تحلیل کفایت ذخایر ارزی صربستان و عوامل انباشت آن

1. مقدمه و زمینه تحقیق

در عصری با جهانی‌شدگی فزاینده، حفظ ذخایر ارزی کافی یک هدف کلان‌اقتصادی حیاتی است، به‌ویژه برای اقتصادهای بازار نوظهور مانند صربستان. این مقاله کفایت ذخایر ارزی صربستان را بررسی کرده و عوامل اقتصادی کلیدی محرک انباشت آن را از فصل اول ۲۰۰۲ تا فصل سوم ۲۰۲۰ شناسایی می‌کند. انگیزه این تحقیق از روند جهانی مشاهده‌شده‌ای نشأت می‌گیرد که در آن اقتصادهای بازار نوظهور، ذخایر خود را به‌عنوان سپری در برابر شوک‌های خارجی به‌طور قابل‌توجهی تقویت کرده‌اند؛ استراتژی‌ای که در بحران‌های مالی اعتبار آن اثبات شده است (دیویس و همکاران، ۲۰۱۸). این تحلیل فراتر از معیارهای بهینگی مرسوم حرکت کرده و عوامل خاص صربستان، مانند سود سهام سرمایه‌گذاران و بخش سرمایه‌گذاری پرتفوی را نیز دربرمی‌گیرد و دیدگاه ظریفی از کفایت ذخایر ارائه می‌دهد.

2. روش‌شناسی و داده‌ها

این مطالعه از رویکرد اقتصادسنجی سری زمانی برای مدل‌سازی رابطه بلندمدت بین ذخایر ارزی صربستان و متغیرهای کلان‌اقتصادی کلیدی استفاده می‌کند.

2.1 چارچوب اقتصادسنجی

روش‌شناسی اصلی شامل تحلیل هم‌انباشتگی است که برای شناسایی روابط بلندمدت پایدار بین سری‌های زمانی اقتصادی غیرایستا مناسب است. فرآیند، رویه استاندارد دو مرحله‌ای انگل-گرنجر یا آزمون یوهانسن را دنبال می‌کند که با یافتن یک معادله هم‌انباشتگی مشخص می‌شود.

2.2 متغیرها و منابع داده

مدل، ذخایر ارزی (احتمالاً به صورت لگاریتمی یا اسمی) را به‌عنوان متغیر وابسته مشخص می‌کند. متغیرهای مستقل شامل موارد زیر هستند:

• تولید ناخالص داخلی (GDP): نماینده‌ای برای مقیاس اقتصادی و ظرفیت واردات.
• نرخ مؤثر واقعی ارز (REER): شاخصی که رقابت‌پذیری دینار را اندازه‌گیری می‌کند؛ فشار افزایش ارزش ممکن است نشان‌دهنده نیاز به مداخله و در نتیجه انباشت ذخایر باشد.
• حجم پولی (M2/GDP): نشان‌دهنده عمق پولی‌سازی مالی و آسیب‌پذیری خارجی بالقوه است.

داده‌ها از نهادهای رسمی مانند بانک ملی صربستان (NBS) استخراج شده و مشاهدات فصلی از فصل اول ۲۰۰۲ تا فصل سوم ۲۰۲۰ را پوشش می‌دهد.

3. نتایج تجربی و تحلیل

3.1 آزمون‌های ریشه واحد و هم‌انباشتگی

آزمون‌های مقدماتی ریشه واحد (مانند دیکی-فولر تعمیم‌یافته) تأیید کرد که همه متغیرهای سری زمانی دارای درجه یک انباشتگی، I(1) هستند. تحلیل هم‌انباشتگی بعدی وجود یک معادله هم‌انباشتگی را آشکار کرد که نشان‌دهنده یک رابطه تعادلی بلندمدت پایدار بین ذخایر ارزی، تولید ناخالص داخلی، نرخ مؤثر واقعی ارز و نسبت M2 به تولید ناخالص داخلی است.

3.2 برآورد رابطه بلندمدت

ضرایب هم‌انباشتگی برآورد شده، قدرت و جهت تأثیر را شناسایی می‌کنند:

• تولید ناخالص داخلی بیشترین تأثیر مثبت و معنادار را بر انباشت ذخایر دارد. یک اقتصاد در حال رشد، به ذخایر بزرگ‌تری برای مقاصد تراکنشی و احتیاطی نیاز دارد.
• افزایش ارزش نرخ مؤثر واقعی ارز به‌عنوان یک عامل معنادار بعدی قرار می‌گیرد. مداخلات بانک مرکزی برای مهار افزایش ارزش بیش از حد دینار، مستقیماً به ذخایر ارزی می‌افزاید.
• رشد نسبت M2 به تولید ناخالص داخلی نیز رابطه مثبتی را نشان می‌دهد که با رویکرد پولی به تراز پرداخت‌ها همسو است، جایی که گسترش اعتبار داخلی می‌تواند تحت برخی رژیم‌های سیاستی منجر به انباشت ذخایر شود.

یافته حیاتی: این مطالعه نتیجه می‌گیرد که ذخایر ارزی صربستان فراتر از سطوح پیشنهادی معیارهای بهینگی استاندارد (مانند قواعد سرانگشتی مانند پوشش ۳ ماهه واردات) است. این "مازاد" به گنجاندن عوامل خاصی مانند سود سهام قابل پرداخت به سرمایه‌گذاران خارجی و برخی بدهی‌های پرتفوی نسبت داده می‌شود که اغلب از معیارهای سنتی حذف می‌شوند اما نمایانگر خروج بالقوه از ذخایر هستند.

4. یافته‌های کلیدی و پیامدهای سیاستی

این تحقیق دو برداشت اصلی برای سیاست‌گذاران ارائه می‌دهد:

1. بازنگری در کفایت: سطح ذخایر صربستان در برابر ضربه‌گیرهای استاندارد (مانند توقف ناگهانی) مقاوم است. با این حال، ارزیابی‌های کفایت باید آینده‌نگر بوده و مواجهه‌های ریسک خاص کشور، به‌ویژه از حساب مالی (سود سرمایه‌گذاران، جریان‌های پرتفوی) را نیز دربرگیرد.
2. تحلیل هزینه-فایده: نگهداری ذخایر فراتر از سطح بهینه، مستلزم هزینه‌های فرصت (سرمایه‌گذاری ازدست‌رفته) است. بانک ملی صربستان باید به‌طور مستمر ارزش بیمه‌ای ذخایر "مازاد" را در برابر این هزینه‌ها، به‌ویژه در محیط بازدهی پایین جهانی، بسنجد.

5. بینش محوری و دیدگاه تحلیلی

بینش محوری: صربستان صرفاً در حال ایجاد یک صندوق روز مبادا نیست؛ بلکه کسری ساختاری حساب جاری خود را با جریان‌های سرمایه‌ای بی‌ثبات تأمین مالی می‌کند که باعث می‌شود ذخایر "مازاد" آن کمتر یک تجمل و بیشتر یک پوشش حیاتی برای ثبات مالی باشد. این مقاله به درستی شناسایی می‌کند که نسبت‌های پوشش واردات سنتی برای اقتصادهای بازار نوظهور یکپارچه شده مالی منسوخ هستند، نکته‌ای که در چارچوب ارزیابی کفایت ذخایر (۲۰۱۵) صندوق بین‌المللی پول که ریسک‌های جریان سرمایه را دربرمی‌گیرد، نیز تکرار شده است.

جریان منطقی: استدلال منسجم است: جهانی‌شدن ریسک را افزایش می‌دهد → ذخایر به عنوان ضربه‌گیر عمل می‌کنند → معیارهای استاندارد ریسک را برای کشورهایی مانند صربستان دست‌کم می‌گیرند → بنابراین، عوامل خاص مدل (تولید ناخالص داخلی، نرخ مؤثر واقعی ارز، M2) را لحاظ کرده و بدهی‌های پنهان را شامل شوید. با این حال، پرش از شناسایی هم‌انباشتگی به تجویز سیاست، تا حدی ناگهانی است. مدل نشان می‌دهد *چه چیزی* همبسته است، اما *چرایی* آن — کانال انتقال دقیق از مثلاً رشد M2 به انباشت ذخایر — شایسته شرح بیشتری است.

قوت‌ها و ضعف‌ها: قوت اصلی، پایه تجربی آن و تمرکز بر یک اقتصاد خاص و کم‌تحقیق است. استفاده از هم‌انباشتگی از نظر روش‌شناسی برای سری‌های زمانی کلان‌اقتصادی صحیح است. ضعف مشترک در چنین مطالعاتی، ماهیت "جعبه سیاه" نتایج است. ضرایب ارائه شده‌اند، اما بزرگی اقتصادی آن‌ها و پایداری آن‌ها در دوره‌های فرعی مختلف (مانند قبل و بعد از بحران ۲۰۰۸) به‌طور عمیق بررسی نشده‌اند. این رابطه در برابر تغییرات رژیم در سیاست پولی چقدر مقاوم است؟

بینش‌های قابل اجرا: برای بانک ملی صربستان و وزارت دارایی صربستان، این مطالعه دستوری برای آزمون استرس داخلی پیچیده‌تر است. آن‌ها باید:
1. یک داشبورد پویای کفایت توسعه دهند که عوامل خاص این مقاله (سود سهام سرمایه‌گذاران، جریان‌های پرتفوی) را به‌طور بلادرنگ ادغام کند.
2. بدهی‌های احتمالی را به‌طور صریح مدل‌سازی کنند، با برخورد با فرار سرمایه بالقوه نه به‌عنوان یک احتمال، بلکه به‌عنوان مجموعه‌ای از نرخ‌های خروج مبتنی بر سناریو از ذخایر.
3. در برابر همتایان منطقه‌ای (مانند کرواسی، مجارستان) با استفاده از این چارچوب تقویت‌شده معیارسنجی کنند تا آسیب‌پذیری‌های نسبی را شناسایی کنند. هدف بیشینه‌سازی ذخایر نیست، بلکه بهینه‌سازی آن‌هاست — درسی که بسیاری از اقتصادهای بازار نوظهور دیر آموختند، همان‌طور که در کار ژان و رانسیِر (۲۰۱۱) درباره سطح بهینه ذخایر برای پیشگیری از بحران مستند شده است.

6. جزئیات فنی و چارچوب

فرمول‌بندی ریاضی: رابطه هم‌انباشتگی بلندمدت را می‌توان به صورت زیر نمایش داد:
$\ln(RES_t) = \beta_0 + \beta_1 \ln(GDP_t) + \beta_2 REER_t + \beta_3 (M2/GDP)_t + \epsilon_t$
که در آن $\epsilon_t$ جمله خطای ایستا است که انحراف از تعادل را نشان می‌دهد. ضرایب برآورد شده $\beta_1$، $\beta_2$ و $\beta_3$ مثبت و از نظر آماری معنادار هستند.

مثال چارچوب تحلیل (غیرکد):
مورد: ارزیابی کفایت ذخایر برای یک جریان ورودی سرمایه‌گذاری مستقیم خارجی فرضی.
1. رویداد: یک شرکت خارجی بزرگ یک میلیارد یورو در یک کارخانه صربستان سرمایه‌گذاری می‌کند که به‌عنوان یک جریان ورودی مالی ثبت شده و در ابتدا ذخایر را افزایش می‌دهد.
2. معیار سنتی: ذخایر افزایش می‌یابند، نسبت پوشش واردات بهبود می‌یابد. همه سیگنال‌ها سبز به نظر می‌رسند.
3. چارچوب تقویت‌شده (مطابق این مطالعه):
- در نظر گرفتن جریان‌های خروجی سود سهام آتی (مثلاً بازده سالانه فرضی ۵٪ = خروج سالانه ۵۰ میلیون یورو).
- در نظر گرفتن بازگرداندن احتمالی سرمایه پس از سررسید پروژه به‌عنوان یک بدهی احتمالی.
- مدل‌سازی تأثیر بر نرخ مؤثر واقعی ارز از جریان ورودی اولیه و جریان‌های خروجی بعدی.
4. نتیجه: ارزش خالص فعلی سرمایه‌گذاری برای کفایت ذخایر، به‌طور قابل‌توجهی کمتر از رقم سرخط یک میلیارد یورو است که مدیریت محتاطانه‌تر ذخایر را هدایت می‌کند.

7. تحقیقات آتی و کاربردها

جهت‌گیری‌های آتی:

• مدل‌های غیرخطی و تغییر رژیم: رابطه ممکن است ثابت نباشد. مدل‌های آستانه‌ای می‌توانند شناسایی کنند که آیا انباشت ذخایر فراتر از سطوح معینی از بدهی خارجی یا انحراف نرخ مؤثر واقعی ارز تسریع می‌یابد یا خیر.
• ادغام چرخه‌های مالی جهانی: ادغام متغیرهایی مانند شاخص VIX یا موضع سیاست پولی ایالات متحده برای ثبت شوک‌های برون‌زا، همان‌طور که توسط فرضیه "خروج دوگانه" در مالی بازارهای نوظهور پیشنهاد شده است.
• یادگیری ماشین برای هشدار زودهنگام: استفاده از متغیرهای شناسایی شده در مدل‌های طبقه‌بندی یادگیری ماشین (مانند جنگل‌های تصادفی) برای پیش‌بینی دوره‌های فشار حاشیه‌ای تخلیه ذخایر.
• کاربرد در طراحی ارز دیجیتال بانک مرکزی: بینش در مورد محرک‌های ذخایر برای طراحی مکانیسم‌های پشتیبانی ارزهای دیجیتال بانک مرکزی آینده در اقتصادهای بازار نوظهور حیاتی است.

8. منابع

1. Aizenman, J., & Sun, Y. (2012). The financial crisis and sizable international reserves depletion: From ‘fear of floating’ to the ‘fear of losing international reserves’? International Review of Economics & Finance, 24, 250-269.
2. Bahmani-Oskooee, M., & Brown, F. (2002). Demand for international reserves: a review article. Applied Economics, 34(10), 1209-1226.
3. Bošnjak, M., Bilas, V., & Kordić, G. (2020). Determinants of foreign exchange reserves: the case of Croatia. Economic Research.
4. Bruno, V., & Shin, H. S. (2015). Capital flows and the risk-taking channel of monetary policy. Journal of Monetary Economics, 71, 119-132.
5. Davis, J. S., Cowley, J., & Morris, A. (2018). The impact of foreign exchange reserves on emerging market spreads. Journal of International Money and Finance, 88, 213-228.
6. Frenkel, J. A., & Jovanovic, B. (1981). Optimal international reserves: a stochastic framework. The Economic Journal, 91(362), 507-514.
7. International Monetary Fund (IMF). (2015). Assessing Reserve Adequacy – Specific Proposals. IMF Policy Paper.
8. Jeanne, O., & Rancière, R. (2011). The optimal level of international reserves for emerging market countries: a new formula and some applications. The Economic Journal, 121(555), 905-930.
9. Kovačević, R. (2021). Serbia’s Foreign Exchange Reserve Adequacy and the Factors Influencing Their Accumulation. Economic Horizons, 23(1), 33-53.
10. National Bank of Serbia (NBS). (2020). Annual Financial Stability Report.
11. Rogoff, K., Hussain, M., Mody, A., Brooks, R., & Oomes, N. (2004). Evolution and Performance of Exchange Rate Regimes. IMF Occasional Paper No. 229.
12. Sula, O. (2011). Demand for international reserves in developing nations: a quantile regression approach. Journal of International Money and Finance, 30(5), 764-777.