از ژانویه 2020، الزویر یک مرکز منبع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در مورد کروناویروس جدید COVID-19 ایجاد کرده است. مرکز منابع COVID-19 در Elsevier Connect، وب سایت خبری و اطلاعات عمومی شرکت میزبانی می شود. Elsevier بدینوسیله اجازه میدهد تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منبع COVID-19 در دسترس است - از جمله این محتوای تحقیقاتی - بلافاصله در PubMed Central و سایر مخازن با بودجه عمومی، مانند پایگاه داده COVID-19 WHO با حقوقاستفاده مجدد و تجزیه و تحلیل تحقیقات بدون محدودیت به هر شکل یا به هر وسیله ای با اذعان به منبع اصلی. این مجوزها تا زمانی که مرکز منبع COVID-19 فعال است توسط Elsevier به صورت رایگان اعطا می شود.
داده های مرتبط
چکیده
شیوع بیماری همه گیر کووید-19 به طور قابل توجهی بر اقتصاد جهانی و بازارهای سهام تأثیر منفی گذاشت. این مقاله به بررسی ریسکهای دنباله بازار سهام ناشی از همهگیری COVID-19 و چگونگی تأثیر این بیماری همهگیر بر همبستگی ریسک در بین بازارهای سهام در سراسر جهان میپردازد. مدل ارزش خودرگرسیون شرطی در ریسک (CAViaR) برای اندازه گیری ریسک های دنباله 28 بازار سهام منتخب استفاده می شود. علاوه بر این، شبکههای همبستگی ریسک برای توصیف همبستگی ریسک بین بازارهای سهام در طول دورههای مختلف ساخته شدهاند. از طریق تجزیه و تحلیل پویا از همبستگی های ریسک، تأثیر همه گیری COVID-19 بر بازارهای سهام در سراسر جهان به صورت کمی مورد بررسی قرار می گیرد. نتایج موارد زیر را نشان میدهد: (1) همهگیری COVID-19 باعث ایجاد ریسکهای دنبالهدار قابل توجهی در بازارهای سهام در اکثر کشورها شده است، در حالی که بازارهای سهام چند کشور تحت تأثیر این همهگیری قرار نگرفتهاند.(ii) توپولوژی شبکه های همبستگی ریسک در طول همه گیری COVID-19 متراکم تر شده است. تأثیر همهگیری COVID-19 انتقال ریسک را در بازارهای سهام آسانتر میکند.(iii) افزایش نزدیکی رابطه ریسک بین کشورهایی با همبستگی اقتصادی کمتر بسیار بیشتر از کشورهایی با همبستگی اقتصادی بالاتر در طول همهگیری COVID-19 شده است. برای محققان و سیاست گذاران، این یافته ها پیامدهای عملی همبستگی ریسک در بین بازارهای سهام را نشان می دهد.
1. مقدمه
از آغاز قرن بیست و یکم، تعداد فزاینده ای از موارد اضطراری بزرگ در سراسر جهان رخ داده است، بنابراین توجه روزافزون به تأثیر آنها بر اقتصاد، به ویژه بازار سهام، جلب شده است. همهگیری COVID-19 در 30 ژانویه 2020 توسط سازمان بهداشت جهانی به عنوان یک وضعیت اضطراری بهداشت عمومی با نگرانی بینالمللی اعلام شد. این بیماری همه گیر بسیار گسترده تر از همه گیری سارس (چن و همکاران، 2009) و ویروس ابولا (Del Giudice & Paltrinieri, 2017) گسترش یافته و افراد بیشتری را در سراسر جهان آلوده کرده است. تا جولای 2021، نزدیک به 180 میلیون مورد ابتلا به کووید-19 و 4 میلیون مرگ ناشی از کووید-19 در سراسر جهان وجود داشت. COVID-19 به طور قابل توجهی بر جامعه، اقتصاد و بازار سهام تأثیر منفی گذاشته است. از اواخر فوریه تا اواخر مارس 2020، بسیاری از شاخصهای بازارهای سهام کاهش شدید مداوم و به دنبال آن نوسانات مکرر و بهبود آهسته را تجربه کردند (Zhong & Wu, 2020). به عنوان مثال، میانگین صنعتی داوجونز ایالات متحده از 29290 به 20087 بین فوریه تا مارس 2020 کاهش یافت. سپس با اجرای سیاست های مختلف برای مقابله با همه گیری، این شاخص به تدریج به 25400 در پایان می 2020 افزایش یافت (Hu, n. d.). در حقیقت، در محیط اقتصادی بینالمللی که به طور فزایندهای به هم متصل میشود، جلوگیری از گسترش سریع ریسکهای مالی در طول شرایط اضطراری بزرگ در سراسر جهان به موضوع مهمی برای مقامات دولتی و دانشگاهیان تبدیل شده است. این مقاله بررسی میکند که آیا کووید-۱۹ باعث ایجاد ریسکهای دنباله بازار سهام شده است یا خیر و چگونه این بیماری همهگیر بر همبستگی ریسک بازارهای سهام در سراسر جهان تأثیر میگذارد. یافتههای این مقاله میتواند به محققان و سیاستگذاران در درک بهتر همبستگی ریسک در بازارهای سهام کمک کند.
برخی از مطالعات تأثیر COVID-19 را بر بازارهای سهام بررسی کرده اند (Harjoto, Rossi, & Paglia, 2021؛ Onali, 2020؛ Ozili & Arun, 2020؛ Rizwan, Ahmad, & Ashraf, 2020). هارجوتو و همکاران(2021) بررسی کرد که چگونه شوک نامطلوب بی سابقه COVID-19 بر رشد اقتصادی کشورها به شوک منفی برای بازارهای سهام تبدیل شد. نتایج نشان داد که تأثیر COVID-19 در کشورهای نوظهور با کشورهای توسعه یافته متفاوت است. Au Yong and Laing (2021) واکنش بازار سهام ایالات متحده به COVID-19 را با تمرکز بر قرار گرفتن در معرض بین المللی شرکت ها بررسی کردند. نتایج نشان داد که بینالمللیسازی به شرکتهای چندملیتی کمک میکند تا در درازمدت در برابر شوکهای اقتصادی ناشی از COVID-19 مقاومتر باشند. باک، موهانتی و گلمبوسکی (2020) تأثیر COVID-19 بر نوسانات بازار سهام ایالات متحده را از منظر نوسانات کمتر به بالاتر که با مدل AR سوئیچینگ مارکوف شناسایی شده است، مورد مطالعه قرار دادند. العوضی و همکاران(2020) از تجزیه و تحلیل داده های تابلویی برای آزمایش تأثیر COVID-19 بر بازار سهام چین استفاده کرد. یافتهها نشان داد که رشد روزانه در کل موارد تایید شده و کل موارد مرگ ناشی از COVID-19 به طور قابلتوجهی بر بازده سهام در همه شرکتها تأثیر منفی گذاشته است. این مطالعات تأثیر COVID-19 بر بازارهای سهام را از منظر بازده و نوسانات بررسی کردند. با این حال، همبستگی ریسک ذاتی بین بازارها مورد بررسی قرار نگرفت.
مطالعات قبلی اندازه گیری های مختلف ریسک را برای بررسی ریسک سیستم در بازارهای مالی اتخاذ می کند. در مطالعات قبلی ، ضریب همبستگی متقابل (Hautsch ، Schaumburg ، & Schienle ، 2015 ؛ Patro ، Qi ، & Sun ، 2013) و تجزیه و تحلیل مؤلفه اصلی (Kritzman et al. ، 2011) به طور گسترده در اندازه گیری ریسک مورد استفاده قرار گرفتند. در مطالعات بعدی ، روش های ارزش در معرض خطر (VAR) (Linsmeier & Pearson ، 2000) و ارزش شرطی در معرض خطر (COVAR) روشهای (Adrian & Brunnermeier ، 2011 ؛ Xu et al. ، 2019 ؛ Zehri ، 2021) محبوب ترین روش هابه دلیل تخمین دقت آنها. ابزید و همکاران.(2021) با استفاده از کوار و دلتا کوار ، سرریز ریسک پریشانی سیستمیک بین بازار جهانی سهام و بورس سهام فردی در کشورهایی را که بیشتر تحت تأثیر Covid-19 قرار گرفته اند ، بررسی کرد. نتایج تجربی نشان داد که مسری ریسک سیستمیک دو متغیره بین بازار جهانی سهام و هر بازار سهام فردی در طول دوره نمونه تکامل یافته و به عنوان گسترش Covid-19 در سراسر جهان شدت می یابد. ژانگ و همکاران.