وابستگی نامتقارن بین بازده بورس و اخبار در طول آشفتگی مالی COVID-19

از ژانویه سال 2020 Elsevier یک مرکز منابع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در مورد رمان Coronavirus Covid-19 ایجاد کرده است. مرکز منابع Covid-19 در وب سایت اخبار و اطلاعات عمومی شرکت Elsevier Coect میزبان است. Elsevier بدین وسیله اجازه می دهد تا تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منابع COVID-19 موجود است-از جمله این محتوای تحقیق-که بلافاصله در مخازن PubMed Central و سایر سرمایه گذاری های عمومی در دسترس است ، مانند پایگاه داده WHO COVID با حقوق برایتحقیقات بدون محدودیت دوباره استفاده و تجزیه و تحلیل به هر شکلی یا به هر وسیله ای با تأیید منبع اصلی. این مجوزها تا زمانی که مرکز منابع COVID-19 فعال باشد ، توسط Elsevier به صورت رایگان اعطا می شود.

داده های مرتبط

نکات برجسته

من واکنش بورس سهام به Coronavirus News را در شش کشور برتر تحت تأثیر این بیماری همه گیر بررسی می کنم.

اخبار جعلی در طول توزیع بازده تأثیر غیرخطی منفی بر مقدار پایین و میانه می گذارد.

پوشش رسانه ای منجر به کاهش بازده در مقادیر میانه و برتر می شود و هیچ تاثیری بر روی موارد فرومایه ندارد.

در طول COVID19 آشفتگی مقدار برتر توزیع بازده ، وابستگی منفی به عملکردهای گذشته نشان می دهد ، در حالی که کمیتهای تحتانی و میانی تحت تأثیر این پدیده قرار نمی گیرند.

بازگشت طلا با بازار سهام ارتباط مثبت دارد ، که در طی دوره های شدید نزولی و صعودی تقویت می شود که نشان می دهد به عنوان یک دارایی "پناهگاه های ایمن" رفتار نمی کند.

1. معرفی

تأثیر احساسات اخبار عمومی بر بازده سهام در سالهای اخیر مورد توجه فزاینده قرار گرفته است. بدنه رو به رشد مطالعات تجربی و نظری بر درک این موضوع که آیا حرکات قیمت در بازارهای مالی توسط اخبار اقتصادی یا سیاسی هدایت می شود ، متمرکز شده است (Smales ، 2014 ؛ Broadstock and Zhang ، 2019 ؛ Shi and Ho ، 2020). اجماع این است که اطلاعاتی که از کانال های رسانه های اجتماعی به دست می آید تأثیر قابل توجهی در پویایی بازار سهام ، به ویژه در مواقع عدم اطمینان اقتصادی یا سیاسی دارد.

با توجه به همه گیر Covid-19 و تعداد قابل توجهی از اخبار مرتبط ، بازارهای سهام در سراسر جهان در سه ماه اول سال 2020 ضررهای عظیمی متحمل شده اند. به گفته بلومبرگ ، "تا 1 بعد از ظهر. در 18 مارس ، شاخص S& P 500 برای سال تا به امروز 27 ٪ تخفیف داشت ، DAX آلمان 38 ٪ و Nikkei ژاپن 29 درصد تخفیف داشت. "در نتیجه ، دولت های سراسر جهان مجموعه ای از بسته های محرک را برای جبران خسارت های تولید شده توسط همه گیر و بازیابی اعتماد به نفس سرمایه گذار انجام داده اند. اگرچه شاخص های اصلی بازار سهام تا حدودی در اواسط آوریل 2020 بهبود یافته است ، اما تعداد زیادی از عدم اطمینان مالی باقی مانده است.

