شناسایی حباب‌های منطقی در بازار ارز ایران: رویکرد مارکوف-سوئیچینگ

1. مقدمه

این مطالعه به بررسی وجود و پویایی حباب‌های سفته‌بازی منطقی در بازار غیررسمی ارز ایران (دلار/ریال) می‌پردازد. بازار ارز جزء حیاتی هر اقتصاد است که به طور مستقیم بر رقابت‌پذیری، تجارت، سرمایه‌گذاری و تورم تأثیر می‌گذارد. در ایران، این بازار با نوسان بالا مشخص می‌شود که تحت تأثیر شدید شوک‌های درآمد نفتی، تحریم‌های اقتصادی و رفتار سفته‌بازی قرار دارد. مسئله اصلی مورد بررسی، انحراف نرخ ارز از ارزش بنیادی آن است که در صورت عدم کنترل توسط سیاست‌گذاران می‌تواند به بحران ارزی منجر شود. هدف این مقاله شناسایی این دوره‌های حباب با استفاده از یک مدل اقتصادسنجی پیشرفته برای ارائه سیگنال‌های هشدار زودهنگام جهت مداخله مؤثرتر سیاست پولی و ارزی است.

2. مرور ادبیات و چارچوب نظری

2.1. حباب‌های منطقی در قیمت‌گذاری دارایی‌ها

مفهوم حباب‌های منطقی از ادبیات قیمت‌گذاری دارایی‌ها سرچشمه می‌گیرد، جایی که قیمت بازار یک دارایی به طور مداوم از ارزش بنیادی آن بر اساس ارزش فعلی جریان‌های نقدی آتی مورد انتظار منحرف می‌شود. در یک حباب منطقی، فعالان بازار مایلند قیمتی بالاتر از ارزش بنیادی بپردازند زیرا انتظار دارند آن را در آینده با قیمتی حتی بالاتر بفروشند (بلانچارد و واتسون، ۱۹۸۲). این پیشگویی خودمحقق‌کننده می‌تواند به مسیرهای انفجاری قیمت منجر شود.

2.2. تعیین نرخ ارز و شکست بازار

مدل‌های اقتصاد کلان سنتی (مانند رویکرد پولی، تراز پرتفوی) اغلب در توضیح نوسان کوتاه‌مدت تا میان‌مدت نرخ ارز شکست می‌خورند، معما‌ای که توسط میس و روگوف (۱۹۸۳) برجسته شد. مالی رفتاری عناصری مانند احساسات سرمایه‌گذار، رفتار گلّه‌ای و حملات سفته‌بازی را به عنوان محرک‌های کلیدی معرفی می‌کند. "معمای گسستگی" نشان می‌دهد که نرخ‌های ارز اغلب توسط عواملی فراتر از بنیادهای استاندارد هدایت می‌شوند.

2.3. بستر بازار ارز ایران

بازار ارز ایران تحت یک سیستم چندلایه با نرخ‌های رسمی، ثانویه و غیررسمی (بازار سیاه) عمل می‌کند. بازار غیررسمی، که توسط عدم تعادل عرضه و تقاضا، فرار سرمایه و انتظارات در مورد تحریم‌ها و درآمدهای نفتی هدایت می‌شود، به شدت مستعد تشکیل حباب است. مداخلات بانک مرکزی، اغلب از طریق فروش ارز حاصل از نفت، با هدف تثبیت بازار انجام می‌شود اما ممکن است تحت فشارهای سفته‌بازی قرار گیرد.

