واکنش بازار سهام به Brexit: مورد انتخاب CEE و مراجعه به بازارهای سهام

بحث در مورد خروج انگلیس از اتحادیه اروپا به دلیل بسیاری از عواقب اقتصادی ، سیاسی ، اجتماعی و سایر عواقب در بسیاری از کشورهای مختلف در سراسر جهان ، امروز هنوز داغ و ادامه دارد. در این مقاله به واکنشهای منتخب اروپای مرکزی و شرقی (CEE) و اروپای جنوبی و اروپای جنوبی (SEE) به رأی Brexit در 23 ژوئن 2016 می پردازیم. استفاده از داده های روزانه برای مدت زمان از ژانویه 2010 تا ژوئیه 2016 و این رویدادروش مطالعه (ESM) ، سری بازده و نوسانات برای واکنش های قابل توجه به رویداد Brexit آزمایش می شود. نتایج حاکی از نتایج مختلط در مورد سری بازگشت تجمعی غیر طبیعی است ، اما مشخص شد که سری نوسانات به طور قابل توجهی تحت تأثیر این رویداد ذکر شده است. این برای سرمایه گذاران بین المللی مهم است و در مورد واکنش بازارهای ذکر شده به رویدادهای بزرگ سیاسی و اقتصادی به منظور خیاط کردن اوراق بهادار بین المللی به روشی برای محافظت از ریسک ، اطلاعاتی ارائه می دهد.

کلید واژه ها: طبقه بندی ژل: C12 ؛C58 ؛G14

1. معرفی

بحث در مورد فرضیه بازار کارآمد (EMH) FAMA (1965 ، 1970) امروزه ادامه دارد. یکی از چالش های EMH رویدادهای مختلفی است که بر قیمت سهام ، بازده و حرکات نوسانات تأثیر می گذارد. ادبیات ثابت کرده است که بیش از 300 عامل اعم از اقتصادی ، سیاسی ، اجتماعی و غیره بر حرکت قیمت سهام تأثیر می گذارد (هاروی و همکاران 2014). چندین رویداد مهم در دو سال گذشته بر اروپا تأثیر گذاشته است که اختلافات انگلستان از اتحادیه اروپا یکی از تأثیرگذارترین آنها است. پیامدهای اقتصادی این رویداد (Brexit با نام محبوب) از قبل تخمین زده شده است که کل هزینه های اقتصادی تا 1. 5 ٪ از تولید ناخالص داخلی در سه ماهه سوم سال 2017 و بیش از 60 میلیارد پوند از این هزینه ها تا پایان پایان2018 (Bo et al. 2017) 1. از آنجا که بازارهای مالی و به ویژه بازارهای سهام امروز به بسیاری از رویدادهای مختلف که به طور مداوم اتفاق می افتد واکنش نشان می دهد ، برای سرمایه گذاران برای انجام مدیریت نمونه کارها Good2 یک کار دشوار است.

