سرریزی و انتقالات نوسان قیمت سکه طلا بر بازار سرمایه

نوع مقاله: علمی پژوهشی

نویسندگان

1 دانشیار، دانشکده معارف اسلامی و اقتصاد، دانشگاه امام صادق(ع)، تهران، ایران

2 دکتری مدیریت مالی، دانشگاه علامه طباطبائی(ره)، تهران، ایران.

چکیده

درک سازوکارهای انتقال نوسان میان بازارهای مالی و کالایی استراتژیک از اهمیت شایانی در پژوهش‌های محققان و نهادهای بین المللی و حاکمیت کشورها به خصوص بعد از بحران مالی برخوردار شده است. این مقاله پیوستگی و انتقالات نوسانی میان بازدهی سکه طلای بهار آزادی و شاخص کل بورس اوراق بهادار را براساس 144 مشاهده در دامنه های زمانی ماهانه با استفاده از سه مدل گارچ چند متغیره مورد بررسی قرار می‌دهد. نتایج این پژوهش موید همبستگی پویای شرطی مقادیر گذشته و همبستگی‌های مقطعی براساس رویدادهای خاص نظیر تغییرات نرخ ارز میان دو بازار است. همچنین سرریزی مثبت از بازار طلا به بازار سرمایه تأیید می‌شود. این امر حاکی از آن است که برخلاف نظریه‌های رایج این حوزه، بازدهی طلا جایگزینی برای سرمایه گذاری در بورس اوراق بهادار نیست زیرا عوامل بیرونی تشدید کننده نوسان می‌تواند نقش موثرتری در تلاطم همجهت میان دو بازار باشد.
 
Understanding the mechanisms of volatility between financial markets and strategic Commodity markets has been important for academic researchers, international institutions and also for governments, especially after the recent world financial crisis. This paper investigates the volatility spillover and transmission between the yield of gold coin and the total stock market index based on 144 observations in monthly time series using three multivariate GARCH models. The results of this study confirm the dynamic conditional correlation between past values and cross-sectional correlations based on specific events such as exchange rate fluctuations among the two markets. A positive spillover from the gold market to the capital market is also confirmed. This suggests that, contrary to the prevailing theories in this area, the return on gold is not an alternative to investing in the stock market because exogenous exacerbated volatility factors can play a more effective role in the turbulence of the two markets.
 
Keywords: Financial spillover, Volatility transmission, Gold coin, Capital market

کلیدواژه‌ها


سرریزی و انتقالات نوسان قیمت سکه طلا بر بازار سرمایه

 

 

مهدی صادقی شاهدانی

تاریخ دریافت: 15/04/1397            تاریخ پذیرش: 17/06/1397

[1]

حسین محسنی[2]

 

 

چکیده

درک سازوکارهای انتقال نوسان میان بازارهای مالی و کالایی استراتژیک از اهمیت شایانی در پژوهش‌های محققان و نهادهای بین المللی و حاکمیت کشورها به خصوص بعد از بحران مالی برخوردار شده است. این مقاله پیوستگی و انتقالات نوسانی میان بازدهی سکه طلای بهار آزادی و شاخص کل بورس اوراق بهادار را براساس 144 مشاهده در دامنه های زمانی ماهانه با استفاده از سه مدل گارچ چند متغیره مورد بررسی قرار می‌دهد. نتایج این پژوهش موید همبستگی پویای شرطی مقادیر گذشته و همبستگی‌های مقطعی براساس رویدادهای خاص نظیر تغییرات نرخ ارز میان دو بازار است. همچنین سرریزی مثبت از بازار طلا به بازار سرمایه تأیید می‌شود. این امر حاکی از آن است که برخلاف نظریه‌های رایج این حوزه، بازدهی طلا جایگزینی برای سرمایه گذاری در بورس اوراق بهادار نیست زیرا عوامل بیرونی تشدید کننده نوسان می‌تواند نقش موثرتری در تلاطم همجهت میان دو بازار باشد.

 

واژه‌های کلیدی: سرریزی مالی، انتقالات نوسانی، سکه طلا، بازار سرمایه.

طبقه بندی JEL: C22,C32,G17,G32

 

 

1- مقدمه

سکّه بهار آزادی یکی از مسکوکات طلای قانونی در ایران است که از سال ۱۳۵۸ به مناسبت یادبود پیروزی انقلاب اسلامی ایران، ضرب شد. عیار طلای این سکه‌ها ۹۰۰ در ۱۰۰۰ است و هر سال ضرابخانه بانک مرکزی ایران، سکه‌ها را ضرب و از طریق بانک‌های عامل یا صرافی‌های مجاز به بازار عرضه می‌کند که به قیمت روز خرید و فروش می‌شوند. سکه بهار آزادی دارای کاربردهای متعددی چون هدیه، مهریه ازدواج، پس انداز خانوار و نیز کالای سرمایه گذاری با دوام و دارای ارزش ذاتی است. همچنین سکه‌های طلا در برخی از دوره های زمانی با نرخ روز اعلام ‌شده به عنوان یکی از راهکارهای کنترل نقدینگی، توسط بانک مرکزی واگذار شدند. در این ادوار که عمدتاً با جهش‌های نقدینگی در جامعه همراه بوده است، نوسان از بازار طلا(بواسطه عوامل بین المللی موثر در قیمت‌گذاری نظیر نرخ ارز و یا ترجیحات سرمایه گذاران) به سایر بازارها نیز انتقال می‌یابد که شناخت این مکانیسم‌های سرریزی در کانون توجه پژوهشگران بین المللی در سال‌های اخیر قرار گرفته است.

سرریزی نوسان را می‌توان به عنوان یک اثر متقابل ناشی از نوسان قیمت در بازارهای مختلف نامید(پاندی[i]،2018). لذا اندازه نوسان قیمت در یک بازار نه تنها تحت تأثیر نوسان گذشته خود قرار می گیرد بلکه نوسان بازارهای خارجی نیز بر آن اثرگذار است(ژانگ و همکاران[ii]، 2008). این موضوع با گسترش سیستم­های ارتباطی و وابستگی بازارهای مالی به یکدیگر اهمیت بیشتری یافته است. مکانیزم­های سرریزی بین بازده­ و نوسان دارایی­های مختلف، به دلایل متعدد نظیر شناسایی کارایی بازار، بهینه سازی سبد دارایی، مدیریت ریسک و تنظیم بازار می تواند مهم ­باشد.

پژوهش حاضر از حیث نوع توصیفی، از حیث روش همبستگی و از لحاظ ماهیت، کاربردی است. هدف این پژوهش مدلسازی وابستگی درونی نوسانات و مکانیزم های انتقالی بین سری‌های زمانی است. لذا با استفاده از مدل های گارچ چند متغیره شامل همبستگی شرطی ثابت(CCC)، همبستگی شرطی پویا(DCC) و مدل گارچ چند متغیره(VARMA-GARCH) در یک دوره 144 ماهه به بررسی سرریز نوسان میان قیمت سکه طلا و شاخص کل بورس پرداخته می شود. سوال اساسی این تحقیق را می توان چنین بیان کرد که آیا سرریزی نوسان از سمت بازار طلا به بازار سرمایه وجود دارد؟ شدت سرریزی از نوع شوک های قابل انتقال چگونه است؟

ضرورت انجام این پژوهش برآمده از این نکته است که اولاً عرضه سکه طلا به عنوان یکی از سازوکارهای کنترل نقدینگی و قیمت طلا در مواقع جهش نرخ ارز، در طی چند دوره در کشور صورت پذیرفته است. لذا تبیین این مهم با نوسان سایر بازارهای استراتژیک کالایی و مالی دارای اهمیت شایانی است. ثانیاً درک روابط سرریزی نوسانات ناشی از قیمت طلا می‌تواند در اتخاذ تصمیمات مالی بازیگران بازار سرمایه از حیث تحلیل بنیادین نقش موثری ایفا کند. همچنین ابعاد سیاستگذاری به منظور توجه در برنامه های کلان اقتصادی و درک روابط میان بازارها توسط مقامات ناظر بازار پول و سرمایه می‌تواند موثر واقع شود.

این‌ مقاله مشتمل بر پنج بخش است که در بخش اول به توضیح مسئله، اهداف و چارچوب پژوهش، سئوالات اساسی و ضرورت انجام آن می‌پردازد. بخش دوم اختصاص به بیان مبانی نظری پژوهش و گذری بر پیشینه پژوهش‌های مرتبط خواهد داشت. در بخش سوم مدل تحقیق ارائه می‌شود. بخش چهارم به آزمون داده‌ها و تحلیل نتایج اختصاص دارد. در نهایت، نتیجه‌گیری و ارائه یافته های در بخش پنجم ارائه می‌شود.

 

2-  مبانی نظری و پیشینه پژوهش

طلا همواره با توجه به ارزش ذاتی، فساد ناپذیری، برخورداری از مقبولیت عامه، قدرت نقدشوندگی و هزینه نگهداری پایین از اهمیت بالایی برخوردار بوده است. قیمت جهانی این فلز گران بها و ارزشمند مانند هر کالای دیگری تحت تأثیر نیروهای عرضه و تقاضا در بازار است. اما با توجه به اینکه طلا یک کالای حساس و استراتژیک است، عوامل زیادی بر میزان عرضه- تقاضا و بالطبع قیمت آن اثر می‌گذارند. تغییرات ارزش دلار در برابر سایر ارزها، قیمت جهانی نفت، نرخ بهره بانکی و وقایع جغرافیایی- سیاسی از جمله مهمترین عوامل اثرگذار محسوب می‌شوند(میشرا و همکاران[iii]،2010). قیمت جهانی طلا در طول سال‌های گذشته دارای روند صعودی بوده و این روند در سال‌های اخیر به مراتب با اهمیت‌تر شده است. اما گاهی اوقات نوسانات قیمت طلا در کشور بیشتر از نوسانات قیمت در بازارهای جهانی بوده است. این شکاف قیمتی می تواند ناشی از آن باشد که قیمت طلا در ایران نه تنها تحت تأثیر قیمت جهانی است بلکه عوامل دیگری نیز در تعیین قیمت این فلز اثر گذارند.

قیمت طلا در سطح جهان با توجه به مقدار عرضه و تقاضا برای آن تعیین می‌گردد عرضه کنندگان طلا(معادن)، بانک‌های مرکزی و فروشندگان طلای قراضه از بزرگترین عرضه‌کنندگان طلا به بازارهای جهانی هستند. جواهرسازان، صنعتگران، محتکران شمش طلا و سرمایه گذاران از متقاضیان اصلی طلا در بازار به شمار می‏روند. کاربردهای طلا، تولید جواهرآلات، سکه، پول و مصارف صنعتی است(کومار[iv]،2014). علاوه بر عرضه و تقاضا، عوامل متعدد دیگری از قبیل بحران‌های اقتصادی، تنش‌های سیاسی، بورس بازی، نوسان ارزهای کلیدی خصوصاً دلار و نرخ بهره در آمریکا بر قیمت طلا تأثیر می‏گذارند(سرفراز و افسر،1384). وجود انتظارات تورمی، نوسانات نرخ ارز، نوسانات شاخص سهام و یا اعلام تحریم های بین المللی می تواند موجب شکل گیری نوعی هیجان در بازار طلا برای افزایش قیمت شود. در نتیجه این افزایش تقاضا، قیمت طلا افزایش یافته و از مقدار واقعی خود فاصله می‌گیرد(صمدی و همکاران، 1394). طلا همواره به عنوان سپری در قبال تورم شناخته می‌شود. مقالات متعددی در ارتباط میان طلا و بازارهای مالی نگارش شده‌اند زیرا امکان پیش بینی قیمت کالا دارای نقش مهمی در بازارهای مالی است. این امر ضرورت درک هم حرکتی‌های قیمتی و انتقال اطلاعات را میان فعالان بازارهای مختلف را روشن می سازد(پینگ[v]، 2016).

واژه سرایت در ادبیات مالی عاریه گرفته شده از فرهنگ پزشکی است که به انتقال یک بیماری از شخصی به شخص دیگر به صورت تماس مستقیم یا غیرمستقیم اطلاق می‌شود. پژوهش های حوزه سرایت مالی شامل تحلیل درجه هم حرکتی میان بازارها در طول بحران‌های مالی است. به بیان دقیق‌تر می‌توان سرایت را به گسترش یک اختلال بازاری از یک بازار(کشور) به بازار دیگر اطلاق کرد به گونه‌ای که این هم حرکتی در نرخ ارز، قیمت سهام و جریانات سرمایه‌ای قابل مشاهده باشد(کلاسنس و همکاران[vi]،2001).

از طرفی سرریز نوسان به این معناست که سوابق تاریخی درخصوص نوسان شدید در یک بازار، به پیش بینی وقوع آن در بازار دیگر کمک می‌کند(اوینگ و مالیک[vii]،2013). درحقیقت شکست در بازار می‌تواند رفتار عرضه و تقاضای فعالان بازار را در بازار دیگر تحت تأثیر قرار دهد و ایجاد تقاضا و عرضه موثری متفاوت از شکل اولیه بوجود آورد که این اثر ثانویه به دنبال وقوع اثر اولیه ظاهر می‌شود اما ممکن است به مراتب دورتر از رویداد اولیه(از حیث زمانی یا مکانی) نمود داشته باشد(کاپورالی و همکاران[viii]،2008). جدول 1 سرریز نوسان و سرایت مالی را مورد مقایسه قرار می دهد.

سرایت مالی می‌تواند در نتیجه سرریزی برآمده از وابستگی میان بازارهای اقتصادی باشد که در زمان بحران های مالی به ظهور می‌رسد. کامینسکی و رینهارت[ix](1996) این نوع گسترش بحران را سرایت مبتنی بر بنیادها[x] عنوان می‌کند. انتقال نوسان در حوزه بحران های مالی نمی‌تواند صرفاً متصل به تغییرات مشهود در اقتصاد کلان باشد بلکه نتیجه رفتار سرمایه گذاران یا دیگر نهادهای مالی نیز است(کینگ و وادهاوانی[xi]،1990). برای مثال بحران در یک کشور، سرمایه گذاران را سوق می‌دهد تا سرمایه‌ های خود را در بازارهای دیگری منتقل کنند. این نوع سرایت اغلب دلیل رفتارهای غیرمنطقی نظیر رانش مالی[xii]،‌ رفتار توده وار[xiii]، فقدان اطمینان[xiv] و افزایش ریسک گریزی است. این شوک ها می‌تواند محلی(یا داخلی) باشد که از یک کشور سرچشمه گرفته و به بنیان‌های اقتصادی کشور دیگر تأثیر گذارد یا شوک عمومی(جهانی) باشد که بیش از یک کشور را همزمان تحت تأثیر قرار دهد(بکارت و همکاران[xv]،2011). نظیر نوسان قیمت کالاهای اساسی،‌ نفت، حوادث طبیعی یا بشری را که می‌توان از جمله شوک‌های عمومی قلمداد کرد.

 

جدول 1- مقایسه سرریز و سرایت مالی

 

سرریز نوسان

سرایت مالی

ریشه

  1. بی ثباتی در نوسان
  2. خوشه بندی نوسانی
  3. شوک اقتصادی مرتبط با تجارت، سرمایه گذاری، امور اعتباری و پولی
  4. شوک خارجی مرتبط با عدم تعادل در کالاهای استراتژیک و حوادث
 

وقوع

دوره های عادی و بحران

مخصوص دوره های بحران

تکثیر

محدود(دارایی یا یک بازار)

گسترده(اقتصاد کشورهای مختلف)

تأثیر

قیمت دارایی ها

کل اقتصاد

نوع

  1. سرریز بازاری داخلی
  2. سرریز بازاری مقطعی
  3. مبتنی بر بنیادهای اقتصادی
  4. مبتنی بر رفتار سرمایه گذاران
 

علت

خوشه بندی نوسان، فقدان کارایی بازار، به هم پیوستگی بازار و عدم تقارن اطلاعاتی

تنزل ارزش پول، بدهی های دولتی، رکود اقتصادی، کاهش سرمایه گذاری، افزایش قیمت کالاهای اساسی، کمبودهای اعتباری و مشکلات نقدینگی

کانال

قیمت دارایی ها، نرخ بهره و ارز

تجارت، اعتبار، رفتار سرمایه گذاران

منبع: یافته‌های پژوهشگر

 

قیمت طلا نیز به صورت جهانی تعیین شده و به عنوان متغیری مهم در بسیاری از تحولات پولی و مالی بین المللی شناخته می‌شود. بنابراین می تواند هر دو نوع شوک را بر سایر بازارها دربرداشته باشد. بسیاری معتقدند که از اولین نشانه های تضعیف هر اقتصادی، رشد قیمت طلا در آن کشور است(گائور و بانسال[xvi]،2010). به طوری که با کاهش ارزش شاخص سهام، سرمایه گذاران به سمت بازار طلا هجوم می‌برند تا ارزش دارایی‌هایشان را حفظ کنند درنتیجه این افزایش تقاضا قیمت را بالا خواهد برد(سومنر و همکاران[xvii]،2010). بنابراین طلا دارای ارزش استاندارد پذیرفته شده‌ای است که موضوع ریسک سیستمیک همانند بازار سهام برای آن مصداق ندارد(گیلمور و همکاران[xviii]،2009). بروز بحران یا رکود در چرخه‌های تجاری منجر به تنزل ارزش پول رایج و بازار سهام می‌شود اما طلا در این حالت از جذابیت سرمایه گذاری برخوردار است. پژوهش‌های انجام شده پیرامون این حوزه دارای تفاوت‌های ماهوی از لحاظ مدل و خروجی‌های تحقیق هستند. به طوری که برخی نشان می‌دهند که رابطه معناداری میان دو بازار طلا و بازار سهام وجود ندارد(فدایی نژاد و فراهانی، 1396) درحالیکه برخی دیگر به وجود رابطه مثبت تأکید دارند(فلاحی و جهانگیری، 1394؛ فتاحی و همکاران، 1396).

متناسب با هدف پژوهش و ماهیت بلندمدت داده‌ها، مدلسازی سرریز نوسان برای بازار طلا از رویکرد جامع تری برخوردار است. زیرا علاوه بر داشتن نقاط احتمالی سرایت در دوره بحران جهانی، برای اقتصاد کشور ایران(که تأثیرپذیری‌های مستقیم کمتری از سایر بازارهای مالی بین المللی دارد)، تناسب مفهومی بیشتری خواهد داشت.

در حوزه پژوهش های مرتبط با حوزه بازار طلا و بازار سرمایه می‌توان به برخی پژوهش‌های مرتبط با این حوزه توسط پژوهشگران داخلی و خارجی اشاره کرد.

