Document Type : Research Paper

Authors

1 Associate Professor, Department of Business Management, Faculty of Economics, Management and Administrative Sciences, Semnan University, Semnan, Iran

2 Ph.D. Candidate in Finance - Financial Engineering, Faculty of Economics, Management and Administrative Sciences, Semnan University, Semnan, Iran

Abstract

The exchange rate, as a fundamental variable, alongside other economic variables, has a significant impact on stock returns. Therefore, this study has investigated the effects of the exchange rate and its fluctuations on the pharmaceutical industry's stock returns through linear and nonlinear models during the years 2005 to 2021. In this research, first, the exchange rate fluctuations were modeled using the GARCH model. Then, the symmetrical and asymmetrical effects of the exchange rate and its fluctuations, along with the macroeconomic control variables including the healthcare consumer price index, oil price, and industry-specific control variables including asset return ratio, asset turnover ratio, and debt ratio as well as the COVID-19 dummy variable, were investigated on the return of the pharmaceutical industry stock using both linear ARDL and nonlinear NARDL models. The study shows that in both the short and long term, the impact of the exchange rate on pharmaceutical industry stock returns is greater than the impact of exchange rate fluctuations. Additionally, negative shocks of the exchange rate and its fluctuations have a negative relationship with the pharmaceutical industry's stock returns, while positive shocks of the exchange rate and its fluctuations have a positive effect on the pharmaceutical industry's stock return. The study's findings suggest that the impact of positive and negative shocks of the exchange rate and its fluctuations have asymmetric effects on the return of pharmaceutical industry stock. Results show that control variables and COVID-19 have significant effects on pharmaceutical industry stock returns in linear and nonlinear models.
1.Introduction
Pharmaceuticals, as a strategically vital industry, can significantly contribute to a country’s economic growth and the enhancement of public health. However, a major challenge faced by this industry in Iran is its heavy dependence on imported raw materials and essential machinery, with nearly 60% of the required raw materials being sourced through imports. The pharmaceutical sector in Iran is particularly vulnerable to exchange rate fluctuations, given its high dependency on foreign currency. Consequently, the exchange rate and its fluctuations emerge as determining factors influencing the profitability and stock returns of companies operating in this sector. Divergent perspectives exist regarding how exchange rate fluctuations impact stock returns, with some studies asserting a positive correlation, others a negative one, and some maintaining a neutral stance. Since there is no consensus on the precise nature of the relationship between exchange rate fluctuations and stock returns, especially within the pharmaceutical sector, the present research tried to investigate and compare the effects of exchange rate and its fluctuations on stock returns in the pharmaceutical industry.
2.Materials and Methods
Using linear and nonlinear autoregressive distributed lag models (i.e., ARDL and NARDL), the study examined both the symmetrical and asymmetrical effects of exchange rate fluctuations on the return of pharmaceutical industry stocks during 2005 to 2021. The research also considered macroeconomic control variables, including healthcare consumer price index, oil price, COVID–19 dummy variable, and the variables specific to the pharmaceutical industry (e.g., asset return ratios, turnover ratios, and debt ratios). First, the generalized autoregressive conditional heteroskedasticity (GARCH) model was employed to model exchange rate fluctuations. The long-term linear equation for the return of pharmaceutical industry stocks can be defined as follows:




(1)


 
    




Also, the long-term nonlinear equation is defined as follows:




(2)


    




3.Results and Discussion
The research findings reveal that, in the short-term period and based on the linear ARDL model, the exchange rate significantly affects the return of the pharmaceutical industry stocks, with exchange rate fluctuations also causing a significant negative impact on stock returns. Moreover, the analysis of the long-term coefficient estimates from the linear ARDL model suggests a positive correlation between the exchange rate and pharmaceutical industry stock returns. Consequently, the results imply that an increase in the exchange rate can boost the competitive power and stock returns of pharmaceutical companies. However, in the long run, exchange rate fluctuations can have a detrimental effect due to heightened uncertainty in the stock market, dissuading investors from engaging in this industry. Additionally, the study indicates that an increase in oil prices results in a decrease in pharmaceutical industry returns, as investors seek profits in alternative markets. Inflation, too, negatively affects pharmaceutical industry stock returns, as heightened inflation fosters uncertainty, reducing investor inclination toward pharmaceutical stocks. Furthermore, the research findings highlight that various factors such as pharmaceutical industry asset returns, asset turnover, debt levels, and the dummy variable of COVID–19 positively impact pharmaceutical industry returns.
The results obtained from the nonlinear NARDL model showed that both short-term and long-term negative shocks in the exchange rate and its fluctuations significantly decrease the stock returns of the pharmaceutical industry. In contrast, positive shocks in the exchange rate and its fluctuations positively affect the stock returns of the pharmaceutical industry. Hence, it can be concluded that the exchange rate and its fluctuations have an asymmetrical effect on pharmaceutical industry stock returns in Iran. Unlike the linear ARDL model, the results of the nonlinear NARDL model indicated that inflation and debt levels do not exert significant impact on pharmaceutical industry stock returns in the long run. Additionally, impact of oil prices on pharmaceutical industry returns is significantly negative in the long run, while pharmaceutical asset returns, asset turnover, and the dummy variable of COVID–19 contribute to an increase in pharmaceutical industry returns in Iran.
4.Conclusion
Concerning the importance of the pharmaceutical industry and the influence of the exchange rate on the stock returns in the Iranian stock market, the present research used ARDL and NARDL models to examine both the linear and nonlinear effects of exchange rate and its fluctuations on pharmaceutical industry stock returns during 2005–2021 in Iran. The research results indicated that, in both the short and long term, the impact of exchange rate is more significant than the impact of exchange rate fluctuations on the returns of pharmaceutical industry stocks. According to the findings, negative shocks to the exchange rate and its fluctuations can lead to a decrease in the returns of pharmaceutical industry stocks, while positive shocks result in an increase. The results suggest an asymmetrical impact of positive and negative exchange rate shocks and its fluctuations on pharmaceutical industry stock returns. In both linear and nonlinear models, the control variables of the study, along with the COVID–19 as the dummy variable, have significant impact in on pharmaceutical industry stock returns. In sum, the findings indicated a significant relationship between the exchange rate and its fluctuations and pharmaceutical industry returns in Iran. However, the impact of exchange rate and its fluctuations on pharmaceutical industry proves to be heterogeneous. It is thus recommended that investors take note of the differing results of linear and nonlinear models and the asymmetric effects of variables, utilizing modern financial engineering instruments to implement appropriate risk-hedging strategies against exchange rate fluctuations.

Keywords

Main Subjects

  1. مقدمه

داروسازی به عنوان یک صنعت استراتژیک نقش در خور توجهی در رشد اقتصادی کشور و ارتقای سطح سلامت جامعه می‌تواند داشته باشد. صنعت دارو بعد از صنعت نفت و مشتقات نفتی، دومین صنعت سودآور در جهان محسوب می­شود (یوسفی بابادی و همکاران، 1398). صنعت داروسازی ایران طی سال‌های اخیر و حتی در شرایط تحریم
به دلیل استفاده از متخصصان مجرب پیشرفت‌های قابل توجهی را تجربه کرده و توانسته ایران را جزو کشورهای مطرح داروسازی قرار دهد. وابستگی شدید این صنعت به واردات مواد اولیه و ماشین‌آلات مورد نیاز در فرآیند تولید، بزرگ‌ترین تهدید صنعت دارو
در ایران به حساب می‏آید؛ به گونه ای که تقریبا 60 درصد مواد اولیه مورد نیاز این صنعت از طریق واردات تامین می‏شود. داده­های گمرک جمهوری اسلامی ایران در سال 1400 نیز نشان می­دهد که سهم صادرات دارو 2/0 درصد از کل صادارت کشور و سهم واردات آن از کل واردات کشور حدود 4 درصد است. بدیهی است که سرمایه‌گذاری بیشتر
در این بخش از طریق انتشار و فروش سهام در بازار سرمایه، می‏تواند به بهبود تراز
واردات- صادرات کمک کند. بازده سرمایه­گذاری در اوراق بهادار همانند سرمایه‏گذاری در بخش‏های دیگر تحت تاثیر متغیرهای مختلف اقتصادی از جمله نوسانات نرخ ارز است؛ به این معنی که نوسانات نرخ ارز بر سودآوری و به تبع آن بر بازده صنایع مختلف بالاخص صنایعی که وابستگی ارزی بیشتری دارند، تاثیرگذار است. به دلیل وابستگی ارزی بالای صنعت دارو در ایران می‌توان نوسانات در قیمت ارز را به عنوان یک متغیر تعیین‌کننده
در سودآوری و بازده سهام شرکت‌های فعال در این صنعت دانست. 

در خصوص چگونگی اثرگذاری نوسانات نرخ ارز بر بازده سهام­ شرکت­های داروسازی در بورس اوراق بهادار تهران، نظرات و دیدگاه‏های متفاوتی وجود دارد؛
به صورتی‌که برخی از پژوهش‌های صورت‌گرفته، این اثر را مثبت ارزیابی تشخیص داده‌اند (پدرام،1391؛ ادیب­پور، 1395 و برخورداری و همکاران،1396) و برخی پژوهش‌ها این اثر را  منفی ارزیابی کرده­اند (کریم‌زاده، 1385؛ جعفری صمیمی و همکاران، 1393 و محمدی، 1394) و برخی دیگر این ارتباط را خنثی دانسته‌اند (ابونوری، 1391؛ وکیلی­فرد و علی­فری، 1394 و نجفی و رحیم‌زاده،1394).

با توجه به اینکه در خصوص چگونگی تاثیرگذاری نوسانات نرخ ارز بر بازده سهام و به طور خاص سهام شرکت‌های داروسازی در بورس اوراق بهادار تهران اتفاق نظر وجود ندارد؛ از این رو، ضروری به نظر می‏رسد که این پدیده با دو رویکرد اقتصاد سنجی خطی و غیرخطی روی سهام شرکت‌های داروسازی مورد مطالعه و بررسی قرار گیرد. بنابراین، در این پژوهش پس از بررسی تاثیر نرخ ارز و نوسانات آن بر بازده سهام در صنعت داروسازی با الگوی خطی خودرگرسیونی با وقفه­های توزیعی (ARDL)[1] و الگوی غیرخطی خودرگرسیونی با وقفه­های توزیعی(NARDL)[2] نتایج حاصل از به‌کارگیری این مدل­ها مورد مقایسه و تحلیل قرار می‏گیرند.

سازماندهی مقاله حاضر در ادامه به این صورت است که پیشینه پژوهش در دو بخش نظری و تجربی مورد بررسی قرار می‏گیرند. سپس روش‌شناسی پژوهش شامل تصریح مدل، معرفی داده‌ها و استخراج متغیرها و نحوه آزمون فرضیه­ها ارائه می‏شود. بخش بعدی مقاله به تخمین مدل و ارائه نتایج اختصاص دارد. بخش آخر مقاله نیز به نتیجه­گیری و ارائه پیشنهادات کاربردی و پیشنهاد به محققان آتی اختصاص دارد.

  1. پیشینه پژوهش

2-1. پیشینه نظری

در خصوص نوسانات نرخ ارز و تاثیر آن بر بازده سهام، طی دهه‌های اخیر پژوهش‏ها و مطالعات متعددی صورت گرفته است. در غالب پژوهش‏ها، پدیده مورد اشاره با دو رویکرد سنتی و رویکرد تعادل پرتفوی مورد بررسی قرار گرفته است. در رویکرد سنتی فرض بر این است که نرخ‌ ارز از طریق تجارت بین‌المللی بر قیمت سهام شرکت­ها تاثیر می‏گذارد. در این رویکرد همچنین اعتقاد بر این است که تغییرات در نرخ ارز بر هزینه­های واردات و صادرات شرکت­های داخلی تاثیر می­گذارد و بسته به جهت تغییرات آن، تاثیر مثبت یا منفی بر قیمت سهام شرکت­ها می‏گذارد (Saman, 2015).