از آنجا که چندین بورس جهانی بزرگ در سال 2016 به رأی Brexit پاسخ قابل توجهی کرده است (جزئیات بیشتری در بخش دوم ارائه خواهد شد) ، ارزیابی واکنش های بازار سهام نسبت به مهمترین سیاسی ، اقتصادی و سایر رویدادها به طور مداوم برای به دست آوردنتصویر واضح تر در مورد آنچه در آینده انتظار دارید. این امر هم برای سیاست گذاران به منظور تنظیم اقدامات سیاست اقتصادی (کلان) در مورد ثبات بازارهای مالی و اقتصاد به طور کلی مهم است. بلکه برای سرمایه گذاران (بین المللی) در روند نمونه کارها و مدیریت ریسک. اروپای مرکزی و شرقی (CEE) و جنوب و شرق اروپا (SEE) بازارهای سهام را که بیشتر در حال توسعه هستند ، در بسیاری از جنبه های مدیریت نمونه کارها و دارایی به طور کلی مورد بررسی قرار نمی گیرند. تأثیرات رأی Brexit در سه سال گذشته برای بازارهای مختلف سهام مورد بررسی قرار گرفته است. با این حال ، در ادبیات دانشگاهی در مورد تأثیرات CEE و دیدن بازارها شکاف وجود دارد. اکثر تحقیقات موجود مشاهده کردند که چگونه بازارهای توسعه یافته به رأی Brexit واکنش نشان دادند. از آنجا که تحقیقات وجود دارد که نشان داده است که CEE و See بازارها با توسعه های توسعه یافته امروز یکپارچه شده اند ، منطقی است که فرض کنیم اثرات رأی Brexit به CEE ریخته و بازارها را نیز مشاهده کرده است. یکی از دلایلی که باعث ایجاد شکاف در مورد بازارهای ذکر شده می شود می تواند نقدینگی کوچکتر آن بازارها در مقایسه با بازارهای توسعه یافته تر باشد. از این طریق ، بازارهای کمتر مایع برای سرمایه گذاران و تحقیقات دقیق کمتر محبوب می شوند. علاوه بر این ، CEE و See بازارهای سرمایه برای اقتصادهای داخلی و امور مالی شرکت از اهمیت کمتری برخوردار هستند (به Köke و Schröder 2003 مراجعه کنید). بنابراین ، هدف از این مقاله ارزیابی تجربی اثرات رأی Brexit بر بازده و نوسانات بازار منتخب است. از این طریق ، می توان اطلاعاتی در مورد کارآیی آن بازارها و همچنین میزان ارتباط این بازارها به اتفاقات در اروپا ارائه داد. علاوه بر این ، در ادبیات تجربی مشخص می شود که این بازارها معمولاً امکانات تنوع بین المللی را فراهم می کنند. این بدان معناست که اگر اثرات مثبت Brexit در این بازارها یافت شود ، سرمایه گذاران بین المللی می توانستند برخی از امکانات سرمایه گذاری محافظت را بر روی آنها بدست آورند ، به دلیل همبستگی (هنوز هم بیت) آنها با موارد پیشرفته تر.

رویکرد معمول ارزیابی چنین تأثیراتی در ادبیات ، روش مطالعه رویداد (ESM) است زیرا در طی چند دهه ثابت شده است که ابزاری خوب در امور مالی و به ویژه در زمینه امور مالی شرکت است. بقیه مقاله به شرح زیر سازماندهی شده است. بخش دوم مروری بر ادبیات مرتبط دارد. بخش سوم روش استفاده شده در این تحقیق را شرح می دهد که نتایج در بخش چهارم نشان داده شده است. این بخش به ارزیابی تجربی رأی Brexit در مورد CEE منتخب و دیدن بازارها می پردازد. بحث در مورد نتایج در بخش پنجم با نتیجه گیری در بخش نهایی ، ششم ارائه شده است.

2. تحقیقات مرتبط قبلی

با توجه به علاقه بسیاری از احزاب ، از جمله سیاست گذاران ، سرمایه گذاران و سایر عوامل اقتصادی درگیر در تجارت بین المللی ، تأثیر همه پرسی رأی Brexit و سیاست خارجی انگلیس در کانون بسیاری از کشورها ، به ویژه کشورهای اروپایی قرار دارد. ادبیات دانشگاهی نیز در سه سال گذشته بیشتر و بیشتر به این موضوع توجه می کند. در اینجا نتایج تحقیقات موجود در مورد این موضوع در مورد تأثیر رأی Brexit در بازارهای جهانی سهام آورده شده است. یک گروه از نویسندگان از رویکرد ESM به منظور ارزیابی اثرات کوتاه مدت در چند روز آینده پس از این رویداد در بازده بازار سهام استفاده می کنند. گروه دوم همچنین اثرات رأی Brexit را در سری بازگشت یا نوسانات بررسی می کند. با این حال ، نویسندگان در اینجا از رویکردهای مختلف استفاده می کنند (مانند تجزیه و تحلیل رگرسیون رگرسیون کوانتیل ، تجزیه و تحلیل دامنه فرکانس ، تجزیه و تحلیل داده های پانل و غیره).

