متغیرهای کلان اقتصاد ایران به تحریم‌های نفتی علیه ایران چگونه واکنش نشان داده‌اند؟ کاربردی از مدل VAR ساختاری با پارامترهای متغیر در زمان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه اقتصاد، دانشکدۀ اقتصاد و علوم اجتماعی، دانشگاه بوعلی‌سینا، همدان، ایران

2 استاد گروه اقتصاد، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

3 دکترای اقتصاد بین‌الملل، گروه مدیریت، مؤسسه آموزش عالی زند شیراز، شیراز، ایران

چکیده

هدف از این مطالعه بررسی چگونگی واکنش متغیرهای کلان اقتصاد ایران به تحریم‌های نفتی علیه ایران است. بدین‌منظور این مطالعه از متودولوژی VAR ساختاری با پارامترهای متغیر در زمان بهره گرفته و از داده‌های فصلی بین سال‌های  1991:Q2-2020:Q2 برای پنج متغیر اساسی شامل: صادرات نفت، نرخ ارز واقعی، تورم، تولید ناخالص داخلی واقعی، و عرضۀ پول استفاده کرده است. براساس مطالعات «نینگ»  (2013)، «پریمیچری» (2005) و «بلانچارد» (2007) در فرآیند واکنش متغیرهای کلان اقتصادی به تحریم‌های نفتی اغلب کشورها، شکست ساختاری وجود دارد. بدین‌معنا که به‌علت بروز برخی تعدیلات و تغییرات در ساختارهای اقتصادی کشورها در طی زمان، مکانیزم انتقال در روابط بین شوک‌های نفتی و متغیرهای کلان اقتصادی ناپایدار بوده و واکنش متغیرهای کلان اقتصادی به تحریم‌های نفتی در طی زمان متغیر می‌باشد؛ درواقع بسیاری از فعالین اقتصادی سعی می‌کنند بتوانند نسبت به شوک‌های نفتی  واکنشی ملایم‌تر نشان‌دهند، بدین‌منظور دست به ایجاد تعدیلاتی آهسته اما مداوم در مقابل شوک‌های نفتی زده و به مرور زمان تمهیداتی مناسب برای مقابله با شوک‌های نفتی در پیش می‌گیرند. تاکنون مطالعات زیادی در زمینۀ بررسی آثار تحریم‌های نفتی بر متغیرهای کلان اقتصادی ایران انجام شده است، اما هنوز مطالعه‌ای که بتواند مکانیزم انتقال در واکنش متغیرهای کلان اقتصادی به شوک‌های نفتی ایران را مدنظر قرار دهد، صورت نگرفته است؛ لذا این مطالعه بر آن است تا بتواند با بهره گرفتن از متودولوژی TVP-SVAR این کمبود در مطالعات قبلی را جبران نماید. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

How Macroeconomic Variables in Iran Did Respond to Oil Sanctions: An Application of Bayesian TVP-SVAR Approach

نویسندگان [English]

  • Somayeh Razzaghi 1
  • Hassan Heidari 2
  • Maryam Barzegar Marvasti 3
1 Assistant Professor, Department of Economics, Faculty of Economics and Social Sciences, Bou Alisina University, Hamadan, Iran
2 Professor, Department of Economics, Faculty of Economics and Management, Urmia University, Urmia, Iran.
3 Ph.D. in International Economics, Department of Management, Zand Shiraz Institute of Higher Education, Shiraz, Iran.
چکیده [English]

This paper investigates the responses of Iran’s macroeconomic variables to the oil embargo against Iran. The article applies a Bayesian time-varying parameter SVAR model along the quarterly data of oil export, real exchange rate, inflation, real GDP and money supply of Iran over the period of 1991:Q2-2020:Q2. Applying time varying parameters in this study helps us to consider the economic structural changes and transition mechanism in analyzing the response of macroeconomic variables to oil embargo. The oil embargo against Iran has been intensified since 2012. To consider the effect of the oil embargo on Iranian macro variables, the model has been estimated in two different periods of time, before and after 2012. The results indicate that the escalation of the oil embargo from 2012 has caused a stagflation period and ends in a decline in real GDP and national currency depreciation. In addition, it has intensified money supply and triggers existing inflation. These results have some policy implications to overcome difficulties raises when the economy faces sanction.

کلیدواژه‌ها [English]

  • Oil Embargo
  • Stagflation
  • Bayesian TVP-SVAR
  • Iran

مراجع

- Bai, J. & Perron, P., 1998, “Estimating and testing linear models with multiple Structural changes”. Journal of Econometrica, 66(1): 47-78.
- Baumeister, C. & Peersman, G., 2012, Time varying effects of oil supply shocks on the US economy.  bank of Canada.
- Blanchard, O. & Gali, J., 2007, “The macroeconomic effects of oil shocks: why are the 2000s so different from the 1970s?”. NBER working paper, 13368.
- Blanchard, O. & Simon, J., 2001, “The long and large decline in U.S. output volatility”. Brookings Papers on Economic Activity, 1: 135–164.
- Canova, F., 1993, “Modeling and forecasting exchange rates with a Bayesian Time-Varying coefficient model”. Journal of economic dynamics and control, 17: 233-261.
- Chen, S., 2009, “Oil price pass-through into inflation”. Energy Economics Journal, 31: 126-133.
- Collier, P. & Godreis, B., 2007, Commodity prices, growth and the natural resource curse: reconciling a conundrum. University of Oxford, Mimeo.
- Cortright, D. & George, L., 2000, The Sanctions Decade: Assessing UN Strategies in the 1990s. Lynne RiennerPublishers.
- Coudert, V.; Mignon,V. & Penot, A., 2008, “Oil Price and the Dollar”. Energy Studies Review, 15(2): 45-58.
- Dawson, J., 2007, “The effect of oil prices on exchange rates: a case study of the Dominican Republic”. Honors projects, 9.
- De Gregorio, J.; Oscar, L. & Christopher, N., 2007, Another Pass through Bites the Dust? Oil Prices and Innovation, Mimeo.
- Doan, A.; Litterman, B. & Sims, A., 1984, “Forecasting and conditional projection using realistic prior distributions”. Econometric reviews, 3: 1-100.
- Fakhari, H.; Salmani, D. & Darayi, M., 2013, “The effect of economic sanctions on the performance of knowledge-based firms”. Journal of science and technology policy, 5(3).
- Farzanegan, M. & Gunther, M., 2009, “The effect of oil price on the Iranian economy”. Energy Economics, 31: 134-151.
- Farzanegan, M. R.; Mohammadikhabbazan, M. & Sadeghi, H., 2015, Effect of oil sanctions on the macroeconomic and household welfare in Iran: New evidence from a CGE model, MAGKS Joint Discussion Paper Series in Economics, No. 07-2015, Philipps-University Marburg, Faculty of Business Administration and Economics, Marburg.
- Fernandez-Villaverde, J.; Rubio-Ramrez, J.; Sargent, J. & Watson, W., 2007, “ABCs (and Ds) of understanding VARs”. The American Economic Review, 97(3): 1021-1026.
- Ferraro, D.; Ken, R. & Barbara, R., 2012, Can oil prices forecast exchange rates? Duke university.
- Gashtasbi, A. & Yusefi, M., 2016, “Assessment of International Sanctions on Iranian Macroeconomic Variables”. Journal of Economic Modeling Research, 7 (25): 129-182.
- Geweke, J., 1992, “Evaluating the accuracy of sampling-based approaches to the calculation of posterior moments”. In: J. M. Bernardo, J. Berger, A. P. Dawid and A. F. M. Smith (eds.) Bayesian Statistics (Oxford:Oxford University Press): 169–193.
- Heidari, H. & Parvin, S., 2008, “Modeling and forecasting Iranian inflation with time varying BVAR models”. Iranian economic review, 37: 59-84.
- Jo, S., 2012, "The effects of oil price uncertainty on global real economic activity. Bank of Canada Working paper 40.
- Kazerooni, A.; Sagafi, R. & Ghorbani, A., 2014, The effect of economic sanctions on Tehran stock market. 23th annual conference of monetary and foreign exchange policies.
- Keshavarz Haddad, Gh.; Abounoori, E. & Jahanil, T., 2020, “Oil Revenue Uncertainty, Sanctions and the Volatility of Macroeconomic Variables”. Iranian Journal of Economic Research, 25 (82): 1-42.
- Kitous, A.; Saveyn, B.; Gervais, S.; Wiesenthal T. & Soria A., 2013, “Analysis of the Iran Oil Embargo”. JRC scientific and policy reports, doi:10.2791/40480
- Koop, G. & Korobilis, D., 2010, Bayesian multivariate time series methods for empirical macroeconomics. university of Strathclyde.
- Litterman, R., 1986, “Forecasting with Bayesian vector auto regressions. Five years of experience”. Journal of Business and Economic Statistics, 4: 25-38.
- Mehrara, M. & Oskoui, K., 2007, “The sources of macroeconomic fluctuations in oil exporting countries: a comparative study”. Economic modeling, 24(74): 365-379.
- Ning, B., 2013, Analyze the effect of oil shocks on the U.S economy in a time-varying parameter structural VAR framework. Raleigh, North Carolina.
- Ozturk, I.; Feridun, M. & Huseyin, K., 2008, Do oil prices affect the USD/YTL exchange rate: evidence from Turkey. Research paper. 115.
- Peersman, G. & Ine Van, R., 2009, “Oil and the Euro Area Economy”. Economic Policy, 24 (60): 603-51.
- Primiceri, E., 2005, “Time Varying Structural Vector Auto regressions and monetary policy”. Review of Economic Studies, 72(3): 821-52.
- Sarantis, N., 2013, On the short-term predictability of exchange rate: a BVAR time varying parameters approach. Center for international capital markets, London metropolitan university, UK.
- Sims, A. & Zha, T., 1998, “Bayesian Methods for Dynamic Multivariate Models”. International Economic Review, 39: 949-968.
- Stock, J. & Mark, W., 2003, “Has the business cycle changedandwhy?”. Federal Reserve Bank of Kansas City: 9-56.
- Tayebi, S. K. & Sadeghi, A., 2017, “The Impacts of International Sanctions and other Factors Affecting Exchange Rate in Iran”. Journal of Economic Research, 52 (120): 641-661.
- Wu, T. & Cavallo, M., 2011, Measuring oil-price shocks using market-based information. Working paper. International Monetary Fund, 12/19.
- Yahyaabadi, A.; Samadi, S. & Jahantighi, M., 2013, Assessing the impact of oil price volatility. exchange rate and economic sanctions on economic growth.1st national E-conference on future perspective of Iranian economy.
- Zaytsev, O., 2010 The impact of oil prices changes on the macroeconomic performance of Ukraine. Kyiv School of economics.
فصلنامه مطالعات اقتصادی کاربردی ایران
دوره 11، شماره 44
انگلیسی
اسفند 1401
صفحه 39-57

فایل ها

هم رسانی

ارجاع به این مقاله

آمار