اثرات نامتقارن کل‏ های پولی دیویژیا ‏بر تورم در ایران: رویکرد بیزین روش چرخشی مارکوف

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد گروه اقتصاد دانشکده علوم اقتصادی و اداری، دانشگاه مازندران

2 دانشیار گروه اقتصاد دانشکده علوم اقتصادی و اداری، دانشگاه مازندران

3 استادیار گروه اقتصاد، دانشگاه کردستان

چکیده

هدف مطالعه حاضر بررسی اثرات نامتقارن کل‏های پولی بر تورم در ایران است. پژوهش حاضر با تکیه بر نامتقارنی سیاست‏های پولی نسبت به موقعیت زمانی دوره‏های رکود و رونقی که سیاست پولی در آنها اجرا می‏شود به بررسی اثرات نامتقارن شکاف پولی بر تورم در رژیم‏های تورمی بالا و پایین می‏پردازد که در این راستا، با توجه به تنوع الگوی رفتاری در روند تورم ایران، تورم به‌عنوان یک فرآیند تغییر رژیم مارکوف مدل‏سازی شده است. پژوهش حاضر برخلاف مطالعات پیشین، به بررسی نقش سیاست‏های پولی بانک مرکزی در انتقال رژیم‏های تورمی بالا به پایین (و برعکس) با استفاده از رویکرد بیزین روش چرخشی مارکوف می‏پردازد. همچنین برای تبیین رفتار تورم ایران از الگوی P* طی دوره زمانی 1369:1 تا 1390:2 استفاده‌شده است. علاوه بر این، در این پژوهش به دلیل نقش مهم تعریف حجم پول در اندازه‏گیری حجم پول و شکاف پولی، از کل‏های پولی جمع ساده و دیویژیا استفاده‌شده است. نتایج مطالعه حاضر، اثرات شکاف پولی در رژیم‏های تورمی مختلف را نامتقارن ارزیابی کرده و این اثرات در رژیم‏های تورم بالا ضعیف‏تر از رژیم‏های تورم پایین مشاهده گردید که در واقع مطابق انتظار نبود. دلایل این امر را می‏توان در وقفه‏های اثرگذاری سیاست‏های پولی، بی‏ثباتی تقاضای پول و مهمتر از آن کاهش سرعت در گردش پول به دلیل رکود حاکم بر اقتصاد ایران و افزایش فعالیت‌های سوداگرانه عنوان نمود. همچنین نتایج نشان می‏دهد که کل‏های پولی دیویژیا نسبت به جمع ساده هم در بیان نامتقارنی‏ها و هم در انتقال رژیم‏های تورمی شاخص مناسب‏تری است؛ بنابراین پیشنهاد می‏شود بانک مرکزی با توجه به نامتقارن بودن اثرات سیاست‏های پولی در رژیم‏های تورم بالا و پایین، سیاست‏های متناسب با این رژیم‏ها اتخاذ نموده و از کل‏های پولی دیویژیا برای بررسی نقش پول در سیاست‏های اقتصاد کلان استفاده نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Asymmetric Effect of Divisia Monetary Aggregates on Inflation in Iran: Bayesian Approach of Markov Switching Method

نویسندگان [English]

  • Ahmad Jafari Samimi 1
  • amirmansour tehranchyan 2
  • saman ghaderi 3
چکیده [English]

The purpose of this paper is to investigate the asymmetric effects of monetary aggregates on inflation. The present study based on asymmetry of monetary policy related to the phase of the business cycle in place at the time at which this policy was adopted, examines the asymmetric effects of monetary gap on inflation in high and low inflation. Also, due to volatility behavior of inflation in Iran, inflation has modeled as a Markov switching regime. Comparing with other empirical studies, this paper using of Bayesian approach of Markov switching method, has estimated the role of monetary policy in transition of inflation regimes.  Also, P-star model has been used to explain the behavior of inflation in Iran during 1990Q2- 2011Q3. In addition, in this study due to ambiguities surround the money measurement and the role of money in the concept of money stock and the monetary gap, simple sum and Divisia monetary aggregates have been used. The results show that the effects of monetary gaps in inflation regimes are not same and have also investigated asymmetric. Also, these effects in high inflation regimes are weaker than low inflation regimes that it is opposite with conventional view. This matter could be have the reasons as the interruptions of the monetary policy effects, the instability of money demand and more importantly, reduction in velocity of money due to stagnation in Iran's economy and increase in speculative activities. Therefore, regarding asymmetric effects of monetary policies in high and low inflation regimes suggests that the Central Bank designing the appropriate policies during the regimes. Also, the results show that concerning asymmetric effects, Divisia monetary aggregates compared with the simple sum monetary aggregates is more efficiently. Thus, it seems that Divisia monetary aggregates is a better proxy to examine the role of money in macroeconomic policy.

