- وام های تصمیم فوری.
- کشف قیمت
- محدودیت درآمد ماهانه اداره پست به 9 روپیه برای افراد در بودجه اتحادیه 2023 افزایش یافته است
- نمودارها نشان می دهند که بیت کوین در حال آماده شدن برای شکست است
- یک کارگزار وام مسکن چه کاری انجام می دهد؟
- 7 استراتژی مفید در معاملات فارکس
- تجمع بیت کوین چیزی بیش از یک گزاف گویی است - صعودی کنید
- سوالات متداول
- فرمول تجزیه و تحلیل نقطه ای یکنواخت
- استراتژی های معاملات 20 روزه برای مبتدیان و متخصصان
آخرین مطالب
امکانات وب
در این مقاله به بررسی تأثیر COVID-19 در بازار سرمایه چین و بخش های اصلی صنعت از طریق الگوریتم بهبود یافته ICSS ، یک مدل سری زمانی با متغیرهای اگزوژن و برآورد احتمال مشروط غیر پارامتری می پردازیم. از طریق تجزیه و تحلیل تجربی بازار سهام ، بازار اوراق قرضه و بخش های مختلف صنعت ، مشخص می شود که این همه گیر هیچ تأثیر قابل توجهی در بازگشت سهام و بازارهای اوراق بهادار نداشته است. با این حال ، این باعث افزایش نوسانات بازار شده است. تفاوت معنی داری در اهمیت ، جهت و مدت زمان تأثیر همه گیر در بخش های مختلف وجود دارد. علاوه بر این ، تأثیرات COVID-19 در برخی از صنایع تدریجی بوده اما در برخی دیگر سریع است. صنایع مختلف در پاسخ به COVID-19 حساسیت های مختلفی را نشان می دهند. بر اساس تجزیه و تحلیل تأثیر ، این مقاله پیشنهادات مربوطه را برای استراتژی های سرمایه گذاری و تصمیمات ماکروکترول ارائه می دهد.
روی نسخه خطی کار می کنید؟
1. معرفی
شرایط اضطراری بهداشت عمومی حوادث ناگهانی است که باعث آسیب جدی به سلامت عمومی مانند بیماری های عفونی عمده می شود. گسترش سریع و عفونت شدید COVID-19 باعث ایجاد اضطراری جدی در سلامت عمومی در چین و سراسر جهان شده است و هر دولت را به طور جدی به چالش می کشد [1] ، تهدید زندگی و ایمنی املاک مردم و تأثیرگذاری بر نحوه تولید مردم. با توسعه سریع صنعت مالی چین ، ارتباط بین صنعت مالی و اقتصاد واقعی عمیق تر و پیچیده تر شده است و بازار سرمایه نقش مهمی در اقتصاد داشته است. با این حال ، از آنجا که نظارت هنوز بالغ نشده است ، خطرات پنهان خطرات مالی نیز افزایش یافته است. در نتیجه ، تأثیر COVID-19 بر فعالیت های تولید می تواند از طریق کانال ها و مکانیسم های مختلف به بازارهای سرمایه منتقل شود. یک مطالعه قبلی نشان داده است که تأثیر بحران به طور قابل توجهی باعث افزایش ریسک می شود [2]. بنابراین ، خنثی کردن خطرات عمده مالی و جلوگیری از تکامل شوک های کوتاه مدت به تغییرات روند مهم است. مطالعه تأثیر COVID-19 در بخش سرمایه و بخش های صنعت می تواند به جلوگیری از خطرات و ارائه پیشنهاداتی برای اقدامات متقابل کنترل کمک کند. در سطح خرد ، این تحقیق به سرمایه گذاران کمک می کند تا تصمیمات سرمایه گذاری خود را تنظیم کنند. در سطح کلان ، به درک عملکرد خاص و استمرار تأثیر COVID-19 در بازار کمک می کند ، بنابراین باعث افزایش اقدامات متقابل پیشگیری از ریسک و استراتژی های ماکروکنترل برای موارد اضطراری بزرگ بهداشت عمومی می شود.
با رشد انفجاری داده های موجود و پیشرفت مداوم فناوری اطلاعات ، علم داده نقش مهمی در حل مشکلات اجتماعی و اقتصادی دارد [3]. داده های پیچیده و متنوع کاوی و فن آوری های هوش مصنوعی برای تأمین مالی ، مدیریت ، تشخیص پزشکی ، امنیت شبکه ، اینترنت اشیاء ، علوم تصمیم گیری و بسیاری از زمینه های دیگر به کار رفته است [4،5،6]. علاوه بر این ، افزایش تحقیقات در مورد بیماریهای عفونی از دانش و روشهای علوم داده استفاده می کند. Temesgen و همکاران.[7] از مدل سازی مشترک برای مطالعه زمان به مرگ بیماران مبتلا به HIV/TB استفاده کرد. Kumar [8] تجزیه و تحلیل خوشه ای را برای طبقه بندی گروه های واقعی مجموعه داده های COVID-19 که شامل ایالت های مختلف و سرزمین های اتحادیه در هند است ، برای بهینه سازی تکنیک های نظارت و بهبود سیاست های دولت استفاده کرد. محمد و همکاران.[9] از توزیع Lomax نمایی عمومی Power Odd استفاده کرد تا موارد بهبودی روزانه COVID-19 را در مصر بررسی کند.
به عنوان نوعی اضطراری عمومی ، شرایط اضطراری بهداشت عمومی با سایر موارد اضطراری عمومی مانند بلایای طبیعی ، جنگ های ناگهانی و حملات تروریستی شباهت هایی دارد. ناگهانی و قدرت مخرب شدید در مواقع اضطراری عمومی اغلب باعث ایجاد نوسانات شدید در بازار مالی می شود. بر اساس ویژگی های آنها ، شرایط اضطراری عمومی به طور کلی می تواند به سه نوع تقسیم شود ، یعنی پله ، تحریک کننده و مترقی. انواع مختلف شرایط اضطراری اثرات مداوم ، فوری و تضعیف کننده متفاوتی بر بازار سرمایه دارند [10] ، و تأثیرات برخی از سهام و بخش های خاص صنعت به ویژه آشکار است. Lanfear و همکاران.[11] دریافت که طوفان های ایالات متحده تأثیر قابل توجهی در بازگشت اوراق بهادار سهام با خصوصیات خاص دارند و عواملی مانند نسبت ارزش کتاب به بازار و اندازه نمونه کارها نسبت به حوادث شدید آب و هوا بسیار حساس بودند. رابی [12] تأثیر حملات تروریستی بر صنایع مختلف را مورد تجزیه و تحلیل قرار داد ، و نتایج نشان داد که حمل و نقل هوایی ، گردشگری ، اسکان ، پذیرایی و سایر صنایع به ویژه در برابر افزایش خطرات تروریستی آسیب پذیر است. لیو و همکاران.[13] از رویکرد مطالعه رویداد برای مطالعه تأثیر زلزله Wenchuan بر شاخص صنایع مختلف در چین استفاده کرد و دریافت که صنعت ماشین آلات و تجهیزات و صنعت املاک و مستغلات به شدت تحت تأثیر قرار گرفته است.
با این حال ، تأثیر اضطراری بهداشت عمومی در بازار سرمایه به ندرت در تحقیقات موجود مورد بحث قرار می گیرد. در مقایسه با سایر موارد اضطراری ، شرایط اضطراری بهداشت عمومی ویژگی های خاص بسیاری از خود را دارد. از یک طرف ، آنها در هیچ یک از دسته های اضطراری پله ، تحریک آمیز و تدریجی قرار نمی گیرند. شیوع نتیجه تعامل عوامل طبیعی و انسانی است [14] ، و اضطراری عمومی معمولاً دارای مدت مشخصی است و با گذشت زمان تکامل می یابد. بنابراین ، به جای تمرکز روی تأثیر قابل توجه 1 روز پس از حادثه ، باید به تداوم و تغییرپذیری تأثیر توجه بیشتری کرد. از طرف دیگر ، تکامل یک اپیدمی نزدیک به اجرای اقدامات پیشگیری و کنترل اپیدمی است [16]. بنابراین ، حوادث بهداشت عمومی می تواند به طور مؤثر توسط انسان کنترل شود ، که با بلایای طبیعی مانند زمین لرزه ها متفاوت است. در نتیجه ، تجزیه و تحلیل عمیق از تأثیر بر بازار و صنایع برای تدوین اقدامات کنترل اپیدمی مفید است. برخی از محققان بازده غیر طبیعی برخی از بازارهای مالی را در طی اپیدمی SARS از طریق یک رویکرد سنتی مطالعه مطالعه تجزیه و تحلیل کردند [17]. یانگ و همکاران.[18] تأثیر SARS را در صنایع مختلف در بورس مورد مطالعه قرار داد و دریافت که نتایج معنی دار نیست. با این حال ، او معتقد بود که محیط های اقتصادی COVID-19 و SARS متفاوت است. بنابراین ، در مقایسه با دوره SARS ، در حال حاضر تولید غلظت ریسک مالی آسان تر است.
از آنجا که Covid-19 در سراسر جهان گسترش یافته است ، تعداد فزاینده ای از محققان تأثیر آن را بر اقتصادهای مختلف و بازارهای مالی مختلف ، از جمله بازار املاک و مستغلات [19] ، صنعت بیمه [20] ، صنعت هواپیمایی [21] ، مورد مطالعه قرار داده اند. و غیره Covid-19 باعث افزایش ریسک بین بخش ها در بازار مالی شده است [18]. شریف و همکاران.[22] دریافت که شیوع Covid-19 تأثیر بیشتری بر ریسک ژئوپلیتیکی و عدم اطمینان اقتصادی نسبت به بازار سهام در ایالات متحده دارد. علی و همکاران.[23] تأثیر COVID-19 را در بازارهای مالی در سراسر جهان مورد مطالعه قرار داد و دریافت که کاهش و نوسانات آنها به ویژه در مرحله بعدی گسترش جدی است. Phan و Narayan [24] در مورد واکنش قیمت سهام به مراحل مختلف در تکامل COVID-19 در سطح کشور بررسی کردند. Bildirici و همکاران.[25] با استفاده از مدل نوآورانه پیشنهادی خود ، قیمت نفت خام تحت تأثیر COVID-19 را تجزیه و تحلیل کرد. علاوه بر این ، منسی و همکاران.[26] تأثیرات COVID-19 را بر چند عاملی نامتقارن طلا و روغن مورد بررسی قرار داد و دریافت که پس از شیوع بیماری همه گیر در مقایسه با دوره قبل از Covid-19 ، طلا و روغن ناکارآمد تر می شوند. با این حال ، تجزیه و تحلیل اندکی در مورد تأثیرات COVID-19 در بازار سرمایه و بخش های مختلف صنعت در دوره های مختلف همه گیر در چین وجود داشته است.
با توجه به محدودیت داده ها ، مطالعات در مورد تأثیر اضطراری به طور معمول از رویکرد سنتی مطالعه مطالعه استفاده می کند یا شرایط اضطراری را به عنوان متغیرهای ساختگی در یک مدل سری زمانی تعیین می کند. ما Covid-19 را به عنوان نمونه گرفتیم و تحقیقاتی را در مورد تأثیر اضطراری بهداشت عمومی در بازار سرمایه تکمیل کردیم. در این مقاله ، ما داده هایی را توصیف می کنیم که همه گیر با داده های بازار سرمایه را توصیف کرده و داده های واقعی در مورد تغییرات COVID-19 را به مدل معرفی کرده ایم. در مقایسه با متغیرهای ساختگی ، متغیرهای به دست آمده توسط داده های واقعی با دقت بیشتری نشان دهنده تکامل همه گیر است. علاوه بر این ، رویکرد مطالعه رویداد اغلب از روش پارامتری برای تشخیص اهمیت آمار استفاده می کند و این رویکرد فرضیات دقیق در توزیع داده های نمونه دارد. ما رویکرد مطالعه رویداد را با برآورد احتمال تجمعی مشروط غیر پارامتری ترکیب کردیم تا احتمال تجمعی بازده غیر طبیعی و تجمعی را برآورد کنیم. روشهای تخمین غیر پارامتری از هزینه های محاسباتی بالا و محدودیت های سخت پارامتر جلوگیری می کنند [15]. ترکیب این دو روش به ما امکان می دهد تا اهمیت بازده های غیر طبیعی روزانه را در طول پنجره رویداد تجزیه و تحلیل کنیم و از این طریق توزیع بازده غیر طبیعی روزانه را فراهم کنیم.
در این مقاله بازار سهام و بازار اوراق قرضه به نمایندگی از بازار سرمایه چین انتخاب شده و تأثیر COVID-19 را در طول مدت زمان و در مراحل مختلف با تشخیص نقاط نوسان و ساخت یک مدل سری زمانی بررسی می کند. برای بخش های اصلی صنعت بورس اوراق بهادار شانگهای ، ما تفاوت در مدت زمان و حساسیت صنایع مختلف تحت تأثیر این همه گیر را بررسی کردیم. مطالعه ما کمک های زیر را انجام می دهد. با توجه به شدت بیماری همه گیر ، ما Covid-19 را به دو مرحله تقسیم کردیم ، یعنی رشد سریع تعداد تشخیص های تأیید شده و کاهش آهسته در این تعداد ، و ما تفاوت در تأثیر مراحل مختلف را مورد تجزیه و تحلیل قرار دادیم. علاوه بر این ، ما اثرات COVID-19 را در سطح صنعت بررسی کردیم و اهمیت بازده های غیر طبیعی روزانه پس از شیوع COVID-19 را تجسم کردیم ، که در مشاهده تغییرات پویا در تأثیر بیماری همه گیر و کمک به پیش بینی بیشتر مفید استو نظارتدر فرقه2 ، ما در مورد کار مرتبط بحث کردیم و فرضیه های تحقیق خود را پیشنهاد کردیم. در فرقه3 ما مدل را ساختیم و داده ها را توضیح دادیم. بخش 4 تحلیل تجربی است و در بخش آخر ، نتیجه گیری ها و توصیه های سیاست پیشنهادی را خلاصه می کنیم.
2 تحقیق مرتبط
2. 1 Covid-19 و بازار سرمایه
شرایط اضطراری بهداشت عمومی می تواند نظم تولید عادی یک کشور را مختل کرده و سرعت تولید و زندگی را کند کند و باعث تأثیرات عظیمی بر روی نهادهای بازار مانند شرکت ها و مصرف کنندگان می شود [27]. چنین موارد اضطراری طرف عرضه را فشار می دهد و طرف تقاضا را در هر دو جهت فشار می دهد و تأثیر جدی کوتاه مدت بر اقتصاد و جامعه می گذارد. از یک طرف ، یک بیماری همه گیر باعث افزایش سلامت مردم و تغییر رفتار مصرف کنندگان می شود و همزمان فشار را بر هزینه های بهداشت عمومی دولت افزایش می دهد ، که تأثیر مستقیمی بر اقتصاد دارد. از طرف دیگر ، به دلیل خطر بالای عفونت و اقدامات پیشگیری لازم ، بنگاهها با بحران هایی مانند بهره وری تولید کم ، از دست دادن سرمایه انسانی ، خاموش شدن اجباری و شکستگی زنجیرهای سرمایه روبرو می شوند. خاموش کردن ریزگردها منجر به اختلال در زنجیره های تأمین می شود که این امر بر صنایع بیشتر و حتی کل اقتصاد تأثیر می گذارد. یانگ و همکاران.[18] دریافت که SARS تأثیر کوتاه مدت بر اقتصاد کلان چین دارد و در نتیجه کاهش موقت در شاخص رونق اقتصادی و تأثیر منفی قابل توجهی بر اعتماد به نفس مصرف کننده و شاخص قیمت تولید ایجاد می شود. علاوه بر این ، گوپتا و همکاران.[28] دریافت که از آنجا که صنایع چینی به دلیل COVID-19 تولید را متوقف کردند ، قیمت جهانی مواد اولیه در سراسر جهان کاهش یافت و منجر به کندی اساسی در تولید اقتصادها شد. COVID-19 تأثیر منفی بسیار زیاد و پایدار بر اقتصاد جهانی داشته است [29].
عملکرد بازار سرمایه از نزدیک با اقتصاد واقعی ارتباط دارد و شوک ها را می توان به راحتی از طریق زنجیره های سرمایه به بازار سرمایه منتقل کرد. علاوه بر این ، بازار سرمایه به عنوان یک شاخص تا حدی خدمت می کند. تأثیر منفی همه گیر Covid-19 باعث کاهش انتظارات مردم در مورد اقتصاد و افزایش خطرات در بازار سرمایه می شود.
تأثیر COVID-19 نه تنها از طریق اقتصاد واقعی بلکه از طریق عوامل روانشناختی مانند احساسات سرمایه گذار به بازار سرمایه منتقل می شود. براساس نظریه مدیریت ترس ، هنگامی که مردم با تهدید زندگی خود روبرو هستند و در مورد چیزهای مرتبط با مرگ فکر می کنند ، احساسات منفی جدی اضطراب و ترس خواهند داشت. تئوری امور مالی رفتاری همچنین نشان می دهد که شرایط اضطراری هم بر ارزشهای اساسی سهام و هم عوامل روانی و رفتاری سرمایه گذاران تأثیر خواهد گذاشت [30]. لی و همکاران.[31] دریافت که خوش بینی سرمایه گذار باعث کاهش نوسانات بازده شده و بدبینی باعث افزایش نوسانات می شود. سرعت بالای انتقال Covid-19 و عدم قطعیت آن تهدیدات جدی برای زندگی و سلامتی مردم ایجاد کرده است و منجر به گسترش وحشت می شود. احساسات منفی سرمایه گذاران بر تصمیمات و قیمت دارایی های مربوطه تأثیر می گذارد. اضطراب ، وحشت و سایر احساسات باعث می شود که سرمایه گذاران انتظارات بدبینانه در مورد آینده داشته باشند و میزان از ریسک خود را افزایش دهند [32 ، 33]. بر اساس نظریه تأمین مالی رفتاری ، چو و لیو [34] تأثیر SARS را در بازار اوراق بهادار توضیح دادند. آنها معتقد بودند که سرمایه گذاران غیر منطقی پس از دریافت اطلاعات وحشت خارجی در مورد اپیدمی ، اثر گله ای با اطلاعات و واکنش بیش از حد ایجاد می کنند ، که باعث افزایش خطر کل بازار می شود. به طور مشابه ، COVID-19 نیز با بیماری و عدم اطمینان زیاد مشخص می شود. تأثیر آن باعث تغییر رفتار سرمایه گذاری از طریق عوامل روانشناختی سرمایه گذاران و افزایش عدم اطمینان بازار سرمایه خواهد شد.
بر اساس تجزیه و تحلیل فوق ، ما فرضیه 1 را پیشنهاد کردیم.
H1
Covid-19 تأثیر شوک در بازار سرمایه و افزایش نوسانات بازار خواهد داشت.
2. 2 Covid-19 و بخش های مهم صنعت
به طور مشابه ، تأثیر COVID-19 در بخش های مختلف صنعت عمدتاً از طریق صنایع واقعی و روانشناسی و رفتار سرمایه گذاران منتقل می شود. اسمیت [35] تأثیر بیماریهای عفونی عمده را در سه سطح ، یعنی ادراک خطر ، ارتباطات و مدیریت تجزیه و تحلیل کرد. وی معتقد بود که خطر بیشتر عفونت باعث کاهش تماس مستقیم بین افراد می شود و از این طریق تقاضای مردم برای گردشگری ، حمل و نقل ، خرده فروشی و سایر صنایع سرگرمی را کاهش می دهد. به عنوان مثال ، مطالعات نشان داده اند که همه گیر آنفلوانزا H1N1 باعث خسارات قابل توجهی در صنایع گردشگری ، پذیرایی و هواپیمایی در برخی از کشورها شده است [36 ، 37]. در طول شیوع SARS ، بخش گردشگری و هتل در چین نیز تأثیر منفی زیادی گذاشت [17]. Sobieralski [21] دریافت که Covid-19 باعث ایجاد شوک آشکار برای صنعت هواپیمایی شده است. علاوه بر این ، صنعت داروسازی نقش ویژه ای در شرایط اضطراری بزرگ بهداشت عمومی دارد. تقاضا برای منابع پزشکی در طول همه گیر COVID-19 منفجر شده است. سیاست های پیشگیری و کنترل همه گیر نیز حمایت مالی زیادی را برای شرکت ها و موسسات مربوطه فراهم کرده و مقیاس اعتبار ویژه را گسترش داده است. علاوه بر این ، کدورت اطلاعات و عدم اطمینان از همه گیر باعث افزایش وحشت در مراحل اولیه شد. بر اساس درک و ترس از تهدیدهای بهداشتی ، سرمایه گذاران ممکن است بیش از حد واکنش نشان دهند و انتظارات بالاتری برای صنعت داروسازی داشته باشند. او و همکاران.[30] تأثیر Covid-19 بر قیمت سهام در بخش های مختلف در چین را مورد مطالعه قرار داد و دریافت که حمل و نقل ، معدن ، برق و گرمایشی و صنایع محیط زیست تحت تأثیر این بیماری همه گیر در هنگام تولید ، فناوری اطلاعات ، آموزش و صنایع مراقبت های بهداشتی قرار گرفته استبه همه گیر
بنابراین ، همه گیر Covid-19 بر صنایع تأثیر می گذارد و بیشتر بر بخش های صنعت بازار سرمایه تأثیر می گذارد. صنایع مختلف با همه گیر روابط متفاوتی دارند و اطلاعات را با سرعت های مختلف هضم و پردازش می کنند. سرمایه گذاران همچنین براساس اطلاعات "خوب" و "بد" انتظارات متفاوتی برای هر صنعت دارند. از این رو ، فرضیه 2 پیشنهاد شده است.
H2
COVID-19 تأثیرات قابل توجهی در برخی از بخش های صنعت دارد و تأثیرات آن بر بخش های مختلف صنعت آشکارا ناهمگن است.
3 مدل و توضیحات داده
3. 1 مدل سازی
3. 1. 1 مدل Covid-19 و بازار سرمایه
ما ابتدا از الگوریتم بهبود یافته ICSS پیشنهاد شده توسط سانسو و همکاران استفاده کردیم.[38] برای یافتن تغییرات ساختاری در شاخص های سهام و شاخص های اوراق قرضه قبل و بعد از همه گیر. بر اساس الگوریتم تجمعی اصلی جمع آوری مربع (ICSS) ، این روش ویژگی های ناهمگونی شرطی سری زمانی مالی را در نظر می گیرد و دقت در تشخیص شکستگی های ساختاری نوسانات را افزایش می دهد.
الگوریتم بهبود یافته با محاسبه آمار (AIT ) و مقایسه آن با آستانه ، شکست را تعیین می کند.
$ $ AIT<=>mathop limits_ left| G_> درست | $ $ $ $ g_
در این مقاله ، (c_ ) نشان دهنده جمع تجمعی مربع های سهام و شاخص های برگشتی از ابتدای فاصله نمونه تا یک لحظه خاص است. ( کلاه<omega>) با استفاده از روشهای برآورد پارامتر تخمین زده می شود [38]. اگر (AIT ) از آستانه زیر سطح خاصی از اهمیت بزرگتر باشد ، نقطه در آن لحظه یک نقطه تغییر ساختاری نوسانات است. الگوریتم به تقسیم دنباله بر اساس موقعیت برای یافتن نقاط تغییر دیگر ادامه خواهد داد. در غیر این صورت ، هیچ نقطه تغییر ساختاری قابل توجهی از نوسانات در بازده شاخص وجود ندارد.
