آیا قیمت های طلای پس از همه گیر ادامه خواهد یافت؟یک شواهد اقتصاد سنجی

سقوط و افزایش بازار سهام مکرر توسط COVID-19 ، افزایش تورم جهانی ، افزایش نرخ بهره فدرال رزرو ، ذوب بی سابقه سهام فناوری ، ترس از جنگ های تجاری ، سفت شدن سیاست های مالی دولت ها ، روند جدیدی در سرمایه گذاری بین المللی است. زمان آن فرا رسیده است که سرمایه گذاران دوباره به فکر ، مجدداً تعادل و تنظیم مجدد استراتژی های سرمایه گذاری خود برای موقعیت و محافظت از اوراق بهادار خود در دوره و پس از ارزش گذاری شوند. در این مقاله سعی در پیش بینی قیمت های طلا برای دوره پس از بردم است و بررسی می کند که آیا طلا در این دوره انتقال به عنوان یک پرچین تعیین کننده خدمت خواهد کرد. تکنیک های Arch ، Garch ، E-Garch ، A-Parch و Garch-M در پیش بینی نوسانات مشروط قیمت نقطه طلا از مبادله چند کالایی (MCX) هند استفاده می شود. در مجموع 3631 مشاهده از ژانویه 2009 تا دسامبر 2022 از قیمت های روزانه طلا جمع آوری شد. این یافته ها نشان می دهد که قیمت های طلا در هند بسیار مداوم شبیه به سایر بازارهای نوظهور است و طلا همچنان یک پناهگاه امن برای سرمایه گذاران و نهادی خواهد بودسرمایه گذاران در دوره پس از ارزش گذاری. این مقاله اولین بار در نوع خود است که قیمت طلا را برای دوره پس از ارزش گذاری پیش بینی می کند. پیش بینی می شود قیمت پیش بینی طلای 10 گرم برای 65. 948 ₹ در MCX هند تا سال 2026 در صورتی که قیمت طلا از حرکت قبلی خود دیدن کند ، تجارت می کند. این پیش بینی به سرمایه گذاران کمک می کند تا متنوع سازی نمونه کارها خود را برای دوره پس از ارزش گذاری برنامه ریزی کنند.

1. معرفی

تصادف بی سابقه بازار سهام در سطح جهانی توسط همه گیر Covid-19 ، ترس های جهانی ناآرام برای سرمایه گذاری در بازار سرمایه ایجاد کرده است. کاهش قیمت نفت خام اخیر ، تجارت ، سرمایه ، فناوری و جنگهای بیولوژیکی در میان بزرگترین اقتصادهای جهان ، قانون پیشنهادی کمیسیون اوراق بهادار و بورس ایالات متحده (SEC) در حذف شرکت های چینی در بورس اوراق بهادار ایالات متحده ، انتظار تغییر در نرخ بهره فدرال رزرو ،ذوب شدن سهام فناوری همه در روند آینده حرکات بورس سهام وضعیتی را ایجاد می کند. اقتصادهای پیشرفته و نوظهور در سراسر جهان اکنون با تجدید نظر در سیاست های پولی و مالی خود با تلاش برای بهبود اقتصادی و عادی سازی ، تلاش می کنند تا با این خطر سیستماتیک مبارزه کنند. تأثیر اقتصادی COVID-19 در بازارهای نوظهور فوق العاده منفی است ، که توسط جمعیت زیاد فقیر و آسیب پذیر مالی ، سیستم های مراقبت های بهداشتی عمومی ضعیف ، عدم آگاهی و دانش در مورد گسترش و پیشگیری دامن زده شده است. هند ، یکی از اقتصادهای نوظهور ، با این رکود اقتصادی جهانی به طور قابل توجهی مختل می شود.

بازار مالی هند به این عدم اطمینان به طرز چشمگیری پاسخ داده است. در همین زمان ، سرمایه گذاران نهادی و مدیران صندوق می توانند این تروما را مانور دهند ، چکش های سخت برای سرمایه گذاران خرده فروشی کوچک. سرمایه گذاران خرده فروشی هند اعتماد به نفس خود را از دست می دهند و از اینکه آیا واکنش قیمت سهام اخیر منعکس کننده عملکرد آنها است ، گیج می شوند. زمان آن فرا رسیده است که سرمایه گذاران دوباره به فکر ، مجدداً تعادل و تنظیم مجدد استراتژی های سرمایه گذاری خود برای موقعیت و محافظت از اوراق بهادار خود در دوره و پس از ارزش گذاری شوند. طلا به عنوان یک پناهگاه امن برای چنین سرمایه گذاران خرده فروشی که به دنبال بهترین سرمایه گذاری جایگزین برای حفظ دارایی های نمونه کارها هستند ، خدمت می کند. دروس از رکود مالی جهانی در سال 2008-2009 و خرد اعتبار قبلی بر اهمیت تنوع نمونه کارها با استفاده از سرمایه گذاری های سهام عدالت با طلا به عنوان یک ابزار قدرتمند محافظت در طول دوره های انتقالی تأکید می کند. به عنوان یک دارایی مالی ، طلا به طور مداوم نشان داده است که حرکت قیمت مثبت ارزش و قدرت خرید خود را حتی در دوره های تورمی حفظ کرده است.

این مقاله با هدف پیش بینی بازده قیمت طلا برای دوره پس از بردار با استفاده از اشکال مختلف مدل های هتروسکوپیک مشروط عمومی خودجوش (GARCH) مانند GARCH ، GARCH آستانه (T-GARCH) ، گارچ نمایی (E-GARCH) ، قوس قدرت نامتقارن(a-parch) ، و garch- در میانگین (garch-m). ما از داده های روزانه ، از جمله 5 روز قیمت نقطه تجارت 10 گرم از ژوئن 2009 تا سپتامبر 2021 استفاده می کنیم. قیمت نقطه طلا از MCX هند استخراج شد. این یافته ها نشان می دهد که قیمت های طلا در هند بسیار مداوم شبیه به سایر بازارهای نوظهور است.

بخش باقیمانده این مقاله به شرح زیر است. در بخش 2 ، ادبیات مربوط به بازار طلای هند و اهمیت نسبی آن در سیستم اقتصادی هند را مرور می کنیم ، که پیشینه تحقیق این مطالعه را ارائه می دهد. بخش زیر شامل روش تحقیق با بخش های مربوط به توضیحات داده ها ، مدل تشخیصی اولیه آن ، تجربی است. بخش 4 نتایج تجربی را ارائه می دهد. سرانجام ، این مطالعه با پیامدهای اجتماعی و عملی و دامنه آینده در بخش 5 نتیجه می گیرد.

2. بررسی ادبیات

ادبیات قبلی دلایل بی شماری برای تقاضای گسترده طلا را مشخص کرده است. اول ، طلا می تواند به عنوان یک پرچین تورم عمل کند ، به خصوص در دوره های بحران (Gokmenoglu و Fazlollahi 2015 ؛ او و همکاران 2020). دوم ، همچنین می توان از آن به عنوان یک سرمایه گذاری جایگزین برای سهام و محافظت در برابر ارز استفاده کرد زیرا این یک دارایی ایمن محسوب می شود که به عنوان بانک های مرکزی آن را حفظ نمی کند. سوم ، طلا می تواند به انتقال سیاست های پولی به سیستم اقتصادی کمک کند (لیو و سو 2019). به طور کلی ، در صورت عدم دسترسی به ذخایر سود مورد علاقه ، می تواند یک دارایی متنوع در یک نمونه کارها باشد که حداکثر 30-50 ٪ از کل ارزش نمونه کارها را نشان می دهد (Dey and Sampath 2018). علاوه بر همین دلایل ، طلا به دلیل خواسته های فرهنگی و سنتی در عروسی ها و جشنواره ها ، موقعیت قابل توجهی در هند دارد.

مطالعات مختلفی در مورد بخش طلا در هند انجام شده است. اکثر این مطالعات آن را با بازار سهام ، ارزها ، قیمت نفت و نقره مرتبط می کردند. مطالعات تجربی دیدگاه استاندارد از رابطه معکوس بین قیمت سهام و طلا را اثبات می کند.(سینگال و همکاران 2019) دریافتند که قیمت طلا در دراز مدت بر بازار سهام تأثیر می گذارد. در یک زمینه مشابه ، میشرا و همکاران.(2022) دریافت که علیت گرنجر از قیمت طلا تا قیمت سهام وجود دارد. Jain and Biswal (2016) دریافتند که سقوط قیمت طلا می تواند باعث سقوط در شاخص ارز و بورس سهام هند شود. آنها همچنین تأیید می کنند که طلا یک کلاس دارایی سرمایه گذاری را نشان می دهد.

با این وجود ، در دوره های بی ثبات بالا ، رابطه مشترک بین طلا و قیمت سهام می تواند به عنوان زمان همبستگی به دلیل وابستگی در نظر گرفته شود (Mroua و Trabelsi 2020). در این مقطع ، سرمایه گذاران که با افزایش درصد طلا ، اوراق بهادار خود را مجدداً مورد استفاده قرار می دهند ، بازده تنظیم شده در ریسک را به همراه خواهد داشت و مقادیر نمونه کارها خود را در دوره پس از ارزش گذاری حفظ می کند. این یافته ها حاکی از آن است که بازده طلا مربوط به شاخص های بورس بمبئی نیست. بنابراین ، طلا را می توان ابزاری متنوع در اوراق بهادار در نظر گرفت. از طرف دیگر ، بازده طلا می تواند حرکات قیمت آینده مصرف کننده و کالاهای مصرفی سریع و شاخص های نفت و گاز را پیش بینی کند.

طلا و نقره به یکدیگر متصل شده اند زیرا هر دو فلز گرانبها هستند که عمدتا برای سرمایه گذاری های منفعل استفاده می شوند. سود حاصل از آنها در مورد انتظار افزایش قیمت آنها پاسخ می دهد. علاوه بر این ، نقره می تواند به عنوان جایگزینی برای طلا در نظر گرفته شود زیرا هر دو فلز از ویژگی های معاملات آربیتراژ و کم خطر استفاده می کنند (Lucey and Tully 2006). به گفته پرادان و همکاران.(2020) جریان ادبیات روی نقره و طلا را می توان در سه حوزه گروه بندی کرد. ابتدا واکنش قیمت این فلزات به شرایط کلان اقتصادی ، دوم ، پیش بینی قیمت آنها ، سوم ، رابطه بین دو قیمت فلزی. میشرا و همکاران.(2019) رابطه پویا بین طلا و نقره در بازار هند را بررسی کرد. آنها شکل کارآمد و کارآمد بازار هند را که خواستار تصمیمات بهینه در مورد سرمایه گذاری و محافظت از نمونه کارها است ، برجسته کردند. این مطالعه با استفاده از رویکرد بوت استرپ پنجره نورد ، رابطه یک طرفه بین طلا و نقره را نشان داد. با این حال ، پرادان و همکاران.(2020) نتیجه ترکیبی از علیت بین نقره و طلا را نشان می دهد. سو و همکاران.(2020) و شین و همکاران.(2020) اهمیت ضبط ناپایداری پارامتر در تجزیه و تحلیل طلا و نقره را با استفاده از رویکرد Granger-Guavility نشان داد. در یک مطالعه جدید ، سامی (2021) رابطه همگرایی بین قیمت های طلا و نقره در هند را بررسی می کند. نتایج نشان می دهد که یک رابطه طولانی مدت با هم ادغام بین دو فلز است.

