ادوار استرس مالی و پیامدهای آن بر رشد اقتصادی در ایران

در دهه‏های اخیر با توجه به افزایش استرس‏ در بازارهای مالی و تاثیر آن بر رشد اقتصادی، نیاز به پیدا کردن مدل‏ها و شاخص‏های بهتر برای رویارویی با حوادث بحران‏زا و کاهش اثرات آن احساس می‏شود. این پژوهش، به دنبال پاسخ به این پرسش است که اثر استرس کل سیستم مالی و زیربخش اصلی آن در اقتصاد ایران (سیستم بانکی، بازار بورس اوراق بهادار و بازار ارز) بر رشد اقتصادی چگونه است؟ برای این منظور از داده‏های فصلی سری زمانی (1)1370 تا (4)1395 از بخش بانکی و بازارهای سهام و ارز استفاده شده است. برای ساخت یک شاخص چندبعدیِ استرس مالی «در داخل» و «در میان» هر بخش/بازار به ترتیب از روش تجزیه‏ی مولفه‏های اصلی و وزن‏دهی اعتباری بهره گرفته‏ شده است. با استفاده از مدل خودبازگشت میانگین متحرک (arma) و رهیافت خودبازگشت با وقفه‏های توزیعی (ardl) وقفه‏های بهینه‏ی مورد نیاز برآورد و با استفاده از رهیافت خودبازگشت واریانس ناهمسان شرطی عمومیت‏یافته نمایی (egarch)، واریانس شرطی شاخص‏های مورد نظر که معرف فرّاریت شاخص‏هاست محاسبه گردید. سپس با استفاده از مدل مارکوف-سوئیچینگ، به ارزیابی تاثیر استرس مالی بر رشد اقتصادی ایران پرداخته شده است. نتایج حاکی از آن ات که با وجود دوره‏های استرس مالی در ایران، تاثیر آن بر رشد اقتصادی بسیار ناچیز و در بیشتر مواقع بی‏معنی بوده است.

financial stress periods and their consequences on economic growth in iran

in recent decades, due to the increase of stress in financial markets and its effect on economic growth, the need to find better models and indicators to deal with crisis events and reduce their effects is felt. this paper seeks to answer this question: what are the effects of the stress of the financial system and its main sub-sectors (banking system, stock market, and foreign exchange market) on economic growth in iran? for this purpose, the quarterly data of the time-series 1370q1 to 1395q2 (1991q2 to 2016q3) from the banking sector and the stock and foreign exchange markets have been used. to construct a multi-lateral financial stress index within and between each sector/market, respectively, the method of principal component analysis (pca) and credit weighting (cw) has been used. using the auto-regressive moving average (arma) and the auto-regressive distributed lags (ardl) approach, the required optimal intervals were estimated and using the exponential general auto-regressive conditional heteroskedastic (egarch) approach, the conditional variance of the desired indicators, which represents the volatility of the indicators, was calculated. then, using the markov-switching approach, the impact of financial stress on iran’s economic growth has been evaluated. the results indicate that despite periods of financial stress in iran, its effect on economic growth has been insignificant and meaningless in most cases.