 رویکرد دوم که به رویکرد تعادل پرتفوی معروف است، توسط برانسون[3] در سال‌های (1980،  1981و1983) ارائه شد. در این رویکرد، فرض بر این است که بازارهای مالی با ایجاد تقاضا برای یک دارایی در یک سطح معین از عرضه سهام، نرخ ارز را تعیین می­کنند. به عبارت دیگر، در این رویکرد فرض می‏شود که پول، اوراق قرضه داخلی و اوراق قرضه خارجی، سه دارایی از دارایی‏های تشکیل‌دهنده پرتفوی سرمایه‌گذاران در یک اقتصاد هستند و تغییر در قیمت هر یک از این سه دارایی، سرمایه‌گذار را ملزم به ایجاد تعادل مجدد در پرتفولیوی خود می‏کند. بدیهی است که فرآیند تعدیل در پرتفولیو از طریق تغییرات تقاضا برای دارایی­ها بر نرخ ارز تاثیر می‌گذارد (Tari & Gozen, 2018).
به این معنا که افزایش قیمت سهام منجر به افزایش ثروت سرمایه­گذاران و در نتیجه افزایش تقاضا برای پول ملی و افزایش نرخ بهره در بازار می‏شود. با افزایش نرخ بهره در بازار داخلی، سرمایه­گذاری در دارایی آن کشور برای سرمایه­گذاران خارجی جذاب­تر شده و این موضوع باعث افزایش ارزش پول داخلی می­شود (Mollick & Sakaki, 2019).

نوسانات نرخ ارز به عنوان یک متغیر اقتصادی در کنار دیگر متغیرهای بنیادی دیگر می­تواند بر قیمت سهام و اوراق بهادار تاثیر داشته باشد. بدیهی است که هر چه وابستگی ارزی درآمدهای یک صنعت به نوسانات نرخ ارز بیشتر باشد، قیمت سهام فعال درآن صنعت نیز تاثیرپذیری بیشتری از نوسانات نرخ ارز خواهند داشت و برعکس.

یکی از صنایع مهم و استراتژیک در فرآیند توسعه -که تاثیرپذیری بالایی از نوسانات نرخ ارز دارد- صنعت داروسازی است (حیدری و همکاران، 1397). طبق آخرین اطلاعات مرکز آمار ایران، صنعت داروسازی در مقایسه با صنایع دیگر بیشترین نیاز به خرید مواد اولیه خارجی را دارد؛ به گونه ای که تقریبا بیش از 15 درصد از هزینه تمام شده تولید در این صنعت به مواد اولیه خارجی اختصاص دارد. بدیهی است که این میزان وابستگی به مواد اولیه خارجی می‌تواند تاثیرپذیری بازده شرکت‌های دارویی از نوسانات نرخ ارز را افزایش دهد. ویژگی­های ساختار سرمایه شرکت­های دارویی نیز در تعیین میزان بازدهی آن­ها نقش بسزایی دارد؛ مشخصه اصلی شرکت‌های داروسازی، داشتن هزینه­های سرمایه‌ای بالا به منظور تحقیق و توسعه (R&D)[4] و وجود فاصله زمانی طولانی­مدت بین تحقیقات اولیه و عرضه محصول به بازار است. از این­ رو، هنگامی­که محصولات جدیدی در بازار عرضه می­شود شرکت­هایی دارویی باید تعیین کنند که چه قیمتی را باید برای محصولات جدید در نظر بگیرند تا در کمترین زمان ممکن از محل سرمایه‌گذاری خود، سود کسب کنند. بنابراین، با توجه به میزان بالای سطوح هزینه‌های تحقیق و توسعه در شرکت­های دارویی، معمولا این شرکت­ها دارای سطوح بالای بدهی هستند. بنابراین، نسبت‌های مالی کلیدی برای ارزیابی شرکت‌های داروسازی نسبت‌های مربوط به توانایی شرکت در مدیریت سطوح بالای بدهی، سودآوری و ایجاد بهره‌وری از دارایی­های شرکت است که در این خصوص می­توان از نسبت­های مالی بازده دارایی­ها، گردش دارایی­ها و نسبت بدهی استفاده کرد (Indrianti & Rolanda, 2023).

از دیگر متغیرهای اقتصادی اثرگذار بر بازده سهام و اوراق بهادار قیمت نفت است.
نفت خام به عنوان یک نهاده مهم در تولید محصولات دارویی و به طور خاص در محصولات آرایشی و بهداشتی به حساب آمده و این شرکت­ها هم به صورت مستقیم و هم به صورت غیرمستقیم از نفت در فرآیند تولید خود بهره می‏گیرند. ترکیباتی مانند زایلن، تولوئن،
اسید سولفوریک، استون، انیدریدها، جوش شیرین و... که از پالایش نفت خام به دست می‏آیند از مواد اولیه پر کاربرد در تولید انواع داروها و محصولات آرایشی و بهداشتی هستند. با توجه به اینکه بخشی از نهاده‌های صنعت داروسازی را نفت خام تشکیل می‏دهد؛ تغییرات قیمت جهانی این محصول می‌تواند بر بهای تمام شده و نیز سودآوری این صنعت تاثیر داشته و در نهایت قیمت بازار سهام آن‌ها را تحت تاثیر قرار دهد (Basu & Chaudhuri, 2022).

در سال­های اخیر پاندمی کرونا به عنوان یک عامل ریسک سیستماتیک بر بازارهای مالی و اقتصاد کشورها تاثیر بسزایی داشته است و با شیوع آن، بازارهای مالی بسیاری از کشورها دچار افت شدید قیمتی شدند. با این وجود بازار سهام ایران برخلاف بازارهای سهام سایر کشورها حرکت کرد و در موج اول و دوم پاندمی شاخص بورس ایران 431 درصد افزایش یافت و در بخش صنعت دارو نیز به علت افزایش تقاضا برای کالاهای دارویی و بهداشتی (جهت پیشگیری از ویروس کرونا) و افزایش سرمایه­گذاری در زیرساخت‌های پیشگیری از این بیماری، ارزش سهام شرکت‌های صنعت دارویی افزایش یافت (جهانی، 1400).

دراین پژوهش با توجه به اهمیت صنعت دارویی در اقتصاد کشور، سعی بر آن است که رابطه کوتاه‌مدت و بلندمدت متغیر­های بیان شده با میزان بازدهی صنعت دارو به کمک مدل­های خطی و غیرخطی ARDL تصریح شود.

2-1. پیشینه تجربی

پایلاکتیز و راوازولو[5] (2005) با انجام پژوهشی در کشورهای حوزه اقیانوس آرام طی سال‌های 1980 تا 1998 و با استفاده از روش هم‌انباشتگی[6] و آزمون علیت گرنجر
چند متغیره[7] دریافتند که بین بازده بازارهای سهام و نرخ ارز، ارتباط مثبت و معناداری وجود داشته و بحران مالی تاثیر موقتی بر حرکت بلندمدت این بازارها داشته است.

پن و همکاران[8] (2007) با انجام پژوهشی در هفت کشور آسیای شرقی در بازه زمانی 1988 تا 1998و  به‌کارگیری روش آزمون علیت گرنجر و الگوی خودرگرسیون برداری[9] (VAR) دریافتند که در اقتصاد کشورهای مختلف، ارتباط بین نرخ ارز و قیمت سهام
با توجه به رژیم­های مختلف نرخ ارز، اندازه تجارت، درجه کنترل سرمایه و اندازه بازار سهام متفاوت است.

آیدیمیر و دمیرهان[10] (2009) با استفاده از الگوی خودرگرسیون برداری (VAR) دریافت که بین نرخ ارز و قیمت سهام در بازار سهام ترکیه طی سال‌های 2001 تا 2008 یک رابطه علی منفی وجود دارد. مگامال[11] (2018) با استفاده از رگرسیون خطی دریافت که طی سال‌های 2008 تا 2009 در امارات متحده عربی بین نرخ ارز و شاخص قیمت بازار بورس در کوتاه­مدت رابطه مثبت و در بلند­مدت رابطه منفی وجود دارد و در عربستان سعودی بین نرخ ارز و شاخص قیمت بازار بورس در کوتاه­مدت و بلند­مدت ارتباط معناداری وجود ندارد.

سامان[12] (2015) با به‌کارگیری تصحیح خطای خودرگرسیون آستانه‌ای (TAR-ECM)[13]  و تصحیح خطای خودرگرسیون آستانه‌ای گشتاور (MTAR-ECM)[14] در کشور رومانی طی سال‌های 2000 تا 2014 دریافت که بین نرخ ارز و قیمت سهام یک رابطه تعادلی بلند­مدت و در رژیم با مشاهدات کمتر در کوتاه­مدت روابط غیرخطی وجود دارد که
به اخبار خوب یا بد حساس هستند.

سیچونگوه[15] (2016) با انجام پژوهشی مبتنی بر روش واریانس ناهمسانی شرطی خودرگرسیون تعمیم یافته (GARCH)[16] در کشور زامبیا طی سال‌های 2000 تا 2015 دریافت که بین نوسانات نرخ ارز و بازده بازار سهام همبستگی منفی وجود دارد.

لقمان و کوسر[17] (2018) با بررسی بازار سهام گروه D8 طی سال‌های 2000 تا 2016 دریافتند که بین نرخ ارز و قیمت سهام در کوتاه­مدت و بلند­مدت رابطه نامتقارن وجود دارد. آن‌ها در این پژوهش از مدل خودرگرسیونی با وقفه توزیعی غیر­خطی(NARDL) استفاده کردند.

دانگ و همکاران[18] (2020) با انجام پژوهشی درکشور ویتنام طی سال‌های 2001 تا 2018 و با به‌کار گرفتن روش خود­رگرسیون با وقفه توزیعی خطی و غیرخطی (ARDL و NARDL) دریافتند که تغییرات نرخ ارز بر قیمت سهام در کوتاه­مدت و در بلندمدت اثر نامتقارن دارد و در بلند­مدت افزایش نرخ ارز نسبت به کاهش نرخ ارز تاثیر بیشتری بر قیمت سهام دارد.

سایدی و همکاران[19] (2021) با استفاده از روش خود­رگرسیون با وقفه توزیعی خطی و غیرخطی (ARDL و NARDL) پی بردند که در بازار سهام اندونزی طی سال‌های 2006 تا 2019 در کوتاه‌مدت، نرخ ارز اثر متقارن بر قیمت سهام دارد. این در حالی است که نوسان نرخ ارز، اثر متقارن ندارد و در بلندمدت، هم نرخ ارز و هم نوسانات آن فاقد تاثیر متقارن و نامتقارن بر قیمت سهام هستند.

نصیر و اولسون[20] (2022) با استفاده از خود­رگرسیون با وقفه­های توزیعی خطی و غیرخطی (ARDL و NARDL) در کشورهای گروه 7 دریافتند که نتایج مدل NARDL رویکرد تعادل پرتفوی را تایید می‌کند و نتایج مدل ARDL از این رویکرد پشتیبانی نمی‌کند. رویکرد جریان‌محور در هیچ یک از مدل­ها تایید نشد. 

جلالی نائینی و قالیباف اصل (1382) با به‌کارگیری مدل رگرسیون خطی در بازه زمانی 1375 تا 1380 به وجود رابطه مستقیم بین تغییرات نرخ ارز و بازده سهام در بورس اوراق بهادار تهران پی بردند.

