بررسی تغییر سرمایه‌گذاری در دارایی‌ها در واکنش به تغییر رشد اقتصادی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار اقتصاد، گروه اقتصاد، دانشکده مدیریت، دانشگاه پیام نور، تهران، ایران.

2 استادیار اقتصاد، گروه نظام های نوین برنامه‏‌ریزی، بودجه‏‌ریزی و مدل‏‌سازی، مرکز پژوهش‏‌های توسعه و آینده‏‌نگری، تهران، ایران.

چکیده

مطالعۀ حاضر به دنبال بررسی چگونگی تحول سبد دارایی‌های افراد جامعه، با درجات متفاوت ریسک‌پذیری، درنتیجۀ تغییر نرخ رشد اقتصادی است. برای‌این‌منظور، با در نظر گرفتن 7 طبقه دارایی، شامل زمین، مسکن، سهام، سپرده‌های بانکی، ارز، اوراق مشارکت و طلا ، اطلاعات مربوط به قیمت آنها، از سال 1370 تا 1400، از سایت بانک مرکزی و مرکز آمار، استخراج گردید. برای بررسی چگونگی شکل‌گیری سبد بهینه، برای افراد با درجات متفاوت ریسک‌پذیری، پس از محاسبۀ بازدهی، بازدهی انتظاری، ریسک دارایی‌ها و ضرایب هم‌بستگی بین بازدهی آنها، با به‌کارگیری مدل میانگین‌ـ‌واریانس (مدل مارکویتز) و استفاده از نرم‏افزار Matlab، ترکیب بهینه برای کل دوره استخراج گردید. در انتخاب ترکیب دارایی‌ها، اهداف سرمایه‌گذاری، خصوصیات شخصی فرد، مانند ریسک‌پذیری، آشنایی با دوره‌های رونق ورکود دارایی‌های مختلف و ارتباط آنها با یکدیگر، باید مورد توجه قرار گیرد. به منظور بررسی تغییر ترکیب دارایی‌ها درنتیجۀ تغییر رشد اقتصادی، نرخ رشد اقتصادی در دو دوره (نرخ رشد اقتصادی بالا و نرخ رشد اقتصادی پایین) و افراد در سه سطح از ریسک (ریسک‌پذیری پایین، متوسط و بالا) طبقه بندی و ترکیب دارایی‌ها، در دوره‌های ذکرشده، محاسبه گردید. نتایج حاصل از برآورد مدل و تجزیه‌وتحلیل آماری نشان می‌دهند که طی کل دوره، زمین، سپرده‌های بانکی و ارز هیچ سهمی از سبد بهینه را به خود اختصاص نمی‌دهند. برای افراد با درجات ریسک‌پذیری پایین، متوسط و بالا، به‌ترتیب، اوراق مشارکت با 69 درصد، مسکن با 35 درصد و سهام با 68 درصد بیشترین حجم از سبد بهینۀ دارایی را تشکیل می‌دهند. همچنین، تجزیه‌وتحلیل آماری برای دوره‌های متفاوت رشد، حاکی از این است که در دورۀ با نرخ رشد اقتصادی بالا، برای افراد با درجۀ ریسک‌پذیری پایین، متوسط و بالا، به‌ترتیب، اوراق مشارکت با 65 درصد و اوراق مشارکت با 62 درصد و مسکن با 64 درصد بالاترین ضریب اهمیت و برای دورۀ با نرخ رشد اقتصادی پایین، افراد با ریسک‌پذیری پایین، متوسط و بالا، به‌ترتیب، اوراق مشارکت با 76 درصد، اوراق مشارکت با 34 درصد و سهام با 65 درصد، با بیشترین سهم در سبد دارایی حضور دارند. مقایسۀ ترکیب دارایی‌ها و وزن آنها، نشان از نبود چسبندگی دارایی‌ها و ضریب اهمیت آنها در سبد بهینه، در دوره‌های متفاوت رشد اقتصادی است. ریسک سبد دارایی در دورۀ رشد اقتصادی بالا، نسبت به دورۀ رشد اقتصادی پایین، برای افراد با درجات متفاوت ریسک‌پذیری، کمتر است.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the Change of Investment in Assets in Response to Change in Economic Growth

نویسندگان [English]

  • Faramarz Tahmasebi 1
  • Younes Teymouri 2
1 Assistant Professor of Economics, Department of Economics, Management and Accounting. Payame Noor University, Tehran, Iran.
2 Assistant Professor of Economics, Department of New Planning, Budgeting and Modeling Systems. Development and Foresight Research Center, Tehran, Iran
چکیده [English]

This study attempts to investigate how the change in the economic growth rate results in the change in people’s asset portfolios with various degrees of risk-taking behavior. For this purpose, price information of seven classes of assets, such as land, housing, stocks, bank deposits, currency, bonds, and gold, was extracted from the Central Bank website and Statistics Center for the period 1991-2021. To review how to form the optimal portfolio for people with various degrees of risk-taking behavior, the optimal mix for the whole cycle was extracted using the mean-variance model (Markowitz model) and by Matlab software after calculating the return, expected return, asset risk, and correlation coefficients between their returns. To select the asset mix, investment goals, and personality traits of a person such as risk-taking behavior, it is necessary to consider the boom and bust cycles for different assets and their relationship with one another. The economic growth rate in two cycles (high and low economic growth rates) and people in three levels of risk-taking (low, medium, and high) were classified to review the change in the asset mix as a result of the change in economic growth, and the asset mix was calculated in the abovementioned cycles. The results from model estimation and statistical analysis indicate that land, bank deposits, and currency do not have a share in the optimal portfolio during the whole cycle. For people with low, medium, and high levels of risk-taking behavior, bonds, housing, and stocks had the largest volume in the optimal asset portfolio with 69%, 35%, and 68%, respectively. Also, the statistical analysis for various cycles of growth represented that the highest coefficient of importance for people with the low, medium, and high level of risk-taking behavior was for bonds with 65%, and 62% and housing with 64% for the cycle with high economic growth rate. As for the cycle of low economic growth rate, people with low, medium, and high levels of risk-taking behavior have bonds at 76%, and 34% and stocks at 65% as the largest share in the asset portfolio. Comparing the asset mix and their weight represents the lack of assets' stickiness and their importance coefficient in the optimal portfolio in various cycles of economic growth. Asset portfolio risk for people with various degrees of risk-taking behavior is lower in the cycle of high economic growth.

کلیدواژه‌ها [English]

