Document Type : Research Paper

Authors

1 Ph.D. Student in Economics, Department of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran

2 Associate Professor, Department of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran

3 Professor, Department of Economics, Allameh Tabataba'i University, Tehran, Iran

4 Assistant Professor, Department of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran

Abstract

The negative consequences of financial crises require the attention of economic policymakers and decision making centers.Therefore, considering the importance of the subject, the present study has investigated the effects of global financial crises on the trade patterns of Iran and its partners during the years 1995-2018.The variables have been estimated in the framework of the gravity model using the pseudo poisson maximum likelihood method.The findings show that the Asian financial crisis (1997) has an effective role in reducing the volume of trade but this result is the opposite in relation to the American financial crisis (2007)­; Because instead of a threat, it has become an opportunity for the movement of business flows. In this situation, it seems that the difference in the intensity and type of impact of financial crises on trade patterns can be affected by the nature of the crisis or the region where the crisis started.
1.Introduction
Countries consistently grapple with economic and financial turmoil, which at specific junctures, can escalate into full-fledged financial crises (Moshiri & Nadali, 2013). These crises manifest as conditions where a significant number of financial institutions suddenly experience a substantial decline in the nominal value of their financial assets (Bonis et al., 1998). Given the historical recurrence of financial crises worldwide, it becomes imperative for economic policymakers and decision making centers to address and mitigate their adverse effects. This necessity stems from the detrimental impact that financial crises have on the real sector of economy (Kord-Zangeneh et al., 2019). Compounding the issue is the transnational nature of these crises, as they may transfer from one country to another. The transmission of financial crises occurs through various channels, including trade flows, foreign direct investment, commercial loans and financial aid (Massa & Velde, 2008). Among these channels, trade relations emerge as crucial communication pathways on a global scale, playing a pivotal role in influencing the performance of diverse economic sectors affected by financial crises.
Hence, understanding international trade patterns holds greater significance than any other phenomenon in the economy, particularly in times of crisis. Furthermore, drawing insights from the experiences of other nations aids in understanding how trade flows unfold in countries that have recently weathered financial crises (Santana-Gallego & Perez-Rodriguez, 2018). Financial crises impact on the trade in two ways. First, they exert a negative influence on trade by disrupting the trade balance. Then crises transfer from one affected country to another through interconnected trade links. Consequently, the extent to which different countries engage with the global economy dictates the degree to which they are affected by the repercussions of a financial crisis.
As countries are interlinked through trade flows, in the event of a shock impacting one economy, it has the potential to extend to the entire network, indirectly influencing trade relations between countries. This connection is particularly crucial because a financial crisis can transfer to other economic sectors through fluctuations in exchange rate variables, exports, imports and changes in international commodity prices (Brave & Butters, 2011).
2.Materials and Methods
The gravity model, proposed by Tinbergen (1966) to explain bilateral trade flows, is distinctive for its emphasis on reflecting international relations. In the field of international trade studies, traditional challenges arise in estimating the gravity model. Specifically, when employing the ordinary least squares method for estimating the gravity model, there is a tendency to exclude zero statistical observations. This limitation stems from the conventional method’s inability to compute a logarithm for the trade variable when trade between countries is not realized in certain years. Consequently, the omission of statistical observations in such instances renders it impossible to generate a zero logarithm. Moreover, when the model is estimated using the non-linear least squares method, there is a potential issue with the heterogeneity of variance, which can compromise the accuracy of interpretations based on the coefficients. Recognizing this challenge, Santos-Silva and Tenreyro (2006) introduced the Poisson pseudo maximum likelihood method to address the estimation of such models. A noteworthy aspect of this method is the non-elimination of zero statistical observations, ensuring unbiased and reliable estimation of variable coefficients. This is achieved by assigning equal weight to all statistical observations. Therefore, the method not only increases the number of statistical observations but also enhances the efficiency of the estimator.The main estimation approach revolves around the Poisson pseudo maximum likelihood method, as explained by theoretical foundations and existing literature that detail the connection between financial crises and international trade. This approach draws inspiration from the works of Santos-Silva and Tenreyro (2006) as well as of Santana-Gallego and Perez-Rodriguez (2018). In this respect, the research model was delineated following the model proposed by Glick and Rose (2016), as shown in Equation (1). 




 

(1)



 The present study aimed to investigate trade patterns by examining the volume of bilateral trade (total export and import) between Iran and its twenty trading partners. The analysis used annual data spanning from 1995 to 2018. The study developed the proposed model, leveraging the flexibility inherent in the gravity model as well as incorporating variables such as the logarithm of the Linder economic similarity index, the logarithm of Iran’s and its trading partners’ populations, the logarithm of the nominal exchange rate, the logarithm of geographical distance and financial crises. This comprehensive formulation is defined as the generalized gravity model expressed in Equation (2). 



 

(2)




 

 3.Results and Discussion
Diagnostic tests are imperative before model estimation. Initially, the Chow test was employed to determine the suitable regression method. Subsequently, the Hausman test was used to decide between the methods of fixed effects or random effects.




Table 1. Diagnostic tests




Result


Probability


Statistics


Test




Null Hypothesis Rejected


0.000


23.04


Chow




Null Hypothesis Rejected


0.000


437.51


Hausman




Source: Research findings
 




The results outlined in Table 1 demonstrate the rejection of the null hypothesis in both the Chow and Hausman tests. To control the multilateral resistance to trade, the study estimated the coefficients of the variables by considering the country’s annual fixed effects. The process was conducted within the framework of the gravity model, employing the Poisson pseudo maximum likelihood method (see below).




Table 2. Model estimation results




Probability


Standard deviation


Coefficients


Variables




***0.000


0.000


-0.179


CRIijt 1997




***0.000


0.000


0.135


CRIijt 2007




***0.000


0.184


-32.358


LnLINijt




***0.000


5.915


3.005


LnPOPit




***0.000


0.100


0.111


LnPOPjt




***0.000


0.000


0.017


LnERijt




***0.000


0.000


-0.400


LnDISijt




***0.000


0.113


-52.430


C




Number of obs = 240
R-Squared = 0.81
Pseudo Log Likelihood = -171.405




*** Indicates the significance of the coefficients at the level of 1 percent.
Source: Research findings




The results provided in Table 2 reveal that global financial crises exerted a significant impact on the trade volume, yet the nature of their influence on trade patterns varies. Specifically, the findings indicated that the Asian financial crisis of 1997 played a substantial role in reducing the trade volume, while the outcome was opposite in the case of the American financial crisis of 2007.
The negative coefficient in the logarithm of the Linder economic similarity index indicates that the volume of trade increases as the per capita income difference decreases. Consequently, the countries with similar tastes or demand structures become the optimal markets for a country’s export goods.
Conversely, the positive coefficient in the logarithm of the population of Iran and its trading partners signifies that an increase in population correlated with a rise in the trade volume. This association can be attributed to the utilization of a larger labor force, inherent in higher population figures, which positively affects the production of goods. The outcome is manifested in an increase in the trade volume.
The positive coefficient in the logarithm of the nominal exchange rate indicates an increase in trade volume corresponding to an increase in this variable. This pattern emerges because foreign goods become more expensive compared to domestic ones. Consequently, both domestic and foreign consumers are inclined to substitute Iranian goods with foreign alternatives. Conversely, the negative coefficient in the logarithm of geographical distance reveals that this variable exerted a negative impact on the trade volume. In other words, the greater the distance between countries, the higher the transportation costs. As a result, distant markets become less attractive for establishing trade relations.
4.Conclusion
The present study examined the effects of global financial crises on the trade patterns of Iran in relation its key trading partners. In this respect, the research used annual data from the studied countries during 1995–2018, then the coefficients of the variables were estimated within the framework of the gravity model as well as the Poisson pseudo maximum likelihood method.
According to the findings, the examined countries experience the repercussions of financial crises, yet the magnitude and nature of their impact differ based on the specific characteristics of each crisis. In this context, the Asian financial crisis of 1997 played a significant role in reducing the trade volume in the countries under consideration, while the outcome was opposite in the case of the American financial crisis of 2007. Moreover, the positive coefficients of the variables specifically the logarithm of the Linder economic similarity index, the logarithm of the nominal exchange rate and the logarithm of the population of Iran and its trading partners underscore their favorable impact on the trade volume aligned with the increased trade flows in the countries. Given the negative coefficient in the logarithm of geographical distance, it is anticipated that trade with countries farther away from Iran will be comparatively lower. In fact, the majority of Iran’s trade relations are established with neighboring countries. In light of these findings, it is recommended to implement trade policies that support export-oriented domestic production in the country. This approach, in addition to generating foreign currency income, can serve as a mitigating factor against the adverse effects of financial crises.

