<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>Knowledge Management Scientific Association</PublisherName>
      <JournalTitle>مدیریت پویا و تحلیل کسب و کار</JournalTitle>
      <Issn>3041-8933</Issn>
      <Volume>5</Volume>
      <Issue>تابستان 1405</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>06</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Dynamics of Return and Asymmetric Volatility Transmission Between the Stock Market and Iran’s Over-the-Counter Market: An Asymmetric Bivariate BEKK-GARCH Model</ArticleTitle>
    <VernacularTitle>پویایی بازده و انتقال نامتقارن نوسانات بین بازار سهام و فرابورس ایران با استفاده از مدل نامتقارن دومتغیره BEKK-GARCH</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>32</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>زهرا</FirstName>
        <LastName> اسماعیلی تزنگی </LastName>
        <Affiliation>گروه  مدیریت مالی، واحد یزد ، دانشگاه آزاداسلامی، یزد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>سید یحیی</FirstName>
        <LastName>ابطحی</LastName>
        <Affiliation>گروه مدیریت مالی، واحد یزد ، دانشگاه آزاداسلامی، یزد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>غلام رضا </FirstName>
        <LastName>عسکرزاده دره </LastName>
        <Affiliation>گروه مدیریت مالی، واحد یزد ، دانشگاه آزاداسلامی، یزد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>حمید</FirstName>
        <LastName> خواجه </LastName>
        <Affiliation>گروه مدیریت مالی، واحد یزد ، دانشگاه آزاداسلامی، یزد، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404</Year>
        <Month>09</Month>
        <Day>12</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective: &lt;/strong&gt;This study examined the dynamic transmission of returns and asymmetric volatility between Iran’s stock market and over-the-counter market while jointly accounting for volatility breaks, thin trading, and aggregate trading volume.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Methodology: &lt;/strong&gt;Daily observations for the Iranian stock market and over-the-counter market from September 28, 2009, to February 19, 2025, comprising 3,672 observations, were analyzed. The Iterated Cumulative Sum of Squares algorithm was applied to identify structural breaks in unconditional variance. A linear autoregressive state-space model with time-varying coefficients and the Kalman filter was used to adjust the return series for autocorrelation caused by thin trading. Return transmission, short- and long-run volatility spillovers, and asymmetric shock effects were estimated using a bivariate vector autoregressive model combined with an asymmetric BEKK-GARCH specification. Aggregate trading volume and dummy variables representing volatility breakpoints were subsequently incorporated into the mean and variance equations of the augmented model.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Findings:&lt;/strong&gt; Unit-root tests indicated that stock-market returns, over-the-counter-market returns, and trading volume were stationary at level. Significant autoregressive coefficients confirmed return-memory effects and demonstrated that previous returns affected current returns in both markets. In the baseline specification, the asymmetry coefficients were statistically insignificant, indicating that positive and negative shocks exerted similar effects on conditional variance. However, after controlling for volatility breakpoints, aggregate trading volume, and thin-trading adjustments, the asymmetry coefficients became significant and leverage effects were confirmed in both markets. Negative shocks generated larger increases in volatility than positive shocks of a comparable magnitude. The results also supported significant dynamic return and volatility transmission and interdependence between the two markets.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; Jointly incorporating volatility breaks, trading volume, and thin-trading adjustments provides a more accurate representation of cross-market return transmission and asymmetric volatility behavior. Omitting these factors may distort estimates of volatility persistence and underestimate the stronger response of both markets to adverse shocks.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف:&lt;/strong&gt; هدف پژوهش حاضر بررسی پویایی انتقال بازده و نوسانات نامتقارن میان بازار سهام و فرابورس ایران با در نظر گرفتن هم‌زمان شکست‌های نوسانی، معاملات کم‌حجم و حجم کل معاملات بود. &lt;strong&gt;روش‌شناسی: &lt;/strong&gt;این پژوهش با استفاده از داده‌های روزانه شاخص‌های بازار سهام و فرابورس ایران طی دوره 28 سپتامبر 2009 تا 19 فوریه 2025 و در قالب 3,672 مشاهده انجام شد. برای شناسایی تغییرات ساختاری در واریانس غیرشرطی از الگوریتم مجموع تجمعی تکراری مربعات (ICSS)، برای تعدیل خودهمبستگی ناشی از معاملات کم‌حجم از مدل خودرگرسیونی فضای حالت خطی با ضرایب متغیر در زمان و فیلتر کالمن، و برای برآورد انتقال بازده، سرریز نوسانات کوتاه‌مدت و بلندمدت و آثار نامتقارن شوک‌ها از مدل بردار خودرگرسیونی دومتغیره همراه با مدل نامتقارن BEKK-GARCH استفاده شد. حجم کل معاملات و متغیرهای مجازی مربوط به شکست‌های نوسانی نیز به معادلات میانگین و واریانس مدل تقویت‌شده وارد شدند. &lt;strong&gt;یافته‌ها:&lt;/strong&gt; نتایج آزمون‌های مانایی نشان داد که بازده بازار سهام، بازده فرابورس و حجم معاملات در سطح مانا هستند. ضرایب خودرگرسیونی معنادار، وجود اثر حافظه و تأثیر بازده‌های گذشته بر بازده جاری هر دو بازار را تأیید کردند. در مدل پایه، ضرایب عدم تقارن معنادار نبودند و شوک‌های مثبت و منفی آثار مشابهی بر واریانس داشتند. بااین‌حال، پس از لحاظ‌کردن شکست‌های نوسانی، حجم معاملات و تعدیل معاملات کم‌حجم، ضرایب عدم تقارن معنادار شدند و اثر اهرمی در هر دو بازار تأیید شد؛ به‌گونه‌ای که شوک‌های منفی در مقایسه با شوک‌های مثبت افزایش بیشتری در نوسانات ایجاد کردند. همچنین، انتقال بازده و نوسانات میان دو بازار و وابستگی پویای متقابل آن‌ها تأیید شد. &lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; لحاظ هم‌زمان شکست‌های ساختاری نوسانات، حجم معاملات و معاملات کم‌حجم، برآورد دقیق‌تری از انتقال بازده و رفتار نامتقارن نوسانات ارائه می‌دهد و نشان می‌دهد که نادیده‌گرفتن این عوامل ممکن است به برآورد نادرست پایداری نوسانات و واکنش بازارها به اخبار منفی و مثبت منجر شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Volatility transmission</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">volatility failures</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">bivariate BEKK</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">GARCH model</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">leverage</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">stock market and OTC market</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">انتقال نوسانات</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">شکست‌های نوسان</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدل BEKK</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">GARCH دو متغیره</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اثر اهرمی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بازار سهام و فرابورس</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://dmbaj.org/index.php/dmba/article/download/417/372</ArchiveCopySource>
  </Article>
</ArticleSet>
