جستجوی فعالیت حباب یا رفتار نوع حباب در قیمت دارایی ، علاقه تاریخی را به خود جلب کرده است ، که از لاله های هلندی در سالهای 1634-1637 آغاز شده است (گاربر ، 1989). حباب ها در کارهای اخیر ثبت شده اند. مانند ، از جمله ، فیلیپس و همکاران.(2011) ، فیلیپس و همکاران.(2015) ، Bettendorf & Chen (2013) ، Narayan et al.(2016) و Hu & Oxley (2017). پیام این است که حباب ها و بحران ها پیوند مستقیمی دارند و ادبیات مربوط به حباب ها ناشی از وقایع یا بحران های شدید است. وجود حباب در قیمت ها نشان دهنده ناکارآمدی بازار است - از دیدگاه نظریه ، شواهدی در مورد حباب ها امکان آزمایش فرضیه کارایی بازار را فراهم می کند.

موضوع این یادداشت فرقی نمی کند. با الهام از پیامدهای COVID-19 (نگاه کنید به Sha & Sharma ، 2020) ، ما می پرسیم که آیا فعالیت حباب در نرخ ارز در دوره COVID-19 شدت یافته است. ما از فیلیپس و همکاران استفاده می کنیم.(2011) مدل تست حباب (شرح داده شده در بخش II) برای بررسی رفتار نوع حباب در چهار نرخ ارز ، یعنی دلار کانادا (CAD) ، ین ژاپنی (ین) ، یورو اروپا (یورو) و پوند انگلیس (GBP). یافته اصلی ما این است که فعالیت حباب کلی در دوره مشخص شده توسط همه گیر Covid-19 شدت می یابد. در دوره قبل از Covid-19 (ژوئیه 2019 تا دسامبر 2019) بر اساس داده های نرخ ارز ساعتی ، به ترتیب تعداد ساعت حباب ها را به ترتیب 80 ، 97 ، 99 و 115 برای CAD ، ین ، یورو و GBP می یابیم. بشرتعداد حباب های مربوط به نمونه COVID-19 (ژانویه 2020 تا سپتامبر 2020) 101 ، 241 ، 134 و 170 ساعت بود. این بدان معنی است که فعالیت حباب در بازار نرخ ارز در تمام بازارهای دوره COVID-19 افزایش یافته و در مورد ین بیش از دو برابر شده است. پیامدهای آن واضح است: بازارهای نرخ ارز در دوره COVID-19 ناکارآمد شدند.

این یادداشت ، با بررسی فعالیت حباب نرخ ارز ، دستور کار تحقیقات آینده را برای گسترش این موضوع تعیین می کند. برای این منظور ، با توجه به ماهیت اولیه کار ما و محدود به فضا در یک ژورنال نامه ، محدودیت های مختلفی از کار ما وجود دارد. اول ، ما آزمایش استحکام را به تحقیقات آینده واگذار می کنیم. دوم ، در حالی که ما از تست حباب های منفرد استفاده می کنیم ، چندین تست حباب نیز وجود دارد ، مانند تست تعمیم یافته Dickey-Fuller (ADF ، 1979) ، که در اصل یک نسخه نورد از تست SUP ADF است (به فیلیپس و همکاران ، 2015 مراجعه کنید.). مطالعات آینده می تواند این موضوع را نیز کشف کند. حرف ما این است که اگر فعالیت یک حباب در دوره COVID-19 شدید باشد ، آزمایش دو حباب حتی قوی تر خواهد بود. ما این را برای تأیید مطالعات آینده ترک می کنیم. سوم ، کار تجربی ما ریشه در تئوری کارآیی بازار دارد. در حالی که وجود فعالیت حباب بیشتر دلالت بر این دارد که بازارهای نرخ ارز در دوره COVID-19 ناکارآمد می شوند ، ما در بازار نرخ ارز درگیر استراتژی های معاملاتی نمی شویم. ما این را برای مطالعات آینده ترک می کنیم.

