آیا طلا یک پناهگاه یا پناهگاه امن در برابر حرکات بازار نفت و ارز است؟مجدداً با استفاده از رویکرد چند عاملی

ما نقش طلا را به عنوان یک پناهگاه یا پناهگاه امن در برابر قیمت نفت و حرکات ارزی در شرایط آرام و شدید بازار بررسی می کنیم. برای تجزیه و تحلیل تجربی ، ما اندازه گیری همبستگی چند عاملی داخل را توسعه می دهیم که توسط مادانی و همکاران ایجاد شده است.(بانکداران ، بازارها و سرمایه گذاران ، 163: 2-13 ، 2020) برای در نظر گرفتن وابستگی به دوره های آرام و شدید حرکت در مقیاس های مختلف زمانی. جالب اینجاست که ما از روش پنجره نورد استفاده می کنیم تا وابستگی متغیر زمان بین روغن طلا و ارز طلا از نظر شرایط آرام و آشفتگی را بررسی کنیم. بر اساس فرکانس بالا (فواصل 5 دقیقه ای) در طول دوره 2017-2019 ، تجزیه و تحلیل ما سه یافته جالب را نشان می دهد. اول ، طلا به عنوان یک پرچین ضعیف (قوی) برای حرکات بازار نفت (ارزی) ، در همه نوع عامل عمل می کند. دوم ، طلا دارای توانایی قدرتمند و ایمن در برابر حرکات شدید ارز و در برابر مقیاس های کوتاه مدت حرکات قیمت نفت است. سوم ، استراتژی های محافظت از نقش طلای وابسته به مقیاس در کاهش خطر نمونه کارها به عنوان پناهگاه یا پناهگاه امن. پیامدهای مربوط به سرمایه گذاران ، موسسات مالی و سیاست گذاران مورد بحث قرار گرفته است.

روی نسخه خطی کار می کنید؟

از رایج ترین اشتباهات خودداری کنید و نسخه خطی خود را برای ویراستاران ژورنال آماده کنید.

1. معرفی

برای درک پیچیدگی اقتصادی ، لازم است پویایی جامع بازارهای مختلف و به ویژه ماهیت تعامل آنها را در نظر بگیرید. تعامل اساسی در بازار یک چالش بزرگ برای مدیریت موفق نمونه کارها است ، به ویژه با وقوع چندین دوره آشفتگی در یک بازه زمانی کوتاه. پاورقی 1 بنابراین ، درسهایی از تعامل بازار برای بهینه سازی تخصیص دارایی ، تنوع نمونه کارها و استراتژی های پرچین مفید خواهد بود (Markowitz ، 1952 ؛ Plerou et al. ، 2002).

گالتون (1886) پیشگام توسعه مفهوم نظری ارتباطات بین سری زمانی بود. پیرسون (1895) ضریب همبستگی گالتون را با هدف اندازه گیری شباهت تغییرات قیمت بین جفت دارایی ها ، که به عنوان ضریب همبستگی پیرسون شناخته می شود ، تعریف کرد. پاورقی 2 اقدامات متعددی برای اندازه گیری همبستگی متقابل بین سری زمانی و به ویژه از دهه 1980 انجام شده است ، در تئوری اقتصاد سنجی انقلابی رخ داده است. بیشتر این تحقیق مربوط به مدل های خطی و سری زمانی ثابت است (به عنوان مثال ، Engle & Granger ، 1987 ، 1991). برخی از مطالعات با اتصال متغیر زمان و ماتریس همبستگی گسترده به روش های مختلف به منظور استخراج اطلاعات مفید برای درک وابستگی به بازار مالی متغیر زمان سروکار دارند (بولرزلف و همکاران ، 1988 ؛ کمپبل و همکاران ، 2008 ؛ فوربس و ریگوبون ، 2002 ؛هوانگ و همکاران ، 2013 ؛ کریشان و همکاران ، 2009). در دهه گذشته ، رشته جدیدی از ادبیات برای برجسته کردن پیچیدگی رفتار سریال های مالی ، به ویژه پس از وقوع دوره های مختلف آشفتگی در یک بازه زمانی کوتاه (از سال 2000) ، برجسته شده است. جالب اینجاست که این مطالعات به درجه بالایی از رفتار غیر ثابت سری مالی اشاره می کند ، که نشانگر رفتار خود مؤثر است ، که ممکن است همبستگی متقابل را با قوانین قدرت مشخص کند (Wa̧torek et al. ، 2019).

