تأثیر نوسانات قیمت نفت و طلا در بازار سهام در آفریقای جنوبی: سرریزهای نوسانات و پیامدهای سیاست مالی

از ژانویه سال 2020 Elsevier یک مرکز منابع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در رمان Coronavirus Covid-19 ایجاد کرده است. مرکز منابع COVID-19 در وب سایت اخبار و اطلاعات عمومی شرکت Elsevier Connect میزبان است. Elsevier از این طریق 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-بلافاصله در مخازن PubMed Central و سایر سرمایه گذاری های عمومی ، مانند پایگاه داده WHO COVID با حقوق در دسترس باشد ، اعطا کند. تحقیقات بدون محدودیت دوباره استفاده و تجزیه و تحلیل به هر شکلی یا به هر وسیله 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

چکیده

در این مقاله تأثیر نوسانات قیمت طلا و نفت بر نوسانات بازار سهام آفریقای جنوبی و شاخص ها یا بخش های مؤلفه آن - یعنی بخش های مالی ، صنعتی و منابع - برای استنباط پیوند بین کالاها و بازارهای سهام در آفریقای جنوبی ارزیابی شده است. واداستفاده از همبستگی شرطی نامتقارن نامتقارن نامتقارن و نامتقارن مشروط تعمیم داده شده است. علاوه بر این ، مقاله ، میزان وزن بهینه نمونه کارها ، نسبت پرچین و اثربخشی پرچین را برای پرتفوی های تشکیل شده از یک جفت دارایی ، یعنی جفت سهام و طلای طلای ارزیابی می کند. یافته های این مطالعه نشان می دهد که بین بازار طلا و سهام و بازارهای نفت و سهام ، سرریز نوسانات قابل توجهی وجود دارد. این یافته حاکی از اهمیت پیوند بین کالا و بازار سهام است که برای مدیریت نمونه کارها ضروری است. با اشاره به بهینه سازی نمونه کارها و احتمال محافظت در هنگام استفاده از جفت دارایی های مورد مطالعه ، یافته ها حاکی از اهمیت ترکیب طلا و سهام به عنوان بهترین استراتژی برای محافظت در برابر ریسک سهام ، به ویژه در بحران های مالی است.

واژه‌های کلیدی: نسبت پرچین ، وزن بهینه نمونه کارها ، مدل ADCC ، بحران ها ، اثربخشی پرچین ، نامتقارن ، خطر ، پناهگاه ایمن

1. مقدمه

طی سال‌های گذشته، بازار سهام آفریقای جنوبی، یک بازار سهام نوظهور مهم در آفریقا، رشد قابل‌توجهی را نشان داده است، به طوری که ارزش بازار از 545. 4 میلیارد دلار در سال 2005 به 612. 3 میلیارد دلار در سال 2012 افزایش یافته است و نسبت گردش مالی 15. 6 واحد درصد افزایش یافته است. همان دوره (بانک جهانی، 2015). این رشد باعث جذب سرمایه‌گذاران داخلی و بین‌المللی متعددی شده است که به دنبال بازدهی بالا هستند (ژانگ و همکاران، 2013). با این حال، علیرغم داشتن بازدهی بالا، بازارهای نوظهور مانند آفریقای جنوبی، در برابر شوک های بازارهای توسعه یافته آسیب پذیر هستند. مطالعات متعدد نشان می دهد که چگونه بازارهای نوظهور در معرض بحران های مختلف قرار گرفته اند، مانند بحران حباب دات کام از سال 2000 تا 2001، بحران مالی جهانی از 2007 تا 2008 و بحران بدهی اروپا از سال 2010 تا 2011 (به هیمنز و دا کامارا مراجعه کنید).، 2013). این آسیب‌پذیری بازارهای نوظهور در برابر شوک‌های خارجی باعث نگرانی سیاست‌گذاران، سرمایه‌گذاران و مدیران دارایی‌ها شده است که به دنبال راه‌های مختلفی برای به حداقل رساندن ریسک آن هستند. به عنوان مثال، مدیران دارایی در جستجوی بازدهی بالا در بازارهای سهام نوظهور اغلب به دنبال روش‌های موثری برای به حداقل رساندن ریسک در این بازارها هستند.

