تشخيص ديناميكيات سعر صرف الدولار الأمريكي/الهريفنيا الأوكراني في ظل نظام التعويم

جدول المحتويات

1. المقدمة والنظرة العامة

تقدم هذه الدراسة تحليلاً تجريبياً شاملاً لديناميكيات سعر صرف الدولار الأمريكي/الهريفنيا الأوكراني في ظل نظام سعر الصرف العائم الذي تبنته أوكرانيا في عام 2014. وتغطي الفترة من يناير 2014 إلى مايو 2020، وتهدف إلى تشخيص طبيعة تحركات سعر الصرف، متجاوزة الملاحظات العابرة إلى تقييم قائم على البيانات. شكل الانتقال من ترتيب مستقر إلى نظام تعويم واستهداف التضخم تحولاً كبيراً، مما خلق بيئة من عدم اليقين المتزايد للشركات والاقتصاد ككل. ونظراً لدرجة الدولرة العالية في أوكرانيا، فإن فهم محركات وأنماط تقلبات سعر الصرف أمر بالغ الأهمية للتجارة والاستثمار والاستقرار الاقتصادي الكلي.

2. المنهجية والبيانات

2.1 وصف البيانات والفترة الزمنية

يستخدم التحليل بيانات السلاسل الزمنية عالية التردد لسعر صرف الدولار الأمريكي/الهريفنيا من يناير 2014، بالتزامن مع التحول في السياسة، وحتى مايو 2020. وتغطي هذه الفترة أحداثاً كبيرة بما في ذلك التوترات الجيوسياسية والإصلاحات الاقتصادية والمرحلة الأولية من الجائحة العالمية، مما يوفر عينة قوية لاختبار سلوك سعر الصرف في ظل ظروف الإجهاد والظروف العادية.

2.2 الإطار التحليلي

تستخدم الدراسة منهجاً قياسياً متعدد الأساليب لضمان المتانة:

• اختبارات جذر الوحدة: اختبارات ديكي-فولر المعزز (ADF) وفيليبس-بيرون لتحديد وجود اتجاه عشوائي (مشي عشوائي).
• تحليل الارتباط الذاتي والموسمية: لتحديد الأنماط المستمرة والتأثيرات الربعية.
• اختبارات سببية جرانجر: لاستكشاف علاقات التقدم والتأخر بين سعر الصرف والمتغيرات الاقتصادية الكلية الرئيسية.
• نموذج الانحدار الذاتي المتجه (VAR) ودوال الاستجابة للصدمات (IRFs): لنمذجة التفاعل الديناميكي بين متغيرات السلاسل الزمنية المتعددة وتقييم حساسية واستمرارية سعر الصرف للصدمات الخارجية (مثل التغيرات في أسعار الفائدة، التضخم، الميزان التجاري).

2.3 الفرضيات المختبرة

يتم تنظيم البحث التجريبي حول ثلاث فرضيات أساسية:

1. الاتجاه في سعر صرف الدولار الأمريكي/الهريفنيا عشوائي (مشي عشوائي) وليس حتمياً.
2. تظهر ديناميكيات سعر الصرف موسمية ذات دلالة إحصائية.
3. سوق الصرف الأجنبي الأوكراني كفؤ ومستقر، مما يعني أن رد فعله على الصدمات الخارجية قصير الأجل ويميل إلى التلاشي بسرعة.

3. النتائج والتطبيقات التجريبية

3.1 تحليل الاتجاه والمشي العشوائي

تفشل نتائج اختبارات ADF وفيليبس-بيرون في رفض الفرضية الصفرية لجذر الوحدة لسلسلة الدولار الأمريكي/الهريفنيا. وهذا يوفر دليلاً قوياً على أن سعر الصرف يتبع عملية مشي عشوائي. يحتوي الاتجاه على مكون عشوائي، مما يعني أن الحركات السابقة ليست مؤشرات موثوقة للتغيرات المستقبلية. تتوافق هذه النتيجة مع الشكل الضعيف من فرضية كفاءة السوق (EMH) لسوق الصرف الأجنبي الأوكراني، مما يشير إلى صعوبة تحقيق عوائد غير طبيعية بشكل مستمر بناءً على بيانات الأسعار التاريخية وحدها.

3.2 اكتشاف الموسمية

على عكس دلالة المشي العشوائي البحت، يكشف التحليل عن نمط موسمي واضح:

• الانخفاض: تميل الهريفنيا إلى الضعف مقابل الدولار الأمريكي خلال الربعين الأول والثاني (Q1 & Q2).
• الارتفاع: عادة ما تقوى العملة خلال الربعين الثالث والرابع (Q3 & Q4).

قد يرتبط هذا النمط بعوامل دورية مثل تدفقات الصادرات الزراعية، وجداول سداد الديون، أو الدورات المالية التي تخلق ضغوطاً متكررة على الطلب والعرض للعملة الأجنبية.

3.3 الاستجابة للصدمات الخارجية

يكشف نموذج VAR ودوال الاستجابة للصدمات عن كيفية رد فعل سعر الدولار الأمريكي/الهريفنيا على الابتكارات في المتغيرات الاقتصادية الكلية الأخرى (مثل فروق التضخم، أسعار الفائدة، الحساب الجاري). النتيجة الرئيسية هي أن رد فعل السوق على الصدمات إيجابي أو سلبي ولكنه قصير الأجل وغير ذي دلالة، حيث تميل الاستجابات إلى التلاشي مع مرور الوقت. وهذا يشير إلى درجة من استقرار السوق والكفاءة النسبية، حيث يتم امتصاص الصدمات دون التسبب في اتجاهات مزعزعة للاستقرار طويلة الأمد. ومع ذلك، فإن التقلب العالي وطبيعة المشي العشوائي تعني في الوقت نفسه انخفاض القدرة على التنبؤ.

4. النتائج الرئيسية والتطبيقات

5. التفاصيل الفنية والإطار

الأساس الرياضي

يمكن تمثيل نموذج المشي العشوائي الأساسي مع الانحراف على النحو التالي: $$S_t = \mu + S_{t-1} + \epsilon_t$$ حيث $S_t$ هو لوغاريتم سعر الصرف في الوقت $t$، $\mu$ هو انحراف ثابت، و $\epsilon_t$ هو حد خطأ ضوضاء بيضاء. يدعم رفض الدراسة للاتجاه الحتمي هذا التحديد.

تم نمذجة المكون الموسمي ضمن إطار ARMA. تمثيل بسيط لعملية AR(1) موسمية للبيانات الربعية هو: $$S_t = \phi S_{t-4} + \epsilon_t$$ حيث $\phi$ هي المعلمة الذاتية الانحدارية الموسمية، ويشير $\phi$ ذو الدلالة إلى استمرارية نمط من نفس الربع في السنة السابقة.

استخدم التحليل متعدد المتغيرات نموذج الانحدار الذاتي المتجه (VAR) من الرتبة $p$: $$\mathbf{Y}_t = \mathbf{c} + \sum_{i=1}^{p} \mathbf{\Phi}_i \mathbf{Y}_{t-i} + \mathbf{\varepsilon}_t$$ حيث $\mathbf{Y}_t$ هو متجه للمتغيرات الداخلية (مثل الدولار الأمريكي/الهريفنيا، التضخم، أسعار الفائدة)، $\mathbf{c}$ هو متجه للثوابت، $\mathbf{\Phi}_i$ هي مصفوفات المعاملات، و $\mathbf{\varepsilon}_t$ هو متجه للابتكارات ذات الضوضاء البيضاء. تقوم دوال الاستجابة للصدمات بتتبع تأثير صدمة بانحراف معياري واحد في متغير واحد على القيم الحالية والمستقبلية لجميع المتغيرات في النظام.

مثال على إطار التحليل (غير برمجي)

حالة: تقييم تأثير رفع سعر الفائدة

1. إعداد البيانات: جمع السلاسل الزمنية الشهرية للدولار الأمريكي/الهريفنيا، وسعر الفائدة للبنك الوطني الأوكراني، وتضخم مؤشر أسعار المستهلك، والميزان التجاري للفترة 2014-2020. اختبار جميع السلاسل للاستقرار، وتطبيق الاختلاف إذا لزم الأمر.
2. تحديد النموذج: تحديد طول التأخر الأمثل (p) لنموذج VAR باستخدام معايير المعلومات (AIC, BIC). تقدير نموذج VAR(p).
3. فحص الاستقرار: التأكد من أن جميع جذور متعددة الحدود المميزة تقع داخل دائرة الوحدة، مما يؤكد نظاماً مستقراً.
4. سببية جرانجر: اختبار ما إذا كانت قيم التأخر لسعر الفائدة "تسبب جرانجر" سعر الدولار الأمريكي/الهريفنيا، مما يشير إلى قوة تنبؤية.
5. تحليل الاستجابة للصدمات: صدم معادلة "سعر الفائدة" في نموذج VAR ومراقبة المسار الديناميكي لاستجابة الدولار الأمريكي/الهريفنيا على مدى، على سبيل المثال، 24 شهراً. ستتم تصور نتيجة الدراسة على أنها حركة أولية صغيرة ذات دلالة إحصائية (مثل الارتفاع) تتلاشى إلى الصفر خلال بضع فترات.

6. التحليل الأصلي والتعليقات الخبيرة

7. التطبيقات المستقبلية واتجاهات البحث

• دمج البيانات عالية التردد والبيانات البديلة: يجب أن يدمج البحث المستقبلي البيانات داخل اليوم ومجموعات البيانات البديلة (مثل مشاعر الأخبار من وسائل الإعلام الأوكرانية والروسية، مؤشرات المخاطر الجيوسياسية) لنمذجة تأثير التقلبات غير الأساسية والقائمة على الأخبار، على غرار الأساليب المستخدمة في دراسات المكتب الوطني للبحوث الاقتصادية (NBER) حول بنية السوق الدقيقة.
• التعلم الآلي لتعزيز التنبؤ: بينما يؤكد القياس الاقتصادي التقليدي عدم القدرة على التنبؤ، فإن استكشاف نماذج التعلم الآلي (LSTMs، Gradient Boosting) التي يمكنها التقاط التفاعلات غير الخطية المعقدة والتفاعلات بين مجموعة أوسع من المتغيرات قد يكشف عن إشارات تنبؤية ضعيفة ولكن قابلة للاستغلال في "الضوضاء".
• تحليل العملات المتقاطعة في أوروبا الناشئة: دراسة مقارنة للدولار الأمريكي/الهريفنيا، الدولار الأمريكي/الزلوتي البولندي (PLN)، والدولار الأمريكي/الفورنت المجري (HUF) يمكن أن تعزل العوامل الخاصة بأوكرانيا عن الاتجاهات الإقليمية، مما يوفر إرشادات أوضح حول المخاطر الخاصة.
• تحليل تحول نظام السياسة: نمذجة الانقطاع الهيكلي في عام 2014 بشكل رسمي وتقييم كيفية تغير معلمات نموذج VAR (استمرارية الصدمة، التقلب) بعد اعتماد نظام التعويم واستهداف التضخم.
• تفاعل أصول التشفير: التحقيق في العلاقة المتزايدة بين الهريفنيا، العملات المستقرة، وتدفقات العملات المشفرة كقناة بديلة لحركة رأس المال والضغط المحتمل على سعر الصرف.

8. المراجع

1. Ignatyuk, A., Osetskyi, V., Makarenko, M., & Artemenko, A. (2020). Ukrainian hryvnia under the floating exchange rate regime: diagnostics of the USD/UAH exchange rate dynamics. Banks and Bank Systems, 15(3), 129-146.
2. Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.
3. International Monetary Fund. (2019). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). Washington, DC.
4. Bank for International Settlements. (2019). Triennial Central Bank Survey of Foreign Exchange and OTC Derivatives Markets.
5. Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(2), 383-417.
6. Engle, R. F., & Granger, C. W. J. (1987). Co-integration and Error Correction: Representation, Estimation, and Testing. Econometrica, 55(2), 251-276.
7. Sims, C. A. (1980). Macroeconomics and Reality. Econometrica, 48(1), 1-48.