(2020) در مورد خطر دم بازار سهام چین تحقیق کرد و دریافت که طبق مدل کوار ، در هنگام تصادفات بازار ، بازار سهام در معرض ریسک سیستمیک تر است. ارزش خودجوش شرطی در مدل ریسک (خاویار) ، که توسط Engle و Manganelli (2004) پیشنهاد شده است ، با استفاده از یک فرآیند خودجوش ، تکامل مقدار کمی را با گذشت زمان مشخص می کند و پارامترها را با استفاده از کمی رگرسیون تخمین می زند. آلن ، سینگ و پاول (2012) مدل خاویار را در شاخص های بازار سهام استرالیا و نمونه ای از سهام به کار بردند و اثربخشی چهار مشخصات مختلف مدل را در مجموعه ای از آزمایشات در نمونه و خارج از نمونه آزمایش کردند. وو (2020) مدل خاویار را به سه شاخص مختلف ، یعنی شاخص کامپوزیت امنیتی شانگهای ، شاخص سهام بورس سهام شانگهای و شاخص مؤلفه امنیتی شنژن در بورس سهام چین اعمال کرد. در مقایسه با روشهای سنتی VAR و متغیرهای متغیر ، مدل خاویار هیچ فرضیه ای در مورد توزیع درآمد ایجاد نمی کند بلکه به طور مستقیم ویژگی های رفتار دم توزیع درآمد را بررسی می کند. این مدل شکل اتو را برای مدل سازی کوانتین پویا اتخاذ می کند. روش خاویار مزایای آشکاری دارد ، به ویژه برای داده های مالی که از توزیع عادی پیروی نمی کنند.
روشهای اقتصادسنجی سنتی میتوانند همبستگیهای بین مؤسسات مالی را تخمین بزنند. با این حال، این روش ها ممکن است سهم ریسک سیستمیک موسسات مالی بسیار به هم پیوسته را دست کم بگیرند زیرا این روش ها نمی توانند همبستگی ریسک موجود در توپولوژی شبکه های مالی را بدست آورند. نظریه شبکه ابزار قدرتمندی برای تجزیه و تحلیل سیستمهای مالی پیچیده بوده است و در حوزه مالی محبوبتر میشود. تئوری شبکه میتواند سیستم مالی را به یک شبکه مالی با مجموعهای از گرهها و لبهها انتزاع کند، در نتیجه ساختار و پیچیدگی زیربنایی سیستم را آشکار میکند (Levy-Carciente و همکاران، 2015؛ Battiston و همکاران، 2016؛ Zhang، Chen. و شائو، 2021) (بیلیو و همکاران، 2012) یک شبکه علیت گرنجر (که به عنوان شبکه سرریز میانگین نیز شناخته می شود) برای مطالعه ارتباط متقابل و ریسک سیستمیک در بین صندوق های تامینی، کارگزاران، بانک ها و بیمه گذاران پیشنهاد کردند. عوامل خارجی اقتصاد کلان و بازار، (فنگ و همکاران، 2018) یک شبکه ریسک دنباله برای ارائه ریسک سیستمی کلی موسسات مالی چینی ایجاد کردند. وضعیت اقتصاد کلان، ویژگیهای شرکت و حرکت تاریخی قیمت، اثر سرریز ریسک از دیگر شرکتها عامل اصلی محرک ریسک خاص شرکت بود. موسسات مالی با استفاده از شبکه علیت گرنجر و تجزیه و تحلیل مؤلفه های اصلی و تجزیه و تحلیل بیشتر ویژگی های ساختار توپولوژی شبکه با استفاده از شاخص های مرکزیت. مطالعات تجربی نشان دادهاند که شبکههای علّی نهادهای مالی چینی دارای ویژگیهای جهانی کوچک و بدون مقیاس هستند، با تعداد اتصالات به طور چشمگیری در دورههای آشفتگی افزایش مییابد، بنابراین نشاندهنده ارتباط قویتر در سیستم مالی در طول بحران است.
در مطالعات فوق، تاثیر COVID-19 بر بازارهای سهام از دیدگاههای مختلف مورد بررسی قرار گرفته است. با این حال، بیشتر مطالعات بر ریسک سیستمیک در کشورها یا بازارهای مالی در طول همهگیری COVID-19 متمرکز شدهاند. علاوه بر این، مطالعات کمی مدل CAViaR و نظریه شبکه را برای بررسی همبستگی ریسک در بین بازارهای سهام در کشورهای مختلف ترکیب کردهاند. برای پر کردن این شکاف تحقیقاتی، با استفاده از مدل CAViaR، این مقاله با تجزیه و تحلیل همبستگی ریسک بازارهای سهام در سراسر جهان، ریسک دنباله را تحت تأثیر COVID-19 اندازهگیری میکند. سهم اصلی این مقاله سه مورد است: (1) این مقاله از مدل CAViaR برای اندازهگیری ریسکهای دنباله بازارهای سهام در سراسر جهان در طول همهگیری COVID-19 استفاده میکند. نتایج نشان میدهد که COVID-19 باعث ایجاد ریسکهای دنبالهدار قابل توجهی در بازارهای سهام در بیشتر کشورها شده است، در حالی که بازارهای سهام تعداد معدودی از کشورها تحت تأثیر COVID-19 قرار نگرفتهاند.(2) یک شبکه همبستگی ریسک برای مطالعه همبستگی ریسک بین بازارهای سهام در سراسر جهان در دورههای مختلف در طول همهگیری COVID-19 ساخته شده است. نتایج نشان میدهد که توپولوژی شبکه همبستگی ریسک در طول همهگیری COVID-19 متراکمتر شده است.(3) تغییر روزانه در طول زمان در همبستگی ریسک بین کشورها در این مقاله بررسی شده است. نتایج نشان میدهد که افزایش نزدیکی رابطه ریسک بین کشورهایی با همبستگی اقتصادی پایینتر بسیار بیشتر از کشورهایی با همبستگی اقتصادی بالاتر در طول همهگیری COVID-19 است.
باقیمانده این مقاله به شرح زیر سازماندهی شده است: بخش 2 روش اندازه گیری ریسک مورد استفاده در این مقاله را شرح می دهد. بخش 3 داده ها را توصیف می کند. در بخش 4 ، تأثیر COVID-19 در بورس سهام و شبکه همبستگی ریسک در طول همه گیر COVID-19 مورد بحث قرار گرفته است. سرانجام ، اظهارات نتیجه گیری در بخش 5 آورده شده است.
2. اندازه گیری خطر
در این مقاله ، از مدل خاویار به عنوان اندازه گیری ریسک برای بررسی تأثیر COVID-19 در بازارهای جهانی استفاده می شود. از آنجا که داده های سهام معمولاً از توزیع عادی پیروی نمی کنند ، ثابت شده است که مدل خاویار روشی مؤثرتر برای اندازه گیری خطر دم بازار سهام است (Abad ، Benito ، & López ، 2014). مدل خاویار یک معادله نیمهرامتری مبتنی بر مدل رگرسیون کوارتیل (QR) است (Koenker & Bassett ، 1978). مدل QR متغیر مستقل را با توجه به مقدار مشروط متغیر وابسته برای به دست آوردن مدل رگرسیون در زیر همه مقادیر ، رگرسیون می کند. بنابراین ، در مقایسه با رگرسیون معمولی حداقل مربعات (OLS) ، QR می تواند تأثیر متغیرهای مستقل را بر تغییرات محلی در متغیرهای وابسته توصیف کند ، بنابراین QR می تواند با دقت بیشتری تأثیر متغیرهای مستقل را در محدوده متغیرهای وابسته و متغیرهای وابسته توصیف کند. شکل توزیع مشروط. مدل QR می تواند ویژگی دم توزیع را هنگامی که متغیر مستقل بر توزیع متغیر وابسته متفاوت در قسمت های مختلف تأثیر می گذارد ، ضبط کند. به عنوان مثال ، هنگامی که یک انحراف چپ یا راست وجود دارد ، مدل QR می تواند ویژگی های توزیع را به صورت جامع تر توصیف کند تا یک تحلیل جامع به دست آورد. علاوه بر این ، برآورد ضریب مدل QR قوی تر از تخمین ضریب OLS است. بیان ریاضی QR به شرح زیر است:
در جایی که Y یک متغیر تصادفی را نشان می دهد که بازگشت شاخص در این مقاله است و F (y) عملکرد توزیع مداوم راست را نشان می دهد. سپس ، مقدار مربوطه در τ به صورت زیر تعریف می شود: