان می­دهد که: اول، ممکن است چرخه­های مالی (بخصوص در بازارهای سهام و مسکن) چرخه­های طولانی و عمیق باشند. دوم، چرخه­های مالی یکدیگر را تقویت می­کنند و طی رکودهای همزمان در بازارهای مسکن و اعتبارات، تقویت می­شوند. سوم، این چرخه­ها میان کشورها دارای همزمانی بالایی هستند که احتمالا به سبب جهانی شدن می­باشد.

کلیسنز و همکاران (b2011)، در مقاله­ای با عنوان "تعاملات بین چرخه­های تجاری و مالی" با استفاده از پایگاه داده­ها با بیش از 200 چرخه کسب­وکار و 700 چرخه مالی در 44 کشور برای دوره 1960:1 تا 2007:4 را تحلیل نموده­اند. نتایج نشان می­دهد که ارتباط قوی میان مراحل مختلف چرخه­ کسب­وکار و چرخه مالی وجود دارد. به طور خاص، رکود ناشی از افزایش شدید قیمت مسکن، طولانی­تر و عمیق­تر از سایر رکودها است. همچنین با رشد سریع اعتبار و قیمت مسکن بهبود سریعتر می­شود. این یافته­ها بر اهمیت تحولات بازار اعتبار و مسکن برای اقتصاد واقعی تاکید می­کند.

فارل[x] و کمپ[xi] (2017)، در مقاله خود چرخه مالی را در آفریقای جنوبی به سه روش مختلف اندازه­گیری کردند. آنها چرخه مالی را با استفاده از اعتبار، قیمت مسکن و قیمت سهام به عنوان شاخص شناسایی کردند و آن را با استفاده از روش تجزیه و تحلیل نقطه عطفی، فیلترهای مبتنی بر فرکانس و مدل اجزای غیرقابل مشاهده برآورد نمودند. نتایج نشان داد چرخه مالی در آفریقای جنوبی طولانی­تر و دامنه آن وسیع­تر از چرخه کسب­وکار است.

پونتینس[xii] (2016)، در مقاله­ای با عنوان "چرخه­های مالی در اقتصاد چهار کشور آسیایی"، چرخه­های مالی را با استفاده از داده­های چهار اقتصاد شرق آسیا، یعنی هنگ کنگ، مالزی، فیلیپین و تایلند مشخص کردند. بدین منظور تحلیل طیفی برای مشخص کردن چرخه­های مالی به کار بردند و این چرخه­ها را با چرخه­های تجاری چهار اقتصاد آسیای شرقی مقایسه نمودند. یافته­های تجربی نشان می­دهد که به استثنای افزایش قیمت سهام در هنگ کنگ، چرخه­های مالی طولانی­تر از چرخه­های کسب­وکار است.

هادیان و هاشم پور (1382)، در مقاله­ای با "عنوان شناسایی چرخه­های تجاری در اقتصاد ایران"، با هدف استخراج اجزای روند بلندمدت ادوار تجاری و تکانه­های نامنظم از تولید ناخالص داخلی حقیقی ایران، به شناسایی و تشخیص علل پیدایش ادوار کسب­وکار در اقتصاد ایران پرداختند. در اولین مرحله، تشریح و تجزیه تولید ناخالص داخلی حقیقی ایران به اجزای مذکور، در دومین مرحله ارائه بحثی درباره ارزیابی و بررسی علل پیدایش ادوار تجاری و سومین مرحله، روش پیش بینی اجزای ذکر شده به منظور برآورد تولید ناخالص داخلی حقیقی ایران برای یک دوره پنج ساله است. برای این منظور فرض شده که داده­های سالانه سری زمانی تولید ناخالص داخلی حقیقی ایران سه جزء بلندمدت، نوسانات چرخه­ای و حرکات نامنظم است. برای تفکیک این اجزا از فیلتر  هادریک- پرسکات در دو مرحله استفاده شده است. نتایج این تحقیق نشان داد که رفتار جزء چرخه­ای در اقتصاد ایران مطابق با مفهوم ادوار تجاری است.  وجود رابطه هم حرکتی میان برخی از متغیرهای کلان اقتصادی و تولید ناخالص داخلی مورد تایید قرار گرفت. همچنین شواهد تجربی نشان داد که این متغیر تمام شرایط برای علت ادوار تجاری را داراست.

طیب نیا و قاسمی (1389)، در پژوهش خود به اندازه­گیری چرخه­های تجاری در ایران پرداختند که در آن ابتدا با استفاده از دو فیلتر BP و HP و با بهره­گیری از داده های فصلی و سالانه، به اندازه­گیری چرخه تجاری طی دوره­ی زمانی 1350-1382 پرداخته­اند. یافته­های پژوهش نشان داده است که اقتصاد ایران هفت دوره­ی تجاری را پشت سر گذاشته است که در 17 سال از سالهای مزبور، رونق و در 15 سال، رکود بر فعالیت­های اقتصادی حاکم بوده است. متوسط طول دوره­ی رونق از متوسط طول دوره­ی رکود بیشتر و دوره های رونق از تندی بیشتری نسبت به دوره­های رکود برخوردار بوده، اما دامنه نوسان دوره­های رکود از دوره­های رونق بیشتری بوده است.

گل­خندان (1394)، در مقاله­ای "چرخه­های تجاری اقتصاد ایران طی دوره 1389-1368" با استفاده از داده­های فصلی و سالانه، چرخه­های کسب­وکار را مورد تحلیل و بررسی قرار داده است. به این منظور با استفاده از فیلتر آماری HP، چهار دوره تجاری در فاصله زمانی مورد بررسی شناسایی شده است. متوسط طول دوره­های رونق و رکود تقریباً مساوی، اما وسعت و شدت دوره­های رونق از دوره­های رکود بیشتر بوده است. تخمین مدل VAR با استفاده از عمده­ترین متغیرهای پیشروی تاثیرگذار بر تولید ناخالص داخلی حقیقی نشان داده است که، درآمد نفتی و مخارج کل دولت توانسته­اند بیشترین تاثیر را بر نوسانات چرخه­های کسب­وکار داشته باشند.

تمایز تحقیق حاضر این است که چرخه­های کوتاه­مدت از میان­مدت تفکیک شده و چرخه­های مالی از چرخه­های کسب­وکار جدا شده­اند. همچنین تاثیرپذیری متغیرهای کلیدی اقتصاد کلان و مالی در چرخه­های کوتاه مدت و میان مدت بررسی شده است.

 

4- مبانی نظری و روش تحقیق

4-1- مدل­های سری زمانی ساختاری با اجزاء غیر قابل مشاهده

مدل سری زمانی چند متغیره با مولفه­های غیرقابل مشاهده[xiii] (UCTSM) برای توضیح رفتار پویای چهار سری زمانی که دارای وابستگی متقابل هستند و در مطالعه وینتر و همکاران (2017) استفاده شده است،  و معادلات آن به ترتیب زیر است:

 

معادله (1)

 

 

 ،  بردار سری زمانی در زمان t است و بصورت زیر تعریف می­شود:

 

معادله (2)

 

 

 t، یک شاخص زمان فصلی است. همه متغیرها در بردار لگاریتم­ هستند. روندطولانی مدت توسط بردار  و مولفه­های چرخه­ای توسط  (چرخه کوتاه مدت) و  (چرخه میان مدت) نشان داده می­شوند. ما فرض می­کنیم که  بصورت نرمال توزیع شده است با میانگین صفر و ماتریس کوواریانس قطری   . جزء نامنظم  در معادله1 معرفی شده برای اندازه­گیری اختلال در مشاهدات است. روند  به عنوان یک فرایند گام تصادفی مشخص می­شود:

 

معادله (3)

 

 

نقش  ، فیلتر کردن نوسان­های اندک یا پویایی­های طولانی مدت داده­ها است.

اجزاء چرخه  و     پویایی تصادفی دارد و بصورت زیر تعریف می­گردد:

 

معادله (4)

 

و

معادله (5)

 

 

که در آن،  بین،   اندازه­گیری شده و ، عامل تعدیل ( ) بین  برای  است. میانگین دوره یا طول دوره­های تصادفی از طریق  داده شده است. چرخه­های  و  هر دو فرایند پویای مانا هستند.