دی و سامپات (2020) ، ضمن بررسی سرریز پنج کلاس عمده دارایی در هند ، تغییر پارادایم در پویایی تأثیر طلا در اقتصاد هند پس از شیطانی پیدا می کنند. این مطالعه ظهور بخش IT را به عنوان یک واسطه مهم بین طلا و بازارهای نرخ ارز روپیه دلار در هند برجسته می کند. در واقع ، هر شکلی از اصلاحات اقتصادی بر قیمت طلا در هند تأثیر می گذارد. کومار و ماهسواران (2013) اثر سرریز نوسانات مثبت و طولانی مدت نفت خام را در بازار کالاها مشاهده کردند. با این حال ، رستوگی و همکاران.(2021) ، هیچ مدرکی مبنی بر سرریز نوسانات نفت و نفت خام بر نرخ بهره پیدا نکرد. با این وجود ، تغییرات قیمت در طلا و نفت خام بر اقتصاد تأثیر می گذارد اما بر نرخ بهره تأثیر منفی نمی گذارد.

در طول بیماری همه گیر ، چندین مقاله بررسی کرده اند که آیا طلا یک دارایی ایمن است یا خیر. یافته های این مقالات مخلوط شد. به عنوان مثال ، (جی و همکاران 2020) و (سالیسو و همکاران 2021) اظهار داشتند که طلا به ترتیب یک دارایی امن در برابر بازده سهام و خطرات قیمت نفت است. از طرف دیگر ، چما و همکاران.(2022) نتایج متناقض را نشان می دهد. یوسف و همکاران با استفاده از سیزده داده بازار سهام آسیا.(2021) نتایج حمایتی را برای نقش طلا به عنوان یک دارایی محکم و ایمن در چین ، اندونزی ، سنگاپور و ویتنام و یک پناهگاه ضعیف در پاکستان و تایلند پیدا کنید. غاریب و همکاران.(2021) تأثیر مسری دو جانبه حباب ها در بازار نفت و طلا در طول Covid-19 را نشان می دهد. با این حال ، مطالعات تجربی فوق الذکر بر عملکرد طلا در طول همه گیر متمرکز شده است. ما سعی می کنیم قیمت های طلا را برای دوره پس از برداشت در هند ، یکی از بزرگترین واردکنندگان طلا در سطح جهان پیش بینی کنیم.

بازار طلای هند

واردات رسمی طلای هند در فوریه 2021 بالاترین میزان خود را در تاریخ واردات طلای هند 165 تن (تقریباً) ثبت کرد. عوامل متعدد به این واردات طلای در حال رشد در هند نسبت می دهند. افزایش سطح درآمد جمعیت طبقه متوسط هند و افزایش قیمت طلا به عنوان محرک اصلی این تقاضای مرفه برای طلا در سطح کلان در نظر گرفته می شود. تغییرات تورم و قیمت طلا نیز در کوتاه مدت تقاضای طلا را ایجاد می کند. علاوه بر این ، درک جمعیت هند در مورد این فلز گرانبها نقش اصلی را ایفا می کند. در میان جمعیت طبقه متوسط هند ، طلا عمدتاً به عنوان سمبل ثروت ، وضعیت اجتماعی و سرمایه گذاری با نقدینگی بالا درک می شود.

علاوه بر این ، طلا به دلیل پیشینه فرهنگی و خواسته های سنتی در عروسی ها و جشنواره ها ، موقعیت قابل توجهی در هند دارد. این عوامل ، هند را به مدت چندین دهه به عنوان رهبر جهانی در مصرف جواهرات طلا ، بار و سکه ها تبدیل کرده است. علاوه بر این ، کاهش شدید نرخ بهره بانکی در گذشته اخیر باعث افزایش ترجیح سرمایه گذاران برای سرمایه گذاری های طلا می شود. طلا دارای ابزارهای مختلف سرمایه گذاری در هند است ، مانند ETF های طلا ، شمش ، اوراق قرضه حاکمیت طلا و صندوق های متقابل طلا که در بازار مبادله چند کالایی معامله می شود.

3. بحث

3. 1داده های نمونه

در این مقاله از داده های روزانه قیمت طلا در دوره ژانویه 2009 تا دسامبر 2022 استفاده می شود. در مجموع 3631 مشاهده از جمله قیمت معاملات پنج روزه طلای 10 گرم از MCX هند تهیه شده است. قیمت لکه به ارز هندوستان است که دارای یک ارزش مطلق است که ما قیمت را به سری بازگشت تبدیل کردیم. تحقیقات سیستماتیک همیشه خواستار تبدیل مقادیر مطلق به یک سری برگشتی است که احتمالاً در دوره نمونه از وسایل و واریانس ثابت برخوردار است (کومار و مهسواران 2013). بنابراین ، بازده طلا به عنوان بخشی از ورود طبیعی قیمت نقطه با قیمت یک روزه یک روزه محاسبه می شود. حرف_it= ورود به سیستم (P_it/P_i,_{t− 1}) ، جایی که r_it= بازگشت دارایی من در زمان t ، p_itدارایی من در زمان T و P است_{t− 1}قیمت دارایی I در یک دوره عقب مانده است_{t− 1}.

3. 2تشخیص اولیه

از آنجا که ما در این مقاله تحقیق از داده های سری زمانی استفاده می کنیم ، انجام تشخیص اولیه داده ها برای جلوگیری از نتایج فریبنده و گزارش مدل های پیش بینی بهتر بسیار ضروری است. تشخیص اولیه در سری زمانی شامل آزمایش برای ثابت بودن ، همبستگی و سر و صدای سفید (Agung 2011 ؛ Meister and Kreiß 2016) است که در زیر به تفصیل مورد بحث قرار گرفته است.

3. 2. 1. جایگاه

یکی از فرضیات مهم برای استفاده از مدل های پیش بینی این است که داده های سری زمانی باید ثابت باشند تا نتایج را به دوره های دیگر تعمیم دهند. اگر میانگین و کواریانس با گذشت زمان ثابت باشد ، یک سری زمانی ثابت در نظر گرفته می شود (گجراتی 2011). استفاده از داده های سری های غیر ثابت در مدلهای مالی نتایج پیش بینی غیرقابل اعتماد و فریبنده را به خود اختصاص می دهد. آزمون افزودنی Dickey-Fuller (ADF) در بررسی ریشه واحد در هر سری آزمایش رگرسیون زیر با سه فرض در نظر گرفته می شود

جایی که α شامل فرض رهگیری است ، β فرض روند را در خود جای می دهد ، و فرض ریشه واحد را افزایش می دهد که در آن γ₁ Y_{t− 2}+ γ₂ Y_{t− 3}مقادیر تاخیر که می توانند با استفاده از معیارهای SIC به طور کلی با حداکثر طول تاخیر 24 انتخاب شوند.

3. 2. 2. همبستگی

ویژگی به همبستگی یک سری زمانی مالی در میان مقادیر قبلی (عقب مانده) آن ، و همبستگی جزئی (PACF) همبستگی بین مشاهده فعلی را نشان می دهد (y_t) با مقادیر عقب مانده قبلی خود (k) در حالی که کنترل تاخیر متوسط را کنترل می کند. در اصطلاحات دیگر ، همبستگی بین y را نشان می دهد_tو yt - k ، متعاقباً اثرات y را به استثنای y_{t - k+ 1}, y_{t - k+ 2}, … , y_{t− 1}وادحضور همبستگی و PACF در سری بازگشت با استفاده از آزمون همبستگی سریال Breusch Godfrey LM بررسی شده است.

علاوه بر این ، محققان مستند کرده اند که حضور به اصطلاح "حقایق تلطیف شده" در مجموعه های مالی و اقتصادی برای مجموعه داده های بزرگ با مشاهدات با فرکانس بالا مانند قیمت های روزانه بسیار گسترده است. از آنجا که مجموعه داده های ما شامل 3631 مشاهدات است که می تواند به عنوان یک مجموعه داده بزرگ در نظر گرفته شود ، ما حضور واقعیت های تلطیف شده شامل خوشه بندی نوسانات ، لپتوکورتیک توزیع های حاشیه ای ، میانگین برگشت و عدم تقارن سری مالی (Meister and Kreiß 2016 ؛ Teräsvirta 2009) را بررسی می کنیم. در داده های نمونه

3. 2. 3. خوشه بندی نوسانات

کجا ، β₁ Y_{t− 1}+ β₂ E_{t− 1}مقدار پیش بینی شده استبر اساس این y_tمقدار خطای باقیمانده برابر خواهد بود

کجا ، y_t= مقدار واقعی یا تحقق یافته_tمقدار پیش بینی شده استدر استفاده از تکنیک های مدل سازی پیش بینی با داده های سری زمانی ، ضروری است که آیا اصطلاح خطا (E_t) معادله پیش بینی کننده سر و صدای سفید است یا خیر. نویز سفید نشان می دهد که باقیمانده ها تصادفی و بدون الگوی هستند. فرضیات مهم نویز سفید شامل میانگین باقیمانده صفر ، واریانس ثابت در شرایط خطا و توزیع طبیعی باقیمانده است. در محاسبات y_t، شرایط خطا در میانگین معادله ممکن است واریانس ثابت نداشته باشد ، که مغایر با توزیع ثابت و همواسکوپی اصطلاحات خطا است. شرایط خطا ممکن است در بعضی مواقع بسیار زیاد باشد ، که به طور کلی به عنوان یک دوره بسیار بی ثبات شناخته می شود و به دنبال آن یک دوره پایدار است که مقادیر خطا کم است. الگوی رفتاری اصطلاحات خطا که ظاهر بازده مطلق بزرگ را نشان می دهد (e_t) در گروه دارایی های مالی معمولاً خوشه بندی نوسانات نامیده می شود. وجود خوشه بندی نوسانات در نرخ مالی سری بازگشت به شدت نشان می دهد که نوسانات درجه خاصی از وابستگی متقابل ارزشهای تاریخی آن را در بر می گیرد. به عبارت دیگر ، سطح نوسانات فعلی با مدت قبلی فوری آن ارتباط مثبت دارد (بروکس 2008). وجود خوشه بندی نوسانات در باقیمانده ها می تواند با استفاده از یک نمودار باقیمانده از لحاظ بصری ضبط شود ، و یک آزمایش ناهمگونی مشروط (ARCH) خودکار می تواند برای اثبات حضور ناهمگونی شرطی خودجوش در باقیمانده انجام شود.

3. 2. 4. توزیع لپتوکورتیک

توزیع تجربی داده های روزانه تمایل به توزیع مشروط به شدت در صفر با دم چربی دارد که معمولاً به عنوان توزیع لپتوکورتیک نامگذاری می شود. ضریب کورتوز لپتوکورتوز را به عنوان نسبت نمونه لحظه مرتبه چهارم به واریانس نمونه مربع اندازه گیری می کند (Francq و Zakoian 2020). از توطئه های هیستوگرام برای بررسی اینکه آیا این سریال دارای توزیع لپتوکورتیک است که دارای دم چربی است یا خیر ، استفاده می شود.