Keywords

Main Subjects

  1. مقدمه

بحران­های­ مالی مجموعه شرایطی هستند‌که طی وقوع آن‌ها تعداد زیادی از نهادهای مالی به طور ناگهانی بخش بزرگی از ارزش اسمی دارایی­های مالی خود را از دست می­دهند (Bonis, et al., 1998). بحران بانکی[1]، بحران بدهی[2]، بحران تراز پرداخت‌ها[3]­­­­ و ­بحران ارزی[4] مترادف با مفهوم بحران مالی تعریف می‌شوند (نیلی، 1384). از آنجا که وقوع بحران‌های مالی پدیده‌ای جدید در جهان نیست؛ از این رو، کنترل پیامدهای منفی آن لزوم توجه سیاست‌گذاران اقتصادی و مراکز تصمیم­ساز را بر­می­انگیزد. این موضوع از آن جهت طرح مسئله است که بحران‌های مالی بر عملکرد بخش واقعی اقتصاد تاثیر منفی دارند. در این زمینه، به هر میزان کشورها از لحاظ اقتصادی به یکدیگر وابسته­تر باشند، تاثیرپذیری آن­ها از یکدیگر بیشتر خواهد بود (کرد زنگنه و همکاران، 1399). عاملی که بحران­های مالی را ناخوشایندتر می‌کند، انتقال آن­ از یک کشور به سایر کشورها است. انتقال بحران‌های­­ مالی می­تواند از طریق جریان­های تجاری، سرمایه­گذاری مستقیم خارجی، وام‌های تجاری وکمک­های مالی صورت‌گیرد ­(Massa & Velde, 2008). در این رابطه، بیشتر تاکید برکانال­های ارتباطی صادرات‌کالا و خدمات است؛ چرا که کشورهایی که صرفا متکی به صادرات کالا و خدمات هستند، ممکن است در تقابل با کاهش قیمت کالاهای صادراتی و به تبع آن کاهش درآمدهای ارزی حاصل از آن باشند که نتیجه آن به صورت کسری قابل ملاحظه در تراز پرداخت­ها منعکس می­شود (صادقی و حسن­زاده، 1390)­.

صاحب­نظران اقتصادی معتقد هستند روابط تجاری ایران در زمینه پیوند با اقتصاد جهانی با تناقض آشکاری مواجه است. در واقع، وضعیت مبهمی در خصوص جایگاه کشور ایران از نظر نوع برقراری مراودات تجاری و میزان تاثیر­پذیری آن از اقتصاد جهانی وجود دارد­؛ چرا که کشور ایران علاوه بر آن که وابسته به سایر کشورهاست در حاشیه اقتصاد جهانی نیز قرار دارد.

بررسی­ها نشان داده در سال 2017 میزان صادرات و واردات کشور ایران به ترتیب حدود 104 و 97 میلیارد دلار بوده است که اگر مجموع آن­ بر تولید ناخالص داخلی که به میزان 439 میلیارد دلار است؛ تقسیم شود، رقم 46­% به­دست می­آید. در این شرایط، می­توان انتظار داشت هم­زمان با وقوع بحران مالی، صادرات و واردات کشور کمتر تحت تاثیر قرار گیرد اما بحران مالی و رکود اقتصادی ناشی از آن، منجر به کاهش تقاضای جهانی در ارتباط با کالاهایی مانند نفت، مواد اولیه و محصولات صادراتی شده است. علاوه بر این، اقتصاد ایران تک محصولی و وابسته به صادرات نفت است؛ از این رو، کالاهای ساخته ‌شده و صنعتی جایگاهی در بازارهای مالی ندارند. در نتیجه این میزان از مراودات تجاری، دلالت بر پیوند ضعیف کشور ایران با اقتصاد جهانی دارد(World Bank, 2017).

جریان‌های تجاری یکی از مهم‌ترین‌کانال­های ارتباطی در جهان است‌که بحران­ها­ی مالی از طریق آن بر عملکرد سایر بخش­های اقتصادی تاثیرگذار هستند. بنابراین، شناخت الگوهای تجارت بین­الملل بیشتر از هر پدیده­ دیگری در اقتصاد و طی مدت زمان وقوع بحران مالی­­ حائز اهمیت است. علاوه بر آن، استفاده از تجربه سایر کشورها به درک این موضوع کمک خواهد کرد که چگونه جریان­­های تجاری در کشورهایی که به تازگی بحران­های مالی را پشت‌سر گذاشتند، محقق می­شود (Santana­-­Gallego & Perez-Rodriguez, 2018­­). با وجود آن‌که اقتصاد ایران از طریق کانال تجارت -به­ویژه صادرات نفت- با سایر کشورها در ارتباط است اما می­تواند تا اندازه­ای به سمت این گرداب (بحران مالی) سوق داده شود؛ به طوری که موج تلاطم بحران به سایر بخش­ها سرایت نماید و کل اقتصاد را تحت تاثیر قرار دهد. به این ­منظور، مطالعه حاضر به بررسی مباحثی می­پردازد که وقوع بحران­های مالی جهانی چه آثاری بر الگوهای تجاری در کشور ایران و شرکای تجاری دارند. در این راستا، متغیرها در چارچوب مدل جاذبه[5] و با استفاده از روش شبه حداکثر درست­نمایی توزیع پوآسون[6] طی سال­های 2018-1995 برآورد شده است.

ساختار مطالعه حاضر به این ترتیب تدوین شده است که در ادامه مبانی نظری مورد بررسی قرار می­گیرد. بخش سوم مروری بر پیشینه پژوهش از منظر مطالعات خارجی و داخلی دارد. بخش چهارم به بررسی بحران­های مالی و متغیرهای کلان اقتصادی اختصاص یافته است. بخش پنجم ضمن معرفی روش­شناسی پژوهش به برآورد مدل و تحلیل نتایج پرداخته است. در پایان، جمع­بندی و نتیجه­گیری کلی از مهم‌ترین یافته­های پژوهش ارائه می­شود.

2. مبانی نظری

کشورها همواره با تلاطم­های اقتصادی و مالی مواجه هستند. این تلاطم­ها در برهه­های زمانی مشخص به بحران­های مالی تبدیل ­می­شوند. در واقع، بحران مالی فروپاشی بازارهای مالی است؛ شرایطی که ­در آن بازارهای مالی قادر نیستند وجوه را به اشخاصی انتقال دهند که از فرصت­­ بهره­­وری بالاتر در سرمایه­گذاری بهره­مند باشند. از این رو، بحران مالی که نتیجه عملکرد نامطلوب بازارهای مالی است به انقباض شدید در فعالیت­های اقتصادی منجر می­شود (مشیری و نادعلی، 1392).

با فروپاشی سیستم برتون وودز[7]­ (1971) اقتصاد جهانی با بحران­های مالی متعددی مواجه شده است. در این زمینه می­توان به بحران­های مالی آسیا (1997) و آمریکا (2007) اشاره کرد. بحران مالی آسیا که ابتدا در کشور تایلند به وقوع پیوست به علت ضعف نهادهای نظارتی، شکنندگی شدید در بازارهای مالی، عدم تعادل در ساختارهای اقتصادی و تحرک بیش از حد سرمایه­گذاری در بخش غیرمولد به­­وجود آمده بود. در این شرایط، بیشتر کشورهای آسیای جنوب شرقی شاهد سقوط ارزش پول، افزایش بدهی و کاهش ارزش معاملات در بازار سهام بودند. پس از آن، بحران مالی سال 2007 به وقوع پیوست. این بحران از کشور آمریکا آغاز شد، سپس دامنه­ آن گسترش یافت و به بحران مالی جهانی تبدیل شد. پس از وقوع این بحران، اغلب کشورها زیان­های غیرقابل جبرانی را متحمل شدند و به تبع آن، اقتصاد جهانی تحت تاثیر پیامدهای منفی آن قرار گرفت. بحران­های مالی مشکلاتی مانند نرخ تورم بالا،­ کاهش تولید، افزایش نرخ بیکاری و کاهش قدرت خرید در کشور محل وقوع بحران ایجاد می­کنند؛ مشخصه مشترک آن­ها تلاطم بالا و انتقال به سایر کشورها است.

به طور کلی می­توان گفت، لزوم توجه درخصوص نحوه انتقال بحران­های مالی به سایر کشورها حائز اهمیت است؛ چرا که مسئله اصلی آن است که بحران­های مالی جهانی از چه مسـیرهایی می­توانند اقتصاد کشورهای مورد بررسی را تحت تاثیر قرار ­دهـند. نائوده[8] (2009) کانال­های تاثیرگذاری را به سه گروه طبقه­بندی کرده است:

 1- ناتوانی بانک­ها در پرداخت وام 2- کاهش درآمدهای صادراتی 3- کاهش جریان‌های مالی. کانال اول به علت محدویت­های اعمال شده در ارتباط با بحران­های مالی جهانی به­­وجود می­آید که تاثیر به نسـبت محـدودی دارد. کانال دوم در کشـورهای صـادرکننده کـالا و مواد خام موثر خواهد بود. کشورهایی که بـه منظور تسـریع در توسـعه اقتصـادی بـه جریان­های مالی خارجی وابسته هستند از طریـق کانـال سـوم متاثر می­شـوند. بنابراین، می­توان گفت بحران مالی یک پدیده آسیب­زای­ اقتصادی است که تحلیل آثار آن بر متغیر­های کلان اقتصادی همواره مورد بررسی است. در این راستا، تجارت و فرآیندهای مرتبط با آن یکی از مهم‌ترین متغیر­هایی هستند که تحت تاثیر پیامدهای بحران مالی قرار می­گیرند.

بحران­های مالی به دو روش بر الگوهای تجاری اثرگذار هستند. ابتدا با برهم زدن وضعیت تعادل تجاری تاثیر منفی بر تجارت دارند، سپس از طریق پیوندهای تجاری از یک کشور­­ آسیب ­دیده به سایر کشورها ­منتقل می­شوند. از این رو، بستگی به نوع تعاملی که کشورهای مختلف با اقتصاد جهانی دارند، تحت تاثیر پیامدهای بحران­ مالی قرار می‌گیرند. به عبارت دیگر، کشورهایی که بازارهای مالی آن­ها با یکدیگر در ارتباط هستند به صورت مستقیم ­(­از طریق بازارهای مالی) و کشورهایی که تعامل کمتری با بازارهای مالی جهانی دارند به صورت غیرمستقیم ­(­از طریق تجارت) متاثر از بحران­ هستند. توجه به این موضوع ضروری است که تجارت می­تواند از طریق تغییر در میزان صادرات و واردات بر تولید داخلی و از طریــق درآمدهای ارزی بر عملکرد دولت اثرگذار باشد. بدیهی است با کاهش درآمدهای ارزی، مشــکلات تراز پرداخت­های کشــور افزایش خواهد یافت؛ چرا که تداوم در رکود جهانی و همچنین کاهش شاخص قیمت کالاهای وارداتی، منجر به افزایش تقاضا در ارتباط با واردات کالا می­شود. علاوه بر این، با فرض کنترل حجم واردات، ارزش دلاری کالاهای وارداتی به علت پایین آمدن هزینه واردات کاهش می­یابد. بنابراین، پس از وقوع بحران، میزان صادرات به علت پایین آمدن شدید تقاضا در بازارهای صادراتی کاهش خواهد یافت، در نتیجه کشورها با کاهش در­آمدهای ارزی و به تبع آن تاثیر منفی بر تراز پرداخت­ها مواجه خواهند شد (شفیعی و صبوری دیلمی، 1388). ذکر این نکته ضروری است از آنجا که کشورها به واسطه جریان­های تجاری با یکدیگر در ارتباط هستند در این شرایط اگر شوکی به یک اقتصاد وارد شود، ممکن است به کل شبکه گسترش یابد و به صورت غیرمستقیم بر روابط تجاری بین کشورها اثرگذار باشد؛ چرا که بحران­­ مالی می­تواند از طریق تغییر در متغیرهای نرخ ارز، صادرات، واردات و با تاثیرگذاری بر قیمت کالاها در سطح بین­الملل به سایر بخش­های اقتصادی منتقل ­­شود (Brave & Butters, 2011).

بر اساس آنچه مطرح شد­، می­توان گفت نحوه برقراری مراودات تجاری کشورها با یکدیگر به منظور تبیین جایگاه بین­المللی حائز اهمیت است. بنابراین، بایسته است کشور ایران نسبت به کنترل پیامدهای منفی ناشی از وقوع بحران­های مالی اقدام نماید تا بتواند با تحول­های اقتصادی هم راستا باشد.

3. پیشینه پژوهش

علت وقوع بحران­های مالی و بررسی آثار آن بر متغیرهای کلان اقتصادی همواره مورد توجه سیاست­گذاران اقتصادی است. مروری بر مطالعات تجربی نشان داده است این ارتباط از طریق کانال­های متعدد در کشورهای مختلف بررسی شده است. بخشی از این مطالعات بر مبنای تحلیل­های آماری هستند که در این زمینه از روش­های مختلف اقتصاد­­­سنجی استفاده شده است که در ادامه به مهم‌ترین آن‌ها اشاره خواهد شد.

بابکی و همکاران[9] (2012­) با استفاده از روش میانگین­گیری بیزی به بررسی علت وقوع هم­زمان بحران‌های بانکی، ارزی و بدهی در کشورهای توسعه­­­یافته طی سال­های 2010-1970 پرداختند. یافته­ها نشان داده است بحران­های بانکی و بدهی با یکدیگر مرتبط­ بوده و عموما مقدم بر بحران ارزی هستند اما وضعیت معکوس این رابطه صادق نیست.

جینگ[10] (2015) با استفاده از مدل­ لاجیت[11] و کاربرد شاخص فشار بازار پول[12] بحران‌های بانکی و ارزی منتخبی از 94 کشور را طی سال­های 2010-1980 بررسی کرد. یافته­ها نشان داده است رابطه علیت دو­طرفه بین بحران­های بانکی و ارزی وجود دارد. همچنین وقفه تورم و بدهی کوتاه­مدت دولت، اثر مثبت بر بحران­های بانکی و ارزی دارد.

آری و سرگیبوزان[13] (2016­) با استفاده از مدل­ لاجیت ارتباط بین بحران­های بانکی و ارزی در کشور ترکیه را طی سال­های 2013-1990 ­بررسی کردند. یافته­ها نشان داده است بحران ارزی به علت افزایش بدهی­ خارجی، کسری بودجه دولت و شوک­های خارجی
به­وجود آمده است اما بحران­ بانکی به علت عرضه بیش از اندازه پول ایجاد شده است.

مور و میرزایی[14] (2016) تاثیر بحران مالی جهانی بر رشد صنعت در منتخبی از 82  کشور را طی سال­های 2010-2000 بررسی کردند. یافته­ها نشان داده است شاخص­های عملکرد صنعت پس از بحران افت شدید داشته­ و این تاثیر در صنایع به صورت ناهمگن اتفاق افتاده است. به عبارت دیگر، بحران در صنایعی که متکی به تامین مالی خارجی هستند، اثرات منفی بیشتری نشان داده است اما کشورهای کم درآمد و با درآمد متوسط به پایین، کمتر تحت تاثیر بحران قرار گرفتند.

گیل پرجا و همکاران[15]­ (2016) با استفاده از مدل جاذبه به بررسی تاثیر بحران­ بانکی بر تجارت در منتخبی از 139 کشور طی سال­های 2012-1975 پرداختند. یافته­ها نشان داده است بحران­ بانکی تاثیر منفی بر حجم تجارت در کشورهای با درآمد متوسط داشته اما این نتیجه در ارتباط با کشورهای کم درآمد و همچنین با درآمدهای بالا­، برعکس است.

آرورا وکالسی[16] (2017) تاثیر بحران مالی بر تولید ناخالص داخلی را طی سال‌های 2013-2000 بررسی‌کردند. یافته­ها نشان­ داده است صادرات تاثیر چشم­گیری در رشد اقتصادی کشورهای عضو بریکس نسبت به هند دارد. علاوه بر این، تاثیر صادرات بر رشد اقتصادی آمریکا هنگامی که هند به صورت جداگانه یا به عنوان بخشی از بلوک اقتصادی کشورهای عضو بریکس مورد بررسی قرار می­گیرد، نتایج متفاوتی نشان داده است.

روزانته[17] (2018) با استفاده از مدل خود­ رگرسیون برداری[18] تاثیر بحران­ مالی و شوک‌های کلان اقتصادی بر ترازنامه­ دولت را در منتخبی از 27 کشور طی سال­های 2017-1999 بررسی‌کرده است. یافته­ها موید تاثیر منفی بحران­های مالی بر ارزش دارایی‌های مالی­ دولت­ هستند.

