ORIGINAL_ARTICLE
نوسانات اقتصاد کلان و سازوکار انتقال پولی در ایران (رویکرد مدل DSGE)
شواهد تجربی مربوط به بحران مالی اخیر نشان داده است که بخش مالی نقش مهمی در انتقال شوکها به بخش حقیقی اقتصاد بازی کرده است. با توجه به اهمیت تبیین کانال اعتباری مکانیزم انتقال پولی در ادبیات اقتصاد کلان، بررسی نقش بانکها در طول ادوار تجاری ایران میتواند به درک بهتر نحوه اثرگذاری شوکهای وارد بر اقتصاد کمک کند. در این مقاله با استفاده از یک مدل استاندارد تعادل عمومی پویای تصادفی نیوکینزینی با مدلسازی بخش بانکی، نوسانات اقتصاد کلان و کانال انتقال پولی در اقتصاد ایران ارزیابی شده-است. نتایج حاصل از تحقیق نشان میدهد ورود بخش بانکی در مدل DSGE، ارزیابی نوسانات اقتصاد کلان را بهبود میبخشد. همچنین نتایج حاصل از شبیهسازی نشان میدهد حرکت متغیرهای بخش بانکی همجهت با ادوار تجاری ایران است که امکان توضیح نقش بانکها به عنوان شتابدهنده مالی و تبیین کانال انتقال پولی در اقتصاد ایران را در این مقاله فراهم کرده است.
https://joer.atu.ac.ir/article_4200_2433f0e656cd4908f51e2c1d2a6bc669.pdf
2016-03-20
1
49
10.22054/joer.2016.4200
شتابدهنده مالی
مکانیزم انتقال پولی
نوسانات اقتصاد کلان
ادوار تجاری ایران
مدل تعادل عمومی پویای تصادفی نیوکینزینی
مدل DSGE
سمیه
شاهحسینی
somayeh.shahhoseini@gmail.com
1
استادیار دانشکده اقتصاد دانشگاه علامه طباطبائی
LEAD_AUTHOR
جاوید
بهرامی
javid_bahrami@yahoo.com
2
استادیار دانشکده اقتصاد دانشگاه علامه طباطبائی
AUTHOR
بهرامی، جاوید و قریشی، نیره سادات (1391)، «تحلیل سیاست پولی در اقتصاد ایران با استفاده از یک مدل تعادل عمومی پویای تصادفی»، فصلنامه مدلسازی اقتصادی، شماره 13، صفحات 22-1.
1
تقوی، مهدی (1383)، نظریه ادوار تجاری، چاپ اول، تهران: انتشارات دانشگاه آزاد اسلامی واحد علوم و تحقیقات.
2
تقوی، مهدی و لطفی، علیاصغر (1385)، «بررسی اثرات سیاست پولی بر حجم سپردهها، تسهیلات اعطایی و نقدینگی نظام بانکی کشور (1382-1374)»، پژوهشهای بازرگانی، شماره 20، صفحات 166-131.
3
تقوی، مهدی (1386)، سرکوب مالی، عمق مالی و رشد اقتصادی، چاپ اول، تهران: انتشارات دانشگاه آزاد اسلامی واحد علوم و تحقیقات.
4
شاهمرادی، اصغر و ابراهیمی، ایلناز (1389)، «ارزیابی اثرات سیاستهای پولی ایران در قالب یک مدل پویای تصادفی نیوکینزی»، فصلنامه پول و اقتصاد، شماره 3، صفحات 57-31.
5
شریفی رنانی، حسین و همکاران (1388)، «بررسی اثرات سیاست پولی بر تولید ناخالص داخلی از طریق کانال وامدهی در سیستم بانکی در ایران»، فصلنامه مدلسازی اقتصادی، شماره 4، صفحات 48-27.
6
شفیعی، افسانه (1388)، تحلیل ساختار، عملکرد و هزینه های اجتماعی انحصار؛ مورد صنعت بانکداری ایران، پایاننامه دکتری، رشته علوم اقتصادی، تهران: دانشگاه علامه طباطبایی.
7
صمدی، سعید، جلائی، سید عبدالمجید (1383)، «تحلیل ادوار تجاری در ایران»، مجله تحقیقات اقتصادی، شماره 66، 153-139.
8
موسوی نیک، سید هادی (1391)، بررسی آثار حاکمیت مالی بر رفاه اجتماعی ایران در قالب یک مدل تعادل عمومی پویای تصادفی، پایاننامه دکتری، رشته علوم اقتصادی، تهران: دانشگاه تربیت مدرس.
9
Allegret, J. P, Benkhodja, M. T (2011), “External Shocks and Monetary Policy in a Small Open Oil Exporting Economy,” EconomiX Working Papers 2011-39, University of Paris West.
10
Aoki, K., Proudman, J., and Vlieghe, G. (2004), “House Prices, Consumption, and Monetary Policy: A Financial Accelerator Approach.” Journal of Financial Intermediation,13(4), pp.414–435
11
Atta-Mensah, Joseph, Dib, Ali. (2008), “Bank Lending, Credit Shocks, and the Transmission of Canadian Monetary Policy”, International Review of Economics and Finance, 17, pp. 159–176
12
Bernanke, B. S., and A. S. Blinder. (1988), “Credit, Money, and Aggregate Demand”, American Economic Review, 78(2), pp. 435–439.
13
Bernanke, B., Gertler, M. (1995), “Inside the Black Box: The Credit Channel of Monetary Policy Transmission,” Journal of Economic Perspectives, 9(4), pp. 27-48.
14
Bernanke, B., Gertler, M., Gilchrist, S. (1996), “The Financial Accelerator in a Quantitative Business Cycle Framework”, New York University, Working Papers, 98-03.
15
Bernanke, B., Gertler, M., Gilchrist, S. (1999), “Monetary Policy and Asset Price Volatility,” Federal Reserve Bank of Kansas City, pp. 77-128.
16
Carlstrom, Charles T., Fuerst, Timothy S. (1997), “Agency Costs, Net Worth, and Business Fluctuations: A Computable General Equilibrium Analysis”, American Economic Review, 87(5), pp. 893-910.
17
Christiano, L., Motto, R., Rostagno, M. (2003), “The Great Depression and the Friedman- chwartz Hypothesis”, Journal of Money, Credit, and Banking, 35(6), pp.1119–1197.
18
Christiano, L., Motto, R., Rostagno, M. (2007), Financial Factors in Business Cycle, Mimeo, European Central Bank and Northwestern University.
19
Cúrdia, V., Woodford, M. (2009), “Credit frictions and Optimal Monetary Policy”, National Bank of Belgium, Research series 200810-21.
20
Escude, Guillermo J. (2007), “A DSGE Model with Banks and Monetary Policy Regimes with Two Feedback Rules, Calibrated for Argentina”, Central Bank Workshop on Macroeconomic Modelling, Norway.
21
Gerali et al. (2010), “Credit and Banking in a DSGE Model of the Euro Area”, Journal of Money, Credit and Banking, 42(1), pp. 107-141.
22
Gertler, M., and S. Gilchrist. (1993), “The Role of Credit Market Imperfections in the Monetary Transmission Mechanism: Arguments and Evidence.” Scandinavian Journal of Economics, 95(1), pp. 43–64.
23
Gertler, M., and S. Gilchrist. (1994). “Monetary Policy, Business Cycles and the Behavior of Small Manufacturing Firms”, Quarterly Journal of Economics, 109(2), pp. 309–340.
24
Gertler, M., Karadi, P. (2011), “A Model Of Unconventional Monetary Policy”, Journal of Monetary Economics, 58(1), pp.17–34.
