بررسی هم حرکتی بازار انواع گوشت و عوامل اثرگذار بر آن در ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد کشاورزی، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران

2 استادیار گروه اقتصاد کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران

3 استاد گروه اقتصاد کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران

چکیده

فرضیه هم حرکتی بیش از حد در بازارهای کالایی، بیانگر حرکات هم‌زمان قیمت‌ها است که منجر به ایجاد پیامدهای مختلفی در سمت عرضه و تقاضا می‌شود. این پیامدها شامل انحراف منابع از فعالیت‌های بهره‌ور در سمت عرضه و ایجاد فشارهای تورمی گسترده در سمت تقاضا است. در پژوهش حاضر با توجه به اهمیت گوشت‌ها در سبد غذایی خانوارها، هم حرکتی میان بازار انواع گوشت‌ها بررسی شد و میزان تأثیر مهم‌ترین عوامل اثرگذار بر هم حرکتی مورد ارزیابی قرار گرفت. برای این منظور، ابتدا با استفاده از رویکرد ، هم حرکتی متغیر در زمان میان بازار انواع گوشت‌ها برآورد شد. سپس، با به‌کارگیری رویکرد رگرسیون چندکی میزان تأثیر مهم‌ترین عوامل اثرگذار بر هم حرکتی میان بازارها موردبررسی قرار گرفت. نتایج نشان داد که هم حرکتی میان بازارها در طول زمان تغییرات قابل‌توجهی را تجربه کرده و در برخی از دوره‌ها نزولی و در برخی دیگر صعودی بوده است. بیشینه و کمینه همبستگی شرطی پویا میان بازارهای گوشت ماهی و مرغ به ترتیب 58/0 و 08/0-، میان بازارهای گوشت ماهی و قرمز به ترتیب 44/0 و 02/0 و میان بازارهای گوشت مرغ و قرمز به ترتیب 46/0 و 04/0- است. علاوه بر این، مهم‌ترین تعیین‌کننده‌های هم حرکتی میان بازار انواع گوشت‌ها شامل نرخ ارز، هزینه تولید، سیاست پولی، نا اطمینانی اقتصادی و نوسان بازار انرژی می‌باشند. بنابراین توصیه می‌شود که سیاست‌گذاران با لحاظ نقش این عوامل در ایجاد هم حرکتی میان بازارها در تصمیمات خود، از بروز دوره‌هایی باهم حرکتی شدید پیشگیری نمایند.

کلیدواژه‌ها

موضوعات

مراجع

  1. Alaei Borujeni, P., & Farnam, A., & Abdoli, M., & Hamidpour Zare, S., & Tolouei, Z., & Khosravi, K., & Azami, A., & Varmazyari, H., & Razani, B. (2020). About Leap in production (2) Its requirements in the fields of agriculture, housing, transportation and rural development. Deputy of Infrastructure and Production Affairs Researchs, The Research Center of Islamic legislative Assembly, 17127. (In Farsi)
  2. Amiri, S., & Homayounifar, M., & Karimzadeh, M., & Falahi, M. (2015). Examination Of Dynamic Correlation Between Major Assets in Iran by DCC-GARCH Approach. Journal Of Sustainable Growth and Development (The Economic Research), 15(2), 183-201. (In Farsi)
  3. Azam, A. H. M., Sarmidi, T., Nor, A. H. S. M., & Zainuddin, M. R. K. (2020). Co-Movement among World Vegetable Oil Prices: A Wavelet-Based Analysis. International Journal of Business and Society, 21(3), 1068-1086.
  4. Campa, J. M., & Goldberg, L. S. (2005). Exchange rate pass-through into import prices. The Review of Economics and Statistics, 87(4), 679–690.
  5. Chou, K. W. (2019). Re-examining the time-varying nature and determinants of exchange rate pass-through into import prices. The North American Journal of Economics and Finance, 49, 331-351.
  6. de Nicola, F., De Pace, P., & Hernandez, M. A. (2016). Co-movement of major energy, agricultural, and food commodity price returns: A time-series assessment. Energy Economics, 57, 28-41.
  7. Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350.
  8. Fernandez, V. (2015). Commodity price excess co-movement from a historical perspective: 1900–2010. Energy Economics, 49, 698-710.
  9. Fernández-Avilés, G., Montero, J. M., & Sanchis-Marco, L. (2020). Extreme downside risk co-movement in commodity markets during distress periods: A multidimensional scaling approach. The European Journal of Finance, 26(12), 1207-1237.
  10. Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The journal of finance, 48(5), 1779-1801.
  11. Hodrick, R. J. and Prescott, E.C. (1997). Postwar U.S. Business Cycle: An Empirical Investigation. Journal of Money, Credit and Banking, Vol. 29: 1-16.
  12. Koenker, R., & Bassett Jr, G. (1978). Regression quantiles. Econometrica: journal of the Econometric Society, 33-50.
  13. Koenker, R., & Hallock, K. F. (2001). Quantile regression. Journal of economic perspectives, 15(4), 143-156.
  14. Ma, Y., & Wang, J. (2019). Co-movement between oil, gas, coal, and iron ore prices, the Australian dollar, and the Chinese RMB exchange rates: A copula approach. Resources Policy, 63, 101471.
  15. MORADI, M., & Ahanghari, A., & Arman, S. (2019). Co-movement and causality between Assets Market (housing and financial assets): in Iran Economy: Wavelet analysis. JOURNAL OF APPLIED ECONOMICS STUDIES IN IRAN, 7(28), 163-181. (In Farsi)
  16. Ncube, M., Tessema, D. B., & Gurara, D. Z. (2014). Volatility and Co-movement in Commodity Prices: New Evidence. African Development Bank: Background Paper.
  17. Ogunmola, O. O., Obayelu, A. E., & Akinbode, S. O. (2017). Volatility and co-movement: an analysis of food commodity prices in Nigeria. Agricultura Tropica et Subtropica, 50(3), 129-139.
  18. Ohashi, K., & Okimoto, T. (2016). Increasing trends in the excess comovement of commodity prices. Journal of Commodity Markets, 1(1), 48-64.
  19. Pishabar, E., Pakrooh, P., & Ghahremanzadeh, M. (2017). An Analysis Correlation between Oil Prices, Exchange Rate and Imported Inputs of Poultry Industry in Iran: Using Vine-Copula Approach, Journal of Economics and Agricultural Development, 31(3), 207-215. (In Farsi)
  20. Pishbahar, E., Ferdosi, R., & Assadollahpour, F. (2019). Price Transmission in The Market of Chicken Meat: Autoregressive Switching Markov Models (MSAR). Iranian Journal of Agricutural Economics and Development Research, 50(1), 1-17. (In Farsi)
  21. Song, M., Fang, K., Zhang, J., & Wu, J. (2019). The co-movement between Chinese oil market and other main international oil markets: a DCC-MGARCH approach. Computational Economics, 54(4), 1303-1318.
  22. Tanaka, T., & Guo, J. (2020). How does the self-sufficiency rate affect international price volatility transmissions in the wheat sector? Evidence from wheat-exporting countries. Humanities and Social Sciences Communications, 7(1), 1-13.
  23. Yuan, X., Tang, J., Wong, W. K., & Sriboonchitta, S. (2020). Modeling co-movement among different agricultural commodity markets: A Copula-GARCH approach. Sustainability, 12(1), 393
تحقیقات اقتصاد و توسعه کشاورزی ایران
دوره 53، شماره 3
مهر 1401
صفحه 787-803

فایل ها

هم رسانی

ارجاع به این مقاله

آمار