آزمایش رابطه بین بازده بازار سهام و تورم در نیجریه: آیا تأثیر همهگیری COVID-19 مهم است؟

این مقاله به عنوان بخشی از پاسخ اضطراری بهداشت عمومی COVID-19 به طور رایگان از طریق PubMed Central در دسترس است. می توان از آن برای استفاده مجدد و تجزیه و تحلیل تحقیقاتی نامحدود به هر شکل یا به هر وسیله ای با اذعان به منبع اصلی در طول مدت اورژانس بهداشت عمومی استفاده کرد.

خلاصه

با توجه به ترس محسوس ناشی از تهدید همه گیر COVID-19 و احساسات نزولی سرمایه گذاران سهام، این مطالعه یکی از اولین تلاش ها برای آزمایش تأثیر COVID-19 بر رابطه بازده بازار سهام و تورم است. به طور خاص، این مطالعه رابطه بازده-تورم بازار سهام را با کنترل اثر همه گیری COVID-19 در نیجریه از 27 فوریه 2020 تا 30 آوریل 2020 بررسی می کند. با استفاده از روش های برآورد مبتنی بر مدل های نوع هتروسکداستیکی شرطی خودبازگشتی تعمیم یافته (GARCH)(1،1)، GJR-GARCH) و آزمون های نوآوری حسابداری، نتایج ما نشان می دهد که COVID-19 نوسانات را افزایش می دهد و رابطه مثبت بین تورم و بازده بازار سهام را مخدوش می کند، که تمایل دارد فرضیه فیشر را نفی کند. علاوه بر این، نتایج نشان می دهد که اثرات منفی COVID-19 بر بازده بازار و اختلال آن در بازده بازار سهام - رابطه تورم ممکن است به سرعت از بین نرود، با توجه به اینکه مدت زمان همه گیری ناشناخته است. علاوه بر این، این یافته ها توسط آزمون های حسابداری نوآوری تایید می شوند. بنابراین، این مطالعه پیامدهای COVID-19 و نیاز فوری به تقویت بازار از طریق تلاش های مشترک را به سیاست گذاران ارائه می کند.

1. معرفی

شیوع ویروس کرونای جدید (SARS-CoV-2) با کد COVID-19، که در ووهان، مرکز استان هوبی در جمهوری خلق چین در حدود دسامبر 2019 آغاز شد، به یک بیماری همه گیر جهانی تبدیل شده است و به سرعت در سراسر سیاره گسترش یافته است. موارد عفونت و میزان مرگ و میر تایید شده به ترتیب نزدیک به پنج میلیون و چهارصد هزار تا در 18 می 2020 (سازمان بهداشت جهانی (WHO)، 2020). جدا از ترس محسوسی که همه گیری COVID-19 در سراسر جهان ایجاد کرده است، فعالیت های اقتصادی جهانی را به گونه ای مختل کرده است که از زمان همه گیری آنفلوآنزا در سال 1918 هرگز دیده نشده است. بیش از یک سوم جمعیت جهان در حال حاضر تحت برخی از اشکال قرنطینه، بسته شدن مرزها، و لغو گسترده پروازها هستند که باعث ایجاد اختلالات شدید در تجارت و گردشگری می شود (Ayittey، Ayittey، Chiwero، Kamasah، و Dzuvor، 2020). پیامدهای اقتصادی کروناویروس جدید شامل وقفه در زنجیره عرضه و تقاضای جهانی و کمبود مواد غذایی محلی مربوطه، کاهش قیمت دارایی ها، و عدم اطمینان شدید برای مشاغل چند ملیتی و محلی است (یوسف، 2020).

