قیمت طلا و نرخ ارز در دوره قبل و در دوره COVID-19 در هند: مدل سازی وابستگی با استفاده از کوپول ها

از ژانویه سال 2020 Elsevier یک مرکز منابع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در رمان Coronavirus Covid-19 ایجاد کرده است. مرکز منابع COVID-19 در وب سایت اخبار و اطلاعات عمومی شرکت Elsevier Coect میزبان است. Elsevier از این طریق اجازه می دهد تا تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منابع Covid-19 موجود است-از جمله این محتوای تحقیق-بلافاصله در مخازن PubMed Central و سایر سرمایه گذاری های عمومی ، مانند پایگاه داده WHO COVID با حقوق در دسترس باشد ، اعطا کند. تحقیقات بدون محدودیت دوباره استفاده و تجزیه و تحلیل به هر شکلی یا به هر وسیله با تأیید منبع اصلی. این مجوزها تا زمانی که مرکز منابع COVID-19 فعال باشد ، توسط Elsevier به صورت رایگان اعطا می شود.

خلاصه

این مطالعه به بررسی رابطه پویا بین قیمت طلا و نرخ ارز در همه گیر COVID-19 در هند می پردازد. ما دوره های تقریباً مساوی را برای قبل و در طول COVID-19 با در نظر گرفتن داده ها از اول ژانویه 2019 تا 28 فوریه 2021 در نظر می گیریم. تجزیه و تحلیل توصیفی افزایش قابل توجهی در پویایی قیمت طلا و نرخ ارز پس از آن نشان می دهداواسط ماه مارس 2020. نتایج حاصل از رویکرد ARDL رابطه مثبت و معناداری بین قیمت طلا و نرخ ارز در طولانی مدت و کوتاه نشان می دهد. ما بهترین کوپول دو متغیره مناسب را برای مطالعه توزیع مشترک قیمت طلا و نرخ ارز انتخاب کرده ایم. با استفاده از مدل Copula ، رابطه بین قیمت طلا و نرخ ارز در یک چارچوب دو متغیره را بررسی می کنیم. ما وابستگی بین آنها از جمله وابستگی های دم را با استفاده از کوپول مجهز بررسی کرده ایم. یافته های ما نشان می دهد که قیمت طلا و نرخ ارز برای کل دوره مطالعه به طور قابل توجهی ارتباط دارد و همچنین نشان می دهد که هیچ وابستگی به دم وجود ندارد. با این حال ، ارتباط متقابل بین متغیرها در دوره COVID-19 در نظر گرفته نشده است.

1. معرفی

هند چهارمین واردکنندگان بزرگ طلا (Mukherjee and Mukherjee ، 2020 ؛ Bank Bank of India ، 2019) و صادر کننده اصلی جواهرات طلا (گروه بازرگانی ، وزارت تجارت و صنعت ، دولت هند) در جهان است. به نظر می رسد که نوسانات قیمت طلا نگرانی عمده ای برای سیاست گذاران و دولت در حفظ تراز پرداخت (BOP) و ذخیره ارز است. آمار نشان می دهد که واردات طلای هند در سال مالی 2020-212 به 34. 6 میلیارد دلار افزایش یافته است که نسبت به سال گذشته 22. 6 درصد افزایش یافته است (وزارت تجارت و صنعت ، دولت هند). افزایش قیمت طلا بر کسری حساب جاری هند (CAD) و استهلاک روپیه تأثیر خواهد گذاشت. کتابچه راهنمای آمار بانک مرکزی هند (2021) افزایش واردات طلا را به عنوان یکی از مهمترین دلایل استهلاک روپیه در سال 2020 نشان می دهد. با توجهاقتصاد. افزایش قیمت طلا ، ارز داخلی را کاهش می دهد که باعث عدم تعادل در تعادل تجارت و در نتیجه رشد اقتصادی می شود (خانی و همکاران ، 2021 ؛ سینگال و همکاران ، 2019 ؛ جین و قوش ، 2013 ؛ Sjaastad ، 2008 ؛ Tully and Lucey ، 2007؛ Sjaastad and Scacciavillani ، 1996). برعکس ، افزایش قیمت طلا ثروت را از وارد کننده کشور به کشور صادر کننده منتقل می کند (Bal and Rath ، 2015).

به همین ترتیب ، نوسانات در نرخ ارز منجر به تأثیرگذاری بر قیمت طلا برای کشورهای وارداتی مانند هند می شود. به طور خاص ، هنگامی که روپیه های هندی نسبت به سایر ارزها کاهش می یابد ، سرمایه گذاران ممکن است طلا را ترجیح دهند تا از خطرات جلوگیری کنند (Verma and Dhiman ، 2020 ؛ Jain and Biswal ، 2016 ؛ Joy ، 2011 ؛ Capie et al. ، 2005) که باعث افزایش در آن می شودقیمت های طلا (Reforedo ، 2012). در همین زمان ، از طلا نیز به عنوان پرچین در برابر ریسک در طی بحران اقتصادی و مالی استفاده می شود (سالیسو و همکاران ، 2021 ؛ آروی و همکاران ، 2015 ؛ قادان و یاگل ، 2012 ؛ هود و مالک ، 2013). با بیان متفاوت ، طلا در زمان نوسانات کلان اقتصادی قابل توجه یک پناهگاه امن محسوب می شود و توسط سرمایه گذاران منتهی به افزایش قیمت طلا به عنوان فروشگاهی از ارزش ترجیح داده می شود (Panagiotou ، 2021 ؛ Baur and Lucey ، 2016 ؛ Baur and MCدرموت ، 2010 ؛ کائول و ساپ ، 2006). بسیاری از مطالعات موجود بین قیمت طلا و نرخ ارز رابطه محکمی پیدا کرده اند (جوی ، 2011 ؛ Revedo and Rivera-Castro ، 2014 ؛ Fresoli and Ruiz ، 2016 ؛ Dong et al. ، 2019). معمولاً مشاهده می شود که تضعیف ارز یک کشور منجر به نوسانات زیاد در قیمت های طلا می شود (Capie et al. ، 2005 ؛ Joy ، 2011 ؛ Dong et al. ، 2019 ؛ Khani et al. ، 2021). به ویژه ، در بازارهای در حال توسعه و نوظهور ، نوسانات بین طلا ، نرخ ارز و قیمت سهام قابل توجه است (عابد و زردوب ، 2019 ؛ جین و بیسوال ، 2016 ؛ رازا و همکاران ، 2016).

با توجه به این موضوع، مقاله حاضر به بررسی رابطه پویا بین قیمت طلا و نرخ ارز در طول همه گیری در هند با در نظر گرفتن داده های دوره اول ژانویه 2019 تا 28 فوریه 2021 می پردازد. دلایل متعددی ما را برانگیخت تا رابطه بین قیمت طلا ونرخ ارز برای دوره زمانی فوقاولاً، دلیل در نظر گرفتن بازه زمانی فوق بر اساس گزارش اولین مورد کووید-19 در هند تا 28 فوریه 2021 برای تجزیه و تحلیل قبل و بعد از کووید است. دوم، هند به عنوان یکی از بزرگترین واردکنندگان طلا، بی ثباتی و عدم اطمینان در طول موج اول ممکن است انگیزه سفته بازی را افزایش داده و بر تصمیم اقتصادی نگهداری طلا تأثیر بگذارد. سوم، مشاهده می شود که در طول موج اول همه گیری کووید-19، قیمت طلا به بالاترین حد تاریخی خود رسید (شورای جهانی طلا، 2021). چهارم، توجه شده است که ارزش پول هند در برابر دلار کاهش یافته است، صرف نظر از این واقعیت که کسری تجاری هند و CAD طی سال های 2020-21 کاهش یافته است که می تواند بر قیمت واردات طلا و در نتیجه قیمت طلا در داخل کشور تأثیر بگذارد.

کل مجموعه داده ما به دو نمونه فرعی تقسیم می شود، یعنی دوره قبل از کووید و در طول دوره کووید به منظور دریافت تجزیه و تحلیل ما برای اثرات همه گیر کووید-19. اولین دوره ما از 1 ژانویه 2019 تا 31 دسامبر 2019، یعنی قبل از گزارش رسمی اولین مورد کووید-19 در هند را پوشش می دهد (گزارش شده است که هند اولین مورد کووید-19 را در 27 ژانویه 2020 به طور رسمی ثبت کرده است). دوره دوم تقریباً همان مدت پس از اولین مورد گزارش شده کووید-19 (یعنی از 1 ژانویه 2020 تا 28 فوریه 2021) را پوشش می دهد. به عبارت دیگر، هم دوره قبل از کووید و هم دوره در طول کووید، داده ها را برای تقریباً یک دوره زمانی مساوی برای تجزیه و تحلیل منطقی و معقول در نظر می گیرند. اگرچه کمبود مطالعه تأثیر قیمت طلا را بر نرخ ارز نشان می دهد (لانگ و همکاران، 2021؛ خانی و همکاران، 2021؛ جین و بیسوال، 2016؛ جوی، 2011؛ کاپی و همکاران، 2005؛ سجااستاد و اسکاچیاویلانی.، 1996)، اما تا آنجا که ما می دانیم، چنین مطالعه ای وجود ندارد که تمام جنبه های زیر را بررسی کند:

یک رابطه پویا بین قیمت طلا و نرخ ارز در هند در طول دوره همه گیری کووید-19،

درک پیامدهای اقتصادی ، رابطه بین قیمت طلا و نرخ ارز در طول همه گیر COVID-19 می تواند رفتار سرمایه گذاران را در طی این استرس مالی و کندی اقتصادی به خود جلب کند. دوم ، هند بزرگترین مصرف کننده طلا است و بنابراین افزایش قیمت طلا می تواند باعث بدتر شدن تراز پرداخت و در نتیجه باعث نوسانات در نرخ ارز شود. از این رو ، بررسی رابطه بین آنها در کوتاه مدت و طولانی مدت در دوره همه گیر Covid-19 مهم است. سرانجام ، ما رابطه بین آنها را با استفاده از بهترین کوپول مناسب ، با هدف درک وابستگی بین متغیرهای تعامل همزمان ، نه در انزوا از یکدیگر ، تجزیه و تحلیل کرده ایم.

سازمان مقاله به شرح زیر است. در حالی که بخش بعدی به توضیح روش شناختی می پردازد ، بخش 3 توضیحات داده ها و تجزیه و تحلیل خاصیت ارتجاعی بلند مدت و کوتاه را شرح می دهد. بخش 4 به بررسی اقدامات ارتباط و توزیع دو متغیره قیمت طلا و نرخ ارز با انتخاب کوپول مناسب می پردازد. سرانجام ، بخش 5 مقاله را با پیامدهای مربوط به سیاست مناسب نتیجه می گیرد.

2. روش شناسی

2. 1مشخصات مدل ARDL

ما از چارچوب ARDL برای نشان دادن رابطه پویا بین قیمت طلا و نرخ ارز در مورد هند استفاده می کنیم. دلیل استفاده از مدل ARDL عمدتاً سه برابر است. اول ، ما علاقه مندیم روابط بلند مدت و کوتاه را بین آنها ضبط کنیم. دوم ، مدل ARDL می تواند مشکل درون زا را که در بین آنها ارائه می شود ، از بین ببرد. سرانجام ، این مدل وقتی که دوره نمونه کوچک و محدود باشد مناسب تر است (Pesaran و همکاران ، 2001). خاصیت ارتجاعی طولانی مدل ARDL به شرح زیر است.

در اینجا G P مخفف قیمت طلا است و E X مخفف نرخ ارز است. عملکرد خاصیت ارتجاعی کوتاه رویکرد ARDL به رابطه پویا بین قیمت طلا و نرخ ارز با برآورد یک مدل تصحیح خطا نشان می دهد. این به شرح زیر است:

δ ln g p t = α 0 + γ 1 ∑ i = 1 p 1 Δ ln g p t - i + γ 2 ∑ i = 1 p 1 Δ ln e x t - i + ϑ e c m t - 1 + μ t 1

جایی که ، β 0 ، β 1 ، β 2 کشش بلند مدت و α 0 ، γ 1 ، γ 2 به ترتیب خاصیت ارتجاعی کوتاه را بیان می کند و ϑ سرعت پارامتر تنظیم است و به عنوان علامت منفی انتظار می رود.

2. 2کنگره

یک کوپلا (جو ، 1997 ؛ نلن ، 2006) تابعی است که توابع توزیع چند متغیره را با حاشیه تک متغیره خود پیوند می دهد. کوپول دو متغیره ساده ترین شکل کوپلا است که توزیع های دو متغیره را با دو حاشیه می سازد. بگذارید X 1 و X 2 متغیرهای تصادفی با عملکرد توزیع مربوطه F 1 و F 2 و عملکرد توزیع مشترک f باشند. طبق قضیه Sklar (نلسن ، 2006) ، یک کوپول C وجود دارد: [0،1] × [0،1] ⟼ [0،1] به گونه ای که

برای همه x 1 ، x 2. برای حاشیه های مداوم ، C بی نظیر است. در غیر این صورت ، C به طور منحصر به فرد در محدوده F 1 × محدوده F 2 تعیین می شود. کوپول ها به ابزاری سازگار برای ساخت توزیع های چند متغیره تبدیل می شوند. همچنین با استفاده از معادله (3) ، در صورت وجود ، می توان از نظر عملکرد توزیع مشترک و معکوس حاشیه ها ، از نظر عملکرد توزیع مشترک و معکوس حاشیه ها نشان داد. این C (u 1 ، u 2) = f (f 1 ( - 1) (u 1) ، f 2 ( - 1) (u 2)) است ، برای همه u 1 ، u 2 در دامنه c. کوپول ها راهی برای تجزیه و تحلیل ساختار وابستگی توزیع های چند متغیره بدون مطالعه توزیع های حاشیه ای فراهم می کنند ، جایی که لازم نیست متغیرهای مورد مطالعه دارای همان توزیع های حاشیه ای باشند. تکنیک Copula اکنون به طور گسترده در اقتصاد و امور مالی مورد استفاده قرار می گیرد (Aloui and Aïssa ، 2016 ؛ Bouyé et al. ، 2000 ؛ Elie et al. ، 2019 ؛ Canela and Collazo ، 2012 ؛ Genest et al. ، 2009 ؛ Hung ، 2020 ؛Malevergne and Soette ، 2003 ؛ Mokni and Youssef ، 2019 ؛ Mokni and Mansouri ، 2017 ؛ Zhang and Singh ، 2007 ؛ Yu et al. ، 2020) به دلیل مزایای آن در مطالعه وابستگی. در این مطالعه ، ما از مفهوم Copula برای بررسی ساختار وابستگی بین نرخ ارز (USD/INR) و قیمت طلا با انتخاب کوپلا مناسب برای مدل سازی توزیع مشترک (دو متغیره) استفاده کرده ایم. از آنجا که کوپلا مجهز حاوی اطلاعات کاملی در مورد توزیع مشترک متغیرها ، با استفاده از این کوپول مناسب ، ما برخی از مفاهیم مهم وابستگی ها از جمله وابستگی های دم را مطالعه کرده ایم.

3. توضیحات و تجزیه و تحلیل داده ها

ما داده های روزانه را برای متغیرهای مورد علاقه ، یعنی قیمت جهانی طلا (USD/اونس) و نرخ ارز (INR/USD) برای دوره 1 ژانویه 2019 - 28 فوریه 2021 جمع آوری کردیم. شکل 1 پویایی قیمت طلا را نشان می دهد(دلار/اونس) و نرخ ارز (INR/USD) برای دوره کل در نظر گرفته شده. مشاهده شده است که هر دو بعد از اواسط ماه مارس 2020 ، یعنی درست در زمان گسترش Covid-19 در هند و پس از آن قفل بعدی ، افزایش قابل توجهی را تجربه کردند.

دینامیک قیمت طلا (USD/اونس) و نرخ ارز (INR/USD) تحت مطالعه.

برای گسترش تجزیه و تحلیل ها برای تأثیرات همه گیر COVID-19 ، ما کل نمونه داده ها را به دو زیر نمونه اضافی تقسیم می کنیم: (i) قبل از COVID-19 (1 ژانویه 2019-31 نوامبر 2019) که دوره قبل از دوره قبل از آن را پوشش می دهدظهور COVID-19 و (II) COVID-19 دوره-یعنی اول ژانویه 2020 تا آخرین تاریخ نمونه مورد نظر ما (28 فوریه 2021). برای تجزیه و تحلیل ، ما لگاریتم طبیعی مقادیر اصلی هر دو داده را در نظر می گیریم ، یعنی تحول y = ln u2061 (x) را در نظر می گیریم ، و داده های تبدیل شده به سیستم را به عنوان LGP و LEX برای قیمت طلا و نرخ ارز مشخص می کنیم.

در جدول 1 ، مشاهده شده است که توزیع در دوره COVID-19 نسبت به دوره COVID-19 بسیار منفی است. این نشان می دهد که توزیع احتمال LGP در مورد میانگین آن بسیار منفی است. در مراحل بعدی ما آزمایش ریشه واحد را انجام داده ایم و نتیجه گرفتیم که قیمت طلا و نرخ ارز در فرم اختلاف مرتبه اول ثابت است. پس از تأیید خاصیت ثابت متغیر ، ما مدل تاخیر توزیع شده خودکار (ARDL) را انجام دادیم و نتایج در جدول 2 ارائه شده است. در اینجا ، C نشان دهنده رهگیری (ثابت) مدل ARDL است.

میز 1

توجه: LGP = لگاریتم قیمت طلا ؛lex = لگاریتم نرخ ارز.

جدول 2

کشش طولانی مدت. متغیر وابسته- LGP.

توجه: *** و ** به ترتیب اهمیت 1 ٪ و 5 ٪ را نشان می دهد.

این نشان می دهد که در دوره COVID-19 یک رابطه طولانی مدت و بین نرخ ارز و قیمت طلا وجود دارد. این بدان معنی است که یک درصد تغییر در نرخ ارز منجر به افزایش 1. 73 درصد در قیمت طلا می شود. به طور خاص ، هنگامی که نرخ ارز کاهش می یابد ، در آن زمان ارزش قیمت طلا افزایش می یابد. دلیل احتمالی می تواند به عنوان شروع یک بحران باعث افزایش وحشت شود ، سرمایه گذاران در بازار طلا سرمایه گذاری می کنند که منجر به افزایش تقاضا برای طلا و از این رو قیمت طلا در طولانی مدت می شود. الگوی مشابهی نیز در مورد نمونه کل مشاهده می شود. در حالی که ، یافته های ما نشان می دهد که بین نرخ ارز و قیمت طلا قبل از دوره COVID-19 رابطه معنی داری وجود ندارد. هنگامی که وجود رابطه بلند مدت بین دو متغیر تأیید شد ، مرحله بعدی کشش کوتاه مدت را که در جدول 3 ارائه شده است ، انجام می دهد.

