بررسی تأثیر نرخ ارز بر بازده سهام صنعت دارو در بورس اوراق بهادار تهران با استفاده از رهیافت مارکف سوئیچینگ

نوع مقاله: مقاله علمی

نویسندگان

1 استاد گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

2 استادیار گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

3 کارشناس ارشد گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

چکیده

امروزه صنعت دارو به‌لحاظ ارتباط آن با سلامت عمومی و برخورداری از ارزش ویژه اقتصادی، یکی از مهم‌ترین صنایع در بازار سهام محسوب می‌شود؛ بنابراین بهبود شاخص‌های بخش سلامت همواره از اهداف اصلی دولتمردان در جوامع مختلف بوده است؛ از این‌رو، مطالعۀ حاضر می‌کوشد تأثیر نرخ ارز را در بازده سهام صنعت دارو در بورس اوراق بهادار تهران، با استفاده از داده‌های ماهانۀ دوره 1384 تا 1394 و با بهره‌گیری از رهیافت غیرخطی مارکف سوئیچینگ بررسی کند. بدین‌منظور، از میان حالت‌های مختلف الگوی مارکف سوئیچینگ، الگوی MSIH(3)–AR (2) انتخاب شد. نتایج نشان داد در یک الگوی بهینه متشکل از سه رژیم، نرخ ارز، آثار متفاوتی در بازده صنعت دارو در رژیم‌های مختلف دارد؛ بدین‌صورت که ضرایب نرخ ارز در رژیم اول، تأثیر منفی ولی در رژیم‌های 2 و 3 در بازده صنعت دارو در بورس اوراق بهادار تهران، اثر مثبت داشته است. اثر نرخ تورم بخش بهداشت و درمان در رژیم‌های 1 و2 نیز مثبت ولی در رژیم 3 منفی بوده است. علاوه بر این، نتایج نشان می‌دهد پایداری بازده صنعت دارو در رژیم 1 (رژیم با بازده زیاد) نسبت به دو رژیم 2 (رژیم با بازده پایین کم) و رژیم 3 (رژیم با بازده پایین زیاد) بیشتر بوده است؛ ولی نوسان‌های بازده صنعت دارو در رژیم 3 بیشتر از نوسان‌های رژیم‌های 1 و 2 بوده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

An Investigation of the Effect of Exchange Rate on the Pharmaceutical Industry Stock Return in Tehran Stock Exchange: An Application of the Markov Switching Approach

نویسندگان [English]

  • Hasan Heidari 1
  • Yousef Mohammadzadeh 2
  • Arash Refah-Kahriz 3
1 Urmia University, Iran
2 Urmia University, Iran
3 Urmia University, Iran
چکیده [English]

Nowadays, the pharmaceutical industry in terms of its relationship with public health and also the special economic value is considered one of the most important industries in the capital market. Therefore, improvement of the health sector has always been the main objective of the authorities in various countries. Hence, this paper investigates the impact of exchange rate on the pharmaceutical industry stock return in Tehran Stock Exchange by using monthly data from 2005:4 to 2016:2 and applying Markov switching non-linear approach. For this purpose, among the various modes of Markov switching model, MSIH (3) -AR (2) has been selected. The results show that in an optimal model consists of three regimes, and the exchange rate has different impact on the return of the pharmaceutical industry in different regimes. As a result; coefficients exchange rate in the first regime has negative effect, but in regimes 2 and 3 positive effect on the pharmaceutical industry stock return in the Tehran Stock Exchange. Also, the inflation rate of the health sector in the regimes 1 and 2 have a positive effect, but in the regime 3 has a negative effect on the pharmaceutical industry stock return in Tehran Stock Exchange. In addition, the results show that the sustainability of the pharmaceutical industry return in the regime with the high returns (first regime) was more than that of the regime with the little low return (second regime) and that of the regime with the high low returns (third regime). But the volatility of the pharmaceutical industry return in the third regime was more than that of the first and second regimes.

کلیدواژه‌ها [English]

  • Stock market
  • Sustainability
  • Pharmaceutical industry
  • Markov switching model
  • Exchange rate

مقدمه

از الزامات اساسی کشورها برای پیمودن مسیر توسعه، داشتن بازار متشکل و منظم سرمایه است. امروزه نقش این بازار در کنار سایر بازارها برای ایجاد تعادل اقتصادی بر کسی پوشیده نیست. توسعۀ بازارهای اوراق بهادار در دهه‌های اخیر سهم زیادی در رشد و توسعۀ کشورها داشته است ]45[. تأثیر وجود چنین بازاری در عملکرد اقتصاد زیاد است. در چند دهۀ اخیر نیز ضمن تأکید بر تأثیر این بازارها در توسعۀ اقتصادی، توجه بیشتری به آن شده است ]29[. بورس اوراق بهادار از نظر توسعۀ بخش مالی و ارتقای بازار سهام در سیستم مالی کشور ایران، جایگاه ویژه‌ای دارد و کارآمدی و توسعۀ بازار سرمایه به فعال‌بودن این نهاد در کشور وابسته است. دو کارکرد مهم بورس اوراق بهادار را جمع‌آوری پس‌اندازهای اندک و نقدینگی موجود در سطح جامعه و هدایت آنها به سمت فرایند تولید کالا و خدمات در کشور می‌توان ذکر کرد. از بعد سرمایه‌گذاری نیز سرمایه‌گذاران بورس اوراق بهادار، طیف وسیعی از افراد جامعه را تشکیل می‌دهند که همواره در پی کاهش ریسک و افزایش بازده تناسب با قبول ریسک هستند. در این راستا، شناسایی عوامل مؤثر در بازده بورس اوراق بهادار، تأثیر زیادی در تحلیل عمیق‌تر و اتّخاذ تصمیم مناسب‌تر از طرف سرمایه‌گذاران دارد ]11[. بررسی بازده شاخص سهام در بخش صنایع مرتبط با سلامت از جهات مختلفی اهمیت دارد. گفتنی است سلامت، مهم‌ترین دارایی مادی هر انسانی است؛ بنابراین ارزشمندترین سرمایه و ثروت وی محسوب می‌شود؛ از این‌رو، بخش سلامت را از با اهمیت‌ترین بخش‌های هر اقتصادی می‌توان نام برد. بهبود متغیرها و شاخص‌های بخش سلامت، همواره از اهداف اصلی دولتمردان در جوامع مختلف بوده است. علاوه بر این، بخش سلامت به‌دلیل زیادبودن هزینه‌های معامله، نا‌اطمینانی‌های طرف عرضه و تقاضا، عدم تقارن اطلاعات، آثار بیرونی، محدودیت‌های بازار، دخالت گستردۀ دولت و اهمیت کیفیت، تفاوت‌های آشکاری با سایر بخش‌های اقتصادی دارد ]32[. ارزیابی سیاست‌ها و قوانین مصوب در بخش سلامت نیز با بررسی بورس اوراق بهادار، به‌ویژه بورس اوراق بهادار صنایع مرتبط با بخش سلامت، میسر است؛ یعنی آثار قوانین مصوب در بخش سلامت را با ارزیابی اثرگذاری در بازار سهام مرتبط با بخش سلامت می‌توان تجزیه‌ و تحلیل کرد ]24[. صنعت دارو با توجه به نقش مهم آن در بورس اوراق بهادار تهران از لحاظ سودآوری و نقش کلیدی آن در بازار سهام هر کشور و ارزش وجودی آن در سلامت انسان‌ها و به‌تبع آن، اهمیت سلامت نیروی کار به‌عنوان یکی از مهم‌ترین پارامترهای رشد و توسعۀ اقتصادی، یکی از کلیدی‌ترین صنایع هر کشوری محسوب می‌شود. براساس مجلۀ فورچن[1] در سال (2012) در میان صنایع مختلف در دنیا، صنعت دارو بعد از صنعت نفت، گاز و پتروشیمی، دومین صنعت سودآور است که این موضوع به‌خودی‌خود، اهمیت این صنعت را در اقتصاد بیان می‌کند که این روند در سال‌های اخیر نیز ادامه داشته است. مطالعات اخیر (نظیر دانزون و فروکاوا[2]، 2003 [9]؛ دانزون[3] و همکاران، 2005 [10]؛ دوکس[4]، 2002) نشان می‌دهد صنعت دارو، پتانسیل زیادی در بازار سهام دارد؛ زیرا این صنعت، یک صنعت باثبات و کم‌ریسک نسبت به دیگر صنایع است. علاوه‌ بر این، با توجه به اینکه ایران در سال‌های اخیر با مشکل تحریم‌ها مواجه بوده است، رفع این تحریم‌ها از جهات متعددی به عملکرد صنعت دارو کمک می‌کند؛ ازجمله به کاهش هزینه‌های مالی و بهبود اوضاع آن، همکاری با شرکت‌های معتبر خارجی و تولید داروهای مشابه با آنان، ورود سرمایه‌گذاران خارجی به بخش صنعت دارو در داخل و اجرای طرح‌های مختلف برای بهبود اوضاع نظام سلامت می‌توان اشاره کرد. گشایش اعتبار برای شرکت‌های دارویی در چند سال گذشته امکان‌پذیر نبود و این شرکت‌ها به‌اجبار،کلیّۀ پرداخت‌های خود را باید به‌صورت نقدی پرداخت می‌کردند که در این صورت، هزینه‌های مالی آنان تا حدّ زیادی افزایش می‌یافت؛ ولی با رفع تحریم‌های بانکی و دسترسی به سوئیفت[5]، انتظار می‌رود هزینه‌های مالی شرکت‌های مذکور کاهش یابد و سود خالص دریافتی (درآمد قبل از بهره و مالیات) شرکت‌های داروسازی نیز افزایش یابد؛ بنابراین مطالعۀ حاضر، تأثیر دو متغیر مهم نرخ ارز و نرخ تورم بخش بهداشت و درمان را در بازده سهام صنعت دارو در بورس اوراق بهادار تهران بررسی می‌کند.