از اهمیت ویژه ای در مورد تأثیر اقتصادی COVID 19 ، تأثیر همه گیر Covid - 19 بر نوسانات بازار سهام در حضور قیمت حباب (تورم) است. این امر به این دلیل است که ، با ادامه عدم قطعیت های ناشی از همه گیر ، اثربخشی اقدامات سیاست همراه با احساسات سرمایه گذاران منفی و افزایش قیمت ها احتمالاً بر تصمیمات سرمایه گذاری بلند مدت تأثیر می گذارد. با این حال ، با توجه به فشارهای تورمی ، فرضیه فیشر (1930) که در غیر این صورت با عنوان "اثر فیشر" شناخته می شود ، اظهار می دارد که بازده بورس سهام اسمی مورد انتظار باید برابر با تورم مورد انتظار به علاوه نرخ واقعی بازده باشد. در واقع ، این فرضیه روشن می کند که سهام سهام نشان دهنده ادعاهای علیه دارایی های واقعی یک تجارت است. و به همین ترتیب ، ممکن است به عنوان پرچین در برابر تورم خدمت کند (Sokpo ، Iorember ، و Usar ، 2018). اگر این ادعای وجود داشته باشد ، سرمایه گذاران می توانند در ازای دارایی های واقعی ، هنگامی که افزایش انتظار می رود تورم تلفظ شود ، دارایی های مالی خود را بفروشند. در چنین شرایطی ، ایوانیدس ، کاتکرکیلیدیس و دریاچه (2005) اظهار داشتند که قیمت سهام اسمی باید تورم مورد انتظار را به طور کامل منعکس کند و رابطه بین این دو متغیر باید همبستگی مثبت داشته باشد. از نظر Lawal (2016) ، استدلال بازده بورس اوراق بهادار به عنوان پرچین در برابر تورم نیز ممکن است به این معنی باشد که سرمایه گذاران از طریق افزایش مربوط به بازده بورس سهام و در نتیجه واقعی ، به طور کامل جبران می شوندبازده بدون تغییر باقی می ماند.

با این حال ، خیلی طولانی نبود که عقاید واگرا ظاهر شد که فرضیه فیشر را به چالش می کشد. در دهه 1970 ، سرمایه گذاران دریافتند که نظریه فیشر از نظر کوتاه و میانی متلاشی شده است ، زیرا بازده بازار سهام با تورم ارتباط منفی دارد (شارپ ، 2002). همچنین ، مطالعات تجربی توسط بدی (1976) ، نلسون (1976) ، فاما و شورت (1997) و مودگلیانی و کوهن (1979) همه شواهد تجربی را برای نشان دادن رابطه معکوس بین بازده بورس و تورم ارائه دادند. در سال 1981 ، FAMA با یک پیشخوان به عنوان فرضیه پروکسی روبرو شد. فرضیه پروکسی که معمولاً به عنوان فرضیه عمومی پروکسی FAMA شناخته می شود ، استدلال می کند که ادعای رابطه مثبت بین بازده بورس و تورم بسیار جالب است ، و این نشان می دهد که بازده بورس سهام در برابر تورم محافظت نمی کند.

ادبیات مربوط به رابطه بین بازده بورس و تورم به خوبی ثبت شده است. اخیراً ، Alqaralleh (2020) در مطالعه ای در مورد رابطه بین بازده بورس سهام و تورم برای کشورهای G7. شواهد مجدداً بر اساس ARDL غیرخطی ، ثابت كرد كه دوره انبساط باعث افزایش بازار سهام بیشتر از دوره انقباض می شود و از این طریق از اثر فیشر حمایت می كند. همچنین با حمایت از فرضیه فیشر ، Kwofie و Ansah (2018) تأثیر تورم در بازده بازار سهام در غنا را بررسی کردند و رابطه طولانی مدت بین تورم و بازده بورس را پیدا کردند. مطالعات دیگری که از تأثیر فیشر پشتیبانی می کند شامل Li ، Balcilar ، Gupta و Chang (2016) برای چین و هند است. Kumuduni و Jameel (2016) برای کلمبیا ؛Omay ، Yuksel و Yuksel (2015) برای نمونه ای از 52 کشور جهان ؛Mireku ، Sarkodie و Poku (2013) برای غنا ؛Acaravci ، Acaravci و Ozturk (2011) برای ترکیه ؛و اوموتور (2010) ، ابراهیم و آگباج (2013) و اولوفیساایو (2013) برای نیجریه.

با توجه به فرضیه کلی پروکسی FAMA در مورد این ادعا که بازده بورس سهام در برابر تورم محافظت نمی کند ، سینگ و پادماکوماری (2020) واکنش بازده بورس سهام را با استفاده از داده های سری زمانی برای هند از 2012 تا 2018 بررسی می کنند و معکوس پیدا می کنند. رابطه بین بازده بورس و تورم. به طور مشابه ، سایر مطالعات تجربی که فرضیه پروکسی FAMA را تأیید می کنند شامل سوکپو و همکاران است.(2018) ، Emeka و Aham (2016) ، Uwubanmwen و Eghosa (2015) برای نیجریه ؛اوتینو ، نگوگی و وایر (2017) برای کنیا ؛سیلوا (2016) برای سری - لانکا ؛adusei (2014) برای غنا ؛و یه و چی (2009)) برای کشورهای OCED.

