موسسه انتشارات بین المللی پژوهش‌های مدیریت مدیریت استراتژیک هوشمند 2891-4128 5 3 2026 09 23 Designing a Forecasting Model for Energy Crisis Contagion Across Economic Sectors Using the EGARCH Approach طراحی مدل پیش بینی سرایت بحران های انرژی به بخش های اقتصادی با رویکرد مدل EGRACH 1 26 245244 10.87453/bumara.2026.373601.0877 FA محمدحسین اردستانی کارشناسی ارشد سرمایه گذاری محاسباتی از دانشگاه نیوبرونزویک کانادا. Journal Article 2026 03 30 Energy crises, following the COVID-19 pandemic, geopolitical tensions, sharp increases in natural gas prices, supply chain disruptions, and policy uncertainty, have become one of the most important sources of volatility across economic sectors. The main objective of this study is to examine whether the magnitude and transmission path of volatility contagion from oil, gas, gasoline, and heating fuel markets to economic sectors can be predicted using an exponential generalized autoregressive conditional heteroskedasticity (EGARCH) framework combined with a composite energy crisis index.<br>To address this question, daily data covering the period from 2020 to June 9, 2026 were collected for five energy markets and twelve tradable sectoral indices. After constructing an energy crisis index, an augmented EGARCH model with a contagion component embedded in the conditional variance equation was specified and estimated.<br>The empirical findings indicate that energy crisis days significantly increase the conditional volatility of financial, industrial, real estate, basic materials, consumer staples, and communication sectors. Specifically, volatility increases during crisis periods were estimated at 44.2% for the financial sector, 43.2% for the industrial sector, and 39.2% for real estate. The contagion coefficient in the log-variance equation was higher for consumer staples, utilities, basic materials, real estate, and technology compared to other sectors. Moreover, the negative sign of the asymmetry parameter confirms that adverse news and negative shocks amplify future volatility more strongly than positive shocks.<br>The main contribution of this paper is the development of an early warning framework for intelligent strategic risk management. This framework can be applied at the firm, institutional investor, and policymaker levels for sectoral resilience prioritization, risk budgeting, and vulnerability assessment of value chains. بحران های انرژی پس از همه گیری کرونا، تنش های ژئوپلیتیکی، جهش قیمت گاز طبیعی، اختلال زنجیره های عرضه و نااطمینانی سیاستی، به یکی از مهمترین منشأهای نوسان در بخش های اقتصادی تبدیل شده اند. مسئله اصلی این مقاله آن است که آیا می توان با اتکا به الگوی ناهمسانی واریانس نمایی و یک شاخص ترکیبی بحران انرژی، شدت و مسیر سرایت نوسان از بازارهای نفت، گاز، بنزین و سوخت گرمایشی به بخش های اقتصادی را پیش بینی کرد یا خیر. برای پاسخ، داده های روزانه دوره ۲۰۲۰ تا ۹ ژوئن ۲۰۲۶ برای پنج بازار انرژی و دوازده شاخص بخشی قابل معامله گردآوری شد و پس از ساخت شاخص بحران انرژی، یک مدل افزوده ناهمسانی واریانس نمایی با جزء سرایت در معادله واریانس شرطی طراحی و برآورد شد. یافته ها نشان داد که روزهای بحرانی انرژی، میانگین نوسان شرطی بخش های مالی، صنعتی، املاک، مواد پایه، کالاهای مصرفی ضروری و ارتباطات را به طور معنادار افزایش می دهد؛ به گونه ای که افزایش نوسان در روزهای بحرانی برای مالی ۴۴٫۲ درصد، صنعتی ۴۳٫۲ درصد و املاک ۳۹٫۲ درصد برآورد شد. ضریب سرایت بحران در معادله لگاریتم واریانس برای کالاهای مصرفی ضروری، خدمات عمومی، مواد پایه، املاک و فناوری بزرگتر از سایر بخش ها بود و علامت منفی ضریب نامتقارن نیز نشان داد که اخبار بد و شوک های کاهشی، نوسان آینده را بیش از اخبار مثبت تشدید می کنند. دستاورد اصلی مقاله، ارائه یک چارچوب هشدار زودهنگام برای مدیریت راهبردی هوشمند است که می تواند در سطح بنگاه، سرمایه گذار نهادی و سیاستگذار برای اولویت بندی تاب آوری بخشی، بودجه بندی ریسک و سنجش آسیب پذیری زنجیره ارزش به کار رود. https://www.bumara.ir/article_245244_6102b51864b8ca3cb338eb41c047be94.pdf