25
Gertler, M, Kiyotaki, N., and Queralto, A. (2011), “Financial Crises, Bank RiskExposure and Government Financial Policy”, Technical Report 740, N.Y.U. and Princeton.
26
Gertler, M, Kiyotaki, N. (2009), “Financial Intermediation and Credit Policy in Business Cycle Analysis”, In Preparation for the Handbook of Monetary Economics.
27
Goodfriend, M., McCallum, Bennett T. (2007), “Banking and Interest Rates in Monetary Policy Analysis: A Quantitative Exploration”, Journal of Monetary Economics, 54(5), pp. 1480-1507.
28
Hubbard, R. G. (1995), “Is There a Credit Channel for Monetary Policy?”,Federal Reserve Bank of St, Louis Review, 77(3), pp. 63–77.
29
Iacoviello, M. (2005), “House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle”, American Economic Review, 95(3), pp. 739-764
30
Iacoviello, M., Neri, S. (2010), “Housing Market Spillovers: Evidence from an Estimated DSGE Model”, American Economic Journal: Macroeconomics, 2(2), pp. 125-64
31
Ireland, P. N. (2003), “Endogenous money or sticky prices?”, Journal of Monetary Economics, 50, pp. 1623−1648.
32
Jermann, Urban J. and Quadrini, V. (2009), “Macroeconomic Effects of Financial Shocks,” NBER, Working Paper, w15338.
33
Kashyap, A. K., and J. C. Stein. (1994), Monetary Policy and Bank Lending, In Monetary Policy, ed.N. G. Mankiw, Chicago: University of Chicago Press. pp. 221–256
34
Kiyotaki, N., Moore, J. (1995), “Credit Cycles”, Journal of Political Economy,105(2), pp. 211-248.
35
Leo De Hann (2001), “The Credit Channel in the Netherlands: Evidence from Bank Balance Sheets”, Internet.
36
Leonardo, Gambactora. (2001), “Bank-Specific Characteristics and Monetary Policy Transmission: The Case of Italy”, ECB Working Paper Series ،No.103.
37
Oliner, S. D., and G. D. Rudebusch. (1995), “Is There a Bank Lending Channel for Monetary Policy?”, Federal Reserve Bank of San Francisco Economic Review, Spring, 3–20.
38
Oliner, S. D., and G. D. Rudebusch. (1996b), “Monetary Policy and Credit Conditions: Evidence from the Composition of External Finance: Comment”, American Economic Review, 86(1), pp.300–309.
39
Peek, J., and E. Rosengren, eds. (1995),”Is Bank Lending Important for the Transmission of Monetary Policy?”, Federal Reserve Bank of Boston Conference Series, No. 39.
40
Ramey, V. (1993), “How Important Is the Credit Channel in the Transmission of Monetary Policy?”, Carnegie-Rochester Conference Series on Public Policy, 39 (Dec.), pp. 1–45.
41
Romer, C. D., and D. H. Romer. (1990), “Does Monetary Policy Matter? A New Test in the Spirit ofFriedman and Schwartz”, In NBER Macroeconomics Annual 1989, pp.121–170. Cambridge, Mass.: MIT Press.
42
Shleifer, A., and Vishny, W.R.,(2001),”Pervasive Shortages Under Socialism”, RAND Journal of Economics, The RAND Corporation, Vol. 23(2), pp. 237-246.
43
Walsh, Carl E. (2010), Monetary Theory and Policy, Massachusetts Institute of Technology, The MIT Press, Third Edition
44
Woodford, Michael, (2010), “Optimal Monetary Stabilization Policy”, Handbook of Monetary Economics, in: Benjamin M. Friedman & Michael Woodford (ed.), Handbook of Monetary Economics, Edition 1, Volume 3, Chapter 14, pp. 723-828 Elsevier
45
ORIGINAL_ARTICLE
تفکیک تورم هسته از اجزای موقتی در ایران با فیلتر کالمن
حفظ ثبات قیمتها در بلندمدت حتی زمانی که بانک مرکزی، سیاست هدفگذاری تورم را به طور صریح پیگیری نمیکند، به عنوان هدف اولیه سیاستگذاران پولی شناخته میشود. همچنین به دلیل وقفه در تاثیرگذاری سیاستهای پولی، انتخاب معیار مناسب تورم بسیاراهمیت دارد. در برخی از کشورها، تورم هسته به عنوان شاخصی که روند بلندمدت تورم را آشکار میکند، میتواند تورم را پیشبینی و براساس آن هدفگذاری تورم صورت گیرد. تورم هسته و کارایی آن در تشخیص روند بلندمدت تورم میتواند سیاستگذاران را در شناخت بهتر اجزای تورم یاری رساند. تورم در ایران نیز تحت تاثیر عوامل بلندمدت و شوکهای متعدد داخلی و خارجی قرار دارد. در این مقاله، تورم هسته در ایران برای سالهای 1353 تا1390 با استفاده از فیلتر کالمن در چارچوب سریهای زمانی ساختاری تخمین زده شده است. مطابق نتایج تحقیق، تورم هسته ناشی از آثار بلندمدت متغیرهایی چون پایه پولی و نقدینگی در ایران نوساناتی مشابه تورم اندازهگیری شده را تجربه میکند و مقدار تورم هسته در دوره مطالعه به طور متوسط حدود15 درصد است.
https://joer.atu.ac.ir/article_4201_7ae5973aed8e2268216d77fd8b1fbd09.pdf
2016-03-20
51
73
10.22054/joer.2016.4201
تورم هسته
حالت فضا
فیلتر کالمن
نسرین
رضائیمقدم
nrrezaee472@gmail.com
1
دانشجوی دکتری دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد
AUTHOR
مهدی
مصطفوی
mostafavi@um.ac.ir
2
استادیار دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد
LEAD_AUTHOR
علی
چشمی
a.cheshomi@um.ac.ir
3
استادیار دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد
AUTHOR
امیری هادی و چشمی، علی (1383)، «محاسبه هسته تورم در ایران»، جستارهای اقتصادی، بهار و تابستان، (1): 158-127.
1
عباسینژاد حسین و تشکینی، احمد (1390)، «اندازهگیری تورم پایه در اقتصاد ایران (رویکرد مبتنی بر مدل)»، تحقیقات اقتصادی، (94): 87-67.
2
عباسینژاد حسین، کمیجانی، اکبر، طیبنیا، علی و تشکینی، احمد (1389)، «اندازهگیری تورم پایه در اقتصاد ایران مبتنی بر رویکرد آماری»، پژوهشنامه اقتصادی، سال دهم، (3) : 65-39.
3
طیبنیا، علی (1374)، فرآیند تورم در ایران، تهران، جهاد دانشگاهی دانشگاه تهران.
4
محمودی، بهزاد (1386)، «محاسبه ثقل تورم (هسته مرکزی تورم) در ایران و مقایسه آن با تورم کلی»، راهبرد، (46)، 358-339.
5
Apel, M., P.Jansson. (1999), “A Parametric Approach for Estimating Core Inflation and Interpreting the Inflation Process”, Serving RiksBank, Vol. 103, No. 37, Stockholm, Sweden.
6
Bagliano, F., C, Morana, C.(2003), “Measuring US Core Inflation: A Common Trends Approach”, Journal of Macroeconomics, No. 25, 197-212.
7
Bryan,M.F, Cecchetti, S.G, Wiggings. (1997), “Efficient Inflation Estimation”, NBER Workig paper, No. 6183.
8
Chamberlin, G. (2009), “Methods Explained”, Economic & Labour Market Review, March, Vol. 3, No. 3.
9
Di Dio, F., Felici, F.(2009), “Estimating Core Inflation in Norway”, Journal Of Applied Economics Sciences, Vol. 4,355-371.