بر اساس داده های روزانه، در بازه زمانی مه 2017 تا مارس 2019 (نمونه شامل 35608 مشاهدات)، برای بازارهای ارز اصلی تشکیل دهنده شاخص کل DXY ایالات متحده، ارائه روند اصلی ایالات متحده، قیمت نفت و قیمت طلا، ما یک مولتی فراکتال جدید ایجاد می کنیم. اندازه گیری همبستگی متقاطع - ضریب همبستگی میانگین متحرک بی روند q - که نقش پوشش ریسک و / یا پناهگاه امن بازار طلا را بررسی می کند. سپس، عملکرد این معیار جدید را در مقایسه با ضریب q-DCCA که توسط Kwapień و همکاران توسعه داده شده است، آزمایش می کنیم.(2015)، به طور مشابه با همبستگی متقابل برای مرتبه های مختلف لحظه ها سر و کار دارد. بر اساس آزمایش عددی، مطابق با کریستوفک (2017)، ما برتری اندازه گیری خود را برای نمونه های بزرگ تأیید می کنیم (همانطور که در مورد یک مجموعه داده روزانه است). در نهایت، نتایج برآورد برای آزمایش نقش مهم طلا به عنوان یک پوشش و پناهگاه امن در برابر کاهش ارزش نفت و دلار در مقیاس های زمانی مختلف با تخمین وزن های بهینه پرتفوی و نسبت پوشش بهینه استفاده می شود. نتایج بین نرخ مبادله طلا و دلار از نقش طلا به عنوان یک پوشش موثر و دارایی امن حمایت می کند. در مورد نفت و طلا، نتایج نشان می دهد که استقلال برای تمام مقیاس های زمانی برای لحظه مرتبه دو، از پرچین ضعیف طلا در برابر نفت حمایت می کند. با این حال، برای دوره های آشفتگی، این رابطه برای مقیاس زمانی کمتر از 600 (کمتر از 1 هفته تجارت) منفی است و شواهدی از طلا به عنوان پناهگاه امن در برابر نفت در کوتاه مدت ارائه می دهد. علاوه بر این، اندازه گیری متغیر با زمان ما به ما این امکان را می دهد که نتیجه بگیریم که قدرت نقش طلا به عنوان پرچین و پناهگاه امن در برابر بازارهای نفت و ارز ایالات متحده پایدار نیست و در طول زمان تغییر می کند.

بخش بعدی این پژوهش به شرح زیر ارائه می شود. بخش 2، به طور خلاصه ادبیات را مرور می کند. بخش های 3 و 4 به ترتیب مقیاس q-DMCA توسعه یافته همبستگی و اعتبار آن را بر اساس آزمایش های عددی ارائه می کنند. بخش 5 نتایج و بخش را مورد بحث قرار می دهد. 6 نتیجه می گیرد.

2 بررسی ادبیات

تنها چند مطالعه در مورد طلا به عنوان یک پوشش و/یا پناهگاه امن در برابر کاهش ارزش پول وجود دارد و آنها کاملاً جدید هستند. با این حال، این ادبیات ممکن است به مطالعات قبلی در مورد ارتباط خطی بین طلا و دلار و مطالعاتی که ارتباط بین طلا و نفت را بررسی می کنند، مرتبط باشد.

Beckers & Soenen (1984) در مورد موقعیت های نگهدارنده طلا برای ما و سرمایه گذاران غیر آمریکایی تحقیق کرد و همبستگی منفی بین بازده سرمایه گذاری های طلا (به دلار) و قدرت دلار در بازار ارز و همچنین تنوع ریسک نامتقارن نشان دادبا مزیت برای سرمایه گذاران غیر آمریکایی. Sjaastad & Scacciavillani (1996) و Sjaastad (2008) نتیجه گرفتند که قدردانی یا استهلاک USD با استفاده از رویکرد خطای پیش بینی ، تأثیرات قابل توجهی بر قیمت طلا دارد.< SPAN> Beckers & Soenen (1984) در مورد موقعیت های نگهدارنده طلا برای سرمایه گذاران ما و غیر آمریکایی بررسی کرد و بین بازده سرمایه گذاری های طلا (به دلار) و قدرت دلار در بازار ارز و همچنین ارتباط منفی نشان داد. تنوع ریسک نامتقارن با مزیت برای سرمایه گذاران غیر آمریکایی. Sjaastad & Scacciavillani (1996) و Sjaastad (2008) نتیجه گرفتند که قدردانی یا استهلاک USD با استفاده از رویکرد خطای پیش بینی شده ، تأثیرات قابل توجهی بر قیمت طلا دارد. Beckers & Soenen (1984) در مورد موقعیت های نگهدارنده طلا برای ما و غیر USUS تحقیق کردندسرمایه گذاران ، و همبستگی منفی بین بازده سرمایه گذاری های طلا (به دلار) و قدرت دلار در بازار ارز و همچنین تنوع ریسک نامتقارن با مزیت سرمایه گذاران غیر آمریکایی نشان دادند. Sjaastad & Scacciavillani (1996) و Sjaastad (2008) نتیجه گرفتند که قدردانی یا استهلاک USD با استفاده از رویکرد خطای پیش بینی ، تأثیرات قابل توجهی بر قیمت طلا دارد.