مطالعات راه‌هایی را برای پوشش ریسک در بازارهای سهام پیشنهاد می‌کنند. به عنوان مثال، چکیلی (1395) و خلفاوی و همکاران.(2015) دریافتند که سرمایه گذاری در بازارهای نفت و طلا فرصتی برای محافظت در برابر قرار گرفتن در معرض بازار سهام در اقتصادهای توسعه یافته فراهم می کند. Chkili، Aloui و Nguyen (2014) استراتژی های انتقال نوسان و پوشش ریسک بین بازارهای سهام ایالات متحده و قیمت نفت خام را مطالعه کردند و نتیجه گرفتند که سرمایه گذارانی که به دنبال به حداقل رساندن ریسک پرتفوی هستند باید دارایی های نفت و سهام را در پرتفوی خود بگنجانند. مطالعات مشابه، به عنوان مثال، یوینگ و مالک (2016)، سادورسکی (2012)، سادورسکی (2014)، آروری و همکاران، 2012 و لین و همکاران.(2014)، همچنین دریافتند که نفت یک پوشش موثر برای قرار گرفتن در معرض بازار سهام است. Coudert و Raymond-Feingold (2011) نشان می‌دهند که در طول دوره‌های بحران، قیمت سهام به احتمال زیاد کاهش می‌یابد و سرمایه‌گذاران تمایل دارند در دارایی‌های مطمئن‌تری مانند طلا سرمایه‌گذاری کنند. بنابراین انتظار می‌رود بازار طلا و بورس با هم حرکت کنند و ترکیب مناسب ابزارها در دو بازار بهترین فرصت را برای پوشش ریسک فراهم کند. همچنین یافته های باور و لوسی (2010) مرتبط هستند که رابطه ثابت و پویا بین بازارهای سهام، اوراق قرضه و بازده طلا را در ایالات متحده، بریتانیا و آلمان بررسی می کنند. نویسندگان همچنین بررسی می‌کنند که آیا طلا نقش پوشش‌دهی و پناهگاه امن در برابر قرار گرفتن در معرض بازار سهام در طول بحران‌های مالی دارد یا خیر. نویسندگان دریافته‌اند که طلا می‌تواند یک ابزار پرچین مفید و همچنین یک بیمه امن در برابر قرار گرفتن در معرض بازار سهام باشد. مطالعات مشابهی توسط هود و مالیک (2013) و سینر و همکاران انجام شده است.(2013) همچنین نشان می دهد که طلا دارای ویژگی پوشش خوب در برابر قرار گرفتن در معرض بازار سهام است.

