مقاله پژوهشی: طراحی یک سامانه ی هشداردهی زودهنگام بحران مالی در ایران با معرفی شاخصی جدید

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری علوم اقتصادی - اقتصاد پولی

2 دانشکده علوم اقتصادی و اداری، پردیس دانشگاه مازندران، بابلسر

3 دانشیار دانشگاه مازندران

4 دانشیار دانشگاه تهران

چکیده

یکی از حقایق آشکار شده در اقتصاد، سرایت بحران مالی به بخش­های مختلف و پیامدهای رکودی متعاقب آن است. از این­رو، رصد وضعیت بخش مالی و پیش­بینی بحران­های آن، به موضوعی جذاب در میان اقتصاددانان، سیاست­گذاران و سرمایه­گذاران تبدیل شده است. برای این منظور، از شاخص­های وضعیت مالی استفاده می­شود. در این راستا، پژوهش حاضر به کمک رهیافت تحلیل مؤلفه­های اساسی و ترکیب 8 متغیر مالی، شاخصی جدید برای وضعیت مالی تدوین کرده است. در ادامه، با استفاده از شاخص مذکور و به کارگیری رهیافت چرخشی مارکوف، بخش مالی در دوره­ 1395:4-1369:1 به سه وضعیت بحران، ثبات و رونق تقسیم شد. سپس، احتمال مواجه شدن بخش مالی با هر یک از وضعیت­های مذکور، مورد محاسبه قرار گرفت. نتایج نشان داد که وضعیت بحرانی در بخش مالی، پایداری نسبتاً اندکی دارد؛ به طوری که به احتمال 93/0 در دوره­ بعد به وضعیت ثبات می­رسد. با توجه به محاسبات، چرخش از وضعیت بحرانی و پرنوسان به رونق ممکن نیست. رونق در بخش مالی نیز پایداری کمی دارد؛ در صورتی که بخش مالی در دوره­ t در وضعیت رونق قرار داشته باشد، به احتمال 27/0 در دوره­ آتی، در همان وضعیت باقی خواهد ماند. به احتمال 59/0 بخش مالی یک دوره پس از رونق، وضعیت ثبات را تجربه خواهد کرد و به احتمال 14/0 در وضعیت بحرانی و پرنوسان قرار خواهد گرفت.

کلیدواژه‌ها


عنوان مقاله [English]

Designing an early warning system for the financial crisis in Iran through introducing a new index

نویسندگان [English]

  • Saleh Taheri Bazkhaneh 1
  • Mohammad Ali Ehsani 2
  • Mohammad Taghi Gilak Hakimabadi 3
  • Asodollah Farzinvash 4
1 PhD in Monetary Economics
2 Associate Professor of Economics, Mazandaran University, Babolsar, Iran
3 Associate Professor of Economics, Mazandaran University, Babolsar, Iran
4 Professor of Economics, University of Tehran, Tehran, Iran
چکیده [English]

One of the stylized facts of economics is the spread of the financial crisis to various sectors and the ensuing downturn. Thus, observing the financial sector and predicting its crises is an attractive topic among economists, policymakers and investors. For this purpose, financial condition indexes are used. In this regard, the present study develops a new index for the financial condition by using the principal component analysis (PCA) and combining eight financial variables. Then, using the constructed index and applying Markov Switching approach, the financial sector is divided into three situations of crisis, stability and boom over the period 1990:2 - 2017:1. Then, the probability of exposure to these situations in financial sector is calculated. The results show that the critical situation in the financial sector has a relatively low stability, so, with probability 0.93, the financial sector becomes stable in the next period. According to calculations, it is impossible to move from critical and volatile situation to boom. The boom in the financial sector has low stability as well. If the financial sector is in boom at period t, it will remain in the same position with probability 0.27 in the next period. With probability 0.59, the financial sector will experience stability, and with probability 0.14, it will be in crisis condition. 

کلیدواژه‌ها [English]