10
Dowd, K., Cotter, j.(2006), “U.S Core Inflation: A Wavelet Analysis”, MPRA Paper, No. 3520, June.
11
Gordon,R.j.(1976), “Recent Development in the Theory of Inflation and Unemployment”, Journal of Monetary Economics, April.
12
Eckstein, Otto.(1981), core inflation, New York: Prentice Hall.
13
Kirker, M.(2010), “What Drives Core Inflation? A Dynamic Factor Model Analysis Of Tradable and Nontradable Prices”, Reserve Bank Of New Zealand, December.
14
Le Bihan, H., Sedillot, F.(2002), “Implimenting and Interpreting Indicators of Core Inflation: The Case of France”, Emprical Economics, No. 27, 473-497.
15
Mishkin, Frederic S. (2007), “Inflation Dynamics”, NBER Working Paper No. 13147.
16
Petursson,T.G.(2004), “Formulation of Inflation Targeting Around the World”, Central Bank of Iceland, Monetary Bulletin, 2004/1, pp. 57-84.
17
Quah, D.T., Vahey, S. P.(1995), “Measuring Core Inflation”, Bank Of England, Working Paper Series, No. 31
18
Roger, Scott.(1998), “Core Inflation: Concepts, Uses and Measurement” Reserve Bank of New Zealand Discussion Paper.
19
Svensson,Lars E.O.(1995), “Optimal Inflation Targets”, Conservative Central Bank & linear Inflation Target; NBER Working Paper, 1995, No.5251.
20
ORIGINAL_ARTICLE
تاثیر مخارج دولت بر تورم در عبور از محیط تورمی با رویکرد STR
مطالعه حاضر سعی در تبیین رابطهبین مخارج دولت و تورم بهوسیله الگوی غیرخطی رگرسیونهای انتقال هموار[1] با استفاده از دادههای فصلی 1369:2 تا 1391:4 دارد. با متغیرهای تورم، رشد مخارج مصرفی دولت، رشد نقدینگی و رشد تولید ناخالص داخلی، یک مدل دو رژیمی که در آن وقفه اول رشد نقدینگی، متغیر انتقال یا آستانه است بهعنوان مدل بهینه انتخاب شد. در این مدل، رژیم اول به عنوان رژیم رشد نقدینگی پایین و رژیم دوم، رژیم رشد نقدینگی بالا با حد آستانه 5 درصد (20 درصد در سال) برای رشد نقدینگی، شناسایی میشود. نتایج نشان داد که در رژیم رشد نقدینگی بالا، مخارج مصرفی عامل تورمی محسوب میشود. در رژیم رشد نقدینگی پایین، افزایش بیشتر نقدینگی، اثرات تورمی کمتری در کوتاهمدت داشته و احتمالا اثرات بیشتری بر رشد اقتصادی دارد. انتظارات تورمی در رژیم رشد نقدینگی پایین، اثرات قویتری در ایجاد تورم کوتاهمدت نسبت به رژیم رشد نقدینگی بالا دارد. در رژیم رشد نقدینگی بالا، افزایش حجم پول اثرات بیشتری بر تورم کوتاهمدت و اثرات کمتری بر تولید دارد. بنابراین میتوان در رژیم رشد نقدینگی پایین از ابزار سیاست پولی و مالی برای تحریک تقاضا و همزمان کنترل تورم به نحو موثری سود جست. همچنین در رژیم رشد نقدینگی بالا، انضباط همزمان سیاستهای مالی و پولی بیشترین اثربخشی را بر کاهش تورم دارد. [1]- Smooth Transition Regression
https://joer.atu.ac.ir/article_4202_ee6f53ba6b2525327cc99fc4eb13b529.pdf
2016-03-20
75
105
10.22054/joer.2016.4202
رژیمهای تورمی
رگرسیونهای انتقال هموار
مدل غیرخطی
مدل STR
محسن
مهرآرا
mmehrara@ut.ac.ir
1
استادیار دانشکده اقتصاد دانشگاه تهران
AUTHOR
سجاد
برخورداری
barkhordari@ut.ac.ir
2
استادیار دانشکده اقتصاد دانشگاه تهران
AUTHOR
محسن
بهزادی صوفیانی
m.behzadi71@ut.ac.ir
3
دانشجوی کارشناسی ارشد اقتصاد دانشگاه تهران
LEAD_AUTHOR
ابونوری، اسماعیل وعرفانی، علیرضا (1387)، «الگوی چرخشی مارکف و پیشبینی احتمال وقوع بحران نقدینگی در کشورهای عضو اوپک»، پژوهشنامه اقتصادی، شماره 3، صص 174-153.
1
اصغرپور، حسین و مهدیلو ، علی (1393)، «محیط تورمی و تاثیر درجه عبور نرخ ارز بر قیمت واردات در ایران: رهیافت مارکوف- سوئیچینگ«، فصلنامه پژوهشها و سیاستهای اقتصادی، شماره 70، صص 102-75.
2
اندرس، والتر (1389)، اقتصادسنجی سریهای زمانی (جلد اول)، مترجم، مهدی صادقی و سعید شوالپور، انتشارات دانشگاه امام صادق، تهران.
3
خداویسی، حسن، ملابهرامی، احمد و حسینی، رضا (1392)، «مقایسه پیشبینی تورم بر پایه معادلات دیفرانسیل تصادفی با مدلهای رقیب»، فصلنامه پژوهشهای اقتصادی، شماره 1، صص 46-25.
4
زراء نژاد، منصور و شهرام، حمید (1388)، «پیش بینی نرخ تورم در اقتصاد ایران با استفاده از شبکههای عصبی مصنوعی پویا (دیدگاه سری زمانی)»، اقتصاد مقداری، شماره 1، صص 167-145.
5
طیبنیا، علی و تقی ملایی، سعید (1389)، «پول و تورم در ایران رویکرد خودرگرسیون برداری»، فصلنامه برنامهریزی و بودجه، شماره 110، صص 30-3.
6
عربمازار، علی اکبر و چالاک، فرشته (1389)، «تحلیل پویای اثر مخارج دولت بر رشد اقتصادی در ایران»، فصلنامهتحقیقاتاقتصادیدانشگاهتهران، شماره 91، صص 140-121.
7
فرزینوش، اسدا...، اصغرپور، حسین و محمودزاده، محمود (1382)، «بررسی اثر تورم بر کسری بودجه از بعد هزینهای و درآمدی در ایران»، مجله تحقیقات اقتصادی، شماره 63، صص 150-115.
8
فلاحی، فیروز، اصغرپور، حسین، متفکرآزاد، محمدعلی و منتظری شورکچالی، جلال (1390)، «تاثیر تورم بر رشد اقتصادی در ایران: با استفاده از مدل رگرسیون انتقال ملایم STR»، فصلنامه سیاستهای اقتصادی، شماره 1، صص 64-47.
9
مشیری، سعید (1380)، «پیشبینی تورم ایران با استفاده از معادلات ساختاری، سری زمانی و شبکههای عصبی»، مجله تحقیقات اقتصادی، شماره 58، صص 184-147.
10
Cologni, A., & Manera, M. (2006), “The Asymmetric Effects of Oil Shocks on Output Growth: A Markov–Switching Analysis for the G-7 Countries”, Economic Modelling, 26(1), 1-29.
11
De Castro Fernandez, F & Hernandez De Cos, P. (2006), “The Economic Effects Of Exogenous Fiscal Shocks In Spain: A Svar Approach”, Ecb Working Paper/ 647.
12
Ezirim, Ch., Muoghal .m. I., Elik U.,(2008), “Inflation Versus Public Expenditure Growth in the Us: An Empirical Investigation”, North American Journal of Finance and Banking Research, 2(2), 26-40.