کوای و همکاران.(2016) با گذراندن مقالات روزنامه و انجام تجزیه و تحلیل مقایسه ای از ارزش های شاخص ها و قیمت دارایی های مالی مختلف ، اثرات رأی Brexit را در بورسیت در بورس سهام ، بانک ها ، اوراق قرضه و سایر بازارها بر روی این کلمه مورد تجزیه و تحلیل قرار داد. نویسندگان گزارش زیر را گزارش می دهند: پس از رای گیری Brexit ، FTSE 250 روز بعد 7. 2 ٪ کاهش یافت ، FTSE 100 3. 2 ٪ ، DOW 3. 4 ٪ ، NASDAQ 4. 12 ٪ ، Hang Seng 2. 9 ٪ ، Topix با 7. 3 ٪ ، یورو Stoxx 600 توسط 7 ٪، ASX 3. 2 ٪ ، DAX با 7 ٪ ، CAC 8 ٪ و FTMIB 12 ٪. این شاخص های اصلی تا حد زیادی واکنش نشان دادند ، و همچنین نویسندگان واکنش شدیدی از نرخ ارز پوند انگلیس به سایر ارزهای اصلی پیدا کردند. نتایج جالب دیگر را می توان در این مقاله یافت. با این حال ، هیچ تجزیه و تحلیل آماری برای ارزیابی نتایج از طریق آزمایش رسمی انجام نشده است. نویسندگان در این نتیجه گیری ذکر می کنند که ESM را می توان در کارهای آینده انجام داد. Amewu و همکاران.(2016) با استفاده از یک مدل بازار ، رویکرد معمول ESM را با استفاده از یک مدل بازار برای برآورد سری بازگشت غیر طبیعی برای آزمون استاندارد و یک غیر پارامتری (آزمون علامت) برای شرکت های ذکر شده در بازارهای زیر اعمال کنید: ایالات متحده ، انگلیس ، چین ، ژاپن، آلمان و آفریقای جنوبی (مدت زمان 315 روز قبل از رای گیری Brexit در 23 ژوئن 2016 و 15 روز پس از رأی). فقط بازار چین نسبت به این رویداد واکنش مثبت نشان داد. در حالی که سایر بازارها کاهش قابل توجهی در سری بازگشت و هر بازاری به استثنای آلمانی و انگلیس را دوباره به ارزش قبل از روز رویداد در روز +2 معرفی کردند. Dadurkevicius و Jansonaite (2017) با استفاده از متغیر عدم اطمینان سیاسی ، متغیرهای باینری و نتایج جستجوی Google بر روی کلمه Brexit ، بر مدل سازی شاخص نوسانات ضمنی FTSE 100 تمرکز می کنند. نویسندگان همچنین روی شرکت هایی که صنعت بیشتری دارند و فروش دارند تمرکز می کنند و رویکرد ESM را نیز به کار می گیرند. نتایج نشان می دهد که خطر به دلیل عدم اطمینان سیاسی قبل از این رویداد افزایش یافته است. سری بازگشت با واکنش آنها به دلیل ویژگی های مختلف بخش هایی که بازده متعلق به آنها بود ، متفاوت بود. یک رویکرد رگرسیون کمی با درج متغیر باینری برای Brexit در Bohdalova و Greguš (2017) استفاده شد. این تحقیق بازارهای بزرگتر اروپا (آلمانی ، فرانسوی ، ایرلندی ، اسپانیایی) و بزرگتر در حال ظهور (لهستانی و ترکی) را مشاهده کرد ، با این مدت زمان از ابتدای سال 2000 تا فوریه 2017. تأثیر مثبت قابل توجهی از آراء Brexit در کل یافت شدنتایج،

با بیشترین تأثیر در بازار اسپانیا و کمترین تأثیرات روی لهستانی. نویسندگان نتایج مثبت را به عنوان افزایش حرکات بین بازارهای مشاهده شده تفسیر می کنند. اثرات نامتقارن BREXIT در بازده بازار فردی در مقادیر مختلف مشاهده شده معنی دار بود.< Pan> با بیشترین تأثیر در بازار اسپانیا و کمترین تأثیرات روی لهستانی. نویسندگان نتایج مثبت را به عنوان افزایش حرکات بین بازارهای مشاهده شده تفسیر می کنند. اثرات نامتقارن Brexit در بازده بازار فردی در مقدار های مختلف مشاهده شده قابل توجه بود. با بیشترین تأثیر در بازار اسپانیا و کمترین تأثیرات بر روی لهستانی. نویسندگان نتایج مثبت را به عنوان افزایش حرکات بین بازارهای مشاهده شده تفسیر می کنند. اثرات نامتقارن BREXIT در بازده بازار فردی در مقادیر مختلف مشاهده شده معنی دار بود.

