COVID-19 و بی ثباتی عملکرد بازار سهام: شواهدی از ایالات متحده آمریکا

دسترسی آزاد این مقاله تحت مجوز بین المللی Creative Commons Attribution 4. 0 مجوز است ، که اجازه می دهد تا زمانی که اعتبار مناسبی را به نویسنده اصلی (ها) و منبع بدهید ، به استفاده ، اشتراک ، سازگاری ، توزیع و تولید مثل اجازه دهید. پیوندی به مجوز Creative Commons ارائه دهید و نشان دهید که آیا تغییرات ایجاد شده است. تصاویر یا سایر مطالب شخص ثالث در این مقاله در مجوز Creative Commons مقاله گنجانده شده است ، مگر اینکه در یک خط اعتباری به مطالب مشخص شود. اگر مطالب در مجوز Creative Commons در مقاله گنجانده نشده باشد و استفاده در نظر گرفته شده شما توسط مقررات قانونی مجاز نیست یا از استفاده مجاز فراتر می رود ، باید مستقیماً از دارنده حق چاپ مجوز دریافت کنید. برای مشاهده نسخه ای از این مجوز ، به http://creativeecommons. org/licenses/by/4. 0/ مراجعه کنید.

داده های مرتبط

داده های موجود از نویسندگان در صورت درخواست.

خلاصه

تأثیر COVID-19 بر عملکرد بازار سهام پیامدهای مهمی برای تئوری مالی و عمل دارد. در این مقاله رابطه بین COVID-19 و بی ثباتی هر دو پیش بینی بازده سهام و نوسانات قیمت در ایالات متحده طی دوره اول ژانویه 2019 تا 30 ژوئن 2020 با استفاده از روشهای BAI و Perron بررسی شده است (Econometrica 66: 47-78، 1998. 10. 2307/2998540 ؛ J Appl Econo 18: 1 22 ، 2003. 10. 1002/jae. 659) ، الیوت و مولر (فرآیندهای شکستن عمومی بهینه در مدل های سری زمانی خطی. دانشگاه کالیفرنیا در مقاله کار اقتصادی سن دیگو ،2004) ، و Xu (J Econ 173: 126 142 ، 2013. 10. 1016/j. jeconom. 2012. 11. 001). این نتایج یک شکست واحد در پیش بینی و نوسانات قیمت هر دو S& P 500 و DJIA را نشان می دهد. زمان استراحت با شیوع Covid-19 سازگار است ، یا به طور خاص بیشتر سهام فروش سهام توسط اعضای کمیته سنا ایالات متحده قبل از سقوط Covid-19 در بازار. علاوه بر این ، پیش بینی بازگشت و نوسانات قیمت به دنبال وقفه مشتق شده به طور قابل توجهی افزایش یافته است. این یافته ها حاکی از آن است که بحران همه گیر با ناکارآمدی بازار همراه بوده و فرصت های سودآور را برای معامله گران و دلالان ایجاد می کند. علاوه بر این ، همچنین باعث نابرابری درآمد و ثروت بین شرکت کنندگان در بازار با نقدینگی فراوان و کمبود بودجه شد.

کلمات کلیدی: Covid-19 ، بازده سهام ، استراحت ساختاری ، ایالات متحده

معرفی

این بیماری رمان Coronavirus 2019 (COVID-19) منجر به ایجاد اختلال بی سابقه در اقتصاد ایالات متحده و همچنین کاهش بی نظیر در بازار سهام ایالات متحده شده است. به طور معمول ، یک قطع کننده مدار کلیدی در سطح بازار که برای جلوگیری از ریزش بورس سهام از کف آن طراحی شده بود ، چهار بار در مارس 2020 به ترتیب به ترتیب انجام شده است. ترس از بحران و تأثیر آن بر اقتصاد جهانی که به سرعت در سایر نقاط جهان گسترش می یابد. براساس این گزارش ‘Coronavirus: سهام ایالات متحده بدترین سقوط را از سال 1987 از چین روزانه در هفدهم مارس 2020 مشاهده می کند ، پس از آنکه بازار ایالات متحده بدترین امتیاز را در تاریخ کاهش داد ، بازارهای جهانی شاهد اسلایدهای مشابه بودند. یعنی عملکرد بازار ایالات متحده شاخص اصلی فراز و نشیب های بازارهای جهانی به ویژه در چنین شرایطی بود. بنابراین در این مقاله یک تحلیل جامع در مورد ارتباط بین COVID-19 و بی ثباتی عملکرد بازار سهام ایالات متحده (از جمله پیش بینی بازگشت و نوسانات قیمت) ارائه شده است ، که در هنگام تصمیم گیری سرمایه گذاری در زمان های دشوار به منافع سرمایه گذاران خدمت می کند (Kou et al. 2014 ، 2021). حقایق در گذشته ثابت می کند که بحران ها خطرات را القا می کنند ، اما همچنین فرصت های سرمایه گذاری ایجاد می کنند: پیش بینی بازده سهام و نوسانات قیمت به طور قابل توجهی در زمان های بد افزایش می یابد (به عنوان مثال ، شورت 1989 ؛ کوجین و هاسلر 2017 ؛ هنگ و همکاران 2018 ؛ لیو و همکاران 2020a ؛ ناریان2020a ، 2020b).

از زمان شیوع Covid-19 ، تعداد فزاینده ای در مورد واکنش های بازار سهام در مورد بحران وجود دارد (به عنوان مثال ، Ashraf 2020a ، B ؛ Baker et al. 2020 ؛ Le and Chen 2020 ؛ Mazur et al. 2020 ؛ Narayan et al. 2020 ؛ Topcu و Gulal 2020). اجماع وارد شده این است که قیمت سهام به شدت کاهش یافته و نوسان قیمت پس از بروز بیماری همه گیر تا حد زیادی بزرگ شده است. با این حال ، این مطالعات آزمایش نکردند که آیا و چه زمانی COVID-19 باعث ایجاد تغییرات چشمگیر در عملکرد بازار سهام با فرض عدم دانش قبلی در مورد محل استراحت شده است. علاوه بر این ، آنها فقط بر تغییرات قیمت و نوسانات متمرکز شده بودند ، اما نتوانستند مربوط به پیش بینی بازگشت باشند که یک موضوع مهم در ادبیات مالی است.

این مقاله با مطالعه بی ثباتی پیش بینی بازده سهام و نوسانات قیمت و ارتباط آن با COVID-19 ، شکاف تحقیق را پر می کند. با استفاده از داده های روزانه از اول ژانویه 2019 تا 30 ژوئن 2020 و تست های ساختاری استراحت که توسط بای و پررون (1998 ، 2003) ، الیوت و مولیر (2004) و Xu (2013) ارائه شده است ، می فهمیم که یک استراحت واحد وجود داردهر دو مدل پیش بینی S& P 500 و DJIA. این استراحت در اواسط اواخر فوریه 2020 اتفاق افتاد ، که زمان آن با شیوع Covid-19 یا به طور خاص تر فروش سهام توسط اعضای کمیته سنا ایالات متحده قبل از سقوط Covid-19 در بازار سازگار است. علاوه بر این ، ما همچنین شواهدی در مورد یک شکست واحد در نوسانات قیمت هر دو S& P 500 و DJIA ، که در 21 فوریه 2020 رخ داده است ، مشابه مورد پیش بینی بازگشت است. یافته های افزایش چشمگیر در پیش بینی بازگشت و نوسانات قیمت در COVID-19 نشان می دهد که این بیماری همه گیر فرصت های سرمایه گذاری سودآور را برای شرکت کنندگان در بازار ایجاد کرده است ، در حالی که افراد دارای نقدینگی فراوان در دست بیشترین سود را دارند. سیاست فدرال فدرال پمپاژ نقدینگی به سیستم مالی ممکن است باعث افزایش سودآوری در بازار سهام شود که ممکن است درآمد و نابرابری ثروت را افزایش دهد.

بنابراین این مقاله از دو طریق مهم به ادبیات موجود کمک می کند. اول ، مطالعات قبلی یا از تجزیه و تحلیل رویداد استفاده می کنند (به عنوان مثال ، نمونه را برای بررسی تفاوت عملکرد بازار سهام در زیر نمونه ها) یا تجزیه و تحلیل متغیر اگزوژن (به عنوان مثال ، رویدادهای اصلی را به عنوان متغیرهای برونزا و ایجاد مدل هایی که رابطه بین عملکرد بازار و آن متغیرها را ایجاد می کند ، انجام دهید.) برای تعیین چگونگی واکنش بورس سهام نسبت به شوک های خارجی (به عنوان مثال ، Mohanty و همکاران 2010 ؛ Ashraf 2020a ، B). این مقاله برای وقفه های ساختاری در مدل های پیش بینی کننده و نوسانات قیمت بدون متغیرهای COVID-19 آزمایش می شود و ارتباط بین آن شکستگی ها و COVID-19 را بررسی می کند ، بنابراین شواهد تجربی صریح در مورد اینکه آیا و چگونه بحران عمومی بر عملکرد بازار تأثیر می گذارد ، ارائه می دهد. دوم ، همچنین با مطالعه پیش بینی بازده سهام در هنگام وقوع Covid-19 ، به ادبیات می افزاید ، بنابراین شواهد بی سابقه ای ارائه می دهد که نشانگر فرصت های بالقوه سرمایه گذاری برای سرمایه گذاران است.

بقیه مقاله در ادامه شرح زیر است. اول ، ما به طور خلاصه ادبیات را مرور می کنیم. دوم ، ما داده های مورد استفاده برای تجزیه و تحلیل تجربی را شرح می دهیم. سوم ، ما نقش COVID-19 را در بی ثباتی پیش بینی بازده و نوسانات قیمت در بازار ایالات متحده ارزیابی می کنیم. سرانجام ، ما مقاله را با پیشنهادات به سرمایه گذاران و سیاست گذاران نتیجه می گیریم.

بررسی ادبیات

تعیین بازده و نوسانات آینده سهام

در مورد پیش بینی ، یک ادبیات بزرگ تعدادی از پیش بینی کننده ها را برای پیش بینی بازده سهام آینده مفید کرده است. این موارد شامل (اما محدود به آن نیست) سود سهام و سود سهام سود سهام (Fama and French 1988 ؛ Campell and Shiller 1988) ، نسبت به درآمد (Campell and Shiller 1988 ؛ Welch and Goyal 2008) ، نرخ بهره کوتاه (Campbell 1987؛ Ang and Bekaert 2007) ، گسترش مدت و پیش فرض (Campbell 1987 ؛ Fama and French 1989) ، و نسبت مصرف-سلامتی (Lettau and Ludvigson 2001). علاوه بر پیش بینی کننده ها ، تکنیک های پیش بینی نیز نقش مهمی در تعیین دقت پیش بینی دارند. طبق گفته Mallikarjuna و Rao (2019) ، تکنیک های رگرسیون سنتی به طور کلی از دیگران از جمله هوش مصنوعی و مدلهای دامنه فرکانس در ارائه پیش بینی های دقیق بهتر عمل می کنند.

از نظر نوسانات سهام ، محققان دانشگاهی برای تهیه پیش بینی های مدل های سنتی Garch با استفاده از شاخص ها بر اساس رفتار گذشته قیمت سهام و نوسانات استفاده می کردند (Gokcan 2000 ؛ Emenogu و همکاران 2020). مطالعات جدیدتر از موضوعاتی مانند فرضیات پارامتری ، اثرات اهرم و نامتقارن و تحولات قدرت و حافظه طولانی آگاه می شوند (به عنوان مثال ، بروکس 2007 ؛ باند و رنو 2012 ؛ هو 2013). در این مقاله ، ما مدل های GARCH را برای پیش بینی نوسانات معرفی می کنیم زیرا هدف ما آزمایش بی ثباتی فرآیند نوسانات است که در درجه اول بر اساس آن تکنیک های مدل سازی ساخته شده است.

رویدادهای اصلی و عملکرد بازار سهام

نوسانات بازده و قیمت دو شاخص مهم عملکرد بازار است. تغییرات آنها را می توان به دو دسته تقسیم کرد: تغییرات کوچک و پرش های بزرگ/کاهش (یا تغییرات دیگر ساختاری). طبق گفته های Glosten و Milgorm (1985) ، اولی توسط جریان اطلاعات یا تغییر نقدینگی ایجاد می شود در حالی که دومی ناشی از وقایع مهم از جمله بحران های مالی ، تغییر سیاست و بلایای طبیعی است. به عنوان مثال ، شورت (2011) در ماههای پس از بحران مالی در اواخر سال 2008 ، سطح بالایی از نوسانات بورس سهام را نشان می دهد. با استفاده از داده های 13 کشور OECD در دوره 1972 تا 2002 ، Ioannidis و Kontonikas (2008) این پولی را نشان می دهندتغییر سیاست به طور قابل توجهی بر بازده سهام تأثیر می گذارد. Landfear و همکاران.(2019) تأثیرات منفی غیر طبیعی در بازده سهام را به دلیل طوفان های زمین سقوط ایالات متحده اسناد می کند.

به عنوان یک بحران عمومی ، COVID-19 در حال آسیب دیدگی اقتصادی بی سابقه جهانی است (Phan and Narayan 2020). در یک مطالعه پیشگام اخیر ، گودل (2020) تأکید می کند که COVID-19 ممکن است تأثیر گسترده ای در بخش های مالی از جمله بازار سهام داشته باشد. شواهد تجربی همچنین از این بیانیه پشتیبانی می کند. به عنوان مثال ، بر اساس داده های 64 کشور (پیشرفته و در حال ظهور) در طی دوره 22 ژانویه 2020 تا 12 آوریل 2020 ، اشرف (2020a ، ب) دریافت که بازار سهام به طور منفی نسبت به Covid-19 واکنش نشان می دهد و این واکنش بسته به زمان متفاوت استدر صحنه شیوعهنگام گسترش داده ها به شاخص های اصلی 77 کشور ، لیو و همکاران.(2020b) تقویت کنید که این بیماری همه گیر شوک های منفی قابل توجهی در بازارهای جهانی سهام ایجاد می کند. Topcu و Gulal (2020) هنگامی که فقط روی بازارهای نوظهور تمرکز می کنند ، نتیجه گیری مشابهی را به دست می آورند. این که آیا تأثیر COVID-19 در بورس سهام زودگذر است یا دائمی بستگی به ماهیت بازارها دارد (گیل-آلانا و کلودیو-کواروگا 2020). اگرچه ادبیات اخیر گزارش می دهد که بازارهای جهانی سهام با بازده منفی به همه گیر COVID-19 واکنش نشان می دهند ، اشرف (2020a ، ب) واکنش یکنواخت را در سراسر کشورها پیدا می کند: پاسخ برای کشورهایی که از عدم اطمینان در سطح ملی بالاتر هستند قوی تر است.

با توجه به نوسانات ، بیکر و همکاران.(2020) خاطرنشان كرد كه "Covid-19 منجر به بالاترین نوسانات بورس سهام در بین همه بیماری های عفونی اخیر از جمله آنفولانزای اسپانیایی سال 1918 شده است."این همچنین توسط Baig و همکاران پشتیبانی می شود.(2020). شارما (2020) همچنین نشان می دهد که COVID-19 از نظر آماری تأثیر معنی داری بر نوسانات سهام دارد ، اما این تأثیر در واقع با کشورهای درگیر متفاوت است ، در حالی که بازارها در کشورهای با درآمد بالاتر در ابتدا بیش از حد واکنش نشان می دهند و سریعتر از کشورهای کم درآمد باز می گردندبشرانگلاردت و همکاران.(2020) ، از طرف دیگر ، استدلال می كنند كه بزرگی نوسانات بازار در واکنش به COVID-19 به اعتماد بستگی دارد: نوسانات در كشورهای معتبر بالا (از جمله اعتماد اجتماعی و اعتماد به دولت) به طور قابل توجهی كمتر است.