13
Georgantopoulos, A., Tsamis ,A. (2010), “The Interrelationship between Money Supply, Prices and Government Expenditures and Economic Growth: A Causality Analysis for the Case of Cyprus” , International Journal of Economic Sciences and Applied Research, 5 (3), 115-128.
14
Granger, C.W. and T. Terasvirta (1993), Modelling Nonlinear Economic Relationships, Oxford University Press: Oxford.
15
Hamilton, J. D. (1994), Time Series Analysis. Princeton University Press, Princeton.
16
Johnson, H. (1978), Selected essays In Monetary Economics, London: George Allen Unwin.
17
Keynes, J. M. (1936), The General Theory of Employment, Interest and Money, London: Macmillan.
18
Krolzig, H.-M. (1997), Markov Switching Vector Autoregressions, Modelling, Statistical Inference and Application to Business Cycle Analysis. Berlin: Springer.
19
Magazzino, C. (2011), “The Nexus between Public Expenditure and Inflation in the Mediterranean Countries”, MPRA Paper No. 28493.
20
Mizrach, B., & Watkins, J. (1999), “A Markov Switching Cookbook”, In Rothman, Philip, Nonlinear Time Series Analysis of Economic and Financial Data (pp. 33-43). Springer US.
21
Musa, Y., & Asare, B. K. (2013), “Long and Short Run Relationship Analysis of Monetary and Fiscal Policy on Economic Growth in Nigeria: A VEC Model Approach”, Research Journal of Applied Sciences, Engineering and Technology, 5(10): 3044-3051.
22
Olayungbo , David Oluseun (2013), “Government Spending and Inflation in Nigeria: An Asymmetry Causality Test”, InternationalJournal of Humanities and Management Sciences (IJHMS), 1(4), 2320-4044.
23
Piontkivsky, R., Bakun, A., Kryshko, M., &Sytnyk, T. (2001), “The Impact of the Budget Deficit on Inflation in Ukraine”, International Association for the Promotion of Cooperation with Scientists from the New Independent States of the Former Soviet Union (INTAS) Research Report, 95, 0273.
24
Rafiq, S., & Zeufack, A. (2012), “Fiscal Multipliers Over the Growth Cycle: Evidence from Malaysia”, Policy Research Working Paper 5982
25
Surjaningsih, Ndari, Utari, G. A. Diah, Trisnanto, Budi (2012), “The Impact Of Fiscal Policy On The Output And Inflation”, Bulletin of Monetary Economics and Banking, 367, April 2012
26
Teräsvirta T. and H.M. Anderson (1992), “Characterizing Non-linearities in Business Cycles Using Smooth Transition Autoregressive Models”, Journal of Applied Econometrics 7, S119S136.
27
Terasvirta, T; (2004), Smooth Transition Regression Modelling, in H. Lutkepohl and M. Kratzig (eds); Applied Time Series Econometrics, Cambridge University Press, Cambridge, 17.
28
Van Dijk, D., Trasvirta, T. & Franses, P. H; (2000),”Smooth Transition Autoregressive Models-a Survey of Recent Developments”, Econometric Reviews, Vol. 21, PP. 1-47.
29
ORIGINAL_ARTICLE
نقش اطلاعات چسبنده در پویاییهای تورم در اقتصاد ایران
مطالعات تجربی در زمینه برآورد درجه چسبندگی قیمت در ایران دلالت بر این دارند که تواتر تغییر قیمت در اقتصاد بالاست. به بیان دیگر، قیمتها ماندگاری بسیار پایینی دارند و در اثر اصابت تکانه پولی به سرعت تغییر میکنند. این در حالی است که مطالعات تجربی دلالت بر این دارند که تکانه پولی در اقتصاد ایران با تاخیر بر نرخ تورم تاثیر میگذارد. علت بروز این تناقض میتواند وجود چسبندگی اطلاعات در اقتصاد ایران باشد. در طول دو دهه گذشته، مطالعات بسیاری حول اهمیت چسبندگی اطلاعات و نقش آن در شکلدهی به انتظارات کارگزاران اقتصادی پدید آمده است. الگوهای انتظارات عقلایی با فرض چسبندگی اطلاعات مانند الگوی منکیو و ریس (۲۰۰۲) نشان دادند که به چه نحو چسبندگی اطلاعات میتواند دلالتهای سیاستگذاری متفاوتی را در مقایسه با الگوهای تحت اطلاعات کامل به همراه داشته باشد. بنابراین داشتن درک درستی از وجود و میزان این نوع از چسبندگی در هر اقتصاد حائز اهمیت است. در رابطه با برآورد درجه چسبندگی اطلاعات تاکنون مطالعه تجربی برای اقتصاد ایران انجام نشده است. به منظور پر کردن این شکاف، در این مقاله، به پیروی از رویکرد پیشنهاد شده توسط خان و چو (۲۰۰۶) و کوبیون (۲۰۱۰) پارامتر کلیدی منحنی فیلیپس تحت اطلاعات چسبنده که همان درجه چسبندگی اطلاعات است، تخمین زده میشود. بر اساس نتایج به دست آمده، فرضیه صفر مبنی بر عدم وجود چسبندگی اطلاعات رد میشود، بنابراین وجود چسبندگی اطلاعات در فرآیند قیمتگذاری بنگاهها با استفاده از دادههای اقتصاد ایران تایید میشود. برآوردها نشان میدهد به طور متوسط دو فصل طول میکشد تا بنگاه مجموعه اطلاعات مورد استفاده در تعیین قیمت کالای خود را به روز کند.
https://joer.atu.ac.ir/article_4203_4ee8c8a0d91516babf26197079c3f434.pdf
2016-03-20
107
151
10.22054/joer.2016.4203
درجه چسبندگی اطلاعات
منحنی فیلیپس تحت اطلاعات چسبنده
پیشبینی بروننمونهای
چسبندگی حقیقی
بوت استرپ
مریم
همتی
hematy.maryam@yahoo.com
1
دانشجوی دکتری اقتصاد، دانشگاه الزهرا
LEAD_AUTHOR
مهدی
پدرام
mehdi_pedram@yahoo.com
2
دانشیار گروه اقتصاد دانشگاه الزهرا
AUTHOR
حسین
توکلیان
tavakolianh@gmail.com
3
استادیار دانشکده اقتصاد دانشگاه علامه طباطبائی
AUTHOR
الهی، ناصر، نجارزاده، ابوالفضل، و عسگری، مهدی (1393)، «ارزیابی ماندگاری تورم در ایران»، فصلنامه برنامهریزی و بودجه، شماره ۳، صص ۶۸-۴۷.
1
زمان زاده، حمید (۱۳۹۰)، «مدلسازی شوکهای پولی و نفتی در اقتصاد کلان ایران (VECMX)»، پژوهشهای پولی و بانکی، شماره ۹.
2
صارم، مهدی (۱۳۹۳)، «انتخاب الگوی قیمتگذاری مناسب برای اقتصاد ایران»، فصلنامه پژوهشها و سیاستهای اقتصادی، سال بیست و دوم، شماره ۷۰، تابستان ۱۳۹۳، صص۱۶۱-۱۸۰.
3
صمدی، علی حسین و اوجیمهر، سکینه (۱۳۹۴)، «بررسی پایداری و سکون تورم در ایران: مقایسه دو الگوی چسبندگی قیمت هیبرید و چسبندگی اطلاعات»، فصلنامه تحقیقات مدلسازی اقتصادی، شماره ۱۹، بهار ۹۴،صص ۴۱-۷۲.
4
طهرانچیان، امیرمنصور، جعفری صمیمی، احمد، و بالونژاد نوری، روزبه (۱۳۹۲)، «آزمون پایداری تورم در ایران (1390-1351): کاربردی از الگوهای ARFIMA»، فصلنامه پژوهش های رشد و توسعه اقتصادی، شماره ۱۱.
5
عطریانفر، حامد و برکچیان، سیدمهدی (۱۳۹۰)، «ارزیابی محتوای اطلاعاتی متغیرهای اقتصادی برای پیشبینی نرخ تورم در ایران»، پژوهشهای پولی و بانکی، سال سوم، شماره ۸، تابستان ۱۳۹۰، صص ۱-۴۱.
6
عینیان، مجید و برکچیان، سیدمهدی (۱۳۹۳)، «شناسایی و تاریخ گذاری چرخههای تجاری اقتصاد ایران»، فصلنامه پژوهشهای پولی و بانکی، شماره ۲۰، صص ۱۶۱-۱۹۴.
7
کرمی، ه. و بیات، س. (۱۳۹۲)، «ارزیابی و مقایسه روشهای اندازهگیری تورم هسته در ایران»، پژوهشهای پولی و بانکی، سال ششم، شماره ۱۷، پاییز ۱۳۹۲، صص ۸۳-۱۰۳.
8
کمیجانی، اکبر و توکلیان، حسین (۱۳۹۱)، «سیاستگذاری پولی تحت سلطه مالی و تورم هدف ضمنی در قالب یک مدل تعادل عمومی پویایی تصادفی برای اقتصاد ایران»، فصلنامه تحقیقات مدلسازی اقتصادی، شماره ۸.
9
متوسلی، محمود، ابراهیمی، ایلناز، شاهمرادی، اصغر و کمیجانی، کبر. (۱۳۸۹)، «طراحی یک مدل تعادل عمومی پویای تصادفی نیوکینزی برای اقتصاد ایران به عنوان یک کشور صادرکننده نفت»، فصلنامه پژوهشهای اقتصادی، شماره ۴، صص ۱۱۶-۸۷.
10
مدنیزاده، سید علی و دیگران (1393)، گزارش فصلی متغیرهای اقتصاد کلان، شماره ۷، زمستان ۱۳۹۳، پژوهشکده پولی و بانکی.
11
مدنیزاده، سیدعلی، بیات، سعید و کرمی، هومن (۱۳۹۳). گزارش ماهانه پیشبینی تورم، شماره ۸، اسفند ۱۳۹۳، پژوهشکده پولی و بانکی.
12
Angelini , E., Henry, J., & Mestre, R. (2002), “Diffusion Index-Based Inflation Forecasts for the Euro Area”, ECB Working Paper, No. 61.
13
Ball, L., & Mankiw, N.G. (1995), “Relative Price Changes as Aggregate Supply Shocks”, Quarterly Journal of Economics, Vol. 110, No. 1, 161-193.
14
Ball, L., & Romer, D. (1990), “Real Rigidities and the Non-Neutrality of Money”, Review of Economic Studies, No. 57, 183-203.
15
Bruneau, C., O. De Bandt, A. Flageollet, and E. Michaux. (2007), “Forecasting Inflation Using Economic Indicators: the Case of France”, Journal of Forecasting, 26, No. 1, 1-22.
16
Calvo, G. A. (1983), “Staggered Prices in a Utility Maximizing Framework”, Journal of Monetary Economics, XII (1983), 383–398.
17
Carrera, C. (2012), “Estimating Information Rigidity Using Firms' Survey Data”, The BE Journal of Macroeconomics, 12(1).
18
Carrera, C., & Ramirez-Rondan, N. (2014), “Inflation, Information Rigidity and the Sticky Information Phillips Curve”, Peruvian Economic Association, Working Paper No. 1, January 2014.
19
Carroll, C. (2003), “Macroeconomic Expectations of Households and Professional Forecasters”, Quarterly Journal of Economics, 118, 269 – 298.
20
Christiano, L. J., Eichenbaum, M., & Evans, C.L. (2001), “Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy”, NBER Working Paper Series, 8403.
21
Clemen, R.T. (1989), Combining Forecasts: A Review and Annotated Bibliography, Journal of Forecasting, 5, 559-83.
22
Coibion, O. (2006), “Inflation Inertia in Sticky Information Models”, Contributions in Macroeconomics, 6(1), 1-29.
23
Coibion, O. (2010), “Testing the Sticky Information Phillips Curve”, Review of Economics and Statistics, 92(1), 87–101.
24
Diebold, F. X. (1998), Elements of Forecasting, South-Western College Pub., 1–392.
25
Dixon, H., & Kara, E. (2010), “Can We Explain Inflation Persistence in a Way that Is Consistent with the Micro evidence on Nominal Rigidity?”, Journal of Money, Credit and Banking, 42(1), 151-170.
26
Dopke, J., Dovern, J., Fritsche, U., & Slacalek, J. (2008), “Sticky information Phillips Curves: European Evidence”, Journal of Money, Credit and Banking, 40(7), 1513-1520.
27
Erceg, C. J., Henderson, D. W., & Levin, A. T. (2000), “Optimal Monetary Policy with Staggered Wage and Price Contracts”, Journal of Monetary Economics, 46, 281-313.
28
Forni, Mario, Hallin, M., Lippi, M. & Reichlin, L. (2003), “Do Financial Variables Help Forecasting Inflation and Real Activity in the Euro Area?”, Journal of Monetary Economics, 50, 1243–1255.
29
Gali, J., & Gertler, M. (1999), “Inflation Dynamics: A Structural Econometric Analysis”, Journal of Monetary Economics, 44:2,195–222.
30
Gerlach, S., & Svensson, L.E.O. (2003), “Money and Inflation in the Euro Area:A Case for Monetary Indicators?”, Journal of Monetary Economics, 50, 1649-1672.
31
Gordon, R. J. (1975), “Alternative responses of policy to external supply shocks”, Brookings Papers on Economic Activity, 1, 83-206.
32
Hemmaty, M., & Bayat, S. (2013), “Price Setting in Iran: Some Stylized Facts from CPI Micro Data”, Journal of Money and Economy, Vol. 8, No.1, 75-108.
33
Hofmann, B. (2009). “Do Monetary Indicators Lead Euro Area Inflation?”, Journal of International Money and Finance, 28, 1165-1181.
34
Ibarra-Ramirez, R. (2010), “Forecasting Inflation in Mexico Using Factor Models: Do Disaggregated CPI Data Improve Forecast Accuracy?”, Bank of Mexico Working Paper, No. 2010-1.
35
Khan, H., & Zhu, Z. (2006), “Estimates of the Sticky-Information Phillips Curve for the United States”, Journal of Money, Credit, and Banking, 38:1, 195–207.
36
Mankiw, G. N. & Reis, R. (2002), “Sticky Information versus Sticky Prices: A Proposal to Replace the New Keynesian Phillips Curve”, The Quarterly Journal of Economics, Vol. 117, No. 4, 1295-1328.
37
Newbold, P., & Harvey, D. I. (2002), Forecast Combination and Encompassing, in a Companion to Economic Forecasting, M.P. Clements and D.F. Hendry, eds. Oxford: Blackwell Press.
38
Pagan, A. (1986), “Two Stage and Related Estimators and Their Applications”, The Review of Economic Studies, 53(4), 517-538.
39
Reis, R. (2006b), “Inattentive Producers”, Review of Economic Studies, 73 (3), 793-821.
40
Rotemberg, J., & Woodford, M. (1997), “An Optimization-based Econometric Framework for the Evaluation of Monetary Policy”, In NBER Macroeconomics Annual 1997, Vol. 12 (pp. 297-361). MIT Press.
