1. مقدمه
بازار ارز خارجی جزء حیاتی هر اقتصاد است که مستقیماً بر رقابتپذیری تجاری، سرمایهگذاری و ثبات قیمتهای داخلی تأثیر میگذارد. در ایران، این بازار با نوسانات قابل توجهی مشخص میشود، بهویژه در نرخ ارز غیررسمی دلار آمریکا در برابر ریال ایران (USD/IRR). این نوسانات اغلب از عوامل بنیادی اقتصادی فاصله میگیرد که نشاندهنده وجود حبابهای منطقی سفتهبازی است. این مقاله با هدف شناسایی چنین حبابهایی در بازار غیررسمی ارز ایران از سال ۲۰۱۰ تا ۲۰۱۸ با استفاده از یک چارچوب اقتصادسنجی پیشرفته تدوین شده است. هدف اصلی توسعه یک سیستم هشدار زودهنگام قابل اعتماد است که قادر به تشخیص رژیمهای حباب انفجاری باشد؛ رژیمهایی که اغلب مقدم بر بحرانهای ارزی تمامعیار هستند و بدینترتیب ابزاری حیاتی برای مداخله بهموقع در اختیار سیاستگذاران قرار میدهد.
2. مرور ادبیات و چارچوب نظری
2.1 حبابهای منطقی در بازارهای ارز خارجی
حباب منطقی زمانی رخ میدهد که قیمت بازار یک دارایی (مانند ارز خارجی) بهطور سیستماتیک از ارزش بنیادی آن بر اساس انتظارات منطقی معاملهگران منحرف شود. معاملهگران به خرید با قیمتهای تورمزده ادامه میدهند زیرا انتظار دارند در آینده با قیمت بالاتری بفروشند و این امر حباب را به یک پیشگویی خودمحققکننده تبدیل میکند تا زمانی که بالاخره میترکد.
2.2 شکست مدلهای سنتی نرخ ارز
کار بنیادی میس و روگوف (۱۹۸۳) نشان داد که مدلهای اقتصاد کلان استاندارد (مانند مدلهای پولی) در پیشبینی نرخ ارز خارج از نمونه، عملکرد بهتری نسبت به یک راهبرد تصادفی ساده ندارند. این «معمای گسستگی نرخ ارز» دلالت بر آن دارد که عوامل فراتر از بنیادها - مانند جو بازار، رفتار گلّهای و حملات سفتهبازی - نقشی غالب در پویاییهای کوتاهمدت تا میانمدت بازار ارز ایفا میکنند.
2.3 مدلهای مارکوف-سوئیچینگ برای تشخیص رژیم
مدلهای مارکوف-سوئیچینگ که توسط همیلتون (۱۹۸۹) پایهگذاری شد، بهویژه برای تحلیل سریهای زمانی مالی که دچار تغییرات گسسته در رفتار میشوند (مانند دورههای آرام به پرنوسان) مناسب هستند. این مدلها به فرآیند مولد داده اجازه میدهند بین حالتها (رژیمهای) مختلف با احتمالاتی که میتوانند ثابت یا متغیر زمانی باشند، جابهجا شود و آنها را برای شناسایی دورههای حباب و بحران ایدهآل میسازد.
3. روششناسی و مشخصات مدل
3.1 دادهها و دوره نمونه
این مطالعه از دادههای با فرکانس بالا در مورد نرخ ارز غیررسمی USD/IRR ایران استفاده میکند که دوره پرتلاطم از سال ۲۰۱۰ تا ۲۰۱۸ را پوشش میدهد. این دوره شامل رویدادهای اقتصادی مهمی مانند تحریمهای بینالمللی و شوکهای قیمت نفت است.
3.2 مدل مارکوف-سوئیچینگ سهرژیمی
هسته روششناسی، یک مدل خودرگرسیون مارکوف-سوئیچینگ سهرژیمی با احتمالات گذار متغیر زمانی (TVTP-MS-AR) است. سه رژیم شناساییشده عبارتند از:
- رژیم ۱ (آرام): دورههای افزایش/کاهش ارزش ملایم و دنبالهروی روند.
- رژیم ۲ (انفجاری/حباب): دورههای شتاب سریع و ناپایدار در نرخ ارز (کاهش ارزش).
- رژیم ۳ (فروپاشی): دورههای پس از ترکیدن حباب که اغلب با نوسان بالا یا اصلاح همراه است.