علمی و همکاران(1393) در بررسی اثر تغییرات ساختاری در نوسانات بر انتقال تکانه و سرریز نوسان میان دو بازار طلا و سهام برای دوره پنج ساله از 1386 با استفاده از تصریح غیرقطری BEKK نشان دادند که انتقال تکانه‌ها و سرریز نوسانات میان بازارهای طلا و سهام ایران به صورت دو طرفه است.

نیکومرام و همکاران(1394) به بررسی سرایت پذیری تلاطم در بازار سرمایه ایران با استفاده از مدل تحلیل خودرگرسیونی برداری (VAR) و مدل MGARCH در فاصله زمانی 1382 الی 1392 پرداختند. نتایج پژوهش آنها نشان تأیید اثر سرایت پذیری بازار سرمایه از بازارهای موازی ارز، طلا و نفت دارد.

 حسینیون و همکاران(1395) به بررسی انتقال تلاطم میان بازار سهام، طلا و ارز با استفاده از مدل  VAR-MGARCHدر دوره 1390 الی 1393 پرداختند. نتایج تحقیق آنها نشان‌‌‌‌دهنده‌‌ انتقال شوک دو‌‌طرفه بین بازارهای ارز و طلا و بین بازارهای طلا و سهام است و انتقال شوک یک‌‌طرفه از بازار سهام به بازار ارز وجود دارد.

رنجبر و سفیدبخت(1396) به بررسی سرریز نوسانات بازارهای نفت، ارز، طلا و سهام در دوره زمانی 1390 تا 1394 با استفاده از مدل BEKK  و همچنین با مدل VARپرداختند که نتایج پژوهش آنها نشان می‌دهد قیمت طلا و شاخص سهام اثر معناداری دارد ما زمانی که از شکست ساختاری در معادلات استفاده شود نتایج متفاوت خواهد بود.

اربابی(1397) به پیش بینی تلاطم سکه طلا در بازار دارایی‌های مالی با رهیافت ANN-GARCH در دامنه زمانی 1388 تا 1395 با هدف پیش بینی تلاطم در بازدهی قیمت نقدی سکه طلا پرداخت. نتایج تحقیق وی نشان می‌دهد که لحاظ تلاطم بازارهای مالی دیگر از قبیل نوسانات نرخ ارز، تغییر قیمت نفت و تغییر شاخص قیمت سهام در بورس توانایی پیش بینی مدل برآوردی را بهبود می بخشد.

منسی و همکاران[xix](2013) به بررسی رابطه بازده و اثرات سرریز نوسان میان شاخصS&P500 و شاخص‌های قیمت حوزه انرژی، طلا، غذا و نوشیدنی از سال 2000 -2011 با استفاده از مدل GARCH-VAR پرداختند. نتایج پژوهش آنها نشان می‌دهد که انتقال نوسان میان S&P500 و بازارهای نفت و طلا بیشترین تأثیر را از شوک های قبلی و نوسان شاخص مذکور دارد.

چادهوری و همکاران[xx](2015) در بررسی همحرکتی های پویای غیرخطی و انتقالات نوسانی میان بازدهی طلا و سهام بارای سه کشور انگلستان، آمریکا و ژاپن طی دوره 2000-2014 با استفاده از مدل علیت گرنجری غیرخطی نشان دادند که در مواقع بحران رابطه مذکور به صورت وابستگی دوطرفه و در حالت عادی، بهره گیری از طلا می‌تواند موجب بهینه سازی پرتفوی سهام شود.

رازا[xxi] و همکاران(2016) به بررسی اثرات نامتقارن قیمت طلا و نفت بر انتقالات نوسان بازار سهام کشورهای نوظهور در دامنه زمانی 2008 تا 2010 با استفاده از رویکرد ARDL غیرخطی پرداختند. آنها نشان دادند که همگرایی و تأثیر مثبت قیمت طلا در بازار کشورهای BRICS و تأثیر منفی آن را در کشورهای مکزیک، مالزی، تایلند، شیلی و اندونزی وجود دارد.

واردار و همکاران[xxii](2018) در بررسی انتقال شوک و سرریز نوسان ده کشور با قیمت نقدی نفت خام، گاز طبیعی، پلاتینیوم، نقره و طلا در دوره زمانی 2005 تا 2016 با استفاده از مدل گارچ VAR-BEKK نشان دادند که علاوه بر معناداری سرریز نوسان طلا بر بازار سهام، همگرایی میان بازارها بعد از دوره بحران 2007 بیشتر از دوره قبل بحران شده است.

 

3- مدل پیشنهادی پژوهش

یکی از رویکردهای مشهور در مدل های GARCH چند متغیره، تجزیه ماتریس کواریانس شرطی به انحرافات استاندارد شرطی و ماتریس همبستگی شرطی است. اولین مدل از این نوع، مدل همبستگی شرطی ثابت(CCC) است که توسط بلرسلو[xxiii](1990) با این منطق ارائه شد که اگرچه کواریانس های شرطی ثابت نیستند اما واریانس آنها را به همبستگی‌های شرطی ثابت می‌توان مرتبط کرد. در این مدل ماتریس واریانس-کواریانس شرطی به وسیله ماتریس همبستگی شرطی و ماتریس واریانس شرطی به طور جداگانه الگوسازی می‌شود. که در آن  ماتریس همبستگی شرطی و عناصر آن، مقادیر ، ضریب همبستگی بین متغیرهای i و  j است(معادله 1).

 

 

 

مدل CCC توسط انگل[xxiv](2002) به مدل همبستگی شرطی پویا(DCC) بسط یافته است. در این مدل ضرایب همبستگی شرطی به صورت معادله شماره (2) برآورد می شوند:

 

 

 

 

 

در تعریف ماتریس همبستگی شرطی، فرقی بین مدل DCC و CCC وجود ندارد بلکه تنها تفاوت مدل CCC از DCC در با زمان بودن ماتریس همبستگی شرطی پسماندها( ) است. در واقع انگل یک رویکرد تخمینی دو مرحله‌ای را برای هر متغیر در نظر می‌گیرد که در آن هر متغیر در سیستم ابتدا به صورت یک فرآیند گارچ تک متغیره جداگانه مدل می‌شود. تابع لگاریتم درستنمایی برای ترکیب این مراحل ایجاد شده که در آن مجموع لگاریتم درستنمایی تمامی گارچ های تک متغیره را در خود تجمیع می‌کند. سپس در مرحله دوم درستنمایی شرطی با توجه ماتریس همبستگی به شکل ماتریسی ارائه جایگذاری می‌شود. تابع لگاریتم درستنمایی برای مرحله دوم به شکل معادله شماره (4) قابل تخمین است:

 

 

 

که در اینجا  معرف پارامترهای نامشخصی است که در مرحله اول تخمین زده می شود و  معرف تمامی پارامترهای تخمین زده شده در مرحله دوم است. هیچکدام از مدل های CCC و DCC تضمین نمی‌کند که واریانس‌های شرطی تک متغیره مثبت هستند اما ساختار هر یک از این مدل ها تضمین می‌کند که کواریانس های شرطی چند متغیره مثبت و معین هستند.

