फ्लोटिंग रेजिम के तहत USD/UAH विनिमय दर गतिशीलता का निदान

विषय सूची

1. Introduction & Overview

यह अध्ययन 2014 में यूक्रेन के फ्लोटिंग एक्सचेंज रेट रेजिम और मुद्रास्फीति लक्ष्यीकरण नीति में संक्रमण के बाद USD/UAH (यूक्रेनी ह्रीवनिया) विनिमय दर गतिशीलता का एक व्यापक अनुभवजन्य विश्लेषण करता है। जनवरी 2014 से मई 2020 तक की अवधि की जांच की गई है, जो मैक्रोइकॉनॉमिक असंतुलन, सामाजिक-राजनीतिक तनाव और महत्वपूर्ण मुद्रा अस्थिरता, जिसमें दिसंबर 2019 में 23.46 UAH/USD का निचला स्तर भी शामिल है, से चिह्नित है। यह शोध यह निदान करने का लक्ष्य रखता है कि क्या विनिमय दर की गति एक यादृच्छिक या स्थायी प्रवृत्ति का अनुसरण करती है, मौसमी पैटर्न की पहचान करती है, और बाहरी मैक्रोइकॉनॉमिक झटकों के प्रति इसकी संवेदनशीलता का मूल्यांकन करती है, जिससे यूक्रेन के विदेशी मुद्रा बाजार की दक्षता और स्थिरता का आकलन किया जा सके।

2. Methodology & Data

अनुभवजन्य विश्लेषण USD/UAH विनिमय दर प्रक्रिया की प्रकृति से संबंधित तीन केंद्रीय परिकल्पनाओं का परीक्षण करने के लिए समय श्रृंखला अर्थमितीय तकनीकों के एक मजबूत सेट का उपयोग करता है।

2.1 अनुसंधान परिकल्पनाएँ

अध्ययन निम्नलिखित परिकल्पनाओं का परीक्षण करता है: (H1) USD/UAH विनिमय दर एक नियतात्मक प्रवृत्ति के बजाय एक स्टोकेस्टिक (यादृच्छिक चलन) प्रक्रिया का अनुसरण करती है। (H2) गतिकी सांख्यिकीय रूप से महत्वपूर्ण मौसमी पैटर्न प्रदर्शित करती है। (H3) विनिमय दर बाहरी स्थूल आर्थिक आघातों के प्रति संवेदनशील है, लेकिन यदि प्रतिक्रियाएँ अल्पकालिक और माध्य-प्रत्यावर्ती हैं तो यूक्रेनी विदेशी मुद्रा बाजार सापेक्ष दक्षता के संकेत दिखाता है।

2.2 विश्लेषणात्मक ढाँचा

एक बहु-विधि दृष्टिकोण का उपयोग किया गया है:

• Unit Root Tests: Augmented Dickey-Fuller (ADF) और Phillips-Perron परीक्षण स्थिरता और एक स्टोकेस्टिक प्रवृत्ति की उपस्थिति निर्धारित करने के लिए।
• स्वतःसहसंबंध विश्लेषण: श्रृंखला में पैटर्न और दृढ़ता की पहचान करने के लिए।
• ग्रेंजर कार्य-कारण परीक्षण: विनिमय दर और प्रमुख मैक्रोइकॉनॉमिक चरों के बीच अग्र-पश्च संबंधों का पता लगाने के लिए।
• Univariate Model: प्रवृत्ति-मौसमी अपघटन के लिए ARMA (AutoRegressive Moving Average) मॉडलिंग।
• बहुचर मॉडल: वेक्टर ऑटोरेग्रेशन (VAR) मॉडल और इम्पल्स रिस्पॉन्स फंक्शंस (IRFs) का उपयोग विभिन्न मैक्रोइकॉनॉमिक संकेतकों से आघातों के विनिमय दर पर गतिशील प्रभाव का विश्लेषण करने के लिए।

2.3 डेटा अवधि & Sources

जनवरी 2014 से मई 2020 तक का मासिक डेटा उपयोग किया गया है। प्राथमिक चर USD/UAH विनिमय दर है। बहुचर विश्लेषण के लिए, अन्य व्यापक आर्थिक संकेतकों में संभवतः मुद्रास्फीति दरें, ब्याज दरें, विदेशी मुद्रा भंडार, व्यापार संतुलन के आंकड़े और संभवतः तेल की कीमतों या USD सूचकांक जैसे वैश्विक कारक शामिल हैं, जो नेशनल बैंक ऑफ यूक्रेन (NBU) और अन्य आधिकारिक सांख्यिकीय निकायों से प्राप्त हैं।

3. Empirical Results & Analysis

3.1 Trend Analysis & Random Walk

एडीएफ और फिलिप्स-पेरॉन परीक्षणों के परिणाम नमूना अवधि के भीतर यूएसडी/यूएएच श्रृंखला के लिए इकाई मूल के शून्य परिकल्पना को अस्वीकार करने में विफलता का संकेत देते हैं। यह इस बात का मजबूत सबूत प्रदान करता है H1, जो यह सुझाव देता है कि विनिमय दर आंदोलन एक stochastic process एक यादृच्छिक चल घटक के साथ। प्रवृत्ति स्थायी नहीं है बल्कि एक यादृच्छिक तत्व समाहित करती है, जिससे समय के साथ तीव्र और अप्रत्याशित परिवर्तन होते हैं। यह यूक्रेनी विदेशी मुद्रा बाजार के लिए दुर्बल-रूप कुशल बाजार परिकल्पना (EMH) के अनुरूप है, जिसका तात्पर्य है कि अतीत की मूल्य गतिविधियाँ भविष्य के परिवर्तनों का विश्वसनीय रूप से पूर्वानुमान नहीं कर सकतीं।

3.2 Seasonality Detection

विश्लेषण पुष्टि करता है H2, जो एक स्पष्ट प्रकट करता है मौसमी पैटर्न USD/UAH उतार-चढ़ाव में। ह्रीवनिया की प्रवृत्ति पहली और दूसरी तिमाही के दौरान USD के मुकाबले मूल्यह्रास की होती है (Q1 & Q2) of the year and तीसरी और चौथी तिमाही में सराहना (Q3 & Q4). This pattern could be linked to cyclical factors such as agricultural export flows, corporate tax payment schedules, or seasonal demand for foreign currency.

3.3 बाहरी झटकों के प्रति संवेदनशीलता

VAR मॉडल और इम्पल्स रिस्पॉन्स फंक्शंस दर्शाते हैं कि USD/UAH दर विशिष्ट मैक्रोइकॉनॉमिक संकेतकों से आने वाले झटकों पर प्रतिक्रिया करती है, जहाँ प्रतिक्रियाएँ या तो सकारात्मक (अवमूल्यन) या नकारात्मक (मूल्यवृद्धि) होती हैं। महत्वपूर्ण रूप से, अध्ययन में पाया गया है कि ये प्रतिक्रियाएँ अल्पकालिक होती हैं, परिमाण में सांख्यिकीय रूप से महत्वहीन हैं, और समय के साथ समाप्त होने की प्रवृत्ति प्रदर्शित करती हैं। समय के साथ। यह H3 और सुझाव देता है कि जबकि बाज़ार समाचारों पर प्रतिक्रिया करता है (सापेक्ष दक्षता का संकेत देते हुए), यह भी स्थिर क्योंकि झटके स्थायी, अस्थिर करने वाले विचलन का कारण नहीं बनते।

4. Key Findings & Implications

• Stochastic & Unpredictable Trend: USD/UAH दर एक यादृच्छिक चलन का अनुसरण करती है, जिससे रैखिक मॉडलों के साथ अल्प से मध्यम अवधि का सटीक पूर्वानुमान लगाना अत्यंत कठिन हो जाता है।
• स्पष्ट मौसमीयता: नीति निर्माता और व्यवसाय त्रैमासिक दबाव बिंदुओं का अनुमान लगा सकते हैं, हालांकि रैंडम वॉक घटक सटीक भविष्यवाणी को सीमित करता है।
• कुशल परंतु पतला बाजार: झटकों के प्रति त्वरित, क्षीण होती प्रतिक्रिया एक ऐसे बाजार का संकेत देती है जो सूचना को तेजी से समाहित करता है, लेकिन एकल झटकों से बड़ी, लंबे समय तक चलने वाली गतिविधियों को बनाए रखने के लिए गहराई का अभाव हो सकता है।
• Multifactorial Dependence: विनिमय दर कई घरेलू और संभावित रूप से वैश्विक व्यापक आर्थिक कारकों से प्रभावित होती है, जो मानक अंतरराष्ट्रीय वित्त सिद्धांत के अनुरूप है।
• Policy Challenge: यूक्रेन के राष्ट्रीय बैंक के लिए, अत्यधिक अस्थिर और स्टोकेस्टिक विनिमय दर वाली फ्लोटिंग व्यवस्था के तहत मुद्रास्फीति का प्रबंधन एक महत्वपूर्ण चुनौती है।

5. Technical Details & Mathematical Framework

मुख्य मॉडल निम्नानुसार निर्दिष्ट किए गए हैं:

संवर्धित डिकी-फुलर (ADF) परीक्षण:
$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{p} \delta_i \Delta y_{t-i} + \epsilon_t$
शून्य परिकल्पना $H_0: \gamma = 0$ (इकाई मूल उपस्थित)। अध्ययन के परिणामों ने संभवतः स्तर श्रृंखला के लिए $H_0$ को अस्वीकार करने में विफल रहे।

वेक्टर ऑटोरेग्रेशन (VAR) मॉडल:
$\mathbf{Y}_t = \mathbf{A}_0 + \mathbf{A}_1\mathbf{Y}_{t-1} + ... + \mathbf{A}_p\mathbf{Y}_{t-p} + \mathbf{U}_t$
जहाँ $\mathbf{Y}_t$ USD/UAH दर और अन्य व्यापक आर्थिक चरों (जैसे, मुद्रास्फीति, ब्याज दरें) वाला एक वेक्टर है, $\mathbf{A}_i$ गुणांक मैट्रिक्स हैं, और $\mathbf{U}_t$ श्वेत शोर नवाचारों का एक वेक्टर है।

इम्पल्स रिस्पॉन्स फंक्शन (IRF):
वीएआर सिस्टम में एक चर (जैसे, मुद्रास्फीति आश्चर्य) पर एक-मानक-विचलन झटके के प्रभाव का सभी चरों, विशेष रूप से USD/UAH दर, की वर्तमान और भविष्य की मानों पर पता लगाता है: $\frac{\partial Y_{t+h}}{\partial u_{j,t}}$ for $h=0,1,2,...$

6. Experimental Results & Chart Descriptions

चित्र 1 (टाइम सीरीज़ प्लॉट): संभवतः 2014-2020 की अवधि में नाममात्र USD/UAH विनिमय दर दर्शाता है, जो 2014-2015 में तीव्र अवमूल्यन, 2016-2018 में सापेक्ष स्थिरता, और दिसंबर 2019 के शिखर के साथ 2019-2020 में नई अस्थिरता को उजागर करता है।

चित्र 2 (ACF/PACF सहसंबंध आरेख): Autocorrelation और Partial Autocorrelation Function आरेख जिनका उपयोग ARMA मॉडल क्रम ($p$, $q$) की पहचान करने और दृश्य रूप से Persistence का आकलन करने के लिए किया जाता है (धीरे-धीरे क्षय होने वाला ACF गैर-स्थिरता का सुझाव देता है)।

चित्र 3 (मौसमी अपघटन): एक प्लॉट जो श्रृंखला को प्रवृत्ति, मौसमी और अवशिष्ट घटकों में विघटित करता है, जो Q1-Q2 मूल्यह्रास / Q3-Q4 मूल्यवृद्धि पैटर्न की दृष्टिगत रूप से पुष्टि करता है।