ایجفینگــر و کاراتاس[19] (2020­) با اسـتفاده از مدل­های باینـری لاجیت و پـروبیت دومتغیره[20] به بررسی ارتباط بین بحران­های بانکی و ارزی در منتخبی از کشورهای توسعه‌یافته و در حال توسعه طی سال­های 2010-1985 پرداختند. یافته­ها نشان داده است بحران­ بانکی مقدم بر بحران ارزی است. به عبارت دیگر، بحران­ ارزی به صورت غیرمستقیم و از طریق شوک­های خارجی و بازارهای مالی بر احتمال وقوع بحران­ بانکی اثرگذار است.

زارعی و کمیجانی (1394) با استفاده از روش مارکوف­ سوئیچینگ[21] به شناسایی و پیش‌بینی بحران­های بانکی کشور ایران طی سال­های 1392-1369 پرداختند. یافته­ها نشان داده است نرخ رشد متغیرهای تولید ناخالص داخلی حقیقی، قیمت مسکن، نرخ ارز حقیقی، تسهیلات اعطایی به بخش غیردولتی و میانگین نرخ بهره حقیقی به عنوان مهم‌ترین متغیرهای اثرگذار در احتمال وقوع بحران بانکی در کشور ایران مطرح هستند.

نصرالهی و همکاران (1396) با استفاده از مدل لاجیت به بررسی سیستم هشدار ­دهنده زودهنگام بحران­ ارزی طی سال­های 1393-1367 پرداختند. بررسی­ها نشان داده است سیستم طراحی شده، عوامل موثر در احتمال وقوع بحران ارزی در اقتصاد ایران را تبیین کرده است. یافته­ها موید آن است که بحران­ ارزی به علت عدم تعادل­ در بخش‌های مالی، عمومی و موازنه خارجی ایجاد شده است.

یزدانی و اسماعیلی (1396) با استفاده از روش سیستم معادلات هم­زمان[22] تاثیر نشر بحران‌های مالی بر جریان­های تجاری در کشورهای نوظهور را طی سال­های 2013-1990 بررسی کردند. یافته­ها نشان داده است جریان­های تجاری منجر به تسریع در نشر بحران­های مالی و بحران­های مالی موجب کاهش جریان­های تجاری در کشورهای مورد بررسی شده است.

ابونوری و همکاران (1397) با استفاده از مدل­ لاجیت و کاربرد شاخص فشار بازار پول اصلاح شده به بررسی عوامل موثر در احتمال وقوع بحران بانکی در 158 کشور منتخب طی سال­های 2015-1998 پرداختند. یافته­ها نشان داده است متغیرهای نسبت هزینه به درآمد سیستم بانکی، نسبت اعتبار داخلی به بخش خصوصی و نرخ تورم یکی از مهم‌ترین عوامل تاثیرگذار در احتمال وقوع بحران بانکی در کشورهای مورد بررسی هستند.

بیانی و محمدی (1398) با استفاده از روش میانگین­گیری بیزی[23] به بررسی عوامل موثر در احتمال وقوع بحران­های مالی طی سال­های 1395-1370 پرداختند. یافته­ها نشان داده است بحران مالی در اقتصاد ایران معضلی چند بعدی دارد؛ چرا که متغیرهای مرتبط با سیاست­های پولی، مالی و ارزی بر آن اثرگذار هستند.

محمودی­نیا (1398) سیاست­های پولی بانک مرکزی و تاثیر آن در احتمال وقوع بحران‌های­ بانکی در اقتصاد ایران را بررسی کرده است. برآورد با استفاده از روش مارکوف­ سوئیچینگ و کاربرد شاخص فشار بازار پول طی سال­های 1395-1352 انجام شده است. یافته­ها نشان داده است سیاست­های­ پولی بانک مرکزی، افزایش اعتبار و خلق نقدینگی نقشی موثر در احتمال وقوع بحران­ بانکی و حرکت نقدینگی به سمت فعالیت­های نامولد داشته است.

عسگریان و همکاران (1399) با استفاده از مدل­های لاجیت دوگانه و چندگانه[24] به بررسی احتمال وقوع بحران­ بانکی در منتخبی از 37 کشور در حال توسعه طی سال­های 2018-1994 پرداختند. یافته­ها موید تاثیر مثبت متغیرهای نرخ تورم، نرخ بهره و تاثیر منفی متغیرهای رشد اقتصادی، تولید سرانه و جریان سرمایه در احتمال وقوع بحران بانکی هستند.

صادقی عمروآبادی و محمودی­نیا (1399) با استفاده از مدل­ لاجیت به بررسی ارتباط بین بحران­های بانکی، بدهی و ارزی در کشور ایران طی سال­های 1396-1359 پرداختند. یافته­ها نشان داده است بحران­های سه­گانه بر یکدیگر اثرگذار هستند. به عبارت دیگر، تاثیر بحران‌های­ بانکی و ارزی بر بحران بدهی و همچنین تاثیر بحران­های بانکی و بدهی بر بحران ارزی مثبت است.

مروری بر مهم‌ترین نتایج مطالعات تجربی نشان داده است در ارتباط با بحران­های مالی پژوهش­های متعددی در کشورهای مختلف انجام شده است. در این راستا، تعدادی متغیر معرفی شده­ است اما ترکیب متغیرها در مطالعات مختلف، متفاوت است. از این رو، پژوهش حاضر از چند جنبه با سایر مطالعات مرتبط با این حوزه متمایز است:

تفاوت اول در زمینه ماهیت متغیرها است؛ به طوری که از ترکیب هم­زمان بحران­های مالی جهانی در مدل جاذبه استفاده شده است. به عبارت دیگر، به جای تمرکز بر یک بخش از بحران مالی، تلاش شده است به بررسی آثار بحران­های مالی آسیا (1997) و آمریکا (2007) بر الگوهای تجاری پرداخته شود. ذکر این نکته حائز اهمیت است اگر فقط ارتباط یک نوع بحران مالی بر تجارت بررسی شود، ممکن است اثرات متفاوت یا متضاد متغیرها قابل تشخیص نباشد؛ در حالی که استفاده هم­زمان از بحران­های مالی جهانی مطابق با آنچه در مطالعه حاضـر انجام شده، منجر به تفسیردقیـق­تر ضرایب شده است. علاوه بر این، در اکثر مطالعات پیشین تنها به بررسی بحران­های بانکی، ارزی و بدهی پرداخته است اما به تاثیر بحران­های مالی جهانی بر الگوهای تجاری با استفاده از متغیرهای توضیحی مدل جاذبه از منظری که در مطالعه حاضر مدنظر بوده، کمتر توجه شده است.

تفاوت دوم درخصوص روش­ اقتصادسنجی استفاده شده در سایر مطالعات مرتبط با حوزه بحران­های مالی است‌که به‌ طورکلی برآوردگرهای مارکوف­ سوئیچینگ، رگرسیون لاجیت و مدل­ تعادل عمومی هستند اما در مطالعه حاضر از روش شبه حداکثر درست­نمایی توزیع پوآسون استفاده شده است؛ چرا که یکی از مهم‌ترین کاربردهای استفاده از این روش، کمک به رفع مشکلات سنتی مربوط به برآورد مدل جاذبه است. بنابراین، در راستای برطرف کردن خلاء موجود در ادبیات موضوع، ضرورت انجام مطالعه حاضر مشخص می­شود.

4. بحران‌های مالی و متغیرهای کلان اقتصادی

بررسی پیامدهای منفی بحران­های مالی بر عملکرد بخش­­ واقعی اقتصاد یکی از مهم‌ترین دغدغه­های سیاست­گذاران اقتصادی است. با توجه به این که علت وقوع بحران­های مالی حائز اهمیت است؛ از این رو، منجر به توسعه روش­هایی شده است که در این زمینه
به شناسایی شاخص­های پیش­بینی‌کننده بحران­های مالی کمک می­کند. بنابراین، در این بخش تلاش شده است بحران­های­ مالی و آثار آن بر مهم‌ترین متغیرهای کلان اقتصادی در چارچوب نتایج منعکس شده در نمودار­ها­ی (1)، (2) و (3) بررسی شود.