مک آلیر و لینگ[xxv](2003) در مقاله خود مدلی را تحت عنوان مدل خودرگرسیون میانگین متحرک برداری گارچ را به عنوان حالت خاصی از مدل CCC مطرح می‌کنند. در این مدل واریانس‌های شرطی در سری های بازدهی از یکدیگر مستقل فرض می‌شود و رفتارهای نامتقارن را مدنظر قرار نمی‌دهد. آنها برای لحاظ نمودن همبستگی میان متغیرها یک تصریح میانگین برداری از متحرک خودرگرسیو برداری(VARMA)[xxvi] را مطرح کردند که میانگین شرطی آن به صورت معادله (5) قابل تصریح است:

 

  ,               (5)                  

که در آن

,                      (6)

 

دنباله ای از توزیع بردارهای تصادفی مستقل و یکسان توزیع شده است، پارامتر  مقادیر گذشته اطلاعات موجود در زمان t، m  شمار بازدهی ها در زمان  است.

 

,                                     (7)

 

در بررسی نوسانات میان بازارهای مختلف است، ارتباط درونی بین واریانس ها و پسماندها نیز حائز اهمیت است. بنابراین مدل میانگین شرطی به صورت ARMA برداری تصریح شود، در نهایت تصریح واریانس شرطی آنها را می توان به صورت معادله (8) خواهد بود:

 

                             (8)

 

همانند مدل‌های گارچ تک متغیره، مدل VARMA-GARCH نیز فرض می کند که شوک‌های مثبت و منفی دارای تأثیر واحدی بر واریانس‌های شرطی هستند. از آنجایی که به منظور تسخیر[xxvii] هر چه بهتر ویژگی‌های سری های زمانی مالی و اقتصادی لازم است تا اثرات خاص و نامتقارنی‌ها در آنها دیده شود نظیر اثر اهرمی(نوسانات در برخی از سری‌های زمانی مالی و اقتصادی در هنگام نزول قیمت تمایل به شدت نزول دارند) و... . مک آلیر، هوتی و چان[xxviii](2009) به منظور جداسازی اثرات نامتقارن شوک‌های مثبت و منفی مدل VARMA-AGARCH را برای واریانس های شرطی به صورت معادله شماره (9) تعریف کرد.

                    (9)

در اینجا  یک ماتریس  برای   و  که در آن

 

.

 

اگر  باشد آنگاه مدل به گارچ نامتقارن یا  مدل GJR تبدیل می شود. در این مدل فرض می شودکه تمامی ریشه ها در خارج از دایره واحد قرار دارند. پارامترهای ناشناخته به اصطلاح اولند چپ[xxix] هستند و سایر شرایط قابل شناسایی بودن[xxx] را دربردارند. همچنین ماتریس آنها محدود و معین مثبت است که روی قطر اصلی یک و پایین مثلثی است.

 

4-  آزمون داده‌ها و تحلیل نتایج

متغیر نماینده بازدهی طلا در این تحقیق، بازدهی لگاریتمی سکه تمام بهار آزادی است. در این پژوهش از داده‌های ماهانه در دوره زمانی 1384-1396 بهره گرفته شده است. علت انتخاب سال 1384 به عنوان تاریخ مبدأ همانا تغییر قانون بازار اوراق بهادار و ایجاد ساختارهای جدید در بازار سرمایه به منظور پوشش کامل ادوار نوسانی در کشور است. برای بازار سرمایه از بازده ماهانه شاخص کل استفاده شده است. درخصوص بازار طلا نیز نیز قیمت سکه تمام بهار آزادی طرح جدید از بانک اطلاعات سری زمانی بانک مرکزی و گزارش نماگرهای اقتصادی استفاده شده است.

 

شکل 1- نمودار نوسان بازدهی بازارها(1396-1384)

 

علاوه براین جهش قیمت طلا در سال 91 و 90 و همچنین جهش قیمت‌های سهام در سال 94، 92 قابل مشاهده است. همانطور که در شکل 1 مشاهده می شود، نمودارهای بازدهی لگاریتمی دو بازار مورد بررسی در قالب سری زمانی شاخص بورس(RCAP) و طلا(RGOL)، ارائه شده است که ویژگی کشیدگی و غیرنرمال بودن در آن مشهود است. لذا باید در تخمین مدل‌های برآوردی، فرض غیرنرمال بودن سری‌های زمانی لحاظ شود. شکل 2 نحوه توزیع بازدهی سری‌های زمانی شاخص بورس و طلا را نشان می‌دهد.

 

شکل 2- توزیع بازدهی سری های زمانی

 

شواهد میدانی از آزمون ریشه واحد دیکی فولر تعمیم یافته(ADF) برای تمامی بازارهای مورد بررسی به صورت اختصاصی برای هر سری در جدول 2 خلاصه شده است. فرضیه صفر هر دو آزمون نامانایی سری‌های زمانی را آزمون می‌کند که نشان می‌دهد که تمامی سری‌های زمانی مورد بررسی در سطح از مانایی برخوردارند.

 

جدول 2- آزمون مانایی متغیرها

 

سطح 1درصد

سطح 5 درصد

سطح 10 درصد

t-آماره

Prob.*

بورس

2.5812-

1.9431-

1.6152-

6.6293-

0.0000

سکه طلا

2.5812-

1.9431-

1.6152-

8.8388-

0.0000

منبع: یافته های پژوهشگر

واریانس در طول روند تصادفی سری مورد نظر ثابت نیست و تابعی از رفتار جملات خطا باشد. مدل‌های خانواده آرچ (ARCH) می‌توانند روند واریانس شرطی را با توجه به اطلاعات گذشته خود توضیح دهند و برای سری‌های زمانی که دارای نوسان هستند و واریانس آنها در طول زمان تغییر می‌کند به کار می‌رود. بنابراین زمانی می‌توان با استفاده از روش‌های GARCH مدل را تخمین زد که وجود ناهمسانی شرطی توسط آزمون اثر ARCH مورد تائید قرار گیرد که خروجی آن در جدول 3 ارائه شده است.