در بسته شدن ، ما تأکید می کنیم که ادبیات کمیاب در مورد نرخ ارز وجود دارد-کوای د-1 19 رابطه علی رغم ادبیات بزرگ و رو به رشد در مورد Covid-19 (به الوادحی و همکاران ، 2020 ؛ Devpura & Narayan ، 2020 ؛ Ertuğrul et al.، 2020 ؛ Fu & Shen ، 2020 ؛ Gil-Alana & Monge ، 2020 ؛ Gu et al. ، 2020 ؛ Haroon & Rizvi ، 2020a ، 2020b ؛ Huang & Zheng ، 2020 ؛ Iyke ، 2020a ، 2020b ؛ Liu et al. ، 2020؛ ناریان ، 2020 ؛ شین و همکاران ، 2020 ؛ A. Salisu & Adediran ، 2020 ؛ A. A. Salisu et al. ، 2020 ؛ Afes A. Salisu & Vo ، 2020 ؛ Xiong et al. ، 2020 ؛ Zaremba et al. ، 2020؛ ژانگ و همکاران ، 2020). در این ادبیات ، ما فقط با دو مطالعه روبرو می شویم که پویایی نرخ ارز را در مقابل همه گیر بررسی می کند. ناریان و همکاران.(2020) نشان می دهد که ین پیش بینی کرده است که بازار سهام ژاپن به شدت در دوره COVID-19 بازگردد و نشان می دهد که محتوای اطلاعات موجود در ین در طول همه گیر ثروتمندتر است. ما با نشان دادن فعالیت حباب بیشتری که می تواند به عنوان منبع اطلاعات در طول همه گیر درک شود ، کمک می کنیم. Iyke (2020a) نشان می دهد که COVID-19 نرخ ارز را پیش بینی می کند ، مانند مطالعه ما نشان می دهد که بین همه گیر و نرخ ارز رابطه وجود دارد.

سرانجام ، کار و یافته های ما با مواردی که در حباب نرخ ارز است سازگار است. در این راستا ، هو و اكسلی (2017) شواهد مختلط حباب ها را در تعداد زیادی ارز پیدا می كنند در حالی كه Bettendorf & Chen (2013) رفتار انفجاری را در GBP پیدا می كنند اما استدلال می كنند كه این شاید توسط قیمت های نسبی کالاهای معامله شده رانده شود به گونه ای كه GBP ممكن است GBPبا حباب های منطقی مشخص نمی شود. ما در دو جبهه متفاوت هستیم: اول ، ما از فرکانس بالا (داده های ساعتی) بر خلاف داده های ماهانه که عمدتاً توسط ادبیات استفاده می شود ، استفاده می کنیم. و دوم ، ما داده های همه گیر Covid-19 را در نظر می گیریم.

ما در بخش بعدی داده ها ، مدل و نتایج را مورد بحث قرار می دهیم. خلاصه ای در بخش III به عنوان نتیجه گیری از این یادداشت ارائه شده است.

ii. آزمایش حباب در نرخ ارز

یک مدل

رویکرد ما برای محاسبه حباب ها از یک روش اقتصاد سنجی اخیر که توسط فیلیپس و همکاران تهیه شده است ، پیروی می کند.(2011). روش آزمایش مبتنی بر مدل رگرسیون ADF آشنا است که از شکل زیر است:

