حباب بازار سهام سبز

ممکن است کسی ادعا کند که هم اکنون بین بازار دارایی های پایدار و وضعیت سهام فناوری درست قبل از فروپاشی حباب Dot-Com شباهت های روشنی وجود دارد. در حقیقت ، قبل از سال 2000 ، خطر ابتلا به فناوری جدید در درجه اول به دلیل مقیاس محدود تولید و احتمال پایین اتخاذ گسترده ، در درجه اول احمقانه بود. پس از آن ، با افزایش احتمال پذیرش ، اقتصاد قدیمی تحت تأثیر فناوری جدید و از این رو ثروت نماینده نماینده قرار گرفت. در نتیجه ، ریسک سیستماتیک افزایش یافته است که باعث کاهش قیمت سهام می شود ، زیرا این امر نرخ تخفیف را در اقتصادهای جدید و قدیمی افزایش می دهد. به همین ترتیب ، با توجه به احتمال زیاد اتخاذ در مقیاس بزرگ "فناوری سبز" جدید ، این احتمال وجود دارد که نه تنها یک حباب در سهام انرژی سبز وجود داشته باشد ، بلکه این رونق بر کل بازار سهام تأثیر می گذارد. من یک روش آزمایش بازگشتی و الگوریتم دوست یابی را که اخیراً توسعه یافته است ، اعمال می کنم که در تشخیص چندین رویداد حباب مفید است. با استفاده از داده های بازار سهام S& P 500 ، نسبت های سود سهام ، من حباب های معروف سوداگرانه تاریخی را شناسایی می کنم و یک حرکت انفجاری را در بازار امروز با شروع از ژوئن 2021 پیدا می کنم ، که می تواند با "فناوری سبز" جدید همراه باشد. فهمیدم که یک حرکت انفجاری در سهام سبز تقریباً یک سال قبل از مهاجرت به کل بازار سهام آغاز شد. من استدلال می کنم که این یک حباب خوب است زیرا مشاغل را قادر می سازد تا در انرژی سبز ارزان سرمایه گذاری کنند ، انتقال به دور از سوخت های فسیلی و کمک به مبارزه با تغییرات آب و هوایی را تسریع کنند.

روی نسخه خطی کار می کنید؟

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

انگیزه

سهام سبز رواج دارد

در طول سال 2020 ، برای Orsted ، تولید کننده نیروی بادگیر ، ارزش بازار تقریباً دو برابر شد. سهام Sunrun ، یک شرکت خورشیدی ، و تسلا و Nio ، سازندگان وسایل نقلیه برقی ، اخیراً به ترتیب سه برابر ، شش برابر و نه برابر افزایش یافته اند. اعتیاد به مواد مخدره حتی کمی غیر منطقی است: علوم زندگی Tiziana ، یک شرکت بیوتکنولوژی با Ticker "TLSA" ، سال گذشته از سرمایه گذاران گیج کننده بهره مند شد ، وقتی آنها آن را برای تسلا اشتباه گرفتند ، نماد تیک "TSLA". ارزیابی های بالا ، علاقه تهاجمی از سرمایه گذاران انفرادی و اقدام قیمت پارابولیک همه نشانه هایی است که در سهام انرژی سبز حباب وجود دارد.

آیا باید نگران این پیشرفت باشیم؟

خوب ، ممکن است استدلال کند که بازار دارایی های پایدار اکنون و سهام IT بلافاصله قبل از ترکیدن حباب Dot-Com شباهت های روشنی دارد. با این حال ، همانطور که در نهایت در مورد شرکت های فناوری ، قیمت گذاری امروز برای دارایی های دوستانه آب و هوا ممکن است پتانسیل طولانی مدت آنها را منعکس کند. در مدل تعادل عمومی پاستور و ورونسی [24] ، ممکن است حباب قیمت سهام برای شرکتهای نوآورانه در طول انقلاب های فناوری رخ دهد ، جایی که با گذشت زمان ، ماهیت خطرات مربوط به فناوری های جدید تغییر می کند. در ابتدا ، این خطر عمدتا احمقانه است ، زیرا مقیاس تولید اندک است و بعید است که فناوری جدید در مقیاس بزرگ اتخاذ شود. اگر یک فناوری خاص هرگز اتخاذ نشود ، خطر بی خاصیت باقی می ماند. با این حال ، هنگامی که یک فناوری در مقیاس بزرگتر اتخاذ می شود ، خطر بیشتر و منظم تر می شود. پس از آن ، با افزایش احتمال اتخاذ فناوری جدید ، بیشتر احتمال دارد که اقتصاد قدیمی تحت تأثیر اقتصاد جدید باشد. قیمت سهام در هر دو اقتصاد جدید و قدیمی افسرده است ، زیرا ریسک سیستماتیک در حال افزایش است ، که همچنین بر نرخ تخفیف تأثیر می گذارد. با توجه به "انقلاب فن آوری سبز" ، و در امتداد خطوط مشابه ، با توجه به احتمال زیاد اتخاذ در مقیاس بزرگ "فناوری سبز" که در حال حاضر در حال تجربه هستیم ، به احتمال زیاد نه تنها یک حباب به رنگ سبز وجود داردسهام انرژی ، اما رونق به طور کلی بر بازار سهام تأثیر می گذارد.

چگونه حباب های مالی را در زمان واقعی تشخیص دهیم؟

یک روش مؤثر برای شناسایی و تاریخ حباب های مالی رویه های بازگشتی است که متعلق به کلاس مکانیسم های تشخیص اقتصاد سنجی است. بانک های مرکزی و تنظیم کننده های مالی این رویه ها را با داده های زمان واقعی به عنوان هشدارهای هشدار دهنده در استراتژی های نظارتی انجام می دهند. فیلیپس و همکاران.[28 ، 29] (PSY) یک روش پنجره انعطاف پذیر بازگشتی ایجاد می کند که برای اجرای عملی با سریال های زمانی طولانی تاریخی مناسب است. برای مبدا و خاتمه حباب های متعدد ، این روش یک استراتژی تمبر تاریخ در زمان واقعی را ارائه می دهد. من به طور تجربی روش PSY را در یک دوره تاریخی طولانی مدت از ژانویه 1871 تا دسامبر 2021 به S& P 500 نسبت می دهند. علاوه بر این ، من می فهمم که یک حرکت انفجاری در سهام سبز تقریباً یک سال قبل از مهاجرت به کل بازار سهام آغاز شد. از این رو ، حباب فعلی می تواند با "فناوری سبز" جدید همراه باشد. من استدلال می کنم که این یک حباب خوب است ، زیرا با اجازه دادن به شرکت ها برای سرمایه گذاری های ارزان قیمت انرژی سبز ، حباب می تواند تغییر ما را از سوخت های کربن سرعت بخشد و به مبارزه با تغییرات آب و هوایی کمک کند.

بقیه مقاله به شرح زیر ساخته شده است: در بخش های بعدی ، من به طور خلاصه ادبیات را مرور می کنم. من در مورد داده ها بحث می کنم و روش را در بخش های بعدی ارائه می دهم. سرانجام ، نتایج تجربی مطالعه ارائه شده و آخرین بخش نتیجه می گیرد.

اقتصاد مدور

در سالهای اخیر ، سیاست گذاران به ادغام شیوه های پایدار در اقتصاد پرداخته اند ، همانطور که توسط تعهدات جهانی به اهداف پایداری نشان داده شده است. به عنوان مثال ، کمیسیون اروپا در سال 2015 اولین برنامه اقدام اقتصاد دایره ای را آغاز کرد ، که دستور کار ابتکارات برای انتقال به یک اقتصاد دایره ای ، یک سیستم اقتصادی پایدار و انعطاف پذیر است. اقدامات برای ادغام روش ESG - مخفف مخفف شامل ستون های زیست محیطی ، اجتماعی و حاکمیتی ، به ترتیب - به فرایند ارزیابی ریسک سنتی که توسط موسسات مالی انجام می شود ، پیشنهاد شده است. امور مالی پایدار را می توان به عنوان فرایند در نظر گرفتن ملاحظات ESG هنگام تصمیم گیری در مورد سرمایه گذاری در بخش مالی تعریف کرد. دارایی های مالی پایدار ابزارهایی هستند که این الزامات را برآورده می کنند و عملکرد دارایی های مالی پایدار نقش مهمی در تأمین وسایل مالی برای انتقال به یک اقتصاد دایره ای دارد (به عنوان مثال ، سگتس [32]. در نتیجه ، اخیراً ، سبزاوراق قرضه و سهام بهتر از معیارهای غیر سبز خود عمل می کنند. برای بهره مندی از محیط زیست ، ترویج پایداری و جلب سرمایه گذاران ، بسیاری از مشاغل تأکید جدی بر پایداری و اجرای مدل های تجاری سازگار با محیط زیست دارند. به اجماع روزافزون در مورد سهم بازار سهام در توسعه اقتصادی.

Krüger [18] بررسی می کند که چگونه بازار سهام به تحولات مطلوب و نامطلوب مربوط به مسئولیت اجتماعی یک شرکت (CSR) پاسخ می دهد. سرمایه گذاران نسبتاً نامطلوب به اخبار بد واکنش نشان می دهند و فقط کمی منفی به اخبار خوب دارند ، به خصوص اگر این امر ناشی از مسائل مربوط به نمایندگی باشد. علاوه بر این ، CSR News که حقایق حقوقی و اقتصادی قوی تری دارد ، باعث پاسخ سرمایه گذار قابل توجه تر می شود. در اوایل دهه 1970 شاهد ظهور ادبیات در رابطه بین عوامل ESG و موفقیت مالی تجاری بود. در مطالعه خود در سال 2015 ، گونار و همکاران. نتایج تقریباً 2200 تحقیق مجزا را مقایسه کرد. آنها نشان می دهند که پرونده تجاری برای سرمایه گذاری ESG بسیار خوب است. تقریباً در 90 ٪ از مطالعات ، یک انجمن عملکرد غیر منفی ESG یافت می شود ، و اکثریت قابل توجهی از مطالعات نتایج مثبتی پیدا می کنند. فرناندو و همکاران.[10] از سهامداران نهادی به عنوان لنزهایی استفاده کنید که از طریق آن می توانید اثرات ارزش مسئولیت اجتماعی شرکت ها را بررسی کنید. آنها تفاوت کاملی بین استراتژی های شرکت ها که باعث کاهش قرار گرفتن در معرض شرکت در معرض خطر محیط زیست و مواردی که دوستانه محیطی درک شده آن (یا "سبز بودن") را افزایش می دهد ، کشف می کنند. همانطور که توسط تئوری مدیریت ریسک پیش بینی شده است ، سرمایه گذاران نهادی از سهام با قرار گرفتن در معرض خطر زیست محیطی قابل توجه هستند زیرا آنها با قیمت های پایین تر تجارت می کنند. با توجه به این نتایج ، سیاست های زیست محیطی شرکت که باعث کاهش قرار گرفتن در معرض ریسک محیط زیست می شود ، ارزش سهامداران را افزایش می دهد. Escrig-Olmedo (2019) داده های موجود در دسترس را از نماینده ترین نمایندگان رتبه بندی و اطلاعات ESG در بازار مالی برای دو دوره زمانی مقایسه می کند: 2008 و 2018. نتایج نشان می دهد که به منظور اندازه گیری عملکرد شرکت به طور دقیق و محکم تر به منظور پرداختن به جهانی جدیدنگرانی ها ، آژانس های رتبه بندی ESG معیارهای اضافی را به مدلهای ارزیابی خود اضافه کرده اند. با این حال ، روش ارزیابی پایداری کسب و کار مورد استفاده توسط شرکت های رتبه بندی ESG هنوز اصول پایداری را به طور کامل در بر نمی گیرد. زارا و همکاران.[36] به صورت تجربی در مورد درجه دایره ای یک شرکت ، که با نمره دایره ای اندازه گیری می شود ، تحقیق می کند و نشان می دهد که سرمایه گذاران سهام عدالت در شرکت های دایره ای می توانند از کاهش نوسانات بازده سهام و همچنین توانایی بیشتری در مقاومت در برابر وقایع منفی برون زا بهره مند شوند.

ادبیات حباب

تحقیقات در زمینه مالی حباب های منطقی و غیر منطقی. پاورقی 1 مطابق با انتظارات منطقی مدرسه بلانچارد و واتسون [3] ، تیرول (1982) و دیبا و گروسمن [7] ، حباب ها آفرینش هوشمندانه دست نامرئی هستند. با توجه به پیش بینی جریان های نقدی [12] ، تغییر در نرخ تخفیف (کشیش و استامباگ ، 2006 ، 2009) و ترکیبی از حق ریسک و یادگیری [23 ، 24] ، قیمت گذاری دارایی های منطقی در درک قیمت های بالا در طول حباب کمک می کندقسمت هاهمانطور که قبلاً مورد بحث قرار گرفت ، مدل تعادل عمومی که توسط کشیش و ورونسی ارائه شده است [24] پیش بینی می کند که در طول انقلاب های تکنولوژیکی ، ارزش سهام شرکت های نوآورانه حباب ها را تجربه می کند. همچنین نتیجه می گیرد که وقتی نرخ تخفیف اقتصاد جدید به دلیل افزایش بتا بازار اقتصاد جدید افزایش می یابد ، قیمت سهام اقتصاد جدید بیشتر کاهش می یابد. توجه به این نکته حائز اهمیت است که چنین حباب قیمت سهام منطقی پیش بینی می شود اما پست سابق قابل مشاهده است. در همین راستا ، پرز [25] ادعا می کند که دو چرخه رونق اخیر-شیدایی اینترنت و تصادف در سال 2000 و رونق و نقدینگی آسان در اطراف سال 2008-دو عنصر جداگانه از یک واحد هستند. پدیده ساختاری. اولین چرخه رونق مبتنی بر نوآوری تکنولوژیکی بود ، در حالی که دوم مبتنی بر نوآوری مالی بود. براساس ادعای وی ، این "اپیزودها به روشی که اقتصاد بازار بالغ می شود و انقلاب های تکنولوژیکی پی در پی را جذب می کند ، بومی هستند. هنگامی که سرمایه گذاران شروع به هدف قرار دادن سود سرمایه به جای سود سهام می کنند ، اقتصاد واقعی در حال جدا شدن است و حباب ها شروع به شکل می گیرند. پس از فروپاشی متعاقب آن ، ارتباط مجدد به اقتصاد واقعی و آغاز مرحله ای وجود دارد که در آن سرمایه تولید تسلط بر سرمایه مالی را بر عهده می گیرد.

اخیراً ، ادعای یوجین فاما مبنی بر اینکه قیمت سهام حباب قیمت را تجربه نمی کند توسط گرین وود و همکاران مورد تجزیه و تحلیل قرار گرفت.(2018). با توجه به یافته های آنها ، به طور کلی پیش بینی غیرممکن است که افزایش قابل توجه قیمت با بازده بسیار پایین در سطح صنعت دنبال می شود. با این وجود ، پیگیری این رویدادهای رونق نمونه کارها در صنعت ، احتمال تصادف بعدی را به شدت افزایش می دهد. با توجه به برخی از صفات قیمت ، سرمایه گذاران می توانند حباب را پیش بینی کنند. در همین راستا ، Lehnert [19] ادعای آلن گرینسپان را ارزیابی می کند که حباب های قیمت سهام در مواقع سرخوشی ایجاد می شوند و به دلیل افزایش ترس معمولاً پشت سر می گذارند. بر اساس بازده صنعت ایالات متحده از سال 1959 تا 2014 ، وی کشف می کند که به طور متوسط ، سرخوشی و احساسات مثبت بازار در حدود یک سال قبل از سقوط صنعت به ترس تبدیل می شود. برای اجرای قیمت در صنایعی که در نهایت سقوط نمی کنند ، الگوی خاصی از سرخوشی وجود ندارد.

تشخیص حباب در زمان واقعی

من یک سریال تاریخی طولانی با وقایع بحران شناخته شده متعدد را در نظر می گیرم. شاخص قیمت سهام واقعی S& P 500 و سود سهام سهام واقعی سهام S& P 500 در این آمار گنجانده شده است که هر دو از وب سایت رابرت شیلر گرفته شده اند. از ژانویه سال 1871 تا دسامبر 2021 ، داده ها ماهانه نمونه برداری شد و در مجموع 1812 مشاهدات.

نسبت 14 قیمت متغیر ایده آل برای تجزیه و تحلیل است ، زیرا با توجه به معادله قیمت گذاری زیر ، قیمت دارایی ها را در رابطه با اصول منعکس می کند:

جایی که P_tقیمت پس از سود دارایی است ، D_tبازپرداخت دریافت شده از دارایی (یعنی سود سهام) ، r_fنرخ بهره بدون ریسک است ، شما_tنمایانگر اصول غیرقابل کنترل ، و ب_tمؤلفه حباب است.

به منظور شناسایی حباب ها ، یک روش این است که به دنبال شواهد تجربی از رفتار انفجاری در نسبت قیمت خانه (قیمت خانه تنظیم شده برای اجاره) باشد. یکی از تکنیک های قبلی ، آزمون محدودیت واریانس است که توسط شیلر ارائه شده است (به [34] مراجعه کنید ، که در صورت حباب منطقی ، تغییر قیمت دارایی مشاهده شده باید از مرز تحمیل شده توسط واریانس ارزش اساسی فراتر رود. با محدودیتی که تمرکز روی نوسانات قرار گرفته است ، عاملی که می تواند تحت تأثیر تغییرات در بازده مورد انتظار باشد ، می توان برای این منظور استفاده کرد حتی اگر در ابتدا برای آزمایش حباب ها آزمایش نشده باشد. ادبیات حباب ، کمپبل و شیلر [4] یک تکنیک غیرمستقیم جدید برای تشخیص حباب بر اساس آزمایش ریشه واحد ارائه می دهند. آنها استراتژی خود را بر اساس این مفهوم پایه گذاری می کنند که اگر اختلاف بین قیمت دارایی و ارزش ذاتی آن وجود داشته باشد ، به صورت انفجاری رفتار خواهد کردبه عنوان یک حباب. دو موردی که آنها شناسایی می کنند (i) وقتی قیمت دارایی از نظر سطح غیر ثابت است اما ارزش اساسی است ، و (ب) وقتی قیمت دارایی و ارزش اساسی غیر ثابت باشدریبا این حال ، در آن سناریوی دوم ، اگر قیمت دارایی و ارزش اساسی آن یکپارچه شود ، یک آزمون ادغام همکار لازم است و در نتیجه ، با گذشت زمان همبستگی دارند ، رفتار غیر ثابت آنها نشانه ای از این نیستوجود حباب. این فرضیه ارائه شده توسط کمپبل و شیلر [4] برای تعیین وجود حباب کافی است (به Diba و Grossman مراجعه کنید [7]. تست های ریشه واحد با دم چپ و تست های ادغام روش استاندارد در حباب استبا وجود اشکالات آنها ، به دلیل عدم توانایی در تمایز بین یک روند حباب به طور دوره ای و یک فرآیند ثابت ، این آزمایشات قادر به تشخیص حباب های انفجاری نیستند که به طور دوره ای حباب ها در سریال های زمانی فرو می روند ، به این معنی که حباب های فروپاشی "می شکنند" می شکند "می شکند" می توانند حباب های انفجاری را تشخیص دهند. خصوصیات غیر ثابت نمونه. بنابراین می توان از آزمون ریشه واحد چپ دم چپ استفاده کرد تا به اشتباه نتیجه گیری شود که یک سری زمانی با حباب های زیادی ثابت است و نتیجه گیری نادرست را ترسیم می کند که داده ها بدون حباب است. آزمایش حباب مستقیم اخیرروش ایجاد شده توسط فیلیپس و همکاران ، اشکالاتی از تست های ریشه واحد دم چپ (2011) را در نظر گرفته است. ORS آزمون ADF با دم راست را اتخاذ می کند. در حالی که فیلیپس و همکاران.₁(2011) از هر دو آزمون ADF با دم چپ و راست برای بررسی رفتار ریشه واحد ، فرضیه های جایگزین آنها-"رفتار ثابت" برای سابق و "خفیف انفجاری" برای دومی استفاده کرد. فیلیپس و همکاران.[26] با جستجوی مستقیم به دنبال شواهدی از رفتار انفجاری غیرخطی در داده ها ، مسئله فروپاشی دوره ای را به طور دوره ای برطرف کرد و از احتمال سوء تفسیر سوء استفاده از فرضیه تهی به دلیل رفتار ثابت جلوگیری کرد. ما از روش ردیابی حباب اخیراً فیلیپس و همکاران استفاده می کنیم (2015a ، 2015b). هدف از تکنیک PSY شناسایی پویایی انفجاری منطقه ای حباب های سوداگرانه است. روش آزمایش مبتنی بر تست ریشه واحد با دم راست با گزینه جایگزین انفجاری (حباب) و یک واحد ریشه ای NULL (اساسی بازار) است. آزمون PSY نیاز به انجام رگرسیون نمونه دارد. هدف این است که از هرگونه استراحت ساختاری یا تعویض رژیم در دوره نمونه مراقبت کنیم. اجازه دهید r₂ be the fractional starting and ending points of a subsample regression, with the corresponding ADF statistic denoted by (__>^_>و r₂)این الگوریتم آماری ADF را بارها و بارها در یک دنباله نمونه محاسبه می کند. فرض کنید r مشاهده علاقه است. نقاط پایان نمونه r₀از r متفاوت است₁به 1 و نقاط شروع نمونه r₂از اولین مشاهده تا r متفاوت است₀- r₀، جایی که r₀حداقل اندازه پنجره مورد نیاز برای شروع رگرسیون است (برای جزئیات بیشتر به فیلیپس و همکاران [28 ، 29] مراجعه کنید). در برنامه تجربی ، من اندازه پنجره را بر اساس قانون r بر روی 95 مشاهده نمونه تنظیم کردم