احتمالات گذار بین این حالتها بهعنوان توابعی از شاخصهای هشدار زودهنگام مدلسازی شدهاند که به مدل اجازه میدهد تغییرات رژیم را پیشبینی کند.
3.3 شاخصهای هشدار زودهنگام
دو شاخص کلیدی برای اطلاعرسانی به احتمالات گذار متغیر زمانی استفاده شدهاند:
- شاخص تحریمها: شدت تحریمهای اقتصادی بینالمللی را کمّی میکند که تقاضای انباشته برای ارز خارجی ایجاد میکنند.
- تغییرات در ذخایر ارز خارجی: ظرفیت و قصد بانک مرکزی برای دفاع از ارزش پول را نشان میدهد.
4. نتایج تجربی و تحلیل
4.1 شناسایی دورههای حباب انفجاری
مدل با موفقیت چندین رژیم حباب انفجاری در نرخ ارز غیررسمی را شناسایی میکند. دورههای کلیدی شامل موارد زیر است: ۲۰۱۱/۵، ۲۰۱۱/۹-۱۰، ۲۰۱۲/۷، ۲۰۱۲/۱۰-۱۱، ۲۰۱۳/۴ و بهطور قابل توجه، ۲۰۱۷/۱-۶. دوره ۲۰۱۷ بهویژه مهم است و با دوره فشار اقتصادی شدید و ناآرامی اجتماعی همزمان است.
4.2 احتمالات گذار رژیم
احتمالات متغیر زمانی تخمینزدهشده نشان میدهد که احتمال جابهجایی به یک رژیم انفجاری زمانی که شاخص تحریمها افزایش مییابد و ذخایر ارزی کاهش مییابد، به شدت افزایش مییابد. رژیم فروپاشی تمایل دارد که پس از دورههای انفجاری بیاید، در حالی که رژیم آرام با دورههای ثبات نسبی و مداخله سیاستی همسو است.
4.3 عملکرد شاخصهای هشدار
مدل نشان میدهد که شاخصهای هشدار زودهنگام ساختهشده، سیگنالهای بهموقعی ارائه میدهند که اغلب مقدم بر شروع کامل یک رژیم حباب انفجاری هستند. این امر کاربرد مدل را بهعنوان ابزاری سیاستی برای اقدام پیشگیرانه تأیید میکند.
5. بینش تحلیلی کلیدی: تجزیه چهارمرحلهای
بینش کلیدی: این مقاله یک حقیقت تلخ را ارائه میدهد: بازار ارز ایران اساساً شکسته است و نه توسط اقتصاد، بلکه توسط روانشناسی و ژئوپلیتیک هدایت میشود. نویسندگان ثابت میکنند که نرخ ارز غیررسمی زمین بازی حبابهای منطقی است، جایی که معاملهگران، با آگاهی کامل از گسستگی از بنیادها، هیجانات سفتهبازی را تغذیه میکنند زیرا جعبه ابزار سیاستی رژیم هم قابل پیشبینی و هم ناکافی است. داستان واقعی خود حبابها نیستند، بلکه تأیید الگوریتمی و بیطرفانه مدل مارکوف از زمانبندی دقیق آنهاست - محکومیتی قاطع برای سیاستهای واکنشی به جای پیشکننده.
جریان منطقی: استدلال به زیبایی ساخته شده است. با تصدیق شکست مدلهای استاندارد (میس-روگوف) آغاز میشود، به مالی رفتاری (حبابهای منطقی) میچرخد و سپس یک سلاح آماری پیچیده (مارکوف-سوئیچینگ TVTP) را که صراحتاً برای این آشوب طراحی شده است، به کار میگیرد. استفاده از تحریمها و تغییرات ذخایر بهعنوان محرکهای گذار، ضربه استادانه است که مستقیماً ریسک سیاسی را به آسیبشناسی بازار پیوند میزند. منطق آن محکم است: شوک خارجی -> ادراک بازار از ضعف بانک مرکزی -> افزایش احتمال حمله سفتهبازی.