चित्र 4-7 (आवेग प्रतिक्रिया कार्य): VAR में अन्य चरों (जैसे, NBU नीति दर, मुद्रास्फीति, व्यापार संतुलन) से ऑर्थोगोनलाइज्ड झटकों के प्रति USD/UAH विनिमय दर की प्रतिक्रिया दर्शाने वाली चार्ट्स की एक श्रृंखला। मुख्य अवलोकन यह है कि प्रतिक्रिया पथ शून्य के आसपास मंडराते हैं, जिनके आत्मविश्वास अंतराल में शून्य शामिल है, जो सांख्यिकीय रूप से महत्वहीन और क्षणिक प्रभावों को दर्शाता है।

तालिका 1-11: वर्णनात्मक आँकड़े, इकाई मूल परीक्षण परिणाम (ADF/PP सांख्यिकी और p-मान), ARMA मॉडल अनुमान आउटपुट, ग्रेंजर कारणता परीक्षण परिणाम (F-सांख्यिकी और p-मान), और VAR मॉडल अनुमान मैट्रिक्स प्रस्तुत करें।

7. Analysis Framework: A Practical Case

परिदृश्य: एक यूक्रेनी कृषि निर्यातक जून 2024 में प्राप्त होने वाली आय के लिए FX जोखिम का आकलन करना चाहता है।

ढांचा अनुप्रयोग:

1. ट्रेंड कंपोनेंट (स्टोकेस्टिक): विश्लेषक यादृच्छिक चलन की प्रकृति को स्वीकार करते हैं। ARMA मॉडल से एक बिंदु पूर्वानुमान अत्यधिक अनिश्चित है। इसके बजाय, वे पूर्वानुमान लगाने पर ध्यान केंद्रित करते हैं distribution संभावित परिणामों का (उदाहरण के लिए, ज्योमेट्रिक ब्राउनियन मोशन सिमुलेशन का उपयोग करके: $dS_t = \mu S_t dt + \sigma S_t dW_t$, जहां $S_t$ विनिमय दर है)।
2. मौसमी समायोजन: ऐतिहासिक डेटा दर्शाता है कि जून (Q2) आमतौर पर ह्रिवनिया की कमजोरी का दौर होता है। विश्लेषक इसे एक मौसमी मूल्यह्रास पूर्वाग्रह अपने जोखिम मॉडल में, शायद पिछले 10 वर्षों में जून के औसत रिटर्न का विश्लेषण करके।
3. Shock Analysis: पेपर के VAR फ्रेमवर्क के एक सरलीकृत संस्करण का उपयोग करते हुए, विश्लेषक अग्रणी संकेतकों (जैसे मासिक मुद्रास्फीति डेटा, NBU की टिप्पणियाँ, वैश्विक USD की मजबूती) पर नजर रखता है। IRF तर्क बताता है कि यदि बाजार कुशल है तो एक "खराब" मुद्रास्फीति आंकड़े से भी स्थायी बदलाव नहीं आना चाहिए, लेकिन इससे अल्पकालिक अस्थिरता पैदा हो सकती है।
4. हेजिंग निर्णय: उच्च अस्थिरता (स्टोकेस्टिक ट्रेंड) और मौसमी प्रतिकूलता को देखते हुए, विश्लेषक एक साधारण पूर्वानुमान के आधार पर अनहेज्ड छोड़ने के बजाय, फॉरवर्ड कॉन्ट्रैक्ट्स या ऑप्शंस के माध्यम से अपेक्षित जून राजस्व के एक महत्वपूर्ण हिस्से को हेज करने की सलाह देता है।

8. Future Applications & Research Directions

• Non-Linear & Machine Learning Models: एक रैंडम वॉक की भविष्यवाणी में रैखिक मॉडल (ARMA, VAR) की सीमाओं को देखते हुए, भविष्य के शोध में अस्थिरता क्लस्टरिंग के लिए GARCH जैसे गैर-रैखिक मॉडल, या मशीन लर्निंग तकनीकों (LSTM नेटवर्क, रैंडम फॉरेस्ट्स) का उपयोग करना चाहिए ताकि जटिल, गैर-रैखिक निर्भरताओं को पकड़ा जा सके जो जोखिम प्रबंधन के लिए बेहतर भविष्यवाणी क्षमता प्रदान कर सकती हैं, जैसा कि उन्नत फॉरेक्स पूर्वानुमान अध्ययनों (जैसे, LSTM को अटेंशन मैकेनिज्म के साथ जोड़ने वाले प्रयोगों) में देखा गया है।
• उच्च-आवृत्ति डेटा विश्लेषण: बाजार सूक्ष्म संरचना और समाचारों के समायोजन की गति का परीक्षण करने के लिए इंट्राडे या टिक डेटा का उपयोग करना, जो बाजार दक्षता का अधिक सटीक परीक्षण प्रदान करता है।
• वैश्विक जोखिम कारकों का एकीकरण: VAR मॉडल में ICE U.S. Dollar Index (DXY), VIX (volatility index), या कमोडिटी कीमतों जैसे वैश्विक चरों को स्पष्ट रूप से शामिल करके घरेलू और वैश्विक चालकों को अलग करना।
• नीति मूल्यांकन: 2020 के बाद विशिष्ट NBU हस्तक्षेपों या नीतिगत परिवर्तनों के प्रभाव का मूल्यांकन करने के लिए एक प्रतिपक्षी के रूप में स्थापित ढांचे का उपयोग करना।
• क्रिप्टो-फिएट जोड़ियों पर अनुप्रयोग: यह पद्धति उभरते बाजार मुद्राओं की क्रिप्टोकरेंसी के विरुद्ध गतिशीलता का विश्लेषण करने के लिए अनुकूलित की जा सकती है, जो विकेंद्रीकृत वित्त (DeFi) में रुचि का एक बढ़ता हुआ क्षेत्र है।

9. References

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. Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
3. Phillips, P. C., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.
4. ग्रेंजर, सी. डब्ल्यू. (1969). इकोनोमेट्रिक मॉडल और क्रॉस-स्पेक्ट्रल विधियों द्वारा कारणात्मक संबंधों की जांच. इकोनोमेट्रिका, 37(3), 424-438.
5. सिम्स, सी. ए. (1980). मैक्रोइकॉनॉमिक्स और वास्तविकता. इकोनोमेट्रिका, 48(1), 1-48.
6. Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.
7. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
8. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. न्यूरल कम्प्यूटेशन, 9(8), 1735-1780.
9. National Bank of Ukraine. (2024). Official statistics and reports. Retrieved from [NBU Website].
10. International Monetary Fund. (2023). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER).

10. Analyst's Perspective: Core Insight, Logical Flow, Strengths & Flaws, Actionable Insights

Core Insight: यह शोधपत्र Hryvnia पर दांव लगाने वाले किसी भी व्यक्ति के लिए एक कठोर सत्य प्रस्तुत करता है: इसकी मूल प्रवृत्ति मूल रूप से अप्रत्याशित है। लेखक इस बात को प्रभावी ढंग से सिद्ध करते हैं कि USD/UAH दर एक क्लासिक रैंडम वॉक है, जो विश्वसनीय रैखिक पूर्वानुमान मॉडल की आशा को दफन कर देती है। असली आश्चर्य इस अराजकता का स्पष्ट मौसमी पैटर्न और एक ऐसे बाजार के साथ सह-अस्तित्व है जो समाचारों को कुशलतापूर्वक लेकिन संक्षेप में आत्मसात करता है। यह एक ऐसे बाजार की तस्वीर पेश करता है जो यांत्रिक रूप से कुशल लेकिन मूल रूप से अस्थिर—लंबी अवधि के निवेशकों के लिए एक खतरनाक संयोजन, लेकिन सामरिक, मौसमी जागरूक व्यापारियों के लिए एक संभावित खेल का मैदान।

Logical Flow: तर्क विधिपूर्ण और मजबूत है। यह एक स्पष्ट परिकल्पना (यादृच्छिक चलन) से शुरू होता है, इसे सत्यापित करने के लिए उद्योग-मानक परीक्षणों (ADF, PP) का उपयोग करता है, फिर उन मौसमी विसंगतियों की पहचान करके जटिलता को स्तरित करता है जिन्हें यादृच्छिक चलन रोकता नहीं है। अंत में, यह बाजार की लचीलापन का तनाव-परीक्षण करने के लिए एक VAR मॉडल का उपयोग करता है, और पाता है कि यह झटकों को तेजी से अवशोषित कर लेता है—एक यथोचित कुशल, यदि गहरा नहीं, बाजार की पहचान। एकल-चर से बहु-चर विश्लेषण की प्रवाह पाठ्यपुस्तक के अनुरूप और प्रभावी है।

Strengths & Flaws: सामर्थ्य व्यापक पद्धतिगत उपकरण-संग्रह और स्पष्ट, डेटा-संचालित निष्कर्षों में निहित है। लेखक अति दावा नहीं करते। हालांकि, आधुनिक संदर्भ में एक बड़ा दोष चूक का है: गैर-रैखिक या मशीन लर्निंग दृष्टिकोणों का पूर्ण अभाव। 2020 में एक अस्थिर उभरते बाजार की मुद्रा का विश्लेषण करने के लिए ARMA/VAR पर टिके रहना तूफान में नेविगेट करने के लिए नक्शे का उपयोग करने जैसा है। विदेशी मुद्रा पर LSTM लागू करने वाले अध्ययन (जैसे, Sezer et al., 2020) यह दर्शाते हैं कि एक यादृच्छिक चलन जिन जटिल पैटर्नों को छिपा सकता है, उन्हें पकड़ने में महत्वपूर्ण लाभ मिलते हैं। इसके अलावा, "बाहरी झटके" संभवतः घरेलू मुद्दों पर अत्यधिक केंद्रित हैं, और मुख्य बिंदु को नज़रअंदाज़ कर रहे हैं: यूक्रेन जैसी डॉलरीकृत अर्थव्यवस्था पर अमेरिकी फेडरल रिज़र्व की नीति और वैश्विक डॉलर चक्रों का व्यापक प्रभाव।

क्रियान्वयन योग्य अंतर्दृष्टि:

• For Corporates & Banks: परिचालन योजना के लिए बिंदु पूर्वानुमानों को त्याग दें। तुरंत संभाव्य परिदृश्य विश्लेषण और तनाव-परीक्षण की ओर स्थानांतरित हों। अपने वार्षिक हेजिंग कैलेंडर में पहचानी गई Q1/Q2 मौसमीयता को एक व्यवस्थित कारक के रूप में उपयोग करें—इन समयावधियों के दौरान अधिक सुरक्षा परतों पर विचार करें।
• NBU के लिए: निष्कर्ष एक अस्थिर, यादृच्छिक-चल मुद्रा के साथ मुद्रास्फीति लक्ष्यीकरण की अत्यधिक कठिनाई की पुष्टि करते हैं। संचार रणनीति को स्तर को निर्देशित करने के प्रयास से अधिक, अपेक्षाओं और अस्थिरता के प्रबंधन पर जोर देना चाहिए। सार्वजनिक समझ को स्थिर करने के लिए मुद्रास्फीति रिपोर्टों में एक "मौसमी कारक" परिशिष्ट प्रकाशित करने पर विचार करें।
• शोधकर्ताओं के लिए: यह शोधपत्र एक आदर्श आधार रेखा है। अगला कदम इसे ऐसे मॉडलों से प्रतिस्थापित करना है जो इस अध्ययन द्वारा संकेतित अरैखिकता को संभाल सकें। डेटा साइंस टीमों के साथ साझेदारी करके इसी डेटा सेट पर ग्रेडिएंट बूस्टिंग या न्यूरल नेटवर्क लागू करें; परिणामों की तुलना अत्यधिक प्रकाशन योग्य होगी।
• निवेशकों के लिए: यूक्रेन को उच्च अस्थिरता वाली, सामरिक आवंटन के रूप में देखें। मौसमी पैटर्न (कमजोर पहली छमाही, मजबूत दूसरी छमाही) एक संभावित, हालांकि जोखिम भरा, व्यवस्थित झुकाव प्रदान करता है। किसी भी दीर्घकालिक स्थिति को अस्थिरता के अंतर्निहित चालकों में सुधार करने वाले मौलिक सुधार पर आधारित होना चाहिए, न कि मुद्रा पूर्वानुमान पर।