برای تجزیه و تحلیل بیشتر جهت و بزرگی تأثیر در بازارهای سهام و اوراق قرضه ، از مدل EGARCH استفاده کردیم ، که اثر تجمع نوسانات و عدم تعادل اطلاعات مثبت و منفی را در نظر می گیرد. علاوه بر این ، ما متغیرهای اگزوژن را برای توصیف تغییرات در همه گیر معرفی کردیم و تأثیر کل پنجره نمونه و مراحل مختلف در شاخص های سهام و اوراق را مورد مطالعه قرار دادیم. مدل های GARCH همراه با متغیرهای ساختگی اگزوژن به طور گسترده ای برای بررسی تأثیر اضطراری و رویدادهای ویژه بر نوسانات قیمت استفاده شده است. در تحقیقات ما ، از آنجا که بازده اوراق بهادار هیچ اثر قوس آشکاری در فاصله نمونه نداشت ، مدل EGARCH فقط برای شاخص های سهام ایجاد شد. با مقایسه نتایج مناسب مدل ها ، متغیرهای اگزوژن COVID-19 را فقط در معادلات واریانس معرفی کردیم. پاورقی 1
مدل برای تجزیه و تحلیل تأثیر فاصله کلی نمونه به شرح زیر است.
$ $ r_ (r_ ) بازگشت شاخص های سهام است ، (r_ ) بازگشت عقب مانده است ، (ln ( sigma_^) ) عدم انعطاف پذیری را تضمین می کند ، و ( frac<<mu_ علاوه بر این ، ما فاصله نمونه را بر اساس تکامل COVID-19 در چین به دو مرحله تقسیم کردیم و تفاوت ها را در مراحل مختلف تجزیه و تحلیل کردیم. مدل ضربه فاز به شرح زیر است. (D_1>>) and (D_1>>) متغیرهای اگزوژن هستند که دو مرحله COVID-19 را توصیف می کنند. برای بررسی تأثیر COVID-19 در بخش های مختلف صنعت بازار سرمایه ، این مقاله به ایده رویکرد مطالعه رویدادها پرداخته و آن را با برآورد احتمال مشروط غیرپارامتری ترکیب می کند که بصری است و از فرض داده های توزیع طبیعی جلوگیری می کند. علاوه بر این ، این روش می تواند هر دو بازده غیر طبیعی تجمعی و بازده غیر طبیعی را برای هر روز واحد تجزیه و تحلیل کند. رویکرد مطالعه رویداد فرض می کند که بازار منطقی است و تأثیر یک رویداد در قیمت دارایی منعکس می شود. این روش دوره زمانی را انتخاب می کند که در طی آن یک رویداد به عنوان پنجره رویداد رخ می دهد و با تجزیه و تحلیل بازده های غیر طبیعی و بازده غیر طبیعی تجمعی در پنجره ، تأثیر بر قیمت دارایی را قضاوت می کند. بازده غیر طبیعی و بازده غیر طبیعی تجمعی برای یک دوره زمانی در معادلات نشان داده شده است.(7) و (8). به دنبال روش چسنی و همکاران.[15] ، ما بیشتر توزیع احتمال مشروط غیر پارامتری بازده غیر طبیعی را از طریق رگرسیون چند جمله ای محلی بدست آوردیم. متفاوت از روش پارامتر برای محاسبه آمار ، این روش احتمال تجمعی مشروط کمتر یا مساوی با یک عدد خاص را محاسبه می کند. ما تجزیه و تحلیل بازده های غیر طبیعی را برای هر روز انجام دادیم. ما بازده غیر طبیعی را در یک روز خاص به عنوان نمونه گرفتیم تا به طور خلاصه روش را معرفی کنیم. عملکرد توزیع مشروط از بازده غیر طبیعی شاخص بخش خاص صنعت است The condition (X_) is the lagged abnormal retu, i.e., (Z_) . Let (Y_ =>(z_ le z) ) ، سپس (e (y_ | x_ = x) = pi (z | x) ). از چند جمله محلی برای به حداقل رساندن Eq استفاده می شود.(10). In (Y_ =>(z_ le z) ، ، i = (1. n) ) ، و (z_ ) توالی بازده های غیر طبیعی است. (z ) بازده غیر طبیعی است که توسط شاخص صنعت در یک روز خاص در پنجره رویداد مشاهده می شود. در این مقاله از میانگین مقدار بازده غیر طبیعی در پنجره تخمین زده شده به عنوان شرط (x_ ) استفاده کردیم. علاوه بر این ، (k_ (x_ - x_) ) عملکرد هسته است و (h ) پهنای باند است. از آنجا که هدف از برآورد غیر پارامتری در اینجا مشخص کردن اینکه آیا مقدار تخمین زده شده به جای بدست آوردن یک مقدار دقیق ، از محدوده طبیعی منحرف می شود ، فرم عملکرد هسته Epanechnikov اتخاذ شده است ، همانطور که در Eq نشان داده شده است.(11). پهنای باند به روش فن و یائو [39] اشاره دارد ، همانطور که در Eq نشان داده شده است.(12) ، جایی که ( sigma_ ) انحراف استاندارد نمونه ها است. ساخت معادله Lagrangian برای Eq.(10) و تنظیم مشتق جزئی ( beta_ ) و ( beta_ ) تا 0 ، نتایج زیر را می توان بدست آورد. (<mathbf علاوه بر این، این روش می تواند به طور مشابه برای تجزیه و تحلیل بازده غیرعادی تجمعی شاخص های بخش صنعت مورد استفاده قرار گیرد. با استفاده از توالی های بازگشت غیرعادی تجمعی در یک دوره با پنجره های تخمینی غیرهمپوشانی، می توانیم توزیع احتمال را مشروط به مقدار میانگین تخمین بزنیم و تأثیر فوری و مستمر رویداد را بر بخش های مختلف صنعت تحلیل کنیم. برای تجزیه و تحلیل تأثیر کلی همه گیری بر بازار سرمایه، این مقاله شاخص ترکیبی شانگهای، شاخص مؤلفه شنژن، و شاخص ترکیبی سهام شانگهای و شنژن 300 (CSI 300) را برای نمایش بازار سهام انتخاب کرد و شاخص اوراق قرضه دولتی را انتخاب کرد. و شاخص اوراق قرضه شرکتی برای نشان دادن بازار اوراق قرضه. برای مطالعه تأثیر COVID-19 بر بخش های مختلف صنعت، 10 شاخص صنعت SSE، یعنی SSE مواد، SSE انرژی، SSE Industry، SSE اختیاری، SSE Consumption، SSE Medicine، SSE Finance، SSE Telecommunications، SSE Information و SSE انتخاب شدند. خدمات رفاهی. همانطور که در معادله نشان داده شده است، ما از قیمت های بسته شدن روزانه همه شاخص ها برای محاسبه بازده لگاریتمی آنها استفاده کردیم.(14). P_ از نظر داده های COVID-19 ، تعداد موارد تأیید شده در پاورقی 2 سرزمین اصلی چین برای تحقیقات انتخاب شد. منابع داده وب سایت رسمی کمیسیون بهداشت شهرداری ووهان و Netease News است. پاورقی 3 افزایش تعداد تشخیص های تأیید شده در سراسر کشور نشان می دهد که این بیماری همه گیر جدی تر می شود ، در حالی که کاهش نشان می دهد که وضعیت همه گیر بهبود یافته است. بنابراین ، مصرف تعداد افراد تشخیص داده شده بهتر می تواند تکامل و تغییر در COVID-19 را منعکس کند. اگرچه کمیسیون بهداشت شهرداری ووهان در تاریخ 31 دسامبر 2019 اخبار مربوط به Covid-19 را در این شهر منتشر کرد ، اما مردم قبل از سخنرانی ناشان ژونگ در رسانه ها در 20 ژانویه 2020 اطلاعات کمی در مورد این همه گیر می دانستند. بنابراین ، Covid-19تقریباً هیچ تاثیری در بازار سرمایه در ابتدای سال 2020 ندارد. در نتیجه ، برای داده های همه گیر ، فاصله نمونه را از 20 ژانویه 2020 ، تا 13 مه 2020 انتخاب کردیم و نمونه ها را از 31 دسامبر 2019 حذف کردیم تا19 ژانویه ، 2020 ، به دلیل تعداد کمی از تشخیص های تأیید شده و تأثیر کمی. علاوه بر این ، از آنجا که تعداد تشخیص های تأیید شده در 17 فوریه 2020 به حداکثر رسیده است ، ما از این تاریخ به عنوان مرز استفاده کردیم و همه گیر را به دو مرحله تقسیم کردیم ، یعنی افزایش سریع و کاهش آهسته در موارد تأیید شده. بر این اساس ، ما تفاوت در تأثیر COVID-19 در مراحل مختلف را مورد تجزیه و تحلیل قرار دادیم. 4 تجزیه و تحلیل نتایج تجربی 4. 