Bouoiyour و Selmi (2016) برای ارزیابی اثرات عدم قطعیت در مورد Brexit در بازارهای سهام انگلیس ، آلمان و فرانسه (بازده و شاخص های نوسانات بازارهای ذکر شده) از یک آزمون علیت دامنه فرکانس و یک رویکرد رگرسیون کوانتری استفاده کردند. از آنجا که نویسندگان بر عدم اطمینان کامل ، نتایج جستجوی Google و توییت های توییتر در مورد کل فرآیند انگلستان را که اتحادیه اروپا را قبل از رای Brexit ترک می کند ، متمرکز کرده اند ، مدت زمان مورد استفاده در این مطالعه ژانویه 2010 - ژوئیه 2015 بود. بر اساس نتایج ، نویسندگان نتیجه می گیرند کهبازار آلمان بیشترین رنج را دنبال می کند و به دنبال آن بازارهای فرانسوی و انگلیس. نوسانات و سرریزهای آنها در کانون توجه بلک و همکاران قرار داشت.(2016). شاخص سرریز ، پانل و تک کشور SUR (رگرسیون به ظاهر نامربوط) رگرسیون روشهای اعمال شده در این مطالعه است ، جایی که اثرات Brexit در بازده سهام ، حاکمیت CDS-E (مبادلات پیش فرض اعتبار) نرخ بهره 10 ساله و 10 ساله مشاهده می شود. نرخ ارز (پوند انگلیس به یورو). رأی Brexit منجر به سرریزهای زیادی در بازارهای مالی با بزرگی شد که قبلاً هرگز مشاهده نشد ، همانطور که نویسندگان نتیجه گرفتند. Caporale و همکاران.(2018) با تمرکز بر شاخص نوسانات 100 FTSE و شاخص های نوسانات نرخ ارز پوند انگلیس دلار آمریکا ، یورو و ین ژاپنی (دوره: ژانویه 2014 تا اکتبر 2017). نویسندگان مدل ARMA3 از شاخص های نوسانات را با درج ادغام فراکتال در فرآیندهای مشاهده شده مدل کردند و دریافتند که در کوتاه مدت رأی Brexit تأثیر قابل توجهی در همه سری ها به جز نرخ ارز به ین دارد. Alkhatib و Harasheh (2018) رویکرد ESM را به صندوق های معامله شده مبادله (ETFS) در مرکز مالی لندن با پنجره رویداد 10 تا 10 روز اعمال می کنند. این وجوه به چندین خوشه گروه بندی شده اند ، بسته به منطقه ، ETF ها بیشترین سرمایه گذاری را انجام داده اند (به عنوان مثال ، بازارهای نوظهور). با استفاده از چندین رویکرد تخمین مدل بازار ، نویسندگان نتایج را به شرح زیر به دست آوردند. بازارهای نوظهور ETF ها بازدهی به دست آوردند و همچنین وجوه سهام عدالت. از این طریق می توان امکاناتی برای محافظت در برابر خطرات عدم اطمینان در مورد رأی Brexit بدست آورد. Kurecic and Kokotovic (2018) آزمایش های مربوط به استراحت واحد را در 12 شاخص سهام در ایالات متحده ، انگلیس ، روسیه ، چین ، آمریکای جنوبی ، هنگ کنگ ، اروپا و ژاپن اعمال کرد (دامنه: مه 2016 - ژوئیه 2017). چندین تاریخ در مورد عدم اطمینان سیاسی مشاهده می شود و در آزمایش برای وقفه های ساختاری در سری شاخص سهام ، گنجانده شده است.