در مورد مولفه­های غیرقابل مشاهده  ،  و  فرض بر این است که فرایند­های پویای منحصر به فرد را نشان می­دهند و مستقل از یکدیگرند. با این حال، کوواریانس بین اختلالات غیر صفر است، و به ساختار وابسته میان متغیرها و ویژگی­های پویای آنها دلالت می­کند.

 ماتریس­های A و B بررسی می­کنند که آیا چرخه تولید ناخالص داخلی، همان چرخه­های اعتبار و وام مسکن است.  برای شناسایی واریانس اختلالات چرخه (  و )، ماتریس­های A و B در معادله 1 به ماتریس­های پایین مثلثی با عناصر قطری محدود شده است.

مدلهای سری زمانی ساختاری چند متغیره با مولفه­های غیرقابل مشاهده می­تواند در مدل حالت- فضا، خطی تنظیم می­شود مانند معادله ، با بردار حالت  و معادله حالت  که در آن،  و  ماتریس­های سیستمهستند که خواص پویای  را تعیین می­کند و همراه با ماتریس­های واریانس برای  و ، پارامترهای مدل را شامل می­شود. اختلالات در بردارها  و  قرار داده شده است. هنگامی که مدل در فرم حالت-فضا نمایش داده می­شود، روش­های حالت-فضای مرتبط و فیلتر کالمن می­تواند مورد استفاده قرار گیرد. ما پارامترهای نامعلوم ایستا را با روش حداکثر راستنمایی برآورد می­کنیم؛ حداکثرسازی عددی نیاز دارد که فیلتر کالمن، تابع راستنمایی را محاسبه کند. با توجه به این برآوردها،  پسماند برای بررسی تشخیصی و ارزیابی مدل از فیلتر کالمن به دست می آید.

 

5- نتایج تجربی

در این بخش نتایج مدلهای سری زمانی ساختاری با مولفه غیر قابل مشاهده برای اقتصاد ایران نشان داده می­شود­.  در جدول 1، آزمونهای برازش خوب مدل تجزیه روند بلند مدت، چرخه کوتاه مدت و چرخه میان مدت برای چهار متغیر مالی و اقتصاد کلان برای اقتصاد ایران ارائه شده است.

بررسی آزمون­های برازش خوب مدل نشان می­دهد که قدرت توضیح­دهندگی مدل چند متغیره برآورد شده مناسب است. همچنین آزمون­های تشخیصی نشان می­دهند هیچ­گونه ناهمسانی واریانس و خودهمبستگی در باقیمانده­ها وجود نداشته و از هیچ الگوی سیستماتیکی تبعیت نمی­کنند و دارای روند کاملاً تصادفی هستند. نمودار7 که تابع خودهمبستگی باقیمانده­های حاصل از برآورد مدل را نشان می­دهد، تاییدی بر این موضوع است.

با توجه به آماره باون- شنتون[xiv]  نشانه­ای از غیر نرمال بودن باقیمانده­ها در مدل وجود ندارد. این آماره ترکیبی از معیارهای کشیدگی و چولگی و دارای توزیع  با درجه آزادی دو است (جدول2).

 

 

جدول1- آزمونهای برازش خوب مدل

معیارهای خوبی برازش

آزمون­های تشخیصی باقیمانده­ها

 

p.e.v[xv]

 

00068/0

 

GDP

Credit

mortgage

IP

انحراف معیار

026/0

017/0

017/0

038/0

AIC

0869/7-

H(22)

113/1

743/2

955/0

611/0

DW

507/1

731/1

576/1

079/2

r(1)

231/0

075/0

204/0

063/0-

BIC

8487/6-

r(14)

238/0

146/0-

11/0-

127/0-

Q(14,7)

81/22

681/9

137/11

167/14

 

377/0

711/0

813/0

540/0

منبع: یافته­های پژوهشگر

 

جدول2- آزمون نرمال بودن باقیمانده­های مدل

باقیمانده­های مدل

فرمول محاسباتی آماره باون- شنتون

 