 

جدول 3- تأیید وجود ناهمسانی واریانس بوسیله آزمون وایت

F-statistic

1.3405

Prob. F(1,127)

0.0091

Obs*R-squared

1.3474

Prob.Chi-Square(1)

0.0057

منبع: یافته های پژوهشگر

 

همبستگی میان سری‌های زمانی می‌تواند با  تقسیم کواریانس‌های شرطی بر انحراف معیارهای شرطی بوجود آید. می‌توان برای مدل کردن پویایی‌ها مستقیماً از همبستگی بهره گرفت. در مدل همبستگی شرطی ثابت(CCC) فرض می‌شود کواریانس‌های شرطی ثابت نیستند اما واریانس آنها به همبستگی‌های شرطی ثابت فرض می‌شود. خروجی نتایج مدل همبستگی شرطی ثابت در جدول 4 ارائه شده است. در این مدل نشان می‌دهد که همبستگی شرطی ثابت میان بازدهی شاخص بورس و قیمت طلا به صورت مثبت وجود دارد.

 

جدول 4- خروجی مدل همبستگی شرطی ثابت (CCC)

Prob

آماره - z

انحراف معیار

ضریب

متغیر

0.1599

1.4054

0.5566

0.7823

بورس

0.0334

2.1273

0.4793

1.0197

طلا

منبع: یافته های پژوهشگر

 

از طرفی می‌توان مدل همبستگی شرطی پویا را طی دو مرحله تخمین زد که در آن هر متغیر در سیستم ابتدا به صورت یک فرآیند گارچ تک متغیره مدل می‌شود که در آن مجموع لگاریتم درستنمایی تمامی گارچ‌های تک متغیره را در خود تجمیع می‌کند. سپس در مرحله دوم درستنمایی شرطی با توجه ماتریس همبستگی به شکل ماتریسی جایگذاری می شود. در این مدل  معرف تأثیر شوک‌های گذشته بر هبستگی‌های شرطی،  معرف تأثیر همبستگی شرطی پویای گذشته و   معرف همبستگی‌های مقطعی است.

 

جدول 5- همبستگی های شرطی پویا (DCC)

Prob

z آماره -

انحراف معیار

ضریب

متغیر

0.5124

0.6550

0.1150

0.0753

 

0.0493

1.9663

0.3278

0.6446

 

0.0000

9.2543

0.3721

3.4442

 

Log likelihood

3.0922-

 

Avg. log likelihood

12.5493

Schwarz crit

12.6582

Akaike crit

12.2283

H-Quinn crit

12.3122

           

منبع: یافته های پژوهشگر

 

جدول 6- خروجی مدل VARMA_GARCHو سرریزی نوسان

Prob.

آماره - z

انحراف معیار

ضریب

متغیر

VARMA_GARCH(RCAP - RGOL)

0.0000

14.1917

0.0961

1.3635

بورس

0.0000

67.2561

0.0275

1.8484

طلا

VARIANCES=SPILLOVER(RCAP - RGOL)

0.0000

14.1917

0.0961

1.3635

بورس

0.0000

67.2561

0.0275

1.8484

طلا

0.0000

77.0000

0.1000

7.7020

C(1)

0.0000

148.7215

0.0815

12.1243

C(2)

0.1916

1.3059

0.0292

0.0382

A(1,1)

0.1266

1.5277

0.0480-

0.0734-

A(1,2)

0.0000

23.9040

0.0171-

0.4084-

A(2,1)

0.0000

21.0047

0.0215

0.4465

A(2,2)

0.0000

24.3186

0.0253

0.6162

B(1,1)

0.0000

4.2134-

0.1656

0.6979-

B(1,2)

0.0000

39.4762

0.2247

8.8703

B(2,1)

0.0000

37.8379

0.0217

0.8221

B(2,2)

0.0000

29.4514

0.0024-

0.0732-

R(2,1)

منبع: یافته های پژوهشگر

خروجی جدول 5 نشان دهنده آن است که اثر همبستگی گذشته و همبستگی شرطی مقطعی میان بازدهی طلا و شاخص بورس قابل تأیید است.

درنهایت به منظور بررسی سرریزی نوسانات میان دو بازار مورد بررسی از مدل VARMA_GARCH بهره گرفته می‌شود. خروجی حاصل از این دو مدل به شرح جدول 6 خلاصه شده است. خروجی‌های حاصل از جدول نشان می‌دهد که سرریزی نوسان به صورت متقارن میان بازار سرمایه با بازار طلا وجود دارد.

خروجی‌های حاصل از جدول 6 بیانگر آن است که انتقال شوک از بازار طلا به سمت بازار سرمایه وجود ندارد. اما عوامل محرک برون زایی که بر هر دو بازار را تحت تأثیر قرار می‌دهد از تغییر تمایلات سرمایه گذاری افراد در سوق جریانات نقدی به سمت بازارهای مالی می تواند باعث همبستگی پویای شرطی تقاطعی و سرریزی نوسان از بازار طلا به سمت بازار سرمایه باشد.

 

 

5- نتیجه گیری

این مقاله به بررسی همبستگی پویای شرطی و سرریزی نوسان قیمت سکه طلا بر بازدهی شاخص کل بورس با استفاده از مدل‌های گارچ چند متغیره شامل همبستگی شرطی پویا (DCC) و مدل‌های گارچ VARMA می پردازد.