1 تأثیر Covid-19 در بازار سرمایه ما از الگوریتم بهبود یافته ICSS برای تشخیص نقاط شکست ساختاری سه شاخص سهام و دو شاخص اوراق قرضه در فاصله نمونه استفاده کردیم. نتایج نشان می دهد که در سطح اهمیت 5 ٪ ، تنها شاخص مؤلفه شنژن دارای یک نقطه تغییر نوسانات است. علاوه بر این ، در سطح اهمیت 10 ٪ ، کلیه شاخص ها به جز شاخص اوراق قرضه شرکت دارای یک نقطه تغییر است. موقعیت نقاط تغییر شناسایی شده در جدول 1 نشان داده شده است. بنابراین ، در یک سطح خاص از اهمیت ، نوسانات سهام و بازارهای اوراق بهادار پس از شیوع COVID-19 افزایش یافته و بازار سهام بیشتر از بازار اوراق بهادار تحت تأثیر قرار می گیرد. اگرچه نوسانات شاخص اوراق قرضه دولت پس از شیوع افزایش یافت ، مدت زمان نسبتاً کوتاه بود. دلیل اصلی تفاوت در تأثیرات در بازار اوراق بهادار و بازار سهام این است که اوراق قرضه خطر کمتری نسبت به سهام دارند و توانایی بهتری در مقاومت در برابر شوک های ناشی از شرایط اضطراری دارند.<(>ما در ادامه از مدل های EGARCH با متغیرهای برونزا برای مدل بازده شاخص و تغییرات همه گیر استفاده کردیم و به طور کمی تأثیر بر بازده بازار و نوسانات را مورد تجزیه و تحلیل قرار دادیم. با انتخاب تعداد افراد تشخیص داده شده از 20 ژانویه 2020 ، تا 13 مه 2020 ، ما داده های پوشش تعطیلات را حذف کردیم و تعداد افراد را به [0 ، 1] عادی کردیم. داده های همه گیر پردازش شده به عنوان ثبت شدند (DIG_ t = 1،2. n) ). نتایج تست های ریشه واحد در بازده لگاریتمی شاخص های سهام و اوراق قرضه نشان داد که توالی های برگشتی تحت یک سطح معینی از اهمیت پایدار بودند و این نشان می دهد که مدل EGARCH منطقی است. بر اساس معیارهای داوری مانند عملکرد همبستگی ، عملکرد همبستگی جزئی و خوبی بودن تناسب ، مدلهای متوسط متحرک خودجوش برای سری بازگشت پنج شاخص ایجاد شد و ناهمگونی مشروط باقیمانده آنها با استفاده از روش Arch-LM تشخیص داده شد. نتایج نشان می دهد که در فاصله نمونه ، شاخص های سهام دارای اثر قوس آشکار هستند ، اما شاخص های اوراق قرضه اینگونه نیستند. بنابراین ، ما مدل های EGARCH را با متغیرهای همه گیر فقط برای شاخص های سهام ایجاد کردیم و مدل های متوسط متحرک خود را با متغیرهای همه گیر برای شاخص های اوراق قرضه برای تعیین تأثیر COVID-19 در بازده اوراق قرضه ساختیم. اول ، ما بازار سهام را مورد تجزیه و تحلیل قرار دادیم. مدل های مرحله و مرحله جداگانه برای شاخص کامپوزیت شانگهای ، شاخص مؤلفه شنژن و شاخص CSI 300 ایجاد شد. با توجه به اهمیت پارامتر ، (r^) ، AIC ، SC و سایر شاخص های عملکرد متناسب با مدل ، دریافتیم که افزودن متغیر COVID-19 به میانگین معادلات مدل نتوانسته است نتایج مناسب و نتایج را بهبود بخشداهمیت ضریب ؛بنابراین ، متغیر COVID-19 فقط در معادلات واریانس معرفی شد. مدل های نوسانات بازده شاخص به شرح زیر است.3. 1. 2 مدل Covid-19 و بخش های صنعت
n^<- 1/5>$$3. 2 انتخاب و پردازش داده ها
هنگام مطالعه تأثیر COVID-19 در بازار سرمایه ، ما داده های قیمت بسته شدن شاخص های کامپوزیت سهام و اوراق قرضه را از 30 اوت 2019 تا 13 مه 2020 انتخاب کردیم. برای مطابقت با داده های همه گیر ، داده ها را از ماه دسامبر حذف کردیم31 ، 2019 ، تا 19 ژانویه 2020. هنگام مطالعه تأثیر COVID-19 در بخش های مختلف صنعت ، ما پنجره تخمین را از 2 ژانویه 2019 ، تا 30 دسامبر 2019 تنظیم کردیم. علاوه بر این ، فاصله پنجره رویداد از 31 دسامبر است، 2019 ، تا 13 مه 2020. کلیه داده های شاخص بازار سرمایه از نرم افزار Flush تهیه شده است.
در این بخش ، ما قضاوت کردیم که آیا نوسانات در بازارهای سهام و اوراق بهادار پس از همه گیر تغییر قابل توجهی تغییر کرده و تأثیرات کل همه گیر و مراحل مختلف آن را در بازار سرمایه تجزیه و تحلیل کرده است. علاوه بر این ، ما تأثیر COVID-19 را در صنایع نماینده بررسی کردیم.
مدرسه فارکس معامله گر ایرانی...
ما را در سایت مدرسه فارکس معامله گر ایرانی دنبال می کنید
برچسب :
نویسنده : صالح پور مهروز
بازدید : 48