کریم­زاده (1385) با استفاده از مدل خود رگرسیونی با وقفه توزیع شده طی سال‌های 1369 تا 1381 دریافت که در بلندمدت شاخص قیمت سهام بورس اوراق بهادار تهران
با نرخ ارز حقیقی و نرخ سود بانکی رابطه منفی و با نقدینگی رابطه مثبت دارد.

نجار­زاده و همکاران (1388) با انجام پژوهشی به بررسی تاثیر شوک­های نرخ ارز و تورم بر شاخص قیمت سهام در بورس اوراق بهادار تهران طی سال­های 1382 تا 1385 پرداختند. آن‌ها با به‌کارگیری مدل خودرگرسیون برداری (VAR) و توابع واکنش آنی و تجزیه واریانس دریافتند که در بلندمدت شاخص قیمت سهام بورس اوراق بهادار تهران
با نرخ ارز حقیقی و نرخ سود بانکی رابطه منفی و با نقدینگی رابطه مثبت دارد.

جلایی و جبیب­دوست (1391) با استفاده از تحلیل موجک به بررسی ارتباط میان نوسانات نرخ ارز با بازده سهام در بخش­های مختلف بازار سهام تهران پرداختند. آنان با استفاده از داده­های ماهانه بازه زمانی 1378 تا 1387 دریافتند که اثرگذاری تغییرات نرخ ارز بر بازدهی سهام در بخش­های مختلف بورس به لحاظ شدت و علامت ضرایب متفاوت است و در مقیاس­های زمانی مختلف نیز نتایج متفاوتی حاصل می­شود.

پدرام (1391) با استفاده از مدل ناهمسانی واریانس خود بازگشت شرطی تعدیل شده نمایی (EGARCH) [21] دریافت‌که طی سال­های 1370 تا 1387 در بورس اوراق بهادار تهران بین تغییرات نرخ ارز و بازده بازار سهام همبستگی مثبتی وجود نداشته و نیز بین شاخص قیمت مصرف‌کننده و تغییرات بازده بازار سهام نیز ارتباط معناداری وجود نداشته است.

محقق­نیا و همکاران (1392) با استفاده از مدل رگرسیونی مبتنی بر بازار طی سال­های 1382 تا 1390 رابطه معناداری بین نوسانات نرخ ارز و بازده سهام صنعت بانکداری در ایران مشاهده نکردند.

ذوالفقاری و سبحانی (1395) با به‌کارگیری مدل مارکف- سوئیچینگ[22] و مدل خودرگرسیونی با وقفه توزیع شده (ARDL) برای دوره زمانی 1388 تا 1394 در بورس اوراق بهادار تهران دریافتند که بازدهی شاخص صنایع خودرو، معدن و سیمان از انتقالات رژیمی تبعیت نکرده و واکنش­های نامتقارنی به شوک­های بیرونی نشان می­دهند. همچنین ریسک بازدهی شاخص صنایع، تاثیر معنی‌دار و متفاوتی از نوسانات نرخ ارز در کوتاه‌مدت و بلند­مدت می­پذیرند.

حیدری و همکاران (1397) با استفاده از روش مارکف- سوئیچینگ در پژوهش خود دریافتند که طی سال­های 1384 تا 1394 در یک الگوی بهینه متشکل از سه رژیم، نرخ ارز آثار متفاوتی در بازده صنعت دارو در ایران دارد؛ به این صورت که ضرایب نرخ ارز در رژیم اول تاثیر منفی و در رژیم دوم و سوم اثر مثبت داشته است.

صرافی زنجانی و مهرگان (1397) با انجام پژوهشی طی سال‌های 1385 تا 1395 دریافتند که در بورس اوراق بهادار تهران افزایش نرخ ارز بر هر دو شاخص صنایع شیمیایی و فلزات اساسی در کوتاه­مدت و بلند­مدت تاثیر مثبت و معنی­دار دارد و کاهش نرخ ارز، تاثیر معناداری بر این دو شاخص ندارد. آن‌ها در این پژوهش از مدل خودرگرسیونی
با وقفه توزیع شده غیرخطی (NARDL) استفاده کردند.

عین‌آبادی و مرادی (1400) با به‌کارگیری روش رگرسیون خطی و آزمون تحلیل واریانس (ANOVA) [23] در بازه زمانی 1390 تا 1398 در بورس اوراق بهادار تهران دریافتند که بین نوسانات نرخ ارز و شاخص قیمت صنعت دارو رابطه مثبت و معنادار وجود دارد.

مرور مطالعات صورت گرفته نشان می­دهد که اتفاق نظری در خصوص ارتباط میان نرخ ارز و بازده سهام در جهان وجود ندارد؛ از این رو، بررسی موضوع با مدل­های متفاوت می­تواند رویکرد بهتری در خصوص این موضوع ارائه دهد. علاوه بر این، جمع‌بندی مطالعات داخلی نشان می­دهد که صنعت دارو کمتر مورد تحقیق و بررسی قرار گرفته و
از آنجایی که این صنعت در اقتصاد ایران از اهمیت ویژه‌ای برخوردار است، مطالعه
در خصوص اثرات نرخ ارز و نوسانات آن بر بازدهی این صنعت ضروری است. همچنین وجه تمایز این پژوهش با سایر مطالعات در این است که علاوه بر نرخ ارز، نوسانات
نرخ ارز نیز به ‌طور همزمان مورد بررسی قرار گرفته و با توجه به اینکه نرخ ارز همیشه دارای روند صعودی نیست و گاه روند نزولی نیز دارد، اثر این دو متغیر در قالب شوک­های مثبت و منفی به تفکیک در این پژوهش بررسی می­شود. علاوه بر این موارد، با توجه به اینکه شاخص قیمت مصرف‌کننده بخش بهداشت و درمان در مقایسه با شاخص کل قیمت مصرف‌کننده از لحاظ تحلیلی ارتباط قوی‌تر و مرتبط‌تری با بازده سهام صنعت دارو دارد؛ از این­رو، به جای شاخص قیمت مصرف‌کننده از شاخص قیمت مصرف‌کننده بخش بهداشت و درمان در این پژوهش استفاده شده است و این در حالی است که در سایر پژوهش­ها بجز مطالعه حیدری و همکاران (1397) تاثیر شاخص کل تورم بر بازدهی سهام لحاظ شده است.

با توجه به تاثیر قیمت نفت به عنوان یک نهاده مهم و اثرگذار بر بازده سهام صنعت دارو، این متغیر نیز وارد مدل‌سازی شده است که با توجه به بررسی مطالعات صورت‌گرفته، در حال حاضر هیچ مطالعه اقتصادسنجی که ارتباط تاریخی بین قیمت نفت و بازده سهام شرکت­های دارویی ایران را ارزیابی کند، وجود ندارد. همچنین تاثیر سه نسبت مالی صنعت دارو که با توجه به مشخصه‌های مالی شرکت­های دارویی تاثیر بسزایی بر روند سودآوری و بازدهی این صنعت دارند؛ شامل نسبت بازده دارایی­ها، نسبت گردش دارایی‌ها و نسبت بدهی به همراه متغیر مجازی کرونا به عنوان یک عامل ریسک سیتماتیک تاثیرگذار بر بازده صنعت دارو به مدل پژوهش اضافه شده است که با وجود اهمیت
این متغیر‌ها در تعیین سطح بازدهی صنعت دارویی کشور در هیچ کدام از پژوهش­های پیشین اثر این متغیر­ها بررسی نشده است.

علاوه بر موارد مطرح شده، یکی از مهم‌ترین دلایل انجام پژوهش حاضر، بررسی اثرات نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو در قالب مدل­های خطی و غیرخطی متفاوت و مقایسه نتایج آن‌ها با همدیگر است که در مطالعات صورت گرفته تاکنون، کمتر از دو الگوی اقتصادسنجی متفاوت به‌ طور همزمان برای بررسی یک پژوهش استفاده شده است. در این راستا، در این مطالعه با توجه به ماهیت داده‌ها و کاربرد مدل­های ARDL
از مدل خطی ARDL و مدل غیرخطی NARDL برای بررسی و مقایسه موضوع در قالب دو رویکرد خطی و غیر­خطی استفاده شده است.

  1. روش‌شناسی پژوهش

3-1. نوع پژوهش

این پژوهش از منظر هدف یک پژوهش کاربردی است؛ از این­رو، نتایج حاصل از آن جهت بهبود وضعیت و اتخاذ تصمیمات بهینه در بازارهای مالی می­تواند مورد استفاده قرار گیرد. از لحاظ ماهیت نیز این پژوهش نوعی پژوهش علّی است که به بررسی تاثیر متقارن و نامتقارن نرخ ارز و نوسانات آن بر صنعت داروسازی می‏پردازد. از بعد زمان نیز
این پژوهش یک پژوهش گذشته‌نگر است؛ زیرا با بهره‌گیری از داده‌های تاریخی به بررسی تاثیر متقارن و نامتقارن نرخ ارز و نوسانات آن بر صنعت داروسازی اقدام می‏کند. از نظر کاربرد، این پژوهش یک پژوهش تصمیم‌گرا است؛ زیرا نتایج حاصل از آن را می‌توان
در تصمیمات مالی و سرمایه‌گذاری سرمایه‏گذاران به‌کار گرفت.

3-2. مدل انجام پژوهش

در این پژوهش با استفاده از دو رویکرد خطی و غیر­خطی ARDL و NARDLاثرات متقارن و نامتقارن نرخ ارز و نوسانات آن به همراه متغیرهای کنترلی مربوط به اقتصاد کلان شامل شاخص قیمت مصرف‌کننده بهداشت و درمان و قیمت نفت و متغیرهای کنترلی مربوط به صنعت دارو شامل نسبت بازده دارایی­ها، نسبت گردش دارایی‌ها و نسبت بدهی به همراه متغیر مجازی‌کرونا بر بازده سهام صنعت دارو مورد بررسی قرار می­گیرد. از این رو، در ادامه ابتدا به طور مختصر به نحوه محاسبه نوسانات نرخ ارز پرداخته می‌شود، سپس رویکردهای خطی و غیر­خطی الگوهای به‌کار گرفته شده در این پژوهش به طور جامع بیان می­شود.

3-2-1. محاسبه نوسانات نرخ ارز

به دلیل وقوع شوک در بسیاری از سری­های زمانی اقتصادی در هر کشوری - به ویژه در قیمت ارز در ایران - فرض وجود همسانی واریانس در این سری از متغیر­ها معقول به نظر نمی­رسد. روش­های زیادی برای محاسبه نوسانات متغیرها وجود دارد؛ از جمله این روش­ها می­توان به روش هودریک-پرسکات[24] و استفاده از مدل­های خانواده GARCH اشاره کرد (حیدری و رفاح کهریز، 1396). در پژوهش حاضر همانند مطالعات صورت‌گرفته در این زمینه از مدل­های خانواده GARCH به منظور محاسبه نوسانات ارز استفاده شده است. شکل رایج مدل یک (p, q)GARCH  به صورت رابطه (1) است (Brooks, 2019).

(1)

    

 

نحوه محاسبات نوسانات ارز به این صورت بوده که از بین حالت­های مختلف
برآوردشده از مدل­های خانواده‌گارچ بر اساس معیار­های انتخاب برآورد یک مدل مناسب، حالت بهینه انتخاب می­شود که در این مطالعه حالت بهینه GARCH(1,1)  به دست آمد.