جالب اینجاست که هیچ یک از این مطالعات برای هر نوع بیماری پنوماتیک مانند همه گیر رمان Covid - 19 یا هر بیماری همه گیر در تاریخ اخیر کنترل نشده است ، حتی اگر یک بیماری همه گیر باعث ایجاد بحران جهانی و بحران اقتصادی با اختلال در عرضه و تقاضا شود ، سقوطاز قیمت نفت ، کاهش تولید ناخالص داخلی واقعی کشور ، باعث تجارت وحشت و تحریک مدار در بازار می شود.

این مطالعه با توجه به ترس قابل لمس ناشی از تهدید همه گیر Covid - 19 ، این مطالعه یکی از اولین تلاش ها برای آزمایش تأثیر Covi d-19 در بازده بورس سهام است. یعنی برای تعیین اینکه آیا بازار سهام در برابر تورم بازپرداخت می کند یا نه در دوره همه گیر Covid - 19؟به طور خاص ، این مطالعه با هدف بازنگری در بازده بورس سهام - رابطه تورم ، کنترل تأثیر بیماری همه گیر Covid - 19 در نیجریه با استفاده از مدل های نوع ناهمگونی مشروط خودجوش عمومی (استاندارد GARCH و GJR - GARCH) و آزمون های نوآوری حسابداری.

بقیه مقاله به شرح زیر ساخته شده است: بخش 2 بر تولید داده و روش تجزیه و تحلیل متمرکز است. بخش 3 در مورد نتایج تجربی بحث می کند و بخش 4 مطالعه را با توصیه های سیاست نتیجه می گیرد.

2. داده ها و روش شناسی

2. 1داده ها

داده های مورد استفاده در این مطالعه عبارتند از: موارد عفونت Covid - 19 در نیجریه که از گزارش های وضعیت روزانه منتشر شده توسط مرکز کنترل بیماری نیجریه (NCDC) (2020) استخراج شده و در پورتال WHO (2020) ثبت شده است. بازده بازار سهام روزانه (SMR) محاسبه شده از داده های شاخص سهم (ASI) منتشر شده توسط بورس اوراق بهادار نیجریه (NSE) (به معادله 1 مراجعه کنید). نرخ تورم روزانه (INF) از نرخ تورم ماهانه گزارش شده توسط دفتر ملی آمار (NBS) تجزیه شده است. نمونه ما دوره بین 27 فوریه 2020 و 30 آوریل 2020 (64 مشاهده) را به دلیل در دسترس بودن داده ها پوشش می دهد. پایگاه 27 فوریه 2020 تصویب شده است زیرا این تاریخ اعلام شده از پرونده فهرست Covi9 - 19 در نیجریه است ، در حالی که 30 آوریل 2020 تاریخ آخرین داده های تورم موجود در نیجریه است که توسط NBS منتشر شده است.

smr t = 100 * ln asi t asi t - 1

در جایی که SMR بازده بورس سهام را نشان می دهد ، ASI نشان دهنده شاخص سهام است ، T نشان دهنده دوره زمانی است.

2. 2مشخصات و توجیه مدل

سری زمانی مالی مانند بازده بورس سهام دارای سه ویژگی است که باعث می شود مدل سازی و تجزیه و تحلیل با آن متفاوت از سایر سری های زمانی عادی باشد. این شامل؛خوشه بندی نوسانات ، توزیع لپتوکورتیک و اثر اهرم. به عنوان مثال ، در طی یک شوک مالی یا بحران مانند موردی که توسط Covid - 19 ایجاد شده است ، اثر اهرم (یا کیفیت نامتقارن داده های سری زمانی مالی) برجسته می شود ، در نتیجه مدل سازی نوسانات را با روش های عادی غیرممکن می کند ، نه زمان ، زمان و نهmodels مدل های نوسانات متغیر مانند مدل های Arch یا Garch استفاده می شود (Rastogi ، 2014 ؛ Yousef ، 2020). رویکرد ترکیب ماهیت متغیر از نوسانات با استفاده از فرآیند قوس برای اولین بار توسط انگل (1982) پیشنهاد شد. علاوه بر این ، مدل های Garch Type (Garch ، Egarch ، GJR - Garch و Tgarch) توسط Bollerslev (1986) Glosten ، Jagaathan و Runkle (1993) ، Franses و Dick (1996) و Franses و Dick (2000) ساخته شدند تا غلبه کنند. برخی از محدودیت های مدل های قوس ، مانند افزایش بیش از حد و نقض محدودیت غیر منفی. برای این منظور ، خانواده مدلهای Garch به روش استاندارد برای مدل سازی نوسانات در سری زمانی مالی تبدیل شده اند. بنابراین ، این مطالعه از مدل استاندارد Garch (1،1) و مدل GJR - Garch استفاده می کند. مدل GARCH (1،1) مدل نامتقارن است که اغلب به عنوان نقطه شروع برای تجزیه و تحلیل نوسانات استفاده می شود. GJR - Garch از طرف دیگر یک مدل نامتقارن است که گمان می رود بهترین تناسب را در بین خانواده رقیب مدل های گارچ داشته باشد. این قدرت از دقت و پیش بینی بالاتری در مقایسه با وانیل گارچ و دیگران نیز برخوردار است. همچنین این اثر اهرم یا اثر نامتقارن را اندازه گیری می کند که یک واقعیت تلطیف شده از بازده بورس است. مشخصات کلی مدل GJR - GARCH با تورم و COVID - 19 در معادله واریانس به شرح زیر است:

