منبع پایان نامه ارشد با موضوع رگرسیون، شاخص قیمت، قیمت سهام، سریهای زمانی

دانلود پایان نامه ارشد

بهره به عنوان ایزار سیاست پولی مقدور نمیباشد. البته بانک مرکزی هر ساله نرخی را به عنوان نرخ سود بانکی اعلام میکند که بر اساس آن طبق یکی از عقود اسلامی از طرف بانک ها سود به سرمایهگذاران پرداخت میشود، ولی قابلیت اثر گذاری به صورت آنی (شوک) در آن وجود ندارد و همچنین به دلیل تفاوت نرخهای سود برای بخشهای مختلف اقتصادی از کارایی لازم برخوردار نیست. از این جهت بیشتر تغییرات سیاست پولی در ایران از طریق تغیر در حجم نقدینگی یا همان عرضه پول صورت میگیرد.
الگویی که در این پژوهش به منظور تجزیه و تحلیل داده ها و آزمون فرضیههای پژوهش مورد استفاده قرار میگیرد به شرح معادلات رگرسیون چند متغیره رابطه ( 3-1) میباشد. این الگو، الگو به کار گرفته شده در پژوهش روش کریستیانو (1996)، کیم و ربینو (2000) است. در این پژوهش، رابطه بین شوکهای سیاست پولی و قیمت سهام را بر مبنای ساختار VAR بررسی می کنیم.
(3-1) Y=[LnRER ,LnM2 ]
Y: شاخص قیمت سهام
LnRER : لگاریتم نرخ ارز
: LnM2 لگاریتم حجم نقدینگی

3-8- متغیرهای پژوهش و نحوه محاسبه آنها
با توجه به روابط (3-1) نحوه محاسبه متغیرهای پژوهش بدین شرح میباشد:
3-8-1- متغیر وابسته
در این پژوهش متغیر وابسته عبارت است از:
Y: شاخص کل قیمت نشان میدهد که سطح عمومی قیمت شرکتهاي بورس در چه وضعیتی قرار دارد. شاخص قیمت، نماگر روند عمومی قیمت شرکت‌های مشمول شاخص است و تغییرات سطح عمومی قیمت‌ها را نسبت به تاریخ مبدأ نشان می‌دهد. کلیۀ بورس‌های معتبر به محاسبة این شاخص می‌پردازند و اکثراً از شیوه‌های مشابهی برای محاسبه و تعدیل آن پیروی می‌کنند. بورس تهران از فروردین ماه 1369 اقدام به محاسبه و انتشار شاخص قیمت خود با نام تپیکس (TEPIX) نمود. شاخص قیمت بورس تهران تمامی شرکت‌های پذیرفته شده در بورس را در برمی‌گیرد، شاخص قیمت سهام که بر اساس رابطه (3-2) محاسبه میشود:
(3-2) 〖TEPIX〗_t=(∑_(i=1)^n▒〖p_it q_it 〗)/D_t ×100
p_it = قیمت سهام شرکت iام در زمان t (tزمان مورد محاسبه)
=q_itتعداد سهام منتشر شده شرکت iام در زمان t
D_t = عدد پایه در زمان t و مقدار ∑▒〖p_i0 q_i0 〗 در زمان مبدا
p_i0 = قیمت سهام شرکت iام در زمان مبدا
q_i0 = تعداد سهام منتشر شده شرکت iام در زمان مبدا