3-2-2. مدل خطی خود رگرسیونی با وقفه­های توزیعی (ARDL)

روش­های زیادی برای تحلیل روابط هم‌انباشتگی بین متغیر­ها وجود دارد. در میان آن‌ها، دو روش متداول عبارت‌اند از روش مبتنی بر باقیمانده‌ها که توسط انگل و گرنجر[25] در سال (1987) ارائه شد و روش حداکثر راستنمایی[26] که توسط یوهانسن و یوسلیوس[27] (1990) ارائه شد. هر دو این روش‌ها به متغیرهایی نیاز دارند که باید در یک سطح با یکدیگر همبستگی داشته باشند؛ یعنی متغیرها در یک مرتبه مشابه ایستا باشند. در صورتی که شرایط یکسان باشد، بسیاری از مدل­ها را نمی­توان استفاده کرد؛ از این رو، مدل خودرگرسیونی با وقفه توزیع شده (ARDL) یک مدل جایگزین مناسب است؛ زیرا نیازی به ایستا بودن متغیرها در یک مرتبه یکسان ندارد و متغیر­ها با درجه ایستایی متفاوت می‌توانند در یک مطالعه مورد بررسی واقع شوند (Pesaran et al., 2001).

با توجه به ادبیات نظری پژوهش، تابع بازده سهام صنعت دارو به صورت رابطه (2) تصریح می­شود.

(2)

 

در رابطه (2)، PHR بیانگر بازدهی صنعت دارو در بورس اوراق بهادار تهران،  EX نرخ ارز بازار آزاد، EXV نوسان نرخ ارز بازار آزاد، CPIH شاخص قیمت مصرف‌کننده بخش بهداشت و درمان، OILP قیمت نفت خام، ROA  نسبت بازده دارایی ­(نسبت سود خالص بر ارزش کل دارایی‌ها) در  صنعت دارو، ATR نسبت گردش کل دارایی­ها (نسبت ارزش کل فروش بر ارزش کل دارایی‌ها)  در صنعت دارو ، DAR  نسبت بدهی (نسبت ارزش کل بدهی به کل دارایی­ها) در صنعت دارو و Dum متغیر مجازی کرونا هستند و   نشانگر ضرایب بلند­مدت متغیرها و  جزء اخلال است.

در رابطه (2)، در صورتی که هم‌انباشتگی بین متغیرها تایید شود یک الگوی بلندمدت خطی شناخته می‌شود و ضرایب آن، ضرایب بلندمدت نامیده می­شوند. بر اساس مدل پسران و همکاران[28] (2001) الگوی بلندمدت این رابطه را می‌توان به شکل تصحیح خطا (ECM) در قالب رابطه (3) بازنویسی کرد:

 (3)

 

در رابطه (3)، روابط کوتاه­مدت و بلند­مدت متغیر­ها با هم ترکیب شده است. ضرایب کوتاه‌مدت، ضرایب مربوط به متغیر­های تفاضل مرتبه اول هستند و ضرایب بلندمدت
بر اساس نرمال کردن ضرایب ،  ،  و  ،  ،  و  روی  به دست می­آیند (Turksoy, 2017).

جهت بررسی وجود روابط بلند­مدت در بین متغیرها مورد مطالعه باید وجود یا عدم وجود هم‌انباشتگی میان آن‌ها مورد بررسی قرار گیرد که برای این منظور از آماره F  با رویکرد آزمون کرانه[29] استفاده می­شود. در این آزمون فرض صفر مبنی بر عدم وجود رابطه بلندمدت بین متغیر­ها و فرض مقابل آن، وجود رابطه بلندمدت بین متغیر­ها است که
به صورت رابطه (4) تعریف می­شود.

 (4)

 

مقادیر بحرانی این آماره با مقادیر استاندارد آزمون F متفاوت است (Dang et al., 2021). بر اساس مدل پسران و همکاران (2001) دو مقدار بحرانی برای آزمون کرانه­ها وجود دارد؛ مقدار بحرانی کرانه بالا با این فرض به دست می­آید که همه متغیر­ها (1)I هستند
و مقدار بحرانی کرانه پایین با این فرض به دست می­آید که همه متغیرها (0)I هستند.
اگر مقدار آماره F محاسباتی بیشتر از کرانه بالا باشد، فرضیه صفر مبنی بر وجود عدم رابطه بلند­مدت بین متغیر­ها رد می­شود. در صورتی که مقدار به دست آمده کمتر از کرانه پایین باشد، بین متغیرها رابطه بلند­مدت وجود ندارد و اگر مقدار آماره F محاسباتی بین مرز­های بحرانی باشد، نمی­توان نتیجه قطعی گرفت (عیدی و همکاران، 1399).

3-2-3. مدل غیرخطی خود رگرسیونی با وقفه­های توزیعی (NARDL)

جهت بررسی روابط نامتقارن بین متغیرهای اقتصادی در کوتاه­مدت و بلند­مدت از مدل شین و همکاران[30] (2014) که از طریق توسعه مدل خودرگرسیونی با وقفه­های توزیعی خطی، حالت نامتقارن آن؛ یعنی مدل خودرگرسیونی با وقفه­های توزیعی غیرخطی (NARDL) شکل گرفته، استفاده شده است (Luqman & Kouser, 2018). بر اساس این مدل، متغیر اثرات نامتقارن نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو، متغیر نرخ ارز و نوسانات آن به دو جزء مثبت و منفی تفکیک می­شود (رابطه‌های (5) و (6)):

(5)

 

(6)

 

در رابطه (5)  مجموع جزئی از تغییرات مثبت در نرخ ارز (نشان‌دهنده افزایش نرخ ارز)،  مجموع جزئی از تغییرات منفی در نرخ ارز (نشان‌دهنده کاهش نرخ ارز) است.

در رابطه (6)  مجموع جزئی از تغییرات مثبت در نوسانات نرخ ارز (نشان‌دهنده افزایش نوسانات نرخ ارز) و  مجموع جزئی از تغییرات منفی در نوسانات نرخ (نشان‌دهنده کاهش نوسانات نرخ ارز)، است. این چهار جزء به ترتیب به صورت رابطه‌های (7)، (8)، (9) و (10) تعریف می­شوند.

(7)

 

(8)

 

(9)

    

(10)

      

 

با  ترکیب رابطه‌های (1)، (7)، (8)، (9) و (10) الگوی بلندمدت غیرخطی تحقیق حاضر به صورت رابطه (11) تعریف می­شود. 

(11)

 

رابطه (11) را می­توان به صورت یک الگوی NARDL  به شکل تصحیح خطا (ECM) به شکل رابطه (12) بازنویسی کرد.

(12)

+

 

در رابطه (12) ضرایب ، ، ، ، ، ،   ضرایب کوتاه‌مدت هستند و ضرایب بلندمدت با نرمال کردن ضرایب ، ، ، ، ،  ،  و   روی  به دست می­آیند (Dang, et al., 2021).

مشابه روش خطی ARDL، شین و همکاران (2014) آزمون کرانه را برای شناسایی روابط هم‌انباشتگی بلندمدت میان متغیرها در روش NARDL مناسب دانستند. در این آزمون فرض صفر مبنی بر عدم وجود رابطه بلندمدت بین متغیر­ها و فرض مقابل وجود رابطه بلندمدت بین متغیر­ها است و به صورت رابطه (13) تعریف می­شود.

(13)

 

از آماره F و مقادیر بحرانی مدل پسران و همکاران (2001) برای نتیجه‌گیری در مورد  استفاده می‌شود. اگر فرضیه صفر رد شود میان متغیرها در بلندمدت، رابطه بلندمدت وجود دارد (Luqman & Kouser, 2018) و برای بررسی اثرات متقارن و یا نامتقارن بودن شوک­ها در این روش از آزمون والد[31] استفاده می­کنند.

3-3. داده‌های پژوهش

در این پژوهش تاثیر نرخ ارز و نوسانات آن بر بازده صنعت دارو در قالب الگوی خطی و غیرخطی چند متغیره بررسی می‌شود. با توجه به مطالعات صورت گرفته بر اساس مطالعات دانگ و همکاران[32] (2020) ، سایدی و همکاران [33](2021) و  ایندریانتی و رولاندا[34]  (2023) در این زمینه الگوی پژوهش حاضر به صورت رابطه (14) تصریح شده است.

(14)

PHR = f (EX, EXV, CPIH, OILP, ROA, ATR, DAR, Dum)

داده­های این پژوهش به صورت فصلی و شامل دوره زمانی 1384 تا 1400 است. داده­های مربوط به نرخ ارز، قیمت نفت و شاخص قیمت مصرف‌کننده بخش بهداشت و درمان
به ترتیب از بانک اطلاعات سری زمانی بانک مرکزی و نماگر­های اقتصادی و مرکز آمار ایران و داده­های مربوط به صنعت دارواز سایت بورس اوراق بهادار تهران و سامانه بورس ویو و نرم‌افزار ره­آورد نوین جمع‌آوری شده است. همچنین در این پژوهش بازدهی صنعت دارو (PHR) با استفاده از رابطه  محاسبه شده است که در این نسبت  بیانگر شاخص قیمت سهام صنعت دارو در بورس اوراق بهادار تهران است.

  1. یافته‌های پژوهش

4-1. آزمون ایستایی متغیرهای پژوهش

قبل از برآورد مدل­های اصلی شامل ARDL و NARDL، آزمون ایستایی برای تمام متغیرها انجام می­شود تا اطمینان حاصل شود که هیچ یک از متغیرها همجمعی از مرتبه دوم؛ یعنی I (2) نیستند؛ زیرا در این حالت آماره­هایF محاسبه شده قابل اعتماد نخواهند بود (Nkoro & Uko, 2016). آزمون­های زیادی برای بررسی ایستایی وجود دارند که در این پژوهش با توجه به ساختار فصلی داده­ها از آزمون ریشه واحد (HEGY) استفاده شده و نتایج آن در جدول (1) ارائه شده است.

جدول 1. آزمون ریشه واحد هگی (HEGY)

ریشه واحد فصلی

seasonal unit root

(4 quarters per cycle)

ریشه واحد شش ماهه

seasonal unit root

(2 quarters per cycle)

ریشه واحد سالانه

Nonseasonal unit root

(Zero Frequency)

 

متغیرها

 

5528/24

(0000/0)

7606/5-

(0056/0)

6986/3-

(0208/0)

PHR

4681/17

(0000/0)

0961/6-

(0057/0)

7898/0

(9998/0)

EX

3445/17

(0000/0)

0742/6-

(0055/0)

2745/5-

(0054/0)

D(EX)

7221/42

(0000/0)

3995/0-

(0009/0)

7262/1-

(7208/0)

EXV

9515/58

(0000/0)

1000/14-

(0056/0)

3034/14-

(0056/0)

D(EXV)

7702/16

(0000/0)

2329/5-

(0054/0)

4356/1

(0000/1)

CPIH

0431/7

(0261/0)

4674/3-

(0183/0)

6925/4-

(0072/0)

DCPIH

2635/18

(0001/0)

2314/5-

(0056/0)

1242/2-

(4949/0)

OILP

5200/13

(0000/0)

4177/4-

(0053/0)

8422/3-

(0246/0)

DOILP

3227/15

(0000/0)

2502/4-

(0056/0)

1848/2-

(4568/0)

ROA

1895/8

(0186/0)

1246/3-

(0306/0)

0470/4-

(0183/0)

DROA

2637/9

(0054/0)

6899/2-

(0083/0)

5420/2-

(2849/0)

ATR

1157/21

(0000/0)

7098/4-

(0056/0)

3913/4-

(0102/0)

DATR

7728/31

(0000/0)

6611/3-

(0143/0)

8894/1-

(6613/0)

DAR

3205/15

(0000/0)

4046/3-

(0195/0)

2842/4-

(0087/0)

DDAR

D: نمایانگر بررسی ایستایی متغیر در سطح تفاضل مرتبه اول است.