کلیدواژه‌ها [English]

  • Asymmetric Effect
  • inflation
  • Divisia Monetary Aggregates
  • Markov Switching Method
  • Bayesian Approach
اسلامی بیدگلی، غلام­رضا و باجلان، سعید (1387)؛ آزمون نظریه مقداری پول در ایران و بررسی اثربخشی سیاست تثبیت قیمت­ها با استفاده از مدل‌های گارچ، پژوهشنامه اقتصادی، 8(2)، 205-225.
افشین­نیا، منوچهر (1377)؛ برآورد تأثیر تغییرات بلندمدت حجم پول و نقدینگی بر سطح عمومی قیمتها در ایران، پژوهشنامه بازرگانی، 8(3)، 97-120.
جلالی نائینی، سیداحمدرضا (1376)؛ بررسی روند تورم و سیاست‌های پولی، ارزی و اعتباری در اقتصاد ایران، مؤسسه پژوهش در برنامه‌ریزی و توسعه. تهران.
حسینی­نسب، سیدابراهیم و مهدیه رضاقلی زاده (1389)؛ بررسی ریشه­های مالی تورم در ایران (با تأکید بر کسری بودجه)، پژوهش‌های اقتصادی، 10(1)، 43-70.
داودی، پرویز (1376)؛ سیاست‏های تثبیت اقتصادی و برآورد مدل پویای تورم در ایران، پژوهش‏ها و سیاست‏های اقتصادی، 5(1)، 5-42.
حسینی، سید صفدر و محتشمی، تکتم (1387). رابطۀ تورم و رشد نقدینگی در اقتصاد ایران؛ گسست یا پایداری؟ پژوهش‏های اقتصادی، 8(3)، 21-42.
سهیلی، کیومرث؛ فتاحی، شهرام و سرخوندی، مهناز (1393)؛ بررسی تقارن یا عدم تقارن عملکرد سیاست پولی با استفاده از رگرسیون کوانتایل، مطالعات اقتصاد کاربردی ایران، 3(11)، 187-217.
کازرونی، علیرضا و اصغری، برات (1381)؛ آزمون مدل کلاسیک تورم در ایران: روش همگرایی، پژوهشنامه بازرگانی، 6(23)، 97-139.
نظیفی، فاطمه (1379)؛ آیا ماهیت تورم در اقتصاد ایران پولی است؟ پژوهشنامه اقتصادی، 1(1)، 85-104.
 نیلی، مسعود (1364)؛ بررسی آثار افزایش حجم پول بر نظام اقتصادی کشور در دو دهه اخیر، مجله برنامه و توسعه، 3(1)، 25-47.
Alkhareif, R. and Barnett, W. A. (2012); Divisia monetary aggregates for the GCC countries, MPRA Paper, No. 39539, 1-43.
Anderson, R. G.; Jones, B. and Nesmith, T. (1997); Building new monetary services indices: Concepts, methodology and data, Federal Reserve Bank of St. Louis Review. 79(1), 31-55.
Ang, A. G. and Bekaert, G. (2002); Regime switches in interest rates, Journal of Business and Economic Statistics, 2002, 20(2), 163-182.
Ayuso, J.; Kaminsky, G. L. and López-Salido, D. (2003); Inflation regimes and stabilization policies: Spain 1962-2001, Investigaciones económicas, 27(3), 615-631.
Ball, L. and Mankiw, N. G. (1994); Asymmetric Price Adjustment and Economic Fluctuations, the Economic Journal, 104(423), 247-261.
Barnett, W. A. (1980); Economic monetary aggregates: An application of index number and aggregation theory. Journal of Econometrics, 14(1), 11-48.
Barnett, W. A. (1990); Developments in monetary aggregation theory. Journal of Policy Modeling, 12(2), 205-257.
Barnett, W. A. and Chauvet, M. (2010); How better monetary statistics could have signaled the financial crisis. MPRA Paper, No. 24721, 1-54.
Belongia, M. T. (1996); Measurement Matters: some recent results from monetary economics reexamination. Journal of Political Economy, 104(5), 1065-1083.
Belongia, M. T. and Ireland, P. N. (2006); The own-price of money and the channels of monetary transmission, Journal of Money, Credit and Banking, 38 (2), 429-445.
Binner, J. M.; Tino, P.; Tepper, J.; Andersond, R.; Jones, B. and Kendall, G. (2010); Does money matter in inflation forecasting? Physica A, 389(21), 4793-4808.
Binner, J. M.; Bissoondeeal, R. K.; Elger, C. T.; Jones, B. E. and Mullineux, A. W. (2009); Admissible monetary aggregates for the euro area, Journal of International Money and Finance, 28(1), 99-114.
Cai, J. (1994); A Markov model of unconditional variance in ARCH, Journal of Business and Economic Statistics, 12(3), 309-316.
Cologni, A. and Manera, M., (2009); The asymmetric effects of oil shocks on output growth: A markov-switching analysis for G7 countries. Economic Modeling, 26(1), 1-29.
Drake, L. and Mills, T. (2005); A new empirically weighted monetary aggregate for the United States, Economic Inquiry, 43, 138-157.
Duca, J. and VanHoose, D. (2004); Recent developments in understanding the demand for money, Journal of Economics and Business, 56, 247-272.
Elger, T.; Jones, B. E. and Nilsson, B. (2006); Forecasting with monetary aggregates: recent evidence for the United States, Journal of Economics and Business, 58 (5–6), 428-446.
Estrella, A. and Mishkin. F. S. (1997); Is there a role for monetary aggregates for the conduct of monetary policy?, Journal of Monetary Economics, 40(2), 279-304.
Gerlach, S. and Sevensson, L. E. O. (2003); Money and inflation in the Euro area: A Case for monetary indicators?, Journal of Monetary Economics, 50(8), 1649-72.
Hallman, J. J.; Porter, R. D. and Small, D. H. (1991); "Is the Price Level Tied to the M2 Monetary Aggregate in the Long Run?" American Economic Review, 81, 841-858.
Hamilton, J. D. (1989); A new approach to the economic analysis of nonstationary time series and the business cycle, Econometrica, 57(2), 357-384.
Henry, O. (2009); Regime switching in the relationship between equity returns and short-term interest rates, Journal of Banking and Finance, 33(2), 405-414.
Katircioglu, S. (2009); Tourism, trade and growth: the case of Cyprus, Applied Economics, Taylor & Francis Journals, 41(21), 2741-2750.
Khemiri, R. and Ben Ali, M. S. (2012); Exchange Rate Pass-Through and Inflation Dynamics in Tunisia: A Markov-Switching Approach, Economics Discussion Papers, Kiel Institute for the World Economy, No 2012-39, 1-28.
Kim, C. J. and Nelson, C. R. (1998); Business cycles turning points, a new coincident index and tests of duration dependence based on a dynamic factor model with regime switching, Review of Economics and Statistics, 80(2), 188-201.
Kuzin, V. and Tober, S. (2004); Asymmetric Monetary Policy Effects in Germany, Berlin Discussion Papers, No. 397, 1-15.
Laidler, D. (1991); Price Stability and the Monetary Order, UWO Department of Economics Working Papers, No. 9116, 1-33.
Lumsdaine, R. L. and. Papell, D. H. (1997); Multiple Trend Breaks and the Unit Root Hypothesis, Review of Economics and Statistics, 79 (2), 212-218.
Lawrence, J. C. (1988); Not the inflation forecaster’s Holy Grail, Quarterly Review, Federal Reserve Bank of Minneapolis, 12(3), 18-32.
Lenza, M. (2006); Does money help to forecast inflation in the euro area? DG-Research, European Central Bank.
Lucas, R. (2000); Inflation and welfare. Econometrica, 68(2), 247–274.
Narayan, P. K. (2005); The saving and investment nexus for China: Evidence from cointegration tests, Applied Economics, 37(17), 1979–1990.
Perron, P. (1989); The Great Crash, the Oil Price Shock, and the Unit Root Hypothesis, Econometrica, 57, 1361-1401.
Pesaran, M. H.; Shin, Y. and Smith, R. J. (2001); Bounds testing approaches to the analysis of level relationships, Journal of Applied Econometrics, 16(3), 289-326.
Ricketts, N. and Rose, D. (1995); Inflation, learning and monetary policy regimes in the G-7 economies. Bank of Canada Working Paper, No. 1995, 95-96.
Schunk, D. (2001); The relative forecasting performance of the Divisia and simple sum monetary aggregates, Journal of Money, Credit, and Banking, 33(2), 272–283.
Serletis, A. and Uritskaya, O. Y. (2007); Detecting signatures of stochastic self-organization in US money and velocity measures, Physica A: Statistical Mechanics and its Applications, 385(1), 281-291.
Stock, J. and Watson, M. W. (2006); Why has U.S. inflation become harder to forecast?, NBER Working Paper, No. 12324, 37-53.
Stracca, L. (2004);" Does liquidity matter? Properties of a synthetic Divisia monetary aggregate in the Euro area", Oxford Bulletin of Economics and Statistics, 66(3), 309-331.
Sevensson, L. E. O. (2000); Does the P Model Provide Any Rationale for Monetary Targeting?, German Economic Review, 1(1), 69-81.
Tobin, J. (1972);" Inflation and Unemployment, American Economic Review, 62(1), 1-18.
Zivot, E. and Andrews, D. W. K. (1992); Further evidence on the great crash, the oil price shock, and the unit root hypothesis, Journal of Business and Economic Statistics, 10(3), 251-270.