GDP

Credit

mortgage

IP

 

معیار

آماره

Prob

آماره

Prob

آماره

prob

آماره

Prob

چولگی

15/5

02/0

45/19

00/0

55/2

10/0

65/6

00/0

کشیدگی

23/10

00/0

45/44

00/0

42/6

01/0

08/17

00/0

آماره باون- شنتون

38/15

00/0

91/63

00/0

97/8

01/0

73/23

00/0

منبع: یافته­های پژوهشگر

 

5-1- چرخه­های کوتاه­مدت

 چرخه کوتاه مدت،   در جدول 3 ، میانگین دوره زمانی ( ) و مولفه­ی پایداری یا عامل تعدیل ( ) چرخه­های کوتاه­مدت را نشان می­دهد.  شامل چهار چرخه مشابه جداگانه است. علاوه بر این، واریانس چرخه­ها (قطر  ماتریس کوواریانس  ) نشان داده شده است. سرانجام، ماتریس (A) در جدول3، چرخه­های کوتاه مدت را نشان می­دهد. ماتریس A نشان می­دهد که آیا بین چرخه­های کوتاه مدت کسب­و­کار و مالی هم چرخه­ای وجود دارد. (جدول3)  نتایج تجربی ما می­تواند به صورت زیر خلاصه شود.

اولاً: میانگین مدت زمان چرخه کوتاه مدت 5/5 سال است.

ثانیاً: هم­چرخه­ای[xvi]  قوی میان چرخه­های کوتاه مدت تولید ناخالص داخلی و تولید صنعتی وجود دارد. چرخه کوتاه مدت تولید صنعتی، تقریب خوبی برای چرخه کوتاه مدت تولید ناخالص داخلی است.

 ثالثاً: شواهد اندکی برای هم­چرخه­ای بودن میان چرخه­های کوتاه مدت اعتبارات با تولید ناخالص داخلی وجود دارد و رابطه معنادار آماری وجود ندارد. این بدان معنی است که نوسانات کوتاه­مدت در اعتبارات به طور عمده مستقل از نوسانات کوتاه­مدت تولید ناخالص داخلی است.

رابعاً، با این حال، رابطه­ هم­چرخه­ای میان چرخه­های کوتاه مدت وام مسکن و تولید ناخالص داخلی وجود دارد، که نشاندهنده نقش وام مسکن برای سرمایه­گذاری در کسب و کار خانوار است. (جدول3)

 

جدول3- برآورد پارامترهای مدل سری زمانی ساختاری چند متغیره برای ایران طی دوره زمانی 1376:1-1395:4

چرخه کوتاه­مدت

5/5

 

96/0

 

0000/0

0000/0

0011/0

00082/0

Variance

IP

Mortgage

Credit

GDP

Loading matrix A

0000/0

0000/0

0000/0

000/1

 

0000/0

0000/0

000/1

2465/0

 

0000/0

000/1

023/1

(9467/0)

 

000/1

4518/0-

2930/0-

(128/1)

 

منبع: یافته­های پژوهشگر

 

 

 

 

5-2- چرخه­های میان­مدت

جدول 4 برآوردهایی برای چرخه­های میان مدت  ، میانگین دوره زمانی چرخه ( )، پایداری چرخه ها ( )، قطر  ماتریس کوواریانس  و ماتریس بارگیری  را نشان می­دهد. نتایج به شرح زیر خلاصه شده است.

ü    اولاً، میانگین دوره زمانی چرخه میان مدت ( ) در ایران 9/14 سال است. تمام عبارات مربوط به عناصر  به صورت آماری قابل مشاهده است. طول چرخه تخمینی در مرزهایی قرار گرفته که معمولا برای چرخه مالی به اصطلاح پیدا می­شود ( به عنوان مثال بوریو، 2014 و درمن و همکاران، 2012).

ü    ثانیاً، واریانس چرخه­های میان مدت ( ) تولید صنعتی به لحاظ اقتصادی به همان اندازه واریانس چرخه­های کوتاه­مدت ( ) مهم است، همانطور که از مقایسه  و  در جدول 1 ( )دیده می­شود. در مقابل، چرخه­های میان مدت اعتبار از لحاظ اقتصادی بسیار مهمتر از چرخه کوتاه مدت آن ( ) است. این بدان معنی است که چرخه میان مدت از چرخه کوتاه مدت در توضیح تغییرات چرخه­ای اعتبار به عنوان شاخص اصلی متغیرهای مالی غلبه دارد.

ü    ثالثاً، ماتریس B نشان می­دهد، که هم­چرخه­ای قابل توجهی میان اعتبارات و تولید ناخالص داخلی در چرخه میان­مدت وجود دارد. این نتیجه از ایده­ای حمایت می­کند که نوسانات میان مدت در تولید ناخالص داخلی تا حدی ناشی از الگوی رونق- رکود در اعتبار است.

ü    رابعاً، همچنین همبستگی غیرمستقیم میان چرخه میان مدت وام مسکن و تولید ناخالص داخلی وجود دارد، همینطور هم­چرخه­ای میان چرخه­های میان مدت تولید ناخالص داخلی و تولید صنعتی نیز وجود دارد. (جدول4)

 

در نمودار6 برآورد مدل و هم­چرخه­ای های یاد شده نشان داده شده است.

همچنین بررسی تشخیصی بیشتر برای مدل تحقیق، در نمودار 7 ارائه شده است که برخی از نمودارهای پسماند را نمایش می دهد: از چپ به راست و از بالا به پایین، نمودار پسماندهای استاندارد شده، تابع خود همبستگی پسماندها، چگالی طیفی برآورد آنها و نمودار هیستوگرام پسماندها و همینطور توزیع تجربی تابع چگالی احتمال نرمال برای متغیرهای تولید ناخالص داخلی، حجم اعتبارات، وام مسکن و تولیدات صنعتی نشان داده ­شده است. بنابراین، بررسی تشخیصی نشان می­دهد که مدل برآورد شده برای استخراج چرخه- روند، مناسب است.

 

جدول4- برآورد پارامترهای مدل سری زمانی ساختاری چند متغیره برای ایران طی دوره زمانی 1376:1-1395:4

چرخه میان مدت

93/14

 

99/0

 

0000/0

0000/0

0044/0

0019/0

Variance

IP

Mortgage

Credit

GDP

Loading matrix B

0000/0

0000/0

0000/0

000/1

 

0000/0

0000/0

000/1

(344/1)

 

0000/0

000/1

0307/0

(426/1-)

 

000/1

0450/0-

5236/0

(506/1)

 

اعداد داخل پرانتز در سطح 5 % معنادار هستند.

منبع: یافته­های پژوهشگر

 

 

نمودار6- برآورد مدل

منبع: یافته­های پژوهشگر

 

نمودار7- پسماندها، خود همبستگی، چگالی طیفی و هیستوگرام مدل

منبع: یافته­های پژوهشگر

 

