مدل‌سازی سرایت شوک‌های نفتی بر بازار محصولات زراعی: مورد مطالعه کنجاله سویا و گندم

نویسندگان

1 استادیار علوم اقتصادی دانشگاه علم و صنعت، تهران، ایران

2 دانشجوی کارشناسی ارشد مهندسی سیستم‌های اقتصادی اجتماعی، دانشگاه علم و صنعت، تهران، ایران

چکیده

بازار جهانی محصولات کشاورزی استراتژیک مانند کنجاله سویا و گندم، تحت تأثیر نوسانات قیمت نفت قرار دارد و این موضوع بر تصمیمات سیاست‌گذاران و تولیدکنندگان این حوزه تأثیرگذار است. در این مقاله، با توجه به اهمیت ریسک‌های وارد شده بر قیمت نفت، سعی شده است تا تأثیر ریسک بازار نفت بر بازار محصولات کشاورزی مشخص گردد. به همین دلیل، بازده روزانه قیمت جهانی کنجاله سویا و گندم به عنوان مهم‌ترین نهاده‌های کشاورزی و نفت برنت در طول بازه زمانی 1 می 2007 تا آخر سال 2014 برای مدل‌سازی به کار رفته است. به منظور بررسی ارتباط بین بازارها، از مدل‌های تصحیح خطای برداری و واریانس ناهمسان شرطی تعمیم‌یافته چندمتغیره با ساختارهای VECH، BEKK و CCC استفاده شده است. نتایج مشخص می‌کند که بین بازارهای مورد بررسی، یک رابطه بلندمدت برقرار است. همچنین، بهترین روش برای مدل‌سازی سرریز ریسک، روش CCC بوده است که نتایج آن نشان می‌دهد سرریز ریسک مثبت و معنادار بین بازارهای نفت خام و محصولات کشاورزی وجود دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Modelling the Spillover of Oil Shocks on Crops Market: The Case of Soybean and Wheat

نویسندگان [English]

  • Saeed Shavvalpour 1
  • Armin Jabbarzadeh 1
  • Hossein Khanjarpanah 2
1 Assistant Professor of Economics, University of Science and Technology, Tehran, Iran
2 MSc. Student of Industrial Engineering, University of Science and Technology, Tehran, Iran
چکیده [English]

Global market of strategic agricultural commodities such as soybean and wheat, is influenced by oil price fluctuations and this issue affects on policymakers and producers decisions. In this paper, with considering the importance of oil price shocks, it is tried to realize the impact of oil market risk on the agricultural commodities market. For this aim, daily returns of global price of soybean and wheat as the most important agricultural beans and Brent oil in the period of 1 May 2007 to end of 2014 are applied in modelling. Vector Error Correction Model (VECM) and Multivariate Generalized Autoregressive Conditional Heteroskedasticity (MGARCH) with VECH, BEKK and CCC methods are applied for investigating of relationships between markets. The results specify that a long run relationship is existed between the studied markets. Also, CCC method has been the best method for risk spillover modelling, which its results show that positive and significant relationship is exited between crude oil and agricultural commodities markets.

کلیدواژه‌ها [English]

  • Risk Spillover
  • Agricultural Beans
  • Oil
  • MGARCH

پیری، مهدی؛ جاودان، ابراهیم و فرجی دیزجی، سجاد (1390). ”بررسی تأثیر نوسانات صادرات نفت بر رشد بخش کشاورزی در ایران“. اقتصاد و توسعه کشاورزی (علوم و صنایع کشاورزی)، دوره 25، شماره 3، 283-275.

سیدحسینی، سید محمد و ابراهیمی، سید بابک (1392). ”بررسی سرایت تلاطم بین بازارهای سهام؛ مطالعه موردی بازار سهام ایران، ترکیه و امارات“. دانش مالی تحلیل اوراق بهادار، دوره 6، شماره 19، 97-81.

قریب، حسین (1391). ”چشم انداز امنیت غذایی در جمهوری اسلامی ایران“. فصلنامه راهبرد، شماره 65، 369-345.

کشاورزیان مریم؛ زمانی مهرزاد و پناهی نژاد هدی (1389). ”اثر سرریز نرخ دلار آمریکا بر روی قیمت نفت خام“. مطالعات اقتصاد انرژی، دوره 7، شماره 27، 154-131.

نیکومرام، هاشم؛ پورزمانی، زهرا و دهقان، عبدالمجید (1394). ”بررسی سرایت تلاطم بازارهای موازی بازار سرمایه بر صنایع بورسی (صادرات و واردات محور)“. دانش مالی تحلیل اوراق بهادار، دوره 8، شماره 25، 18-1.

وحیدی، زهرا؛ شقاقی شهری، وحید و پهلوان‌زاده، فرهاد (1394). ”بررسی اثرات مقایسه ای متقارن و نامتقارن شوک‌های نفتی بر ارزش افزوده بخش‌های کشاورزی و صنعت“. سیاست‌های راهبردی و کلان، شماره 8، 92-77.