3-8-2- متغیرهای مستقل
نرخ ارز : در این پژوهش برای محاسبه نرخ ارز از نرخ ارز حقیقی بر اساس رابطه (3-3) استفاده میشود: (کریمزاده، 1385)
(3-3) RER= (ER.CPIUSA)/CPI
که در این رابطه:
: RERنرخ ارز حقیقی
CPIUSA: شاخص قیمت مصرف کننده آمریکا (سال پایه سال 2000 است)
CPI : شاخص قیمت مصرف کننده ایران (سال پایه 1381 است)
که آمار مورد نیاز برای محاسبه این متغیر از مجموعه آماری بانک مرکزی و مرکز آمار ایران و بانک جهانی گردآوری میشود.
حجم نقدینگی: تغییرات در حجم پول، یکی از عوامل موثر بر متغیرهای مهم اقتصادی به شمار می‏آید و می‏تواند در دست‏یابی به اهداف اقتصادی یک کشور از جمله رشد و توسعه بازار سرمایه تأثیر بسزایی داشته باشد. در تعاریف رایج، پول چیزی است که در داد و ستد و مبادله مورد قبول عموم افراد جامعه می‏باشد. پول در اقتصاد کلان به مجموع اسکناس و مسکوک در دست مردم و سپرده‏های دیداری تعریف می‏شود (M_1). M_2، مفهوم گسترده‏تری از پول را مد نظر دارد و حجم پول را به پول و شبه پول تعریف می‏کند. در واقع M_2، علاوه بر تعریف M_1 از پول، شبه پول را نیز به عنوان بخشی از حجم پول معرفی می‏کند. در این پژوهش حجم نقدینگی بر حسب رابطه (3-4) محاسبه میشود:
(3-4) شبه پول + پول = حجم نقدینگی
که آمار مورد نیاز برای محاسبه این متغیر از مجموعه آماری بانک مرکزی و مرکز آمار ایران و بانک جهانی گردآوری میشود.

3-9- روش شناختی آماری و انواع آزمونهای مورد استفاده در پژوهش
انواع دادهها به سه دسته شامل دادههای سری زمانی، دادههای مقطعی و دادههای ترکیبی (مقطعی و سری زمانی)، تقسیم پذیر هستند. دادههای سری زمانی دادههایی هستند که در طی یک دوره زمانی جمعآوری میشوند. چنین دادههایی میتوانند در فواصل منظم مانند روزانه، هفتگی، ماهانه و سالانه گردآوری شوند. دادههای مقطعی براساس یک یا چند متغیر در یک زمان مشخص جمعآوری میشوند. دادههای ترکیبی شامل دادههای مقطعی برای زمانهای مختلف است. در این پژوهش از دادههای سری زمانی برای برآورد الگو پژوهش استفاده شده است. (گجراتی، 1387).

3-9-1- سریهای زمانی
الگوهای سری زمانی سعی میکنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و احتمالاً مقادیر گذشته سایر متغیرها توضیح دهند. این الگوها قادرند حتی در مواردی که الگوهای اقتصادی زیرساختی نامشخص دارند، پیشبینیهای دقیقی از متغیر موردنظر ارائه دهند. این الگوها برخلاف الگوهای اقتصادسنجی که از اطلاعات مربوط به نظریههای اقتصادی و دادههای آماری سود میجویند، تنها از اطلاعات مربوط به دادههای آماری استفاده میکنند و توجهی به مبانی نظری تئوریهای اقتصادی ندارند. الگوهای سری زمانی که تنها مقادیر فعلی یک متغیر را به مقادیر گذشته آن و مقادیر خطاهای حال و گذشته ارتباط میدهند، الگوهای سری زمانی تک متغیری نام دارند و فرآیندهای خودتوضیح نمونهای از این الگوها به شمار میآیند.
در اغلب سریهای زمانی اقتصاد کلان این تمایل وجود دارد که متغیرهای اقتصادی، همجهت با یکدیگر حرکت کنند و علت این امر وجود روندی است که در تمامی آنها مشترک است. چنانچه متغیرهای سری زمانی که ناپایدار هستند در برآورد ضرایب الگوی مورد استفاده قرار گیرد، ممکن است نتیجه به یک رگرسیون کاذب منجر شود، زیرا در بین متغیرهایی که از روند برخوردارند این گرایش دیده میشود که حتی در مواردی که یک رابطه اقتصادی معنیداری بین آنها وجود ندارد همبستگی شدیدی را نشان دهند و موجب دستیابی به استنباطهای نادرست در مورد ارتباط بین متغیرها شود.
روش سنتی برای اجتناب از بدست آوردن یک ارتباط کاذب بین متغیرهای سری زمانی آن بوده است که متغیر روند زمانی t را در بین متغیرهای مستقل الگو قرار دهند. این روش زمانی میتواند صحیح و قابل قبول باشد که روند زمانی متغیرها از نوع روند قطعی باشد و تصادفی نباشند. وقتی که متغیرهای سری زمانی روند مانا هستند، میتوان با اضافه نمودن یک روند زمانی از بروز رگرسیون کاذب جلوگیری کرد. در عین حال میتوان ابتدا رگرسیونی را با این متغیرها بر روی روند زمانی انجام داد و سپس جملات پسماند آنها را که عاری از روند هستند به عنوان متغیرهای پایا در برآورد ضرایب مورد استفاده قرار داد و به این ترتیب از ایجاد رگرسیون کاذب اجتناب کرد، اما وقتی متغیرهای سری زمانی روند مانا نیستند، اضافه کردن متغیر روند زمانی در بین متغیرها و یا کم کردن روند قطعی از متغیرها موجب پایایی این متغیرها نخواهد شد (نوفرستی، 1378).