6- نتیجه­گیری و پیشنهادات

رشد و توسعه اقتصادی طی دو دهه اخیر به وضوح نشاندهنده تاثیر فراوان چرخه­ مالی بر فعالیت­های تجاری و چرخه کسب­وکار در سراسر جهان بوده است. در این مطالعه، با توجه به حقایق آشکار شده در خصوص چرخه­های مالی و کسب­وکار، این چرخه­ها ممکن است طولانی شده و به رویدادهای پرهزینه­ای تبدیل شوند. همچنین این چرخه­ها ممکن است یکدیگر را تقویت کنند و تبدیل به بحران گردند. این حقایق در ترکیب با نتایج تحقیق، دارای مفاهیم مهمی برای طراحی سیاستهای بخش مالی و اقتصاد کلان هستند. استخراج برخی شباهت­ها میان نوسان­های چرخه­ای در بازار مالی و نوسان­های تولید که مرتبط با چرخه­های تجاری هستند، سودمند است. از آنجا که تغییرات بزرگ در متغیرهای مالی اغلب با نوسان­های فراوان در متغیرهای کلان و فعالیت کسب­وکار مرتبط هستند این تحقیق ارتباط چرخه­های مالی و چرخه­های کسب­وکار را مورد بررسی قرار داده و روش جدیدی برای استخراج روند طولانی مدت، چرخه­های کوتاه مدت و میان مدت و اجزای نامنظم برای نوسان داده­ها در یک حالت چند متغیره ارائه می­دهد. ساختار مدل به ما امکان داده که هماهنگی چرخه­های مرتبط با متغیرهای کلان و مالی را تجزیه و تحلیل کنیم.  چهار متغیر کلیدی تولید ناخالص داخلی، شاخص تولیدات صنعتی، حجم اعتبارات و وام مسکن را به ترتیب به عنوان متغیر مناسب برای بررسی ویژگی­های آشکار شده چرخه­های کسب­وکار و مالی  مورد تجزیه و تحلیل قرار دادیم، سپس جهت تفکیک چرخه­های کوتاه­مدت و میان­مدت از روند ساختاری آن، از مدل­ سری­های زمانی ساختاری با مولفه غیر قابل مشاهده بهره گرفته شد. تصریح معادله رگرسیونی در شکل فضا- حالت در قالب دو معادله جداگانه وضعیت و مشاهده، و به کارگیری الگوی کالمن فیلتر از طریق تولید معادلات بازگشتی، پارامترهای نامعلوم را به روش حداکثر راستنمایی قابل برآورد ساخت.

نتایج اصلی مقاله می­تواند به شرح زیر خلاصه شود. اولاً، هم­چرخه­ای  قوی میان چرخه­های کوتاه مدت تولید ناخالص داخلی و تولید صنعتی وجود دارد؛ لذا چرخه کوتاه مدت تولید صنعتی، تقریب خوبی برای چرخه کوتاه مدت تولید ناخالص داخلی است. ثانیاً، حرکت چرخه­ای حجم اعتبارات و وام مسکن به طور عمده تحت تاثیر چرخه میان مدت است. ثالثاً، هماهنگی قوی میان چرخه میان مدت اعتبارات و تولید ناخالص داخلی مشاهده می­شود. ثالثاً رابطه غیر مستقیم میان چرخه­های میان مدت تولید ناخالص داخلی و وام مسکن وجود دارد.

بحران مالی جهانی اخیر سبب بحث گسترده­ای در خصوص تنظیم سیاست­های بخش مالی و پولی شده است. این امر به اثر چرخه­های مالی بر چرخه­های کسب­وکار تاکید دارد. یافته­های این تحقیق درباره چرخه­های مالی و کسب­وکار، داده­های مفیدی برای بحث­های سیاستی جاری فراهم می­کند. در پرتو روابط متقابل چند بعدی میان چرخه­های کسب­وکار و مالی، نظارت دقیق بر این چرخه­ها به ویژه چرخه مالی باید بخش جدایی­ناپذیری از نظارت و طراحی سیاستی اقتصاد کلان باشد. همچنین این تحلیل نشان می­دهد که، توجه به روابط متقابل میان چرخه­ها، هنگام طراحی سیاست­های تنظیمی به منظور اطمینان از سلامت کل سیستم، ضروری است. بنابراین طراحی مقررات احتیاطی کلان باید ارتباط میان چرخه­ها در بخش­های مختلف بازار مالی را در نظر بگیرد.

تضعیف چرخه مالی از اهداف اساسی سیاست محتاطانه کلان است. در حال حاضر اقتصادانان در تلاش برای جداسازی پارامترهای مالی در مدل­های استاندارد اقتصاد کلان هستند. با این حال این استراتژی رایج، یک استراتژی محافظه­کارانه است. لذا نیاز است "سرعت­گیرها[xvii]"ی به اصطلاح مالی اضافی به مدل­های کاملاً متعادل شده اقتصاد کلان بپیوندد و بر طبق بنیان­های چرخه کسب­وکار واقعی بنا شده و با ثبات قیمت­های اسمی کامل گردد. بنابراین درک نوسانات اقتصاد و چالش­های سیاست بدون درک چرخه مالی ممکن نیست. این مستلزم بازاندیشی درباره استراتژی­های مدلسازی و همچنین سازگاری معنادار با سیاست­های اقتصاد کلان است. بنابراین برای بررسی آسیب­پذیری­های مرتبط با گسترش وام مسکن و اعتبارات بیش از حد و پیامدهای متفاوت آن، سیاست­های محتاطانه کلان جهت تلاش برای مقابله با چنین آسیب­پذیری­ها و در راستای آن کاهش ریسک­های مالی سیستمی مورد نیاز است. لذا با حمایت سیاست­های احتیاطی از سیاست­