3. روش‌شناسی و مشخصات مدل

3.1. مدل مارکوف-سوئیچینگ با احتمالات گذار متغیر زمانی (MS-TVTP)

این مطالعه از یک مدل مارکوف-سوئیچینگ استفاده می‌کند، یک مدل سوئیچینگ رژیمی که در آن اقتصاد می‌تواند در حالت‌های مختلفی باشد (مانند آرام، انفجاری، فروپاشی). نوآوری کلیدی استفاده از احتمالات گذار متغیر زمانی (TVTP) است. برخلاف مدل‌های استاندارد MS با احتمالات ثابت تغییر حالت، نوع TVTP اجازه می‌دهد احتمال حرکت از یک رژیم به رژیم دیگر به متغیرهای اقتصادی مشاهده‌شده (مانند شدت تحریم‌ها، تغییرات ذخایر ارزی) وابسته باشد. این امر مدل را برای ثبت تأثیر تغییرات سیاستی و شوک‌های خارجی بر احساسات بازار واقع‌بینانه‌تر می‌سازد.

3.2. مشخصات مدل و شناسایی حباب

مدل سه رژیم متمایز را برای نرخ ارز غیررسمی ($s_t$) مشخص می‌کند:

1. رژیم انفجاری: با افزایش سریع نرخ ارز (کاهش ارزش پول ملی) مشخص می‌شود که نشان‌دهنده یک حباب است.
2. رژیم آرام: با روند ملایم و پایدار مشخص می‌شود.
3. رژیم فروپاشی: با اصلاح یا کاهش شدید نرخ ارز پس از ترکیدن حباب مشخص می‌شود.

3.3. داده‌ها و متغیرها

تحلیل از داده‌های ماهانه از فروردین ۱۳۸۹ تا شهریور ۱۳۹۷ استفاده می‌کند. متغیر اصلی، نرخ ارز بازار غیررسمی دلار آمریکا در برابر ریال ایران است. احتمالات گذار به عنوان توابعی از موارد زیر مدل‌سازی شده‌اند:

• شاخص تحریم‌ها: یک نماینده برای فشار اقتصادی خارجی، که تقاضا برای ارزهای امن را افزایش می‌دهد.
• تغییر در ذخایر ارزی: ظرفیت بانک مرکزی برای مداخله و دفاع از پول ملی را نشان می‌دهد.

4. نتایج تجربی و تحلیل

4.1. برآورد مدل و طبقه‌بندی رژیم‌ها

مدل MS-TVTP با موفقیت برآورد شد. نمودار احتمالات هموار شده به وضوح توانایی مدل را در طبقه‌بندی خط زمانی به سه رژیم متمایز نشان می‌دهد. مدل دقت بالایی در شناسایی دقیق دوره‌های تنش بازار نشان می‌دهد.

4.2. شناسایی دوره‌های حباب

مدل چندین دوره حباب انفجاری را در نرخ غیررسمی دلار/ریال شناسایی می‌کند:

• اردیبهشت ۱۳۹۰ (5/90)
• شهریور-مهر ۱۳۹۰ (9/90 – 10/90)
• تیر ۱۳۹۱ (7/91)
• مهر-آبان ۱۳۹۱ (10/91 – 11/91)
• فروردین ۱۳۹۲ (4/92)
• دی-خرداد ۱۳۹۶ (1/97 – 6/97)

4.3. عملکرد شاخص‌های هشدار زودهنگام

شاخص تحریم‌ها به عنوان یک محرک بسیار معنادار برای گذار به رژیم انفجاری ثابت شد. افزایش شاخص، احتمال حرکت بازار از حالت آرام یا فروپاشی به حالت حباب انفجاری را افزایش داد. تغییرات در ذخایر ارزی نیز معنادار بودند؛ کاهش ذخایر (کاهش ظرفیت مداخله) احتمال ورود یا ماندن در یک رژیم انفجاری را افزایش داد. رژیم‌های فروپاشی تمایل داشتند که پس از دوره‌های انفجاری رخ دهند و اغلب با مداخله سنگین بانک مرکزی یا کاهش موقتی فشارهای بازار همزمان بودند.

5. بحث و پیامدها

5.1. بینش اصلی و جریان منطقی

بینش اصلی: ارزش ریال ایران فقط توسط قیمت نفت یا عرضه پول شکل نمی‌گیرد؛ بلکه یک میدان نبرد روانی است. نبوغ مقاله در صوری‌سازی این امر نهفته است: نرخ ارز تابعی از رژیم‌های باور است. تحریم‌ها فقط اقتصاد را خفه نمی‌کنند؛ بلکه یک کلید روانی در بازار را از حالت "آرام" به "وحشت" تغییر می‌دهند و یک حباب منطقی را آغاز می‌کنند که در آن خرید دلار به یک تاکتیک بقا تبدیل می‌شود، نه یک قمار سفته‌بازی.

جریان منطقی: استدلال ظریف است. ۱) مدل‌های استاندارد شکست می‌خورند (معمای میس-روگوف). ۲) بنابراین، انتظارات و رژیم‌ها را در نظر بگیرید. ۳) تحریم‌ها و تغییرات ذخایر، نماینده‌های قابل مشاهده‌ای هستند که این انتظارات را تغییر می‌دهند. ۴) مدل MS-TVTP این را ثبت می‌کند و پنجره‌های دقیق حباب را شناسایی می‌کند. منطق بی‌نقص است: اگر بتوانید مکانیسم سوئیچینگ را مدل کنید، می‌توانید حباب را پیش‌بینی کنید.

5.2. نقاط قوت و ضعف رویکرد

نقاط قوت:

• نبوغ عمل‌گرایانه: از کار غیرممکن اندازه‌گیری "بنیادها" در یک اقتصاد تحریف‌شده مانند ایران اجتناب می‌کند. در عوض، بر فرآیند انحراف تمرکز می‌کند که قابل مشاهده‌تر است.
• خروجی آماده برای سیاست: مدل فقط نمی‌گوید "یک حباب وجود دارد"؛ بلکه می‌گوید "احتمال ورود به یک حباب در ماه آینده X٪ است، که توسط سطح تحریم Y هدایت می‌شود." این یک اطلاعات عملی است.
• اعتبارسنجی تجربی: دوره‌های حباب شناسایی شده با بحران‌های تاریخی مطابقت دارند که به مدل اعتبار ظاهری قوی می‌دهد.

• شاخص‌های هشدار جعبه سیاه: "شاخص تحریم‌ها" یک متغیر ساخته‌شده است. ترکیب و وزن‌دهی آن حیاتی اما بالقوه ذهنی است. ورودی بی‌ارزش، خروجی بی‌ارزش.
• واقعیت با تأخیر: مدل بر روی داده‌های تاریخی برآورد شده است. در یک بحران سریع، شاخص‌ها (مانند تغییرات ذخایر) ممکن است با تأخیر گزارش شوند که کاربرد زمان واقعی را کاهش می‌دهد.
• فرض منطقی بودن: چارچوب حباب "منطقی" ممکن است وزن کمتری به وحشت محض و رفتار گلّه‌ای بدهد، که می‌تواند غیرمنطقی باشد و سریع‌تر از آنچه هر مدلی بتواند ثبت کند، خود را تغذیه کند.

5.3. بینش‌های عملی برای سیاست‌گذاران

برای بانک مرکزی ایران و کمیته‌های ثبات مالی، این پژوهش یک راهنمای تاکتیکی است، نه فقط یک تمرین دانشگاهی.