3-9-2- آزمون مانایی متغیرها
اغلب الگو های اقتصاد سنجی که در دهه های اولیه مورد استفاده قرار می گرفت، بر فرض مانایی سری های زمانی استوار بود. بعدها که نامانایی اکثر سری های زمانی آشکار شد، به کار گیری سری های زمانی منوط به انجام آزمون های مانایی مربوط گردید. به این دلیل، در این بخش مانایی متغیرها و آزمون مانایی آن مورد بحث قرار می گیرد. متغیرهای اقتصادی اصولاً نامانا و دارای روند تصادفی هستند. ترکیب خطی سری های نامانا نیز در حالت کلی یک سری نامانا است.
پیش از برآورد الگو لازم است مانایی تمام متغیرهای مورد استفاده در تخمین، مورد آزمون قرار گیرد زیرا مانایی متغیرها چه در مورد داده های سری زمانی و چه در مورد داده های تابلویی باعث بروز مشکل رگرسیون مجازی می شود. در داده های سری زمانی آزمون ریشه واحد یکی از معمول‏ترین آزمون‏هایی است که برای تشخیص پایایی یک فرآیند سری زمانی مورد استفاده قرار می‏گیرد. برای آزمون ایستایی از آزمون های دیکی-فولر74 و دیکی فولر تعمیم یافته75 استفاده میشود. در تمامی این آزمون ها فروض آن مشترک است، یعنی فرضیۀ H0 بر پایۀ وجود ریشۀ واحد و فرضیۀ H1 بر اساس مانا بودن متغیر استوار است
3-9-3- همجمعی76
مفهوم همجمعی، رابطه تعادلی بلندمدت بین دو یا چند متغیر را نشان میدهد. مفهوم اقتصادی همجمعی این است که اگر دو یا چند متغییر یک رابطه تعادلی بلند مدت با هم داشته باشند، حتی اگر مسیر این سری های زمانی در کوتاه مدت از هم منحرف شده باشند، آنها در تعادل بلند مدت نزدیک به هم و در یک جهت حرکت خواهند کرد. وجود هماهنگی در حرکت بین سریهای زمانی ایده ال اصلی همجمعی است. این هماهنگی بین آن است که احتمالا یک رابطه تعادلی بلند مدت بین سریهای زمانی موجود در معادله وجود دارد. اگر چنین باشد متغیرها همجمع بوده و رگرسیون برآورد شده کاذب نیست و آمترههای tوF از اعتبار لازم بر خوردار خواهند بود. نکته قابل توجه این است که اگر لازم باشد یک سری زمانی d بار تفاضلگیری شود تا پایا شود دارای d ریشه واحد است که گفته میشود همجمع از مرتبه d یا I(d) است (نوفرستی، 1378).

