برازش منحنی بازده اوراق اسلامی دولت در ایران: مقایسه مدل های نلسون-سیگل و اسپلاین
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 9
فایل این مقاله در 48 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECONC-11-2_001
تاریخ نمایه سازی: 21 مهر 1405
چکیده مقاله:
منحنی بازده نقش مهمی در ارزیابی هزینه های بدهی دولت، ریسک و انتظارات نرخ سود دارد. با افزایش اتکای دولت به انتشار بدهی، شناسایی دقیق تر منحنی اهمیت بیشتری می یابد. در ایران تمرکز مطالعات بر اوراق خزانه اسلامی (اخزا/ITBs) بوده است، اما این پژوهش با ترکیب داده های اخزا و اوراق مرابحه دولتی (اراد/GMBs)، منحنی بازده را با مدل های نلسون–سیگل–اسونسن (NSS)، نلسون–سیگل (NS) و اسپلاین برآورد می کند. افزودن اراد سبب بهبود برازش منحنی می شود، هرچند اخزا به تنهایی نیز عملکرد قابل قبولی دارد. در اخزا آزمون دایبولد–ماریانو تفاوت معناداری میان مدل ها نشان نمی دهد، اما در مجموعه ترکیبی (اخزا و اراد)، مدل پایه نسبت به اسپلاین بهتر است، بدون برتری معنادار نسبت به نلسون–سیگل. همخطی در مدل نلسون–سیگل رد و در مدل پایه تایید می شود. در مدل پایه، پویایی عامل سطح (β₀)و شیب (β₁)بررسی و مانا بودند. با توجه به محدودیت تنوع سررسید، حجم پایین معاملات و کوتاه مدت بودن اکثریت اوراق، مدل نلسون–سیگل برای استفاده های آتی توصیه می شود. اقداماتی مانند انتشار اوراق با سررسیدهای متنوع، معرفی ابزارهای کوتاه مدت بدون سودبرگ، اوراق بلندمدت شاخصی، اعلام تقویم انتشار و تقویت هماهنگی وزارت اقتصاد و بانک مرکزی، باعث بهبود کیفیت داده، پیوستگی منحنی و اثربخشی سیاست پولی می شود.
کلیدواژه ها:
اسناد خزانه اسلامی ، اوراق مرابحه دولتی (صکوک دولتی) ، برآورد اسپلاین ، مدل نلسون-سیگل ، مدل سازی ساختار زمانی نرخ سود ، منحنی بازده
نویسندگان
سعید موسوی ثمرین
دانشجوی دکتری اقتصاد پولی، دپارتمان اقتصاد، دانشگاه مفید، قم، ایران.
سیدضیاءالدین کیاالحسینی
استادیار، دپارتمان اقتصاد، دانشگاه مفید، قم، ایران.
سیدمحسن سجادی
استادیار ، دپارتمان اقتصاد، دانشگاه مفید، قم، ایران.
مجید رضایی
استادیار، دپارتمان اقتصاد، دانشگاه مفید، قم، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :