>
Fa   |   Ar   |   En
   پویایی‌های نرخ تورم و بازار سهام ایران: رویکرد علیت گرنجر متغیر در زمان  
   
نویسنده صوفی مجیدپور مسعود
منبع مدلسازي اقتصادي - 1404 - دوره : 19 - شماره : 71 - صفحه:1 -23
چکیده    علیت گرنجر ابزار مهمی در تحلیل روابط متقابل متغیرهای کلان اقتصادی است. اخیرا روش های اقتصادسنجی بازگشتی برای ارزیابی پویایی های روابط علیت گرنجری توسعه یافته اند. هدف این مقاله به کارگیری آزمون علیت گرنجر متغیر در زمان برای ارزیابی روابط علّی متغیر در زمان بین نرخ تورم و بازار سهام در ایران است. به این منظور از داده های ماهانه نرخ تورم و شاخص کل بازار سهام ایران و همچنین بازده آن از دی ماه 1393 تا شهریورماه 1401 استفاده شده است. این اطلاعات از سایت بانک مرکزی ایران استخراج شده اند. بررسی علیت میان سری های زمانی نرخ تورم و بازار سهام در ایران است. به این منظور از داده های ماهانه در دوره دی 1393 تا شهریور 1401 استفاده شد. یافته ها نشان داد براساس الگوریتم تکامل بازگشتی(re) هیچ رابطه علّی میان نرخ تورم و بازار سهام وجود ندارد. همچنین براساس نتایج الگوریتم های پنجره گردشی(ro) و بسط پیشین(fe) تنها سطح و بازده شاخص کل علیت گرنجر نرخ تورم بوده است. همچنین روند علیت گرنجر متغیر نشان داد از تابستان 1397 تا ابتدای پاییز 1397 نرخ تورم علیت گرنجر شاخص کل بوده است. علاوه بر این، براساس هر سه الگوریتم از پاییز1397 تا تابستان 1398 ارتباط متقابل میان شاخص کل و نرخ تورم وجود داشته است، اما در سایر زمان ها چنین رابطه ای از هیچ سمتی وجود ندارد. نتایج روند علیت گرنجر بازده شاخص کل و نرخ تورم حکایت از آن داشت در دوره دی 1393 تا شهریور 1401 نرخ تورم علیت گرنجر بازده شاخص کل بوده، اما نرخ بازده شاخص کل در هیچ زمانی علت نرخ تورم نبوده است. به طور کلی یافته ها از این نتیجه حمایت می کنند که روابط علیت گرنجر بسیار پویا هستند و الگوهای علیت به دست آمده در داده ها به نوع الگوریتم مورد استفاده بستگی دارد.
کلیدواژه علیت گرنجر متغیر در زمان، نرخ تورم، بازار سهام، پویایی‌های اقتصاد کلان
آدرس دانشگاه آزاد اسلامی واحد فیروزکوه, گروه اقتصاد, ایران.
پست الکترونیکی masoodsoufi@gmail.com
 
   dynamics of inflation rate and iranian stock market: a time-variable granger causality approach  
   
Authors soufimajidpour masoud
Abstract   

granger causality is an important tool for analyzing the interrelationships among macroeconomic variables, and recent regression-based econometric methods allow these relationships to vary over time. this study applies a time-varying granger causality approach to examine the dynamic causal relationships between the inflation rate and the iranian stock market using monthly data on inflation, the total stock market index, and its returns from january 1393 to september 1401, obtained from the central bank of iran. the results show that, based on the recursive evolution (re) algorithm, no causal relationship exists between inflation and the stock market; however, the rolling window (ro) and forward expansion (fe) algorithms indicate that the level and return of the aggregate stock market index granger-cause inflation. time-varying causality trends further reveal that inflation granger-caused the aggregate index from the summer to early autumn of 2018, while a bidirectional causal relationship between inflation and the aggregate index is observed from autumn 2018 to summer 2019, with no significant causality in other periods. moreover, the granger causality results for stock market returns show that inflation granger-caused returns from january 2014 to september 2018, whereas stock market returns did not granger-cause inflation at any point during the sample period. overall, the findings highlight the highly dynamic nature of granger causality relationships and demonstrate that the detected causality patterns depend critically on the time-varying algorithm employed.

 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved