تأثیر معاملات گزینه شاخص بر نوسانات بازار سهام در چین: یک تحقیق تجربی

  • 2021-12-25

در این مطالعه ، ما تأثیر معرفی گزینه های شاخص SSE 50ETF را بر نوسانات بازار سهام با استفاده از یک رویکرد ارزیابی داده های پانل بررسی می کنیم. بر اساس وابستگی مقطعی بین شاخص های بین المللی سهام و شاخص های کلان اقتصادی ، ما نوسانات ضد خلاف شاخص SSE 50 را تخمین می زنیم و می یابیم که معرفی گزینه های شاخص باعث کاهش نوسانات بازار سهام در دراز مدت می شود. یافته های اصلی برای مدلهای اقتصاد سنجی جایگزین ، از جمله تجزیه و تحلیل مؤلفه اصلی ، مدل Garch-Family و رگرسیون لاسو قوی است. نتایج این مقاله حاکی از آن است که معرفی گزینه های شاخص SSE ابزارهای مدیریت ریسک را در اختیار سرمایه گذاران قرار می دهد و کشف قیمت را در بازار سهام بهبود می بخشد.

1. مقدمه

تأثیر اقتصادی تجارت شاخص یا گزینه ها در نوسانات بازار نقطه توجه دانشگاهی طولانی مدت را طی دهه های گذشته به خود جلب کرده است. مطالعات نشان می دهد که معاملات آتی اطلاعات اضافی را برای تشکیل قیمت در بازار سهام با افزایش راندمان کشف قیمت فراهم می کند و از این طریق نوسانات بازار را کاهش می دهد. چنین تأثیراتی در دوره هایی از نوسانات شدید بازار ، مانند سقوط بازار سهام ایالات متحده در سال 1987 و بحران مالی جهانی 2007-2009 متمرکز شده است. با این حال ، اگر سرمایه گذاران غیر منطقی باشند ، تجارت گزینه ها و آینده ممکن است با اثر اهرم همراه باشد. صداهای اضافی که به بازار اضافه شده است ، نوسانات بازار سهام را افزایش می دهد. بنابراین ، درک تأثیر تأثیر سیاست تجارت مشتق بر نوسانات بورس سهام ، بینش های اساسی را برای تنظیم مالی و مدیریت ریسک در بازارهای مالی فراهم می کند.

توسعه مشتقات مالی در سراسر جهان بسیار زیاد بوده است. به عنوان نماینده محصولات مشتقات مالی ، گزینه ها و معاملات آتی به ابزارهای اساسی برای سرمایه گذاران برای انجام مدیریت ریسک و شیوه های محافظت در ایالات متحده ، ژاپن ، سنگاپور ، کره جنوبی و هنگ کنگ تبدیل شده است. چین همچنین به طور پی در پی معرفی شاخص اوراق بهادار چین (CSI) 300 FUTURES INDEX (آوریل 2010) ، گزینه های شاخص بورس سهام شانگهای (SSE) 50ETF (9 فوریه 2015) و گزینه های شاخص 300 CSI (23 دسامبر 2019). گزینه های شاخص SSE 50ETF اولین محصول مشتق در یک صندوق اصلی مبادله در چین است. این نقش مهمی در ارائه ابزارهای متنوع سرمایه گذاری و مدیریت ریسک به سرمایه گذاران ایفا کرده است. براساس گزارش توسعه بازار گزینه های سهام از بورس اوراق بهادار شانگهای ، در سال 2018 ، حجم معاملات گزینه های شاخص SSE 50ETF به 316 میلیون قرارداد با ارزش کلی 8. 53 تریلیون CNY رسیده است. گزینه های شاخص SSE 50ETF به یکی از گزینه های برجسته شاخص جهان تبدیل شده است. با این حال ، مطالعات نسبتاً کمی در مورد گزینه های شاخص SSE 50ETF وجود دارد ، و مطالعات در مورد تأثیر گزینه های شاخص SSE 50ETF بر نوسانات بازار سهام اساساً از مدل GARCH-FAMILY استفاده می کند ، نه رویکرد ارزیابی داده های پانل.

در این مطالعه، ما از رویکرد ارزیابی داده‌های تابلویی برای بررسی اثر معرفی گزینه‌های شاخص SSE 50ETF بر نوسانات بازار سهام استفاده می‌کنیم. هدف ما تخمین اثر سیاست علی با ساخت نوسانات خلاف واقع با توجه به وابستگی مقطعی در بین شاخص‌های اصلی به دلیل برخی عوامل مشترک غیرقابل مشاهده است. ما دریافتیم که معرفی گزینه های شاخص SSE 50ETF به طور قابل توجهی نوسانات بازار سهام را در بلندمدت کاهش می دهد، با استفاده از 14 شاخص مالی بین المللی و چندین شاخص اقتصاد کلان داخلی برای ایجاد نوسانات خلاف واقع با رویکرد ارزیابی داده های تابلویی. نتایج ما نسبت به روش‌های برآورد جایگزین، از جمله تجزیه و تحلیل مؤلفه‌های اصلی، مدل خانواده GARCH و رگرسیون LASSO قوی باقی می‌ماند.

مطالعه ما دو جنبه به ادبیات کمک می کند. ابتدا، ما رویکرد ارزیابی داده های تابلویی را که توسط Hsiao و همکاران توسعه داده شده است، اعمال می کنیم.(2012) برای بررسی اثر معرفی گزینه های شاخص. مزیت این رویکرد این است که با توجه به وابستگی مقطعی بین شاخص‌های بازار مالی بین‌المللی و شاخص‌های کلان اقتصادی، می‌توان نوسانات خلاف واقع منطقی را تخمین زد. پیشرفت‌ها در ادغام با بازارهای مالی بین‌المللی و همزیستی با قراردادهای آتی اعتبار رویکرد اقتصادسنجی ما را افزایش می‌دهد و برآورد دقیق نوسانات خلاف واقع را تسهیل می‌کند. علاوه بر این، می‌توانیم سوگیری متغیر حذف شده را که در مدل‌های خانواده GARCH سنتی رایج است، دور بزنیم. دوم، در شرایطی که بیشتر مطالعات موجود در ادبیات بر بازارهای توسعه‌یافته، به‌ویژه بازار ایالات متحده تمرکز می‌کنند، ما بر گزینه‌های شاخص و بازار سهام در چین، دومین اقتصاد بزرگ جهان، تمرکز می‌کنیم. ثالثاً، اگرچه چن و همکاران.(2013) اثر معاملات آتی شاخص را با استفاده از رویکردی مشابه مورد بررسی قرار داد، مطالعه ما شواهد جدیدی در مورد توسعه اخیر محصولات اختیار معامله، گزینه های شاخص SSE 50ETF ارائه می دهد که تأثیر زیادی بر بازار مالی در چین دارد. پیشینه جدید مطالعه ما سقوط بازار سهام در چین در سال 2015 و این واقعیت است که چین به شدت در حال بهبود شفافیت معاملات اختیار معامله است. علاوه بر این، مطالعه ما به طور خلاقانه تأثیر معرفی گزینه های شاخص SSE 50ETF بر نوسانات بازار سهام را به تأثیر کوتاه مدت و تأثیر بلند مدت تقسیم می کند.

ادامه این مقاله به شرح زیر سازماندهی شده است. بخش 2 ادبیات مربوطه را مرور می کند. بخش 3 داده ها، جزئیات رویکرد ارزیابی داده های تابلویی و آمار خلاصه را شرح می دهد. بخش 4 یافته های تجربی، بررسی های استحکام و بحث را ارائه می کند. و در نهایت، بخش 5 مطالعه را به پایان می رساند.

2. ادبیات مرتبط

بسیاری از مطالعات تجربی تأثیر معاملات آتی شاخص یا معاملات اختیاری را بر نوسانات بازار سهام بررسی کرده اند. تحقیقات مربوطه به Figlewski (1981) در مورد تأثیر معاملات آتی انجمن ملی وام مسکن دولت ایالات متحده (GNMA) بر نوسانات بازار سهام ایالات متحده باز می گردد. با این حال، مطالعات بعدی شامل سیمپسون و ایرلند (1982)، کورگل و گی (1984)، و باتاچاریا و همکاران.(1986) هیچ شواهد قطعی برای حمایت از یافته های Figlewski (1981) پیدا نکردند.

در دهه های گذشته، تحقیقات در مورد این موضوعات به نتایج متفاوتی رسیده است. دیدگاه اول این است که معرفی قراردادهای مشتقه نوسانات بازار سهام را کاهش می دهد زیرا معرفی معاملات مشتقه کشف قیمت را تسهیل می کند (فلمینگ و همکاران 1996؛ جونگ و دوندرز 1998؛ آن و همکاران 2019؛ او و همکاران 2020). و بازار سهام را در ایتالیا (بولونیا و کاوالو 2002)، شش کشور صنعتی (آنتونیو و همکاران 2005) و چین (چن و همکاران 2013؛ کیائو و همکاران 2014؛ وو 2015؛ ژانگ و سونگ 2016؛ گائو و) تثبیت می کند. سان 2018؛ لیو و ژونگ 2018؛ آرکورفول و همکاران 2020).

دیدگاه مخالف این است که معرفی ابزارهای مشتقه نمی تواند نوسانات اساسی بازار سهام را کاهش دهد. مطالعات نشان می دهد که معاملات آتی ممکن است بازارهای سهام را به دلیل سفته بازی بیش از حد در ایالات متحده بی ثبات کند (دارات و رحمان 1995؛ پریکلی و کوتموس 1997). دلیل احتمالی دیگر این است که درجه بالای اهرم در بازارهای آتی ممکن است معامله گران نویز را جذب کند (Kurov 2008; Kutan et al. 2018). تحقیقات همچنین نشان داده است که معرفی اوراق بهادار یا اختیارات شاخص سهام، نوسانات بازار سهام در لهستان (Bohl et al. 2011)، کره (Xiong et al. 2011)، چین (Zhao et al. 2015؛ Gao and Sun) را افزایش می دهد. 2018)، ویتنام (Truong et al. 2021) و حتی در بازار بیت کوین (Jalan et al. 2021).

از نقطه نظر روش شناختی، اکثر مطالعات موجود، مدل های خانواده GARCH را برای بررسی اثر گزینه ها یا معاملات شاخص در بسیاری از بازارهای مالی در سراسر جهان اتخاذ کرده اند. نمونه‌ها عبارتند از GARCH تنظیم‌شده مارکوف (Bohl و همکاران 2011؛ Huo and Ahmed 2018؛ Arkorful و همکاران 2020)، GARCH-X (Staikouras 2006)، EGARCH (Nguyen and Truong 2020)، TGARCH (Li et al. 201)،و ترکیبی از ARMA-GARCH و TGARCH (Liu 2017). این مدل‌های خانواده GARCH، مدل‌های پیش‌بینی‌کننده ساده‌ای هستند، بدون اینکه ظرفیت ادعای یک اثر سیاست علّی را داشته باشند. علاوه بر این، این مدل‌های سری زمانی ممکن است از سوگیری متغیر حذف شده رنج ببرند و نتایج را در برابر عوامل غیرقابل مشاهده بازار آسیب‌پذیر کند.

پیشرفت‌های اخیر در ادبیات، رویکرد ارزیابی داده‌های تابلویی را برای بررسی اثر علیت سیاست‌های اقتصادی یا مالی مطرح کرده است. به عنوان مثال، Hsiao و همکاران.(2012) تأثیر سیاست محرک چین را بر اقتصاد هنگ کنگ ارزیابی کرده و افزایش رشد تولید ناخالص داخلی واقعی هنگ کنگ را حدود 4 درصد نشان می دهد. در مرتبط ترین کار چن و همکاران.(2013)، آنها رویکرد ارزیابی داده های تابلویی را مانند Hsiao و همکاران به کار می برند.(2012) برای بررسی اثر معاملات آتی شاخص CSI300 بر نوسانات بازار سهام چین و یافتن این که این نوسانات بازار سهام را کاهش می دهد. رویکرد مشابهی برای بررسی اثر مالیات بر دارایی (Bai et al. 2014; Du and Zhang 2015)، بسته محرک اقتصادی سال 2008 چین (Ouyang و Peng 2015)، پروژه های راه آهن پرسرعت (Ke et al. 2017)، و تأثیر سیاست های محدودیت خودرو بر توسعه حمل و نقل عمومی (ژانگ و همکاران 2019).

3. داده ها و روش

3. 1. داده ها و نمونه

داده های مورد استفاده در این مقاله عمدتاً از پایانه مالی WIND و تحقیقات بازار اوراق بهادار و حسابداری چین (CSMAR) به دست آمده است. ما بازده روزانه شاخص SSE 50، سایر شاخص های عمده بازار مالی بین المللی و شاخص های اصلی اقتصاد کلان داخلی در چین را جمع آوری می کنیم. دوره نمونه از مارس 2005 تا ژوئن 2018 طول می کشد و گزینه شاخص SSE 50ETF به طور رسمی در 9 فوریه 2015 معرفی شد.

با توجه به وابستگی مقطعی بین بازارهای مالی چینی و سایر بازارهای بین المللی ، شاخص های مهم بازار مالی بین المللی که ما انتخاب می کنیم می تواند به سه بخش تقسیم شود: شاخص های بازار مالی هنگ کنگ ، شاخص های بازار مالی منطقه آسیا و اقیانوسیه و عمده کشور های توسعه یافته غربیشاخص های بازار

در مرحله اول ، به دلیل همبستگی نزدیک بین بورس اوراق بهادار هنگ کنگ و بورس سهام در سرزمین اصلی چین (وانگ و جیانگ 2004 ؛ کوتان و ژو 2006) ، ما شاخص Hang Seng (HSI) را انتخاب می کنیم ، فهرست شرکت های Hang Seng Hong Kong Enterprises(HSCCI) ، و شاخص سازمانی Seng Seng China (HSCEI). ثانیا ، با توجه به ارتباط و تفسیر شاخص های بازار مالی منطقه آسیا و اقیانوسیه و شاخص بازار مالی چین ، ما فقط چندین کشور را با توسعه نسبتاً پیشرفته یا سرعت توسعه نسبتاً سریع در منطقه آسیا و اقیانوسیه انتخاب کردیم و نماینده ترین بازار مالی را انتخاب کردیمشاخص در آن کشور ، از جمله شاخص KOSPI کره (KS11) ، شاخص Nikkei 225 (N225) ، شاخص وزنی تایوان (TWII) و شاخص Straits Times Times (STI). سوم ، با توجه به تأثیر بازار بین المللی سهام در بازار سهام داخلی چین ، ما همچنین شامل چندین شاخص اصلی بازار مالی کشورهای توسعه یافته غربی هستیم. هنگام انتخاب این شاخص های بازار مالی ، ابتدا کشورهای غربی را با بازارهای مالی مشهور در جهان انتخاب کردیم و سپس نماینده ترین شاخص های بازار مالی این کشورها ، از جمله استاندارد ایالات متحده و شاخص 500 فقیر (SPX) ، انگلیس را انتخاب کردیم. شاخص FTSE 100 (FTSE) ، شاخص Frankfurt Dax آلمان (GDAXI) ، شاخص کامپوزیت S&P/TSX کانادا (GSPTSE) ، شاخص CAC 40 فرانسه (FCHI) ، شاخص Bovespa برزیل (BVSP) و شاخص S&P 200 استرالیا (AS51).

طبق گفته ابراهیم و عزیز (2003) و اوباوی و Evbayiro-Osagie (2012) ، شاخص های کلان اقتصادی داخلی از نزدیک با بازار سهام مرتبط هستند. از نظر شاخص های کلان اقتصادی داخلی ، ما شامل شاخص قیمت مصرف کننده CPI و نرخ رشد عرضه پول M1 و M2 در ساخت پیش بینی های ضد عملی ، که معمولاً در ادبیات مالی استفاده می شود.

ما نوسانات ماهانه شاخص SSE 50 و سایر شاخص های بین المللی بازار مالی را به عنوان انحراف استاندارد بازده روزانه ضرب شده توسط ریشه مربع روزهای معاملاتی محاسبه می کنیم. شاخص های کلان اقتصادی داخلی بر اساس نرخ رشد سالانه سالانه ساخته می شوند.

3. 2روش شناسی تجربی

به دنبال Hsiao و همکاران.(2012) و چن و همکاران.(2013) ، ما رویکرد ارزیابی داده های پانل را برای بررسی تأثیر معرفی گزینه های شاخص SSE 50ETF در نوسانات بازار سهام اعمال می کنیم. هدف ما ساختن یک گروه کنترل برای مشاهده تغییرات قبل و بعد از یک سیاست خاص یا محصول است. با توجه به وابستگی مقطعی در داده های پانل ، ما برای کاهش تعصب متغیر حذف شده در مدل های سنتی سری مانند GARCH ، نوسانات ضد خلاف را ایجاد می کنیم.

به گفته انگل و مارکچی (2006) و اندرسون و وهید (2007) ، فرض می کنیم که مدل فاکتور زیر می تواند نوسانات شاخص SSE 50 و شاخص های اصلی سهام سایر کشورها یا مناطق را توصیف کند:

جایی که f t عوامل متغیر زمانی k × 1 را نشان می دهد. B من یک بردار ثابت 1 × K را نشان می دهد. α من اثر ثابت را نشان می دهد. و ε i t اصطلاح خطا را نشان می دهد ، و E (ε i t) = 0.

تعریف y t = (y 1 t ،… ، y n t) ′ به عنوان بردار سفارش n × 1 y i t. علاوه بر این ، فرض کنید که y 1 t نشان دهنده نوسانات شاخص SSE 50 و y 2 t ،… ، y n t نشانگر نوسانات سایر شاخص های بازار است. گزینه های شاخص SSE 50ETF در زمان T 1 وارد بازار شدند. ورود گزینه های شاخص SSE 50ETF به عنوان یک اقدام یا سیاستی در نظر گرفته می شود که مورد بحث قرار می گیرد و ورود گزینه های شاخص SSE 50ETF فقط بر Y 1 T تأثیر می گذارد. بنابراین ، قبل از t 1 ، y 1 t بدون مداخله سیاست: y 1 t = y 1 t 0 ، t = 1 ،… ، t 1 بعد از t 1 ، برای y 1 t تحت مداخله سیاست ، وجود دارد:

  • نویسنده : اسماعیل مقدس زاده
  • منبع : technifyingkenya.tech
  • بدون دیدگاه

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.