نمودار 1. نرخ رشد بدهی

 

ماخذ: یافته‌های پژوهش

نتایج ارائه شده در نمودار (1) تاثیر بحران­های مالی بر نرخ رشد بدهی در اقتصاد ایران را نشان می­دهد. بر این اساس، پس از وقوع بحران مالی آسیا طی سال­های 1999-1997 میزان نرخ رشد بدهی تقریبا در یک سطح قرار داشته و تغییر آشکاری مبنی بر افزایش یا کاهش در روند آن نسبت به سال­های قبل از وقوع بحران مشاهده نشده است اما همزمان
با وقوع بحران مالی آمریکا طی سال­های 2009-2007 و حتی پس از آن، میزان افزایش در نرخ رشد بدهی با روند صعودی همراه بوده است. بنابراین، می­توان گفت بحران مالی آمریکا نسبت به بحران مالی آسیا، تاثیر بیشتری در افزایش نرخ رشد بدهی در اقتصاد ایران طی دوره مورد بررسی داشته است.

نمودار 2. نرخ تورم

 

ماخذ: یافته‌های پژوهش

نتایج ارائه شده در نمودار (2) تاثیر بحران­های مالی بر نرخ تورم را نشان می­دهد. لازم به توضیح است اقتصاد ایران طی سال­های مختلف با نوسان­­های متعددی به لحاظ افزایش و کاهش در میزان نرخ تورم که متاثر از بحران­های مالی بوده، مواجه شده است. این تغییرات در مقایسه با سال­های ابتدایی و انتهایی منتهی به بحران­های مالی، موید آن است که نرخ تورم در اقتصاد ایران معضلی چند بعدی دارد­؛ چرا که پس از وقوع بحران­ مالی آسیا طی سال­های 1999-1997 نرخ تورم روند صعودی داشته اما پس از وقوع بحران مالی آمریکا طی سال‌های 2009-2007 روند آن نزولی شده است.

 

 

نمودار 3. خالص جریان‌های مالی دوطرفه

 

ماخذ: یافته‌های پژوهش

نتایج ارائه شده در نمودار (3) تاثیر بحران­های مالی بر خالص جریان­های مالی دوطرفه در اقتصاد ایران را نشان می­دهد. در این رابطه، تاثیر بحران مالی آسیا (1997) نسبت به بحران مالی آمریکا (2007) در کاهش خالص جریان­های مالی دوطرفه بیشتر است. به عبارت دیگر، میزان خالص جریان­های مالی دوطرفه در اقتصاد ایران که متاثر از بحران مالی آسیا است طی سال­های 1999-1997 منفی بوده و مقدار آن نسبت به بحران مالی آمریکا به طور مشخص پایین­تر از خط قرار گرفته است.

با توجه به نتایج منعکس شده در نمودارهای (1)، (2) و (3) می­توان گفت، کشور ایران بیشترین میزان آسیب­پذیری را هنگام وقوع بحران مالی آسیا (1997) از ناحیه افزایش نرخ تورم و کاهش خالص جریان­های مالی دوطرفه متحمل شده است. علت تاثیر کمتر پیامدهای منفی بحران مالی آمریکا (2007) بر اقتصاد ایران نسبت به بحران مالی آسیا (1997) نشان‌دهنده­ مهار سریع بحران است؛ چرا که کشورهای غربی با مداخله­ سریع، اقدامات موثری مبنی بر کاهش انتقال اثرات منفی بحران به سایر کشورها انجام دادند.

 

 

5. روش‌شناسی پژوهش

در این بخش ابتدا به معرفی مدل جاذبه ­می­پردازیم و در ادامه، علت استفاده از روش
شبه حداکثر درست­نمایی توزیع پوآسون ارائه می­شود.

مدل جاذبه اولین بار توسط تین­برگن[25] (1966)­ به منظور تبیین جریان­های تجاری متقابل استفاده شده است؛ چرا که یکی از مهم‌ترین مشخصه­های مدل جاذبه،­ انعکاس روابط بین‌الملل است. از آنجا که اقتصاد جهانی همواره شاهد جریان­های تجاری بـین کشـورها است، از این رو، ارتباط­های دوطرفه استفاده از ابزاری نظام­مند را لازم کرده است. در واقع، درک شهودی بسیاری از روابـط اجتماعی و اقتصادی تا حدودی مشکل است، در نتیجه از قوانین علوم طبیعی برای توضیح این روابط استفاده می­شود (Deardorff, 1998). مدل جاذبه یکی از این الگوها بوده که با استفاده از نظریه جاذبه نیوتن از فیزیک به حوزه مطالعات انسانی منتقل شده است. پژوهشگران ابتدا از این قانون برای آزمـون پدیـده­ اجتمـاعی مهاجرت که ویژگی آن انتقال یا جریان بین دو یـا بـیش از دو منبـع است، استفاده کردند اما بعدها این معادله در مباحث اقتصادی وارد شده است.

معادله اولیه مدل جاذبه به صورت رابطه (1) تصریح شده است که به تبیین روابط بین متغیرها پرداخته است. رابطه (1) نشان می­دهد در صورت ثبات سایر شرایط، مقدار نیرویی که دو جسم فیزیکی بر یکدیگر وارد می­کنند با تولید ناخالص داخلی ارتباط مستقیم و
با فاصله جغرافیایی بین دو کشور ارتباط معکوس دارد.

(1)

 

با اضافه کردن جزء خطای تصادفی به رابطه (1) مدل جاذبه به صورت رابطه (2) تصریح می­شود.

(2)

 

به منظور تسهیل در برآورد ضرایب متغیرها، رابطه (2) با استفاده از روش لگاریتم­گیری به صورت رابطه خطی (3) تصریح می­شود.

(3)

 

در مطالعات مرتبط با حوزه تجارت بین­الملل با مشکلات سنتی مربوط به برآورد مدل جاذبه مواجه هستیم. در این رابطه، می­توان گفت اگر مدل جاذبه با استفاده از روش حداقل مربعات معمولی[26]­­ برآورد شود، منجر به حذف مشاهدات آماری صفر خواهد شد؛ چرا که یکی از محدودیت­های استفاده از روش سنتی این است که چنانچه در بعضی از سال­ها امکان تحقق تجارت بین کشورها وجود نداشته باشد و در واقع، مشاهدات آماری صفر برای تجارت ایجاد شود، در این شرایط نمی­توان از متغیر تجارت به علت حذف مشاهدات آماری صفر لگاریتم گرفت. علاوه بر این، اگر مدل با استفاده از روش حداقل مربعات غیرخطی[27]­ برآورد شود، ممکن است با مشکل ناهمسانی واریانس[28] مواجه شویم. در نتیجه تفسیرهایی که بر مبنای این ضرایب انجام می­شود، دقیق نخواهد بود.­ بر این اساس، سانتوس سیلوا و تنریرو[29]­­ (2006) روش شبه حداکثر درست­نمایی توزیع پوآسون را برای برآورد این نوع الگوها معرفی کردند. یکی از ویژگی­های حائز اهمیت این روش، عدم حذف مشاهدات آماری صفر و برآورد ضرایب متغیرها بدون تورش و قابل اطمینان به علت دادن وزن­ یکسان به تمام مشاهدات آماری است. از این رو، استفاده از آن منجر به افزایش تعداد مشاهدات آماری و کارایی برآوردگر می­شود. همان­­­طور که به آن اشاره شد، روش
مورد اشاره دربردارنده مشاهدات آماری صفر است. به این مفهوم که حتی در صورت
عدم تحقق تجارت بین کشورها در بعضی از سال­ها، در این شرایط امکان لگاریتم­گیری برای متغیرها وجود دارد؛ چرا که هنگام استفاده از این روش، مشاهدات آماری صفر با لگاریتم‌گیری حذف نمی­شوند. در این رابطه، سانتوس سیلوا و تنریرو (2006) پیشنهاد دادند متغیر وابسته (تجارت) به صورت خطی و از واحد سطح[30] آن و متغیرهای مستقل به‌صورت لگاریتمی­ در مدل تصریح ­­شوند.

با توجه به آنچه مطرح شد، در مطالعه حاضر چارچوب اصلی به منظور برآورد مدل
بر مبنای روش شبه حداکثر درست­نمایی توزیع پوآسون است که با توجه به مبانی نظری و ادبیات موضوع مبنی بر تاثیر بحران­های مالی بر تجارت بین­الملل تبیین شده است. روش مذکور برگرفته از مطالعات سانتوس سیلوا و تنریرو (2006) و سانتانا گالگو و پرز رودریجوز­[31] (2018) بوده که در این زمینه، مدل پژوهش با استفاده از الگوی گلیک و رز[32] (2016) به صورت رابطه (4) تصریح شده است.

(4)

 

به منظور بررسـی بحران­های مالی جهانی و آثار آن بر الگوهای تجاری از حجم تجارت متقابـل (مجموع صادرات و واردات) بین کشور ایران و بیست شـریک تجاری آن استفاده شده اسـت.[33] در راستای تشخیص درجه اهمیت و نحوه تاثیرگذاری هر یک از متغیرها بر جریان­های تجاری، الگوی پیشنهاد شده با توجه به انعطاف­پذیری مدل جاذبه، بسط یافته و با استفاده از متغیرهای لگاریتم شاخص مشابهت اقتصادی لیندر[34]، لگاریتم جمعیت کشور ایران و شرکای تجاری، لگاریتم نرخ ارز اسمی و لگاریتم فاصله جغرافیایی تحت عنوان مدل جاذبه تعمیم‌یافته به صورت رابطه (5) تصریح شده است.

(5)

 

توجه به این موضوع ضروری است در مطالعه حاضر متغیرها بر اساس داده­های سالانه کشور ایران و شرکای تجای طی دوره 2018-1995 تعیین شده است که در ادامه به معرفی هر یک از آن­ها به شرح جدول (1) می­پردازیم.

 جدول 1. متغیرهای پژوهش

متغیر

نماد

تعریف

منبع

تجارت بین­الملل

Tijt

مجموع صادرات و واردات کشورها بر حسب میلیارد دلار

World Bank

لگاریتم شاخص مشابهت اقتصادی لیندر

LnLINijt

مجذور تفاضل تولید ناخالص داخلی سرانه دوکشور i,j برحسب قیمت ثابت سال 2011

World Bank

لگاریتم جمعیت کشور ایران

LnPOPit

جمعیت کشور i بر حسب میلیون نفر

World Bank

لگاریتم جمعیت شرکای تجاری

LnPOPjt

جمعیت کشور j بر حسب میلیون نفر

World Bank

لگاریتم نرخ ارز اسمی

LnERijt

نرخ ارز اسمی کشورها بر حسب
میانگین دوره به دلار

World Bank

لگاریتم فاصله جغرافیایی

LnDISijt

مسافت بین پایتخت کشور ایران از هر یک از شرکای تجاری بر حسب کیلومتر

CEPII

بحران­های مالی جهانی

∑CRIijt

مجموعه­ای از متغیرهای دامی بحران­­ مالی بر حسب طبقه­بندی اعداد صفر و یک

Laeven and Valencia

ماخذ: یافته‌های پژوهش

5-1. برآورد مدل و تحلیل نتایج

با توجه به هدف مطالعه حاضر مبنی بر بررسی بحران­های مالی جهانی و تحلیل آثار آن
بر الگوهای تجاری، لازم است قبل از برآورد مدل، آزمون­های تشخیصی انجام شود.
برای این ­منظور، ابتدا از آزمون چاو[35] برای انتخاب بین هر یک از روش­های رگرسیونی داده­های ترکیبی[36] یا داده­ها­ی تابلویی[37] استفاده می­شود. فرض صفر آزمون چاو مبتنی بر همگن بودن مقاطع و برابری عرض از مبدا و فرض مقابل موید ­غیر­همگن بودن مقاطع
و نابرابری عرض از مبدا است. چنانچه فرض صفر در این آزمون پذیرفته شود، از روش داده‌های ترکیبی و در غیر این صورت از روش داده­ها­ی تابلویی استفاده خواهد شد.
در مرحله بعد با استفاده از آزمون هاسمن[38] درخصوص انتخاب بین روش­­ اثرات ثابت­[39] یا اثرات تصادفی­[40] تصمیم­گیری می­شود. چنانچه فرض صفر در این آزمون پذیرفته شود
از روش اثرات تصادفی و در غیر این صورت از روش اثرات ثابت استفاده خواهد شد.

جدول 2. آزمون‌های تشخیصی

آزمون

آماره

احتمال

نتیجه

چاو

04/23

000/0

داده­های تابلویی

هاسمن

51/437

000/0

اثرات ثابت

ماخذ: یافته‌های پژوهش

نتایج ارائه شده در جدول (2) حاکی از رد فرض صفر در هر دو آزمون چاو و هاسمن است. در ادامه، به بررسی بحران­های مالی جهانی و تحلیل آثار آن بر الگوهای تجاری
در کشور ایران و شرکای تجاری آن طی سال­های 2018-1995 می­پردازیم. همچنین به منظورکنترل مقاومت چند جانبه در برابر تجارت[41]، ضرایب متغیرها با لحاظ قید اثرات ثابت سالانه کشور[42] برآورد می­شود. این ارتباط در چارچوب مدل جاذبه و با استفاده از روش شبه حداکثر درست­نمایی توزیع پوآسون انجام شده است.[43] در ادامه به تحلیل نتایج جدول‌(3) می­پردازیم.

نتایج ارائه شده در جدول (3) موید آن است که بحران­های مالی جهانی تاثیر معنی­دار بر حجم تجارت دارند اما نوع تاثیرگذاری هر یک از آن­ها بر الگو­های تجاری متفاوت است. به عبارت دیگر، با توجه به علامت منفی ضریب بحران­ مالی آسیا (1997) می­توان گفت با وقوع این بحران، حجم تجارت به میزان ­179% کاهش یافته است اما علامت مثبت ضریب بحران­ مالی آمریکا (2007) نشان داده است بحران مورد بحث، منجر به افزایش حجم تجارت به میزان ­135% شده است. در واقع، یافته­ها نشان داده است بحران­ مالی آسیا (1997) نقش موثری در کاهش حجم تجارت داشته اما این نتیجه در ارتباط با بحران مالی آمریکا (2007) برعکس است­؛ چرا که به جای تهدید، به فرصتی مناسب در راستای تحرک جریان­های تجاری در کشورهای مورد بررسی تبدیل شده است. بنابراین، در این شرایط به نظر می­رسد، تفاوت در شدت و نوع تاثیرگذاری بحران­های­ مالی بر الگو­های تجاری می­تواند متاثر از ماهیت بحران­ یا منطقه­ای باشد که بحران از آنجا آغاز شده است.

جدول 3. نتایج برآورد مدل

متغیرها

ضرایب

انحراف معیار

احتمال

CRIijt 1997

179/0-

000/0

000/0***

CRIijt 2007

135/0

000/0

000/0***

LnLINijt

358/32-

184/0

000/0***

LnPOPit

005/3

915/5

000/0***

LnPOPjt

111/0

100/0

000/0***

LnERijt

017/0

000/0

000/0***

LnDISijt

400/0-

000/0

000/0***

C

430/52-

113/0

000/0***

R-Squared = 81/0

Pseudo Log Likelihood = 405/171-

Number of obs = 240

***معنی­داری ضرایب متغیرها در سطح 1 درصد

ماخذ: یافته­های پژوهش

علامت منفی ضریب لگاریتم شاخص مشابهت اقتصادی لیندر نشان داده اسـت با کاهش اختلاف درآمد سرانه، حجم تجارت به میزان 358/32 افزایش یافته است. به عبارت دیگر، تشابه بیشتر دو کشور در میزان کالاهای تقاضا شده، نشان­­‌دهنده پتانسیل تجاری بزرگ‌تر خواهد بود. بر این اساس، بهترین بازار برای کالاهای صادراتی یک کشور ممالکی هستند که از سلیقه­ مشابه یا ساختار تقاضای یکسان بهره­مند باشند. از این رو، هر چقدر ساختار تقاضای دو کشور مشابهت بیشتری با یکدیگر داشته باشد، تجارت بالقوه بین آن­ها شدت بیشتری خواهد داشت.

علامت مثبت ضریب لگاریتم جمعیت کشور ایران و شـرکای تجـاری نشان داده است با افزایش جمعیت، حجم تجارت در کشور ایران و شرکای تجاری به ترتیب به میزان 005/3 و 111/0 بیشتر شده است. متغیر جمعیت،­ نماینده اندازه اقتصاد در کشورها است؛ به طوری که با بهره­مند شدن از مزیت صرفه­ اقتصادی ناشی از مقیاس، کالاهای تولیـد شـده بـا قیمـت کمتـری در بازارهای جهانی عرضه می­شوند. از این رو، کشورهای مورد بررسی تمایل بیشتری به مراودات تجاری دارند؛ چرا که استفاده بیشتر از نیروی کار با ویژگی جمعیت بالاتر، می­تواند­ بر میزان کالاهای تولیـد شـده اثر مثبت داشته باشد که نتیجه آن به صورت افزایش حجم تجارت منعکس می­شود.

علامت مثبت ضریب لگاریتم نرخ ارز اسمی نشان داده است با افزایش این متغیر حجم تجارت به میزان 017/0 افزایش یافته است؛ چرا که کالاهای خارجی نسبت به داخلی گران‌تر شده، در نتیجه مصرف­کنندگان داخلی و خارجی کالای ایرانی را جایگزین کالای خارجی خواهند کرد. در این شرایط، حجم تجارت (مجموع صادرات و واردات) به علت آن که افزایش صادرات بیشتر از کاهش واردات بوده، افزایش یافته است. از آنجا که انتظار داریم کشش قیمتی عرضه صادرات بزرگ‌تر از کشش قیمتی تقاضای واردات باشد؛ از این رو، با افزایش نرخ ارز امکان افزایش توان تولید برای‌کالاهای داخلی فراهم خواهد شد. علاوه بر این، بر اساس شرط مارشال­- لرنر[44] اگر مجموع قدر مطلق کشش قیمتی عرضه صادرات و تقاضای واردات نسبت به نرخ ارز بزرگ‌تر از واحد باشد، افزایش نرخ ارز می­تواند منجر به بهبود تراز تجاری شود.

علامت منفی ضریب لگاریتم فاصله جغرافیایی نشان داده است این متغیر به میزان 400/0 تاثیر منفی بر حجم تجارت دارد. به عبارت دیگر، به هر میزان فاصله کشورها
از یکدیگر بیشتر باشد، هزینه حمل و نقل نیز بیشتر می­شود. در نتیجه بازارهای دور­دست جذابیت کمتری برای مراودات تجاری دارند؛ چرا که متغیر فاصله عامل مهمی در الگوهای جغرافیایی تجارت محسوب می­شود که خود متاثر از ماهیت کالا و نوع وسیله ارتباطی است. بنابراین، در صورت برابری سایر شرایط، کشورهای نزدیک‌تر به علت کاهش هزینه مبادلات بین‌المللی کالاها، در اولویت مراودات تجاری قرار دارند.

6. جمع‌بندی و نتیجه‌گیری

هدف مطالعه حاضر تمرکز بر علت وقوع بحران­های مالی جهانی و بررسی آثار آن
بر الگوهای تجاری کشور ایران در ارتباط با مهم‌ترین شرکای تجاری است. در این راستا، برآورد ضرایب متغیرها در چارچوب مدل جاذبه و با استفاده از روش شبه حداکثر درست‌نمایی توزیع پوآسون طی سال­های 2018-1995 انجام شده است.

یافته­ها موید آن است که کشورهای مورد بررسی متاثر از پیامدهای بحران­های­ مالی هستند اما شدت و نوع تاثیرپذیری هر یک از آن­ها بر اساس ماهیت بحران­های مالی، متفاوت است. در این زمینه، بحران­ مالی آسیا (1997) نقش موثری درکاهش حجم تجارت درکشورهای مورد بررسی داشته است اما این نتیجه در ارتباط با بحران مالی آمریکا (2007) برعکس است. پایین بودن میانگین سهم این‌کشورها از بازارهای مالی جهانی این تصور را ایجاد می­کند که معضلات ناشــی از بحران مالی آمریکا (2007) تاثیر اندکی بر اقتصاد کشــورهای مورد بررسی دارد؛ چرا که بازارهای مالی این کشورها به علت عدم ادغام یا عدم تعامل با بازارهای مالـی بین‌المللی، به نسبت کمتر از این بحران تاثیر گرفته است.
به عبارت دیگر، این‌کشورها تحت تاثیر تحول­های اقتصادی و به تبع آن پیامدهای بحران­ مالی قرار گرفتند اما به علت موقعیت خاص آن‌ها در اقتصاد جهانی، بحران مالی آمریکا (2007) به جای تهدید، به فرصتی مناسب در راستای تحرک جریان­های تجاری تبدیل شده است. علاوه بر این، ممکن است مکانیسم تاثیرپذیــری بازارهای مالی آن‌ها متفاوت باشد؛
به‌ طوری‌که با یک وقفــه زمانی، اثرات آن درکشورها منعکس ­شود. در این رابطه، می‌توان گفت کشورهای مورد بررسی کمترین میزان آسیب را از ناحیه بحران مالی آمریکا (2007) متحمل شدند اما ارتباط اقتصادی کشور ایران با سایر کشورها که از طریق کانال تجارت و فرآیندهای مرتبط با آن انجام می‌شود در بلند­مدت می­تواند به انتقال پیامدهای منفی بحران مالی به داخل کشور منجر شود.

این موضوع باید مدنظر قرار گیرد که بحران مالی آسیا (1997) یک دفعه اتفاق نیفتاده است و بدون شک سیاست­های اقتصادی‌گذشته‌کشورهای درگیر، در بروز آن سهیم هستند.­ با توجه به آن که سهم بیشتری از تعامل­های اقتصادی کشورهای مورد بررسی با کشـورهای همسایه و به طور خاص کشورهای شرق آسیا که مهم‌ترین شرکای تجاری ایران را تشکیل می­دهند، انجام شده است؛­ در این شرایط پیامدهای منفی بحران مالی آسیا (1997)
به صورت افزایش قیمت­ و هزینه­ تبادل کالا و به تبع آن کاهش حجم تجارت منعکس می­شود. بنابراین، شناخت مقدمات شکل­گیری بحران­های مالی می­تواند برای سایر کشورها تجارب ارزنده­ای به لحاظ کنترل پیامدهای منفی بحران مالی یا پیش­بینی وقوع آن درآینده داشته باشد.

سایر یافته­ها نشان داده است علامت ضرایب متغیرهای لگاریتم شاخص مشابهت اقتصادی لیندر، لگاریتم نرخ ارز اسمی و لگاریتم جمعیت کشور ایران و شرکای تجاری موید تاثیر مثبت آن‌ها بر حجم تجارت در راستای تحرک جریان­های تجاری در کشورهای مورد بررسی هستند. همچنین با توجه به علامت منفی ضریب لگاریتم فاصله جغرافیایی می­توان انتظار داشت تجارت با کشورهایی‌که فاصله بیشتری با ایران دارند­،کمتر انجام شود. به عبارت دیگر، بخش عمده مراودات تجاری ایران با کشورهای همسایه محقق می­شود.

بر اساس یافته­های مطالعه حاضر، پیشنهاد قابل طرح آن است که سیاست­های تجاری با هدف حمایت از صادرات محور بودن تولیدات داخلی اتخاذ شود تا جهت نیل به
این منظور­، کشور ایران بتواند علاوه بر تامین درآمدهای ارزی به عنوان یک اهرم­ تعدیل‌کننده در برابر پیامدهای منفی بحران­های مالی اقدام نماید. بنابراین، برای رسیدن به این هدف لازم است کاهش وابستگی بودجه دولت به درآمدهای نفتی کشور در اولویت باشد؛ چرا که کاهش قیمت جهانی نفت که می­تواند متاثر از وقوع بحران مالی باشد، ممکن است در شرایط خاص، دولت را در معرض کسری بودجه قرار دهد. از آنجا که  رویکرد دولت­ برای جبران کسری بودجه، استقراض از نظام بـانکی کشور است؛ از این رو،
این معضل می­تواند در قالب افزایش نرخ تورم، منجر به تشدید مشکلات اقتصادی ­شود. درک این مباحث به منظور حفظ موقعیت اقتصـادی کشـور ایران در مجامـع بین­المللی
حائز اهمیت است.

 

[1]. Banking Crisis

[2]. Debt Crisis

[3]. Balance of Payments Crisis

[4]. Currency Crisis

[5]. Gravity Model

[6]. Poisson Pseudo Maximum Likelihood (PPML)

[7]­. Bretton Woods System

[8]­. Naude, W.

[9]. Babecky, M., et al.

[10]. Jing, Zh.

[11]. Lojit Model

[12]. Money Market Pressure Index

[13]. Ari, A. & Cergibozan, R.

[14]. Moore, T. & Mirzaei, A.

[15]. Gil-Pareja, S., et al.

[16]. Arora, A. & Kalsie, A.

[17]. Ruzzante, M.

[18]. Vector Autoregressive Model

[19]. Eijffinger, S.C.W. & Karatas, B.

[20]. Binary Lojit & Bivariate Probit Models

[21]. Markov Switching Method

[22]. System of Simultaneous Equations Method

[23]. Bayesian Averagin Method

[24]. Double & Multiple Lojit Models

[25]­. Tinbergen, J.

[26]. Ordinary Least Squares (OLS)

[27]. Nonlinear Least Squrres (NLS)

[28]. Heterogeneity of Variance

[29]. Santos-Silva, J.M.C. & Tenreyro, S.

[30]. Level

[31]. Santana­-­Gallego, M. &­ Perez-­­Rodriguez, J. V.