  • Optimal Portfolio
  • Mean-Variance Model
  • Economic Growth and Risk-taking Behaviors
آدمی، محسن (1391).«بررسی پیش‌بینی‌پذیری ریسک شاخص‌های بورس اوراق بهادار تهران با استفاده از مفهوم ریزش مورد انتظار». پایان‌نامۀ کارشناسی ارشد مهندسی مالی. دانشگاه علوم اقتصادی.
اسلامی بیدگلی، غلامرضا و بیگدلو، مهدی (1385) .«هم‌سنجی بازده و ریسک فرصتهای جایگزین سرمایه‌گذاری در ایران». فصلنامۀ بررسی‏های حسابداری و حسابرسی، دورۀ13 ، شمارۀ 2.
 جونز، چارلز پی (1391). مدیریت سرمایه‌گذاری. ترجمۀ رضا نهرانی و عسگر نوربخش. تهران: نگاه دانش. چاپ هشتم.
دهقان، عبدالمجید و کامیابی، منیره (1398) . «چگونگی اثرگذاری متغیرهای اقتصادی بر بازدهی شرکت‏های بورسی در شرایط رونق و رکود بازار سرمایۀ ایران». فصلنامۀ اقتصاد مالی، سال سیزدهم ، شمارۀ 48 : 147-166.
راعی، رضا و سعیدی، علی (1390). مبانی مهندسی مالی و مدیریت ریسک. تهران: سمت. چاپ ششم.
شارپ، ویلیام اف، الکساندر. گوردون جی و جفری دی.بیلی (1390). مدیریت سرمایه‌گذاری. ترجمۀ مجید شریعت‌پناهی و ابوالفضل جعفری. تهران: اتحاد. چاپ سوم.
شهرآبادی، ابوالفضل و بشیری، ندا (1389). مدیریت سرمایه‌گذاری در بورس اوراق بهادار. تهران: شرکت اطلاع‌رسانی و خدمات بورس. چاپ اول .
قربانی، فهمیده، دین محمدی، مصطفی و جباری، امیر (1397). «بررسی تأثیر ادوار تجاری بر سود دهی بانک‏های دولتی و خصوصی در ایران طی دورۀ 1384-1396». بررسی مسائل اقتصاد ایران، پژوهشگاه علوم انسانی و مطالعات فرهنگی، سال پنجم، شمارۀ دوم، صص 53-78.
قلی‌زاده، علی‌اکبر و طهوری‌متین، مسعود (1390). «انتخاب سبد دارایی‌ها در دورۀ رکود و رونق بازار مسکن». فصلنامۀ پژوهشهای اقتصادی، سال یازدهم، شمارۀ 3،: 71-90.
قلی‌زاده، علی‌اکبر، ابراهیمی، محسن و کمیاب، بهناز (1394). «استراتژی تخصیص بهینآ دارایی‌ها در حضور بازار مسکن». فصلنامۀ تحقیقات مد‌ل‌سازی اقتصادی، شماره 21.
مشهدیان ملکی، محمد رضا، سوری، علی، ابراهیمی، محسن، مهرآرا، محسن و ماجد، وحید (1399). «ترکیب بهینۀ سبد دارایی بانک‏ها در واکنش به شرایط اقتصادی (مطالعۀ موردی: بانک تجارت)». فصلنامۀ علمی مطالعات اقتصادیِ کاربردی ایران، سال نهم، شمارۀ 35: 155-173.
موسوی، سیدحبیب، مهرگان، نادر، یوسفی شیخ رباط، محمد رضا (1400). «تعیین اثرشوک بهره‌وری و شوک نوسان درآمد ارزی بر سبد دارایی خانوار در اقتصاد ایران با رویکرد تعادل عمومی پویای تصادفی DSGE» . فصلنامۀ پژوهش‏های اقتصادی (رشد و توسعه پایدار)، سال بیست و یکم، شمارۀ 3: 19-39.
نظریان، رافیک، محرابیان، آزاده و مرادی، برژانگ (1396). «بررسی اثر چرخه‌های اقتصادی بر عملکرد بانک‌ها در ایران؛ مطالعۀ موردی بانک ملی ایران (1368-1393)». فصلنامۀ اقتصاد مالی، دورۀ 11، شمارۀ 40: 117-138.
           