در حالی که ادبیات فعلی مربوط به همه گیر COVID-19 به بازارهای مالی محدود است ، مطالعات موجود نتایج بسیار جالبی را ارائه داده است. به عنوان مثال ، کوربت و همکاران.(2020a) تأثیر منفی از کرونوویروس را در برخی از شرکت ها با نام های مشابه نشان می دهد. علاوه بر این ، اخترروزامان و همکاران.(2020) ، نشان می دهد که بنگاه های ذکر شده در سراسر چین و کشورهای G7 افزایش قابل توجهی در همبستگی مشروط برای بازده بازار تجربه کرده اند. این واقعیت توسط Okorie و Lin (2020) تأیید شده است که در بازده بازار و نوسانات بازار ، آلودگی فراکتال قابل توجهی پیدا کرده است. علاوه بر این ، Conlon و McGee (2020) و Goodell and Goutte (2020) نشان می دهند که ارزهای رمزنگاری شده مانند پناهگاه های امن در هنگام آشفتگی Covid-19 عمل نمی کنند.

در این مقاله ، من با بررسی واکنش بازار سهام به Coronavirus News در شش کشور برتر تحت تأثیر همه گیر 1 به ادبیات کمک می کنم. با استفاده از یک مدل رگرسیون کمی پانل ، من نشان می دهم که بازار سهام وابستگی های نامتقارن را با اطلاعات مربوط به COVID-19 ارائه می دهد. به طور خاص ، اخبار جعلی در طول توزیع بازده تأثیر منفی بر مقدار پایین و میانی دارد. با این حال ، تأثیر آنها از نظر آماری برای مقادیر شدید معنی دار نیست. علاوه بر این ، پوشش رسانه ها منجر به کاهش بازده در مقادیر میانی و فوقانی می شود و هیچ تاثیری در قسمتهای پایین ندارد. به همین ترتیب ، مسری مالی در بین شرکت ها برای بازده از 50 تا 75 درجه مضر است. علاوه بر این ، تخمین ها نشان می دهد که پویا قیمت طلا تأثیر غیرخطی در بازارهای سهام ، به ویژه در بازارهای نزولی شدید و صعودی دارد. بقیه مقاله دارای ساختار زیر است: بخش 2 داده ها را ارائه می دهد ، بخش 3 در مورد رویکرد اقتصاد سنجی بحث می کند ، و نتایج در بخش 4 است. بخش 5 مقاله را نتیجه می گیرد.

2. داده ها

برای بررسی تأثیر اخبار مربوط به COVID-19 در بازده بورس ، من از یک پانل متعادل که 50 روز کاری را پوشش می دهد ، از 3 فوریه 2020 تا 17 آوریل 2020 استفاده می کنم. متغیر وابسته شامل بازده روزانه DJIA ، FTSE 100 ، DAX ،CAC 40 ، IGBM و MIB. انتخاب این نمونه برخی از معایب را نشان می دهد زیرا پویایی شاخص های سهام تحت تأثیر همان رویداد جهانی ، یعنی همه گیر Covid-19 قرار گرفته است که از این طریق باعث وابستگی بین کشورهای جداگانه در پانل 2 می شود. ژانگ و همکاران.(2020) این واقعیت تجربی را هنگام بررسی همبستگی در بین 12 بازار برتر سهام قبل و بعد از آن که سازمان بهداشت جهانی Covid-19 را به عنوان یک بیماری همه گیر در سراسر جهان اعلام کرد ، تأیید کنید. به گفته آنها ، "همبستگی ها در ماه فوریه نسبتاً کم است ، اما با ورود به مارس به میزان قابل توجهی افزایش می یابد."جزئیات بیشتر ماتریس همبستگی در دوره مورد تجزیه و تحلیل در جدول 1 قرار دارد.

میز 1

ضرایب همبستگی بازده بازار سهام.