از جمله رای Brexit. نتایج حاکی از آن است که به استثنای شاخص های Hang Seng و JSE ، تمام شاخص های دیگر در 24 ژوئیه 2016 استراحت ساختاری را به نمایش گذاشتند. بوردکین و همکاران.(2018) برای بازده مختلف سهام در سراسر جهان (64 کشور) برای دوره از ژانویه تا ژوئن 2016 متمرکز شده است. نویسندگان از شاخص های سهام کشور و شاخص بازار جهانی به عنوان عاملی برای استفاده در این مدل برای برآورد سری بازگشت غیر طبیعی استفاده کردند. نویسندگان از روش مطالعه رویداد استفاده نکردند. در عوض ، آنها از تجزیه و تحلیل رگرسیون با درج یک متغیر باینری برای تاریخ برنامه ریزی رأی Brexit استفاده کردند. نتیجه گیری حاکی از بازده منفی غیر طبیعی برای اکثر کشورها مورد تجزیه و تحلیل است که کشورهای پیگس بیشترین تأثیر را دارند. سلطانوف و یهان (2018) بر واکنشهای بازار ارزی ژاپن و واکنشهای بورس به رأی Brexit (و انتخابات ریاست جمهوری ایالات متحده) متمرکز شدند. روش MGARCH برای سری بازگشت (برای دوره 9 فوریه 2016 تا 24 مارس 2017 ، داده های روزانه) استفاده شد. نویسندگان اختلافات بین میانگین بازده قبل و بعد از تاریخ قابل توجه و همچنین همبستگی های شرطی پویا قبل و بعد از وقایع را محاسبه کردند. همه سریال های مشاهده شده پس از وقایع تغییر قابل توجهی داشتند ، به این معنی که وقایع سیاسی نامشخص بر سهام ژاپن و بازارهای ارزی منعکس می شود.

این نتایج تا حدودی مختلط است ، با اکثر تحقیقات نشان می دهد که رأی Brexit تأثیر منفی بر بازده بازار سهام جهانی دارد ، با برخی از امکانات محافظت در معدود بازار سهام و سایر دارایی های مالی. از آنجا که شکافی در ادبیات مربوط به CEE وجود دارد و کشورها را مشاهده می کند ، این تحقیق به منظور دستیابی به بینش های اول بر روی آن کشورها متمرکز خواهد شد._i,t3. روش شناسی_i,tروش مطالعه رویداد امروز برای ارزیابی اثرات هر نوع رویدادها در بازده سهام بسیار آشنا است. در این بخش ما براون و وارنر را دنبال می کنیم (1980 ، 1985) ؛قوی (1992) ؛Mackinlay (1997) و Binder (1998) برای توصیف خلاصه روش مورد استفاده در بخش تجربی تحقیق. از آنجا که ما روی شاخص های بازار کشور تمرکز می کنیم و از شاخص بازار منطقه ای به عنوان عامل بازار در تجزیه و تحلیل استفاده می کنیم ، این نماد به شرح زیر است. فرض کنید ما داده های مربوط به بازده واقعی شاخص های سهام N را در تاریخ t ، r داریم_t، i ∈ ، t ∈. بازده مشروط با E (r) مشخص می شود_t| Ω_i,t) ، جایی که ω_i,t = R_i,tاطلاعات موجود را در تاریخ t نشان می دهد. از بازده مشروط برای ارزیابی اثرات این رویداد در بازده سهام استفاده می شود. بنابراین ، بازده غیر طبیعی AR_i,tروش مطالعه رویداد امروز برای ارزیابی اثرات هر نوع رویدادها در بازده سهام بسیار آشنا است. در این بخش ما براون و وارنر را دنبال می کنیم (1980 ، 1985) ؛قوی (1992) ؛Mackinlay (1997) و Binder (1998) برای توصیف خلاصه روش مورد استفاده در بخش تجربی تحقیق. از آنجا که ما روی شاخص های بازار کشور تمرکز می کنیم و از شاخص بازار منطقه ای به عنوان عامل بازار در تجزیه و تحلیل استفاده می کنیم ، این نماد به شرح زیر است. فرض کنید ما داده های مربوط به بازده واقعی شاخص های سهام N را در تاریخ t ، r داریم_t- e (r

