اثرات شوک های نفت خام بر رفتار تغییرات بازار سهام: رویکرد تغییر ساختار

The effects of crude oil shocks on stock market shifts behaviour: A regime switching approach

چکیده
1. مقدمه
2. داده ها و روش
3. انتخاب مدل و نتایج تخمین
4. خلاصه و سخنان پایانی
قدردانی ها
مراجع

چکیده
در این مقاله مدل سوئیچینگ- مارکوف EGARCH دو ساختاری را که توسط هنری [هنری ، او. ، 2009] معرفی شدارائه کردیم.. هنری. او در سال 2009 مدل سوئیچینگ ساختار را با توجه به رابطه‌ی برقرار شده بین بازده‌های سهام و نرخ‌های بهره‌ی کوتاه مدت تعریف نموده است (ژورنال خدمات بانکی و مالی، شماره‌ی 33 ، 405-414).هدف ما این است که رابطه موجود بین شوک‌های قیمت نفت خام و بازارهای سهام را مورد بررسی قرار بدهیم. با اعمال این مدل روی بازارهای سهام کشورهای انگلیس، فرانسه، ژاپن در محدوده‌ی زمانی تحت نمونه گیری (از ژانویه‌ی 1989 تا دسامبر 2007) به نتایج مطلوبی دست یافته‌ایم. ما موفق به شناسایی دو دسته از سری‌های رفتاری شده‌ایم. یکی از آن‌ها نشان دهنده‌ی ساختاری با میانگین کم و واریانس بالاست ، در حالیکه سری دوم به ساختاری با میانگین بالا/ واریانس کم اختصاص یافته است. همچنین شواهدی وجود دارد مبنی بر اینکه دوره‌های رکودی رایج با ساختارهایی با میانگین بالا/ واریانس کم تلاقی دارد. علاوه بر این، این امکان را در نظر گرفته‌ایم که بازده‌های واقعی سهام و احتمال جابه جایی از یک ساختار به ساختاری دیگر به متغیر “افزایش خالص بهای نفت” بستگی دارند. نتایج نشان می‌دهند که افزایش قیمت نفت، تأثیر زیاد و معناداری را روی نوسانات بازدهی سهام و نیز احتمال جابه جایی/ تعویض ساختارها به جا خواهد گذاشت.

2 داده‌ها و متدولوژی
2-1 : داده‌ها، مشخصات متغیرها،تحلیل اولیه
در این مطالعه از بازده‌های واقعی سهام سه کشور صنعتی مهم یعنی ژاپن (نیکی 225)، انگلیس (FTSE100) و فرانسه (CAC40) سود برده‌ایم. قیمت نهایی دو محصول مهم نفت خام را نیز لحاظ کرده‌ایم. این قیمت‌ها به عنوان قیمت آمریکایی سهام نفت سبک وست تگزاس اینترمدیت (WTI) و نفت برنت بیان شده بر حسب دلار در بشکه بیان می‌شوند. دوره‌ی نمونه شامل فراوانی ماهیانه است از ژانویه‌ی 1989 تا دسامبر 2007 برای مجموعاً 228 مشاهده است. سری‌های زمانی قیمت CO از اطلاعات وزارت انرژی آمریکا استخراج شده‌اند (اداره‌ی اطلاعات انرژی). سری‌های شاخص سهام از پایگاه داده‌ی آمار مالی بین المللی (IFS) استخراج شده‌اند . بازده‌های دارایی‌های بازار سهام به شکل زیر محاسبه می‌شوند :

در این رابطه P(t) قیمت سهام در ماه t است. برای هر کشور، بازده‌های واقعی سهام به عنوان تفاوت بین بازده‌های ترکیبی پیوسته شاخص قیمت سهام و نرخ تورم مبتنی بر تفاوت لگاریتمی در شاخص قیمت مصرف کننده تعریف می‌شوند.شاخص‌های قیمت مصرف کننده از پایگاه داده‌ی OECD استخراج شده‌اند. به این دلیل از سری‌های زمانی ماهیانه استفاده می‌کنیم چرا که بر این عقیده هستیم تغییرات ساختاری در گذر زمان با دقت بیشتری شناسایی می‌شوند. از سوی دیگر ، داده‌های فصلی دارای مشاهدات کافی نیستند و تحلیل در دوره‌های بحران را بی ارزش می‌کنند ، چرا که بحران‌ها معمولاً کوتاه مدت هستند.از سوی دیگر داده‌های روزانه دارای نویز بسیار بالایی هستند و نتایج تخمینی مبهمی را در پی خواهند داشت (راچموند و سوسمل ، 1998). این شرایط با ترسیم سری بازده‌های ماهیانه برای سه بازار سهام قابل مشاهده هستند (شکل 1). همانطور که در شکل 1 مشاهده می‌شود، پنل عمودی سمت راست با بازدهی منفی بزرگ در طول نمونه همراه می‌شود. این جنبه نشان داده که تغییرات ساختار در این دوره رخ می‌دهند.انتخاب متغیر قیمت نفت مهم است . با توجه به مطالعه‌ی همیلتون (1996)، ما متغیر افزایش خالص قیمت نفت (NOPI) را انتخاب می‌کنیم و قیمت فعلی نفت را به ارزش آن در سال – و نه ماه قبل نسبت می‌دهیم.به بیان دقیق‌تر، این متغیر برابر با تفاوت بین قیمت نهایی ماهیانه‌ی فعلی نفت و مقدار حداکثری سال قبل بوده و در این حالت مثبت است، در غیر اینصورت صفر است.NOPI به شکل زیر تعریف می‌شود.

به عبارتی دیگر، فرض می‌شود تغییرات قیمت نفت روی اقتصاد تاثیرگذار هستند، تنها در مواقعی که نفت در قیمت‌های بالاتری نسبت به زمان‌های قبلی معامله بشود.به منظور تعیین اثر آثار شوک قیمت نفت بر بازده‌های واقعی سهام، در ابتدا باید شاخص مناسبی را برای شوک قیمت نفت تعیین کرده تا آن را در مدل MS-EGARCH اعمال بکنیم.قیمت NOPI پیشنهاد شده توسط همیلتون را برای تخمین نوسانات قیمتی مورد استفاده قرار داده‌ایم. این متغیر دارای رابطه‌ی پایداری با متغیرهای اقتصاد کلان است و لذا این فرض مورد پشتیبانی قرار می‌گیرد. فرض می‌شود که اگر قیمت‌های فعلی نفت در یک دوره از پیک قیمتی دوره‌ی قبل بالاتر بروند ، آنگاه تاثیری به جا می‌ماند. اما اگر قیمت‌ها به پیک قبلی نرسند، آنگاه این متغیر صفر است و تأثیر زیادی نخواهد داشت. کوبو ریس و پرز کورس (2005) با تحلیل رابطه‌ی شوک قیمت نفت و بازده‌ها مطابق مدل همیلتون (1989) نیز از این رابطه پشتیبانی به عمل آورده‌اند.همیلتون مفهوم NOPI را در مدل VARوارد کرده است تا رابطه‌ی معناداری را بین قیمت‌های نفت و خروجی واقعی آمریکا کشف کند. منرا و کولوگنی (2006) با استفاده از مدل MS-ARنشان دادند که NOPI و نوسانات نفت در تعریف شوک قیمت بخوبی آثار وارده بر رشد اقتصادی را منعکس می‌کنند.پارک و راتی (2008) در مقاله‌ی خود از معیار NOPI برای بررسی تاثیرات شوک قیمت نفت بر بازده‌های واقعی سهام در آمریکا و 13 کشور اروپایی در حد فاصل 1986-2001 و 2005 الی 2012 سود برده‌اند.آن‌ها دریافتند که شوک قیمت نفت اثر منفی را روی بازارهای سهام بجا می‌گذارد. همچنین کونگ و همکاران (2008) نیز متغیر NOPIرا به عنوان تبدیل غیرخطی سری‌های زمانی CO انتخاب کرده و تأثیر شوک نوسانات بازار CO بر رفتار سهام بازار چین را مورد بررسی قرار داده‌اند. آن‌ها دریافتند که شوک‌های چشمگیر قیمت نفت با کاهش قیمت سهام شرکت نفت چین همراه می‌شود (کونگ و همکاران، 2008)

در شکل 1 ، در پنل عمودی راست با پدیده‌ی خوشه بندی نوسانات روبرو هستیم. در واقع تغییرات چشمگیر قیمت سهام (افزایش- کاهش) با تغییرات چشمگیر قیمت (افزایش – کاهش) در ماه‌های بعدی همراه می‌شوند. این خوشه بندی نوسانات یک انگیزه‌ی رایج نسبت به مدل‌های GARCH برای تعریف ویژگی‌های بازده واقعی سهام محسوب می‌شود.در جدول 1 گزارش آمار ماهیانه‌ی بازده‌های سهام CAC40، نیکی 225 ، FTSE100 ، بعلاوه ی NOPI برای نفت تگزاس آمریکا و برنت اروپا ارائه شده است.

پیش بینی نوسانات ارزش سهام مبنی بر چشم انداز داده های آماری در بورس و بازار مبادلاتی

Forecast of stock price fluctuation based on the perspective of volume information in stock and exchange market

چکیده
1- مقدمه
2- ارتباط نظري بین میزان سهام و نوسانات قیمت سهام و ارائه فرضیه تحقيق
3- آزمون تجربی اثبات کننده برتری اطلاعات آماری برای نوسان قیمت سهام
1- 3- مبنای ریاضیاتی فرضیه ترکیب توزیع ( MDH)
2- 3- مدل SV-VOL و برآورد آن
3 -3 – تجزیه و تحلیل منطقی و تفسیر مکانیسم نتایج تجربی
4- نتیجه گیری
منابع

چکیده

هدف – در مقاله حاضر با بحث در مورد رابطه بین مقدار و قیمت سهام در بازار مبادلات، هدف چگونگی بررسی گردش سرمایه خارجی است، بدین منظور که آیا لحاظ نمودن اطلاعات آماری در واقع به پیش بینی نوسان قیمت سهام کمک می نماید یا خیر.
طرح/ روش/ رویکرد پژوهش – با مقایسه مزایا و معایب نسبی دو روش عمده غیرپارامتری اصلی، و در نظر گرفتن ویژگی های سری زمانی مقدار سهام مدنظر، مدل نوسان تصادفی وابسته به مقدار سهام ( SV-VOL) براساس روش شبیه سازی APF-LW، در نهایت جهت کاوش و پیاده سازی الگوریتم های تخمین کارآمدتر استفاده شده است. میزان سهام درمدلی برای گذر تدریجی شناور گنجانده شده است، که توسط آن مسئله ناکافی بودن استفاده از اطلاعات آماری در پژوهش های گذشته حل شده، بدین معنا که توسعه مدل SV محقق شده است.
یافته های پژوهش- برآورد مؤثر از مدل SV-VOL از طریق الگوریتم متوالی مونته کارلو (SMC)، با برنامه ریزی تحقق می یابد. یافته ها نشان می دهند که اطلاعات آماری بازار بورس برای پیش بینی نوسان قیمت سهام مفید می باشند. اطلاعات آماری بازار بورس که بر عایدی سهام و رابطه قیمت-و مقدار سهام تأثیر می گذارد، به طور غیر مستقیم از نسبت سرمایه خالص به بازار سهام به دست می آید. کاهش و نوسان ارزش بورس جاری موجب ترمیم و بهبود بازار سهام نمی شوند.
محدودیت ها و مفاهیم تحقیق- اینکه که آیا لحاظ نمودن اطلاعات آماری در واقع به پیش بینی نوسان قیمت سهام و نحوه ترکیب اطلاعات آماری بازار بورس کمک می نماید یا خیر هنوز در مرحله اکتشافی است. مقاله حاضر درصدد تعیین میزان اطلاعات آماری بازار بورس با توجه به کانال های مستقیم و غیر مستقیم از چشم انداز علت معلولی است. لازم است اقدامات و نتایج مربوطه مورد آزمایش قرار گرفته و تکمیل شوند.
مفاهیم کاربردی- پژوهش های گذشته از تأثیر اطلاعات آماری موجود در بازار بورس بر روی نوسان قیمت سهام چشم پوشی نموده اند. این پژوهش، بخصوص از لحاظ مشکلات، نمونه ها، روش ها، و نتایج پژوهش، تا حدی یک مکمل مفید برای پژوهش های موجود به حساب می آید.
اصالت و اعتبار پژوهش- مدل SV با اطلاعات آماری از بازار سهام نه تنها می تواند به طور مؤثری مشکل ناکارآمدی استفاده از اطلاعات موجود در میزان سهام در شیوه های سنتی را حل نماید، بلکه دقت تخمین مدل را با نشان دادن اطلاعات آماری بازار بورس مدل از طریق پردازش وزنی، که یک مکمل مفید برای متون تحقیقاتی موجود است، بهبود می بخشد. الگوریتم SMC که با برنامه ریزی تحقق می یابد است پیشرفت وتوسعه الگوریتم های غیر پارامتریک مفید است. مقاله حاضر تلاش مفیدی برای تعیین میزان اطلاعات آماری بازار بورس نموده، برخی نتایج سودمند به دست آمده است.

4- نتیجه گیری

پژوهش های قبلی تأثیر اطلاعات حاوی میزان سهام بازار ارز خارجی در نوسان قیمت سهام را نادیده گرفته اند، که منجر به برآورد متعصبانه از پارامترهای مدل می شود. مدل SV-VOL با اطلاعات میزان سهام نه تنها می تواند به طور موثر مشکلات سنتی استفاده ناکافی از اطلاعات میزان سهام را حل کند، بلکه دقت تخمین مدل را بهبود می بخشد و یک مکمل مفید برای متون تحقیقاتی موجود با ارائه اطلاعات آماری به مدل از طریق پردازش وزنی محسوب می شود. الگوریتم اکتشافی SMC پیشرفت و توسعه الگوریتم غیر پارامتری در داخل را بهبود می بخشد و تلاش های مثبتی برای تایید وزن اطلاعات میزان سهام بازار ارز به دست می دهد و نتایج مفیدی ارائه می دهد. مشخص شده است که: 1) اطلاعات آماری مبادلات بازار سهام برای پیش بینی نوسان قیمت سهام مفید است. برآورد مدل SV-VOL با اطلاعات آماری مبادلات بازار سهام تنها ویژگی های روند همگرایی واقعی را نشان می دهد، اما سرعت همگرایی آهسته تری دارد، و چشم پوشی از اطلاعات آماری بازار ارز یکی از دلایل این امر تلقی می شود. نتایج این پژوهش نشان می دهد که هم اطلاعات شناخته شده و هم پیام های فوری می توانند بر روند شدت مبادلات در سطوح مختلف تأثیر بگذارند.

Abstract

Purpose In the process of discussing the relationship between volume and price in the stock market, the purpose of this paper is to consider how to take the flow of foreign capital into consideration, to determine whether the inclusion of volume information really contributes to the prediction of the volatility of the stock price.
Design/methodology/approach By comparing the relative advantages and disadvantages of the two main non-parametric methods mainstream, and taking the characteristics of the time series of the volume into consideration, the stochastic volatility with Volume (SV-VOL) model based on the APF-LW simulation method is used in the end, to explore and implement a more efficient estimation algorithm. And the volume is incorporated into the model for submersible quantization, by which the problem of insufficient use of volume information in previous research has been solved, which means that the development of the SV model is realized.
Findings Through the Sequential Monte Carlo (SMC) algorithm, the effective estimation of the SV-VOL model is realized by programming. It is found that the stock market volume information is helpful to the prediction of the volatility of the stock price. The exchange market volume information affects the stock returns and the price-volume relationship, which is achieved indirectly through the net capital into stock market. The current exchange devaluation and fluctuation are not conducive to the restoration and recovery of the stock market. Research limitations/implications It is still in the exploratory stage that whether the inclusion of volume information really contributes to the prediction of the volatility of the stock price, and how to incorporate the exchange market volume information. This paper tries to determine the information weight of the exchange market volume according to the direct and indirect channels from the perspective of causality. The relevant practices and conclusions need to be tested and perfected.
Practical implications Previous studies have neglected the influence of the information contained in the exchange market volume on the volatility of stock prices. To a certain extent, this research makes a useful supplement to the existing research, especially in the aspects of research problems, research paradigms, research methods and research conclusion.
Originality/value SV model with volume information can not only effectively solve the inefficiency of information use problem contained in volume in traditional practice, but also further improve the estimation accuracy of the model by introducing the exchange market volume information into the model through weighted processing, which is a useful supplement to the existing literature. The SMC algorithm realized by programming is helpful to the further advancement and development of non-parametric algorithms. And this paper has made a useful attempt to determine the weight of the exchange market volume information, and some useful conclusions are drawn.

4- Conclusions

Previous studies have neglected the influence of the information contained in the volume of foreign exchange market on the stock price volatility, which leads to the biased estimation of the model parameters. The SV-VOL model with volume information not only can effectively solve the traditional problem of insufficient use of volume information, but also further improve the estimation precision of the model and form a useful supplement to the existing literature by introducing the volume information into the model through weighted processing. The explorative SMC algorithm further advances and develops the non-parametric algorithm in the domestic, conducts beneficial attempts to confirm the information weight of exchange market volume, and gains some helpful conclusion. It is detected that: (1) The stock market trading volume information is helpful for the stock price volatility forecast. The SV-VOL model estimate with the stock market trading volume information only features obvious parameter convergence trend yet has slower convergence speed, and the negligence of exchange market volume information is deemed as one of the reasons. The research results show that both known information and instant messages can exert influence on the trading intensity at different levels.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پیش بینی نوسانات ارزش سهام مبنی بر چشم انداز داده های آماری در بورس و بازار مبادلاتی

Forecast of stock price fluctuation based on the perspective of volume information in stock and exchange market

تاثیر کیفیت سود دهی بر هزینه سهام: شواهدی از شرکت های خصوصی سازی شده

The Impact of Earnings Quality on the Cost of Equity: Evidence from Privatized Firms

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شواهد شرکت های خصوصی در تاثیر کیفیت درآمد بر ارزش سهام

The Impact of Earnings Quality on the Cost of Equity: Evidence from Privatized Firms

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

رابطه بین رضایت مشتری و ارزش سهامدار

The Relationship between Customer Satisfacation and Shareholder Value

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

رابطه بین رضایت مشتری و ارزش سهامدار

The Relationship between Customer Satisfacation and Shareholder Value

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

ریسک سود مازاد، ارزش‌های ذاتی و قیمت های سهام 

Residual income risk, intrinsic values, and share prices

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

ریسک درآمد باقیمانده، قیمت سهام و ارزش های ذاتی

Residual income risk, intrinsic values, and share prices

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

افشای سرمایه فکری و ارزش کلی سهام بازاری شرکت

Intellectual capital disclosure and market capitalization

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

افشای سرمایه فکری و ارزش کلی سهام بازاری شرکت

Intellectual capital disclosure and market capitalization

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.