[32]. Glick, R. & Rose, A. k.

[33]. شـرکای تجاری ایران کشورهای چین، امارات متحده عربی، کره ­جنوبی، هند، سوئیس، ترکیه، آلمان، ایتالیا، تایلند، فرانسه، پاکستان، هلند، سنگاپور، انگلیس، ژاپن، عمان، روسیه، برزیل، اسپانیا و مالزی هستند که بر اساس بیشترین ­میزان از حجم مبادلات تجاری و امکان دسترسی به اطلاعات مورد نیاز انتخاب شدند. در نمونه­ اولیه کشورهای افغانستان و عراق به‌عنوان شرکای تجاری ایران مدنظر بودند اما به علت عدم‌کفایت آماری از مدل حذف شدند؛ چرا که با توجه به تحریم­های اقتصادی، بیشترین میزان از حجم تجارت ایران با کشورهای مورد اشاره به سال­های اخیر و در واقع بعد از سال 2018 مربوط می­شود. از آنجا که دوره­ زمانی پژوهش مربوط به سال­های 2018-1995 است؛ از این رو، بخش عمده­ حجم تجارت ایران با کشورهای نامبرده خارج از محدوده­ زمانی پژوهش است.

[34]. Linder Economic Similarity Index

[35]­. Chow Test

[36]. Pooling­ Data

[37]. Panel Data

[38]­­. Hausman Test

[39]. Fixed Effects

[40]. Random Effects

[41]. Control for Multilateral Resistance to Trade (CMRT)

[42]­. Country Year Fixed Effects (CYFE)

[43]­. با توجه به رویه­ معمول سایر پژوهش­ها که لازم است قبل از انجام برآورد مدل، ابتدا آزمون ریشه واحد برای متغیرها انجام ­شود، در مطالعه حاضر انجام آزمون ریشه­ واحد موضوعیت ندارد؛ چرا که ممکن است جریان­های تجاری در بعضی از سال­ها در کشورهای مورد بررسی (بر اساس موارد ذکر شده که قبلا به آن اشاره شد) محقق نشود. در نتیجه روند مشترک بین متغیرها به علت عدم وجود داده­های آماری پیوسته، قابل احصاء نیست. لازم به توضیح است یکی از شرایط اولیه به منظور انجام آزمون ریشه واحد، تحقق شرایط ذکر شده است.

[44]. Marshal-Lerner

Abou­nouri, E., Mehregan, N., & Safari, N. (2018). Identifying factors affecting the probability of banking system crises in selected countries of the world using logit panel model, Economic Researches & Policies Quarterly, 26 (88), 7-38. [In Persian]
Ari, A., & Cergibozan, R. (2016). The twin crises: Determinants of banking & currency crises in the turkish economy, Emerging Markets Finance & Trade, 52 (1), 123–135.
Asgarian, M., Daei-Karimzadeh, S., & Sharifi-Renani, H. (2021). Forecasting the possibility of systemic banking crises in selected developing countries (multiple logit model approach), Applied Theories of Economics Quarterly, 7 (4), 117-138. [In Persian]
Arora, A., & Kalsie, A. (2017). Impact of US financial crisis on GDP of BRICS economies: an analysis using panel data approach, Global Business Review, 19 ­(2), 1-16.
Bayani, O., & Mohammadi, T. (2019). Factors affecting financial crises in Iran's economy: the bayesian averaging approach, Quantitative Economics Quarterly, 16 (2), 145-180. [In Persian]
 Babecky, J., Havranek, T., Mateju, J., Rusnak, M., Smidkova, K., & Vasicek, B. (2012). Banking, debt & currency crises early warning indicators for developed countries, working paper series, No 1485, 1-43.
Bonis, R.D., Giustiniani, A., & Gomel, G. (1998). Crises & bail outs of banks & countries: interconnections, analogies, differences, available at ssrn: https://ssrn.com, 1-52.
Brave, S.­A., & Butters, R.A. (2011). Monitoring financial stability: a financial conditions index approach, Economic Perspectives, 35­ (1), 22-43.
Deardorff, A.D. (1998). Determinants of bilateral trade: does gravity work in a neoclassical world? the regionalization of the world economy, publisher: university of chicago press volume isbn: 0-226-25995-1, 6-31.
Eijffinger, S.C.W., & Karatas, B. (2020). Together or apart? the relationship between currency & banking crises, Journal of Banking & Finance, 119 (C),1-27.
Glick, R., & Rose, A.k. (2016). Currency unions & trade: a post-emu reassessment, European Economic Review, 87 (C), 78-91.
Gil-Pareja, S., Llorca-Vivero, R., & Martinez-Serrano, J.­A. (2016). Does the degree of development matter in the impact of banking crises on international trade? Review of Development Economics, 21(3), 829-848.
Jing, ZH. (2015). On the relation between currency & banking crises in developing countries1980-2010, The North American Journal of Economics & Finance, 34 (C), 267-291.
https://doi.org/­10.1016/j.najef.2015.09.016
Kord-Zangeneh, N., Armen, S.­A., & Montazer-Hojat, A.­H. (2019). Investigating & comparing the impact of the global financial crisis on the economy of iran & turkey using the DSGE method, Iranian Applied Economic Studies Quarterly, 9 (35), 177-217. [In Persian]
https://doi.org/­10.22084/aes.2020.20761.2998
Laeven, L., & Valencia, F. (2018). Systemic banking crises revisited, IMF working paper, WP/18/206,1-47.
Massa, I., & Velde, D.W. (2008). The global financial crisis: will successful african countries be affected?, Overseas Development Institute,1-29.
Mahmoudinia, D. (2019). Monetary policies of the central bank & its role in the occurrence of banking crises in iran's economy in the framework of the adjusted index of money market pressure, Researches & Economic Policies Quarterly, 27 (89), 61-97. [In Persian]
Moshiri, S., & Nadali, M. (2013). Identifying the effective factors in the banking crisis in iran's economy, Economic Researches Quarterly, 13 (48), 1-27. [In Persian]
Moore, T., & Mirzaei, A. (2016). The impact of the global financial crisis on industry growth, The Manchester School, 84­ (2), 159-180.
Naude, W. (2009). The financial crisis of 2008 & the developing countries, Wider Discussion Paper, No. 2009/01,1-20.
Nasrollahi, M., Yavari, K., Najarzadeh, R., & Mehregan, N. (2017). Designing an early warning system of currency crises in iran: logistic regression approach, Economic Researches Quarterly, 52 (1), 187-214. [In Persian]
https://doi.org/10.22059/JTE.2017.59617
Nili, F. (2005). An introduction to financial stability, Trend Quarterly, 6 (45), 25-55. [In Persian]
Ruzzante, M. (2018). Financial crises, macroeconomic shocks & the government balance sheet: a panel analysis, IMF working papers, WP/18/93, 1-55.
Santana-Gallego, M., ­& ­Perez-Rodriguez, J.V. (2018). International trade, exchange rate regimes & financial crises, North American Journal of Economics & Finance, 47 (C), 1-29.
Santos­-­Silva, J.­M.­C.,­ &­ Tenreyro, S. (2006). The log of gravity, The Review of Economics & Statistics, 88 ­(4), 641-658.
Sadeghi, H., & Hasan­zadeh, M. (2011). Investigating the possible effects of the global financial crisis on the income of urban & rural households in iran: a calculable general equilibrium model approach, Economic Researches Quarterly, 46 (2), 79-102. [In Persian]
Sadeghi-Amroabadi, B., & Mahmoudinia, D. (2020). The simultaneous occurrence of banking, debt & currency crises (triple crises) in iran's economy & its determining factors during the period of 1359-1396, Economic Modeling Researches Quarterly, 10 (39), 187-240. [In Persian]
https://doi.org/10.29252/jemr.10.39.187
Shafiee, S., & Sabouri-Deylami, M.­H. (2010). Investigating the effectiveness of iran's macroeconomic variables from the global financial crisis, Business Review Quarterly, 7 (39), 2-16. [In Persian]
Tinbergen, J. (1966). Shaping the world economy: suggestions for an international economic policy, The Economic Journal, 76­ (301), 92-95.
Yazdani, M., & Esmaeili, A. (2017). The interaction of trade flows & the spread of financial crises in emerging countries: simultaneous equations approach with discrete dependent variable in panel data, Iranian Economic Researches Quarterly, 22 (70), 133-173. [In Persian]
Zarei, Zh., & Komeyjani, A. (2015). Identifying & predicting banking crises in iran, Economic Modeling Quarterly, 9 (1), 1-23. [In Persian]
https://www.­worldbank.org