نتایج پژوهش موید آن است که سرریزی نوسان از سمت بازار طلا به بازار بورس اوراق بهادار به صورت متقارن و مثبت تأیید می‌شود. بنابراین تعامل پویای دو بازار طلا و بورس اوراق بهادار براساس مدل همبستگی شرطی ثابت (CCC) تأیید می‌شود. به منظور کنکاش دقیق‌تر نوع تعامل برهمکنش دو بازار، از مدل همبستگی شرطی پویا (DCC) بهره گرفته شد. نتایج این بخش نشان داد که انتقالات نوسانی میان دو بازار می‌تواند برآمده از اثرات همبستگی‌های پویای شرطی مقادیر گذشته و اثرات همبستگی تقاطعی میان بازار طلا و بازار سرمایه باشد. بنابراین از آنجاییکه تأثیر شوک‌های گذشته بازار طلا بر بازار سرمایه تأیید نمی‌شود، می‌توان غیرمستقیم بودن تأثیرگذاری و وجود عوامل مهم خارجی در شکل‌دهی رفتار دو بازار را پیش بینی کرد. از آنجاییکه قیمت یک سکه بهار آزادی به طور عمده برآمده از قیمت جهانی هر اونس طلا، نرخ ارز دلار و میزان عرضه- تقاضا است، لذا به طور ماهوی به نظر می‌رسد هم‌حرکتی های مشترکی متأثر از نوسانات نرخ ارز بایستی میان تغییرات بازدهی طلا و بازار سهام وجود داشته باشد. طلا به عنوان یک دارایی برای مصون بودن در قبال تورم های قیمتی مورد استقبال سرمایه گذاران قرار می‌گیرد و نظر به تغییرات قابل توجه نقدینگی و نرخ ارز، انتظار می‌رود این اثرات اقتصادی به صورت همگرا، دو بازار را تحت تأثیر قرار دهد. نتایج این بخش چنین تفسیر می‌شود که اثر شوک ها برآمده از جهش/تنزل های قیمتی اونس طلا، لزوما نمی‌تواند محرکی برای تغییرات بازدهی در بخش بازار سرمایه باشد به عبارت دیگر واکنش بازار سرمایه نسبت به تغییرات جهانی قیمت طلا قابل تأیید نیست اما درصورتی که این تغییرات برآمده یا همراه با جهش های نرخ ارز باشد، انتظارات می رود بر تصمیمات، جریانات نقدی و در نهایت بازدهی قیمتی بازار سرمایه موثر واقع شود. برآیند حاصل از این عوامل برون‌زای اقتصادی بر انتقال جریانات نقدی توسط سرمایه گذاران می‌انجامد که این تعدیل ثروت، انتقال نوسان میان دو بازار را می تواند فراهم کند.

همچنین پدیده خوشه بندی نوسان درخصوص بازارهای سهام و طلا نیز تأیید می شود. بدین معنی که در مورد بازارهای طلا و سهام، تغییرات بزرگ گرایش دارند تا از تغییرات بزرگ و هم علامت تبعیت کنند و تغییرات کوچک گرایش دارند تا از تغییرات کوچک پیروی کنند این امر باعث ایجاد بازگشت به میانگین در سری‌های زمانی شده و آنها را در معرض ابتلا به روند قرار می‌دهد که می تواند زمینه را برای تشریح هم‌حرکتی های نوسانی فراهم آورد.

مشارکت مقاله حاضر را می‌توان در تبیین سازوکار نحوه انتقال شوک و بازدهی میان بازار طلا و سهام عنوان کرد که این مهم با بکارگیریهمبستگی‌های شرطی(تغییرپذیر در طی زمان) و مدل‌های ناهمسانی واریانس شرطی انتخابی با عنایت به ویژگی‌های ارگودیکی و پایایی، می‌تواند نقش کاراتری در تسخیر انتقالات نوسانی میان دو بازار داشته باشد. تعیین تکلیف روابط میان بازارها و نیز تکمیل زنجیره تحلیل برای تحلیلگران بنیادین درخصوص انتقالات نوسانی از جمله خروجی‌های قابل تأکید این مقاله است.

کاربرد خروجی‌های حاصل از این بخش علاوه بر توجیهات نظری صورت گرفته در دو حوزه اصلی است. نخست اینکه با توجه به لیست بودن آتی سکه طلا در بورس کالا، درک ماهیت هم‌حرکتی و انتقالات نوسانی برای سرمایه گذاران این حوزه دارای اهمیت است. دوم، شناخت همبستگی شرطی و سرریزی نوسان می‌تواند کارکرد سیگنال دهی برای شاغلین این حوزه داشته باشد. امروزه با توجه به وجود صندوق سرمایه گذاری طلا، یافته‌های این پژوهش می‌تواند نقش موثری برای تصمیم سرمایه گذاران و مدیران صندوق‌های های مذکور ایفا نماید. این امر بدین منزله است که درک تعامل بازارهای با اهمیت با بازار سرمایه، می‌تواند مکمّل تحلیل‌های بنیادین در حوزه اوراق بهادار باشد. همچنین خروجی‌های این پژوهش می‌تواند برای برای سیاستگذاران اقتصادی و تنظیم‌گران حوزه بازار پول و سرمایه از حیث اتخاذ استراتژی‌های کنترل بازار مفید واقع شود. برای تحقیقات آتی بررسی سرریزی میان بازار پول و بازار سرمایه با توجه به بانک پایگی و اهمیت مدیریت نقدینگی پیشنهاد می‌شود.



1- دانشیار، دانشکده معارف اسلامی و اقتصاد، دانشگاه امام صادق(ع)، تهران، ایران.   sadeghi@isu.ac.ir    

2- دکتری مدیریت مالی، دانشگاه علامه طباطبائی(ره)، تهران، ایران. (نویسنده مسئول)   mohseni911@atu.ac.ir



[i] Pandey

[ii] Zhang et al

[iii] Mishra t al

[iv] Kumar

[v] Ping et al

[vi] Claessens et al

[vii] Ewing & Malik

[viii] Caporale  et al

[ix] Kaminsky&  Reinhart

[x] Fundamental based Contagion

[xi] King and Wadhwani

[xii] Financial Panic

[xiii] Herd Behavior

[xiv] Loss of Confidence

[xv] Bekaert et al

[xvi] Gaur and Bansal

[xvii] Sumner et al

[xviii] Gilmore et al

[xix] Mensi et al

[xx] Choudhry et al

[xxi] Raza et al

[xxii] Vardar  et al

[xxiii] Bollerslev

[xxiv] Engle

[xxv] Ling and McAleer

[xxvi] Vector Autoregressive Moving Average

[xxvii] Capture

[xxviii] McAleer, Hoti and Chan

[xxix] Left coprime

[xxx] Identifiable condition

1)   اربابی، فرزین(1397)، "پیش بینی تلاطم بازدهی سکه طلا در بازار دارایی های مالی(رهیافت ANN-GARCH)"، فصلنامه اقتصاد مالی، دوره 12، شماره 43.

2)   حسینیون، نیلوفر سادات. بهنامه، مهدی. ابراهیمی سالاری، تقی(1395)، "بررسی انتقال تلاطم نرخ بازده بین بازارهای سهام، طلا و ارز در ایران"، فصلنامه پژوهش های اقتصادی ایران، دوره 21، شماره 66.