1. سوئیچ‌ها را نظارت کنید، نه فقط سطح را: تمرکز را از سطح مطلق نرخ ارز به احتمال تغییر رژیم تغییر دهید. یک بازار آرام با فشار تحریم فزاینده، یک حالت پیش‌انفجاری است.
2. ذخیره مهمات را به طور استراتژیک حفظ کنید: ذخایر ارزی ابزار اصلی برای مبارزه با حباب‌ها هستند. مدل نشان می‌دهد مداخلات در فاز "فروپاشی" مؤثرتر هستند. هدر دادن ذخایر در میانه یک حباب انفجاری (وقتی احساسات به شدت منفی است) بی‌فایده است. مداخلات باید زمان‌بندی شوند تا سوئیچ از انفجاری به فروپاشی را تسریع کنند.
3. مدیریت انتظارات را به عنوان یک ابزار سیاستی کلیدی در نظر بگیرید: از آنجایی که بازار توسط باورها هدایت می‌شود، ارتباط و اعتبار کلیدی هستند. سیاست‌های مداخله‌ای شفاف و مبتنی بر قاعده می‌توانند به لنگر انداختن انتظارات و کاهش احتمال سوئیچ به رژیم انفجاری کمک کنند. سیاست‌های مبهم یا بی‌ثبات اثر معکوس دارند.
4. یک سیستم هشدار زودهنگام زمان واقعی بسازید: این مدل را عملیاتی کنید. آن را با داده‌های زمان واقعی در مورد جریان اخبار تحریم (با استفاده از NLP روی خبرگزاری‌ها)، برآوردهای نیمه‌زمان واقعی ذخایر و شاخص‌های عمق بازار تغذیه کنید. این یک داشبورد برای پیشگیری از بحران ایجاد می‌کند.

6. پیوست فنی

6.1. فرمول‌بندی ریاضی

هسته مدل MS-TVTP را می‌توان به صورت زیر نشان داد. فرض کنید $s_t$ لگاریتم نرخ ارز غیررسمی باشد. فرآیند به صورت زیر مدل می‌شود:

$\Delta s_t = \mu(S_t) + \epsilon_t, \quad \epsilon_t \sim N(0, \sigma^2(S_t))$

که در آن $S_t \in \{1,2,3\}$ رژیم مشاهده‌نشده را نشان می‌دهد (1=آرام، 2=انفجاری، 3=فروپاشی). گذار بین رژیم‌ها توسط یک ماتریس احتمال $P_t$ اداره می‌شود، که هر عنصر $p_{ij,t} = Pr(S_t = j | S_{t-1} = i)$ متغیر زمانی است.

این احتمالات متغیر زمانی با استفاده از یک مشخصه لجیت چندجمله‌ای مدل‌سازی می‌شوند:

$p_{ij,t} = \frac{\exp(\theta_{ij} + \beta_{ij}' Z_{t-1})}{\sum_{k=1}^{3} \exp(\theta_{ik} + \beta_{ik}' Z_{t-1})}$

که در آن $Z_{t-1}$ بردار شاخص‌های هشدار زودهنگام (مانند شاخص تحریم‌ها، تغییر ذخایر) در زمان $t-1$ است، و $\theta_{ij}, \beta_{ij}$ پارامترهایی هستند که باید برآورد شوند. این تنظیم اجازه می‌دهد احتمال سوئیچ به یک رژیم حباب به طور مستقیم به فشارهای اقتصادی قابل مشاهده وابسته باشد.

6.2. مثال چارچوب تحلیل

سناریو: یک تحلیلگر در بانک مرکزی ایران می‌خواهد خطر تشکیل یک حباب سفته‌بازی در سه‌ماهه آینده را ارزیابی کند.

کاربرد چارچوب:

1. ورودی داده: آخرین مقادیر برای شاخص تحریم‌ها (مانند مشتق‌شده از تحلیل احساسات خبری رسانه‌های اصلی غربی و بیانیه‌های دولتی) و تغییر ماهانه ذخایر ارزی خارجی را جمع‌آوری کنید.
2. پرس‌وجوی مدل: این مقادیر را به مدل برآوردشده MS-TVTP وارد کنید. مدل از حالت رژیم استنباط‌شده فعلی (از آخرین داده‌های نرخ ارز) و مقادیر ورودی $Z_t$ استفاده می‌کند.
3. تفسیر خروجی: مدل احتمالات بودن در هر یک از سه رژیم را برای دوره بعدی خروجی می‌دهد. برای مثال:
   • $Pr(آرام) = 0.15$
   • $Pr(انفجاری) = 0.80$
   • $Pr(فروپاشی) = 0.05$
4. نتیجه عملی: احتمال ۸۰٪ ورود به رژیم انفجاری یک پرچم قرمز است. گزارش تحلیلگر برجسته می‌کند که با توجه به فشار تحریم فعلی بالا و کاهش ذخایر، بازار به احتمال زیاد وارد فاز حباب خواهد شد. این باعث می‌شود توصیه شود بانک مرکزی برنامه‌های احتمالی را آماده کند، ارتباط پیشگیرانه برای مدیریت انتظارات را در نظر بگیرد و استراتژی استقرار ذخایر را مرور کند.

7. کاربردهای آتی و جهت‌های پژوهشی

روش‌شناسی و بینش‌های این مطالعه کاربرد گسترده‌ای فراتر از بستر خاص ایران دارند.

• سایر اقتصادهای تحریم‌شده یا شکننده: مدل را می‌توان برای کشورهایی مانند ونزوئلا، روسیه یا ترکیه تطبیق داد، جایی که ریسک‌های ژئوپلیتیکی و نوسان جریان سرمایه پویایی‌های مشابهی ایجاد می‌کنند. کلید، شناسایی شاخص‌های هشدار زودهنگام محلی صحیح (مانند شاخص ثبات سیاسی، نوسان قیمت کالا) است.
• بازارهای ارز دیجیتال: بازارهای کریپتو به طور بدنامی مستعد حباب‌های هدایت‌شده توسط احساسات و اخبار نظارتی هستند. یک مدل MS-TVTP با استفاده از احساسات رسانه‌های اجتماعی، شاخص‌های اعلامیه‌های نظارتی و معیارهای زنجیره‌ای می‌تواند برای شناسایی رژیم‌های حباب در بیت‌کوین یا اتریوم قدرتمند باشد.
• ادغام با یادگیری ماشین: کار آینده می‌تواند مشخصه لجیت برای احتمالات گذار را با یک طبقه‌بند یادگیری ماشین (مانند جنگل تصادفی، شبکه عصبی) جایگزین کند تا روابط پیچیده‌تر و غیرخطی بین شاخص‌ها و تغییرات رژیم را ثبت کند.
• توسعه داشبورد زمان واقعی: گام منطقی بعدی ساخت یک داشبورد نرم‌افزاری است که جریان‌های داده زمان واقعی را دریافت می‌کند، مدل را به طور مداوم اجرا می‌کند و به صورت بصری سیاست‌گذاران را از افزایش احتمالات حباب آگاه می‌سازد، بسیار شبیه یک "نقشه هوای ثبات مالی".
• شبیه‌سازی سیاست: مدل می‌تواند برای شبیه‌سازی تأثیر اقدامات سیاستی مختلف (مانند تزریق بزرگ ذخایر، تغییر نرخ بهره) بر احتمالات گذار استفاده شود و به ارزیابی اثربخشی بالقوه ابزارهای سیاستی قبل از استقرار کمک کند.

8. منابع

1. Blanchard, O. J., & Watson, M. W. (1982). Bubbles, rational expectations and financial markets. In P. Wachtel (Ed.), Crises in the Economic and Financial Structure. Lexington Books.
2. 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.
3. Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
4. Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308.
5. Taiebnia, A., Mehraara, M., & Akhtari, A. (2019). [حباب‌های منطقی و حملات سفته‌بازی در بازار نرخ ارز غیررسمی ایران با مدل مارکوف-سوئیچینگ با احتمالات گذار متغیر زمانی]. فصلنامه علمی-پژوهشی پژوهش‌های اقتصادی، ۱۹(۷۴), ۱۱۱-۱۶۴. (منبع اصلی فارسی).
6. International Monetary Fund. (2023). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). Retrieved from IMF eLibrary.
7. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in neural information processing systems, 27. (به عنوان نمونه‌ای از تکنیک‌های مدل‌سازی پیشرفته قابل اعمال برای تشخیص رژیم ذکر شده است).