| Ω_i,tروش مطالعه رویداد امروز برای ارزیابی اثرات هر نوع رویدادها در بازده سهام بسیار آشنا است. در این بخش ما براون و وارنر را دنبال می کنیم (1980 ، 1985) ؛قوی (1992) ؛Mackinlay (1997) و Binder (1998) برای توصیف خلاصه روش مورد استفاده در بخش تجربی تحقیق. از آنجا که ما روی شاخص های بازار کشور تمرکز می کنیم و از شاخص بازار منطقه ای به عنوان عامل بازار در تجزیه و تحلیل استفاده می کنیم ، این نماد به شرح زیر است. فرض کنید ما داده های مربوط به بازده واقعی شاخص های سهام N را در تاریخ t ، r داریم_t ) = α_i + β_iR_m,t + ε_i,tدر اینجا ، ما از مدل بازار زیر برای تخمین بازده مشروط به شرح زیر استفاده می کنیم: E (r_m,t| Ω_i,t، جایی که r_i,t ~بازده شاخص بازار منطقه ای را نشان می دهد و اصطلاح خطا با ε مشخص می شود_i,t، جایی که ε

n (0 ، σ ε i 2) 4. به منظور آزمایش این فرضیه که رویداد خاص هیچ تاثیری در بازده سهام نداشته است ، AR~در پنجره رویداد تخمین زده می شود. مدت زمان پنجره رویداد معمولاً مدت زمان کوتاهی در ادبیات 5 است. در مرحله اول ، میانگین بازگشت غیر طبیعی یک r ¯ τ برای هر تاریخ τ در پنجره رویداد محاسبه می شود a r ¯ τ = 1 / n ∑ i = 1 n a r i ، τ با واریانس var (a r ¯ τ) = 1 / n 2∑ i = 1 n σ ε i 2 و بازگشت غیر طبیعی تجمعی c a r ¯ τ به عنوان c a r ¯ τ = ∑ τ a r ¯ τ برای هر روز در پنجره رویداد محاسبه می شود. واریانس مربوطه var (c a r ¯ τ) = 1 / n 2 ∑ i = 1 n var (a r ¯ τ) است و مقدار آزمون به صورت تعریف شده است

θ 1 = C a r ¯ τ var (c a r ¯ τ) 0. 5

n (0 ، 1).~از آزمایشات غیر پارامتری اغلب در مواردی استفاده می شود که تعداد سهام موجود در تجزیه و تحلیل اندک باشد ، به دلیل تست هایی که به تعداد سهام بستگی ندارد. تست محبوب شامل آزمون علامت است ، جایی که نسبت خودروهای غیر منفی در کانون توجه قرار دارند ، یعنی فرضیه تهی فرض می کند که 0. 5 ≤ P ، جایی که P = P (CAR ≥ 0). مقدار آزمون در اینجا به صورت تعریف شده است

θ 2 = (n + n - 0. 5) n n

n (0 ، 1) ،

جایی که N + تعداد اتومبیل های غیر منفی در تاریخ τ است. آزمون رتبه امضا شده Wilcoxon (1945) بر رتبه مثبت ارزش مطلق بازده غیر طبیعی R I + ، جایی که مقدار آزمون در تاریخ τ به عنوان تعریف شده است.

θ 3 = ∑ i = 1 n r i +.

