مدل‌بندی بیزی حباب‌های قیمتی در بازار سهام ایران

نوع مقاله: کاربردی

نویسندگان

1 استادیار گروه بانکداری دانشکدة بانکداری، مؤسسة عالی آموزش بانکداری ایران، تهران، ایران

2 دانشیار، دانشکدة اقتصاد، دانشگاه علامه طباطبایی، تهران، ایران

3 کارشناسی ارشد آمار، دانشکدة اقتصاد، دانشگاه علامه طباطبایی، تهران، ایران

چکیده

حباب‌های قیمتی از عوامل مخرب هر بازاری به شمار می‌آیند. روش‌های گوناگونی آماری و اقتصادی برای تشخیص حباب‌های قیمتی وجود دارد. این مدل‌ها به طور معمول از پیچیدگی‌های ریاضی رنج می‌برند. در این مقاله، یک مدل آماری ساده به منظور شناسایی حباب‌های قیمتی در بازارهای سهام ارائه می‌شود. به واسطة برآورد پارامترهای زمان متغیر مدل از جمله احتمال‌های انتقال، می‌توان تشخیص داد که چه وقت و به چه میزانی یک حباب که به تازگی شکل گرفته رشد کرده و چه هنگامی می‌ترکد. پارامترهای مدل یاد شده از طریق محاسبات بازگشتی قابل برآورد است. همچنین از آنجا که این محاسبات به حجم عظیمی از حافظة کامپیوترهای استاندارد نیاز دارد، تقریبی از محاسبات ارائه داده می‌شود که ویژگی بازگشتی بودن برآوردها را حفظ می‌کند. در پایان، برای تشخیص حباب، مدل در بازارهای بورس ایالات متحده، ژاپن و چین به کار گرفته شده و همچنین برای داده‌های بازار سهام ایران هم مورد استفاده قرار می‌گیرد. از مزایای این مدل، می‌توان به سادگی، روابط بازگشتی، تقریب روابط بازگشتی، استفاده از استنباط بیزی اشاره نمود. نتایج تجربی نیز نشان‌دهندة کارایی این روش در شناسایی حباب‌های قیمتی است.
JEL: G23, G32
نحوه استناد به این مقاله : حبیبی، ر.، صالحی راد، م. ر.، و زارع‌پور، م. (1396). مدل‌بندی بیزی حباب‌های قیمتی در بازار سهام ایران. فصلنامة مدلسازی ریسک و مهندسی مالی، 2(2)، 225-241.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Bayesian Modeling Speculative Bubbles in Iran Stock Market

نویسندگان [English]

  • Reza Habibi 1
  • mohammad reza salehi rad 2
  • mohammad zare pour 3
1 Assistant Prof. Iran Banking Institute, Central Bank of Iran, Tehran, Iran
2 Faculty of Economics, Allameh Tabatabaei University, Tehran, Iran
3 Master of Science in Economics, Faculty of Economics, Allameh Tabatabaei, Tehran, Iran
چکیده [English]

Bubbles are one of the most destructive factors of any market. In bubble literature, there are a variety of statistical and economic methods available to diagnose. These models generally suffer from math complications. In this paper, a simple statistical model is presented to identify speculative bubbles in stock markets. Since the parameters estimates of model are time varying, including transition probabilities, it is possible identify when and how newly born bubbles grow and burst over time. The parameters of the model can be estimated by recursive relations, however, since they require a huge storage capacity for computers, approximation in the computation are introduced which maintains the recursive nature of estimations. We then apply this model to the stock markets of the United States, Japan, and China and Iran. Advantages of this model are its simplicity, recursive relations, approximations and the use of Bayesian inference. Empirical results show the efficiency of this model in diagnosing the speculative bubbles.
JEL: G23, G32
How to cite this paper: Habibi, R., Salehi, M. R., & Zarepoor, M. (2017). Bayesian Modeling Speculative Bubbles in theStock Market in Iran. Quarterly Journal of Risk Modeling and Financial Engineering, 2(2), 225–241. (In Persian)

کلیدواژه‌ها [English]

  • Financial Market
  • Bayesian Modeling
  • Speculative Bubble

سبزه‌ای، ف. و عباس لو، م. (1395). بررسی وجود حباب‌ها در قیمت سهام 50 شرکت فعال در بازار بورس تهران طی سال‌های 1387-1388. دنیای اقتصاد، 3916(1)، 18–19.

Al-Anaswah, N., & Wilfling, B. (2011). Identification of Speculative Bubbles Using Statespace‎ ‎Models with Markov-switching. Journal of Banking and Finance, 35(2), 1073–‎‎1086.

Anderson, K.,Brooks, C., & Katsaris, A.) 2010). Speculative Bubbles in the S&P 500: Wasthe Tech Bubble Confined to the Tech Sector? Journal of Empirical Finance, 17(1), 345–361.

Asako, K., & Liu, Z. (2013). A Statistical Model of Speculative Bubbles, With Applications to the Stock Markets of the United States, Japan, and China. Journal of Banking & Finance, 37(1), 2639–2651.

‎‎Cerqueti, R., & Constantini, M. (2011). Testing for Rational Bubbles in the Presence of‎‎Structural Breaks: Evidence from Nonstationary Panels. Journal of Banking and‎‎Finance, 35(1), 2598–2605.

Diggle, P. J., & Zeger, S. L. (1989). A Non-Gaussian Model for Time Series with Pulses. Journal of American Statistical Association, 84(1), 354–359.

‎‎Gurkaynak, R. S. (2008). Econometric Tests of Asset Price Bubbles: Taking Stock.Journal of Economic Surveys, 22(1), 166–186.

Gutierrez, L. (2011). Bootstrapping Asset Price Bubbles. Economic Modelling, 28(2),2488–2493.

Harrison, P.J., & Stevens, C.F. (1971). A Bayesian Approach to Short-term Forecasting. Operational Research Quarterly, 22(2), 341–362.

Phillips, P. C. B.,‎ ‎Wu, Y., & Yu, J. (2011). Explosive Behavior in the 1990s Nasdaq: WhenDid Exuberance Escalate Asset Values? International Economic Review, 52(2), 201–‎‎226.

Phillips, P.C.B., & Yu, J. (2011). Dating the Timeline of Financial Bubbles During the‎‎Subprime Crises. Quantitative Economics, 2(1), 455–491.

Sabzehyee, F., & Abbasloo, M. (2016). Surveying the Existence of Bubble in the Price of Stock of 50 Active Corporates in Stock Exchange During 1387-1388. Donya-e-Eqtesad, 3916(1), 18-19. (In Persian).

Sollis, R. (2006). Testing for Bubbles: An Application of Tests for Change in Persistence.Applied Financial Economics, 16(1), 491–498.

‎‎West, K. D. (1987). A Specification Test for Speculative Bubbles. Quarterly Journal of‎‎Economics, 102(2), 553–580.