متغیرهای مربوط به خبری COVID-19 از ابزار Analytics Ravenpack آمده است. این پلتفرم تجزیه و تحلیل رسانه ای در زمان واقعی را ارائه می دهد ، که به بررسی اطلاعیه هایی که در توصیف موضوعات اساسی مرتبط با همه گیر Coronavirus ، مانند وحشت ، مواد مخدره رسانه ای و اخبار جعلی است ، می پردازد. این منابع از جمله Dow Jones Newswire ، Wallstreet Joual یا StockTwits را در میان دیگران پوشش می دهد (Blitz et al. ، 2019). به عنوان مثال ، Smales (2014) یا SHI و HO (2020) قبلاً از این پایگاه داده News Monitor برای بررسی پیوند بین احساسات خبری و نوسانات ضمنی استفاده کرده اند. علاوه بر این ، برای کنترل خطر پیش فرض حاکمیت ، من شامل CDS CDS کشور در بین متغیرهای متغیر است که توسط Grammatikos و Vermeulen (2012) توصیه می شود. علاوه بر این ، من قیمت طلا را به عنوان معیار برای فاکتور جهانی مشترک 3 در نظر می گیرم. توضیحات دقیق داده ها و منبع آن در جدول 2 ارائه شده است.

جدول 2

3. روش شناسی

با توجه به نوسانات بیش از حد بازار در طول آشفتگی مالی COVID-19، من از یک چارچوب رگرسیون چندک پانل استفاده می کنم. بر خلاف سایر رویکردهای اقتصادسنجی که فقط بر اثرات میانگین تمرکز دارند، مدل رگرسیون چندکی ابزار قدرتمندتری برای مدیریت دم چربی یا مقادیر شدید در سراسر توزیع بازده دارایی است (دو پلوی، 2019). به طور کلی، در هر سطح (τ) در سراسر توزیع y با توجه به مجموعه ای از متغیرهای x، کمیت شرطی Q را نشان می دهد._y (τ| x ) = infk: F ( k | x ) ≥ τ>که در آن F (•| x) تابع توزیع شرطی است. بنابراین، رگرسیون چندک پانل با مشخصات زیر نشان داده می شود:

در معادله(1) i = 1، N ¯ و t = 1، T ¯، به ترتیب نشان دهنده تعداد کشورها و روزها، y هستند._{آی تی}بازده بازار سهام، x است_{آی تی}مجموعه ای از متغیرهای کمکی را نشان می دهد، β(τ) ضریب شیب مشترک است در حالی که α است_منضریب اثر ثابت خاص فردی است. برای توضیح ناهمگونی کشور مشاهده نشده، من کونکر (2004) را دنبال می کنم، که اثرات ثابت را به عنوان پارامترهای مزاحم در نظر می گیرد. نبوغ این رویکرد از معرفی یک اصطلاح جریمه در مسئله کمینه سازی ناشی می شود که منجر به الگوریتم زیر می شود:

min ( α , β ) ∑ k = 1 K ∑ t = 1 T ∑ i = 1 N w k ρ τ k ( y i , t − α i − x i , t T β ( τ k ) ) + λ ∑ i N |α i |.

در معادله(2) K شاخص چندک است، ρ τ k تابع از دست دادن چندک است در حالی که w است_kوزن نسبی داده شده به چندک k است. عبارت جریمه λ تاثیر اثرات فردی بر دستیابی به راندمان بالاتر برای ضرایب شیب جهانی را کاهش می دهد.

رگرسیون کوانتین یک کلاس مهم از مدلهای داده غیرخطی را نشان می دهد (Galvao و همکاران ، 2020) و به دلیل توانایی خود در استنباط در مورد مشاهداتی که در زیر یا بالاتر از میانگین مشروط جمعیت قرار دارند ، به ابزاری موفق در اقتصاد و امور مالی تبدیل شده است. در برخی موارد ، برآوردهای متغیر کمی نشان می دهد که روش های OLS تصویری ناقص در مورد پیوند بین متغیرها ، به ویژه برای وقایع شدید ارائه می دهد. با این حال ، با برآورد کل فرآیندهای کمی ، می توان حضور برخی از روابط غیرخطی بالقوه بین متغیر وابسته و متغیرهای متغیر را که با سایر رویکردهای خطی به وجود آمده ، جلب کند. یافته های اخیر روش اصلی Koenker (2004) را برای داده های پانل با حسابداری برای حضور توابع کمی مشروط غیرخطی گسترش داده است (Mizera ، 2018 ؛ Geraci ، 2018). در کل ، رگرسیون کمی از ویژگی های مختلفی از جمله استحکام به Outliers و هم ارزی با تحولات یکنواخت (Gilchrist ، 2000) که در هنگام گرفتن برخی از حقایق تلطیف شده ، به ویژه هنگامی که فرض خطی نباشد ، این ابزار مفید است. مناسب.