مطالعه رویداد نوسانات بر روی وقایع تأثیرگذار بر نوسانات سری بازگشت متمرکز است. این امر اغلب در ادبیات و برنامه های مطالعه رویداد کمتر یافت می شود. با این حال ، مدیریت ریسک در کل مدیریت نمونه کارها بخش بسیار مهمی است. بنابراین ، ما برای این فرضیه آزمایش می کنیم که این رویداد تأثیرات قابل توجهی در نوسانات بازده مشاهده شده نداشته است. به دنبال آگراوال و همکاران.(2003) و Balaban و Constantinou (2006) ، ابتدا مدل زیر (1،1) زیر را برای هر سری بازگشت تخمین می زنیم_t,iσ t ، i 2 = α 0 ، i + α 1 ، i ε t - 1 ، i 2 + β 1 ، i σ t - 1 ، i 2 + λ i d t ، i ،

جایی که D~از آزمایشات غیر پارامتری اغلب در مواردی استفاده می شود که تعداد سهام موجود در تجزیه و تحلیل اندک باشد ، به دلیل تست هایی که به تعداد سهام بستگی ندارد. تست محبوب شامل آزمون علامت است ، جایی که نسبت خودروهای غیر منفی در کانون توجه قرار دارند ، یعنی فرضیه تهی فرض می کند که 0. 5 ≤ P ، جایی که P = P (CAR ≥ 0). مقدار آزمون در اینجا به صورت تعریف شده است

θ 4 = λ (1 n (n - 1) ∑ i = 1 n (λ ^ i - λ) 2) 0. 5

n (0 ، 1) ،

جایی که λ = 1 n ∑ i = 1 n λ ^ i. از آنجا که ما پنجره رویداد متشکل از چند روز را مشاهده می کنیم ، (4) نه تنها با یک متغیر باینری برابر با ارزش واحد برای تمام روزهای بعد از این رویداد تخمین زده می شود.

یک تست علامت Wilcoxon با به دست آوردن مقادیر تخمین زده شده از نوسانات در پنجره رویداد Pre (σ I P R E) و پست (σ I P O S T) ، و همچنین برای بازده بازار منطقه ای (σ M P R E و σ M P O S T) انجام می شود. محاسبه نسبت ω i p r e = (σ i p r e / σ m p r e) 0. 5 و ω i p o s t = (σ i p o s t / σ m p o s t) 0. 5 ، و آزمایش را در پیش رویداد و نسبت های بعد از رویداد اعمال کنید.

جزئیات بیشتر در مورد روش مطالعه رویداد را می توان در Serra (2002) یافت. Kothari and Waer (2007) یا Kliger and Gurevich (2014) و Conover (1980).

4- نتایج تجزیه و تحلیل تجربی

4. 1نتایج اولیه₁داده های زیر از تامسون رویترز به منظور ارزیابی تجربی اثرات رأی Brexit جمع آوری شده است: داده های روزانه در شاخص های بورس سهام Belex ، Beti ، Birs ، Bux ، Crobex ، PFTS ، PX ، SAX ، SBITOP ، SOFIX و WIG (مربوط بهکشورها: صربستان ، مجارستان ، بوسنی و هرزگوین ، بلغارستان ، کرواسی ، اوکراین ، جمهوری چک ، اسلواکی ، اسلوونی ، رومانی و لهستان) و CEE منطقه ای و See6 شاخص برای دوره 4 ژانویه 2010 تا 8 ژوئیه 2016. آمار توصیفیبرای نمونه مشترک در ضمیمه A در جدول A1 آورده شده است. در کل ، 1630 مشاهدات برای هر سری در دسترس است. ما از داده های روزانه استفاده می کنیم از آنجا که براون و وارنر (1985) نشان دادند که داده های روزانه نتایج مشابهی از آزمون پارامتری استاندارد را همانطور که داده های ماهانه انجام می دهند ، ارائه می دهند. در مرحله اول ، ما مقادیر بازگشت را در روز بعد از رای گیری Brexit (23 ژوئن 2016) محاسبه کردیم تا بینش اولیه در مورد حرکات در بازارهای ذکر شده را بدست آوریم. بازده زیر محاسبه شد: 8 /1 ٪ Belex ، 59/3 ٪ BETI ، 20. 2 ٪ BIRS ، 4/56 ٪ BUX ، -1. 67 ٪ Crobex ، -0. 24 ٪ PFTS ، -4. 36 ٪ PX ، 0. 01 ٪ SAX ، -2. 18 ٪ sbitop ،. 1. 14 ٪ SOFIX ، و 48 /48 ٪ WIG. هر شاخص به استثنای شاخص اسلواکی کاهش یافته است.₂در مرحله اول ، ما مدل بازار را در پنجره قبل از رویداد تخمین می زنیم و با استفاده از CEE ، مقادیر برآورد شده سری بازگشت را برای هر بازار سهام بدست می آوریم و سپس بازده شاخص را به عنوان یک متغیر توضیحی مشاهده می کنیم. سپس ، در مرحله دوم ، طول پنجره رویداد به 21 روز (10 تا +10 روز) انتخاب می شود و مقادیر آزمون را در مورد سری بازگشت محاسبه می کنیم (θ₃، θ