مطالعات اندکی توانایی محافظت از طلا و یا ایمن طلا در برابر ارز را بررسی کرده اند. جوی (2011) نقش طلا را به عنوان یک پناهگاه امن و/یا پرچین در برابر استهلاک ارز بررسی کرد. بر اساس مدل DCCA-GARCH ، وی اظهار داشت که طلا یک پناهگاه امن و یک پرچین موفق در برابر دلار است. چانگ و همکاران.(2013) با استفاده از چندین آزمایش و مدل خطی (آزمون همبستگی یوهانسن ، آزمون علیت گرنجر ، مدل اتور وکتور ، تجزیه و تحلیل پاسخ ایمپالس و وکتور ، و در مقابل نرخ ارز تایوان در مقابل نرخ ارز USD در مقابل نرخ ارز USD بررسی کرد. روش تجزیه واریانس). نویسندگان نتیجه گرفتند که متغیرها به طور قابل توجهی مستقل هستند. مطالعات قبلی فرضیات محکمی را تحمیل کرده است که با ویژگی های بازارهای مالی و کالایی مطابقت ندارد ، که از زمان سقوط بازار سهام در 19 اکتبر 1987 با تغییر ساختاری هرج و مرج مشخص شده است (Hsieh ، 1991). در حقیقت ، جهانی سازی مالی از دهه 1980 و الگوهای پویا در اقتصاد جهانی ناشی از پیشرفت در فن آوری های پردازش اطلاعات و ماهیت جهانی تر تمام فعالیت های اقتصادی است. گسترش سریع فعالیت مالی بین المللی وجود داشت ، که حداقل در اوج سال 2006 از "رونق طولانی" (اثر جوزف) که پیش از بحران مالی جهانی در دسامبر 2008 (اثر Noé) بود ، ادامه داشت و 6 تریلیون دلار یا تقریباً 20 نفر تولید می کرد ٪ تولید ناخالص داخلی جهان. برای مشخص کردن این میانگین ساختارهای عمومی در قیمت طلا ، قیمت نفت و نرخ نرخ ارز ، بسیاری از نویسندگان از مدل های غیر خطی استفاده کرده اند. با استفاده از آزمون ادغام شکستن ساختاری ، ناریان و همکاران.(2010) وجود ادغام شکستن ساختاری بین این بازارها را تأیید کرد. Reforedo (2013) از کوپول ها برای توصیف وابستگی متوسط و شدید بازار بین طلا و دلار استفاده کرد. نتایج تجربی نشان می دهد که طلا می تواند به عنوان یک پناهگاه و پناهگاه امن در برابر استهلاک USD عمل کند. Kanjilal & Ghosh (2017) برای یافتن یک رابطه غیرخطی بین قیمت طلا و نفت ، از آستانه ادغام استفاده کرد. مدل ARDL غیرخطی همچنین توسط کومار (2017) برای تأکید بر اهمیت همبستگی نامتقارن بین بازارهای طلا و روغن استفاده شد. Reforedo و Rivera-Castro (2014b) و Baruník و همکاران.(2016) به ترتیب نرخ تبادل طلا و روابط طلا و روغن ، به ترتیب ، از دیدگاه افق های مختلف سرمایه گذاری با استفاده از رویکرد موجک بررسی شد. اخیراً ، Tiwari و همکاران.

(2020) برای بررسی ساختار وابستگی و پویایی بین قیمت های طلا و نفت از یک مدل کوپول متغیر و تغییر زمان و تغییر چند زمان (MRA) استفاده کرد.

ادبیات فوق الذکر نقش طلا را به عنوان یک پناهگاه یا پناهگاه امن در برابر قیمت نفت و/یا حرکات ارزی بررسی کرده است. با این حال ، این ادبیات بین نقش های طلا در طول دوره آرام و آشفتگی تمایز قائل نیست. این مطالعه با هدف پر کردن این شکاف با ارائه یک اندازه گیری همبستگی تجربی جدید بر اساس روش چند منظوره داخل جمعی انجام می شود. این اقدام جدید حداقل دو مزیت دارد. اول ، ما یک اقدامات داخلی را برای به دست آوردن بینش بیشتر در مورد دینامیک بازارهای مورد مطالعه پیشنهاد می کنیم و وجود پیش بینی در حال تحول کوتاه را کشف می کنیم. دوم ، رویکرد چند منظوره ناهمگونی سرمایه گذاران را در نظر می گیرد. علاوه بر این ، تمام مطالعات ذکر شده در بالا از داده ها با فرکانس روزانه استفاده می کردند ، اما جریان واقعی داده ها با کنه ، در هر نقل قول و هر معامله تعریف می شود. به طور خاص ، از آنجا که آینده های طلا و نفت از جمله کالاهای تجاری ترین کالاها هستند ، سرمایه گذاران می توانند یک پنجره به اندازه کافی باریک از هر اعلامیه یک رویداد ناگهانی یا سیاست پولی برای تأیید اینکه آیا بازارها تحت تأثیر یک خبر خاص قرار دارند ، تعیین کنند.