ویژگی های پانل به دو نظر اضافی نیاز دارد. اول از همه ، وجود وابستگی مقطعی احتمالاً خطاهای استاندارد تخمین زده شده را مغرضانه می کند. برای غلبه بر این مشکل ، گیبولوف و سندلر (2014) استفاده از یک رگرسیون استاندارد با ضعف را نشان می دهند. با این حال ، در یک چارچوب کمی ، این شماره کمتر مورد بررسی قرار می گیرد ، که ما را به استفاده از پروکسی برای فاکتور جهانی مشترک 5 مانند قیمت طلا یا نفت سوق می دهد. دوم ، بور و همکاران.(2012) شواهد تجربی قوی را نشان می دهد که نشان می دهد بازده های فعلی یک رفتار خودکار مثبت بر روی مقدار کمتری و منفی در موارد بالاتر نشان می دهند. به همین دلیل ، من یک روز بازده عقب مانده را در بین متغیرهای متغیر قرار می دهم. جزئیات مربوط به ماتریس همبستگی متغیرهای متغیر در پیوست 1 ارائه شده است.

4. نتایج

جداول 3 ضرایب تخمین زده شده را برای انتخاب نماینده مقادیر ارائه می دهد. برای ارزیابی استحکام نتایج ، من علاوه بر این تخمین های یک رگرسیون به ظاهر نامربوط (SUR) را گزارش می کنم ، که برای دستیابی به وابستگی مقطعی در یک تابلوی با N کوچک و T بزرگ توصیه می شود (Sarafidis and Wansbeek ، 2012). با توجه به نتایج تخمین ، چندین واقعیت جالب آشکار می شود. اول از همه ، به نظر می رسد که اخبار جعلی در شرایط عادی بازار ، یعنی از 25 تا 75 ، در طول توزیع بازده ، تأثیر منفی غیرخطی U شکل را نشان می دهد. این واقعیت تجربی نشان دهنده اهمیت روزافزون اخبار جعلی آنلاین در بازارهای مالی جهانی و پیامدهای آن برای تجارت سهام است (Allcott and Gentzkow ، 2017 ؛ Zhang and Ghorbani ، 2020). با این حال ، لازم به ذکر است که اخبار جعلی بر بازده بورس در زمان های Extreme Bearish (5 و پایین تر) و صعودی بازارهای صعودی (95th Quantile و Upper) تأثیر نمی گذارد و به نظر می رسد در دوره های مثبت بر پویایی سهام تأثیر می گذاردکاهش شدید (در حدود 10th Quantile).

جدول 3

نتایج تخمین (مقادیر p در فارنتز).

دوم ، پوشش رسانه ای تأثیر منفی و یکنواختی از میانه تا برتر دارد. این نتیجه مطابق با یافته های قبلی است که در ادبیات Fang و Peress (2009) گزارش شده است ، و استدلال می کند که "وسعت انتشار اطلاعات بر بازده سهام تأثیر می گذارد."اثر کمی مشابه برای شاخص آلودگی قابل توجه است ، نشان می دهد که هرچه تعداد اشخاص مربوط به اخبار Covid-19 بیشتر باشد ، بازده بازار سهام مورد انتظار کمتر است ، به خصوص در دوره های بهبودی.

سوم ، مقدار برتر توزیع بازده وابستگی منفی به عملکردهای گذشته نشان می دهد ، در حالی که مقادیر کوچکتر و میانی تحت تأثیر این پدیده قرار نمی گیرند. این واقعیت تجربی یافته های قبلی گزارش شده در Baur و همکاران را تأیید می کند.(2012) ، که نشان می دهد در صورت داشتن وضعیت بد ، بورس سهام به اخبار کلان اقتصادی کم است. علاوه بر این ، بازگشت طلا دارای همبستگی مثبت غیرخطی با بازار سهام است ، که در طی دوره های شدید نزولی و صعودی تقویت می شود که نشان می دهد به عنوان یک دارایی "پناهگاه های ایمن" رفتار نمی کند. این نتیجه متقابل یافته های گزارش شده توسط کوربت و همکاران را تأیید می کند.(2020b). تمام تخمین های مربوطه علائم و اهمیت آماری خود را تحت مشخصات SUR حفظ می کنند که از این طریق استحکام آنها را نشان می دهد.

5. نتیجه گیری ها

این مطالعه شواهد تجربی جدیدی در مورد رابطه بین اخبار مربوط به COVID-19 و بازده بورس سهام در میان شش کشور برتر تحت تأثیر این بیماری همه گیر ارائه می دهد. با استفاده از یک مدل رگرسیون کمی پانل ، من نشان می دهم که بورس سهام وابستگی های نامتقارن را با اطلاعات مربوط به COVID-19 مانند اخبار جعلی ، پوشش رسانه ای یا مسری ارائه می دهد. نتیجه حاکی از نیاز به استفاده فشرده تر از کانال های ارتباطی مناسب برای کاهش آشفتگی مالی مربوط به COVID-19 است.

ضمیمه 1. ماتریس همبستگی متغیرهای متغیر

بیانیه مشارکت در نویسندگی اعتباری

COSPOI COSTI N-OCTAVIAN: مفهوم سازی ، روش شناسی ، درمان داده ها ، نرم افزار ، نوشتن - پیش نویس اصلی ، نوشتن - بررسی و ویرایش.

بیانیه مشارکت در نویسندگی اعتباری

COSPOI COSTI N-OCTAVIAN: مفهوم سازی ، روش شناسی ، درمان داده ها ، نرم افزار ، نوشتن - پیش نویس اصلی ، نوشتن - بررسی و ویرایش.

پانویسها و منابع

1 با توجه به تعداد بالای افراد آلوده به کووید-19، ایالات متحده آمریکا، بریتانیا، آلمان، فرانسه، اسپانیا و ایتالیا را انتخاب می کنم. در 21 آوریل 2020، کشورهای ذکر شده در بالا تنها کشورهایی بودند که بیش از 100000 مورد کل مبتلایان را بر اساس ورلدومتر https://www. worldometers. info/coronavirus/ داشتند.

2 تست بروش و پاگان (1980) که T بزرگ و N کوچک را به حساب می آورند، فرضیه صفر عدم وابستگی مقطعی را در سطح 1% رد می کنند.

3 هود و مالیک (2013) نشان می دهند که طلا به عنوان یک "پرچین و یک پناهگاه امن ضعیف برای بازار سهام ایالات متحده" عمل می کند.

4 حتی اگر هاردینگ و لامارچ (2014) و هاردینگ و همکاران.(2020) برآوردگرهای قوی برای وابستگی مقطعی در یک چارچوب رگرسیون چندکی را پیشنهاد می کنند، آنها زمانی که T و N بزرگ هستند قابل استفاده هستند، که در اینجا صدق نمی کند.

5 بر اساس آزمون علیت پانل دوتایی دومیترسکو و هورلین (2012)، بازده طلا به طور همگن باعث بازدهی بازار سهام می شود اما نه غیر از این. هنگامی که قیمت نفت خام را به عنوان نماینده ای برای عامل مشترک جهانی در نظر می گیریم، شواهد قابل توجهی از علیت آشکار نمی شود.

مطالب تکمیلی مرتبط با این مقاله را می توانید در نسخه آنلاین در doi:10. 1016/j. frl. 2020. 101658 بیابید.