3. 3مدل تجربی

ناهمگونی مشروط عمومی خود (GARCH) ، که توسط (Bollerslev 1986) تهیه شده است ، یک مدل پیش بینی مشهور است که می تواند حقایق تلطیف شده سری زمانی مالی را در خود جای داده و توضیح دهد. ادبیات قبلی همچنین نشان داده است که توزیع های نامتقارن لپتوکورتیک توانایی پیش بینی بهتری را با مدل های GARCH اثبات کرده اند (لی و همکاران 2013 ؛ ویلهلمسون 2006). مدل های GARCH با اجازه دادن به واریانس شرطی اصطلاحات خطا به خطای مربع عقب مانده آن ، همبستگی را در نوسانات پارامتر می کنند (بروکس 2008). معادله واریانس شرطی را می توان به صورت

σ 2 واریانس شرطی است که براساس اطلاعات گذشته پیش بینی می شود ، α 1 ε t - 1 2 اطلاعات مربوط به نوسانات از تاخیر قبلی است ، و σ t - 1 2 واریانس متناسب از تاخیر قبلی است ، ω اصطلاح ثابت است ،α و β شرایط ضریب قوس و گارچ هستند.

در مدل های GARCH ، واریانس شرطی که به عنوان یک تابع خطی از مقادیر با تاخیر مربع نشان داده می شود ، به صراحت به ضبط حقایق به اصطلاح تلطیف شده در سری زمانی مالی می پردازد. به طور خاص ، GARCH (1،1) با سه متغیر در واریانس مشروط دارای قابلیت مرتبه بالاتری در به دست آوردن یک مدل خوب به ویژه برای داده های بازار کالاهای مالی است. ظاهراً ، همانطور که توسط مقالات قبلی گزارش شده است ، شناسایی مدلی که از گارچ کلاسیک (1،1) پیشی گرفته است ، جایی که p = 1 (1 واریانس تاخیر) و Q = 1 (1 تاخیر خطای باقیمانده) بسیار دشوار است (هانسن و لوند 2006). ما همچنین نشان داد که شواهد قانع کننده اثبات شده است که مدل GARCH (1،1) با تنها سه پارامتر ، بی نظمی های خود را در پیش بینی خود ثابت کرده است

ما همچنین نشان داد که شواهد قانع کننده اثبات شده است که مدل GARCH (1،1) با تنها سه پارامتر در توانایی پیش بینی خود به طور استثنایی در بازارهای کالا (čermák و همکاران 2017 ؛ Handika و Chalid 2018 ؛ Trabelsi و همکاران 2021) و در توانایی پیش بینی خود را اثبات کرده اند. پیش بینی نوسانات قیمت سهام (هانسن و لوند 2006 ؛ جین و بیسوال 2016 ؛ شارما 2015). با این حال ، در برخی موارد ، این مدل ممکن است برای ضبط دینامیک سری ، به ویژه نوسانات نامتقارن ، که می تواند توسط مدل های Tgarch ، Egarch ، Pgarch و Aparch ضبط شود ، بهبود یابد. GARCH-M تلاش می کند تا رابطه بین ریسک و بازده در سری بازگشت طلا را تخمین بزند.

4. نتایج و بحث

در این بخش نتایج آمار توصیفی مجموعه داده ها ، نتایج آزمایش قبل از تشخیص ، انتخاب مدل GARCH ، تشخیص باقیمانده و ضریب مدل پیشنهادی و پیش بینی قیمت های طلای آینده خلاصه شده است.

4. 1آمار توصیفی

در جدول 1 آمار توصیفی از قیمت نقطه و درصد بازده طلا نشان داده شده است. میانگین بازده قیمت روزانه طلا 31321. 15 ₹ و بازده طلا 0. 038 ٪ است که همه مثبت هستند و از صفر متفاوت هستند. این بازده مثبت به نظر می رسد برای سرمایه گذاران خرده فروشی در کشوری که در رده های برتر مصرف جواهرات طلا قرار دارد ، به نظر می رسد. این واقعیت را اثبات می کند که طلا ثابت شده است که یک پناهگاه امن برای سرمایه گذاران برای محافظت از ریسک سبد سهام خود است. در طول دوره نمونه ، بازده طلا با کمترین حاشیه 8 ٪ به میزان 12 ٪ خود رسیده بود که به وضوح نوسانات افزایش این فلز زرد گرانبها را نشان می دهد. Kurtosis of Gold Price Retus توزیع لپتوکورتیک (با دم چربی) از داده های سری زمانی ما را نشان می دهد که یکی از حقایق تلطیف شده برای استفاده از مدل های GARCH است.

4. 2نتایج تشخیصی مقدماتی

غربالگری اولیه داده های نمونه در مدل سازی سری زمانی ضروری است. برای جلوگیری از نتایج رگرسیون فریبنده در مدل های پیش بینی ، باید ثابت سری داده ها تأیید شود. پس از آن ، ترتیب تاخیر بهینه از تست همبستگی و تست همبستگی جزئی از میانگین معادله انتخاب می شود. سرانجام ، وجود اثرات قوس در باقیمانده ها تأیید می شود که مدل Garch Application را ادامه می دهد.

4. 3نتایج ثابت بودن قیمت نقطه طلا

اگرچه نوسانات بی اهمیت در قیمت های طلا از شکل 1 مشاهده می شود ، اما افزایش حاشیه ای در قیمت این فلز زرد به طور مداوم طی دو دهه افزایش می یابد. شکل 1 قیمت معاملات رکورددار طلا را در اوج خود در طول شیوع بیماری همه گیر Covid 19 در سال 2020 ضبط می کند. ایستادن سری قیمت طلا در ابتدا از طریق بازنمایی گرافیکی (شکل 1) ، همبستگی (شکل 2) و ریشه واحد مورد بررسی قرار می گیرد. با استفاده از معادله (1) با استفاده از آزمون ADF آزمون کنید. شکل 1 نشان می دهد که سری Gold Price غیر ثابت است زیرا با پشته های منصفانه به سمت بالا می رود.

به عنوان یک گام دیگر در بررسی ثابت بودن سری طلا ، ما طرح همبستگی قیمت طلا را برای ممیزی همبستگی خودکار (AC) و مقادیر همبستگی خودکار (PAC) بررسی کردیم و نتایج در شکل 2 ارائه شده است. همبستگی بالا در حدود 0. 95 بین قیمت طلای فعلی و قیمت طلای تاخیر حتی تا 36 روز. علاوه بر این ، همبستگی تخمین زده شده (AC) نیز به آرامی رو به کاهش است. کاهش حاشیه ای در مقادیر AC و بالاترین مقدار ناچیز اولین PAC و مقادیر قابل توجهی P 36 تاخیر از سری طلا به وضوح نشان می دهد که این سریال غیر ثابت است.

پس از آن ، آزمایش ریشه واحد با استفاده از تست ADF برای بررسی ثابت بودن سری قیمت طلای طلا انجام شد. نتایج ADF در جدول 2 نشان داده شده است که وجود ریشه واحد در قیمت های طلا و در نتیجه فرضیه تهی پذیرفته شده است.

به منظور تبدیل سری طلا به ثابت ، بازده قیمت های طلا با گرفتن ورود طبیعی قیمت روزانه با یک مقدار عقب مانده قبلی آن محاسبه می شود و روند آزمایش ریشه واحد تکرار می شود. شکل 3 بازده طلا را نشان می دهد که وجود خوشه بندی نوسانات در این سری وجود دارد ، تغییرات بزرگی و به دنبال آن تغییرات بزرگ و تغییرات کوچک پس از تغییرات کوچک در سری بازگشت صورت می گیرد. نمایشگاه میانگین برگشت در بازده طلا نشان می دهد که این سریال ثابت است.

آزمایش ADF برای بازده طلا تکرار می شود تا از نظر آماری ثابت کند که این سریال در سطح ثابت است (جدول 3). نتایج آزمون ADF نشان می دهد که ضریب بازده طلا در سطح 0. 000 بسیار معنی دار است. این امر رد فرضیه تهی و پذیرش فرضیه جایگزین را تأیید می کند که این سریال ثابت است تا فرضیات مهم دیگری از مدلهای پیش بینی را انجام دهد.

به عنوان یک مرحله دیگر ، ما یک معادله میانگین با ثابت به عنوان متغیر مستقل ایجاد کردیم و مشاهده کردیم که مقادیر AC و PAC همبستگی دارای سنبله قابل توجهی در تاخیر 1 ، 4 ، 5 و 9 است. متعاقباً ما میانگین معادله را با استفاده از اصطلاحات AR اصلاح کردیم. میانگین معادله تخمین زده شده شامل قیمت نقطه طلا به عنوان متغیر وابسته با مقادیر عقب مانده و یک اصطلاح ثابت با استفاده از حداقل مربعات (LS) و روشهای متوسط متحرک خود در حال حرکت (NLS و ARMA) است. جدول 4 نتایج میانگین معادله را نشان می دهد.

مقدار D-W نزدیک به 2 در میانگین معادله نشان دهنده وجود عدم همبستگی در سری باقیمانده است. در بررسی متناسب با مدل معادله فوق ، ما با ایجاد یک سری باقیمانده "باقیمانده 01" که در شکل 4 به نمایش گذاشته شده است ، از آزمایش تشخیصی باقیمانده همبستگی استفاده کردیم.

بالاترین نوسانات در باقیمانده های قیمت طلا در ماه ژوئیه ضبط می شود که تعداد موارد تأیید شده پرونده های COVID-19 به 1 میلیون نفر رسیده است. نمودار باقیمانده رگرسیون LS همچنین نشانه هایی از خوشه بندی نوسانات قابل توجهی را نشان می دهد که در استفاده از مدل های GARCH ضروری است. در واقع ، طرح همبستگی سری باقیمانده در شکل 5 بدون هیچ گونه سنبله قابل توجهی از اینکه شرایط خطا سر و صدای سفید است ، پشتیبانی می کند.

علاوه بر این ، آزمایش ریشه واحد برای سری باقیمانده همانطور که در جدول 5 نشان داده شده است تأیید می کند که باقیمانده ها ثابت هستند زیرا مقادیر P کمتر از 0. 05 است. به طور خلاصه ، می توان نتیجه گرفت که تشخیص باقیمانده به وضوح نشان می دهد که میانگین معادله به درستی مشخص شده است.

به عنوان ادامه تجزیه و تحلیل مقدماتی ، ناهمگونی مشروط با استفاده از آزمون نوسانات رسمی ناهمگونی شرطی خودجوش (ARCH) مورد آزمایش قرار گرفت و نتایج در جدول 6 ارائه شده است. اثر قوس که نشان دهنده وجود خوشه بندی نوسانات قابل توجه در باقیمانده ها است. در نتیجه ، وجود اثر قوس قابل توجهی در باقیمانده های سبز ، مناسب بودن استفاده از چارچوب یک متغیره گارچ در سری بازده های طلا را نشان می دهد.