ماخذ: یافته‌های پژوهش

 

 

جدول 2. آزمون ریشـه واحد فیلیپس- پـرون

عرض از مبدا همراه با روند

عرض از مبدا

متغیرها

554616/5-

(0001/0)

544150/5-

(0000/0)

PHR

097352/0

(9967/0)

430013/2

(0000/1)

EX

346399/5-

(0002/0)

165567/5-

(0001/0)

D(EX)

266924/3-

(0809/0)

777964/1-

(3881/0)

EXV

90952/26-

(0001/0)

99001/16-

(0000/0)

D(EXV)

727507/3

(0000/1)

020461/8

(0000/1)

CPIH

741133/5-

(0001/0)

117367/4-

(0018/0)

DCPIH

317252/2-

(4189/0)

290852/2-

(1779/0)

OILP

018088/6-

(0000/0)

084990/6-

(0000/0)

DOILP

805437/1-

(6911/0)

061414/3-

(0344/0)

ROA

89116/10-

(0000/0)

288578/9-

(0000/0)

DROA

259356/2-

(4496/0)

870207/1-

(3442/0)

ATR

881014/8-

(0000/0)

804491/8-

(0000/0)

DATR

833912/1-

(6771/0)

861187/1-

(3484/0)

DAR

223393/8-

(0000/0)

184177/8-

(0000/0)

DDAR

ماخذ: یافته‌های پژوهش

با توجه به سطح احتمال به دست آمده برای ریشه واحدهای سالانه، شش ماهه و فصلی حاصل از برآورد آزمون هگی، متغیر بازده صنعت دارو ایستا از مرتبه اول بوده و سایر متغیرها دارای ریشه واحد کلی بدون فرکانس بوده که با یکبار تفاضل‌گیری مانا شدند. همچنین در ادامه به منظور حصول اطمینان بیشتر از عدم وجود متغیرهای همجمع بالاتر از درجه اول از آزمون ریشـه واحد فیلیپس- پـرون[35] نیز بهره گرفته شده که نتایج آن در جدول (2) آورده شده است.

نتایج آزمون ایستایی فیلیپس- پرون، حاکی از آن است که بجز متغیر بازده صنعت دارو، بقیه متغیرها با یک‌بار تفاضل‌گیری مانا شده­اند. به بیان دیگر، در مدل مورد بررسی، ترکیبی از متغیرهای ایستا و ناایستا داریم و در این حالت، یکی از بهترین مدل­های اقتصادسنجی برای بررسی روابط بین متغیر­ها، مدل­های ARDL و NARDL با توجه به مبانی نظری این مدل­ها هستند.

4-2. برآورد مدل خطی ARDL

4-2-1. برآورد پویای متقارن ARDL

تجزیه و تحلیل نتایج مدل ARDL مبتنی بر تفسیر سه مرحله برآورد مدل، حالت بلند­مدت و تصحیح خطا (ECM) است. برآورد مدل پویا، نحوه ارتباط متغیر­ها را در کوتاه­مدت نشان می‌دهد. در این راستا از معیارهای مختلفی نظیر معیارهای آکائیک[36]، حنان-کوئین[37]، شوارتز بیزین[38] و ضریب تعیین برای برآورد مدل پویای ARDL استفاده می­شود که در این پژوهش با توجه به حجم داده­ها از معیار آکائیک استفاده شده است و بهترین حالت انتخابی، مدل انتخابی ARDL (1,4,4,3,4,3,0,2,4) به دست آمد که نتایج حاصل از این حالت در جدول (3) ارائه شده است.

نتایج حاکی از آن است که در مدل خطی ARDL، وقفه بازده صنعت دارو اثر مثبتی بر خودش دارد. همچنین نرخ ارز، اثر معناداری بر بازده دارو دارد. نکته قابل تامل این است

 

 

جدول 3. نتایج مدل پویای ARDL

ارزش احتمال

مقدار آماره t

انحراف معیار

ضرایب

متغیر

007/0

93862/2

152068/.0

044687/0

(1- PHR (

0429/0

117781/2

291171/0

616637/0

EX

1762/0

386492/1-

694957/0

963553/0-

(1- EX (

0435/0

111235/2

944941/0

994935/1

(2- EX (

5720/0

571650/0

853507/0

487907/0

(3- EX (

1468/0

490835/1

797062/0

188288/1

(4- EX (

0479/0

065184/2

10-5×46/7

000154/0

EXV

3099/0

033567/1-

10-5×51/9

10-5×83/9-

(1- EXV (

1959/0

323943/1-

10-5×76/8

000116/0-

(2- EXV (

1688/0

411225/1-

10-5×50/8

000120/0-

(3- EXV (

0036/0

167376/3-

000135/0

000427/0-

(4- EXV (

0514/0

031970/2-

975057/0

981287/1-

CPIH

2910/0

075604/1-

107405/1

191129/1-

CPIH(-1)

8853/0

145535/0

183079/1

172179/0

CPIH(-2)

0853/0

781834/1

156586/1

060843/2

CPIH(-3)

1165/0

618089/1-

154174/0

249467/0-

OILP

1779/0

380874/1

226261/0

312438/0

OILP (-1)

0994/0

702113/1-

238183/0

405414/0-

OILP (-2)

1071/0

662830/1

235214/0

391121/0

OILP (-3)

0083/0

831564/2-

167170/0

473354/0-

OILP (-4)

0012/0

596539/3

971397/0

493667/3

ROA

0111/0

711163/2

658919/0

786436/1

ROA(-1)

6253/0

493620/0

672992/0

332202/0

ROA(-2)

0928/0

737871/1

491139/0

853537/0

ROA(-3)

0141/0

611589/2

091348/0

238564/0

DAR

0008/0

724158/3

437606/0

629715/1

ATR

0757/0

842006/1

285478/0

525852/0

ATR(-1)

2672/0

131312/1

229142/0

259232/0

ATR(-2)

0789/0

821026/1

050998/0

092868/0

DUM

5370/0

624719/0

039880/0

024914/0

DUM(-1)

2096/0

283129/1

048612/0

062375/0

DUM(-2)

0219/0

422073/2

066277/0

160527/0

DUM(-3)

0754/0

844120/1

032613/0

060143/0

DUM(-4)

1189/0

606939/1-

43900/63

9426/101-

C

R2 =896716/0              F-statistic =629669/7               Prob (F-statistic) =0000/0

    ماخذ: یافته‌های پژوهش

که اثر نرخ ارز با تغییر وقفه تغییر کرده و دلیل این امر شاید این باشد که نرخ ارز با شوک­های مثبت و منفی در وقفه­های مختلف همراه بوده که در اثر وقوع هر یک از این شوک­ها، اثر نرخ ارز تغییر کرده است. همچنین نوسانات نرخ ارز اثر متفاوتی بر بازده صنعت دارو دارد، اما برآیند ضرایب نشان می‌دهد که اثر نوسانات نرخ ارز بر بازده سهام صنعت دارو منفی است. متفاوت بودن اثر نرخ ارز و نوسانات آن بر بازده صنعت دارو می­تواند ناشی از وجود شوک­های متفاوت در این متغیرها باشد. از این ­رو، در ادامه
بعد از بررسی ارتباط میان متغیرها در قالب مدل خطی ARDL از مدلی استفاده می­شود
که بتـواند اثـرات شـوک­ها را متقارن در نظـر نگـرفته و آن­ها را از هم تفکیک کند.
در این خصوص، یکی از پرکاربردترین مدل­ها، مدل NARDL است که در بخش بعدی به آن پرداخته می­شود و نتایج آن با نتایج به دست آمده از مدل ARDL برای ارتباط میان متغیرها و وجود تقارن یا عدم تقارن میان نرخ ارز و نوسانات آن با بازده صنعت دارو مقایسه می­شود.

علاوه بر این، نتایج نشان می­دهد که مجموع ضرایب متغیر شاخص قیمت مصرف‌کننده بخش بهداشت و درمان بر بازده شاخص سهام صنعت دارو، تاثیر منفی دارد. همچنین برآیند کلی اثر ضرایب قیمت نفت بر بازده صنعت دارو، منفی است. بازده دارایی­های صنعت دارو در بازار سهام و گردش دارایی و همچنین میزان بدهی بر روند بازده صنعت دارو در بازار بورس تهران اثر مثبت گذاشته است و در نهایت متغیر مجازی کرونا موجب افزایش بازده دارو در بازار سهام تهران شده است. مقدار آمارهF  به دست آمده در مدل پویای ARDL، معناداری کل مدل رگرسیون برآورد شده را تایید می­کند.

4-2-2. آزمون هم‌انباشتگی مدل خطی ARDL

پیش از بحث در مورد روابط تعادلی بلند­مدت بین متغیر­های موجود در مدل ابتدا لازم است تا آزمون وجود هم‌انباشتگی بلند­مدت در بین متغیرها موجود در مدل صورت بگیرد. با توجه به ادبیات مربوطه معمولا از روش آزمون هم‌انباشتگی کرانه­ پسران و همکاران (2001) مبتنی بر مدل تصحیح خطای غیر مقید (UECM) [39] و یا روش بنرجی، دولادو و مستر[40] (1993) استفاده می­شود. در این پژوهش با توجه به پر استناد بودن آزمون کرانه­ها از این روش استفاده می­شود. نتایج آزمون کرانه‌ها در مدل خطی ARDL در جدول (4) ارائه شده است.  

جدول 4. نتایج آزمون کرانه­ها در مدل خطی ARDL

حد بالا و پایین کرانه­ها در سطوح مختلف معناداری (درصد)

مقدار آماره F

1

5

10

77/3 -62/2

15/3- 11/2

85/2- 85/1

910397/4

ماخذ: یافته‌های پژوهش

با توجه به نتایج به دست آمده مقدار آماره برای مدل ARDL از حد بالای سه سطح خطای 1، 5 و 10 درصد بالاتر است؛ بنابراین، وجود روابط بلند­مدت بین متغیرها در مدل ARDL در  هر سه سطح، تایید می­شود.

 4-2-3. تخمین بلند­مدت پارامتر­ها و ضریب تصحیح خطای مدل خطی ARDL

پس از انجام آزمون هم‌انباشتگی و اطمینان وجود رابطه بلند­مدت بین متغیر­های مدل
در این بخش می­توان به تخمین رابطه بلند­مدت میان متغیرها پرداخت.  نتایج حاصل از برآورد ضرایب بلند­مدت مدل خطی ARDL در جدول (5) ارائه شده است. نتایج حاکی از آن است که نرخ ارز، اثر مثبتی بر بازده صنعت دارو دارد. در تحلیل این اثر می­توان گفت که شرکت‌های دارویی در این صنعت با افزایش نرخ ارز، توان رقابت بهتری از خود ارائه کردند و درنتیجه، باعث افزایش بازده این صنعت در بورس شدند. نوسانات نرخ ارز، اثر منفی بر این صنعت دارد. به بیان دیگر، وجود نوسانات شدید در قیمت ارز باعث شده سرمایه­گذاران در بازار بورس به ویژه صنعت دارو دچار مشکل شده و نسبت به سرمایه‌گذاری در این صنعت تمایل زیادی نداشته باشندکه در اثر آن تاثیر منفی بر عملکرد صنعت دارو بر بورس تهران داشته باشد.

نفت با توجه به اینکه یکی از مهم‌ترین منایع درآمدی برای ایران محسوب می­شود و نقش استراتژیک در اقتصاد ایران دارد؛ از این ­رو، همواره تغییرات قیمتی در آن بر عملکرد بازار بورس تهران تاثیرگذار بوده است. نتایج نشان می­دهد با افزایش قیمت نفت، بازده صنعت دارو کاهش می­یابد و این موضوع شاید به این خاطر باشد که با افزایش قیمت نفت، سرمایه­گذاران فعال در سهام شرکت­های دارویی به دنبال کسب سود در بازارهای جانشین بازار سهام صنعت دارو هستند که با افزایش قیمت نفت افزایش می­یابد؛ نظیر بازار سهام پتروشیمی و مشتقات آن. همچنین به دلیل اینکه نفت یک نهاده مهم در فرآیند تولید محصولات دارویی است؛ از این رو، با افزایش قیمت نفت، بهای تمام شده محصولات دارویی نیز افزایش می­یابد که این امر می­تواند بر قیمت سهام شرکت­های دارویی و حاشیه سود آن‌ها تاثیر منفی داشته باشد.

