فشار بازار ارز، قیمت‌های سهام و قیمت کالاها در اروپای مرکزی و شرقی

فهرست مطالب

1. مقدمه

این مقاله به بررسی درهم‌تنیدگی بازارهای ارز، سهام و کالا در مجموعه‌ای از اقتصادهای اروپای مرکزی و شرقی (CEE) — شامل جمهوری چک، مجارستان، لهستان، اوکراین، بلغارستان و رومانی — می‌پردازد. علیرغم انتظار پیوستن نهایی بسیاری از اعضای اتحادیه اروپا در اروپای مرکزی و شرقی به منطقه یورو پس از گسترش‌های 2004/2007، اکثر آن‌ها، از جمله اقتصادهای بزرگی مانند لهستان و مجارستان، نرخ‌های ارز شناور و رژیم‌های هدف‌گیری تورم را حفظ کرده‌اند. این امر محیط پیچیده‌ای ایجاد می‌کند که در آن ارزهای به ظاهر مستقل، همچنان در برابر سرریزهای ناشی از شوک‌های مالی منطقه‌ای، منطقه یورو و جهانی، به ویژه آن‌هایی که از طریق بازارهای سهام و کالا منتقل می‌شوند، آسیب‌پذیر باقی می‌مانند. هدف اصلی این مطالعه تعیین این است که آیا تغییرات در قیمت‌های سهام داخلی/خارجی یا قیمت‌های جهانی کالاها بر این ارزها فشار وارد می‌کند تا ارزش خود را از دست بدهند و نیز ردیابی جهت و منشأ این انتقال‌ها است.

2. روش‌شناسی و داده‌ها

2.1 ساخت شاخص فشار بازار ارز (EMP)

هسته تحلیل تجربی، ساخت یک شاخص ماهانه فشار بازار ارز (EMP) برای هر کشور از سال 1998 تا 2017 است. شاخص EMP یک معیار ترکیبی است که فشار سفته‌بازی بر یک ارز را با تجمیع سه مؤلفه کلیدی ثبت می‌کند:

1. درصد تغییر در نرخ ارز اسمی (واحد پول محلی به ازای ارز خارجی، مثلاً یورو یا دلار آمریکا).
2. درصد تغییر در ذخایر بین‌المللی (با علامت منفی، زیرا کاهش ذخایر نشان‌دهنده فشار فروش است).
3. تغییر در تفاضل نرخ بهره (داخلی در مقابل خارجی، مثلاً نرخ‌های آلمان).

این شاخص استانداردسازی شده است تا قابلیت مقایسه بین کشورها و زمان‌ها را تضمین کند. دوره‌هایی با مقادیر EMP مثبت بالا به عنوان دوره‌های بالقوه بحران ارزی شناسایی می‌شوند.

2.2 منابع داده و متغیرها

این مطالعه از داده‌های سری زمانی ماهانه استفاده می‌کند. متغیرهای کلیدی عبارتند از:

• شاخص EMP: همانطور که در بالا توضیح داده شد ساخته شده است.
• بازده سهام: شاخص‌های بازار سهام داخلی (مانند WIG برای لهستان، PX برای جمهوری چک) و شاخص‌های خارجی (مانند Euro Stoxx 50، S&P 500).
• قیمت کالاها: تغییرات در شاخص‌های جهانی نفت (مانند برنت) و یک سبد گسترده از کالاها.
• متغیرهای کنترلی ممکن است شامل معیارهایی برای بی‌زاری از ریسک جهانی (مانند VIX) باشد.

2.3 چارچوب اقتصادسنجی: خودرگرسیون برداری (VAR)

برای بررسی پیوندهای پویا، مقاله از مدل‌های خودرگرسیون برداری (VAR) استفاده می‌کند. یک مدل VAR همه متغیرها را درونزاد در نظر می‌گیرد و وابستگی‌های متقابل آن‌ها را در طول زمان ثبت می‌کند. ابزارهای خاص مورد استفاده عبارتند از:

• آزمون‌های علیت گرنجر: برای تعیین اینکه آیا مقادیر گذشته یک متغیر (مثلاً بازده سهام) حاوی اطلاعات آماری معناداری برای پیش‌بینی متغیر دیگر (مثلاً EMP) است یا خیر. این نشان‌دهنده یک رابطه پیش‌بینی جهت‌دار است.
• توابع واکنش-ضربه (IRFs): برای ردیابی اثر یک شوک به اندازه یک انحراف معیار به یک متغیر (مثلاً کاهش قیمت نفت) بر مقادیر فعلی و آتی متغیر دیگر (مثلاً EMP)، که بزرگی، جهت و تداوم سرریزها را نشان می‌دهد.

3. نتایج تجربی و تحلیل

3.1 روندهای EMP و بحران‌های ارزی (2017-1998)

شاخص‌های EMP ساخته شده، افزایش قابل توجهی در فشار بر تمام ارزهای مورد مطالعه اروپای مرکزی و شرقی را در طول بحران مالی جهانی 2008 نشان می‌دهند. یک یافته قابل توجه این است که شدت مداخلات ارزی بانک مرکزی (یک مؤلفه EMP) به طور کلی در دوره پس از 2008 کاهش یافته است که نشان‌دهنده تغییر در سیاست یا ساختار بازار است.

3.2 آزمون‌های علیت گرنجر

آزمون‌های علیت، الگوهای انتقال ناهمگن را آشکار می‌کنند:

• جمهوری چک: نسبتاً منزوی به نظر می‌رسد. پیوندهای علی معنادار کمی از بازارهای سهام یا کالاهای خارجی به EMP داخلی یافت شده است.
• مجارستان: آسیب‌پذیری در برابر سرریزهای جهانی را نشان می‌دهد، با علیتی که از بازارهای سهام جهانی (مانند S&P 500) به EMP آن جریان دارد.
• لهستان: مواجهه بیشتر درون منطقه‌ای است. EMP لهستان توسط تحولات بازار سهام در سایر کشورهای اروپای مرکزی و شرقی، به صورت گرنجر علت‌یابی می‌شود.
• اوکراین: یک علیت دوطرفه منحصر به فرد بین شاخص سهام داخلی و EMP خود نشان می‌دهد. علاوه بر این، تغییرات قیمت کالاهای جهانی، EMP اوکراین را به صورت گرنجر علت‌یابی می‌کند.

3.3 تحلیل تابع واکنش-ضربه

توابع IRF تصویری پویا ارائه می‌دهند:

• یک شوک منفی به قیمت جهانی نفت یا کالاها منجر به یک افزایش معنادار و پایدار در EMP (فشار برای کاهش ارزش) برای اوکراین می‌شود.
• برای مجارستان، یک شوک مثبت به بازارهای سهام منطقه یورو یا ایالات متحده، EMP را کاهش می‌دهد (فشار را کم می‌کند) که با کانال احساسات "ریسک‌پذیری" همسو است.
• واکنش‌ها در لهستان بیشتر به شوک‌های نشأت‌گرفته از درون منطقه اروپای مرکزی و شرقی گره خورده است.

3.4 یافته‌های خاص کشورها

4. بحث و پیامدها

4.1 پیامدهای سیاستی برای بانک‌های مرکزی اروپای مرکزی و شرقی

یافته‌ها حاکی از آن است که یک رویکرد سیاستی "یک‌اندازه-برای-همه" کافی نیست. سیاست‌گذاران باید چارچوب نظارت و مداخله خود را بر اساس پروفایل آسیب‌پذیری خاص کشور خود تنظیم کنند:

• بانک ملی مجارستان باید احساسات ریسک جهانی و جریان‌های سرمایه را به دقت زیر نظر داشته باشد.
• مقامات ثبات مالی لهستان نیاز به تمرکز قوی بر کانال‌های سرایت منطقه‌ای دارند.
• سیاست‌گذاران اوکراین باید پیش‌بینی‌های قیمت کالاها را در استراتژی‌های مدیریت نرخ ارز و ذخایر خود بگنجانند.

4.2 محدودیت‌های مطالعه

این مطالعه محدودیت‌هایی را تصدیق می‌کند: استفاده از داده‌های ماهانه ممکن است پویایی‌های با فرکانس بالاتر را از دست بدهد؛ شاخص EMP، اگرچه استاندارد است، اما بحث‌های مفهومی حول وزن‌دهی آن وجود دارد؛ و چارچوب VAR پیوندهای آماری را برقرار می‌کند اما کانال‌های اقتصادی زیربنایی (مانند تراز تجاری، جریان‌های سبد سرمایه) را به صراحت شناسایی نمی‌کند.

5. جزئیات فنی و چارچوب ریاضی

شاخص EMP هسته‌ای برای کشور i در زمان t به صورت زیر ساخته می‌شود:

$EMP_{i,t} = \frac{\Delta e_{i,t}}{\sigma_{\Delta e_i}} - \frac{\Delta r_{i,t}}{\sigma_{\Delta r_i}} + \frac{\Delta (i_{i,t} - i_{f,t})}{\sigma_{\Delta (i_i-i_f)}}$

جایی که:
$\Delta e_{i,t}$ = درصد تغییر در نرخ ارز (واحد پول محلی/واحد پول خارجی).
$\Delta r_{i,t}$ = درصد تغییر در ذخایر خارجی (علامت منفی).
$\Delta (i_{i,t} - i_{f,t})$ = تغییر در تفاضل نرخ بهره.
$\sigma$ = انحراف معیار سری مربوطه در طول نمونه، که برای نرمال‌سازی استفاده می‌شود.

مدل VAR(p) فرم کاهش‌یافته به صورت زیر مشخص شده است:
$Y_t = c + A_1 Y_{t-1} + A_2 Y_{t-2} + ... + A_p Y_{t-p} + u_t$
جایی که $Y_t$ یک بردار از متغیرهای درونزاد است (مثلاً [EMP، بازده سهام داخلی، تغییرات قیمت نفت])، $c$ یک بردار از ثابت‌ها است، $A_j$ ماتریس‌های ضرایب هستند و $u_t$ یک بردار از جمله‌های خطای نویز سفید است.

6. نتایج و توصیف نمودارها

شکل 1 (فرضی): سری زمانی شاخص‌های EMP (2017-1998). یک نمودار چند پانلی که شاخص EMP استانداردشده را برای هر یک از شش کشور اروپای مرکزی و شرقی نشان می‌دهد. همه سری‌ها اوج‌های مشخصی را در طول 2009-2008 نشان می‌دهند. خط اوکراین بیشترین نوسان و چندین جهش عمده خارج از سال 2008 را نشان می‌دهد که با بحران‌های سیاسی و اقتصادی متمایز آن مطابقت دارد. خط جمهوری چک هموارترین و کم‌نوسان‌ترین به نظر می‌رسد.

شکل 2 (فرضی): توابع واکنش-ضربه برای اوکراین. یک پانل از نمودارها. نمودار کلیدی پاسخ EMP اوکراین به یک شوک منفی در قیمت جهانی نفت را نشان می‌دهد. پاسخ بلافاصله مثبت است (EMP افزایش می‌یابد)، برای حدود 8-6 ماه از نظر آماری معنادار است و سپس به تدریج به صفر فروکش می‌کند. نمودار دیگر پاسخ بازده سهام اوکراین به یک شوک در EMP اوکراین را نشان می‌دهد که حلقه بازخورد دوطرفه را تأیید می‌کند.

7. چارچوب تحلیلی: مطالعه موردی نمونه

سناریو: یک کاهش شدید 20 درصدی در قیمت جهانی نفت خام در طول یک فصل.
کاربرد چارچوب:

1. کانال مستقیم (اوکراین): با استفاده از IRF تخمین‌زده شده از مدل مقاله، می‌توانیم افزایش مورد انتظار در شاخص EMP اوکراین را کمّی کنیم. این به احتمال بالاتر کاهش ارزش گریونا، از دست دادن ذخایر، یا نیاز به افزایش نرخ بهره ترجمه می‌شود.
2. کانال غیرمستقیم/منطقه‌ای (لهستان): در حالی که لهستان وابستگی کمتری به کالاها دارد، شوک نفتی ممکن است احساسات "ریسک‌گریزی" منطقه‌ای را ایجاد کند. نتیجه علیت گرنجر نشان می‌دهد که EMP لهستان می‌تواند از طریق سرریز از سایر بازارهای سهام اروپای مرکزی و شرقی که به ترس‌های رشد جهانی ناشی از کاهش قیمت نفت واکنش نشان می‌دهند، تحت تأثیر قرار گیرد.
3. کانال تعدیل مجدد سبد سرمایه (مجارستان): شوک نفتی ممکن است بازارهای سهام جهانی (S&P 500) را تضعیف کند. علیت ثابت شده از سهام جهانی به EMP مجارستان دلالت بر این دارد که این می‌تواند فشار را به فورینت منتقل کند زیرا سرمایه‌گذاران بین‌المللی از بازارهای نوظهور عقب می‌کشند.

این مطالعه موردی نشان می‌دهد که چگونه یافته‌های تجربی مقاله می‌تواند برای انجام آزمون استرس و تحلیل سناریو برای ثبات مالی مورد استفاده قرار گیرد.

8. کاربردهای آتی و جهت‌های پژوهشی

• تحلیل با فرکانس بالا: تکرار مطالعه با داده‌های روزانه یا درون‌روزی برای ثبت سرریزهای سریع‌تر، به ویژه در دوره‌های بحران، مشابه چارچوب‌های سرریز نوسان با فرکانس بالا مورد استفاده در مطالعاتی مانند Diebold & Yilmaz (2012).
• تحلیل شبکه‌ای سرریزها: اعمال روش‌شناسی‌های Diebold & Yilmaz (2014) برای مدل‌سازی سیستم مالی اروپای مرکزی و شرقی به عنوان یک شبکه، و کمّی‌سازی نقش هر کشور به عنوان فرستنده یا گیرنده شوک‌ها.
• ادغام با مبانی اقتصاد کلان: گسترش VAR برای شامل کردن متغیرهایی مانند تراز حساب جاری، رشد اعتبار، یا شاخص‌های مالیاتی برای حرکت از همبستگی به درک ساختاری‌تر از کانال‌ها.
• تقویت با یادگیری ماشین: استفاده از ابزارهایی مانند LASSO-VAR یا شبکه‌های عصبی برای مدیریت مجموعه بزرگتری از پیش‌بین‌کننده‌های بالقوه و تشخیص روابط غیرخطی که VARهای خطی استاندارد ممکن است از دست بدهند.
• ابزار شبیه‌سازی سیاستی: توسعه یک داشبورد برای بانک‌های مرکزی که داده‌های بلادرنگ در مورد متغیرهای جهانی را وارد کرده و پیش‌بینی‌های احتمالی EMP را بر اساس مدل‌های تخمین‌زده شده ارائه می‌دهد.

9. منابع

1. Hegerty, S. W. (2018). Exchange market pressure, stock prices, and commodity prices east of the Euro. Journal of Economics and Management, 31(1), 75-?.
2. Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57-66.
3. Diebold, F. X., & Yilmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119-134.
4. Kaminsky, G. L., & Reinhart, C. M. (1999). The twin crises: the causes of banking and balance-of-payments problems. American economic review, 89(3), 473-500.
5. Pesaran, H. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics letters, 58(1), 17-29.
6. International Monetary Fund (IMF). (2023). Global Financial Stability Report. Retrieved from https://www.imf.org.

10. بینش کلیدی تحلیلگر: یک تجزیه چهار مرحله‌ای

بینش کلیدی: این مقاله یک حقیقت حیاتی و اغلب نادیده گرفته شده را ارائه می‌دهد: در درون "بلوک اروپای مرکزی و شرقی" به ظاهر همگن، آسیب‌پذیری مالی یکپارچه نیست. جمهوری چک با یک عایق‌بندی شبیه سوئیس عمل می‌کند، مجارستان یک قمر از جریان‌های سرمایه جهانی است، لهستان در یک شبکه منطقه‌ای درگیر است و اوکراین یک بازار نوظهور کلاسیک متأثر از کالا با یک حلقه بازخورد داخلی پرنوسان است. نادیده گرفتن این گسل‌ها دستورالعملی برای قیمت‌گذاری نادرست ریسک است.

جریان منطقی: رویکرد نویسنده از نظر روش‌شناسی صحیح اما متعارف است. ساخت شاخص‌های EMP → شناسایی دوره‌های بحران → اعمال ابزارهای VAR آماده (گرنجر، IRFs). قدرت نه در اقتصادسنجی نوآورانه، بلکه در کاربرد دقیق آن در یک منطقه کم‌مطالعه شده نهفته است. جهش منطقی از نتیجه آماری به تفسیر اقتصادی (مثلاً "سرریزهای جهانی" در مقابل "سرایت منطقه‌ای") به خوبی استدلال شده است اما، همانطور که خودشان تصدیق می‌کنند، از تعیین دقیق مکانیسم‌های انتقال (خروج از معاملات حمل؟ کانال‌های اعتبار تجاری؟) کوتاه می‌آید.

نقاط قوت و ضعف:
نقاط قوت: تجزیه دقیق، کشور به کشور، گوهر این مطالعه است. حرکت فراتر از میانگین‌های منطقه‌ای، ویژگی‌های منحصر به فرد حیاتی را آشکار می‌کند. تمرکز همزمان بر کانال‌های سهام و کالا جامع است. نمونه 2017-1998 به طور قوی چندین بحران را پوشش می‌دهد.
نقاط ضعف: فرکانس داده‌های ماهانه یک نقطه کور قابل توجه در دنیای امروزی معاملات الگوریتمی است؛ سرریزها اغلب در ساعت‌ها، نه ماه‌ها اتفاق می‌افتند. شاخص EMP، اگرچه استاندارد است، یک جعبه سیاه است — مؤلفه‌های آن (نرخ ارز، ذخایر، نرخ‌ها) می‌توانند به دلیل سیاست‌گذاری به طرق جبرانی حرکت کنند و فشار واقعی را پنهان کنند. این مطالعه مانند یک نقشه عالی از عوارض گذشته به نظر می‌رسد؛ کاربرد آن برای پیش‌بینی بحران آتی بدون ادغام شاخص‌های پیش‌نگر یا داده‌های احساسات بازار محدود است.

بینش‌های قابل اجرا:

1. برای سرمایه‌گذاران: ذهنیت "صندوق قابل معامله در بورس (ETF) اروپای مرکزی و شرقی" را کنار بگذارید. دارایی‌های جمهوری چک را به عنوان دارای بتای پایین نسبت به امور مالی جهانی مدل کنید، مواجهه‌های لهستانی را در برابر همسایگان منطقه‌ای پوشش ریسک دهید و اوکراین را به عنوان یک شرط اهرمی بر کالاها با ریسک سیاسی بالا در نظر بگیرید.
2. برای مدیران ریسک: مدل‌های هشدار اولیه جداگانه برای هر نوع کشور شناسایی شده بسازید. برای مجارستان، VIX و سیاست فدرال رزرو را زیر نظر بگیرید. برای لهستان، یک شاخص شرایط مالی منطقه‌ای ایجاد کنید. برای اوکراین، سناریوها را به باندهای قیمت نفت متصل کنید.
3. برای سیاست‌گذاران (اروپای مرکزی و شرقی): موفقیت ظاهری بانک ملی جمهوری چک در جداسازی، یک مطالعه موردی است که باید مهندسی معکوس شود. مجارستان و لهستان باید این سؤال را مطرح کنند که آیا چارچوب‌های سیاست پولی آن‌ها به اندازه کافی در برابر کانال‌های سرریز غالب خود مقاوم است یا خیر. نتیجه اوکراین یک هشدار شدید برای متنوع‌سازی اقتصاد و ایجاد صندوق‌های ذخیره بزرگتر است.
4. برای پژوهشگران: این مقاله پایه‌ای کامل است. گام فوری بعدی اجرای مجدد این تحلیل با داده‌های روزانه و ادغام ابزارهای تحلیل شبکه (à la Diebold & Yilmaz) برای حرکت از علیت دوجانبه به یک نقشه ریسک سیستمیک از کل شبکه مالی اروپای مرکزی و شرقی است.

در اصل، کار هگرتی کمتر یک ابزار پیش‌بینی و بیشتر یک چارچوب تشخیصی است — یک گام حیاتی اولیه در تجویز داروی مناسب برای چهار بیمار بسیار متفاوت.