4. 4نتایج مدل تجربی

در جدول 7 معادلات نوسانات مشروط از تکنیک های Arch ، Garch ، Tgarch ، E-Garch ، A-Parch و GARCH-M در پیش بینی نوسانات مشروط قیمت نقطه طلا از بازار کالاهای هند ارائه شده است. ما این مدل را بر اساس سه معیار انتخاب معیار اطلاعات Akaike (AIC) ، معیار شوارتز (SC) و معیار هانان کوین (HQ) انتخاب کرده ایم. بر اساس شاخص های انتخاب مدل ، ما سه مدل را در نظر گرفتیم: Egarch ، Aparch و Tgarch ، که نوسانات نامتقارن بازده طلا را ضبط می کنند. نتیجه منفی ناچیز (سطح 5 ٪) پارامتر اهرم در مدلهای Tarch ، A-Parch و Egarch ما را وادار به انتخاب مدل GARCH (1،1) کرد. جدول 7 نشان می دهد که ضرایب قدرت تخمین زده شده با 1 یا 2 تفاوت معنی داری دارند ، که به شدت ناتوانی در رد فرمولاسیون Bollerslev را نشان می دهد و از مدل GARCH به عنوان مناسب در مدل سازی سری بازگشت طلا پشتیبانی می کند. سرانجام ، ما مدل GARCH (1،1) را انتخاب کردیم که در آن P = 1 و Q = 1 به عنوان بهترین تناسب. ضریب واریانس شرطی باقیمانده و تاخیر در معادله واریانس شرطی هر دو از نظر آماری در مدل ما بسیار معنی دار هستند.

طلا غالباً به عنوان یک دارایی پناهگاه امن برای محافظت از تورم ، سایر ارزها ، سهام سهام در هنگام عدم قطعیت اقتصادی برای سرمایه گذاران هندی اثبات می شود. در نتیجه ، سرمایه گذاری در طلا توسط این عوامل هدایت می شود و در همه موارد با تغییر قیمت در دارایی (Dey and Sampath 2018) بر خلاف واکنش های بازار سهام که کوتاه مدت هستند ، واکنش سرمایه گذار به تغییرات قیمت طلا تأثیر دارد. ظاهراً می فهمیم که استفاده از یک مدل متقارن (GARCH) برای پیش بینی قیمت های طلا مرتبط است.

در یک شکل مشترک از مدل GARCH ، مجموع ضرایب موجود در خطای مربع تاخیر و واریانس شرطی تاخیر تقریباً نزدیک به 1 است (بروکس 2008). در معادله واریانس شرطی ما ، دریافتیم که ضریب α 0. 149 و β 0. 599 است ، و مجموع اصطلاحات قوس و garch برابر با 0. 75 است. میزان پوسیدگی نوسانات I 0. 25. مقدار بالاتر β در مقایسه با α دلالت بر این دارد که شوک به واریانس شرط بازده طلا در بازار کالاهای هند بسیار پایدار است. شوک های نوسانات پایداری نشان می دهد که نوسانات قیمت طلا ، پس از شروع ، ممکن است زمان طولانی تری برای بازگشت به یک مرحله ساکت تر طول بکشد. نتایج مشابه در مورد قیمت طلا توسط Cao و همکاران گزارش شده است.(2015) در بازار چین ، پینگ و همکاران.(2013) از بازار مالزی ، سوپیپان و همکاران.(2012) ، از لندن ، و ایرین و همکاران.(2020) یافته های مربوط به قیمت های طلای جهان.

4. 5تشخیص باقیمانده مدل تجربی

در این بخش اعتبار و متناسب بودن مدل ، از جمله تشخیص باقیمانده و ضریب ارائه شده است. در مرحله اول از آزمون ARCH_LM برای ارزیابی حضور ناهمگونی در سری باقیمانده مدل GARCH استفاده شد. نتایج در جدول 8 ارائه شده است.

آمار F در 0. 092139 از پذیرش فرضیه تهی پشتیبانی می کند و ثابت می کند که هیچ ارتباط سریال در سری باقیمانده ها وجود ندارد. طرح همبستگی نتایج آزمایش LM قوس باقیمانده های مربع را اطمینان داد. شکل 6 به وضوح نشان می دهد که شرایط خطا نویز سفید است زیرا مقادیر PAC و AC در طرح در محدوده اهمیت 5 ٪ قرار دارد. علاوه بر این ، مقادیر P q-STAT تا LAG 36 ناچیز باقی مانده است.

4. 6Engle-NG تست-تعصب

آزمون Engl e-ng اعتبار می دهد که آیا یک مدل نامتقارن یا متقارن اعمال می شود. در این آزمون همچنین تأثیر شوکهای بازده مثبت و منفی بر نوسانات موجود در مدل پیشنهادی ما بررسی شده است. جدول 9 نتیجه تست تعصب علامت ENGLE-NG را نشان می دهد. مقادیر تعصب ، منفی ، مثبت و مفصل مقادیر ناچیز T-STAT نشان می دهد که هیچ اثر اهرمی در باقیمانده های استاندارد وجود ندارد. نتایج تأیید می کند که مدل متقارن ما کافی تلقی می شود.

4. 7ضریب تشخیص مدل تجربی

برای آزمایش پایداری پارامترهای مدل ، از آزمون پایداری پارامتر NYBLOM استفاده می کنیم. این آزمون واریانس پارامترهای موجود در مدل ما را ارزیابی می کند. از نتایج این آزمایش استاتیک ، همانطور که در جدول 10 نشان داده شده است ، ما تأیید می کنیم که پارامترهای ما پایدار هستند و با گذشت زمان تغییر نمی کنند.

4. 8پیش بینی قیمت طلا با استفاده از مدل تجربی

در پیش بینی نوسانات مشروط قیمت طلا برای پنج سال آینده ، ما با اضافه کردن 1044 مشاهده به نمونه واقعی 3631 مشاهدات ، اندازه نمونه را افزایش دادیم. سپس ، در تخمین میانگین معادله ، ما از Garch (1،1) استفاده کردیم و قیمت طلا را برای پنج سال آینده تا دسامبر 2026 پیش بینی کردیم ، همانطور که در شکل 7 نشان داده شده است. بنابراین ، Spot_price قیمت تاریخی را نشان می دهد ، و Spot_pricef پیش بینی پیش بینی را نشان می دهدقیمت طلای آینده. برای نتیجه گیری ، اگر قیمت طلای هند از حرکت قبلی خود پیروی کند ، انتظار داریم که قیمت طلای 10 گرم در بازار کالاهای هند تا سال 2023 به 54. 236 ₹ و 65. 948 ₹ بر اساس برآورد مدل ما برسد.

5. نتیجه گیری ها

5. 1نتیجه

رکود اقتصادی جهانی و کاهش چشمگیر سقوط بورس سهام ناشی از COVID 19 بر انتظارات سرمایه گذاران و رفتار برنامه ریزی شده تأثیر می گذارد. شاخص بازار سهام هند Nifty 500 records12 records در 1 ژانویه 2020 ، 24 ٪ - در 1 مارس 2020 ، +6 ٪ در ژوئیه 2020 و 1. 8 ٪ در 31 ژانویه 2021 ، و 1. 4 ٪ در اوت 2021 ، ایجاد عدم اطمینان در حدودبازده های آینده سرمایه گذاران را وادار می کند تا نمونه کارها خود را برای حفظ دارایی های خود در نمونه کارها مجدداً تنظیم کنند. شواهد قوی نشان می دهد که طلا یک پرچین تعیین کننده نسبت به سرمایه گذاری سهام عدالت را به دست می آورد و اغلب در دوره های ریسک همبستگی منفی دارد (Bouri et al. 2017 ؛ Jain and Biswal 2016). قیمت طلای بلند مدت نشان می دهد که قیمت طلای هند از سال 2009 به طور مداوم در حال افزایش است. به ویژه عملکرد طلا طی دهه های اخیر محکم بوده است ، که ناشی از تغییرات ساختاری کلیدی در اقتصاد هند است. میانگین بازده سالانه طلا در ده سال گذشته 9. 10 ٪ ، در 5 سال گذشته به 14. 70 ٪ افزایش یافته و با اطمینان از 24. 34 ٪ در دو سال گذشته این همه گیر در برابر 16. 41 ٪ از S& P BSE Sensex ، از سایر اجزای نمونه کارها بهتر عمل می کند. وادبا توجه به بسیاری از عوامل خرد و کلان که بر قیمت طلا در هند تأثیر می گذارد ، سؤالی مطرح می شود که آیا این یک پناهگاه امن برای سرمایه گذاران در دوره پس از ارزش است. در این مقاله سعی شده است نوسانات قیمت طلا را از بازار کالاهای هند الگوبرداری کند و قیمت طلا را برای پنج سال آینده با استفاده از مدل یک متغیره (1،1) پیش بینی کند. نتایج نشان می دهد که قیمت طلا در هند مانند سایر بازارهای نوظهور بسیار مداوم است. می توان نتیجه گرفت که دلیل نوسانات قیمت طلا در بازار هند به دلیل پایداری آن است.

5. 2دلالت عملی

به عنوان بخشی از دلالت ، این مقاله پیش بینی می کند که پیش بینی می شود قیمت طلای 10 گرم برای 65. 948 ₹ در MCX هند تا سال 2026 معامله شود اگر قیمت های طلای حرکت قبلی خود را مشاهده کند. این یک پیامدهای عملی را نشان می دهد که طلا در دوره پس از برداشت یک پناهگاه امن برای سرمایه گذاران و سرمایه گذاران نهادی خواهد بود. این یافته ها برای سیاست گذاران و تنظیم کننده ها در مورد تأثیر این همه گیر در یکی از مهمترین دارایی های مالی در هند روشن شد. قیمت طلا تحت تأثیر تصمیمات دولت و شرایط کلان اقتصادی قرار دارد و از این رو افزایش بالایی در سطح قیمت آن را تجربه کرده است. بنابراین ، به عنوان احتمال افزایش حباب قیمت ، سیاستگذاران باید محتاط باشند تا از چرخه شکوفایی در دوره پس از برداشت جلوگیری کنند (اخترروزامان و همکاران 2021).

5. 3. محدودیت ها و جهت های تحقیق آینده

اگرچه ما در ارائه کارهای تحقیقاتی با کیفیت بهترین تلاش خود را می کنیم ، اما این مطالعه محدودیت هایی نیز دارد. دامنه این مطالعه فقط به بازار هند محدود شده است و نتایج ممکن است بینش بهتری برای سرمایه گذاران از اقتصادهای نوظهور فراهم کند. با این حال ، نتایج ممکن است متفاوت باشد. علاوه بر این ، برآوردهای ما از قیمت های آینده طلا بر اساس قیمت های تاریخی محاسبه می شود که هرگونه عدم قطعیت اقتصادی یا رویدادها ممکن است از این پیش بینی فراتر رود. علاوه بر این ، ما در پیش بینی قیمت های آینده از مدل GARCH تک متغیره استفاده کرده ایم. مسیرهای تحقیقاتی آینده ممکن است شامل استفاده از مدل های چند متغیره GARCH ، از جمله متغیرهای خرد و کلان اقتصادی باشد که تقاضا برای طلا را در سایر اقتصادهای توسعه یافته یا در حال توسعه سوق می دهد.

کمک های نویسنده

S. K. و Y. A طرح مطالعه را تدوین کردند. Y. A. روش تحقیق را طراحی و تصور کرد. S. K. و S. K. P. داده ها را طبق نیاز نرم افزار جمع آوری و فرموله کرد. S. K. تجزیه و تحلیل و تفسیر داده ها. S. K. ، Y. A. و S. K. P. مقاله را نهایی کرد. S. K. P. مقاله را فرمت و تصحیح کنید. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و موافقت کرده اند.