درادامه، مبانی نظری، مطالعات انجام‌شده دربارۀ موضوع و بعد از آن، الگوی روش پژوهش ذکر می‌شود؛ سپس الگوی پژوهش و داده‌ها و مراحل تخمین و یافته‌های پژوهش بررسی می‌شود. درنهایت، در بخش پایانی، نتیجه‌گیری و پیشنهادها ارائه ‌شده است.

 

مبانی نظری

با توجه به اهمیت ویژۀ بخش سلامت در توسعۀ اقتصادی کشورها، سیاست‌گذاران و برنامه‌ریزان کشورهای مختلف به صنایع مرتبط با این بخش ازجمله صنعت تجهیزات پزشکی و صنعت دارو همواره توجه کرده‌اند ]4،5،47[.کمیسیون اقتصاد کلان سازمان بهداشت جهانی سلامت[6] نیز نقش سلامت را در تأمین امنیت توسعۀ اقتصادی برجسته می‌داند و سرمایه‌گذاری هرچه بیشتر در بخش سلامت را برای کشورهای درحال‌توسعه توصیه می‌کند ]48[. با توجه به رابطۀ نزدیک قیمت خرده‌فروشی محصولات با سلامت افراد جامعه، دولت‌ها همواره می‌کوشند با اعمال انواع قوانین و مقررات (مانند ثبت اختراع)، کنترل تأثیرات شرایط اقتصاد کلان (مانند رشد شاخص تورم مصرف‌کننده) و انتقال تکنولوژی زیاد، زمینه‌های رشد و توسعۀ این صنعت را فراهم آورند ]50[. با توجه به اینکه بازار سرمایه یکی از بازارهای مهم اقتصادی است که در روند توسعۀ صنایع نیز نقش کلیدی دارد، اهمیت بررسی عوامل مؤثر در بازار سرمایۀ صنایع مختلف همواره مدّنظر پژوهشگران و سیاست‌گذاران بوده است. تأثیرپذیری تغییرات قیمت‌های سهام از متغیرهای کلان اقتصادی نظیر نرخ ارز و تورم همواره به‌عنوان یک نظریه پذیرفته شده است. براساس نظریۀ شارپ[7] (1963)، عوامل مؤثر در بازده سهام به دو دسته عوامل درونی و بیرونی تقسیم‌بندی می‌شود. منظور از عوامل درونی یا خرد همان مسائل مربوط به فعالیت‌های درون شرکت‌ها است که تحت کنترل مدیران شرکت‌ها قرار دارند. عوامل بیرونی (عوامل کلان) ازجمله عوامل اقتصادی، سیاسی و فرهنگی خارج از کنترل مدیریت است که در بازده سهام شرکت‌ها تأثیرگذاراست. از این میان، متغیرهای کلان اقتصادی، بیشترین تأثیر را در بازده سهام دارند ]42[. براساس مطالعۀ کورادی[8] و همکاران (2013) عامل 75 درصد از تغییرات بازار سهام در ایالات ‌متحدۀ امریکا به‌دلیل متغیرهای کلان اقتصادی بوده است ]8[. نقش مهم تغییرات نرخ ارز در تغییرات در بازده سهام صنایع مختلف، در مطالعات متعددی نشان شده است؛ ازجمله به مطالعات یانگ و دونگ[9] (2004) برای 7 کشور صنعتی ]49[، فیلاکتس و راوازولا[10] (2005) برای کشورهای حوزۀ اقیانوس آرام ]35[ و پن[11] و همکاران (2007) در بازار سهام 7 کشور آسیای شرقی ]34[ می‌توان اشاره کرد. دیامندیس و دراکوس[12] (2011) نیز نقش نرخ ارز را در تأثیرگذاری قیمت سهام ‌انکارناشدنی نشان دادند و ارتباط بین این دو را مثبت ارزیابی کردند ]12[. برخی مطالعات نیز کوشیدند رابطۀ نرخ ارز و بازده سهام را در شرایط مختلف اقتصادی بررسی کنند؛ مانند لین[13] (2012) که با استفاده از الگوهای خطی ARDL برای بازارهای نوظهور کشورهای آسیایی به این نتیجه رسید که در دوران بحران‌های مالی و آشفتۀ بازار نسبت به دوران آرام بازار سهام، ارتباط بین این دو قوی است و بسیاری از شوک‌های قیمت سهام را ناشی از تغییرات نرخ ارز می‌داند ]31[. به‌علاوه بازده صنایع مختلف بورس اوراق بهادار تهران همواره تحت تأثیر متغیرهای کلان اقتصادی نظیر نرخ ارز و نرخ تورم در دوران رکود و رونق اقتصادی بوده است ]43[. در این مورد، اشکیلی و نگویان[14] (2014) نیز با استفاده از الگوهای تغییر رژیم مارکف نشان دادند نرخ ارز، تأثیر زیادی در بازار سهام در هر دو دورۀ آرام و آشفته در دوران رکود و رونق بازار دارد ]7[. کانال ارتباطی نرخ ارز و بازده سهام بدین‌صورت گفتنی است که شرکت‌های صنایع مدّنظر با افزایش قیمت ارز، توان رقابتی بهتری در صادرات از خود نشان داده و درنتیجه، با افزایش درآمدهای ناشی از صادرات کالا و خدمات در وضعیت بهتری قرار خواهند گرفت که در این صورت، تقاضا برای سهام صنعت مدّنظر افزایش می‌یابد ]43[؛ البته در شرایطی که شرکت‌هایی که در صنایع مختلف، حساسیت زیادی به تغییرات نرخ ارز نشان دهند، در صورت افزایش قیمت ارز، با تغییرات کاهشی در بازده سهام مواجه خواهند شد ]26[. از این نظر در ایران، بازار سهام و بازار ارز، دو بازار جانشین یکدیگر محسوب می‌شوند؛ از این‌رو، رونق در بازار سهام می‌تواند موجب کاهش قیمت سهام شود ]1[. نرخ ارز و نوسان‌های آن و درحقیقت، انتخاب صحیح و بهینۀ نظام ارزی، تأثیر مهمی در صادرات و واردات مواد دارویی در نظام سلامت کشور دارد. به‌طور عمده، دو منبع عرضۀ دارو وجود دارد. یکی، تولیدات شرکت‌های داخلی و دیگری، واردات دارو از کشورهای خارجی. بازار داروی ایران در سال 1393 در حدود یک‌هزار میلیارد ریال بوده است. این بازار از سال 1384 تا سال 1393 با نرخ رشد مرکب سالیانه
30 درصد رشد داشته است. واردات در صنعت داروی ایران، نقش پررنگی دارد؛ به صورتی که یا داروها به‌طور مستقیم وارد می‌شوند و یا بخش زیادی از مواد اولیۀ آنها وارداتی است که نقش نرخ ارز در صادرات و واردات، مهم و تأثیرگذار جلوه می‌کند ]39[. علاوه بر این، نرخ ارز یکی از عوامل کلیدی بین یک اقتصاد کوچک باز و اقتصادهای بزرگ جهان نظیر چین و ژاپن و هند بوده است. این نرخ با بازار کالا و دارایی، روابط بین قیمت‌ها در داخل کشور و قیمت‌های داده‌شده در بازار جهانی را برقرار می‌کند و یک عامل اثرگذار در سیاست‌ها، راهبردها، ساز و کارهای روزانه، ساختار سیاسی، اجتماعی و فرهنگی محسوب می‌شود. به‌علاوه نرخ ارز می‌تواند متغیرهای کلان اقتصادی نظیر قیمت کالاها و خدمات وارداتی در بازار داخلی، قیمت کالاهای سرمایه‌ای وارداتی و ساخته‌شده در داخل و بازده سهام شرکت‌ها را تحت تأثیر قرار دهد ]22[. آگاهی از آثار نرخ ارز می‌تواند دو تأثیر مهم داشته باشد: اول اینکه، به مقامات پولی برای طراحی یک سیاست پولی کارا برای تثبیت قیمت‌ها و افزایش سطح اشتغال کمک کند. دوم اینکه، در تصمیم‌های بنگاه‌ها مانند سرمایه‌گذاری، داد و ستد تأمینی و قرض‌دادن می‌تواند تأثیر فراوانی داشته باشد. نرخ ارز در تحلیل بازارهای مالی و تعیین قیمت نسبی کالاها و خدمات و دارایی‌ها در بازارهای جهانی، نقش مهمی دارد؛ به‌ویژه زمانی که سیستم نرخ ارز انعطاف‌پذیر باشد، نرخ ارز می‌تواند در تراز تجاری و تراز حساب سرمایه تأثیر بگذارد ]19[. دربارۀ ارتباط متغیرهای کلان اقتصادی ازجمله نرخ ارز و بازده سهام در ایران، مطالعات داخلی زیادی وجود دارد که ازجملۀ آنان به مطالعات (نجارزاده و همکاران، 1388؛ ترابی و هومن، 1389؛ طاهری و صفاری، 1390 و جلایی و همکاران، 1395) می‌توان اشاره کرد؛ ولی دربارۀ ارتباط بازده سهام صنعت دارو و نرخ ارز، مطالعۀ خاصی در داخل کشور انجام نشده است. در زمان رخدادها یا بحران‌های مالی و اقتصادی، رفتار بازار سهام در مقایسه با قبل، تغییرات زیادی خواهد کرد که چنین پدیده‌ای به انتقال‌های رژیمی اشاره دارد که با الگوهای سری زمانی خطی تببین‌پذیر نیست ]37[؛ بنابراین با توجه به اهمیت بازده صنعت دارو در اقتصاد، می‌کوشیم با استفاده از داده‌های ماهانۀ مربوط به نرخ‌های ارز و تورم بخش بهداشت و درمان در سال‌های گذشته، رابطۀ متغیرهای مذکور و بازده صنعت دارو را با استفاده از رهیافت مارکف سوئیچینگ تصریح کنیم.

 

مطالعات تجربی

از دیرباز، بررسی رابطۀ متغیرهای کلان اقتصادی و صنایع مختلف در بورس از مباحث جدال انگیز میان پژوهشگران بوده است؛ زیرا نظرات متفاوتی در این مورد وجود دارد؛ بنابراین مطالعه در این زمینه، اهمیت ویژه‌ای دارد؛ ولی با این حال، دربارۀ نرخ ارز و بازده شاخص صنعت دارو در بورس اوراق بهادار تهران در داخل کشور مطالعات زیادی انجام نشده است و پژوهشگران از آن غفلت کرده‌اند. گلید و رملر[15] (۲۰۰۲) نشان دادند متغیرهای مربوط به اقتصاد کلان مانند نرخ ارز، تورم و سیاست مالیاتی در عرضۀ مراقبت‌های بهداشتی و وضعیت سلامت مردمی تأثیرگذار است؛ بنابراین براساس این مطالعه می‌توان استدلال کرد علاوه بر مسیرهایی که در مبانی نظری این مطالعه برای تأثیرگذاری نرخ ارز در وضعیت صنعت دارو در بازار سهام مطرح شد، نرخ ارز با تأثیر در بخش سلامت، می‌تواند در وضعیت بازار دارو و بازار سرمایۀ آن تأثیرگذار باشد ]14[.بوگری[16] (2003) ارتباط متغیرهای کلان اقتصادی و بازده سهام را از دورۀ ژانویۀ ١٩٨٦ تا آگوست ٢٠٠١ برای بازارهای در حال گسترش را مورد مطالعه قرار داد. به‌طور مشخص، این مطالعه به دنبال یافتن پاسخ این پرسش بود که آیا متغیرهای کلان اقتصادی همچون نرخ ارز، نرخ بهره، تولید صنعتی و عرضۀ پول بر بازده مورد انتظار سهام، اثر معناداری دارند؟ بوگری با استفاده از یک الگوی خودرگرسیون‌برداری نشان داد علاوه بر متغیرهای کلان اقتصادی، رفتار بازارهای سرمایه نیز در یکدیگر تأثیر دارد؛ بنابراین، این یافته به سیاست‌گذاران و سرمایه‌گذاران یادآوری می‌کند که در تحلیل بازار سهام، توجه ویژه‌ای بر رفتار بازارهای دیگر سرمایه داشته باشند ]6[. والتی[17] (2005) تأثیر متغیرهای کلان اقتصادی را در بازده بازار سهام برای ٥٠ کشور صنعتی از دورۀ 1997- 1973 بررسی کرد. یافته‌های وی نشان داد تجارت، ادغام مالی، ساختار اقتصادی کشورها، عدم تقارن اطلاعات و سیاست‌های ارزی کشورها عواملی هستند که رفتار بازار سهام کشورها را تحت تأثیر خود قرار می‌دهند؛ بنابراین چنین عواملی، جریان و حرکت همزمانی را بین بازارهای سرمایۀ کشورهای مختلف ایجاد می‌کنند ]46[. کولاری[18] و همکاران (2008)، رابطۀ ریسک نرخ ارز و بازده سهام را در کشور امریکا بررسی کردند. آنان با استفاده از داده‌های بازه زمانی 2002-1973 و با بهره‌گیری از الگوی قیمت‌گذاری دارایی‌های مالی[19] به این نتیجه رسیدند که بازار سهام بر ریسک نرخ ارز بسیار حساس است؛ بدین‌صورت که اثر ریسک نرخ ارز در بازده سهام منفی است ]26[. هسیائو و هلر[20] (۲۰۰۷) نشان دادند نرخ ارز در هزینه‌های واکسن و دارو اثرگذار است. این اثرگذاری می‌تواند در بخش‌های مختلفی ازجمله تورم هزینه‌های بهداشتی، بهره‌وری و کیفیت مراقبت‌های بهداشتی و قیمت سهام باشد ]20[. آگرووال[21] و همکاران (2010) بازده اوراق بهادار هند و نرخ دلار- روپیه را با استفاده از داده‌های روزانۀ اکتبر 2007 تا مارس 2009 با روش علیت گرانجری و همجمعی آزمودند. مطالعۀ آنان نشان داد بین این نرخ ارز و بازده سهام هند، علیت یک‌طرف وجود دارد و ارتباط آنها، منفی معنادار است ]2[. یانگ و ژو[22] (2011) چگونگی تغییرات بازده سهام صنعت دارو را در کشورهای مختلف ارزیابی کردند. هدف این پژوهش، ارائۀ درک درستی از تغییرات بازده صنعت دارو و ارتباط آن با شاخص کل بازار سهام در کشورهای مختلف جهان بود. آنان با استفاده از داده‌های 130 شرکت در
26 کشور جهان از ژانویۀ 2008 تا دسامبر 2010 و با استفاده از تجزیه ‌و تحلیل همبستگی به این نتیجه رسیدند که حرکت بازده صنعت دارو، همبستگی مثبتی با روند تغییرات شاخص کل بازار سهام کشورها دارد ]50[. کبریایی‌زاده[23] و همکاران (2013) رابطۀ بازده سهام 22 شرکت از شرکت‌های داروسازی در بورس اوراق بهادار تهران و عوامل مؤثر در آن را در دورۀ زمانی 2010-2004 با استفاده از الگوی داده‌های تابلویی تجزیه‌ و تحلیل کردند. نتایج مطالعۀ آنان نشان داد 80 درصد تغییر در بازده سهام دارو را با 9 متغیر اساسی همچون نرخ ارز و تورم و ازجمله نسبت بدهی به حقوق صاحبان سهام، سرمایه در گردش به کل دارایی، نسبت جاری، سود خالص و سهم بازار می‌توان توضیح داد ]23[. اشکیلی و نگویان[24] (2014) با استفاده از الگوهای مارکف سوئیچینگ و MS -VAR ارتباط نرخ ارز و بازده سهام را برای کشورهای برزیل، روسیه، هند، چین و آفریقای جنوبی (BRICS) بررسی کردند. آنان نشان دادند ارتباط بین این دو بسیار قوی است؛ به‌گونه‌ای که حتی بازده سهام بر نرخ ارز در رژیم‌های با نوسان کم و نوسان زیاد نیز تأثیرگذار است ]7[. حسین و کایوم خان[25] (2014) با استفاده از روش تصحیح خطا و همجمعی و داده‌های فصلی 2013:1 -2003:1 تأثیر نرخ ارز را در بازده صنعت دارو در کوتاه‌مدت و بلندمدت بررسی کردند. نتایج مطالعۀ آنان، وجود ارتباط بین نرخ ارز و بازده صنعت دارو را در بلندمدت تأیید کرد. به‌علاوه نتایج الگوی تصحیح خطا نشان داد در کوتاه‌مدت بین بازده سهام شرکت‌های چندملیتی دارو در پاکستان و نرخ ارز برحسب دلار ارتباط منفی معناداری وجود دارد ]21[. سنسوی و سوباچی[26] (2014) ارتباط بین نرخ ارز و نرخ بهره را با بازار سهام در کشور ترکیه بررسی کردند. آنان با استفاده از داده‌های متغیرهای مربوط از ژانویۀ 2003 تا سپتامبر 2013 و با بهره‌گیری از روش‌های VAR (P) – FIAPARCH (1,d,1) و CDCC (1,1) به این نتیجه رسیدند که تأثیر شوک نوسان‌های نرخ ارز و نرخ بهره در کوتاه‌مدت در بازار سهام ترکیه مؤثر است؛ ولی در بلندمدت تأثیرگذار نیست؛ بنابراین نیازی نیست سیاست‌گذاران و سرمایه‌گذاران دربارۀ آثار بلندمدت نگران باشند ]40[. شرما[27] (2016) ارتباط نرخ ارز و بازده سهام صنایع مختلف را در بورس اوراق بهادار هند بررسی کرد. او با استفاده از آزمون علیت گرانجری به این نتیجه دست یافت که ارتباط دوطرفه بین نرخ ارز و بازده سهام صنایع مختلف به‌جز دو صنعت دارو و رسانه در بورس اوراق بهادار هند وجود دارد. علاوه بر این، نتایج او نشان داد علیت یک‌طرفه‌ای از سوی نرخ ارز بر بازده صنعت دارو وجود دارد ]41[. یونیتا[28] و همکاران (2016) اثر نسبت‌های سودآوری(ROA, ROE, NPMوGPM) و تورم را در بازده صنعت دارو درBEI  برای دورۀ زمانی 2014-2011 با استفاده از روش داده‌های تابلویی آزمودند. نتایج مطالعۀ آنان نشان داد تا حدی ROA و NPM اثر زیادی در بازده سهام دارند؛ در حالی ‌که ROE، GPM و تورم، اثر زیادی در بازده سهام ندارند ]51[. نجارزاده و همکاران (1388) در بررسی رابطۀ شوک‌های ناشی از نرخ ارز و نرخ تورم با بازده واقعی سهام در بورس اوراق بهادار تهران، با استفاده از رهیافت خودرگرسیونی برداری نشان دادند رابطۀ تعادلی بلندمدت بین شاخص قیمت سهام بورس اوراق بهادار تهران و متغیرهای نرخ ارز و نرخ تورم معنادار است و شوک‌های ناشی از نرخ تورم و نرخ ارز در شاخص قیمت سهام در بلندمدت، تأثیر منفی و در کوتاه‌مدت، تأثیر مثبت دارد ]33[. ترابی و هومن (1389) آثار متغیرهای کلان اقتصادی همچون تولید ناخالص داخلی، حجم پول نرخ بهره و نرخ ارز را در شاخص‌های بازده بورس اوراق بهادار تهران با استفاده از روش همجمعی و داده‌های فصلی 1387-1377 ارزیابی کردند. آنان نشان دادند تولید ناخالص داخلی، حجم پول و نقدینگی از متغیرهای اثرگذار کلیدی در بازده سهام محسوب می‌شوند. علاوه بر این، نرخ ارز و مسکن با توجه به شاخص منتخب در بازده بورس اوراق بهادار تهران اثرگذار است. انتخابات ادواری ریاست جمهوری نیز به‌شدت در بازده سهام مؤثر است ]44[. طاهری و صفاری (1390) رابطۀ نرخ ارز و شاخص قیمت بورس اوراق بهادار تهران را با استفاده از روش ARDL بررسی کردند. آنان با استفاده از بررسی داده‌های ماهانۀ سال‌های 1387-1381 به این نتیجه رسیدند که ارتباط بین این دو، ارتباط مستقیم و مثبتی است ]43[. زینالی و شیلان (1390) تأثیر ساختار سرمایه را در اندازه، نرخ بازده سرمایه و سود هر سهم شرکت‌های پذیرفته‌شدۀ صنعت دارو در بورس اوراق بهادار تهران با استفاده از ضریب همبستگی پیرسون و داده‌های 1388-1386 شرکت‌های دارویی بررسی کردند. یافته‌های این مطالعه نشان داد شرکت‌های موجود در گروه دارو، ساختار مالی یکسانی دارند. همچنین رابطۀ معناداری میان ساختار مالی شرکت‌ها و نرخ بازده سرمایه‌گذاری و عایدی هر سهم وجود ندارد ]52[. سحابی و همکاران (1394) با استفاده از داده‌های 15/6/1390- 15/1/1380 ارزش در معرض ریسک بازده سهام دو صنعت دارو و کانه‌های فلزی را با استفاده از تحلیل موجک و سری‌های زمانی تحلیل کردند. آنان نشان دادند سرمایه‌گذاری در صنعت دارو، ریسک کمتری دارد ]38[. جلایی و همکاران (1395) تأثیر عبور نرخ ارز را در بازده سهام در بورس اوراق بهادار تهران بررسی کردند. آنان داده‌های 1390-1350 نمونه‌ای از 52 شرکت پذیرفته‌شده در بورس را انتخاب و با استفاده از روش OLS و داده‌های تابلویی، روابط را تجزیه ‌و تحلیل کردند. نتیجۀ مطالعۀ آنان نشان داد اثر عبور نرخ ارز در بازده سهام مثبت است و دلیل این امر نیز شوک‌های ارزی و وجود شرکت‌های صادراتی در بورس و افزایش بازده این شرکت‌ها است ]22[. عباسی‌نژاد و همکاران (1396) پویایی‌های رابطۀ متغیرهای کلان و شاخص بازار سهام را بررسی کردند. آنان با استفاده از داده‌های ماهانۀ 1381 تا 1392 و با بهره‌گرفتن از الگوی VARX-DCC-GARCH به این نتیجه رسیدند که متغیرهای نرخ ارز، تورم و قیمت نفت، هر سه، اثر مثبتی در بلندمدت در شاخص سهام دارند. همچنین در کوتاه‌مدت، شوک‌های قیمت نفت نسبت به دیگر متغیرها، تأثیرگذاری بیشتری در شاخص سهام دارد ]1[.