نقاط قوت و ضعف: نقطه قوت آن، دقت تجربی و ارتباط سیاستی است. مدل TVTP برای تشخیص رژیم، در سطح پیشرفته است و از آزمونهای سادهتر حباب فراتر میرود. با این حال، ضعف در ذات کدر بودن دادههاست. دادههای «نرخ غیررسمی» از ایران بهطور بدنامی پرنویز و بالقوه دستکاریشده هستند. در حالی که مدل قوی است، ورودیهای آن شکننده هستند. علاوه بر این، تحلیل در مرحله شناسایی متوقف میشود؛ بهطور کامل وضعیت متضاد را مدلسازی نمیکند - چه اقدام خاص و بلادرنگ بانک مرکزی (مانند یک آستانه ذخیره) میتوانست از حباب ۲۰۱۷ جلوگیری کند؟ مدل بیماری را تشخیص میدهد اما در تجویز دوز دقیق دارو کمرو است.
بینشهای عملی: برای سیاستگذاران، این فقط یک تمرین آکادمیک نیست؛ یک نقشه نبرد است. بانک مرکزی باید از آتشنشان به پیشبینکننده تبدیل شود. الزام روشن، نهادینه کردن یک داشبورد برای نظارت بر شاخصهای کلیدی مدل - جو تحریمها (احتمالاً استخراجشده از دادههای خبری) و سطوح ذخایر بلادرنگ - است. هنگامی که احتمال جابهجایی به یک رژیم انفجاری از یک آستانه بحرانی (مثلاً ۷۰٪) فراتر میرود، پروتکلهای مداخله از پیش متعهد و شفاف باید فعال شوند. این میتواند به معنای اعلام تزریق موقت و در مقیاس بزرگ ارز خارجی یا تعدیل تهاجمی نرخ بهره باشد. هدف، شکست انتظار منطقی از یک شرط یکطرفه است. برای سرمایهگذاران، مدل سیگنال واضحی برای پوشش ریسک یا خروج از موقعیتها قبل از وقوع طوفان فراهم میکند و شکست سیاستی را به سود خصوصی تبدیل میکند - نتیجهگیری هشداردهنده زیرمتن ناگفته مقاله.
6. جزئیات فنی و چارچوب ریاضی
مدل اصلی، یک مدل خودرگرسیون مارکوف-سوئیچینگ (MS-AR) با احتمالات گذار متغیر زمانی (TVTP) است. فرآیند نرخ ارز ${y_t}$ به صورت زیر مدلسازی شده است:
$y_t = \mu_{s_t} + \sum_{i=1}^{p}\phi_{i, s_t} y_{t-i} + \sigma_{s_t}\epsilon_t, \quad \epsilon_t \sim N(0,1)$
که در آن ${s_t}$ حالت نهفته (رژیم) در زمان $t$ را نشان میدهد و مقادیر در ${1,2,3}$ را میپذیرد. نوآوری کلیدی این است که ماتریس احتمال گذار $P_t$، که در آن $P_{ij,t} = Pr(s_t = j | s_{t-1}=i)$، ثابت نیست بلکه با بردار شاخصهای $z_t$ (تحریمها، ذخایر) تغییر میکند:
$P_{ij,t} = \frac{\exp(\theta_{ij,0} + \theta_{ij}' z_t)}{\sum_{k=1}^{3}\exp(\theta_{ik,0} + \theta_{ik}' z_t)}$
این مشخصه به عوامل بنیادی و سیاسی اجازه میدهد تا مستقیماً بر احتمال ورود بازار به حالت حباب تأثیر بگذارند و از تشخیص صرفاً آماری رژیم فراتر میرود.
7. نتایج آزمایشی و تفسیر نمودار
شکل ۱ (مفهومی): احتمالات هموارشده رژیمها. این نمودار نرخ غیررسمی USD/IRR را در طول زمان نشان میدهد که پسزمینه آن بر اساس احتمال هموارشده مدل از قرارگیری در هر رژیم سایهزنی شده است. ما مشاهده میکنیم که نرخ ارز در دورههای سبز «آرام» به آرامی روندی را دنبال میکند، سپس در دورههای قرمز «انفجاری» شاهد افزایشهای شدید و تقریباً عمودی است. این مناطق قرمز بهطور نزدیکی با تاریخهای شناساییشده (مانند اوایل ۲۰۱۷) مطابقت دارند. رژیم «فروپاشی» (زرد) معمولاً پس از قلههای انفجاری میآید و نوسان بالا بدون روند مشخصی را نشان میدهد. قدرت نمودار در تجسم چگونگی تشریح تمیز دادههای بازار آشفته توسط مدل به فازهای رفتاری متمایز نهفته است.
شکل ۲ (مفهومی): احتمالات گذار متغیر زمانی. این احتمالاً یک پنل از نمودارهاست که احتمال تخمینزدهشده جابهجایی به رژیم انفجاری از رژیم آرام را در طول زمان نشان میدهد. ما میبینیم که این احتمال بهطور چشمگیری همزمان با اعلام تحریمهای جدید (مانند در ۲۰۱۱-۲۰۱۲ و ۲۰۱۷) افزایش مییابد و پس از گزارشهای تزریق ارز خارجی بانک مرکزی کاهش مییابد. این نمودار مستقیماً پیوند مکانیکی بین رویدادهای سیاسی و بیثباتی بازار را نشان میدهد.
8. چارچوب تحلیل: یک مثال عملی
سناریو: یک تحلیلگر در بانک مرکزی ایران در سهماهه چهارم ۲۰۱۶.
مرحله ۱ – ورودی داده: تحلیلگر آخرین دادههای روزانه نرخ ارز غیررسمی، یک امتیاز شدت تحریم (مشتقشده از تحلیل خبری از عدم قطعیت قریبالوقوع مرتبط با برجام) و تغییر هفتگی در ذخایر ارز خارجی را به مدل از پیش تخمینزدهشده TVTP-MS-AR وارد میکند.
مرحله ۲ – خروجی مدل: مدل یک افزایش شدید در احتمال $P_{12,t}$ - شانس گذار از رژیم آرام به رژیم انفجاری - از ۱۵٪ به بیش از ۶۵٪ در عرض چند هفته را خروجی میدهد.
مرحله ۳ – تفسیر و اقدام: این یک سیگنال هشدار زودهنگام واضح است. به جای انتظار برای جهش نرخ، گزارش تحلیلگر یک جلسه سیاستی پیشگیرانه را فعال میکند. اقدام توصیهشده، بر اساس محرکهای مدل، ممکن است این باشد: «افزایش ارتباطات عمومی در مورد سطوح کافی ذخایر و اعلام یک مزایده محدود و شفاف ارز خارجی برای پاسخ به تقاضای انباشته نشاندادهشده توسط شاخص تحریمها، با هدف کاهش $P_{12,t}$ به زیر ۵۰٪.» این چارچوب، سیاست را از واکنشی به پیشبینانه منتقل میکند.
9. چشماندازهای کاربردی و جهتهای آینده
کاربردهای فوری: کاربرد اولیه بهعنوان یک ابزار نظارت بلادرنگ برای بانکهای مرکزی و کمیتههای ثبات مالی در بازارهای نوظهوری است که با تحریفهای مشابه بازار ارز مواجه هستند. میتوان آن را در داشبوردهای نظارت اقتصاد کلان ادغام کرد.
جهتهای تحقیقاتی آینده:
- دادههای با فرکانس بالا و جایگزین: ادغام تحلیل احساسات از رسانههای اجتماعی و فیدهای خبری برای بهبود شاخص تحریم/ریسک سیاسی در زمان واقعی.
- تحلیل چندکشوری: اعمال همان چارچوب به سایر اقتصادهای تحت تحریم یا مستعد بحران (مانند ونزوئلا، ترکیه) برای آزمایش تعمیمپذیری آن و شناسایی محرکهای مشترک.
- ماژول شبیهسازی سیاست: گسترش مدل برای شامل کردن یک تابع واکنش بانک مرکزی، که به آن اجازه میدهد پاسخ بازار به استراتژیهای مداخله مختلف (مانند افزایش نرخ بهره در مقابل فروش مستقیم ارز خارجی) را شبیهسازی کند و مؤثرترین سیاست خالیکردن حباب را شناسایی کند.
- هیبریدهای یادگیری ماشین: ترکیب نقاط قوت ساختاری مدل مارکوف با قدرت تشخیص الگوی مدلهای LSTM یا Gradient Boosting برای بهبود بیشتر دقت هشدار زودهنگام.
10. منابع
- Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
- Meese, R. A., & Rogoff, K. (1983). Empirical exchange rate models of the seventies: Do they fit out of sample? Journal of International Economics, 14(1-2), 3-24.
- Phillips, P. C., Shi, S., & Yu, J. (2015). Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review, 56(4), 1043-1078. (برای روششناسی آزمون حباب).
- Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308. (درباره احتمالات گذار متغیر زمانی).
- International Monetary Fund. (2020). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). (برای زمینهسازی رژیم ارزی ایران).