3-9-4- معادلات تصحیح خطای برداری77
برای بدست آوردن مدل کوتاه‏مدت از الگوهای تصحیح خطا استفاده می‏کنیم. ویژگی این الگوها این است که نوسانات کوتاه‏مدت متغیرها را به مقادیر تعادلی بلندمدت آنها ارتباط می‏دهند و واکنش‏های پویای کوتاه‏مدت موجود بین متغیرهای الگو را نیز در نظر می‏گیرند. مدل کوتاه‏مدت بر مبنای الگوی تصحیح خطای برداری به صورت زیر بدست خواهد آمد. اگر در نتیجه تخمین الگوی بلندمدت، r بردار تعادلی بدست آید، r مکانیزم تصحیح خطای برداری خواهیم داشت که می‏توانند جهت تخمین مدل دینامیکی کوتاه‏مدت مورد استفاده قرار گیرند. بنابراین مدل دینامیکی کوتاه‏مدت به صورت زیر است:
〖ΔX〗_t= Θ+ ∑_(i=1)^(p-1)▒〖Γ_i 〖ΔX〗_(t-i) 〗+ ∑_(j=1)^r▒〖Ω_j V_(jt-1) 〗+ ε_t (3-5)
V_(jt-1): جز اخلال رابطه بلندمدت است که با یک تاخیر ظاهر می‏شود.

3-9- 5- الگوهای خودرگرسیون برداری78 (VAR)
به طور کلی، الگوهایی که سعی میکنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و تعدادی از متغیرهای مختلف دیگر به صورت همزمان توضیح دهند، الگوهای سری زمانی چند متغیره نامیده میشود، الگوی خود توضیح برداری VAR از این جمله میباشد. در واقع زمانی که رفتار چند متغیر سری زمانی را بررسی میکنیم باید به ارتباط متقابل این متغیرها در قالب یک الگوی سیستم معادلات همزمان توجه نماییم. اگر معادلات این الگو شامل وقفههای این متغیرها باشد با یک الگوی سیستم معادلات همزمان پویا مواجه میشویم. در این الگوها شناخت در مورد درونزا بودن و برونزا بودن متغیرها حائز اهمیت میباشد. برای رفع این محدودیت، الگوی خودتوضیح برداری VAR توسط سیمز79 (1980) بیان شد، به صورت رابطه (3-6) میباشد:
(3-6) y_t=A_o+A_1 y_(t-1)+…+A_p y_(t-p)+U_t
U≈N(o,δ^2)
در یک الگو VAR با n متغیر و p وقفه بایستی تعداد pn(2+p) پارامتر (به غیر از واریانس‏ها) تخمین زده میشود. در صورتی که حجم نمونه به اندازه کافی بزرگ نباشد، تعیین این تعداد زیاد از پارامترها به درجات آزادی زیادی نیاز خواهد داشت. به دلیل حفظ درجه آزادی، الگو‏های VAR معمولاً متغیرهای اندکی (4 تا 8 متغیر) را شامل میشوند.
الگوهای VAR دارای مزایای متعددی در مقایسه با الگوهای سری زمانی تک متغیره و یا الگوهای ساختاری معادلات همزمان است که برخی از این مزایا به شرح زیر است:
1- محققین نیازی به تعیین اینکه کدام متغیر درونزا یا برونزا است، ندارند و تمامی متغیرها درونزا

پایان نامه
Previous Entries منبع پایان نامه ارشد با موضوع شاخص قیمت، قیمت سهام، بازار سهام، سیاست پولی Next Entries پایان نامه با واژه های کلیدی نیروی انسانی، آزمون فریدمن، کارکنان بانک، معادلات ساختاری