جدول 5. نتایج آزمون روابط بلند­مدت و ضریب تصحیح خطای مدل خطی ARDL

ارزش احتمال

مقدار آماره t

انحراف معیار

ضرایب

متغیر

0000/0

317921/5

654337/0

479712/3

EX

0002/0

284494/4-

000148/0

000635/0-

EXV

0019/0

407531/3-

288577/0

983336/0-

CPIH

0133/0

638038/2-

168512/0

444542/0-

OILP

0012/0

599204/3

841379/0

028296/3

ROA

0132/0

641415/2

094542/0

249724/0

DAR

0581/0

972713/1

448186/0

884141/0

ATR

0002/0

266620/4

040546/0

172993/0

DUM

1284/0

565102/1-

18165/68

7112/106-

C

ضریب تصحیح خطا

(0000/0)      955313/0-ECM =

ماخذ: یافته‌های پژوهش

شاخص قیمت مصرف‌کننده بخش بهداشت و درمان در بلندمدت تاثیر منفی بر بازده سهام صنعت دارو دارد و دلیل این امر آن است که افزایش تورم موجب افزایش نااطمینانی در بازار سهام می‌شود و از آنجایی که به ­طور کلی تورم در ایران همواره از میزان بازده سهام صنایع در بازار بورس تهران بیشتر است؛ از این رو، رغبت سرمایه­گذاران و فعالان بازار بورس با افزایش تورم به سرمایه­گذاری در بازار سهام کاهش می­یابد.

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. متغیرهای بازده دارایی­های صنعت دارو، گردش دارایی­ها و متغیر مجازی کرونا نیز مطابق با انتظارات تئوریکی در بلندمدت اثر مثبتی بر صنعت دارو دارند. در خصوص توجیه اثر مثبت میزان بدهی صنعت دارو بر بازده صنعت دارو نیز می‌توان اظهار کرد که میزان بدهی شرکت­های دارویی با سرمایه­گذاری در طرح­های بزرگ و پیچیده به وجود آمده (نظیر طرح واکسن کرونا) که به دنبال آن باعث شده، بازدهی این صنعت حتی برای بازه زمانی کوتاهی نیز افزایش یابد.

علاوه بر این، ضریب تصحیح خطای مدل برآورد شده منفی و معنادار است. با استفاده از ضریب تصحیح خطا، می­توان رابطه کوتاه­مدت بین متغیر­ها را به رابطه بلندمدت بین آن‌ها ارتباط داد. با توجه به مقدار ضریب تصحیح خطای به دست آمده می­توان گفت در هر دوره 95 درصد از عدم تعادل در بازده سهام صنعت دارو در دوره بعد تعدیل می­شود؛ بنابراین، تعدیل به سمت تعادل با سرعت صورت می­گیرد.

4-2-4. بررسی اعتبار مدل برآورده شده خطی ARDL

در این قسمت به منظور بررسی اعتبار الگو برآورد شده از آزمون­های تشخیصی استفاده می­شود؛ از آزمون ریست رمزی[41] به منظور بررسی تورش تصریح مدل از آزمون واریانس ناهمسانی شرطی اتورگرسیو (آزمون ARCH) [42] به منظور بررسی ناهمسانی واریانس و از آزمون بروش-گادفری[43] (آزمون LM) به منظور بررسی خود­همبستگی بهره گرفته شده و نتایج این آزمون­ها در جدول (6) ارائه شده است. با توجه به نتایج به دست آمده در الگوی برآورد شده، مشکل عدم تصریح صحیح مدل، ناهمسانی واریانس و خود­همبستگی وجود ندارد.

 

 

جدول 6. نتایج آزمون بررسی اعتبار مدل برآورد شده

بروش-گادفری (آزمون LM )

آرچ تست (آزمون ARCH)

ریست رمزی

نوع آزمون

180322/0

(6743/0)

757496/1

(1900/0)

883796/1

(1760/0)

مقدار آماره

(سطح احتمال)

ماخذ: یافته‌های پژوهش

4-3. تخمین مدل غیرخطی NARDL

4-3-1. برآورد مدل پویای NARDL

در این پژوهش به منظور بررسی اثر نامتقارن نرخ ارز و نوسانات آن بر بازده صنعت
دارو از مدل خود رگرسیونی با وقفه­های توزیعی غیر­خطی (NARDL) استفاده می­شود. برای این منظور دو متغیر نرخ ارز و نوسانات آن به دو بخش شوک­های مثبت و منفی تفکیک می­شوند. از این ­رو، مدل غیرخطی NARDL در مقایسه با مدل خطی ARDL که در آن 7 متغیر برون‌زا وجود داشت، دارای 11 متغیر برون‌زا خواهد بود. همانند مدل­های ARDL، حالت­های مختلف مدل NARDL برآورد شد و از میان آنان بهترین حالت
بر اساس معیارهای گزینش یک مدل مناسب انتخاب شد. مدل انتخابیARDL (1,1,0,0,2,0,2,2,1,2,2)  به عنوان بهترین حالت انتخاب شد که نتایج حاصل از برآورد آن در جدول (7) ارائه شده است.

با توجه به نتایج به دست آمده، وقفه بازده صنعت دارو تاثیر مثبتی بر خود دارد. علاوه بر این، در سطح خطای 5 درصد، شوک منفی نرخ ارز و وقفه­ آن در کوتاه­مدت اثر منفی و معنادار و شوک­ مثبت نرخ ارز، اثر مثبتی بر بازده سهام صنعت دارو دارد. با توجه به
اثر منفی شوک منفی نرخ ارز بر بازده صنعت دارو و اثر مثبت شوک مثبت نرخ ارز
بر بازده صنعت دارو می­توان گفت که نرخ ارز اثری نامتقارن بر بازده سهام صنعت دارو در اقتصاد ایران دارد.

همچنین بر اساس نتایج به دست آمده، ضریب شوک منفی نوسانات نرخ ارز با اثر منفی و معنادار بر بازده سهام صنعت دارو به دست آمد و شوک مثبت نوسانات نرخ ارز و وقفه­های آن اثر مثبت و معناداری بر بازده سهام صنعت دارو دارد. بنابراین، در کوتاه­مدت، شوک منفی در نوسانات نرخ ارز تاثیر منفی و معنادار و شوک مثبت تاثیر مثبت و معنادار بر بازده سهام صنعت دارو می­گذارد که این امر بیانگر نامتقارن بودن شوک­های نرخ ارز و نوسانات ناشـی از آن است. علاوه بـر ایـن، قیمت نفت بعـد از دو وقفـه، تاثیـر منفـی و

جدول 7. نتایج مدل پویای NARDL

ارزش احتمال

مقدار آماره t

انحراف معیار

ضرایب

متغیر

0043/0

026095/3

094967/0

287380/0

PHR (-1)

0168/0

494359/2-

558638/0

393445/1-

EX_NEG

0045/0

006802/3-

218826/2

671572/0-

EX_NEG (-1)

0287/0

269684/2

236754/0

537356/0

EX_POS

0469/0

050537/2-

10-5×30/6

000129/0-

EXV_NEG

0000/0

087268/5

000251/0

001278/0

EXV_POS

0005/0

812641/3

000185/0

000705/0

EXV_POS (-1)

0001/0

278184/4

000227/0

000970/0

EXV_POS (-2)

4612/0

744043/0

331873/0

246928/0

CPIH

4827/0

708573/0-

144407/0

102323/0-

OILP

2130/0

265443/1

195273/0

247107/0

OILP(-1)

0079/0

797562/2-

142368/0

398283/0-

OILP(-2)

0689/0

869109/1

581185/0

086298/1

ROA

0012/0

487272/3

578186/0

016291/2

ROA(-1)

0006/0

720696/3

364571/0

356459/1

ROA(-2)

0162/0

511639/2

256322/0

643789/0

ATR

0042/0

037587/3

211986/0

643926/0

ATR(-1)

5132/0

659705/0

119709/0

078973/0

DAR

2056/0

286643/1-

121357/0

156143/0-

DAR(-1)

0351/0

181299/2

100376/0

218949/0

DAR(-2)

6078/0

517358/0-

022387/0

011582/0-

DUM

0004/0

901632/3

017869/0

069717/0

DUM(-1)

0000/0

304516/6

020882/0

131653/0

DUM(-2)

0528/0

998132/1-

78298/49

74207/37-

C

R2 =831025/0          F-statistic =553111/8            Prob (F-statistic) = 0000/0

ماخذ: یافته‌های پژوهش

معناداری بر بازده سهام دارو در کوتاه­مدت دارد، اما اثر شاخص قیمت مصرف‌کننده بخش بهداشت و درمان بر بازده سهام صنعت دارو از لحاظ آماری معنادار به دست نیامد. همچنین مطابق با انتظارات تئوریکی، بازده دارایی­های صنعت دارو، گردش دارایی­ها، میزان بدهی و متغیر مجازی کرونا بر روند بازده صنعت دارو اثر مثبت دارند. مقدار آماره F  به دست آمده در مدل پویای NARDL معناداری کل مدل رگرسیون برآورد شده را تایید می­کند.

4-3-2. آزمون هم‌انباشتگی مدل NARDL

در این قسمت همانند مدل خطی ARDL از آزمون هم‌انباشتگی کرانه‌های پسران و همکاران (2001) به منظور بررسی وجود هم‌انباشتگی بلند­مدت در بین متغیر­های موجود در مدل NARDL استفاده می­شود. نتایج این آزمون در جدول (8) گزارش شده است.
با توجه به نتایج به دست آمده مقدار آماره F برای مدلNARDL  از حد بالای سه سطح خطای 1، 5 و 10 درصد بالاتر است؛ بنابراین، وجود روابط بلند­مدت بین متغیرها در مدل NARDL در تمامی سطوح تایید می­شود.

جدول 8 . نتایج آزمون کرانه­ها در مدل خطی NARDL

حد بالا و پایین کرانه­ها در سطوح مختلف معناداری (درصد)

مقدار آماره F

1

5

10

86/3- 54/2

24/3- 06/2

94/2- 83/1

70229/10

ماخذ: یافته‌های پژوهش

4-3-3. تخمین بلندمدت پارامترها و الگوی تصحیح خطا در مدل NARDL

نتایج حاصل از روابط بلندمدت میان متغیرهای پژوهش با استفاده از روش غیرخطی NARDL در جدول (9) آورده شده است. با توجه به نتایج به دست آمده در بلند­مدت شوک منفی نرخ ارز، اثر منفی و معنادار بر بازده سهام صنعت دارو دارد و این در حالی است که شوک مثبت نرخ ارز دارای اثر مثبت و معنادار است. همچنین با توجه به نتایج
به دست آمده در بلند­مدت، شوک منفی نوسانات نرخ ارز، اثر منفی و معنادار و شوک مثبت نوسانات نرخ ارز، اثر مثبت و معنادار بر بازده سهام صنعت دارو است. بنابراین، نتایج بیانگر نامتقارن بودن اثرات نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو دارد.