3 طراحی تجربی

3. 1 تعمیم DMCA

• ما می توانیم از اطلاعات ارائه شده توسط تجزیه و تحلیل متوسط در حال حرکت همبستگی استفاده کنیم تا بین خصوصیات پرچین و ایمن و ایمن که وابستگی بین دو یا چند متغیر را از نظر حرکات متوسط توسط مرتبه دوم اندازه گیری می کند ( (q = 2 ) اندازه گیری کنیم)و از نظر حرکات شدید بازار توسط مرتبه چهارم ((q = 4) ). طبق رویکرد تعریف شده شرح داده شده در Kaul & Sapp (2006) ، Baur & Lucey (2010) و Baur & McDermott (2010) ، ویژگی های متمایز یک دارایی به عنوان پناهگاه یا پناهگاه امن به شرح زیر است.
• اگر به طور متوسط با دارایی یا نمونه کارها دیگر با یک دارایی یا نمونه کارها دیگر ارتباط نداشته باشد ، یک دارایی ضعیف (یا قوی) است.

در صورت عدم همبستگی (یا با همبستگی منفی) با دارایی یا نمونه کارها دیگر در مواقع حرکات شدید بازار ، دارایی یک پناهگاه ضعیف (یا قوی) است.

For two possibly non-stationary series (left\_ ight>) and (left\_ ight>) , we construct the cumulative sum (_=_^_ ) and (_=_^_ ) for t = 1, 2, …, N, where N is the same length for both series. Footnote 4 According to Xu et al. (2005) and Arianos and Carbone (2007), the moving average functions (>_) and (>ضریب DMCA را می توان به عنوان یک جایگزین و مکمل ضریب DCCA در نظر گرفت (Kristoufek ، 2014b). مطابق با نتایج کریستوفک (2014a) و Sun و Liu (2016) ، ضریب DCCA که توسط Zebende (2011) حاکم بر ضریب پیرسون است. پس از آن ، کریستوفک (2014b) ضریب DMCA را پیشنهاد کرد و دریافت که می توان آن را به عنوان یک جایگزین و یک مکمل برای ضریب DCCA در نظر گرفت. این اقدام جدید مبتنی بر DMA است (Alessio et al. ، 2002 ؛ Vandewalle & Ausloos ، 1998).

_ ) به عنوان تعریف شده اند<left( ight) heta>که در آن پارامتر موقعیت ( سمت چپ ( theta راست) ) از (0 ) تا (1 ) متفاوت است. پاورقی 5 نقطه مرجع ( سمت چپ ( theta راست) ) از میانگین متحرک در پنجره کشویی ( سمت چپ (S راست) ) تنظیم شده است. ( چپ lfloor x راست rfloor ) بزرگترین عدد صحیح کمتر از ( سمت چپ (x راست) ) را نشان می دهد ، و ( چپ lceil x راست rceil ) شامل کوچکترین عدد صحیح استبزرگتر از ( سمت چپ (x راست) ). سری باقیمانده با کم کردن روند ( tilde (i) ) از (x (i) ) بدست می آید ، (_ سمت چپ (i راست) = x (i)- tilde (i) ) و به همان روش ، ما (_ سمت چپ (i راست) = y (i) - tilde (i) ) را بدست می آوریم که در آن (s - سمت چپ lfloor<left( ight) heta> راست rfloor le i le n - چپ lfloor

$$ راست rfloor ). ما سری باقیمانده را به قسمتهای (_ ) با اندازه مساوی (S ) تقسیم می کنیم ، جایی که (_ ) با قسمت عدد صحیح (( frac-1) ) مطابقت دارد. برای (1 le i le s ) ، (_ سمت چپ (i راست) = varepsilon سمت چپ (l+i راست) ) ، جایی که (l = سمت چپ (v-1 سمت راست) S ) و هر قسمت از سری باقیمانده تقسیم شده توسط (v ) مشخص می شود. ما می توانیم میانگین عملکرد مربع ریشه (_ (s) ) را با اندازه قطعه (s ) محاسبه کنیم<left[<varepsilon>_left(i ight) ight]>^$$

_^ سمت چپ (S راست) = frac_^