 

روش پژوهش

الگوی مارکف سوئیچینگ یکی از مشهورترین الگو‌های غیرخطی سری زمانی است که برای نخستین بار، کوانت و گلدفلد[29] (1973) مطرح کردند؛ سپس همیلتون[30]، آن را در سال 1989 گسترش داد. این الگو به الگوی تغییر رژیم نیز معروف است. دلیل استفاده از واژۀ تغییر رژیم این است که یک متغیر سیاستی امکان دارد در دوره‌ای از زمان، یک رفتار و در دوره‌ای، رفتار متفاوتی از دورۀ قبل از خود نشان دهد؛ بنابراین اگر در بررسی رفتار متغیر مدّنظر، این موضوع در نظر گرفته نشود، نتایج تورش داری به دست خواهد آمد. یکی از خصوصیات بارز الگوی مارکف سوئیچینگ این است که در این الگو، اجازۀ تغییر در هر نقطه از زمان و به هر تعداد وجود دارد. همچنین ویژگی دیگر این الگو آن است که فرایند تغییر رژیم در این الگو به یک متغیر وضعیت بستگی دارد که از ویژگی‌های زنجیرۀ مارکف مرتبۀ اول[31] پیروی می‌کند؛ به بیانی دیگر، مقدار آخرین متغیر وضعیت تنها به مقدار این متغیر در دورۀ قبل بستگی دارد؛ اما این الگو یک مزیت بسیار مهم دارد و آن انعطاف‌پذیری است؛ بدین‌صورت که امکان درنظرگرفتن تغییرات واریانس بین فرایندها را همراه با تغییر در میانگین را ممکن می‌کند. الگو‌های مارکف سوئیچینگ با داشتن ساختارهای پویا برای تحلیل روابط غیرخطی سری‌های زمانی به کار گرفته می‌شوند. پویایی این الگو‌ها به متغیر حالت (مشاهده‌نشدة (  وابسته است. سری زمانی  به‌شکل نرمال با میانگین  در هر رژیم و با احتمال k توزیع ‌شده است؛ بنابراین درصورتی‌که الگوی مارکف سوئیچینگ در حالت سه‌رژیمه و p وقفه باشد، به‌صورت MS-AR(3) و مطابق با رابطۀ (1 و2) تعریف می‌شود:

(1)

 

(2)

 

‌که در آن،  سری زمانی مدّنظر؛ μ میانگین متغیر مدّنظر و ai نشان‌دهندۀ پارامترهای الگو است ]27[.
st یک متغیر تصادفی است و تغییرات آن به تغییر ساختار معادله منجر می‌شود؛ از این‌رو، بهتراست نحوۀ تغییر متغیر وضعیت st مشخص شود؛ بنابراین در الگو‌های MS فرض می‌شود متغیر وضعیت (st) از زنجیرۀ مرتبۀ اول مارکف تبعیت می‌کند که در آن رژیم جاری به رژیم دورۀ قبل آن (St-1) وابسته و به‌شکل زیر است:

=j =|

(3)

که در آن، pij نشان‌دهندۀ احتمال انتقال از St-1 به St = j است. با درنظرگرفتن این احتمالات برای m رژیم، ماتریس احتمال انتقالات (p) را که یک ماتریس  است، به شکل زیر می‌توان تعریف کرد ]28[:

                و   I  وj=1,2,….m  و     

(4)

در الگو‌های MS پارامترهای الگو به متغیر وضعیت (St) وابسته است و St دیدنی نیست و فقط احتمال مربوط به آن را می‌توان پیش‌بینی کرد؛ بنابراین احتمال قرارگرفتن در هر کدام از سه رژیم در دورۀ t را با توجه به اطلاعات موجود در دورۀ t-1 با بردار زیر می‌توان نمایش داد:

(5)

 

که اجزای مربوط به آن شامل  و j=1,2,3. احتمال فیلترشدۀ[32] tامین مشاهده با رژیم j با درنظرگرفتن اطلاعات در دورۀ t-1 است. برای به‌دست‌آوردن تابع حداکثر راست‌نمایی در الگو‌های MS لازم است  را به‌عنوان بردار در اینجا برای یک الگوی سه‌رژیمی خواهیم داشت:  که عنصر jام آن چگالی شرطی برای سه رژیم به‌شکل زیر در نظر گرفت:

(6)

 

با درنظرگرفتن نکات فوق، احتمال توزیع مشترک  و را به‌صورت زیر می‌توان نشان داد:

(7)

 

از این‌رو، تابع چگالی شرطی برای سه رژیم به‌صورت زیر خواهد بود:

(8)

 

که در آن  به قرار زیر است:

(9)

 

و

(10)

 

که در رابطۀ بالا p ماتریس احتمالات انتقالات از دورۀ t-1 به دورۀ t است و  ضرب عنصر به عنصر را نشان می‌دهد ]17[.

احتمال  را به‌صورت نسبت توزیع مشترک  به توزیع حاشیه‌ای  محاسبه می‌کند که توزیع حاشیه‌ای از جمع توزیع مشترک بر وضعیت‌های T...1،2 به دست می‌آید. برای به‌دست‌آوردن احتمالات پیش‌بینی رژیم‌ها در وضعیت‌های مختلف در دورۀ بعدی کافی است آن را در ترانسپوزۀ ماتریس احتمال انتقال ضرب کنیم. سرانجام تابع لگاریتم راست‌نمایی L(  را به‌شکل زیر می‌توان نمایش داد ]18،25[:

(11)

 

(12)

 

الگو‌های مارکف سوئیچینگ با درنظرگرفتن اینکه کدام قسمت الگوی اتورگرسیو وابسته به رژیم باشند و تحت تأثیر آن انتقال یابند، به انواع مختلفی طبقه‌بندی می‌شوند. آنچه در مطالعات اقتصادی بیشتر مدّنظر قرار گرفته است، شامل چهار حالت الگو‌های مارکف سوئیچینگ در میانگین (MSM)، پارامترهای اتورگرسیو (MSA)، ناهمسانی در واریانس (MSH) و عرض از مبدأ (MSI) است. با توجه به این واقعیت که براساس نظریه‌های اقتصادی و مشاهدات تجربی، بیشتر متغیرهای اقتصادی، رفتار غیرخطی دارند، با استفاده از الگو‌های یادشده، اینگونه متغیرها را به‌صورت غیرخطی می‌توان الگو‌سازی کرد.

حالت کلی انواع مختلف الگوهای اتورگرسیو مارکف سوئیچینگ را با استفاده از الگوی اتورگرسیو خطی می‌توان تبیین کرد که در جدول زیر بیان شده است.

در جدول زیر، n نشان‌دهندۀ تعداد رژیم و p تعداد وقفه است و اگر  یک فرایند AR(P) و  مقادیر 1.2….n را اختیار کنند، آنگاه می‌توان نوشت ]19[:


جدول (1) حالت‌های مختلف الگوی مارکف سوئیچینگ

بخش وابسته به رزیم

توزیع جملات اخلال

معادله

نام الگو

میانگین

 iid(0,

(

MSM (n)-AR(p)

عرض از مبدأ

 iid(0,

c (

MSI (n)- AR(p)

ضرایب جملات خود بردار

 iid(0,

c (

MSA (n)-AR(p)

واریانس جملات خطا

 iid(0,

c

MSH (n)-AR(p)

 

 

داده‌های ماهانه مربوط به نرخ ارز از بانک اطلاعات سری زمانی بانک مرکزی و نماگرهای اقتصادی، نرخ تورم ‌بخش بهداشت و درمان از مرکز آمار و داده‌های مربوط به صنعت دارو از بورس اوراق بهادار تهران اخذ شده است. داده‌های استفاده‌شده به‌صورت ماهانه و از فروردین‌ماه 1384 تا بهمن‌ماه 1394 است و کلیّۀ تخمین‌های این مطالعه با نرم‌افزارهای Eviews (برای بیان آماره‌های توصیفی و آزمون‌های ریشه واحد)، GAUSS (برای آزمون ریشه واحد لی و استرازیسیچ) و Ox Metrics (مراحل برآورد الگوی مارکف سوئیچینگ) انجام شده است. نحوۀ محاسبۀ بازده صنعت دارو در بورس اوراق بهادار تهران بدین‌شرح است:

 

الگوی پژوهش مطابق با مطالعات انجام‌شده در این زمینه، براساس مطالعۀ کبریایی‌زاده و همکاران (2013)، اشکیلی و نگویان (2014) و شرما (2015) در قالب رابطۀ زیر بررسی می‌شود ]7،23،41[:

 

(13)

که در رابطۀ بالا،  (بازده صنعت دارو در بورس اوراق بهادار تهران)،  (لگاریتم نرخ ارز بازار آزاد) و ( لگاریتم نرخ تورم بخش بهداشت و درمان) است.

آماره‌های توصیفی متغیرهای پژوهش بدین شرح است که متغیرهای مدّنظر برای بازۀ زمانی 1384 تا 1394 به‌صورت ماهانه انتخاب شده‌اند و میانگین متغیرهای بازده صنعت دارو 0/90، لگاریتم نرخ ارز 9/61 و لگاریتم نرخ تورم بخش بهداشت و درمان 0/05- است. علاوه بر این، میزان انحراف معیار متغیرهای بازده صنعت دارو، لگاریتم نرخ ارز و لگاریتم نرخ تورم بهدشت و درمان به‌ترتیب، 2/47، 0/56 و 0/85 است.

 

یافته‌ها

قبل از برآورد الگو، باید داده‌ها ازلحاظ پایایی آزمون و بررسی شود. برای بررسی فرضیۀ وجود یا نبود ریشه واحد در سری‌های زمانی، آزمون‌های متعددی وجود دارند که از مهم‌ترین آنها آزمون ریشه واحد دیکی فولر تعمیم‌یافته (1ADF)، آزمون فیلیپس پرون(2PP)، آزمون 3GLS-DF، آزمون Ng-Perron و آزمون 4KPSS را می‌توان نام برد. از میان آزمون‌های ذکرشده، از آزمون‌های ADF، PP و KPSS در دو حالت با عرض از مبدأ و روند و با عرض از مبدأ بدون روند استفاده ‌شده است. با این توضیح که فرضیۀ صفر آزمون KPSS برخلاف آزمون‌های دیگر، نبود ریشه واحد (مانایی) است.


جدول (2) نتایج آزمون‌های ریشه واحد PP, KPSS ، ADF

نتیجه

با عرض از مبدأ و با روند

با عرض از مبدأ و بدون روند

 

KPSS

PP

ADF

KPSS

PP

ADF

متغیرها

I(0)

I(0)

I(0)

I(0)

I(0)

I(0)

I(0)

Return Pharma

I(1)

I(1)

I(1)

I(1)

I(1)

I(1)

I(1)

LER

I(0)

I(0)

I(0)

I(0)

I(0)

I(0)

I(0)

LHealth Inf

 

 

نتایج جدول بالا نشان می‌دهد متغیر بازده سهام صنعت دارو در بورس اوراق بهادار تهران(Return Pharma) و نرخ تورم ‌بخش بهداشت و درمان (LHealth Inf) در هر سه آزمون و در سطح با عرض از مبدأ و روند و بدون روند، ایستا و جمعی از درجه صفر هستند؛ اما نرخ ارز در هر سه آزمون و در سطح با

 

1. Augment Dickey – Fuller

2. Phillips-Perron

3. GLS-Detrended Dickey-fuller

عرض از مبدأ و روند و بدون روند، جمعی از درجۀ‌ یک است؛ اما از آنجا که وجود ریشه واحد در متغیرهای مدّنظر ممکن است به‌دلیل لحاظ‌نکردن شکست ساختاری در روند این متغیرها وجود داشته باشد، آزمون ریشه واحد لی و استرازیسیچ (2003) با توانایی لحاظ دو شکست ساختاری درون‌زا بررسی

 

4. Ng- Perron

5. Kwiatkowski – Philips Schmidt – Shin

توانایی لحاظ دو شکست ساختاری درون‌زا بررسی شده است ]30[. در این جدول، K حداکثر تعداد وقفۀ بهینه‌ای است که در الگو لحاظ شده است. دو زمان شکست ساختاری TB1 و TB2 نیز به‌صورت درون‌زا در داخل الگو مشخص شده است؛ بنابراین برای بررسی دقیق‌تر مانایی متغیرهای مدّنظر از آزمون لی و استرازیسیچ (2003) با لحاظ دو شکست ساختاری درون‌زا استفاده شده است.


جدول (3) نتایج آزمون ریشه واحد لی و استرازیسیچ

نتیجه

t-stat(s)

K

TB2

TB1

متغیرها

I(0)

92/7-

1

(9)1392

(3)1391

Return Pharma

I(0)

62/6-

8

(8)1391

(11)1389

LER

I(0)

58/6-

8

(8)1391

(11)1389

LHealth INF

 

 

همانگونه که مشاهده می‌شود، براساس نتایج جدول آزمون لی و استرازیسیچ و با درنظرگرفتن مقادیر بحرانی که در سطوح 1، 5 و 10 درصد که به‌ترتیب برابر با 82/5- ، 28/5- و 98/4- است، تمامی متغیرهای به‌کاررفته در این الگو در سطح مانا است.

 

استراتژی انتخاب الگوی بهینه

الگوی مارکف سوئیچینگ، حالت‌های متعددی دارد که هر یک از این حالت‌ها جزء خاصی از معادله وابسته به رژیم‌ها است؛ بنابراین برای اینکه بهترین حالت از الگوی مذکور را بتوان انتخاب کرد، به گذراندن مراحلی برای انتخاب بهترین حالت نیاز است؛ بنابراین در این بخش برای انتخاب بهترین حالت الگوی مارکف سوئیچینگ، مراحل زیر را انجام می‌دهیم.

 

آزمون وجود روابط غیرخطی بین داده‌ها

برای تعیین روابط بین متغیرها از آزمون نسبت درست‌نمایی استفاده شده است که این آزمون به‌صورت توزیع کای‌دو برحسب تعداد پارامترها تعریف می‌شود . درحقیقت، فرضیۀ صفر، نبود انتقالات رژیمی در الگو است و چنانچه فرض صفر رد شود، نشان‌دهندۀ وجود رابطۀ غیرخطی بین متغیرها است که این عمل در صورتی رخ می‌دهد که درجه آزادی این توزیع برابر با تعداد پارامترهای مزاحم به‌علاوۀ تعداد محدودیت‌های خطی اعمال‌شده باشد ]3[.

جدول (4) نتایج آزمون غیرخطی‌بودن داده‌‌های متغیرها

ارزش احتمال

مقدار LR test

(000/0)

63/146

 

با توجه به نتایج پژوهش با توجه به اینکه مقدارآمارۀ LR linearity test برابر با 63/146 است و عدد سطح معناداری مربوط به آمارۀ DAVIES کمتر از 05/0 است، وجود ارتباط غیرخطی بین متغیرها تأیید می‌شود.

 

تعیین درجۀ تأخیر بهینه (AR)

پس از بررسی اینکه ارتباط بین متغیرها، ارتباطی غیرخطی است و استفاده از الگوهای غیرخطی نسبت به الگوهای خطی مناسب‌تر است، حالت‌های مختلف وقفه‌ها برآورد می‌شود تا وقفه‌ای برگزیده شود که کمترین مقدار را ازنظر معیارهای آکائیک و شوارتز بیزین داشته باشد که براساس این معیارها، وقفۀ مناسب برای برآورد الگو، وقفۀ 2 به دست آمد.

جدول (5) نتایج معیارهای آکائیک و شوارتز برای تعیین وقفۀ بهینۀ الگو

SBC

AIC

وقفه

27/4

09/4

1

08/4

84/3

*2

35/4

03/4

3

* وقفه بهینه

 

تعیین حالت و رژیم بهینۀ الگوی مارکف سوئیچینگ

برای تعیین تعداد رژیم بهینه در الگوی مارکف سوئیچینگ با توجه به وجود پارامترهای مزاحم در فرضیۀ صفر، آزمون نسبت راست‌نمایی (LR) توزیع استاندارد نخواهد داشت که این امر سبب می‌شود از این آزمون برای تعیین تعداد رژیم بهینه نتوان استفاده کرد ]28[؛ اما با ‌وجود این، در بیشتر مطالعات تجربی، تعداد رژیم‌ها براساس شناخت پژوهشگر از متغیرها تعیین می‌شود. این مطالعه، با توجه به نتایج شبیه‌سازی‌های مونت کارلو که نشان داد معیار آکائیک در مقایسه با مقدار تابع راست‌نمایی، شاخص مناسب‌تری برای تعیین تعداد رژیم‌ها است و مطالعۀ ساراداکیس و اسپاگنولو[33]، 2003) که نشان دادند استفاده از معیار آکائیک، تعداد رژیم بهینه را به‌صورت دقیق مشخص می‌کند، رژیم بهینه در مارکف سوئیچینگ را بررسی کرد ]36[. این مطالعه، در این زمینه نشان می‌دهد در مواردی که تعداد مشاهدات مدّنظر و تغییرات در پارامترها به اندازۀ کافی بزرگ باشند، استفاده از معیار آکائیک، تعداد رژیم‌ها را درست تعیین می‌کند؛ بنابراین در مطالعۀ حاضر نیز با توجه به زیادبودن حجم نمونه (131 مشاهده) از معیار اطلاعاتی AIC استفاده شده است. نتایج آمارۀ AIC تعداد رژیم بهینۀ 3 را تعیین کرد. اکنون بعد از تعیین تعداد رژیم، حالت‌های مختلف الگوی مارکف سوئیچینگ تخمین زده می‌شود؛ سپس در بررسی حالت‌های مختلف با درنظرگرفتن معیارهایی نظیر داشتن بیشترین ضرایب معنادار به‌ویژه برای اجزای وابسته به رژیم، مقدار لگاریتم حداکثر راست‌نمایی (هرچه بزرگ‌تر باشد، الگومدل مناسب‌تر است)، نقض‌نکردن فرضیه‌های کلاسیک و نیز آزمون‌های تشخیصی، آزمون‌های نرمالیتی خطاها، ناهمسانی واریانس و معناداربودن ضرایب تخمین‌زده‌شده و از همه مهم‌تر، انتخاب الگوهایی که برای ساختار اقتصاد ایران توجیه‌پذیر باشد، الگوی بهینه انتخاب می‌شود که براساس این، از میان الگوهای مناسب، الگوی بهینۀ MSIH(3)-AR (2) انتخاب شد.

 

برآورد الگوی بهینه و تحلیل نتایج

همانگونه که بیان شد، الگوی انتخابی مطالعۀ حاضر با استفاده از روش حداکثر راست‌نمایی، حالت MSIH(3)-AR (2) از میان حالت‌های مختلف الگوی مارکف سوئیچینگ است که نتایج آن در جدول زیر آورده شده است. نتایج حاصل از برآورد پارامترهای مربوط به الگو نشان داد دورۀ زمانی مدّنظر بازده سهام صنعت دارو به سه رژیم تفکیک‌شدنی است؛ به‌گونه‌ای ‌که عرض از مبدأ در رژیم 1 برابر با 02/1، در رژیم
2 برابر با 15/3- و در رژیم 3 برابر با 60/13- است. با توجه به اینکه در الگوهای مارکف سوئیچینگ دربارۀ بازار سهام با توجه به مقدار عرض از مبدأ، نوع رژیم‌ها مشخص می‌شود، بدین‌صورت که رژیم با عرض از مبدأ منفی، نشان‌دهندۀ رژیم با بازده کم و رژیم با عرض از مبدأ مثبت، نشان‌دهندۀ رژیم با بازده زیاد است؛ بنابراین براساس این، رژیم یک، رژیم با بازده بالا و رژیم‌های 2 و 3 به‌ترتیب، رژیم با بازده پایین کم و رژیم با بازده پایین زیاد است. به‌علاوه ضرایب وقفۀ اول بازده سهام صنعت دارو در هر سه رژیم، تأثیر مثبتی در بازده صنعت دارو دارد؛ ولی ضرایب وقفۀ دوم در رژیم‌های 1 و2 اثر منفی ولی در رژیم 3 تأثیر مثبت در بازده صنعت دارو دارد؛ به‌عنوان‌ مثال، یک ‌درصد افزایش در بازده صنعت دارو در رژیم یک به کاهش 16 درصد بازده سهام صنعت دارو در ماه دیگر و افزایش 28 درصد در دو ماه بعد منجر خواهد شد؛ به ‌بیان‌دیگر، اثر تغییر در بازده سهام صنعت دارو در طول زمان تغییر می‌یابد؛ بنابراین درصدی از تغییرات بازده صنعت دارو از تغییرات خود متغیر توضیح داده می‌شود که مطابق یافته‌های بوگری در سال 2003 برای کل بازار سهام است. علاوه بر این، نرخ ارز در رژیم اول، تأثیر منفی و معنادار در بازده صنعت دارو دارد؛ ولی در رژیم‌های 2 و3 این اثر مثبت است؛ بنابراین نرخ ارز، آثار متفاوتی در بازده صنعت دارو در بورس اوراق بهادار تهران دارد. علاوه بر این، نتایج نشان می‌دهد نرخ تورم بخش بهداشت و درمان نیز آثار متفاوتی در بازده سهام صنعت دارو در رژیم‌های مختلف دارد؛ بدین‌صورت که اثر نرخ تورم بخش بهداشت و درمان در رژیم‌های 1 و 2 و3 به‌ترتیب، مثبت، مثبت و منفی است. علاوه بر این با توجه به نتایج به‌دست‌آمده انحراف معیار رژیم 1 برابر با 33/1 و رژیم 2 برابر با 009/0 و رژیم 3 برابر با 41/1 است که این مطلب نشان می‌دهد نوسان‌های رژیم 3 (رژیم با بازده پایین زیاد) نسبت به رژیم‌های 2 (رژیم با بازده پایین کم) و 1 (رژیم با بازده بالا) بیشتر است.


جدول (6) نتایج برآورد الگو MSIH(3)-AR(2)

رژیم 3

رژیم 2

رژیم 1

متغیر

آمارۀ t

ضریب

آمارۀ t

ضریب

آمارۀ t

ضریب

54/7-

*60/13-

9/61-

*15/3-

82/1

***02/1

 

8/15

*92/0

366

*74/0

6/22

*28/0

 

90/1

***09/0

9/49-

*20/0-

11-

*16/0-

 

60/8

*65/1

9/65

*34/0

72/1-

***099/0-

 

36/7-

*43/0-

3/38

*12/0

31/6

*32/0

 

31/7

*41/1

60/5

*009/0

78/9

*33/1

 

50/192-

 

63/146

 

000/0

 

] (44/0)  [ 89/0

 

] (72/0)   [ 65/30

 

* ، ** و *** به ترتیب معناداری در سطح 1% ، 5% و 10%  هستند.

 

برای دانستن اینکه الگوی برآوردشده، الگوی بهینه است، الگوی برآوردشده باید برازش مناسبی بر داده‌ها داشته باشد. در نمودار 1 که نمودار الگوی تخمینی است، خط آبی نمودار برازش‌شدۀ الگو و خط قرمز نمودار واقعی الگو است. همانگونه که مشاهده می‌شود، الگوی برازش‌شده، الگوی واقعی را پوشش داده است که این مطلب نشان می‌دهد الگوی تخمینی، بهینه است.


 

نمودار (1) روند مقادیر واقعی برازش‌شده و احتمالات پیش‌بینی بازده سهام صنعت دارو

 

 

جدول 7 ویژگی‌های هر یک از رژیم‌ها را نشان می‌دهد. ستون اول آن، تعداد مشاهداتی را نشان می‌دهد مجموع ماه‌های بررسی‌شده در هر یک از رژیم‌ها قرار دارد. ستون دوم، احتمال قرارگرفتن در رژیم مدّنظر را و ستون سوم، میانگین طول دوره‌ها را نشان می‌دهد که مشاهدات به‌طور پیاپی در رژیم مدّنظر قرارگرفته‌اند.


جدول (7) ویژگی‌های هر یک از رژیم‌ها

میانگین دورۀ قرارگرفتن در هر رژیم

احتمال قرارگرفتن در هر رژیمبه درصد

تعداد مشاهدات قرارگرفته در هر رژیم

نوع رژیم

34/2

97/53

68

رژیم 1 (رژیم با بازده بالا)

1

48/19

25

رژیم 2 (رژیم با بازده پایین کم)

50/1

19/26

33

رژیم 3 (رژیم با بازده پایین زیاد)

 

 

همانگونه که جدول بالا نشان می‌دهد، تعداد فصولی که در رژیم یک قراردارد و میانگین دورۀ قرارگرفتن در رژیم یک، بیشتر از رژیم‌های 2 و3 است؛ بنابراین اگر به‌طور تصادفی، یکی از مشاهدات را انتخاب کنیم، گفتنی است به ‌احتمال 54 درصد در رژیم یک (رژیم با بازده بالا) قرار خواهد داشت. همۀ این مطالب نشان می‌دهد بازده صنعت دارو در رژیم با بازده بالا بیشتر از رژیم‌های دیگر بوده است. براساس احتمالات تخمین‌زده‌شده برای هر مشاهده براساس نمودار 2، تعلق هر مشاهده را به رژیم‌های 1و 2 و3 می‌توان تعیین کرد؛ با این توضیح که احتمال‌های فیلترشده از اولین مشاهده تا tامین مشاهده و احتمالات هموارشده با استفاده از کل مشاهدات به دست می‌آید. همانگونه که مشاهده می‌شود، مجموع احتمالات برای هر ماه برابر یک است؛ به ‌عبارت ‌دیگر، دادۀ ماه مدّنظر در رژیم‌ 1، 2 و یا 3 می‌تواند قرار داشته باشد.

 

 

نمودار(2) نمودار رژیم‌ها براساس احتمالات فیلترشده، هموارشده و پیش‌بینی الگوی MSIH(3)-AR(2)

 

 

در ضمن جدول 8، احتمالات انتقال از یک رژیم به رژیم دیگر را نشان می‌دهد. عناصر قطر اصلی، نشان‌دهندۀ پایداری رژیم‌ها و بقیۀ عناصر، نشان‌دهندۀ احتمالات تغییر رژیم است.