σ t 2 = ω + γ 1 + Δπ t - 1 μ t - 1 2 + λ 1 σ t - 1 2 + φ 1 inf i + φ 2 covid i

where δ is the asymmetry or leverage effect parameter, and when δ>0 ، و قابل توجه ؛عدم تقارن یا اثر اهرم وجود دارد ، و شوک های منفی (اخبار بد) باعث افزایش نوسانات بازده بورس سهام بیشتر از اخبار خوب می شود. اما اگر Δ = 0 ، مدل به گارچ (1،1) فرو می رود که نشان می دهد هیچ اثر اهرمی وجود ندارد. ضرایب γ_{1 ,}λ_{1 وت}اثرات Arch (اخبار اخیر) و Garch (اخبار قدیمی) را به ترتیب نمایندگی کنید. علاوه بر این ، مقدار بالاتری از λ₁ضریب GARCH دلالت بر این دارد که مدت زمان زیادی طول خواهد کشید تا شوک ها واریانس شرطی را از بین ببرند یا از بین بروند ، و این نشان می دهد که نوسانات پایدار است. همچنین ، اگر مجموع اثرات قوس و گارچ (γ₁+ λ₁) نزدیک به 1 یا نسبتاً زیاد است ، سپس یک "شوک" در زمان t ادامه خواهد یافت ، که نشان دهنده شرایطی است که به عنوان "حافظه طولانی" یا پایدار بودن واریانس شرطی شناخته می شود.

علاوه بر این ، ما تست های نوآوری حسابداری را که در Usman ، Alola و Sarkodie (2020) و Usman ، Olanipekun ، Iorember و Ab u-Goodman (2020) که از توابع پاسخ به تکانه (IRF) و پیش بینی واریانس خطای تشکیل شده است ، اعمال می کنیم.) برای تجزیه و تحلیل پاسخ بازده بورس سهام و تورم به شوک های Covid - 19 برای گرفتن دینامیک کوتاه متغیرها.

3. نتایج و بحث ها

3. 1آمار توصیفی

جدول 1 اطلاعات در مورد آمار توصیفی و ماتریس همبستگی برای بازده بازار سهام (SMR) ، Coronavirus (Covid - 19) و تورم (Inf) ارائه می دهد. نتایج انحراف استاندارد در آمار توصیفی نشان می دهد که SMR و Covi d-19 بی ثبات ترین متغیرها در مقایسه با Inf هستند زیرا مقادیر آنها از میانگین دورتر است. نتایج همچنین نشان می دهد که بیشترین تعداد عفونت Covid - 19 ثبت شده در طول دوره مطالعه 204 بود. نتایج ماتریس همبستگی همبستگی کمی قوی و آماری معنی داری بین SMR و Inf و Inf و Covid - 19 نشان می دهد ، در حالی که اینهمبستگی بین SMR و COVID - 19 ضعیف است اما از نظر آماری معنی دار است. این یافته خطر ابتلا به چند قطبی در بین متغیرها را حذف نمی کند. از این رو ، نتیجه می گیریم که هیچ چند قطبی در مدل وجود ندارد. شکل 1 1 طرح زمانی متغیرها را در طول دوره مطالعه نشان می دهد. شکل 1 1 بیشتر طبیعت بی ثبات SMR و COVID - 19 را با گذشت زمان در حالی که Inf به مرور زمان افزایش می یابد. علاوه بر این ، شکل 2 میزان رشد Covid - 19 و SMR را نشان می دهد و شواهدی از نوسانات در متغیرها را در طول دوره مطالعه نشان می دهد. نوسانات منفی گسترده SMR منعکس کننده احساسات نزولی سرمایه گذاران از 27 فوریه با اعلام پرونده شاخص و عدم اطمینان در مورد تأثیر پاسخ های نظارتی و مالی به همه گیر COVID - 19 است.

میز 1

آمار توصیفی و ماتریس همبستگی