تحلیل پویایی های نسبت بهینه پوشش ریسک در بازار سکه طلا: رهیافتMS_DCC
محورهای موضوعی : دانش مالی تحلیل اوراق بهادار
ساناز میری
1
(دانشجوی دکتری علوم اقتصادی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران ، ایران)
تیمور محمدی
2
(دانشیار گروه اقتصاد، دانشگاه علامه طباطبائی، تهران ، ایران.)
فرهاد غفاری
3
(دانشیار، گروه اقتصاد،دانشکده مدیریت و اقتصاد ،واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ،تهران ، ایران.)
کلید واژه: نرخ بهینه پوشش ریسک, قراردادهای آتی سکه طلا, مدل گارچ چند متغیره, مارکف سوئیچینگ,
چکیده مقاله :
دراین مقاله برای نخستین بار در محاسبه نسبت بهینه پوشش ریسک برای قراردادهای آتی سکه طلا، روش الگوی گارچ چند متغیره[i](MGARCH) از نوع همبستگی شرطی پویا[ii](DCC) با انتقال رژیمی مارکفی(MS)[iii] اجرا شده است .داده های مورد استفاده شامل بازده های روزانه نقدی و آتی سکه طلا در ایران از تاریخ6/1/ 1396 تا 29/1/ 1397 می باشد. نتایج مدل تغییر رژیم مارکف نشان می دهد که دوره زمانی مورد مطالعه تحت دو رژیم شناسایی می شود که یک رژیم بیانگر رژیم بازدهی پایین بازار آتی و رژیم دیگر بیانگر بازدهی بالای بازار آتی می باشد. بطور کلی می توان گفت پیش بینی ریسک بیشتر تحت تاثیر اخبار بد، سبب انتقال به رژیم با همبستگی زیاد و با از بین رفتن نااطمینانی به رژیم با همبستگی کم منتقل می شود به گونه ای که نرخ پوشش ریسک بدست آمده تحت این رژیم ها در طول زمان متغیر وهمواره کمتر از یک بدست آمده است و این به معنی هزینه کمتر نسبت به استراتژی پوشش ریسک ساده[iv]می باشد. درتحلیل اقتصادی نقاط اکسترمم سری زمانی نسبت های بهینه پوشش ریسک، نتایج حاکی از آن است که در بین نوسانات عمده، مینیمم مطلق در روز 25 مرداد 96، تحت تاثیرعواملی همچون انتقال نقدینگی از بازار آتی به بازار سهام درسیطره انتخابات و در 12 اسفند 96 ( نقطه ماکسیمم مطلق)، شرایطی مانند هدایت سرمایه گذاران به سمت دارایی های امن به دلیل هراس ترامپی در بازار ها موجب تغییرات چشمگیر نسبت مذکور شده اند. [i] Multivariate Generalized Auto -Regressive Conditional Heteroskedasticity [ii] Dynamic Conditional Correlation [iii] Markov Switching [iv] نسبت بهینه پوشش ریسک ساده برابر یک است
In this paper, for the first time ,calculation of optimal hedge ratio for future gold coin contracts has been conflated a multivariate GARCH model (dynamic conditional correlation) with Markov Switching (MS).To this end, we use spot and futures daily prices over the 2017 March through 2018 March in Iran.The results of the Markov regime switching model indicate that the study period is identified under two regimes, which is a regime that reflects the low correlation regime of the futures market and other regime indicating a high correlation on the future market. Furthermore, the optimal hedge ratio of futures contracts are less than 1 and it means the cost of this strategy is less than simple hedge ratio. In general, it can be said that a higher risk prediction under the influence of bad news leads to a transition to a high correlation regime, with the relief of uncertainty, it will be shifted in other regime. In the Economic Analysis of Extreme points of the time series of optimal hedge ratios, results show that among the major fluctuations, the absolute minimum of them is related to 2017 August 25 because of factors such as the transfer of liquidity from the futures market to the stock market at the election in Iran and the 12th of March (the absolute maximum point) because of reasons like managing investors towards secure assets due to fractures in the markets affected by fear of Trump have had dramatic changes in the aforementioned ratio.
* ابراهیمی، محسن و قنبری، علیرضا، ( 1388)، پوشش ریسک نوسانات درآمدهای نفتی با استفاده از قراردادهای آتی در ایران، پژوهشنامه اقتصادی، سال نهم، شماره 3.
* •اسکندری ودیگران (1394)، بررسی نسبت بهینه پوشش ریسک ارز با استفاده از قرارداد آتی طلا در بازار مالی ایران، مجله مهندسی مالی و مدیریت اوراق بهادار ، شماره بیست و پنجم / زمستان 1394.
* •بکی حسکوئی و خواجوند(1393) پیشبینی نوسانات بازارهای آتیهای نفت با استفاده ازمدلهای گارچ و مدلهای تغییر رژیم مارکف گارچ، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، شماره بیست و سوم پاییز 1393.
* •بهرامی، جاوید و اکبرمیرزاپور، باباجان، (1391)، نسبت بهینه پوشش ریسک در قراردادهای آتی سکه بهار آزادی مورد معامله در بورس کالای ایران، فصلنامه پژوهش ها و سیاست های اقتصادی ، شماره 24 ، ص 206-175.
* •سیاح، سجاد و صالح آبادی،علی،(1388)، ترجمه اثر جان هال،مبانی مهندسی مالی و مدیریت ریسک، کارگزاری مفید.
* Baillie, R., Myers, R., (1991), Bivariate GARCH Estimation of The Optimal Commodity Futures Hedge, Journal of Applied Econometrics, vol. 6.
* Basher, S. A.; Haug, A. A. and Sadorsky, P. (2015). "Oil prices, exchange rates and emerging stock markets". Energy Economics 34. Pp. 227-240.
* Brage, F., Martin, L., Meilke, K., (1989), Cross Hedging The Italian Lira/US Dollar Exchange Rate with deutsch Mark Futures, Journal of Futures Market, Vol. 9, PP.87-99.
* Bollerslev, T., (1990), Modeling The Coherence in Short-Run Normal Exchange Rates: Multivariate Generalized ARCH Model, The Review of Economics and Statistics.
* pelletier. D.’ 2004, Regime Switching for Dynamic Correlations.’ forthcoming in journal of Econometrics.
* Ederington, L., (1979), The Hedging Performance of The New Futures Markets, Journal of Finance, Vol. 34, PP. 157–170.
* Engle, R., Sheppard, K., (2011), Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH. NBER Working Paper, no.8554.
* Hamilton, J.D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2):357–384.
* Johnson, L., (1960), The Theory of Hedging and Speculation in Commodity Futures, Review of Economic Studies, Vol. 27, PP. 139–151.
* Lee, H. T., 2009a. Optimal futures hedging under jump switching dynamics. Journal of Empirical Finance16, 446-456.
* Pok, W., Poshakele, S., Ford, J., (2009), Stock Index Futures Hedging in The Emerging Malaysian Market, Global Finance Journal, Vol. 20, PP. 273-288.
* Tse, Y.K., K.C. Tsui (2002), “A Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model with Time Varying Correlations”, Journal of Business and Statistics, 20: 351-362
_||_