Anderson, B. (2002). Portfolio Allocation Over The Life Cycle: Evidence from Swedish Household. Uppsala University, Department of Economics in its Series Working Paper Series, With Number 2001, NO.4.
Balvers, R. J., & Cosimano, T. F., & McDonald, B. (1990). Predicting stock returns in an efficient market. Journal of Finance,Vol.45, No.4, 1109–1128. https://doi.org/10.1111/j.1540- 6261.1990.tb02429.x.
Bekiros, S., & Shahzad, J. H., & ArreolaHernandezc, J., & Ur Rehmand, M. (2018). Directional predictability and time-varying spillovers between stock markets and economic cycles. Economic Modelling. NO.69, 301- 312. DOI: 10.1016/j.econmod.2017.10.003. Blundell, R.,& Griffith, R., & Reenen, J. V
Bernanke, B., & Gertler, M., & Cilchrist, S. (1999). The financial accelerator in a quantitative business cycle framework. in: Taylor, J.B. Wood, M. (EDS). 1st. edition it and book of Macroeconomics Vol. 8, Elsevier Science B. V. Amsterdam: 1341-93(ch-21).
Blitz, D., & Van V. P. (2010). Global Tactical Cross-Asset Allocation: Applying Value and Momentum Across Asset Classes. Journal of Portfolio Management, Forthcoming.
Available at SSRN: http://ssrn.com/abstract=1079975.
Brocato, J., & Steed, S. (1998). Optimal asset allocation over the business cycle. Financial Review, Vol.33, No.3, 129-148.
Campbell, S. D., & Diebold, F. X. (2009). Stock returns and expected business conditions: Half century of direct evidence. Journal of Business and Economic.
http://english.ckgsb.edu.cn/sites/default/files/files/Paper2_GarlappiSong2016_MS.pdf. https://doi.org/10.1287/mnsc.2016.2542.
Dzikevičius, A., & Vetrov, J. (2012). Investment portfolio management using the business cycle approach. Business: Theory and Practice/Verslas: Teorija ir Praktika, Vol.14, No.1, 57-63.
Edwin O Fischer., & Susanne Lind-Braucher. (2010). Optimal Portfolios with Traditional and Alternative Investments: An Empirical investgation. The Journal of Alternative Investments, Fall 2010, Vol.13, No. 2,ABI/INFORM Global.p.58.
Flavin, M., & Yamashita, T. (1998). Owner-Occupied Housing and TheComposition of The Household Portfolio Over The Life Cycle. The Journalof Real Estate Finance and Economics, Vol.29, No.3, 259-275.
Hasanov, F., & Dacy, D. (2003). Measuring and Analyzing Returns on Aggregate Residential Housing. EconWPA in its Series Finance With Number 0510005 working paper.
Jensen, G. R.,& Johnson, R. R., & Mercer, J. M. (2002). Tactical asset allocation and commodity futures. The Journal of Portfolio Management, Vol.28, No.4, 100-111.
Jim, V. (2016). Business Cycle Based Portfolio Optimisation. Tilburg School of Economics and Management, Tilburg University, MSc Finance thesis November.
Kane, M. (2022). Portfolio Optimization Using the Business Cycle Approach. Finance Undergraduate Honors Theses Retrieved from
https://scholarworks.uark.edu/finnuht/85
Korn, R. (1997). Optimal Portfolios:Stochastic Models for optimal investment and Risk management in continuous time. World Scientific, Singapore.
Kwon, Dohyoung. (2022). Dynamic Factor Rotation Strategy: A Business Cycle Approach. International Journal of Financial Studies, Vol.10, No.46. https://doi.org/ 10.3390/ijfs10020046.
Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, Vol. 7.
Markowitz, H. (1959). Portfolio Selection:Efficient Diversification of Investment, Jon Wiley and Sons.New York,NY.
Mllineux, A., & Bissoondeeal, R., & Karoglou, M., & Hogstromer, B., & Binner. J. (2014). Stock market Volatility, Risk Attitude and the Demand for Money in the UK. Bournemouth University Business School, Working Paper, No. 21342.
Niels Bekkers., & Ronald Q Doeswijk., & Trevin W Lam .(2009). Strategic Asset Allocation: Determining the Optimal Portfolio with Ten Asset classes. The Journal of Wealth Management, Vol.12, No.3, ABI/INFORM Global. p.61.
Prabheesh, K.P., & Vidya, C.T. (2017). Do business cycles investment-specific technology shocks matter for stock returns? Economic Modelling. 70(C), 511-524.
Siegel. (1991). Investment Portfolio Management Using the Business Cycle Approach. Vilnius Gediminas Technical University, Saulėtekio al. 11, LT10223 Vilnius, Lithuania E-mails: 1 Audrius.Dzikevicius@vgtu.lt (corresponding author); 2 jarvet@gmail.com Received 27 July 2012; accepted 25 October 2012.
Smets, F., & Wouters, R. (2017). Shocks and frictions in US business cycles: A Bayesian approach. Am. Econ. Rev, Vol.97, No.3, 586-606.
Zhang, Y., & Li, X., & Guo, S. (2018). Portfolio selection problems with Markowitz’s mean–variance framework: a review of literature. Fuzzy Optim Decis Making, Vol.17, 125-158.