ماخذ: نتایج تحقیق

با توجه به ارقام جدول فوق و نیز با مشاهده نمودارهای مربوط به آن می‌توان دریافت که، در دوره اول تمامی متغیرهای کلان اقتصادی مورد بررسی نسبت به تکانه ناشی از شوک رشد قیمت سهام، هیچ‌گونه واکنشی از خود بروز نمی‌دهند. و در واقع این متغیرها از دوره دوم شروع به نشان دادن عکس‌العمل از خود نسبت به شوک وارده از سوی متغیر بورس می‌نمایند؛ به این صورت که واکنش رشد قیمت نفت، رشد مخارج دولت، رشد نقدینگی، رشد تولید و تورم در این دوره به ترتیب به میزان ۰٫۶۱، ۲٫۵۶-، ۰٫۱۸، ۰٫۲۶ و ۰٫۱۱ می‌باشد. در اینجا نیز واکنش‌های آنی به تدریج در گذر زمان و البته به صورت نوسانی رو به کاهش نهاده و میرا می‌شوند.

۵-۱۱- تجزیه واریانس

در مطالعات VAR به طور معمول از ابزار تجزیه واریانس جهت دست‌یابی به اطلاعات بیشتر درباره آثار شوک‌ها استفاده می‌شود. این روش برای توصیف پویایی یک مدل به کار می‌رود و با کمک این روش می‌توان فهمید که تغییرات یک متغیر (سری زمانی) تا چه حد متاثر از اجزای اختلال خود متغیر بوده و تا چه میزان از اجزای اختلال سایر متغیرهای درون سیستم تاثیر پذیرفته است. اساس تحلیل مبتنی بر تجزیه واریانس خطای پیش‌بینی به منظور پویایی در یک مدل خودرگرسیون برداری بر مقایسه سهم هر یک از متغیرها در هر دوره از خطای پیش‌بینی همان دوره استوار است. به عبارت دیگر، در هر دوره هر متغیری که دارای سهم بالاتری از SE باشد، سهم بیشتری را در ایجاد نوسان در متغیر وابسته خواهد داشت.

در مجموع، می‌توان گفت با تجزیه واریانس خطای پیش‌بینی، می‌توانیم بررسی کنیم که تغییرات یک دنباله تا چه اندازه متاثر از اجزاء اختلال خود دنباله بوده و تا چه اندازه از اجزای اختلال دیگر متغیرهای درون سیستم تاثیر پذیرفته است. به بیان دیگر تجزیه واریانس، اهمیت نسبی هر یک از اجزای اختلال مدل را در تغییرات هر یک از متغیرها نسبت به مقدار مورد انتظار بیان می‌کند.
الف- تجزیه واریانس اثر شوک‌های کلان بر قیمت سهام:
جدول زیر نتیجه تجزیه واریانس تاثیرات شوک‌های کلان وارده بر متغیر بورس در الگوی خودرگرسیون برداری ساختاری برآورد شده را نشان می‌دهد.

جدول ۵-۵: تجزیه واریانس اثر شوک‌های کلان بر قیمت سهام

Variance Decomposition of GTEPIX:

Period

S.E.

Shock1

Shock2

Shock3

Shock4

Shock5

Shock6