41
Stock, J. H., & Watson, M. (1999), “Forecasting Inflation”, Journal of Monetary Economics, 44, No. 2, 293-335.
42
Stock, J. H., & Watson, M. (2003), “Forecasting Output and Inflation: The Role of Asset Prices”, Journal of Economic Literature, 41:3, 788-829.
43
Woodford, M. (2003) “Interest and Prices: Foundations of a Theory of Monetary Policy”, Princeton University Press.
44
ORIGINAL_ARTICLE
تخصیص بهینه استانی بودجه نفتی بر پایه یک مدل کنترل بهینه تصادفی
این مطالعه فرآیند تخصیص بودجه به استانهای کشور را از یک سو با تمرکز بر شاخصهای عمده کلان استانها و از طرفی با تمرکز بر نوسانات تصادفی قیمت نفت در چارچوب معادلات دیفرانسیل تصادفی و روش کنترل بهینه تصادفی طی دوره زمانی 1382 تا 1393 مورد بررسی قرار میدهد. در این راستا، ضمن محاسبه سهم بهینه استانهای کشور از کل بودجه با توجه به شاخصهای عمده استانی مربوط به سال 1390، روند تصادفی قیمت نفت در فرآیند تخصیص بهینه بودجه مورد توجه قرار گرفته است. تحلیل پویای قیمت نفت طی ساهای 1382 تا 1393، گویای روندی پرنوسان و توام با پرشهای قیمتی در برخی از دورهها است. بر این اساس، مدلهای متفاوتی از معادلات دیفرانسیل تصادفی و کنترل بهینه تصادفی برای مدلسازی قیمت نفت و تخصیص بودجه نفتی در سالهای مختلف پیشنهاد شده است. نتایج حاصل از حل این مدلها نشان می دهد که سهم بودجه نفتی استانی به پارامترهای تعیین کننده رفتار قیمت نفت بستگی دارد به نحوی که با افزایش میانگین رشد قیمت نفت، سهم بودجه استانی طی زمان افزایش مییابد. همچنین افزایش نوسانات قیمت نفت و افزایش سرعت برگشت به میانگین قیمت نفت سبب کاهش سهم بودجه نفتی استانها طی زمان میشود. علاوه بر این، بر پایه نتایج حاصل از شبیهسازی مدل برای دادهها و اطلاعات استانی مربوط به سال 1390، مسیر بهینه پویای سهم بودجه نفتی استانهای کشور تصادفی است و بر اساس نوسانات و رفتار سری زمانی قیمت نفت شکل میگیرد.
https://joer.atu.ac.ir/article_4204_c08ac0273e449a9ec54ffb6043a4ace9.pdf
2016-03-20
153
182
10.22054/joer.2016.4204
بودجهریزی بهینه استانی
مدل کنترل بهینه تصادفی
برنامهریزی پویا
معادله همیلتن- ژاکوبی- بلمن
هادی
رحمانیفضلی
hady.rahmani@gmail.com
1
دانشجوی دکتری اقتصاد، دانشگاه شهید بهشتی
LEAD_AUTHOR
عباس
عرب مازار
ab_arabmazar@sbu.ac.ir
2
دانشیار دانشکده اقتصاد، دانشگاه شهید بهشتی
AUTHOR
آذر، عادل و قشقایی، علی (1389)، «طراحی مدل ریاضی تخصیص بهینه بودجه، با رویکرد MADM بودجه حمایتی دولت از شهرداریهای کشور»، اندیشه مدیریت راهبردی، 4(2): 101-128.
1
آذر، عادل، امینی، محمدرضا، احمدی، پرویز (1393)، » استفاده از برنامه ریزی آرمانی فازی در بودجه ریزی دانشگاهی»، فصلنامه پژوهش و برنامه ریزی در آموزش عالی، 72: 1-24. انتظاری، یعقوب (1389)، «تحلیل عملکرد تخصیص بودجه به دانشگاههای دولتی»، پژوهش و برنامهریزی در آموزش عالی، 3(57): 1-21.
2
خداویسی، حسن، حسینی، رضا و ملابهرامی، احمد (1392)، «مقایسه عملکرد مدلهای ARFIMA-GARCH، شبکه عصبی و معادلات دیفرانسیل تصادفی در پیشبینی قیمت جهانی نفت خام»، فصلنامه مطالعات اقتصاد انرژی، 10 (36): 103-137.
3
رجبی، احمد (1391)، «برنامهریزی آرمانی، رویکردی اثربخش در بودجهریزی و تخصیص بهینه منابع مالی (مطالعه موردی: تخصیص بودجه وزارت بهداشت و درمان به استانهای کشور)»، فصلنامه حسابداری سلامت، 1(2و3): 1-16. طیبی، سیدکمیل ، خوش اخلاق، رحمان و فراهانی، مریم (1390)، «برآورد نااطمینانی در قیمت نفت سنگین ایران و سبد اوپک: کاربرد معادلات دیفرانسیل تصادفی»، فصلنامه مطالعات اقتصاد انرژی، 8 (31): 1-24. طیبی، سیدکمیل ، خوش اخلاق، رحمان و فراهانی، مریم (1392)، «الگوسازی نااطمینانی در قیمت نفت ایران با استفاده از فرآیند تصادفی برگشت به میانگین»، پژوهشنامه اقتصاد انرژی ایران، 3(9): 175-197.
4
کلانتــری، خلیل (1380)، برنامــهریــزی و توســعه منطقــهای، تهران: انتشــارات خوشــبین و انــوار دانــش، چاپ اول.
5
عابدی، قاسم و دیگران (1386)، «ارائه مدل برنامهریزی آرمانی جهت تخصیص منابع در بخش آموزشی، دانشگاهی وزارت بهداشت درمان و آموزش پزشکی»، مجله علمی پژوهشی دانشگاه علوم پزشکی مازندران، 17(57): 82-87.
6
مومنی، منصور (1389)، مباحث نوین تحقیق در عملیات، تهران: انتشارات دانشگاه تهران.
7
میرشجاعیان حسینی، حسین، رهبر، فرهاد (1391)، «تحلیل کمی الگوی اقتصاد سیاسی تخصیص بودجههای استانی در ایران»، جستارهای اقتصادی ایران، 9(17): 107-138.
8
Allen, E. (2007, Modeling with Ito Stochastic Differential Equations, University of Texas, Published by Springer.
9
Askari, H. and Krichene, N. (2008), “Oil Price Dynamics (2002-2006)” , Energy Economics, 30: 2134-2153.
10
Bardi, M. and Dolcetta, I.C. (1997), “Optimal Control and Viscosity Solutions of Hamilton-Jacobi-Bellman Equations”, Original Published in the Series Systems & Control.
11
Caputo, M.R. (2005), Foundations of Dynamic Economic Analysis
12
Optimal Control Theory and Applications, Cambridge University Press.
13
Dixit, A.K., and Pindyck, R.S. (1994), Investment under Uncertainty, (Princeton, New Jersey), Princeton University Press.
14
Geman, H. (2007), “Mean Reversion Versus Random Walk in Oil and Natural Gas Prices”, Applied and Numerical Harmonic Analysis, pp. 219-228.
15
Hansen, F.B. (2006), Applied Optimal Control with Emphasis on the Control of Jump-Diffusion Stochastic Processes, Cambridge University Press.
16
Hamilton, J. (2013), Historical oil shocks, Handbook of Major Events in Economic History, Routledge Taylor and Francis Group, New York, NY, pp. 239–265.
17
Hull, I. (2015), “Approximate Dynamic Programing with Post-decision States as a Solution Method for Dynamic Economic Models”, Journal of Economic Dynamic and Control, Accepted Manuscript.