جدول (8) احتمال ثبات و انتقال رژیم‌ها

رژیم 3 و دورۀ t

رژیم 2 و دورۀ t

رژیم 1 و دورۀ t

32/0

73/0

54/0

رژیم 1 و دورۀ t+1

30/0

26/0

20/0

رژیم 2 و دورۀ t+1

38/0

01/0

26/0

رژیم 3 و دورۀ t+1

 

 

همانگونه که مشاهده می‌شود، به‌عنوان مثال، چنانچه بازده سهام صنعت دارو در دورۀ t در رژیم یک قرار داشته باشد، به احتمال 54 درصد در دورۀ t+1 نیز در رژیم یک قرار خواهد داشت و به احتمال 20 درصد به رژیم 2 و به احتمال 26 درصد به 3 در دورۀ t+1 منتقل خواهد شد؛ از این‌رو، جدول بالا نشان می‌دهد پایداری رژیم 1 نسبت به رژیم‌های 2 و3 بیشتر و رژیم 2 ناپایدارتر از دو رژیم دیگر است.

علاوه بر این آزمون‌های خودهمبستگی با توابع خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF) مربوط به معادلات 11 و 12 در نمودار زیر آورده شده است. توابع خودهمبستگی و خودهمبستگی جزئی در نمودار 3 در محدودۀ 5/0 تا 5/0- قرار دارند؛ بنابراین نبود خودهمبستگی در پسماندها تأیید می‌شود.

 

 

نمودار (3) نمودار پسماندهای استاندارد توابع ACF و PACF مربوط به بازده صنعت دارو

 


نتیجه‌گیری و پیشنهادها

صنعتدارو به‌دلیل ارتباط مستقیم آن با سلامت فرد، از مهم‌ترین صنایع استراتژیک جهان است که نقش مهمی در سلامت و ایمنی جامعه دارد؛ از این‌رو، همواره اقتصاددانان، مدیران و سیاست‌گذاران به آن توجه کرده‌اند. عوامل مختلفی، بازده صنعت دارو را تحت تأثیر قرار می‌دهد که یکی از مهم‌ترین آنان، نرخ ارز است. این مطالعه به‌دلیل وجود اهمیت صنعت دارو در اقتصاد کشور، نحوۀ تأثیرگذاری نرخ ارز در بازده صنعت دارو در بورس اوراق بهادار تهران را در رژیم‌های متفاوت بررسی و آزمون می‌کند. در همین راستا، با استفاده از داده‌های ماهانۀ 1394:11-1384:1، و از رهیافت غیرخطی مارکف سوئیچینگ استفاده شده است. ابتدا داده‌ها از نظر مانایی با استفاده از آزمون‌های ریشه واحد بدون شکست ساختاری ADF، PP و KPSS بررسی شدند؛ ولی از آنجایی که آزمون‌های ذکرشده، شکست ساختاری را در متغیرها لحاظ نمی‌کنند، از آزمون ریشه واحد شکست ساختاری لی و استرازیسیچ (2003) با درنظرگرفتن دو شکست ساختاری درون‌زا استفاده شده است که با توجه به نتایج آزمون، تمامی متغیرها در سطح مانا است؛ سپس براساس معیارهای مهم انتخاب الگوی بهینۀ مارکف سوئیچینگ، الگوی مارکف سوئیچینگ خودرگرسیونی با سه رژیم و با دو وقفۀ بهینه انتخاب شد [MSIH(3)-AR (2)]. نتایج نشان می‌دهد نرخ ارز در رژیم‌های متفاوت، اثر متفاوتی در بازده صنعت دارو دارد؛ بدینگونه که اثر نرخ ارز در بازده سهام صنعت دارو در بورس اوراق بهادار تهران در رژیم یک، منفی ولی در رژیم‌های 2 و 3 مثبت است. علاوه بر این، نتایج پژوهش نشان می‌دهد بعد از نرخ ارز، نرخ تورم بخش بهداشت و درمان نیز عامل مؤثر در روند بازده سهام صنعت دارو است؛ بدین‌صورت که در رژیم‌های 1 و 2 تأثیر مثبت ولی در رژیم 3 تأثیر منفی در بازده صنعت دارو دارد. از لحاظ پایداری رژیم‌ها نیز رژیم با بازده بالا (رژیم یک) پایداری بیشتری نسبت به دو رژیم با بازده پایین کم و بازده پایین زیاد (رژیم‌های 2 و 3) دارد. شواهد تجربی مطالعات پیشین نشان می‌دهد رابطۀ مستقیم و نسبتاً قوی بین شاخص‌های بورس اوراق بهادار تهران و نرخ ارز وجود دارد؛ اما تأثیرپذیری صنایع و شرکت‌های مختلف از تغییرات نرخ ارز بسیار ناهمگن است؛ به این صورت که افزایش نرخ ارز به افزایش سودآوری برخی صنایع و شرکت‌ها و کاهش سودآوری برخی دیگر از صنایع و شرکت‌های بورسی منجر می‌شود.

نتایج مطالعۀ حاضر نشان می‌دهد در ایران، رابطۀ نرخ ارز و بازده صنعت دارو در بورس اوراق بهادار تهران در رژیم‌های مختلف، متفاوت است. در تحلیل وجود رابطۀ مثبت بین نرخ ارز و بازده دارو گفتنی است شرکت‌های حاضر در این صنعت با افزایش نرخ ارز، توان رقابت بهتری از خود ارائه کردند و درنتیجه، باعث افزایش بازده این صنعت در بورس شدند. گفتنی است از آنجایی که هر سرمایه‌گذاری به دنبال به‌حداکثررساندن سود خود است، زمانی که بازده سهام صنعت دارو افزایش می‌یابد، سرمایه‌گذاران تمایل خود را برای سرمایه‌گذاری در سهام این شرکت‌ها افزایش می‌دهند. با این کار، آنها عرضۀ ارز را افزایش‌ می‌دهند که به کاهش نرخ ارز منجر می‌شود و زمانی که بازده سهام کاهش می‌یابد، سرمایه‌گذاران به خارج‌کردن سرمایۀ خود اقدام می‌کنند؛ بنابراین عکس این قضیه نیز صادق است؛ پس با توجه به اهمیت صنعت دارو در اقتصاد کشور، توجه به سیاست‌گذاری‌ها و برنامه‌های صحیح و مناسب در این صنعت ضروری است. نتایج، پیشنهادهای متعددی را در پی دارد. اولین زمینۀ پیشنهادی، توجه سرمایه‌گذاران به خروجی محاسبات پژوهش دربارۀ پیش‌بینی رفتار بازده سهام شرکت‌های دارویی به دنبال تغییر شاخص قیمت بخش سلامت و نرخ ارز است؛ بدین‌صورت که با رصد تغییرات تورم بخش سلامت و نرخ ارز با توجه به رژیم‌های مختلف، بازده سهام شرکت‌های دارویی را پیش‌بینی و براساس آن به سرمایه‌گذاری اقدام کنند. زمینۀ پیشنهادی دیگر مربوط به سیاست‌گذاران کلان اقتصادی است. از آنجایی که تغییر نرخ ارز می‌تواند در سهام شرکت‌های دارویی تأثیرگذار باشد، برای داشتن ثبات در این بازار با توجه به اهمیت آن در بخش سلامت، از نوسان‌های زیاد نرخ ارز جلوگیری شود. مشابه این مسأله دربارۀ تورم بخش سلامت است. با توجه به اینکه تورم بخش سلامت علاوه بر اثرگذاری در بازار سهام شرکت‌های دارویی، با سلامت عمومی نیز در ارتباط است، سیاست‌های کنترلی تورم این بخش باید اولویت ویژه‌ای داشته باشد. بررسی روند شاخص قیمت در بخش‌های مختلف اقتصاد ایران نشان می‌دهد شاخص قیمت بخش سلامت نسبت به سایر بخش‌های اقتصادی، رشد بیشتری داشته است که این امر می‌تواند سلامتی عمومی را با خطر جدی مواجه کند. با توجه به نتایج پژوهش حاضر مبنی بر تأثیر نرخ ارز در بازار سهام صنعت دارو، می‌توان نتیجه گرفت با احتمال زیاد، نوسان‌های نرخ ارز در بازارهای مختلف بخش سلامت نیز اثرگذار است؛ بنابراین برای مثال، اگر این مسأله در گروهی از داروهای ضروری به وقوع بپیوندد، یعنی افزایش نرخ ارز موجب افزایش بیش از حد قیمت این داروها شود، ممکن است سلامتی افراد با خطر جدی روبه‌رو شود؛ از این‌رو، توصیۀ دیگر این مطالعه، حمایت اولویت‌دار از صنایع دارویی در کشور است. این حمایت می‌تواند به‌صورت اعطای وام‌های ارزان‌تر، حمایت قانونی از اختراعات و ابداعات این بخش و کمک علمی و مشاوره‌ای شرکت‌های دارویی برای تولید دارو در طیف گسترده و با کیفیت مطلوب باشد. این حمایت‌ها، موجب می‌شود نوسان‌های نرخ ارز، نتواند تأثیرزیادی در بازار داروی داخلی داشته باشد؛ بنابراین از بروز مشکلات گفته‌شده جلوگیری شود.



[1]. Fortune: http://fortune.com/section/magazine/

[2]. Danzon & Furukawa

[3]. Danzon & Nicholson

[4]. Dukes

[5] .Society for Worldwide Interbank Financial Telecommunication (SWIFT)

[6]. World Health Organization (WHO)

[7]. Sharpe

[8]. Corradi

[9] .Yang & Doong

[10]. Phylaktis & Ravazzolo

[11]. Pan

[12] .Diamandis & Drakos

[13]. Lin

[14]. Chkili & Nguyen

[15]. Glied and Remler

[16]. Bugri

[17]. Walti

[18]. Kolari

[19]. Capital Asset Pricing Model (CAPM)

[20]. Hsiao and Heller

[21]. Agrawal

[22]. Yang, and Zhou

[23]. Kebriae- zadeh

[24]. Chkili and Nguyen

[25]. Hussain & Qayyum Khan

[26]. Sensoy and Sobaci

[27]. Sharma

[28]. Yunita

[29]. Goldfeld & Quandt

[30]. Hamilton

[31]. First order Markov chain

[32]. Filterd

[33]. Psaradakis and Spagnolo

[1] Abbasinejad, H.,Mohammadi, Sh., & Ebrahimi, S. (2017). Dynamics of the relation between macroeconomic variables and stock market index. Asset Management and Financing. 5(1): 61-82. (in persian).