جدول 3

متغیر وابسته به کشش کوتاه مدت- LGP.

توجه: *** و ** به ترتیب اهمیت 1 ٪ و 5 ٪ را نشان می دهد.

نتایج کشش کوتاه مدت از الگوی مشابهی مانند در دراز مدت پیروی می کند. با این حال ، میزان تأثیر نرخ ارز بر قیمت طلا نسبت به طولانی مدت کمتر است. سرعت ضریب تنظیم در اصطلاح تصحیح خطا یعنی در اینجا در ضرایب ECM مشاهده می شود. این بدان معنی است که نرخ ارز تقریباً 4 روز طول می کشد تا به سمت تعادل بلند مدت در دوره COVID-19 حرکت کنیم و تقریباً 19 روز هر زمان که نمونه های کل را گرفته ایم. ما همچنین در مورد دوره قبل از COVID-19 یک علامت مهم و منفی پیدا می کنیم. این نشان می دهد که برقراری رابطه بلند مدت بین نرخ ارز و قیمت طلا قبل از Covid-19 تقریباً 7 روز طول می کشد. نتیجه ما همچنین تمام معیارهای تشخیصی باقیمانده را برآورده می کند. بنابراین ، نتایج ما در طبیعت قوی است. علاوه بر این ، ما با استفاده از تست Cusum و Cusum SQ ، ثبات مدل را آزمایش کرده ایم. این نشان می دهد که همه مدل های ما پایدار هستند. با توجه به محدودیت فضا ما ارائه نکرده ایم و در صورت درخواست می توان آن را تولید کرد.

4- اقدامات وابستگی و انتخاب کوپلا

متغیرهای LEX را با X و LGP را با Y نشان می دهیم. در اینجا روشهای همبستگی مناسب را انتخاب می کنیم و یک خانواده کوپولای مناسب برای جفت (X, Y) انتخاب می کنیم.

4. 1. تجزیه و تحلیل مجموعه داده ها برای دوره کل در نظر گرفته شده (1 ژانویه 2019 تا 28 فوریه 2021)

ابتدا تست نرمال بودن دو متغیر را انجام می دهیم. با استفاده از آزمون نرمال بودن Shapiro-Wilk، مقادیر p برای X و Y کمتر از 0. 01 است، که تأیید می کند که توزیع هر دو X و Y به طور قابل توجهی با توزیع نرمال متفاوت است. بنابراین ما از همبستگی ناپارامتریک یعنی آزمون همبستگی مبتنی بر رتبه اسپیرمن و کندال استفاده خواهیم کرد.

ضریب همبستگی رتبه اسپیرمن ( ρ ) 0. 786297 با مقدار p مربوطه کمتر از 0. 01 به دست می آید.

سپس ارتباط بین X و Y را با استفاده از همبستگی رتبه تاو کندال ارزیابی می کنیم. تاو کندال یک معیار ناپارامتریک (همبستگی مبتنی بر رتبه) برای سنجش وابستگی (اندازه گیری ارتباط یکنواخت) بین متغیرهای تصادفی است که معمولاً به کوپولا مرتبط هستند. این یک آزمون استقلال بدون توزیع و اندازه گیری تطابق بین دو متغیر مشاهده شده X 1 a n d X 2 ارائه می دهد و به صورت تعریف می شود

که در آن ( X ~ 1 , X ~ 2 ) مستقل از ( X 1 , X 2 ) است اما دارای توزیع مشترک مشابه با ( X 1 , X 2 ) است .

برای X و Y در نظر گرفته شده، τ (X, Y) = 0. 542028 را به دست آوردیم و p-value مربوطه کمتر از 0. 01 است. نتایج همبستگی در جدول 4 نشان داده شده است. از این نتایج به دست می آید که X و Y به طور قابل توجهی همبستگی دارند.