نتایج همچنین نشان می­دهد که برخلاف نتایج مدل خطی ARDL، شاخص قیمت مصرف‌کننده بخش بهداشت و درمان و میزان بدهی صنعت دارو از لحاظ آماری تاثیر معناداری بر بازده سهام صنعت دارو در بلندمدت ندارند. قیمت نفت نیز تاثیر منفی و معناداری بر بازده صنعت دارو دارد و این در حالی است که مطابق انتظارات، بازده دارایی‌های صنعت دارو و میزان گردش دارایی­ها به همراه متغیر مجازی کرونا در بلندمدت موجب افزایش بازده صنعت دارو می‌شوند. ضریب تصحیح خطا در مدل NARDL نشان می­دهد که در هر دوره 71 درصد از خطای عدم تعادل تعدیل شده و مقدار کوتاه‌مدت به سمت مقدار تعادل بلندمدت خود میل می‌کند.

جدول 9 .نتایج آزمون روابط بلند­مدت مدل و الگوی تصحیح خطا مدل NARDL

ارزش احتمال

مقدار آماره t

انحراف معیار

ضرایب

متغیر

0535/0

989707/1-

722480/0

406647/0-

EX­_NEG

0230/0

363761/2

319007/0

754057/0

EX_POS

0375/0

151686/2-

10-5×42/8

000181/0-

EXV_NEG

0144/0

557936/2

000218/0

000557/0

EXV_POS

4803/0

712465/0

486349/0

346507/0

CPIH

0370/0

157872/2 -

164851/0

355728/0-

OILP

0000/0

10828/11

538741/0

598448/0

ROA

0000/0

838073/6

281097/0

192216/0

ATR

1613/0

427069/1

139415/0

198954/0

DAR

0340/0

195051/2

046999/0

103165/0

DUM

ضریب تصحیح خطا

(000/0) 712620/0- ECM=

ماخذ: یافته‌های پژوهش

4-3-4. بررسی اعتبار مدل برآورد شده غیرخطی NARDL

جهت اطمینان از تصریح صحیح مدل و عدم وجود ناهمسانی واریانس و خود­همبستگی در مدل NARDL برآورد شده به ترتیب از آزمون­های ریست رمزی، آزمون واریانس ناهمسانی شرطی اتورگرسیو (آزمون ARCH) و آزمون بروش-گادفری (آزمون (LM استفاده شده است. نتایج این آزمون­ها در جدول (10) ارائه شده است.

نتایج به دست آمده نشان می‌دهد که حالت انتخابی مدل برآورد شده NARDL برای بررسی روابط میان متغیرها، مشکل عدم تصریح صحیح مدل مناسب، ناهمسانی واریانس و خود­همبستگی را ندارد.

جدول 10. نتایج آزمون بررسی اعتبار الگو در مدل ARDL غیرخطی

بروش-گادفری (آزمون LM )

آرچ تست (آزمون ARCH)

ریست رمزی

نوع آزمون

230516/0

(6338/0)

875893/0

(3533/0)

685761/0

(4112/0)

مقدار آماره

(سطح احتمال)

ماخذ: یافته‌های پژوهش

4-3-5. آزمون عدم تقارن متغیرها در مدل NARDL

پس از اطمینان از صحت اعتبار الگوی برآوردی برای بررسی تقارن یا عدم تقارن شوک‌های مثبت و منفی نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو از آزمون والد برای تایید یا عدم تایید متقارن یا نامتقارن بودن شوک­ها استفاده می­شود. نتایج این آزمون در جدول (11) ارائه شده است. فرض صفر در آزمون والد مبنی بر اثر متقارن شوک­های مثبت و منفی است.

جدول 11. نتایج آزمون والد برای نرخ ارز و نوسانات نرخ ارز

نوسانات نرخ ارز

نرخ ارز

آزمون والد

849791/8

(0060/0)

483656/9

(0046/0)

مقدار آماره

(ارزش احتمال)

ماخذ: یافته‌های پژوه

با توجه به نتایج به‌دست‌آمده، فرضیه صفر این آزمون رد می­شود و بیانگر این است که شوک‌های مثبت و منفی نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو اثر نامتقارن دارد.

  1. بحث و نتیجه‌گیری

یکی از مهم‌ترین صنایع در هر اقتصاد که از اهمیت استراتژیک بسزایی برخوردار است، صنعت دارو است. در ایران این صنعت بعد از صنعت نفت، گاز و پتروشیمی، دومین صنعت مهم محسوب می­شود. همچنین صنعت دارویی ارتباط مستقیمی با سلامت اجتماعی افراد دارد و در بسیاری از بحران­ها نظیر بحران کرونا، تاثیر فراوانی بر زندگی اجتماعی و اقتصادی افراد جامعه گذاشته است. علاوه بر این، عوامل مختلفی بر صنایع و بازده سهام­ مختلف نظیر صنعت دارو تاثیرگذارند که یکی از مهم‌ترین آنان، نرخ ارز و نوسانات
در آن است. از این ­رو، با توجه به اهمیت صنعت داروسازی و ارتباط بازدهی این صنعت با نرخ ارز در بازار سهام ایران، این پژوهش با استفاده از داده­های فصلی بازه زمانی 1384 تا 1400 به بررسی اثرات خطی و غیر­خطی نرخ ارز و نوسانات آن به همراه متغیرهای کنترلی اقتصاد کلان شامل شاخص قیمت مصرف‌کننده بخش بهداشت و درمان و قیمت نفت و متغیرهای کنترلی صنعت دارو شامل نسبت بازده دارایی­ها، نسبت گردش دارایی­ها و نسبت بدهی و متغیر مجازی کرونا بر بازده شاخص سهام صنعت دارو در قالب مدل­های ARDL و NARDL پرداخته است.

نتایج مطالعه نشان داد که در کوتاه­مدت، برآیند کلی اثر نرخ ارز در مدل خطی ARDL بر بازده صنعت دارو، مثبت است. اما نکته تامل‌برانگیز در نتیجه این ارتباط آن است که در وقفه‌های مختلف، اثر ضرایب نرخ ارز تغییر کرده که احتمال داده می‌شود یکی از دلایل وقوع این امر، وجود شوک­های مثبت یا شوک­های منفی در قیمت ارز صورت‌گرفته باشد. برای این منظور، از مدل NARDL برای بررسی این امر که قابلیت تفکیک شوک‌ها را دارد، استفاده شد. نتایج مدل غیرخطی NARDL نشان داد که شوک منفی در قیمت ارز موجب کاهش بازده صنعت دارو و شوک مثبت در جهت افزایش قیمت ارز منجر به افزایش بازده صنعت دارو در بازار بورس ایران می‌شود. برای نوسانات نرخ ارز نیز
در کوتاه‌مدت در مدل خطی ARDL اثر منفی بر بازده صنعت دارو به دست آمد
در حالی‌که در مدل غیرخطی NARDL نوسانات نرخ ارز به دو شوک مثبت و منفی در تغییرات نرخ ارز تفکیک شد که نتیجه شوک‌های مثبت و منفی نوسانات نرخ ارز اثر معنادار، اما متفاوت مشاهده شد که این حاکی از نامتقارن بودن اثر شوک­ها بر بازده صنعت دارو دارد. اثر متغیر شاخص قیمت مصرف‌کننده بخش بهداشت و درمان در مدل خطی اثر منفی و معنادار دارد در حالی که در مدل غیرخطی اثر مثبت، اما از لحاظ آماری بی­معنی به دست آمد و ضریب متغیر قیمت نفت در هر دو مدل منفی و معنادار به دست آمد. همچنین بازده دارایی­ها، گردش دارایی­ها، میزان بدهی صنعت دارو و متغیر مجازی کرونا موجب بهبود بازده صنعت دارو در کوتاه‌مدت در هر دو مدل می­شوند.

نتایج برآورد مدل­ها در بلندمدت نیز نشان داد که نرخ ارز در مدل خطی ARDL اثر مثبت دارد. این در حالی است که در مدل غیرخطی NARDL شوک منفی در قیمت ارز، اثر منفی و شوک مثبت آن اثر مثبت بر بازده سهام صنعت دارو دارد. همچنین نوسانات نرخ ارز در مدل خطی اثر منفی، اما در مدل غیرخطی، شوک منفی نرخ ارز، اثر منفی و شوک مثبت آن، اثر مثبت بر بازده سهام صنعت دارو دارد. اثر متغیرهای تورم بخش بهداشت و درمان و قیمت نفت در مدل غیرخطی NARDL به ترتیب مثبت و بی­معنی و منفی و معنادار مشاهده شد، اما در مدل خطی ARDL، هر دو، اثر منفی داشتند.

نتایج همچنین نشان داد که در بلندمدت متغیرهای بازده دارایی­ها وگردش دارایی­ها در صنعت دارو به همراه متغیر مجازی کرونا در هر دو مدل خطی و غیرخطی اثر مثبتی بر روند بازده صنعت دارو در بازار بورس تهران دارند در حالی که متغیر بدهی صنعت دارو، تنها در مدل خطی اثر مثبت و معناداری بر بازده دارو دارد. بنابراین، به طور خلاصه، نتایج بیانگر این است که بر اساس شواهد تجربی، رابطه­ای عمیق میان ارز و نوسانات آن با بازده صنعت دارو در بورس اوراق بهادار تهران وجود دارد، اما تاثیرپذیری این صنعت
از شوک­های قیمتی در نرخ ارز و نوسانات آن، ناهمگن است؛ به طوری که افزایش
در قیمت ارز و نوسانات آن موجب افزایش بازده شرکت­های بورسی صنعت دارو و کاهش در قیمت ارز و نوسانات موجود در آن موجب کاهش سودآوری این صنعت و شرکت­های فعال در این صنعت می­شود.

به ­طور کلی، نتایج مطالعه حاضر بیانگر این است که تفکیک نرخ ارز و نوسانات آن به شوک‌های مثبت و منفی موجب تغییر در نتایج تحقیق می­شود. از این ­رو، پیشنهاد می‌شود که سرمایه­گذاران و شرکت­های فعال در صنعت دارو به نتایج متفاوت مدل­های خطی و غیرخطی و همچنین اثرات نامتقارن متغیرها توجه کنند و با توجه به متفاوت بودن تاثیر شوک‌های مثبت و منفی نوسانات نرخ ارز به جهت نوسانات توجه کرده و واکنش مناسبی برای پوشش نوسانات نرخ ارز انجام دهند.

همچنین پیشنهاد می­شود که جهت پوشش ریسک نوسانات نرخ ارز که تاثیر بسیاری بر بازده تمام صنایع بورسی از جمله صنعت دارو دارد، استفاده از ابزارهای نوین مهندسی مالی در بازار سرمایه ایران افزایش یابد.

با توجه به یافته‌های مبنی بر تاثیر مثبت افزایش نرخ ارز بر بازده سهام صنعت دارو، پیشنهاد می‌شود که ارز شرکت­های دارویی به صورت تک نرخی تعیین شود، چراکه
با افزایش نرخ ارز، نرخ محصولات دارویی افزایش و میزان حاشیه سود شرکت‌های دارویی افزایش می‏یابد.

همچنین با توجه به با افزایش نرخ ارز و افزایش قیمت دارو پیشنهاد می­شود که تفاوت نرخ ارز ترجیحی با نرخ ارز بازار آزاد به شرکت­های بیمه­ای اختصاص یابد تا سطح پوشش بیمه­ای  بیماران افزایش یابد و تعداد بیشتری از اقلام دارویی تحت پوشش بیمه قرار بگیرد و فشار افزایش قیمت دارو از افراد جامعه برداشته شده و همزمان شرکت‌های دارویی بتوانند به تولید و ارائه محصولات با کیفیت بهتر بپردازند.

 

[1]. Autoregressive Distributed Lag (ARDL)

[2]. Nonlinear Autoregressive Distributed Lag (NARDL)

[3]. Branson, W. H.

[4]. Research & Development

  1. Phylaktis, K. & Ravazzolo, F.
  2. Cointegration Method

[7]. Multivariate Granger Causality Test

  1. 2. Pan, M., et al.