  • Financial Condition Index
  • Markov Switching
  • Early Warning System
-        ابونوری، اسمعیل و عرفانی، علیرضا. (1387). الگوی چرخشی مارکف و پیش بینی احتمال وقوع بحران نقدینگی در کشورهای عضو اوپک. مجله پژوهش­های اقتصادی، 8(3): 174-153.
-        بختیارزاده، محمدجواد. (1388). بررسی علل و ریشه های بحران اقتصادی 2008 آمریکا و ارایه راهکارها. دو ماهنامه بررسی­های بازرگانی، 7(38): 58-50.
-        تقی­زاده، حجت؛ زمانیان، غلامرضا و هراتی، جواد. (1395). محاسبه شاخص­های شرایط پولی و مالی با استفاده از روش تحلیل مؤلفه­های اساسی برای اقتصاد ایران. فصلنامه مطالعات اقتصادی کاربردی ایران، 5(19): 57-27.
-        صیادنیا طیبی، عزت‌اله؛ شجری، هوشنگ؛ صمدی، سعید و ارشدی، علی. (1389). تبیین یک نظام هشداردهنده جهت شناسایی بحران‌های مالی در ایران. فصلنامه پول و اقتصاد، 2(6): 212-169.
-        طاهری بازخانه، صالح؛ احسانی، محمدعلی و گیلک حکیم­آبادی، محمدتقی. (1397). بررسی رابطه پویا بین ادوار مالی با ادوار تجاری و شکاف تورم در ایران: کاربردی از تبدیل موجک. پژوهش­های رشد و توسعه اقتصادی، 9(33): 140-121.
-        عطرکارروشن، صدیقه و محبوبی، مطهره­سادات. (1395). استخراج شاخص وضعیت مالی برای ایران. فصلنامه تحقیقات مدل­سازی اقتصادی، 24(2): 173-147.
-        فلاحی، فیروز و هاشمی دیزج، عبدالرحیم. (1389). رابطه علیت بین GDP و مصرف انرژی در ایران با استفاده از مدل­های مارکوف سوییچینگ. فصلنامه مطالعات‌ اقتصاد انرژی‌، 7(26): 152-131.
-        قوام، محمدحسین؛ عبادی، جعفر و محمدی، شاپور. (1394). طراحی مدل هیبریدی هشداردهنده پیش از موعد بحران مالی برای اقتصاد ایران.  فصلنامه مطالعات اقتصادی کاربردی ایران، 4(1): 68-35.
-        کلاسنس، استین؛ کاس، ام. آیهان و ترنس، مارکو ای. (2011). چرخه‌ها در بازار مالی. ترجمه لیلا علیزاده (1390). فصلنامه تازه‌های اقتصاد، 9(133)، 151-146.
-        محدث، فخری. (1389). محاسبه شاخص قیمت دارایی‌ها و بررسی اثر آن بر تورم. فصلنامه روند (روند پژوهش‌های اقتصادی)، 19(60): 61-29.
-        مهرگان، نادر و سلمانی، یونس. (1393). شوک‌های قیمتی پیش‌بینی نشده نفت و رشد اقتصادی در ایران: کاربردی از مدل‌های چرخشی مارکف. پژوهشنامه اقتصاد انرژی ایران، 3(12): 208-183.
-        مهرگان، نادر؛ حقانی، محمود و سلمانی، یونس. (1391). تأثیر نامتقارن شوکهای قیمتی نفت بر رشد اقتصادی کشورهای OECD و OPEC با تأکید بر محیط شکل گیری شوک­ها و تغییرات رژیمی. مدل­سازی اقتصادی، 6(20): 20-1.
-        نادری، مرتضی. (1382). ارایه نظام هشدار پیش از موعد برای بحران های مالی در اقتصاد ایران. فصلنامه پژوهش­های اقتصادی ایران، 5(4): 174-147.
-        Abiad, M. A. (2003). Early warning systems: A survey and a regime-switching approach (No. 3-32). International Monetary Fund.
-        Abou Nouri, E., & Erfani, A. R. (2008). Markov-switching model and the probability of prediction of the liquidity crisis within OPEC member countries. Economic Research Review, 3(30), 153 – 174. (In Persian).
-        Ando, A., & Modigliani, F. (1963). The life cycle hypothesis of saving: Aggregate implications and tests. The American Economic Review, 53(1), 55-84.
-        Angelopoulou, E., Balfoussia, H., & D. Gibson, H. (2014). Building a financial conditions index for the Euro area and selected Euro area countries: What does it tell us about the crisis?. Economic Modelling, 38, 392-403.
-        Atrkar Roshan, S., & Mahboubi, M. S. (2016). Financial Condition Index (FCI) extraction for Iran. Journal of Economic Modeling Research, 6(24), 147 – 173.(In Persian).
-        Bakhtiyarzadeh, M. J. (2010). Investigating the causes and roots of the 2008 US economic crisis and providing solutions. Commercial Surveys, 38, 50 – 58. (In Persian).
-        Brave, S., & Butters, R.A. (2011). Monitoring financial stability: A financial conditions index approach. Economic Perspectives, 35(1), 22-43.
-        Castelnuovo, E., & Nisticò, N. (2010). Stock market conditions and monetary policy in a DSGE model for the U.S. Journal of Economic Dynamics & Control, 34, 1700-31.
-        Debuque-Gonzales, M., & Gochoco-Bautista, M. S. (2017). Financial conditions indexes and monetary policy in Asia. Asian Economic Papers, 16(2), 83-117. (In Persian).
-        Du, J., Yu, R., & Lai, K. K. (2018). Identification and prediction of currency crisis: Markov Switching-Based approach. The Singapore Economic Review, 63, 1-32.
-        Duprey, T., & Klaus, B. (2017). How to predict financial stress? An assessment of Markov switching models. Bank of Canada Staff Working Paper, No. 2017-32.
-        Fakhri, M. (2012). The calculation of asset price index and analysis of its effect on inflation. Trend (Trend of Economic Research), 19(60), 29-61. (In Persian).
