نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری رشته علوم اقتصادی، گروه اقتصاد، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

2 استاد، گروه اقتصاد، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

3 استادیار، گروه اقتصاد، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

4 استادیار، گروه اقتصاد، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران.

چکیده

مطالعه حاضر در قالب مدل وابسته به وضعیت (State Dependent Model) و طی بازه زمانی ۱۳۹۸: ۳- ۱۳۸۰: ۱ به بررسی این موضوع می‌پردازد که کدام‌یک از اجزای کل‌های پولی (Monetary Aggregates) بیشترین تأثیر را بر نوسانات نرخ ارز واقعی ایران دارد. جهت دستیابی به این هدف، متغیرهای حجم پول، شبه پول، نقدینگی و پایه پولی به مثابه کل‌های پولی در نظر گرفته شده و به منظور جلوگیری از بروز هم‌خطی چندگانه بین کل‌های پولی، چهار مدل گارچ نمایی مارکوف سوئیچینگ با احتمال انتقال ثابت (Markov Switching Exponential GARCH with Fixed Transition Probability Model) تصریح شده است. یافته‌های مطالعه حاکی از آن است که در هر دو رژیم پایین و بالای نوسانات نرخ ارز واقعی، کل‌های پولی تأثیر مثبت و معنی‌داری بر نوسانات نرخ ارز واقعی دارند و اثر کل‌های پولی در رژیم پایین نوسانات نرخ ارز واقعی با رژیم بالای آن متفاوت است؛ ازاین‌رو متغیرهای پولی اثر نامتقارنی بر نوسانات نرخ ارز واقعی دارند. علاوه بر این در هر دو رژیم پایین و بالای نوسانات نرخ ارز واقعی، پایه پولی نسبت به سایر اجزای کل‌های پولی تأثیر بیشتری بر نوسانات نرخ ارز واقعی داشته است؛ بنابراین کنترل اجزای کل‌های پولی با توجه به اهمیت هر یک در وضعیت‌های بالا و پایین رژیم نرخ ارز واقعی می‌تواند به مثابه نکته راهبردی مورد توجه سیاست‌گذاران اقتصادی قرارگیرد.

کلیدواژه‌ها

عنوان مقاله [English]

State Dependent Effects of Monetary Aggregates on Real Exchange Rate Volatility: MS-EGARCH Approach

نویسندگان [English]

  • Elham Amrollahi Biuki 1
  • Kambiz Hojabr Kiani 2
  • Abbas Memarnejad 3
  • Seyed Yahya Abtahi 4

1 PhD Candidate, Department of Economic, Science and Research Branch, Islamic Azad University, Tehran. Iran.

2 Professor, Department of Economic. Science and Research Branch. Islamic Azad University. Tehran. Iran.

3 Assistant Professor, Department of Economic, Science and Research Branch, Islamic Azad University, Tehran, Iran.

4 Assistant Professor, Department of Economic, Management and Accounting, Yazd Branch, Islamic Azad University, Yazd, Iran.

چکیده [English]

The present study, in the form of a state-dependent model and during the period 2001:6-2019:12, investigates which of the components of monetary aggregates has the greatest impact on real exchange rate volatility of Iran. In order to achieve this goal, the variables of money, quasi-money, liquidity and monetary base are considered as monetary aggregates and in order to avoid multicollinearity between monetary aggregates, four Markov Switching Exponential GARCH models with fixed transition probability are estimated. The findings of the study also indicate that in both low and high regimes of real exchange rate volatility, monetary aggregates have a positive and significant effect on real exchange rate volatility and the effect of monetary aggregates in low regime of real exchange rate volatility is different from the high regime, so monetary variables have an asymmetric effect on real exchange rate volatility. In addition, in both the low and high regimes of real exchange rate volatility, the monetary base had a greater effect on real exchange rate volatility than other components of monetary aggregates. Therefore, controlling the components of monetary aggregates, given the importance of each in the up and down state of real exchange rate regime, can be considered as a strategic point by economic policymakers.

کلیدواژه‌ها [English]

  • Monetary Aggregates
  • Real Exchange Rate Volatility
  • Markov Switching Exponential GARCH Model
  • Asymmetric Effect

سیاهه منابع

الف- منابع فارسی:

حسین‌زاده یوسف‌آباد، سید مجتبی، و علی حقیقت. «اثر سیاست پولی بر نرخ ارز در ایران با استفاده از الگوی خود همبسته با وقفه توزیع‌شده»، فصلنامه اقتصاد مالی ۷، شماره ۲۵ (زمستان ۱۳۹۲): ۱۲۳-۱۴۶.
خلیلی عراقی، منصور، و منصور رحیم‌زاده نامور. «ناسازگاری زمانی سیاست پولی و اثرگذاری آن بر نوسانات نرخ ارز در ایران»، نشریه علمی سیاستگذاری اقتصادی ۱۱، شماره ۱۲ (شهریور ۱۳۹۸): ۲۱۷-۲۴۰. https://doi.org/10.22034/epj.2019.15.
عرب مازار، عباس، و حسن گلمرادی. «بررسی منابع نوسانات نرخ ارز واقعی و تورم در اقتصاد ایران»، فصلنامه اقتصاد ۱، شماره ۲ (شهریور ۱۳۸۹): ۷۵-۱۰۳.
هادیان، ابراهیم، و مرتضی خورسندی. «شناسایی منابع نوسان نرخ حقیقی ارز در ایران»، فصلنامه پژوهش‌های اقتصادی ایران ۱۰، شماره ۳۵ (تابستان ۱۳۸۷): ۳۱-۵۰.
هوشمند، محمود، محمد دانش‌نیا، صالح شهریور، اعظم قزلباش، و زهره اسکندری‌پور. «رابطه بین سیاست‌های پولی و نرخ ارز در ایران»، فصلنامه اقتصاد مقداری (بررسی‌های اقتصادی سابق) ۹، شماره ۲ (تابستان ۱۳۹۱): ۱۰۹-۱۲۷.
https://doi.org/10.1016/j.econlet.2017.03.024.