[9]. Vector Autoregression )VAR)

[10]. Aydemir, O., & Demirhan, E.

[11]. Mgammal, M. H

[12]. Saman, C.

[13]. Threshold Autoregressive Error-Correction Model (MTAR-ECM)

[14]. Momentum Threshold Autoregressive Error-Correction Model (MTAR-ECM)

[15]. Sichoongwe, K.

[16]. Generalized AutoRegressive Conditional Heteroskedasticity (GARCH)

[17]. Luqman, R., & Kouser, R.

[18]. Dang, V. C., et al.

[19]. Saidi, L. D., et al.

[20]. Nusair, S. A., & Olson, D.

[21]. Exponential General Autoregressive Conditional Heteroskedastic (EGARCH)

[22]. Markov Switching Model

[23]. Analysis of Variance (ANOVA)

[24]. Hodrick-Prescott

[25]. Engle, R. F., & Granger, C. W.

[26]. Maximum Likelihood Method

[27]. Johansen, S., & Juselius, K.

[28]. Pesaran, et al.

  1. Bounds Test

[30]. Shin, Y., et al.

[31]. Wald Test

[32]. Dang, V. C., et al.

[33]. Saidi, L. D., et al.

  1. Indrianti, D. N., & Rolanda, I.
  2. Phillips-Perron Unit Root Test

[36]. Akaike Criterion

[37]. Hannan Quinn Criterion

  1. Schwarz Baysian Criterion

[39]. Unrestricted Error Correction Model (UECM)

[40]. Banerjee, A., Dolado, J., & Mestre, R.

  1. Ramsey Reset Test
  2. Autoregressive Conditional Heteroskedasticity (ARCH) Test
  3. Breusch-Godfrey Test
Abu Nouri, I., Tehranchian, A. M., & Hamzeh, M. (2012). The long-term relationship between effective real exchange rate instability and industry return index in the Tehran stock market (multivariate GARCH approach). Economic Modeling Quarterly, 18(2), 1-19. [In Persian]
https://eco.firuzkuh.iau.ir/article_555466_587437d90fe46b29c20524f3d868cec5.pdf
Adam, P., Nusantara, A. W., & Muthalib, A. A. (2017). A Model of the Dynamic of the Relationship between Exchange Rate and Indonesia’s Export. International Journal of Economics and Financial Issues, 7(1), 255-261.
Adibpour, M. (2016). Measuring the uncertainty of exchange rate on the stock price index of industrial companies listed to the stock exchange. Macroeconomic Research Letter, 11(22), 105-131. [In Persian]
Aydemir, O., & Demirhan, E. (2009). The relationship between stock prices and exchange rates: Evidence from Turkey. International research journal of finance and economics, 23(2), 207-215.
Banerjee, A., Dolado Lobregad, J. J., & Mestre Zamarreño, R. (1993). On some simple tests for cointegration: The cost of simplicity. Banco de España. Servicio de Estudios.
Barkhordari, F., Pourazizi Glin Qashlaghi, S., & Hosseini, A. (2017). The effect of exchange rate fluctuations and its spillover effect on the index of selected industries of Tehran Stock Exchange. Investment Knowledge, 6(21), 1-13. [In Persian]
Basu, S., & Chaudhuri, R. (2022). Effect of COVID 19 pandemic on Pharmaceutical Industry in terms of Inventory and Logistics Management. Himalayan Research Papers,30(1), 1-13.
Branson, W. H. (1980). Asset Markets and Relative Prices in Exchange Rate Determination, Reprints in International Finance, 20. https://cir.nii.ac.jp/crid/1130282269555756544
Branson, W. H. (1981). Macroeconomic determinants of real exchange rates (No. w0801). National Bureau of Economic Research.
DOI: 10.3386/w0801
Branson, W. H. (1983). A model of exchange rate determination with policy reaction: Evidence from Monthly Data. NBER Working Paper, No. 1135, Cambridge.
DOI: 10.3386/w1135
Brooks, C. (2019). STATA guide for introductory econometrics for finance. Cambridge university press.
Dang, V. C., Le, T. L., Nguyen, Q. K., & Tran, D. Q. (2020). Linkage between exchange rate and stock prices: evidence from Vietnam. The Journal of Asian Finance, Economics, and Business, 7(12),95-107.
 DOI: 10.13106/jafeb.2020.vol7.no12.095
Eidi, M., Hejbar Kiani, C., Rajaee, Y., & Rahimzadeh, A. (2020). Investigating the asymmetric effects of exchange rate on Iran's money demand function despite household religious expenditure: NARDL approach. Financial Economics Quarterly, 14(52), 27-54. [In Persian]
DOI: 20.1001.1.25383833.1399.14.52.2.2
Einabadi, J., & moradi, N. (2021). The effects of exchange rate appreciation on the stock value of pharmaceutical companies based on the estimated value obtained from the evaluation models of cash dividend discount, free cash flow and residual profit and real price. Journal of Business Management, 13(52), 467-485. [In Persian]
Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction: representation, estimation, and testing. Econometrica: journal of the Econometric Society, 251-276.
Heidari, H., Mohammad Zadeh, Y., & Refah-Kahriz, A. (2018). Investigating the change of exchange rate on the stock returns of the pharmaceutical industry in Tehran Stock Exchange using the Markov switching approach. Asset Management and Financing, 6(2), 35-56. [In Persian]
Heidari, H., Refah-Kahriz, A., & Hashmi-Berenjabadi, N. (2018). Dynamics of the relationship between macroeconomic variables and stock return volatility of Tehran Stock Exchange: A multi-variable Markov Arma -Garch regime Switching approach. Applied Theories of Economics, 5(2), 223-250. [In Persian]
Indrianti, D. N., & Rolanda, I. (2023). The effect of current ratio, debt to equity ratio, return on assets, and company size on stock price (empirical study on pharmaceutical companies listed on the indonesian stock exchange for the period 2017-2021). Jurnal Ekonomika dan Manajemen, 12(1), 27-38.
Jafari Samimi, A., Kazemi Zarumi, H., Riahi Vazvari, K., & Rahmanian, M. (2014). Exchange rate fluctuations and stock returns in Iran. Accounting and Auditing Research, 12(22), 4-17. [In Persian]
DOI: 10.22034/iaar.2014.104362
Jahani, Z. (2021). The impact of the corona pandemic on the profitability of pharmaceutical companies listed on the stock exchange. Economic Journal, 6(21), 5-19.
Jalai, A, M., & Habibdoost, A. (2012). Investigating the relationship between exchange rate fluctuations and stock returns using wavelet analysis in different sectors of the Tehran Stock Exchange. Iranian Journal Of Economic Research. 17(52), 9-32. [In Persian]
Jalali Naini, S. A. R., & Ghalibaf Asl, H. (2003). Investigating the effect of exchange rate on stock returns in Iran. Financial Research, 5(15), 3-22. [In Persian]
Johansen, S., & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration--with applications to the demand for money. Oxford Bulletin of Economics and statistics, 52(2), 169-210.
Karimzadeh, M. (2006). Long-term study of stock price index with macro monetary variables using the Cointegration method in Iran's economy. Iranian journal of Economic Research, 8(26), 41-54. [In Persian]
Luqman, R., & Kouser, R. (2018). Asymmetrical linkages between foreign exchange and stock markets: Empirical evidence through linear and non-linear ARDL. Journal of Risk and Financial Management, 11(51), 1-13.
Mgammal, M. H. (2018). The effect of inflation, interest rates and exchange rates on stock prices comparative study among two GCC countries. SSRN.
DOI: 10.5923/j.ijfa.20120106.06
Mohaghegh Nia, M. J., Hosseini, S. H., & Jafari Bagharabadi, E. (2012). Investigating the relationship between exchange rate fluctuations and the profitability of the banking industry. Empirical Research in Accounting, 3(9), 57-73. [In Persian]
Mohammadi, A. (2014). Investigating the impact of exchange rate volatility on the relationship between financial and non-financial characteristics of the company and stock returns. master's thesis in the field of accounting. Urmia University. [In Persian]
Mollick, A. V., & Sakaki, H. (2019). Exchange rates, oil prices and world stock returns. Resources Policy, 61, 585-602.
Najafi, A., & Rahimzadeh, A. (2014). Exchange rate fluctuations and its effect on stock returns in industries listed on the Tehran Stock Exchange, the first international conference on management, economics. Accounting and Educational Sciences, Mazandaran. [In Persian]
Najarzadeh, R., Aghaei Khondabi, M., and Rezaeipour, M. (2008). Investigating the effect of currency and price shocks on stock price index of Tehran Stock Exchange. The Economic Research (Sustainable Growth and Development), 9(1), 147-175. [In Persian]
Nusair, S. A., & Olson, D. (2022). Dynamic relationship between exchange rates and stock prices for the G7 countries: A nonlinear ARDL approach. Journal of International Financial Markets, Institutions and Money, 15(78), 350-372. DOI:
Pan, M. S., Fok, R. C. W., & Liu, Y. A. (2007). Dynamic linkages between exchange rates and stock prices: Evidence from East Asian markets. International Review of Economics & Finance, 16(4), 503-520.
https:// doi.org/10.1016/j.iref.2005.09.003
Pedram, M. (2013). The effect of exchange rate fluctuations on stock market fluctuations in Iran. Financial Knowledge of Securities Analysis, 15, 83-96. [In Persian]
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289-326.
Phylaktis, K., & Ravazzolo, F. (2005). Stock prices and exchange rate dynamics. Journal of international Money and Finance, 24(7), 1031-1053.
Saidi, L. O., Muthalib, A. A., Adam, P., Rumbia, W. A., & Sani, L. O. A. (2021). Exchange rate, exchange rate volatility and stock prices: An analysis of the symmetric and asymmetric effect using ardl and nardl models. Australasian Accounting, Business and Finance Journal, 15(4), 179-190.
Saman, C. (2015). Asymmetric interaction between stock price index and exchange rates: Empirical evidence for Romania. Romanian Journal of Economic Forecasting, 18(4), 90-109.
Sarafi Zanjani, M., & Mehrgan, N (2018). The asymmetric effect of exchange rate risk on stock index of export-oriented industries using the NARDL model. Economic Modeling Research, 23, 116-89. [In Persian]
DOI: 10.29252/jemr.9.33.89
Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. Festschrift in honor of Peter Schmidt: Econometric methods and applications, 7 (2), 281–314.
Sichoongwe, K. (2016). Effects of exchange rate volatility on the stock market: The Zambian experience. Journal of Economics and Sustainable Development, 7(4). 114-119.
Tari, R., & Gözen, M. Ç. (2018). Portfolio balance approach to exchange rate determination: Testing a model by applying bilateral data of Turkey and United States 1. Ege Akademik Bakis, 18(3), 423-434.
DOI: 10.21121/eab.2018339491
Türsoy, T. (2017). Causality between stock prices and exchange rates in Turkey: Empirical evidence from the ARDL bounds test and a combined cointegration approach. International Journal of Financial Studies, 5(1), 1-10.
Vakili Fard, H. R., & Ali Fari, M. (2015). The effect of exchange rate fluctuations on the return of companies listed on the Tehran Stock Exchange. Economic Sciences Quarterly, 9(30), 83-98. [In Persian]
Yousefi Babadi, H. A.,Yousefi Babadi, A., & Yazdani, L. (2019). Evaluating the efficiency of the gray relation method in the ranking of Pharmaceutical industry companies in the Tehran Stock Exchange. Journal of Research in Management and Accounting, 24(1), 205-228. [In Persian]
Zulfiqari, M., & Sahabi, B. (2016). Investigating the impact of exchange rate fluctuations on the risk of stock returns of automobile, mining, and cement industries based on Markov regime switching. Financial Engineering and Securities Management, 29, 85-106. [In Persian]