18
Jacko, P. (2012), “Resource Capacity Allocation to Stochastic Dynamic Competitors: Knapsack problem for Perishable Items and Index-Knapsack Heuristic”, Annals of Operation Research.
19
Kamien, M. I., and Schwartz, N. L., (1991), Dynamic Optimization: The Calculus of Variations and Optimal Control in Economics and Management, North Holland, Amsterdam, Holland.
20
Larsson, K. and Nossman, M. (2011), “Jumps and Stochastic Volatility in Oil Price: Time Series Evidence”, Energy Economics, 33, pp. 504-514.
21
Li, H. and Womer, N.K. (2015), “Solving Stochastic Resource-constraint Project Scheduling Problems by Closed-loop Approximate Dynamic Programing”, European Journal of Operation Research, 2140, pp. 20-33.
22
Merton, R.C. (1976), “Option Pricing when Underlying Stock Returns and Discontinues, Journal of Financial Economics, 3, pp.125-144.
23
Neck, R. and Karbuz, S. (1995), “Optimal Budgetary and Monetary Policies under Uncertainty: A Stochastic Control Approach”, Annals of Operations Research, 58(5), pp. 379-402.
24
Padgett, J.F. (1981), “Hierarchy and Ecological Control in Federal Budgetary Decision Making”, American Journal of Sociology, 87(1), pp. 75-129.
25
Pindyck, R. S. (1999), “The Long-run Evolution of Energy Prices”, The Energy Journal 20, pp.1 –27.
26
Postali, F.A.S and Picchetti , P. (2006), “Geometric Brownian Motion and Structural Break in Oil Prices: A quantitative analysis”, Energy Economics,28, pp.506-522.
27
Wei, F. and Randy, M. and Mason, G. and Leonard, B. (2014), “A Stochastic Dynamic Programing Approach for the Equipment Replacement Optimal under Uncertainty, Journal of Transportation, System Engineering and Information Technology, 14(4), pp. 76-84.
28
Yong, J. and Zhou, X.Y. (1999), “Dynamic Programming and HJB Equations”, Applications of Mathematics , 43, pp. 157-215.
29
Zhang, X. and Yu, L. and Wang, Sh. (2009), “The Impact of Financial Crisis of 2007-2008 on Crude Oil Price”,Lecture Notes in Computer Science , 5545, 2009, pp. 643-652.
30
ORIGINAL_ARTICLE
رابطه متقابل مطالبات غیرجاری بانکها و شرایط اقتصاد کلان: یک رویکرد خود رگرسیون برداری پانل
مقاله حاضر قصد دارد رابطه متقابل بین برخی از مهمترین متغیرهای اقتصاد کلان و کیفیت پورتفوی وام بانکهای کشور ایران را با استفاده از یک روش خودرگرسیون برداری پانل (PVAR) که ویژگیهای خاص بانکها را نیز کنترل میکند، مورد مطالعه قرار دهد. به همین منظور، در این مطالعه از دادههای فصلی پانل مربوط به تمام بانکهای کشور و برخی از متغیرهای مهم اقتصاد کلان در دوره 1392-1381 استفاده شده است. متغیرهای این پژوهش، نسبت مطالبات غیرجاری به کل تسهیلات به عنوان شاخص کیفیت پورتفوی وام بانکها، نرخ رشد اقتصادی، نرخ سود حقیقی تسهیلات، پایه پولی و نرخ رشد تسهیلات است. نتایج پژوهش نشان میدهد که یک شوک مثبت به نرخ سود حقیقی تسهیلات و نرخ رشد تسهیلات، کاهش نسبت مطالبات غیرجاری بانکها را به دنبال دارد در حالی که انتشار پول بیشتر توسط بانک مرکزی (شوک مثبت به پایه پولی) باعث کیفیت بدتر پورتفوی وام بانکها میشود، ضمن آنکه اثر کاهشی نرخ رشد اقتصادی بر نسبت مطالبات غیرجاری به کل تسهیلات بانکها از نظر آماری معنیدار نیست. همچنین اثر بازخوردی نسبت مطالبات غیرجاری بانکها بر متغیرهای اقتصاد کلان به این شکل بوده است که در نتیجه یک شوک مثبت به این نسبت (وخامت کیفیت پورتفوی وام بانکها)، رکود اقتصادی تشدید شده، پایه پولی به طور معنیداری افزایش یافته و نرخ رشد تسهیلات اعطایی بانکها کاهش معنیداری یافته است، در حالی که اثر معنیداری بر نرخ سود حقیقی تسهیلات مشاهده نمیشود.
https://joer.atu.ac.ir/article_4205_6c1f0b6c253522139f9578cdb027503d.pdf
2016-03-20
183
220
10.22054/joer.2016.4205
کیفیت وام
نظام بانکی
تکانههای اقتصاد کلان
خودرگرسیون برداری پانل
مطالبات غیرجاری
ایران
اسماعیل
میرزائی
sme_2278@yahoo.com
1
دانشجوی دکتری اقتصاد دانشگاه علامه طباطبائی و کارشناس بانک مرکزی
LEAD_AUTHOR
تیمور
محمدی
mohmmadi@atu.ac.ir
2
دانشیار دانشکده اقتصاد دانشگاه علامه طباطبائی
AUTHOR
عباس
شاکری
info@ref4.com
3
استاد دانشکده اقتصاد دانشگاه علامه طباطبائی
AUTHOR
حیدری، مهدی (1389)، «تحلیل تاثیر متغیرهای کلان اقتصادی بر نرخ نکول تسهیلات بانکی ایران طی دوره 1388-1379»، پایان نامه، مقطع کارشناسی ارشد رشته توسعه اقتصادی و برنامهریزی ،دانشگاه اصفهان، دانشکده علوم اداری و اقتصاد، گروه اقتصاد.
1
حیدری، هادی، زواریان، زهرا و نوربخش، ایمان (1390)، «بررسی اثر شاخصهای کلان اقتصادی بر مطالبات معوق بانکها»، فصلنامه پژوهشهای اقتصادی11(1): 219-191.
2
نماگرهای اقتصادی، بانک مرکزی جمهوری اسلامی ایران، فصل چهارم 1381- فصل چهارم 1392.
3
همتی، عبدالناصر. و محبینژاد، شادی (1388)، «ارزیابی تاثیر متغیرهای کلان اقتصادی بر ریسک اعتباری بانکها»، پژوهشنامه اقتصادی، ویژهنامه بانک، (6): 59-33.
4
Abrigo M.R.M., Love I. (2015),“Estimation of Panel Vector Autoregression in Stata: a Package of Programs”, statalist.
5
Babouˇcek, I., Janˇcar, M. (2005), “Effects of Macroeconomic Shocks to the Quality of the Aggregate Loan Portfolio”, Czech National Bank, Working Paper Series, No. 1., 1–62.
6
Berge, T.O., Boye, K.G. (2007),”An analysis of bank’s problem loans”, Norges Bank Economic Bulletin, 78, 65–76.
7
Berger, A., DeYoung, R. (1997), “Problem Loans and Cost Efficiency in Commercial Banks”, Journal of Banking and Finance, 21,849–870.
8
Bofondi, M., Ropele, T. (2011), “Macroeconomic Determinants of Dad Loans: Evidence from Italian Banks”, Questioni di Economia eFinanza, Bank of Italy Occasional Papers No. 89.
9
Breuer, J.B. (2006), “Problem Bank Loans, Conflicts of Interest, and Institution”, Journal of Financial Stability, 2, 266–285.
10
Carey, M. (1998), “Credit Risk in Private Debt Portfolios”, Journal of Finance, 53, 1363–1387.