ادبیات فراوانی در مورد سرریز نوسانات بین بازارهای سهام و کالا وجود دارد. به عنوان مثال، عبدالهدی و بوجلبن-آبس، 2020، سرریز نوسانات بین بازار سهام چین، احساسات سرمایه گذاران و بازار نفت را در طول دوره آشفتگی 2014-2016 با استفاده از همبستگی شرطی پویا، ناهمسانی شرطی خودبازگشتی تعمیم یافته (DCC-GARCH) وتکنیک تجزیه موجکنویسندگان یک انتقال دوطرفه از سرریز نوسانات بین شوک های بازار نفت و احساسات سرمایه گذاران چینی پیدا کردند. یافته‌های عبدالهدی و بوجلبن آبس (2020) نشان می‌دهد که احساسات سرمایه‌گذاران کانالی است که از طریق آن سرایت بین بازارهای نفت و سهام منتقل می‌شود. واردار و همکاران(2018) از یک مدل اتورگرسیو برداری بابا-انگل-کرافت-کرون (VAR-BEKK)-GARCH برای ارزیابی اثرات سرریز شوک و نوسانات در بین شاخص های روزانه بازار سهام ایالات متحده، بریتانیا، فرانسه، آلمان، ژاپن،ترکیه، چین، کره جنوبی، آفریقای جنوبی و هند. نویسندگان داده‌ها را از پنج قیمت عمده کالا، یعنی نفت خام، گاز طبیعی، پلاتین، نقره و طلا طی دوره 2005 و 2016 استخراج می‌کنند. CretiJoets و Mignon (2013) رابطه بین بازده قیمت 25 کالا و سهام را طی دوره 2001 تا 2011 با تمرکز بر مواد خام انرژی ارزیابی می کنند. با استفاده از روش همبستگی شرطی پویا (DCC) GARCH، نویسندگان دریافتند که همبستگی‌های بین بازارهای کالا و سهام در طول زمان تغییر می‌کند و به‌ویژه از زمان بحران مالی 2007-2008 بسیار نوسان است. این یافته بر پیوندهای بین بازارهای کالا و سهام و همچنین مالی شدن بازارهای کالا تأکید می کند. بشر و سادورسکی، 2006، بشیر و سادورسکی، 2016، میزان سرریزهای نوسانات نفت، طلا، شاخص نوسانات (VIX) و اوراق قرضه را در بازارهای سهام در حال ظهور ارزیابی می کنند. نویسندگان همچنین اثربخشی پوشش نفت، طلا، VIX و اوراق قرضه را در برابر قرار گرفتن در معرض بازار سهام مقایسه می‌کنند. یافته‌های آن‌ها نشان می‌دهد که نفت هنگام پوشش ریسک بازار سهام، پوشش مؤثرتری نسبت به طلا ایجاد می‌کند.

نویسندگان زیادی وجود دارند که نقش طلا و روغن را در تنوع و محافظت از نمونه کارها مطالعه کرده اند. با این حال ، فقط چند مورد در مورد بازارهای نوظهور ، به ویژه در زمینه قاره آفریقا وجود دارد. بازارهای در حال ظهور در آفریقا ، به ویژه آفریقای جنوبی ، در حال تبدیل شدن به مقصد مهم برای سرمایه گذاران و مدیران دارایی است که به دنبال تنوع بخشیدن به نمونه کارها خود هستند (به بونگا بونگا ، 2017 مراجعه کنید). برای پر کردن شکاف در ادبیات ، این مقاله با ارزیابی میزان سرریز نوسانات و احتمال انتخاب نمونه کارها و محافظت از بین بازارهای نفت ، طلا و سهام در آفریقای جنوبی ، مطالعه Basher و Sadorsky (2016) را گسترش می دهد. علاوه بر این ، این مقاله با انجام تجزیه و تحلیل در سطح تفکیک شده یا بخش از بازارهای سهام و نه در سطح کل ، به ادبیات موجود در مورد پیوند بین سهام و بازارهای کالا می افزاید. در واقع ، یکی از اهداف این مقاله ، ارزیابی میزان سرریز نوسانات بین بازده نفت و بازده بخش منابع بورس اوراق بهادار است ، به عنوان مثال ، به جای بازار سهام کل. با انجام این کار ، این مقاله از مطالعات تجربی گذشته که عمدتاً در سطح سهام منطقه ای ، خاص کشور یا جهانی سهام متمرکز شده است ، فاصله می گیرد (به بهار و نیکولووا ، 2009 ؛ هامود و همکاران ، 2013 ؛ بشر و سادورسکی ، 2016 ؛Xu و Hamori ، 2012). یافته های این مقاله باید بینشی را برای سرمایه گذاران و سیاست گذاران فراهم کند تا بیشتر آگاه شوند که کدام بخش از بورس سهام ترکیبی خوب از کالاها را برای تنوع یا محافظت از نمونه کارها فراهم می کند.