[2] Agrawal, G., Srivastav, A. K., & Srivastava, A. (2010). A study of exchange rates movement and stock market volatility. International Journal of Business and Management. 5(12): 62-73.

[3] Ang, A., & Bekaert, G. (1998). Regime switches in interest rates. Journal of Business & Economic Statistics. 20(2): 163-182.

[4] Bloom, D. E., & Canning, D. (2003). Health as human capital and its impact on economic performance. Geneva Papers on Risk and Insurance. 28(4): 304-315.

[5] Bloom, D. E., Canning, D., & Sevilla, J. (2004). The effect of health on economic growth: a production function approach. World Development. 32(1): 1-13

[6] Bugri, B. A. (2008). Empirical relationship between macroeconomic volatility and stock returns: Evidence from Latin American markets, International Review of Financial Analysis. 17(2): 396-410.

[7] Chkili, W., & Nguyen, D. K. (2014). Exchange rate movements and stock market returns in a regime-switching environment: Evidence for BRICS countries. Research in International Business and Finance. 13: 46-56.

[8] Corradi, V., Distaso, W., & Mele, A. (2013). Macroeconomic determinants of stock volatility and volatility premiums. Journal of Monetary Economics. 60: 203–220.

[9] Danzon, P. M., & Furukawa, M. F. (2003). Prices and availability of pharmaceuticals: Evidence from nine countries. Health Affairs. 521-536.

[10] Danzon, P. M., Nicholson, S., & Pereira, N. S. (2005). Productivity in pharmaceutical–biotechnology R&D: The role of experience and alliances. Journal of Health Economics. 24(2): 317-339.

[11] Darabi, R., & Ali Farahi, M. (2010). The impact of macroeconomic variables on the risk and return of all stocks with a focus on model stock returns - inflation. Research of Financial Accounting and Auditing. 2(7): 141-169.

[12] Diamandis, P., & Drakos, A. (2011). Financial liberalization, exchange rates and stock prices: Exogenous shocks in four Latin America countries. Journal of Policy Modeling. 33: 381-394.

[13] Dukes, M. G. (2002). Accountability of the pharmaceutical industry. The Lancet. 360(9346): 1682-1684.

[14] Glied, S. A., & Remler, D. K. (2002). What every public finance economist needs to know about health economics: Recent advances and unresolved questions. National Tax Journal. 55(4): 771-788.‏

[15] Goldfeld, S. M., & R. E. Quandt. (1973). A Markov model for switching regressions. Journal of Econometrics. 1: 3-16.

[16] Hamilton, J. D. (1989). A New approach to the economic analysis of non- stationary time series and the business cycle. Econometrica: Journal of the Econometric Society. 57(2): 357-384.

[17] Hamilton, J. D., & Susmel, R. (1994). Autoregressive conditional heteroskedasticity and changes in regime. Journal of Econometrics. 64: 307–333.

[18] Heidari, H., Asgharpur, A., & Hosseinzadeh, H. (2012). The monetary approach to exchange rate in the selected Persian Gulf countries in comparison with the OECD countries. Journal of Quantitative Economics. 9(2): 87-108. (in Persian).

[19] Hsiao, W. C., & Heller, P. S. (2007). What Macroeconomists Should Know about Health Care Policy? Washington. DC: International Monetary Fund.

[20] Hussain, N., & Qayyum Khan, A. (2014). An analysis of the stock return and exchange rate variation on market return of pharmaceutical industry in Pakistan. World Applied Sciences Journal. 31(6): 1180-1187.

[21] Jalaee, S. A., Mir, H., & Rahimipoor, A. (2016). Effect of exchange rate pass on stock returns in Tehran Stock Exchange. Journal of Knowledge Investment. 5(19): 191-211. (in Persian).

[22] Kebriaee-Zadeh, A., Zartab, S., Fatemi, F., & Radmanesh, R. (2013). Fundamentals and stock return in pharmaceutical companies: A panel data model of Iranian industry. Iranian Journal of Pharmaceutical Sciences. 9 (1): 55-60.

[23] Khansa, L., Cook, D. F., James, T., & Bruyaka, O. (2012). Impact of HIPAA provisions on the stock market value of healthcare institutions, and information security and other information technology firms. Computers & Security. 31(6): 750-770.

[24] Kim, C. J., & Nelson, C. R. (1999). State-Space Models with Regime- Switching: Classical and Gibbs - Sampling Approaches with Applications. MIT Press.

[25] Kolari, J. W., Moorman, T. C., & Sorescu, S. M. (2008). Foreign exchange risk and the cross section of stock returns. Journal of International Money and Finance. 27(7): 1074-1097.

[26] Krolzig, H. M. (1998). Econometric modeling of Markov- switching vector auto regressions: Using MS VAR for Ox. Discussion Paper, Department of Economics. University of Oxford.

[27] Krolzig, H. M. (2013). Markov-switching vector auto regressions: Modelling, statistical inference, and application to business cycle analysis. Springer Science & Business Media.

[28] Kurihara, Y. (2006). The relationship between exchange rate and stock prices during the quantitative easing policy in Japan. International Business Research. 11(4): 375-386.

[29] Lee, J., & Strazicich, M. C. (2003). Minimum LM unit root test with two structural breaks. Review of Economics and Statistics. 63: 1082-1089.

[30] Lin, C-H. (2012).The co-movement between exchange rates and stock prices in the Asian emerging markets. International Review of Economics and Finance. 22:161-172

[31] Mehrara, M. (2009). Health Economics, Tehran University Press. (in Persian).

[32] Najarzadeh, R., Aghaei, M., & Rezaeepour, M. (2009). The impact of price and exchange rate fluctuations on stock price index in Tehran Stock Market: Using a Vector Auto-Regression method. Quarterly Journal of the Economic Research (Sustainable Growth and Development). 9(1): 147-175. (in Persian).

[33] Pan, M. S., Fok, R. C., & Liu, Y. A. (2007). Dynamic linkages between exchange rates and stock prices: Evidence from East Asian markets. International Review of Economics and Finance. 16: 503–520.

[34] Phylaktis, K., & Ravazzolo, F. (2005). Stock prices and exchange rate dynamics. Journal of International Money and Finance. 24:1031-1053.

[35] Psaradakis, Z., & Spagnolo, N. (2003). On the determination of the number of regimes in Markov switching auto regressive models. Journal of Time series Analysis. 24: 237-252.

[36] Raie, R., Mohammadi, S., & Saranj, A. (2014). Tehran Stock Exchange dynamics in a Markov regime switching EGARCH-in-mean model. Journal of Financial Research. 16(1): 77-98. (in Persian).

[37] Sahabi, B., Sadeghi, H., & Khorsandi, V. (2015). The calculation of VAR of metal ores and pharmaceutical industries in Tehran Stock Exchange by using wavelet analysis and GARCH models. Quarterly Journal of the Economic Research (Sustainable Growth and Development). 15(1): 105-122. (in Persian).

[38] Securities & Exchange News Agency (SENA).

[39] Sensoy, A., & Sobaci, C. (2014). Effects of volatility shocks on the dynamic linkages between exchange rate, interest rate and the stock market: The case of Turkey. Economic Modelling. 43: 448-457.

[40] Sharma, N. (2016). Causal relation between stock return and exchange rate: Evidence from India. Global Journal of Management and Business Research. 15(11): 26-32.

[41] Sharpe, W. F. (1963). A simplified model for portfolio analysis. Management Science. 9(2): 277-293.

[42] Taheri, H., & Safari, M. (2012).The investigation of relationship between exchange rate and price index of Tehran Stock Exchange: Using with ARDL approach. Quarterly Trend (Trend Economic Research). 60: 63-80. (in Persian).

[43] Torabi, T., & Hooman, T. (2010). The effects of macroeconomic variables on the output indicators of Tehran Stock Exchange. Journal of Economic Modeling. 4(1): 121-144. (in Persian).

[44] Valickova, P., Havranek, T., & Horvath, R. (2013). Financial Development and Economic Growth: A Meta– Ananlysis. IES Working Paper.

[45] Walti, S. (2005). The macroeconomic determinants of stock market synchronization. Journal of International Banking Law. 11(10): 436-441.

[46] Well, D. N. (2007). Accounting for the effect of health on economic growth. The Quarterly Journal of Economics. 122(3): 1265-1306.‏

[47] World Health Organization. (www.WHO.int).

[48] Yang, S. Y., & Doong, S. C. (2004). Price and volatility spillovers between stock prices and exchange rates: Empirical evidence from the G-7 countries. International Journal of Business and Economics. 3(2): 139-153.

[49] Yang, S., Zhou, Z. (2011). How do stock return movements behave in pharmaceutical industry? A 2008-2010 study. Master thesis. Umeå School of Business.

[50] Yunita, I., Nurhakim, A., & Iradianty, A. (2016). The effect of profitability and inflation on stock return at pharmaceutical industry at BEI in the period of 2011-2014. First International Conference on Advanced Business and Social Sciences.

[51] Zeinali, M., & Mohammad-Shilan, J. (2011). Effect of capital structure on the size, rate of return on equity and earnings per share of listed companies in Tehran Stock Exchange (Case study: Pharmaceutical industry). Financial Knowledge of Securities Analysis. 1(9): 43-60. (in Persian).