یزدانی، سعید و شرافتمند، حبیبه (1390). ”بررسی تأثیر ضربه‌‌های درآمد نفت بر بخش کشاورزی: آزمون بیماری هلندی“. اقتصاد کشاورزی (اقتصاد و کشاورزی)، دوره 5، شماره 4، 68-51.

Bollerslev, T. (1986). “Generalized Autoregressive Conditional Heteroskedasticity”. Journal of Econometrics, 31(3), 307-327.

Bollerslev, T. (1990). “Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH Model”. The Review of Economics and Statistics, 72(3), 498-505.

Bollerslev, T., Engle, R. F. & Wooldridge, J. M. (1988). “A Capital Asset Pricing Model with Time-Varying Covariances”. The Journal of Political Economy, 26, 116-131.

Bouri, E. (2015). “Oil Volatility Shocks and the Stock Markets of Oil-Importing Mena Economies: A Tale from the Financial Crisis”. Energy Economics, 51, 590-598.

Dickey, D. A. & Fuller, W. A. (1979). “Distribution of the Estimators for Autoregressive Time Series with A Unit Root”. Journal of the American Statistical Association, 74(366a), 427-431.

Du, L. & He, Y. (2015). “Extreme Risk Spillovers between Crude Oil and Stock Markets”. Energy Economics, 51, 455-465.

Engle, R. F. & Kroner, K. F. (1995). “Multivariate Simultaneous Generalized ARCH”. Econometric Theory, 11(01), 122-150.

Engle, R. F. (1982). “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”. Econometrica: Journal of the Econometric Society, 50(4), 987-1007.

Farzanegan, M. R. & Markwardt, G. (2009). “The Effects of Oil Price Shocks on the Iranian Economy”. Energy Economics, 31(1), 134-151.

He, K., Yu, L. & Lai, K. K. (2012). “Crude Oil Price Analysis and Forecasting Using Wavelet Decomposed Ensemble Model”. Energy, 46(1), 564-574.

Malik, F. & Hammoudeh, S. (2007). “Shock and Volatility Transmission in the Oil, US and Gulf Equity Markets”. International Review of Economics & Finance, 16(3), 357-368.

Mensi, W., Beljid, M., Boubaker, A. & Managi, S. (2013). “Correlations and Volatility Spillovers Across Commodity and Stock Markets: Linking Energies, Food, and Gold”. Economic Modelling, 32, 15-22.

Mutuc, M., Pan, S. & Hudson, D. (2010). “Response of Cotton to Oil Price Shocks". Paper presented at the The Southern Agricultural Economics Association Annual Meeting, Orlando, FL.

Natanelov, V., Alam, M. J., McKenzie, A. M. & Van Huylenbroeck, G. (2011). “Is There Co-Movement of Agricultural Commodities Futures Prices and Crude Oil?”. Energy Policy, 39(9), 4971-4984.

Nazlioglu, S. & Soytas, U. (2011). “World Oil Prices and Agricultural Commodity Prices: Evidence from an Emerging Market”. Energy Economics, 33(3), 488-496.

Nazlioglu, S. & Soytas, U. (2012). “Oil Price, Agricultural Commodity Prices, and The Dollar: A Panel Cointegration and Causality Analysis”. Energy Economics, 34(4), 1098-1104.

Nazlioglu, S. (2011). “World Oil and Agricultural Commodity Prices: Evidence from Nonlinear Causality”. Energy Policy, 39(5), 2935-2943.

Newbery, D. & Stiglitz, J. (1981). “The Theory of Commodity Price Stabilization: A Study in the Economics of Risk", Oxford University Press, New York.

Phillips, P. C. & Perron, P. (1988). “Testing for A Unit Root in Time Series Regression”. Biometrika, 75(2), 335-346.

Sadorsky, P. (2014). “Modeling Volatility and Correlations between Emerging Market Stock Prices and the Prices of Copper, Oil and Wheat”. Energy Economics, 43, 72-81.

Singh, P., Kumar, B. & Pandey, A. (2010). “Price and Volatility Spillovers Across North American, European and Asian Stock Markets”. International Review of Financial Analysis, 19(1), 55-64.

Vivian, A. & Wohar, M. E. (2012). “Commodity Volatility Breaks”. Journal of International Financial Markets, Institutions and Money, 22(2), 395-422.

Wall Street Journal. (2014). from http://www.wsj.com

Wang, Y., Wu, C. & Yang, L. (2014). “Oil Price Shocks and Agricultural Commodity Prices”. Energy Economics, 44, 22-35.

Yano, Y., Blandford, D. & Surry, Y. (2010). “The Impact of Feedstock Supply and Petroleum Price Variability on Domestic Biofuel and Feedstock Markets–The Case of the United States”. Swedish University of Agricultural Sciences (SLU) Working Paper, 3.

Yu, L., Wang, S. & Lai, K. K. (2008). “Forecasting Crude Oil Price with an Emd-Based Neural Network Ensemble Learning Paradigm”. Energy Economics, 30(5), 2623-2635.

Zhang, C. & Qu, X. (2015). “The Effect of Global Oil Price Shocks on China's Agricultural Commodities”. Energy Economics, 51, 354-364.