بنابراین، سهم این مقاله سه برابر است. اولاً، این مقاله به جای تمرکز فقط بر تأثیر شوک‌های نوسانات طلا و نفت بر کل بازار سهام، سرریزهای نوسان بین طلا، نفت و بازار سهام آفریقای جنوبی را در سطوح مجموع و تفکیک شده نیز تحلیل می‌کند. در مرحله دوم، این مقاله وزن‌های بهینه، نسبت‌های پرتفوی و وزن موثر سبد را برای جفت پرتفوی سهام-نفت و سهام-طلا تجزیه و تحلیل می‌کند. در نهایت، این مقاله ارزیابی می کند که کدام یک از کالاها - نفت یا طلا - پوشش بهتری در برابر قرار گرفتن در معرض بازار سهام در آفریقای جنوبی ایجاد می کند. بر اساس تعامل بین بازارهای کالا و سهام در زمینه بازارهای نوظهور به طور کلی و آفریقای جنوبی به طور خاص، تحقیقات ما اطلاعات مفید و گسترده ای را در اختیار مدیران و سرمایه گذاران سبد سهام قرار می دهد. علاوه بر این، این مطالعه همچنین می‌تواند به عنوان مرجعی برای سرمایه‌گذاران، سیاست‌گذاران، مدیران پورتفولیو و محققان از نظر توسعه استراتژی‌های معاملاتی بهتر و مؤثرتر باشد. نتایج این مقاله بر اهمیت ترکیب سهام و کالاها برای بهینه‌سازی پرتفوی و پوشش ریسک موثر تاکید می‌کند. به ویژه، نتایج تجربی نشان می‌دهد که طلا یک دارایی امن است که برای عملکرد بهتر در بهینه‌سازی پرتفوی و پوشش ریسک باید با هر جزء بازار سهام ترکیب شود.

بقیه این مقاله به شرح زیر سازماندهی شده است: بخش 2 روش مورد استفاده در مقاله را توضیح می دهد. بخش 3 داده های مورد استفاده را ارائه می دهد. بخش 4 تخمین مدل را ارائه می دهد و نتایج تجربی را مورد بحث قرار می دهد. بخش 5 مقاله را با برجسته کردن و خلاصه کردن یافته های اصلی این مقاله به پایان می رساند.

2. روش شناسی

در این بخش رویکرد روش شناختی در این مقاله ارائه شده است. ما با توضیح چگونگی مدل‌سازی نوسانات متغیر با زمان و همبستگی متغیرها قبل از تجزیه و تحلیل وزن‌های بهینه پرتفوی شروع می‌کنیم. سپس جزئیاتی در مورد نحوه محاسبه نسبت های پوشش بهینه و به دنبال آن ارزیابی اثربخشی پوشش ارائه می دهیم.

این مقاله یک مدل همبستگی شرطی پویا نامتقارن کاپیلو و همکاران را اتخاذ می کند.(2006) برای مدل‌سازی نوسانات شرطی، همبستگی‌ها، وزن‌های بهینه و نسبت‌های پرچین برای جفت‌های سهام نفت و طلا. ادبیات اخیر نشان می‌دهد که یک مدل همبستگی شرطی دینامیکی نامتقارن (ADCC) بهترین مدل برای تخمین همبستگی شرطی، واریانس‌ها و کوواریانس‌ها در میان سری‌های زمانی است، زیرا هم همبستگی پویا و هم ویژگی نامتقارن رفتار بازار سهام را در نظر می‌گیرد (ادرینگتون وگوان، 2010؛ چکیلی، 2016).

2. 1. مدل همبستگی شرطی پویا نامتقارن (ADCC).

ADCC فرموله شده توسط Cappiello و همکاران.(2006) یک فرآیند تخمین دو مرحله ای را دنبال می کند. اولین قدم تخمین واریانس های شرطی است. برای انجام این کار، ابتدا عبارات خطای تصادفی را از مدل میانگین شرطی بدست می آوریم. ما از یک مدل VAR برای محاسبه همبستگی خودکار و همبستگی متقابل در بازده استفاده می کنیم.