In this model, ER is one of the four exchange rates we have. We have a dataset that is sampled hourly. We have a 17-hour day, starting at 1:00am and ending at 5:00pm. The data sample is from 01/07/2019: 2:00am to 04/09/2020: 5:00pm. We source all data from REFINITIVE, Datascope. The full-sample of data is split into a pre-COVID-19 (01/07/2019: 2:00am to 31/12/2019: 5:00pm) and the COVID-19 sample (1/01/2020: 1:00am to 04/09/2-2-: 5:00pm). The optimal lag length, k , is Schwarz Information Criterion based. The null hypothesis is that there is a unit root, which is tested as (H_: ho = 0) against the alteative hypothesis (H_>0 ) ، نشان دهنده ریشه انفجاری است. فیلیپس و همکاران.(2011) تخمین مدل ADF را با استفاده از حداقل مربعات پیشنهاد می کند. رویکرد ما همان روش رگرسیون بازگشتی است که به موجب آن مدل ADF به صورت بازگشتی با استفاده از زیر مجموعه های داده های نمونه تخمین زده می شود. آمار آزمون t مربوطه به دنبال روش بیان شده در فیلیپس و همکاران تولید می شود.(2011). پنجره اولیه را روی 100 ساعت تنظیم کردیم. مقادیر بحرانی مورد استفاده برای آزمایش فرضیه تهی توسط ( text سمت چپ (S RIGHT) = frac داده شده است<logleft( logleft( ext ight) ight)>)با تولید این t-Statistics و مقایسه آنها با مقدار بحرانی ، تعداد ساعاتی را که T-statistic محاسبه شده از مقدار بحرانی بیشتر است ، به دست می آوریم. این به دنبال رویکرد ناریان و همکاران است.(2016). برای دور زدن محدودیت های آزمایش ADF ، ما همچنین از تست SUP-ADF که مبتنی بر پنجره است استفاده می کنیم و مقادیر مهم آن با استفاده از شبیه سازی مونت کارلو محاسبه می شود. به فیلیپس و همکاران مراجعه کنید.(2015) برای جزئیات بیشتر در مورد روش و جدول 1 برای جزئیات بیشتر در مورد مقادیر بحرانی.

ب - نتایج

نتایج ما در جدول 1 خلاصه شده است. برای شروع ، به پانل A مراجعه می کنیم که نتایج نمونه کامل توصیف شده است. نکته اول توجه در مورد نتایج آزمون زیر ADF گزارش شده در آخرین ستون جدول است. در طول دوره کامل از داده ها ، فرضیه تهی یک ریشه واحد فقط برای CAD رد می شود ، و نشان می دهد که از چهار ارز فقط نرخ ارز کانادا با رفتار انفجاری مشخص می شود. ما اکنون انفجار ارزها را در نمونه های قبل از کاوی د-11 و COVID-19 مقایسه می کنیم. ما می دانیم که در نمونه قبل از Covid-19 ، هیچ یک از این سریال هیچ مدرکی از رفتار انفجاری نشان نمی دهد. یعنی فرضیه تهی یک ریشه واحد را نمی توان در سطح 10 ٪ رد کرد. با مقایسه ، می بینیم که در دوره COVID-19 ، تهی ریشه واحد به نفع انفجاری برای ین ، CAD و GBP رد می شود ، نشان می دهد که فقط برای یورو هیچ مدرکی از رفتار نوع حباب وجود ندارد.

مجموعه بعدی نتایج در مورد شدت فعالیت حباب است. همانطور که در بخش II. A ذکر شد ، رویکرد ما در برآورد تعداد ساعت حباب ها در دو زیر نمونه از داده ها از ادبیات پیروی می کند. ما با دلار کانادا شروع می کنیم و می بینیم که در دوره قبل از COVID-19 ، 80 ساعت وجود داشت که فعالیت حباب در آن تشخیص داده شد. در نمونه COVID-19 ، 26. 25 ٪ به 101 ساعت افزایش یافت. برای یورو ، فعالیت حباب از 99 ساعت (قبل از COVID-19) به 134 ساعت (نمونه Covid-19) افزایش یافت-35. 35 ٪ افزایش فعالیت حباب. در مورد GBP ، افزایش مربوطه از 115 ساعت به 170 ساعت بود که نشان دهنده رشد فعالیت حباب 47. 83 ٪ بود. سرانجام ، ما متوجه می شویم که ین ژاپنی بیشترین پرش در فعالیت حباب را از 97 ساعت در دوره قبل از کاوید-19 به 241 ساعت در دوره COVID-19 شاهد بود. این به میزان 148. 45 ٪ در فعالیت حباب افزایش می یابد.

ما همچنین تعداد ساعات مداوم فعالیت حباب را در هر دو دوره تخمین زده و گزارش می کنیم. به جز CAD ، تمام ارزها تعداد بیشتری از ساعات مداوم فعالیت حباب در دوره COVID-19 را در مقایسه با دوره قبل از COVID-19 مشاهده کرده اند. باز هم ، ین بزرگترین پرش در فعالیت حباب را می بیند.

iiiنتایجی که اظهار شده

در این یادداشت ما شروع به بررسی فعالیت حباب در نرخ ارز با انگیزه پیامدهای گسترده تر همه گیر Covid-19 می کنیم. با استفاده از چهار ارز (CAD ، ین ، یورو و GBP) که در فرکانس ساعتی نمونه برداری شده است ، نشان می دهیم که در دوره قبل از COVID-19 (ژوئیه 2019 تا دسامبر 2019) هیچ مدرکی مبنی بر انفجار در نرخ ارز به جز CAD وجود ندارد. در نمونه COVID-19 (ژانویه 2020 تا سپتامبر 2020) ، شواهد قوی تری از انفجار نرخ ارز مشاهده می کنیم: به جز یورو ، همه ارزها با رفتار انفجاری مشخص می شوند. از نظر فعالیت حباب ، تعداد ساعتهای فعالیت حباب در دوره COVID-19 را در مقایسه با نمونه قبل از COVID-19 مشاهده می کنیم. نتیجه می گیریم که شدت فعالیت حباب در دوره COVID-19 افزایش یافته است ، دلالت بر این دارد که به طور متوسط بازار نرخ ارز نسبت به قبل از آن در این بیماری ناکارآمدتر شده است.

جدول 1: نتایج آزمایش حباب

در این جدول نتایج آزمایش حباب برای چهار ارز ، یعنی دلار کانادا (CAD) ، ین ژاپنی (ین) ، یورو اروپا (یورو) و پوند انگلیس (GBP) گزارش شده است. نمونه داده ها از 01/07/2019: 2:00 صبح تا 04/09/2020: 5:00 PM است. نمونه کامل داده ها به یک قبل از covid-19 تقسیم می شود (01/07/2019: 2:00 صبح تا 31/12/2019: 5:00 PM) و نمونه Covid-19 (1/01/2020: 1: 00 صبح تا 04/09/2-2-: 5:00 بعد از ظهر). فرضیه تهی این است که یک ریشه واحد وجود دارد که بر خلاف فرضیه جایگزین یک ریشه انفجاری آزمایش می شود. این ایده مبتنی بر فیلیپس و همکاران است.(2011) ، که در آن یک مدل افزودنی دیکی فولر (ADF) با استفاده از حداقل مربعات تخمین زده می شود. ما مدل ADF را به صورت بازگشتی با استفاده از زیر مجموعه های داده های نمونه تخمین می زنیم. آمار آزمون t مربوطه به دنبال روش بیان شده در فیلیپس و همکاران تولید می شود.(2011). پنجره اولیه را روی 100 ساعت تنظیم کردیم. مقادیر بحرانی مورد استفاده برای آزمایش فرضیه تهی توسط ( textit سمت چپ (S RIGHT) = frac داده شده است<logleft( logleft( ext ight) ight)>)با تولید این t-statistics و مقایسه آنها با مقدار بحرانی ، تعداد ساعاتی را که t-statistic محاسبه شده از مقدار بحرانی (ستون 2) و طولانی ترین دوره ساعتی حباب (ستون 3) بیشتر است ، به دست می آوریم. مقادیر مهم برای آزمون SUP-ADF (ستون آخر) با استفاده از شبیه سازی مونت کارلو با استفاده از 500 تکرار خاص برای سه نمونه از داده ها تولید می شود. مقادیر مهم در سطح 1 ٪ ، 5 ٪ و 10 ٪ در پانل D. ارائه شده است. سرانجام ، *** اهمیت آماری را در سطح 1 ٪ نشان می دهد - یعنی فرضیه تهی یک ریشه واحد به نفع یک رد می شودسریال انفجاری.

ارسال شده: 13 اکتبر 2020 AEST

پذیرفته شده: 21 اکتبر 2020 AEST