مدل‌سازی وابستگی پویا بین صنایع منتخب بورس تهران با رویکرد DCC-GARCH و کوپولا در رژیم‌های نوسانی

صدرزاده مقدم, سعید; هژبر کیانی, کامبیز

doi:10.22103/jdc.2025.25321.1559

مدل‌سازی وابستگی پویا بین صنایع منتخب بورس تهران با رویکرد DCC-GARCH و کوپولا در رژیم‌های نوسانی

نوع مقاله : مقاله پژوهشی

نویسندگان

سعید صدرزاده مقدم ¹

کامبیز هژبر کیانی ²

¹ گروه اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

² گروه اقتصاد، دانشکده اقتصاد دانشگاه شهید بهشتی، تهران، ایران.

10.22103/jdc.2025.25321.1559

چکیده

هدف: هدف این پژوهش، مدل‌سازی وابستگی پویا بین بازده شاخص‌های منتخب صنایع بورس تهران شامل فلزات اساسی، شیمیایی، بانکی و خودرویی در شرایط متفاوت نوسانات بازار (پرنوسان و کم‌نوسان) با استفاده از ترکیب مدل DCC-GARCH و کوپولاهای پارامتریک است.

روش: در این تحقیق ابتدا با استفاده از مدل (1,1) DCC-GARCH واریانس و همبستگی‌های شرطی بین شاخص‌های صنایع مدل‌سازی شد. سپس با استفاده از میانگین متحرک واریانس شرطی، بازار به دو رژیم نوسان بالا و پایین تفکیک شد. در ادامه، باقیمانده‌های استانداردشده در هر رژیم استخراج و کوپولاهای مختلف (t، Gaussian، Clayton، Gumbel، Frank) برازش شدند تا ساختار وابستگی در هر دوره مدل‌سازی شود. همچنین، ضریب وابستگی در دم بالا (λU) برای تحلیل احتمال رخدادهای شدید هم‌زمان محاسبه شد.

یافته‌ها: نتایج نشان داد در اغلب جفت‌ها، همبستگی شرطی و ضریب کندال در شرایط پرنوسان به‌طور معناداری بالاتر از دوره‌های آرام است. خانواده t-Copula بویژه در دوره پرنوسان به‌عنوان ساختار وابستگی غالب شناخته شد. آزمون بوت‌استرپ نشان داد اختلاف λU در بسیاری از جفت‌ها از نظر آماری معنادار است، که بیانگر افزایش ریسک سیستمی در دوره‌های بحرانی است.

نتیجه‌گیری: ساختار وابستگی بین شاخص‌ها در بازار سرمایه ایران به‌شدت وابسته به شرایط نوسان بازار است. در دوره‌های بحران، صنایع به‌طور هماهنگ‌تری دچار شوک می‌شوند و همبستگی در دم افزایش می‌یابد. این یافته‌ها برای مدیریت ریسک پرتفوی و سیاست‌گذاری بازارهای مالی اهمیت بالایی دارد.

کلیدواژه‌ها

مدل DCC-GARCH

کوپولا

وابستگی دم بالا

ساختار وابستگی

بورس تهران

موضوعات

اقتصاد توسعه

زارع، هاشم (1400). عدم قطعیت سیاسی و نوسانات بازار سهام ایران با لحاظ تغییرات سیاسی بین‌المللی. مجله توسعه و سرمایه، 6(1)، 123-145. https://jdc.uk.ac.ir/article_3035.html

رضایی مقدم، نسرین؛ ابراهیمی سالاری، تقی و اسماعیل‌پور مقدم، هادی (1403). بررسی تعاملات رفتار مالی شرکت‌های بورسی تهران با رویکرد.VAR Panel مجله توسعه و سرمایه، 9(2)، 95-112. https://jdc.uk.ac.ir/article_3759.html

فلاحی، فیروز؛ حقیقت، جعفر؛ صنوبر، ناصر و جهانگیری، خلیل (۱۳۹۳). بررسی همبستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده از مدل.DCC-GARCH. پژوهشنامه اقتصادی، ۱۴(۵۲)، ۱۲۳-۱۴۷. https://joer.atu.ac.ir/article_145.html?lang=fa

دادمهر، مهرداد؛ نیکومرام، هاشم و فلاح، میرفیض (۱۴۰۰). به‌کارگیری مدل DCC-FIAPARCH چند متغیره در آزمون همبستگی‌های پویای شرطی میان بازارهای پولی و مالی ایران. مهندسی مالی و مدیریت اوراق بهادار، ۱۲(۴۹)، ۱-۳۲. https://sanad.iau.ir/en/Journal/fej/Article/1078753

References

Acharya, V.V., Pedersen, H., Philippon, T., & Richardson, M. (2017). Measuring systemic risk. The Review of Financial Studies, 30(1), 2-47. https://www.jstor.org/stable/26142286

Basuony, M.A.K., EmadEldeen, R., Mohamed, E.K.A., & Hussain, S.M. (2021). The impact of COVID-19 pandemic on stock markets: Evidence from developed and emerging countries. Research in International Business and Finance, 57, 101521. https://doi.org/10.1016/j.ribaf.2021.101521

Bauwens, L., Laurent, S., & Rombouts, J.V.K. (2006). Multivariate GARCH models: A survey. Journal of Applied Econometrics, 21(1), 79–109. https://onlinelibrary.wiley.com/doi/10.1002/jae.842

Bollerslev, T. (1990). Modelling the coherence in short-run nominal exchange rates: A multivariate generalized ARCH model. The Review of Economics and Statistics, 498–505. https://doi.org/10.2307/2109358

Chollete, L., Heinen, A., & Valdesogo, A. (2009). Modeling international financial returns with a multivariate regime-switching copula. Journal of Financial Econometrics, 7(4), 437–480. http://dx.doi.org/10.2139/ssrn.1102632

Dadmehr, M., Nikoumaram, H., & Fallah, M.F. (2021).Applying multivariate DCC-FIAPARCH model in examination of dynamic conditional correlation between monetary and financial markets in Iran. Financial Engineering and Portfolio Management, 49(12), 1-32. https://sanad.iau.ir/en/Journal/fej/Article/1078753 [In Persian].

Engle, R.F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007. https://doi.org/10.2307/1912773

Engle, R.F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. https://www.jstor.org/stable/1392121

Eraslan, V. (2017). Do sovereign rating announcements affect emerging market exchange rate correlations? A multivariate DCC-GARCH approach. Applied Economics, 49(21), 2060–2082. DOI: 10.1080/00036846.2016.1231906

Fallahi, F., Hghighat, J., Sanoubar, N., & Jahangiri, K. (2014). Study of correlation between volatility of stock, exchange and gold coin markets in Iran with DCC-GARCH model. Economics Research, 14(52), 147-123. https://joer.atu.ac.ir/article_145.html?lang=fa [In Persian].

Nelsen, R.B. (2006). An Introduction to Copulas. Springer. https://link.springer.com/book/10.1007/0-387-28678-0

Nikoloulopoulos, A.K., Joe, H., & Li, H. (2012). Vine copulas with asymmetric tail dependence and applications to financial return data. Computational Statistics & Data Analysis, 56(11), 3659–3673. https://doi.org/10.1016/j.csda.2010.07.016

Orskaug, E. (2009). Multivariate DCC-GARCH Model: With Various Error Distributions. Master’s thesis, Norwegian University of Science and Technology. NTNU Open. http://hdl.handle.net/11250/259296.

Patton, A.J. (2006). Modelling asymmetric exchange rate dependence. International Economic Review, 47(2), 527–556. https://www.jstor.org/stable/3663514

Rašiová, L., Gazda, V., & Kocisova, K. (2023). Copula-based analysis of dependence between stock market volatility and technology sector. Finance Research Letters, 54, 104785. https://doi.org/10.1016/j.frl.2022.103553

Rezaei Moghaddam, N., Ebrahimi Salari, T., & Esmaeilpour Moghadam, H. (2024). Studying the Interactions of Corporate Financial Behaviors in Tehran Stock Exchange under vector auto regression panel approach. Journal of Development and Capital, 9(2), 95-112. https://jdc.uk.ac.ir/article_3759.html [In Persian].

Rodriguez, J.C. (2007). Measuring financial contagion: A copula approach. Journal of Empirical Finance, 14(3), 401–423. https://doi.org/10.1016/j.jempfin.2006.07.002

Sklar, A. (1959). Fonctions de répartition à n dimensions et leurs marges. Publications de l'Institut de Statistique de l'Université de Paris, 8, 229–231. https://hal.science/hal-04094463v1

Zare, H. (2021). Political uncertainty and stock market fluctuations in Iran: With consideration of international political changes. Journal of Development and Capital, 6(1), 123-145. https://jdc.uk.ac.ir/article_3035.html [In Persian].

Zhang, Y., Li, X., & Wang, H. (2023). Systemic risk spillover between financial sectors and stock markets in China: A copula-DCC-GARCH approach. Emerging Markets Finance and Trade, 59(1), 1-20. https://doi.org/10.1016/j.jer.2023.100078