(۳-۱۷)
به طوری که ، نرخ تورم و ، واریانس شرطی نرخ تورم به عنوان شاخص نااطمینانی تورم، متغیر وضعیت با دو رژیم و جمله اختلال است. فرض می شود متغیر وضعیت دو مقدار مختلف را اختیار می کند، وقتی این مقدار برابر یک است نظام اقتصادی در وضعیت فشار تورمی فزاینده[۹۲] است (تورم از سطح اولیه افزایش مییابد) در مقابل، وقتی مقدار دو را اختیار می کند نظام اقتصادی در وضعیت فشار تورمی کاهنده[۹۳] است. معادله (۳-۱۶)، نشان دهنده میانگین نرخ تورم، که یک مدل انتقال رژیم گارچ در میانگین است. پارامترها در معادله (۳-۱۶) تحت تأثیر متغیر وضعیت قرار میگیرند.و به ترتیب جمله عرض از مبدأ و ضریب اتورگرسیو هستند ونشان دهنده ضریب جمله گارچ در میانگین و انعکاس دهنده اثر نااطمینانی تورم بر بر تورم در رژیمهای مختلف است. اگر علامت آن مثبت باشد نااطمینانی تورم، تورم را افزایش اما در صورتی که علامت منفی باشد نااطمینانی تورم، نرخ تورم را کاهش میدهد.
معادله (۳-۱۷)، نشان دهنده معادله واریانس شرطی در دو رژیم میباشد. واریانس شرطی یک گارچ نامتقارن است که به متغیر وضعیت که نشاندهنده دو وضعیت نوسان تورمی زیاد و کم میباشد وابسته و مستقل از متغیر وضعیت میباشد. اگر s2t =۱، حالت نوسانات زیاد[۹۴]، و اگر s2t = ۲، حالت نوسانات کم[۹۵] نشان میدهد متغیر شاخص است. اگر باشد I برابر مقدار یک می شود و Iبرابر مقدار صفر است زمانی که باشد. اثر تورم بر نااطمینانی تورم توسط علامت ضریب نشان داده می شود. اگر علامت ضریب مثبت باشد افزایش تورم باعث افزایش نااطمینانی تورم می شود و نظریه های فریدمن (۱۹۷۷) و بال (۱۹۹۲) تأیید می شود. اگر علامت ضریبمنفی باشد اثر تورم بر نااطمینانی تورم منفی است. در این معادله برای بررسی متقارن یا نامتقارن بودن اثر شوکها، اگر باشد شوکهای منفی اثرات کوچکتری بر نااطمینانی تورم دارند و اگر باشد اثر شوکهای منفی بیشتر از شوکهای مثبت می شود.
( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
برای ساده سازی دو متغیر وضعیت را مستقل در نظر میگیریم. روند تکامل هر متغیر وضعیت فرض می شود از زنجیره مرتبه اول مارکوف پیروی می کند و ماتریس احتمال انتقال برای و به ترتیب به صورت زیر تعریف می شود:
(۳-۱۸)
(۳-۱۹)
بیانگر احتمالی است که متغیر وضعیت از حالت یک به دو منتقل می شود همچنین نشانگر احتمالی است که متغیر وضعیت از حالت دو به یک منتقل می شود.
گایدولین و تیمرمن[۹۶] (۲۰۰۵) نشان دادند وقتی تغییر ساختار رخ میدهد آزمونهای تشخیصی که برای جمله اختلال، استفاده می شود مانند BDS، جارک برا و… نامناسب می شود. آنها یک سری تبدیل یافته[۹۷] به جای جمله اختلال ارائه کردند که از طریق فرمول زیر به دست می آید:
(۳-۲۰)
که در آن ، معکوس تابع توزیع تجمعی توزیع نرمال و بیانگر توزیع تجمعی شرطی و نشان دهنده مجموعه اطلاعات در زمان t-1 است. برای مثال، در مدل گارچ در میانگین نامتقارن با دو متغیر وضعیت با توزیع نرمال تابع چگالی تجمعی شرطی به صورت زیر ارائه می شود:
نرخ تورم و متغیرهای وضعیت میباشند.
برای تخمین مدل انتقال رژیم از روش حداکثر درست نمایی استفاده می شود. تابع حداکثر درست نمایی برای مدل گارچ در میانگین نامتقارن با دو متغیر وضعیت با توزیع نرمال به صورت معادله شماره (۳-۲۱) است (چانگ، ۲۰۱۲).
(۳-۲۱)
در ادامه به معرفی این روش پرداخته می شود.
۳-۴- روششناسی تحقیق
در این مطالعه از الگوی سنجی گارچ در میانگین نامتقارن با دو متغیر وضعیت با داده سری زمانی ماهانه طی دوره ۱۳۹۲:۰۵- ۱۳۶۹:۰۱جهت بررسی رابطه بین تورم و نااطمینانی تورم استفاده می شود. از داده های شاخص قیمت مصرف کننده، جهت محاسبه نرخ تورم استفاده شده است. داده های CPI از سایت بانک مرکزی ایران جمعآوری گردیده است. همچنین برای تخمین مدل انتقال رژیم روشهای مختلفی وجود دارد که در این مطالعه از روش حداکثر درست نمایی استفاده می شود.
۳-۴- ۱- مدل گارچ
بولرسلف در سال ۱۹۸۶، روشی را برای پیش بینی نوسانی که در طول زمان تغییر می کند و به بیان دیگر محاسبه واریانسهای شرطی متغیر در طول زمان ارائه کرده است که از توسعه و تعمیم کار اولیه انگل به وجود آمده است. روش محاسبه واریانسهای شرطی متغیر بولرسلف، مدل اتورگرسیو واریانس ناهمسان شرطی تعمیم یافته نامیده می شود (هاپر[۹۸]، ۱۹۹۶).
در مدل اتورگرسیو واریانس ناهمسان شرطی تعمیم یافته، عبارت واریانس ناهمسانی، واریانس متغیر در طول زمان را بیان مینماید. واژه شرطی نشان دهنده وابستگی به مشاهدات گذشته نزدیک بوده و اتورگرسیو نیز مکانیزم بازخوری را تشریح مینماید که مشاهدات گذشته را به حال پیوند میزند. در واقع، گارچ یک تکنیک است که از واریانسها و شوکهای گذشته و پیش بینیهای آنها برای پیش بینی واریانسهای آینده استفاده می کند ( سونی[۹۹]، ۲۰۰۵). بنابراین، GARCH(q,p) را میتوان با بهره گرفتن از رابطه زیر تعریف نمود.
(۳-۲۲)
به طور کلی، در مدل GARCH(q,p) که به مدل گارچ بنیادی مشهور است، () واریانس شرطی در زمان t ، به واریانسهای q دوره قبل و شوکها با p وقفه زمانی، بستگی دارد (بمز و ویلهاور[۱۰۰]، ۲۰۰۱).
مدل پیشنهادی بولرسلف، از طریق اضافه نمودن q جمله اتورگرسیو برای به مدل (p) ARCH که توسط انگل ارائه شده، بوجود می آید. به طوری که، در صورت حذف جمله از مدل گارچ، همان مدل (p) ARCH حاصل می شود.
برای مشخص شدن گارچ، معادله میبایست کوچکتر از یک باشد تا شرط ایستایی برقرار باشد و علاوه بر این شرط در رابطه مذکور صادق باشد (بولرسلف، ۱۹۸۶).
۳-۴-۲- مدل گارچ در میانگین
انگل و همکاران[۱۰۱] (۱۹۸۷) مدلی را معرفی کردند که بر اساس آن واریانس شرطی وارد معادله میانگین می شود که به مدل گارچ در میانگین معروف است. در این مدل، واریانس شرطی به عنوان یک متغیر توضیحی در معادله میانگین شرطی وارد می شود که از این طریق میتوان اثر نااطمینانی را بر مقدار متغیر مورد نظر بررسی نمود. با توجه به اهمیت بحث بازده دارایی های مالی، نوسانات و نااطمینانی بازدهی این دارایی ها و اثرات متقابل آنها، در اقتصاد کلان مدل گارچ در میانگین جهت بررسی اثرات نااطمینانی در متغیرهای کلان اقتصادی مورد استفاده قرار گرفت.
(۳-۲۳)
متغیر وابسته مورد بررسی، برداری از پارامترها، برداری از متغیرهای توضیحی، واریانس شرطی و خطای پیش بینی میباشند. در معادله میانگین به جای واریانس شرطی میتوان از انحراف معیار شرطی یا لگاریتم واریانس شرطی استفاده نمود.
مدل گارچ در میانگین همچون سایر مدلهای گارچ با روش حداکثر درست نمایی برآورد میگردد.
۳-۴-۳- مدل گارچ گلستن، جاگناتان و رانکل
گلستن، جاگناتان و رانکل (۱۹۹۳) مدل نامتقارنی به نام GJR- GARCH را پیشنهاد کردند که عبارت به مدل گارچ بولرسلف اضافه شده است.
(۳-۲۴)
واریانس شرطی در زمان t، به واریانسهای q دوره قبل و شوکها با p وقفه زمانی، بستگی دارد. پارامتری است که در برگیرنده اطلاعات متقارن یا نامتقارن بودن اثر شوکها بر واریانس شرطی میباشد. اگر باشد اثر شوکهای مثبت بر واریانس شرطی بیشتر از شوکهای منفی است و اگر باشد اثر شوکهای منفی بزرگتر از شوکهای مثبت بر واریانس شرطی میباشد.
Iمتغیر شاخص[۱۰۲] است این متغیر برابر مقدار یک است وقتی که باشد و برابر مقدار صفر می شود زمانی که است(جیانگ، ۲۰۱۲).
۳-۴-۴- مدل میانگین متحرک خودهمبسته[۱۰۳]
جهت بررسی اثر آرچ، که امکان استفاده از مدلهای گارچ تأیید شود ابتدا لازم است یک مدل میانگین متحرک خودهمبسته مناسب برای متغیر تورم انتخاب شود. احتمال این که سری زمانی Y دارای ویژگیهای هر دو فرایند AR و MA باشد، زیاد است. به همین دلیل به این فرایند ARMA گفته می شود. تصریح مدل AR به صورت رابطه زیر میباشد:
(۳-۲۵)
که در آن متغیری است که از فرایند AR از مرتبه P پیروی می کند، پارامترهای مدل و جمله اختلال است که دارای ویژگیهای زیر میباشد: (بروکس، ۲۰۰۸)
برای تعیین درجه P از معیار آکائیک[۱۰۴] استفاده می شود. هدف انتخاب مدلی است که مقدار معیارهای آکائیک آن کمتر باشد. (بروکس، ۲۰۰۸)
در مدلهایی که جمله اختلال از یک فرایند میانگین متحرک پیروی می کند مدل MA با q مرتبه جمله اختلال استفاده می شود. در این حالت جمله اختلال به شکل معادله (۳-۲۶) خواهد بود.
(۳-۲۶)
ε یک جمله اختلال سفید است. معادله بالا مدل MA میباشد که با ترکیب این مدل با AR مدل ARMA(p,q) شکل میگیرد که به صورت معادله زیر خواهد بود. شامل Pمرتبه جمله با وقفه از متغیر Y و q مرتبه جمله اختلال میباشد.
(۳-۲۷)
۳-۴-۵- مدل انتقال مارکوف
در دو دهه اخیر ما شاهد رشد سریع توسعه مدلهای سری زمانی غیر خطی هستیم. الگوهای اتورگرسیو آستانهای[۱۰۵] معرفی شده به وسیله تسی[۱۰۶](۱۹۸۹)، الگوی اتورگرسیو با انتقال ملایم[۱۰۷] لوککونن و همکاران[۱۰۸] (۱۹۸۸) و الگوی انتقال مارکوف[۱۰۹] معرفی شده به وسیله همیلتون[۱۱۰] (۱۹۸۹)، از معروفترین الگوهای غیر خطی هستند که در برگیرنده تغییر رژیم میباشند. مدل انتقال مارکوف همیلتون (۱۹۸۹)، معمولا به عنوان مدل انتقال رژیم شناخته می شود و یکی از مهمترین مدلهای سری زمانی غیر خطی در ادبیات است. مدل انتقال مارکوف برای نخستین بار از سوی کوانت[۱۱۱] (۱۹۷۲)،کوانت و گولدفلد[۱۱۲] (۱۹۷۳) معرفی شده و سپس، از سوی همیلتون (۱۹۸۹) برای استخراج چرخههای تجاری توسعه داده شد. برخلاف دیگر روشهای غیر خطی مانند مدلهای رگرسیونی انتقال ملایم که در آنها انتقال از یک رژیم به رژیم دیگر به صورت تدریجی[۱۱۳]صورت می پذیرد در مدل انتقال مارکوف، انتقال به سرعت[۱۱۴] انجام می شود. الگوهای اتورگرسیو آستانهای و انتقال مارکوف، انتقال ناگهانی بین رژیمها را مشخص می کنند در حالی که الگوی رگرسیونی انتقال ملایم، انتقال ملایم بین دو رژیم را مورد بررسی قرار می دهند (کیم و باتاچاریا[۱۱۵]،۲۰۰۹).
دو تفاوت مهم بین الگوی انتقال مارکوف و الگوی اتورگرسیو آستانهای یا الگوی اتورگرسیو با انتقال ملایم وجود دارد که مزیت الگوی انتقال مارکوف در این مطالعه بر سایر الگوهای غیرخطی که در برگیرنده تغییر رژیم میباشند، نیز به شمار میرود؛ نخست این که، الگوی انتقال مارکوف اطلاعات مقدماتی کمتری نسبت به دو الگوی دیگر وارد می کند. مثلا تابع انتقال در الگوی انتقال مارکوف به راحتی با بهره گرفتن از داده ها برآورد میگردد اما در دو الگوی دیگر، تصریح تابع انتقال مستلزم انتخاب یک متغیر انتقال است که کاری مشکل میباشد. دوم اینکه؛ تغییر رژیم در الگوی انتقال مارکوف، درون زا تعیین میگردد اما در دو الگوی دیگر، از پیش تعیین شده میباشد (دکامپس[۱۱۶]، ۲۰۰۸). مدل انتقال مارکوف شامل ساختارهای چندگانه (معادلات) است که می تواند مشخصه رفتار سریهای زمانی در رژیمهای مختلف باشد. با اجازه انتقال بین این ساختارها، مدل انتقال مارکوف قادر به نشان دادن الگوهای پویا پیچیدهتر است. همچنین باید بیان شود که منظور از رژیم وضعیتهای متفاوتی است که متغیر مورد نظر در آنها قرار میگیرد و تغییر در رژیم نباید به عنوان یک مسئله قابل پیش بینی و قطعی در نظر گرفته شود در حالی که خود تغییر رژیم یک متغیر تصادفی است. از این رو، یک مدل سری زمانی کامل باید به گونه ای باشد که بتواند چنین تغییری را با بهره گرفتن از قوانین احتمالات توضیح دهد. استفاده از قوانین احتمالات از این جهت است که ما با یک متغیر تصادفی سر و کار داریم که وقوع یا عدم وقوع آن برای ما قطعی نیست.
از ویژگیهای مدل انتقال مارکوف این است که مکانیزم انتقال توسط یک متغیر وضعیت تصادفی غیر قابل مشاهده[۱۱۷] که از زنجیره مرتبه اول مارکوف پیروی می کند، کنترل می شود. در مدل انتقال مارکوف فرض می شود رژیمی که در زمان t رخ میدهد، بستگی به یک فرایند غیرقابل مشاهده () دارد و رژیم رایج st فقط به رژیم دوره گذشته، st-1 وابسته است (همیلتون، ۱۹۹۴).
۳-۴-۶- زنجیره مارکوف[۱۱۸]
st را به عنوان یک متغیر تصادفی در نظر میگیریم که فقط مقادیر صحیح {۱,۲,۳,…,N} را به خود می گیرد. فرض کنید احتمال این که st برابر مقدار خاص j باشد (یعنی در زمان t در وضعیت j قرار گیرد) فقط به مقدار گذشته اش مرتبط است، پس داریم:
(۳-۲۸) P [s t =j│ s t-1=i , s t-2=k , …]=P{ s t=j│ s t-1=i} =Pij