= 0. 01 + 1. 8/√ 1809 ، برای به حداقل رساندن احتمال تحریف اندازه. استنباط انفجار برای مشاهده r بر اساس مقدار SUP دنباله ADF است. فیلیپس و همکاران.[29] نشان می دهد که این استراتژی می تواند به طور مداوم تاریخ مبدا و خاتمه حباب های متعدد را تخمین بزند. مقادیر بحرانی برای آزمون را می توان با استفاده از یک روش بوت استرپ وحشی بدست آورد (به Milunovich و همکاران (2016) مراجعه کنید). پاورقی 2 فیلیپس و Shi [30] از این روش برای تجزیه و تحلیل قیمت سهام S& P 500 و ریسک حاکمیت در کشورهای اتحادیه اروپا بیش از سالهای 2001-2016 با استفاده از بازده اوراق قرضه دولتی و حق بیمه اعتباری (CDS) استفاده می کنند. تجزیه و تحلیل تجربی شبه واقعی از این داده ها ، اثربخشی استراتژی نظارت در ضبط رویدادهای کلیدی و نقاط عطف در ارزیابی ریسک بازار را نشان می دهد.

با توجه به اینکه آمار GSADF برای کل نمونه از آستانه بحرانی 1 ٪ راست خود فراتر می رود ، من شواهد محکمی پیدا می کنم که به طور کلی ، نسبت S& P 500 Price-Dividend Subperiods انفجاری را تجربه کرد. این مطابق با یافته های [28] فیلیپس و همکاران است. سپس با استفاده از تکنیک های دوست یابی PSY ، من یک آزمایش نظارت بر حباب در زمان واقعی را برای بازار سهام S& P 500 انجام می دهم. من از ژوئن سال 1878 با نتیجه گیری دوره نمونه با استفاده از مجموعه آموزشی 95 مشاهدات ، رفتارهای سری زمانی نسبت سود-سود را برای بازار ردیابی می کنم. نتایج تجربی حاصل از روش PSY در شکل 1 نشان داده شده است ، که نسبت S& P 500 قیمت سود-سود (به رنگ آبی ، راست) و دنباله آماری SADF عقب مانده (در محور سبز ، چپ) در برابر ارزش بحرانی 95 ٪ ADF را ترسیم می کند. دنباله (در محور قرمز ، سمت چپ). همانطور که مشاهده می شود و مطابق با فیلیپس و همکاران است.[28] ، دوره های مشخص شده از غرق شدن در بازار شامل دوره به اصطلاح پس از فشار طولانی مدت (1879M10-1880M04) ، قسمت سقوط بزرگ (1928M11-1929M10) ، رونق پس از جنگ (195M01-1956M04)) ، Blackmonmonday دراکتبر 1987 (1986M06-1987M09) ، و حباب Dot-Com (1995M11-2001M08). استراتژی PSY همچنین دو قسمت مربوط به فروپاشی بازار را به جای گسترش حباب ، یعنی سقوط بازار سهام 1917 (1917M08-1918M04) و بحران وام مسکن (2009M02 - M04) مشخص می کند. جالب اینجاست که استراتژی PSY همچنین یک جنبش انفجاری در بازار امروز از ژوئن سال 2021 مشخص می کند.