تست های شکستن ساختاری

تست های شکستگی ساختاری برای مدل های رگرسیون (مانند مدل های پیش بینی بازگشت) می توانند به Chow (1960) برگردند ، که یک آزمون F را برای یک استراحت واحد تهیه می کند و فرض می کند تاریخ استراحت شناخته شده است. آزمایش های دیگر برای یک استراحت ناشناخته ، براون و همکاران هستند.(1975) ، اندروز (1993) و اندروز و همکاران.(1996) به عنوان مثال. مطالعات جدیدتر تحقیقات قبلی را گسترش می دهد تا امکان وقفه های متعدد ، دینامیک ریشه واحد ، ناهمگونی و همبستگی سریال را فراهم کند (به عنوان مثال ، بای و پررون 1997 ، 1998 ، 2003 ؛ الیوت و مولر 2004 ؛ لی و همکاران 2021). تحقیقات تجربی بر اساس آن تکنیک های اقتصاد سنجی اخیر شامل PAYE و Timmermann (2006) ، Rapach و Wohar (2006) و Hong et al.(2018). در این مقاله ، ما روش Bai و Perron (1998 ، 2003) را در نظر می گیریم زیرا به ما امکان می دهد فواصل اطمینان را برای زمان وقوع وقفه و همچنین ضرایب اطراف نقاط شکست تعیین کنیم. برای استحکام ، ما همچنین شامل الیوت و مولر (2004) هستیم که انواع مختلفی از استراحت مانند استراحت های نادر ، بزرگ و همچنین آنهایی که دارای استراحت های کوچک و مکرر هستند ، جای می گیرد.

تعداد زیادی از مطالعات در مورد آزمایشات مربوط به شکستگی ساختاری در نوسانات وجود دارد. این موارد شامل پرکاربردترین موردی است که بر اساس جمع تجمعی (Cusum) سری مربع است. محققان بی شماری نسخه های تست تجربی از آزمون Cumsum را تهیه و اجرا کرده اند (به عنوان مثال ، Inclan and Tiao 1994 ؛ Lee and Park 2001 ؛ Rapach and Strauss 2008 ؛ Xu 2008). آنها در نحوه برخورد با ویژگی های بازگشت دارایی مانند غیر طبیعی بودن و وابستگی سریال متفاوت هستند. مسئله اصلی تست های مبتنی بر Cusum موجود ، همانطور که توسط Xu (2013) استدلال می کند ، این است که آنها بدون هیچ فرضیه جایگزین صریح ساخته شده اند. این آزمایشات را در معرض انتقاد به دلیل داشتن قدرت کم در عمل حتی اگر در برابر طیف گسترده ای از گزینه های دیگر سازگار باشد ، در معرض انتقاد قرار می دهد. بنابراین در این مقاله از روش Xu (2013) استفاده می شود ، که گزینه ای را مشخص می کند که امکان تغییر صاف و ناگهانی در نوسانات را فراهم می کند بدون اینکه توانایی تشخیصی آزمایش مبتنی بر CUSUM را به خطر بیاندازد. برای استحکام ، ما همچنین یک تست اصلاح شده را بر اساس اصل Lagrange Multiplier (LM) در نظر می گیریم.

داده ها

مجموعه داده های ما شامل دو شاخص اصلی بازار سهام ایالات متحده و متغیرهای پیش بینی کننده نگرانی برای سرمایه گذاران است. لازم به ذکر است که جدا از پیش بینی کننده های سنتی ، ما همچنین با توجه به اهمیت آنها به ویژه هنگامی که بحران ها به بازار می رسد ، احساسات و شاخص های فنی را در نظر می گیریم (به عنوان مثال ، ون و همکاران 2019). جدول جدول 1 تعریف ، در دسترس بودن داده ها و منبع داده برای کلیه متغیرهای مورد بررسی را نشان می دهد.

میز 1

جدول جدول 1 اطلاعات اصلی را برای بازده شاخص سهام و متغیرهای پیش بینی کننده نشان می دهد. P I = شاخص قیمت سهام برای هر دو سود سهام و تقسیم تنظیم شده است. v i x = شاخص نوسانات. اشتراک های T و T - 1 به ترتیب روز T و T - 1 هستند

چندین مشاهده مهم وجود دارد که باید ذکر شود. اول ، داده های روزانه برای تشخیص دقیق تر از وقفه های ساختاری در مدل های رگرسیون استفاده می شود. بنابراین ، پیش بینی کننده های سنتی مانند سود سهام ، نسبت به درآمد و نسبت مصرف-سلامت و میزان علاقه به سرمایه گذاران مانند نرخ بیکاری به دلیل فرکانس داده آنها درج نمی شوند. دوم ، یک دوره نسبتاً کوتاه از اول ژانویه 2019 تا 30 ژوئن 2020 معرفی شده است زیرا یک دوره طولانی تر ممکن است قدرت آزمون را افزایش دهد ، اما همچنین صداهای ناخواسته را معرفی می کند ، که باعث می شود ارتباط ما از وقفه های احتمالی با COVID-19 بسیار سخت تر شود. سوم ، طول تاخیر 1 فقط به عنوان قیمت سهام روزانه در نظر گرفته می شود و به سرعت می تواند اطلاعات موجود را در دسترس قرار دهد.

جدول 2 جدول 2 تجزیه و تحلیل توصیفی از بازده شاخص سهام و متغیرهای پیش بینی کننده را نشان می دهد. مشاهدات نشان می دهد که از اول ژانویه 2019 تا 30 ژوئن 2020 بازده شاخص به ترتیب 0. 0002 و 0. 0001 برای S& P 500 و DJIA بود. مقادیر کورتوز بازده (بیش از 16. 0000) نشان می دهد که پرش های بزرگ و حرکات شدید در هر دو بازار شیوع داشته است. این ممکن است به چهار محرک متوالی از مدار کل کلیدی در سطح بازار در تاریخ 9 مارس ، دوازدهم ، شانزدهم و 18 ، 2020 نسبت دهد. و تغییر در VIX (همچنین به عنوان "سنج ترس" نیز گفته می شود) در طی مدت مشابه به پایین به اندازه 0. 1156 (در مقایسه با بالاترین سطح 0. 1701) کاهش یافته است ، که نشان دهنده انقباضات احتمالی اقتصادی است.

جدول 2

آمار خلاصه: 01/01/2019 06/30/2020

جدول 2 میانگین، انحراف استاندارد (STD)، حداقل (حداقل)، حداکثر (حداکثر)، چولگی، کشیدگی و تعداد مشاهدات (تعداد Obs) را برای هر دو بازده شاخص سهام و متغیرهای پیش بینی در دوره ژانویه گزارش می کند. 1، 2019 تا 30 ژوئن 2020

COVID-19 و بی ثباتی قابل پیش بینی بازده سهام

ما با بررسی نقش COVID-19 در بی ثباتی پیش بینی پذیری بازده سهام ایالات متحده شروع می کنیم. اول، ما بر ایجاد مدل های رگرسیون معقول برای پیش بینی بازده آینده تمرکز می کنیم. دوم، وجود، مکان و اهمیت شکست های ساختاری در مدل های پیش بینی بازگشت را آزمایش می کنیم. در مرحله بعد، بررسی می کنیم که آیا وقفه های حاصل می توانند به COVID-19 مرتبط باشند یا خیر.

پیش بینی بازده سهام

همانطور که در جدول 1، 1 نشان داده شده است، متغیرهای پیش بینی کننده موجود برای استفاده برای پیش بینی بازده شاخص سهام Rt S & P 500 و Rt DJIA شامل SI t-1 US، TS t-1 US، DS t-1 US، CVIX t هستند.- 1 US , CTV t - 1 S & P 500 , CTV t - 1 DJIA , R t - 1 S & P 500 و R t - 1 DJIA . قبل از تنظیم مدل رسمی، همبستگی بین همه متغیرها را آزمایش می کنیم و نتایج ماتریس همبستگی را در جدول 3 ارائه می کنیم. 3 . واضح است که DS t - 1 US ، CVIX t - 1 US و R t - 1 رابطه قوی با هر دو بازده شاخص دارند.

جدول 3

ماتریس همبستگی: 01/01/2019 06/30/2020