11
Castro, V., (2013), “Macroeconomic Determinants of the Credit Risk in the Banking System: The case of the GIPSI”, Economic Modelling, 31.
12
Dovern, J., Meier, C. P., Vilsmeier, J. (2008), “How Resilient is the German Banking System to Macroeconomic Shocks?”, Working Paper No. 1419, Kiel Institute for the World Economy.
13
Espinoza, R., Prasad, A. (2010), “Nonperforming Loans in the GCC Banking Systems and their Macroeconomic Effects”, IMF Working Paper, 10/224.
14
Filosa, R., (2007), “Stress Testing of the Stability of the Italian Banking System: a VAR Approach”, Heterogeneity and Monetary Policy, 703, 1–46.
15
Gambacorta, L., Mistrulli, P.E., (2004), “Does Bank Capital Affect Lending Behaviour?”, Journal of Financial Intermediation, 13, 436–457.
16
Hoggarth, G., Sorensen, S., Zicchino, L., (2005), “Stress Tests of UK BanksUusing a VAR Approach”, Working Paper 282. Bank of England.
17
Louzis, D.P., Vouldis, A.T., Metaxas, V.L. (2011), “Macroeconomic and Bank-specific Determinants of Non-performing Loans in Greece: A Comparative Study of Mortgage, Business and Consumer Loan Portfolios”, Journal of Banking & Finance, 36,1012–1027.
18
Love, I., Turk A.R., (2014), “Macro-financial Linkages in Egypt: A Panel Analysis of Economic Shocks and Loan Portfolio Quality”, Journal of International Financial Markets, Institutions and Money 28, 158-181
19
Marcucci, J., Quagliariello, M., (2008), “Is Bank Portfolio Riskiness Procyclical? Evidence from Italy using a Vector Autoregression”, Journal of International Financial Markets, Institutions and Money, 18, 46–63.
20
Nkusu, M., (2011), “Nonperforming Loans and Macrofinancial Vulnerabilities in Advanced Economies”, IMF Working Paper No11/161.
21
Pesola, J. (2001), “The Role of Macroeconomic Shocks in Banking Crises”, Bank of Finland Discussion Papers 6.
22
Pesola J. (2007), “Financial Fragility, Macroeconomic Shocks and Banks’ Loan Losses: Evidence from Europe”, Bank of Finland Discussion Papers15.
23
Podpiera, J., Weill, L. (2008), “Bad luck or Bad Management? Emerging Banking Market Experience”, Journal of Financial Stability, 4, 135–148.
24
Quagliariello, M. (2007), “Banks’ Riskiness over the Business Cycle: A Panel Analysis on Italian Intermediaries”, Applied Financial Economics 17, 119–138.
25
Reinhart, C., Rogoff, K., (2010), “From Financial Crash to Debt Crisis”, NBER Working Paper 15795.
26
Rinaldi, L., Sanchis-Arellano, A. (2006), “Household Debt Sustainability: What Explains Household Non-performing Loans? An Empirical Analysis”, ECB Working Paper.
27
Salas, V., Saurina, J. (2002), “Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks”, Journal of Financial Services Research, 22, 203–224.
28
Zribi, N. and Y. Boujelbene, (2011), “The Factors Influencing Bank Credit Risk: The Case Of Tunisia”, Journal of Accounting and Taxation, 3(4), 70-78.
29
ORIGINAL_ARTICLE
علیت گرنجری واردات کالاهای مصرفی، واسطهای و سرمایهای بر تورم ایران
تاکنون مطالعات فراوانی در خصوص تورم در همه کشورهای توسعه یافته و درحال توسعه درخارج و داخل کشور انجام شده است و عوامل موثر بر تورم را تحلیل و ارزیابی کردهاند، اما مطالعات اندکی در باب علیت تورم انجام شده است. در این مطالعه سعی شده است با استفاده از سریهای زمانی، متغیرهای مختلفی که بیشترین تاثیر را در تورم ایران داشته اند، مورد بررسی و شناسایی قرار گیرند. هدف این مقاله پیدا کردن رابطه علیت بین واردات کالاهای مصرفی، واسطهای و سرمایهای به تفکیک با نرخ تورم بین سالهای 1359-1389 در اقتصاد ایران است. در این مطالعه از متغیرهای شاخص قیمت مصرفکننده (نرخ تورم)، حجم نقدینگی، سرانه تولید ناخالص ملی، نرخ ارز بازار آزاد، نرخ تعدیل شده کسری بودجه نسبت به تولید ناخالص داخلی(BD,GDp ) و همچنین واردات کالاهای سرمایهای، مصرفی و واسطهای استفاده شده است. در این مطالعه از روش مدلسازی VAR، مدل تصحیح خطا و آزمون علیت گرنجری استفاده شده است که نتایج موید رابطه یکطرفه و دو طرفه بین تورم و انواع واردات است.
https://joer.atu.ac.ir/article_4206_b8fc63d0bb404f9ca84a3746029060f8.pdf
2016-03-20
221
248
10.22054/joer.2016.4206
علیت گرنجری
واردات
تورم
کالاهای مصرفی
واسطهای و سرمایهای
مصطفی
شریف
mostafasharif2004@yahoo.com
1
استادیار دانشکده اقتصاد، دانشگاه علامه طباطبائی
LEAD_AUTHOR
سید
محمدرضا جوان
2
کارشناس ارشد اقتصاد دانشگاه آزاد اسلامی واحد علوم تحقیقات قزوین
AUTHOR
بانک مرکزی جمهوری اسلامی ایران، ترازنامه بانک مرکزی، سالهای مختلف.
1
بانک مرکزی جمهوری اسلامی ایران، آمار سالیانه، دادههای سری زمانی .
2
توکلی، اکبر و کریمی، فرزاد (۱۳۷۸)، «بررسی وتعیین عوامل تأثیرگذار برتورم کشور (بااستفاده از روش خودرگرسیون برداری)»، مجموعه مقالات نهمین کنفرانس سیاستهای پولی وارزی، مؤسسه مطالعات پولی و بانکی.
3
طبیبیان، محمد و سوری، داود (1375)، «ریشههای تورم در اقتصاد ایران»، مجله پژوهشنامه بازرگانی،زمستان 1375، شماره 1.
4
اصفهانی، نصر و یاوری، کاظم (1382)، «عوامل اسمی و واقعی مؤثر بر تورم در ایران- رهیافت خود رگرسیون برداری»، فصلنامه پژوهشهای اقتصادی ایران، شماره ١.
5
نظیفی، فاطمه (۱۳۸۱)، «آیا ماهیت تورم در اقتصاد ایران پولی است؟»، پژوهشنامه اقتصادی، پژوهشکده امور اقتصادی، شماره ١.
6
نوفرستی، محمد (1378)، ریشه واحد و همجمعی در اقتصاد سنجی، تهران: انتشارات رسا، چاپ دوم.
7
DewanMuktadir-Al-Mukit, A. Z. M. Shafiullah, Md. RizvyAhmed (2013),”Inflation Led Import or Import Led Inflation: Evidence from Bangladesh”, Asian Business Review, Vol. 2, 07-11.
8
Lim, C. & Papi, L. (1997), “An Econometric Analysis of the dDeterminants of Inflation in Turkey”. IMF Working paper no.170, pp 01-32.
9
Khan, R.E.A. & Gill, A.R. (2010), “Determinants of Inflation: A Case of Pakistan (1970-2007)”, Journal of Economics, 1 (1), 45-51.
10
Ulke, V. and Ergun, U. (2011), ”Econometric Analysis of Import and Inflation Relationship in Turkey between 1995 and 2010”, Journal of Economic and Social Studies, 1(2), 69-86.
11