اقتصاد کلان
محمد محسن صدر؛ حسین تبیانیان
چکیده
چکیده: سیاست پولی بهعنوان ابزار کلیدی مدیریت اقتصاد کلان، نقش تعیینکنندهای در ثبات مالی و رشد اقتصادی دارد. بازار سرمایه بهعنوان کانال مهم انتقال سیاست پولی، بازتابی از انتظارات و واکنشهای سرمایهگذاران به تغییرات نرخ بهره، نقدینگی، تورم و نرخ ارز است. در اقتصادهایی مانند ایران که با تورم مزمن، شوکهای ارزی و وابستگی بودجه ...
بیشتر
چکیده: سیاست پولی بهعنوان ابزار کلیدی مدیریت اقتصاد کلان، نقش تعیینکنندهای در ثبات مالی و رشد اقتصادی دارد. بازار سرمایه بهعنوان کانال مهم انتقال سیاست پولی، بازتابی از انتظارات و واکنشهای سرمایهگذاران به تغییرات نرخ بهره، نقدینگی، تورم و نرخ ارز است. در اقتصادهایی مانند ایران که با تورم مزمن، شوکهای ارزی و وابستگی بودجه به درآمدهای نفتی مواجهند، واکنش بازار سرمایه به سیاستهای پولی نامتقارن و غیرخطی است و مدلهای خطی سنتی قادر به تبیین کامل آن نیستند. این پژوهش با هدف پر کردن این شکاف روششناختی، رویکردی ترکیبی از اقتصادسنجی و هوش مصنوعی ارائه میدهد. در این چارچوب، از مدل خودرگرسیون برداری ساختاری (SVAR) برای شناسایی روابط علّی و کوتاهمدت بین متغیرهای پولی و شاخصهای بازار سرمایه استفاده شده و سپس با مدل شبکه عصبی مصنوعی چندلایه (ANN) برای کشف الگوهای غیرخطی ترکیب شده است. دادههای ماهانه ایران طی دوره 1390 تا 1403 مورد تحلیل قرار گرفت. نتایج نشان داد شوکهای انبساطی پولی در کوتاهمدت رشد شاخص کل بورس را حدود 7/4 درصد افزایش میدهند، اما در بلندمدت اثر منفی از طریق کانال تورم دارند. در مقابل، سیاستهای انقباضی با افزایش نرخ بهره موجب افت 5/3 درصدی شاخص در کوتاهمدت میشوند، اما در بلندمدت نوسانات را تا 22 درصد کاهش میدهند. مدل ترکیبی SVAR- ANN با دقت 91 درصدی (R²=0.91) واکنش بازار را پیشبینی کرد. یافتهها نشان میدهد این رویکرد ترکیبی ابزاری کارآمد برای تحلیل پویایی و پیچیدگی روابط سیاست پولی و بازار سرمایه ایران فراهم میسازد.