ب_ منابع لاتین:

Ajao, Mayowa.G. “The Determinants of Real Exchange Rate Volatility in Nigeria.” Ethiopian Journal of Economics 24, no. 2 (2015): 43-62. 10.22004/ag.econ.259493.
Ali, Tariq Mahmood, Muhammad Tariq Mahmood and Tariq Bashir. “Impact of Interest Rate, Inflation and Money Supply on Exchange Rate Volatility in Pakistan,” World Applied Sciences Journal 33, no. 4 (2015): 620-630.
Cai, Jun. “A Markov model of switching-regime ARCH,” Journal of Business & Economic Statistics 12, no. 3 (1994): 309–316.
Dornbusch, Rudiger. “Expectations and exchange rate dynamics,” Political economics 84, no. 6 (1976):1161-1176.
Eichenbaum, Martin, and Charles L. Evans. “Some Empirical Evidence on the Effects of Shocks to Monetary Policy on Exchange Rates,” The Quarterly Journal of Economics110, no. 4 (1995): 975-1009.
Gray, Stephen F. “Modeling the Conditional Distribution of Interest Rates as a Regime-Switching Process,” Journal of Financial Economics 42, no. 1 (1996): 27-62.
Grilli, Vittorio and, Nouriel Roubini. “Liquidity Models in Open Economies: Theory and Empirical Evidence,” European Economic Review 40, no. 3-5 (1996): 847-859.
Hamilton, James D. “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle,” Econometrica 57, no. 2 (1989): 357-384.
Hamilton, James D., and Raul Susmel. “Autoregressive Conditional Heteroskedasticity and Changes in Regime,” Journal of Econometrics 64, no. 1-2 (1994): 307-333.
Henry, Ólan T. “Regime switching in the relationship between equity returns and short-term interest rates,” Journal of Banking and Finance 33, no. 2 (2009): 405–414.
Klaassen, Franc. “Improving GARCH Volatility Forecasts with Regime- Switching GARCH,” Empirical Economics 27, no. 2 (2002): 363–394.
Lamoureux, Christopher G., and William D. Lastrapes. “Persistence in variance, structural change and the GARCH model,” Journal of Business and Economic Statistics 8, no. 2 (1990b): 225–234.
Lee, Junsoo, and Mark C. Strazicich. “Minimum Lagrange Multiplier Unit Root Test with Two Structural Breaks,” The Review of Economics and Statistics 85, no. 4 (2003): 1082-1089. http://dx.doi.org/10.1162/003465303772815961.
Mpofu, Trust R. “The Determinants of Exchange Rate Volatility in South Africa, “Economic Research Southern Africa, Working Paper 604, (2016).
Nelson, Daniel B. “Conditional heteroskedasticity in asset returns: A new approach,” Econometrica 59, no. 2 (1991): 347-370. https://doi.org/10.2307/2938260.
Ojede, Andrew and Eddery, Lam. “The impact of changes in monetary aggregates on exchange rate volatility in a developing country: Do structural breaks matter?,” Economics Letters 155, (2017): 111-115. https://doi.org/10.1016/j.econlet.2017.03.024.
Pham,Thi Hong Hanh. “Liquidity and exchange rate volatility,” working paper halshs, (2018).
Piger. Jeremy. “Econometrics: Models of Regime Changes,” Encyclopedia of Complexity and Systems Science (2007): 2744-2757.
Qamruzzaman, M.d ., Ahmed Muneeb Mehta., Rimsha Khalid, and Ayesha Serfraz.  “Symmetric and Asymmetric Effects of Financial Innovation and FDI on Exchange Rate Volatility: Evidence from South Asian Countries,” Journal of Asian Finance Economics and Business18, no. 1 (2021): 23-36. http://dx.doi.org/10.13106/jafeb.2021.vol8.no1.023.
Williamson, John. “Estimates of FEERs” In Estimating Equilibrium Exchange Rate, Edited by John Williamson, 177-245. Institute of International Economics, 1994.
Zhou, Zhongbao, Zhangyan Fua, Yong Jiang, Ximei Zenga and Ling Lin. “Can economic policy uncertainty predict exchange rate volatility? New evidence from the GARCH-MIDAS model,” Finance Research Letters 34, no. C (2020). https://doi.org/10.1016/j.frl.2019.08.006.
CAPTCHA Image