-        Fallahi F., & Hashemi Dizadj A. (2010). Energy consumption-GDP relationship in Iran: a Markov switching approach.  Energy Economics Review, 7, 131 – 152. (In Persian).
-        Gaglianone, W. P., & Areosa, W. D. (2016). Financial conditions indicators for Brazil. The Banco Central do Brasil Working Papers, No. 435.
-        Gauthier, C., Graham, C. & Liu, Y. (2004). Financial conditions indexes for Canada. Bank of Canada Working Paper, 4-22.
-        Ghavam M. H., Ebadi, J., & Mohammadi, S. (2015). Designing of hybrid early warning model of financial crisis in Iran's economy. Journal of Applied Economics Studies in Iran, 4(13), 35 – 68. (In Persian).
-        Goodhart, C., & Hofmann, B. (2001). Asset prices, financial conditions, and the transmission of monetary policy. In conference on Asset Prices, Exchange Rates, and Monetary Policy, Stanford University (pp. 2-3).
-        Guichard, S., & Turner, D. (2008). Quantifying the effect of financial conditions on US activity. OECD Economics Department, Working Papers No. 635.
-        Hagen, J.V., & Ho, T.K. (2007). Money market pressure and the determinants of banking crises. Journal of Money, Credit and Banking, 39(5), 1037-66.
-        Koop, G., & Korobilis, D. (2014). A new index of financial conditions. European Economic Review, 71, 101-116.
-        Ma, Y. & Chen, Y. (2014). Financial imbalance index as a new early warning indicator: Methods and applications in the Chinese economy. China & World Economy, 22(6), 64-86.
-        Ma, Y., & Zhang, Y. (2016). Financial cycle, business cycle and monetary policy, evidence from four major economies. International Journal of Finance & Economics, 21(4), 502-527.
-        Manning, M. J. F., & Shamloo, M. (2015). A financial conditions index for Greece (No. 15-220). International Monetary Fund.
-        Mayes, D., & Virén, M. (2001). Financial conditions indexes. Bank of Finland Discussion Paper, No. 17.
-        Mehregan, N., & Soleymani, Y. (2013).  Unforeseen oil price shocks and economic growth in Iran: An application of Markov switching regression. Iranian Energy Economics, 3(12), 183 – 209. (In Persian).
-        Mehregan, N., Haghani, M., & Salmani, Y. (2012). Asymmetric effects of oil price shocks on economic growth of OPEC and OECD by focusing on shocks setting and regime changes. Economic Modelling, 6(20), 1-20. (In Persian).
-        Mishkin, F. S. (2001). Financial policies and the prevention of financial crises in emerging market economies. The World Bank.
-        Moccero, D. N., Pariès M. D., & Maurin, L. (2014). Financial conditions index and identification of credit supply shocks for the Euro area. International Finance, 17(3), 297-321.
-        Montagnoli, A., & Napolitano, O. (2004). Financial condition index and interest rate settings: a comparative analysis. Istituto di Studi Economici Working Paper8, 2005.
-        Naderi, M. (2004). An early warning system for detection of financial crises in the economy of Iran. Iranian Economic Research. 5(4), 147 – 174. (In Persian).
-        Osorio, M. C., Unsal, D. F., & Pongsaparn, M. R. (2011). A quantitative assessment of financial conditions in Asia (No. 11-170). International Monetary Fund.
-        Plašil, M., Seidler, J., & Hlaváč, P. (2016). A new measure of the financial cycle: Application to the Czech Republic. Eastern European Economics, 54, 296-318.
-        Sayyadniya Taiebi, E., Shajari, H., Samadai, S., & Arshadi, A. (2011). Calculation of monetary and financial condition indicators using the principal component analysis method for Iran. Money and Economy, 2(6), 169 – 212. (In Persian).
-        Swiston, A. (2008). A US financial conditions index: putting credit where credit is due (No. 8-161). International Monetary Fund.
-        Taghizadeh, H., Zamanian, G. H., & Harati, J. (2016).  Financial and monetary conditions index on the Iranian economy: principal component analysis. Journal of Applied Economics Studies in Iran, 5(19), 29-57. (In Persian).
-        Taheri Bazkhaneh, S., Ehsani, M. A., & Gilak Hakim Abadi, M. T. (2018). The investigating of the dynamic relationship between financial cycles with business cycles and the inflation gap in Iran. Quarterly Journal of Economic Growth and Development Research, 9(33), 121-140. (In Persian).
-        Wahyudi, I., Luxianto, R., Iwani, N., & Sulung, A. (2011). Early warning system in ASEAN countries using capital market index return: modified Markov regime switching model. Indonesian Capital Market Review (ICMR)3(1), 41-58.