3)   رنجبر، محمد حسین. سفید بخت، الهه(1396)، "سرریز نوسانات بین قیمت نفت، نرخ ارز، قیمت طلا و بازار سهام تحت فواصل زمانی و شکست ساختاری: استفاده از مدل گارچ BEKK و الگوریتم ICSS"، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 33.

4)   سرفراز، لیلا. افسر،امیر (1384)، "بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی برمبنای شبکه های عصبی فازی"، فصلنامه پژوهش های اقتصادی، شماره 16.

5)   صمدی، سعید. ابراهیمی، نسرین. عقیلی، فریباالسادات(1394)، "اثر نوسانات نرخ ارز و شاخص بازار سهام بر قیمت سکه طلا"، دوفصلنامه اقتصاد پولی و مالی، سال بیست و دوم، شماره 9.

6)   علمی، زهرا (میلا). ابونوری، اسمعیل. راسخی، سعید. شهرازی، محمد مهدی(1393). "اثر شکست‏های ساختاری در نوسانات بر انتقال تکانه و سرریز نوسان میان بازارهای طلا و سهام ایران"، فصلنامه مدلسازی اقتصادی، سال هشتم، شماره 26.

7)   فتاحی، شهرام. سحاب خدامردی، مرتضی. ایوتوند، میثاق(1396)، "بررسی رابطه‌ همبستگی شرطی بین بازارهای مالی ایران با تأکید بر اثر حافظه‌ بلندمدت و عدم تقارن"، فصلنامه اقتصاد مالی، دوره 11، شماره 40.

8)   فدایی نژاد، اسماعیل. فراهانی، رضا(1396)، "اثرات متغیرهای کلان اقتصادی بر شاخص کل بورس اوراق بهادار تهران"، فصلنامه اقتصاد مالی، دوره 11، شماره 39.

9)   فلاحی، فریبرز. جهانگیری، خلیل(1394)، "آزمون وجود سرایت مالی میان بازار سهام، ارز و سکه طلا در ایران"، دوفصلنامه اقتصاد پولی- مالی، سال بیست و دوم، شمارة 10.

10) نیکومرام، هاشم. پورزمانی، زهرا. دهقان، عبدالمجید(1394)، "بررسی سرایت تلاطم بازارهای مالی بازار سرمایه بر صنایع بورسی(صادرات و واردات محور)"، دانش مالی تحلیل اوراق بهادار، دوره 8، شماره 25.

 

 

 

 

11)   Bekaert, G., Ehrmann, M., Fratzscher, M., & Mehl, A. J. (2011). Global crises and equity market contagion. National Bureau of Economic Research. No. w17121

12)   Caporale, G. M., Schulze-Ghattas, M., Beirne, J., & Spagnolo, N. (2008). Volatility spillovers and contagion from mature to emerging stock markets.International Monetary Fund. (No. 8-286).

13)   Choudhry, T., Hassan, S. S., & Shabi, S. (2015). Relationship between gold and stock markets during the global financial crisis: Evidence from nonlinear causality tests. International Review of Financial Analysis, 41, 247-256.

14)   Claessens, S., Dornbusch, R., & Park, Y. C. (2001). Contagion: Why crises spread and how this can be stopped. International financial contagion (pp. 19-41). Springer US.

15)   Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350.

16)   Ewing, B.T., & Malik, F. (2013).Volatility transmission between gold and oil futures under structural breaks. International Review of Economics and Finance, 25(3): 113–121.

17)   Gaur, A., & Bansal, M. (2010). A comparative study of gold price movements in Indian and global markets. Indian Journal of Finance, 4(2), 32-37.

18)   Gilmore, C.G., McManus, M.G., Sharma, R., Tezel, A., 2009. The dynamics of gold prices, gold mining stock prices and stock market prices comovements. Research in Applied Economics 1, 1–19.

19)   Kaminsky, G. L., Reinhart, C. M., & Vegh, C. A. (2003). The unholy trinity of financial contagion. Journal of economic perspectives, 17(4), 51-74.

20)   King, M. A., & Wadhwani, S. (1990). Transmission of volatility between stock markets. Review of Financial studies, 3(1), 5-33.

21)   Kumar, D. (2014). Return and volatility transmission between gold and stock sectors: Application of portfolio management and hedging effectiveness. IIMB Management Review, 26(1), 5-16.

22)   Ling, S., & McAleer, M. (2003). Asymptotic theory for a vector ARMA-GARCH model. Econometric theory, 19(2), 280-310.

23)   McAleer, M., Hoti, S., & Chan, F. (2009). Structure and asymptotic theory for multivariate asymmetric conditional volatility. Econometric Reviews, 28(5), 422-440.

24)   Mensi, W., Beljid, M., Boubaker, A., & Managi, S. (2013). Correlations and volatility spillovers across commodity and stock markets: Linking energies, food, and gold. Economic Modelling, 32, pp.15-22.

25)   Mishra, P. K., Dus,J. R. and Mishra, S. K. (2010). Gold Price Volatility and Stock Market Returns in India. American Journal of Scientific Research, 9: 47-55.

26)   Pandey, V. (2018). Volatility spillover from crude oil and gold to BRICS equity markets. Journal of Economic Studies, 45(2), 426-440.

27)   Ping, P. Y., Ahmad, M. H. B., & Ismail, N. B. (2016). Volatility spillover effect study in US dollar and gold market based on bivariate-BEKK model. AIP Conference.

28)   Raza, N., Shahzad, S. J. H., Tiwari, A. K., & Shahbaz, M. (2016). Asymmetric impact of gold, oil prices and their volatilities on stock prices of emerging markets. Resources Policy, 49, 290-301.

29)   Sumner, S., Johnson, R., Soenen, L. (2010). Spillover effects among gold, stocks, and bonds. Journal of Centrum Cathedra, 3(2), 106-120.

30)   Vardar, G., Coşkun, Y., & Yelkenci, T. (2018). Shock transmission and volatility spillover in stock and commodity markets: evidence from advanced and emerging markets. Eurasian Economic Review, 1-58.

31)   Zhang, Y. J., Fan, Y., Tsai, H. T., & Wei, Y. M. (2008). Spillover effect of US dollar exchange rate on oil prices. Journal of Policy Modeling, 30(6), pp.973-991.

 

 

یادداشت‌ها