1- دانشیار  اقتصاد، دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران. (نویسنده مسئول)    pahlavani@eco.usb.ac.ir

2- دانشیار اقتصاد، عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران.  h.jalili@yahoo.com

3- دانشجوی دکتری اقتصاد دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران.  n.keshtgar95@gmail.com



[i] Koopman

[ii] Lucas

[iii]  چارچوب آماری، کارگاه های دارای 100 نفر کارکن و بیشتر را شامل می شود.

[iv] Comin

[v] Gertler

[vi] Lopez

[vii] Blas

[viii] Borio

[ix] Claessens

[x] Farrell

[xi] Kemp

[xii] Pontines

[xiii] Multivariate Unobserved Components Time Series Model

[xiv] Bowman-Shenton

[xv] Prediction error variance

[xvi] Co- cyclicality

[xvii] Buffer

فهرست منابع

1)     طیب­نیا، علی و قاسمی، فاطمه (1389)، اندازه­گیری چرخه­های تجاری در ایران، مجله تحقیقات اقتصادی، شماره92، 183-206.

2)   گل­خندان، ابوالقاسم (1394)، چرخه­های تجاری اقتصاد ایران طی دوره 1389-1368، فصلنامه تحقیقات توسعه اقتصادی، شماره17، 104-83.

3)     هادیان، ابراهیم و هاشم پور، محمدرضا (1382)، شناسایی چرخه­های تجاری در اقتصاد ایران، فصلنامه پژوهش­های اقتصادی ایران، شماره15، 93-120.

4)      Borio, C. (2012). The financial cycle and macroeconomics: What have we learnt?, Bank for International Settlements, No 395.

5)      Claessens, S. & Kose, M. A. & Terrones, M. E. (2011a). How Do Business and Financial Cycles Interact?, IMF Working Paper.

6)      Claessens, S. & Kose, M. A. & Terrones, M. E. (2011b). Financial Cycles: What? How? When?, International Monetary Fund working paper.

7)      Farrell, G. & Kemp E. (2017). Measuring the Financial Cycle in South Africa.

8)      Mendelssohn, R. (2011). The STAMP for state space models. Journal of statistical software. Vol. 41:2.

9)      Pontines, V. (2016). The Financial Cycles in four East Asian Economies, Working Paper The South East Asian Central banks Research and Training Centre Kuala Lumour, Malaysia.

10)  Comin, D. & Gertler, M. (2006). Medium-term business cycles, American Economic Review, 96(3): 523-551.

11)  Comin, D. & Loayza, N. & Pasha, F., & Serven, L. (2014). Medium term business cycles in development countries, American Economic Journal: Macroeconomics, 6(4):209-45.

12)  Koopman, S. J. & Lucas, A. (2005). Business and default cycles for credit risk, Journal of Applied Econometrics, 20(2):311-323.

13)  Harvey, A. C. & Koopman, S. J. (1997). "Multivariate Structural time series models". In Heij, C., Schumacher, H., Hanzon, B., and Praagman, C., editors, System Dynamics in Economic and Financial Models. John Wiley and Sons.

14)  Correa-Lopez, M. & de Blas, B. (2012). International transmission of medium- term technology cycles: evidence from Spain as a recipient country, The B. E. Journal of Macroeconomics, Vol. 12:1, pp:1-52.

15)  Winter, J. & Koopman, S. J. & Hindrayanto, I. & Chouhan, A. (2017). Modeling the business and financial cycle in a multivariate structural time series model, De Nederlandsche Bank NV, Working Paper No.573

 

یادداشت‌ها