و θ

). روز رویداد رأی Brexit 23 ژوئن 2016 بود و این به عنوان روز 0 در تمام جداول و نمودارهای زیر به تصویر کشیده شده است. نتایج در جدول 1 (فاکتور CEE) و جدول 2 نشان داده شده است (عامل را ببینید).

نتایج در جدول 1 نشان می دهد که در صورت استفاده از شاخص منطقه ای CEE به عنوان عامل بازار ، هیچ تاثیری در بازارهای مشاهده شده قابل توجه نیست. اگرچه ، C A R ¯ τ چهار روز پس از رای Brexit منفی بود ، با بیش از دو برابر ارزش C A R ¯ τ در 23 ژوئن 2016. با این حال ، همانطور که گفته شد ، نتایج قابل توجه نیست. تمام سریال های برگشتی برای روزهای قبل از این رویداد نیز ناچیز یافت شدند. این می تواند تعبیر شود که سرمایه گذاران برخی از عقاید و شایعات را گسترش ندادند ، و بنابراین سود و زیان غیر طبیعی ایجاد نکردند. نتایج همیشه بر اساس هر سه آمار آزمون یکسان است.

نتیجه گیری اگر از بازار منطقه ای See استفاده کنیم ، در جدول 2 کمی متفاوت است ، در جدول 2 روز بعد از این رویداد مثبت می شود و بعد از روز +3 از نظر آماری معنی دار می شود. با این حال ، سه C اول A R ¯ τ S معنی دار نبود. از آنجا که اکثر ادبیات روش مطالعه مطالعه رویداد قبلی بر روی یک پنجره باریک متمرکز است ، از 1 روز تا حداکثر 5 روز ، نتایج در جدول 2 که به آن روزهایی اشاره دارد که از روز 0 فاصله بیشتری دارند می توانند نتیجه دیگری را مشاهده کنند. عوامل و نه رای Brexit به خودی خود. باز هم ، نتیجه گیری در مورد فرضیه آزمایش شده براساس هر سه آمار آزمون یکسان است.₄بازنمودهای گرافیکی C A R ¯ τ S برای CEE و عامل See در شکل 1 و شکل 2 با فاصله اطمینان 95 ٪ (CI) ارائه شده است ، برای یک نمای کلی از حرکت متوسط بازگشت غیر طبیعی تجمعی. نتیجه گیری دوباره همان است که در جدول 1 و جدول 2 بود.

اثرات بر نوسانات و همچنین با نتایج ذکر شده در جدول 3 مورد بررسی قرار گرفته است. در مرحله اول ، آمار آزمون θ

به مدت یک روز پس از این رویداد و سپس برای 10 روز پس از رویداد در روز 0. محاسبه شد. هر دو آمار آزمون حاکی از عدم پذیرش فرضیه تهی است ، به این معنی که هیچ فواصل غیر طبیعی قابل توجهی به دلیل رأی Brexit یافت نشد. با استفاده از آزمون غیر پارامتری Wilcoxon ، می توان دریافت که فقط نوسانات در روز 1+ با نوسانات قبل از رویداد متفاوت است. این شواهد ضعیف به نفع Brexit است که بر نوسانات در بازارهای مورد بررسی تأثیر می گذارد.

4. 2استحکام بررسی

بررسی استحکام نتایج با تغییر طول پنجره رویداد انجام شد. از آنجا که دهانه های زمانی کوتاه تر در این روش مشاهده می شود ، ما تصمیم گرفتیم از 3 تا 3 روز برای پنجره رویداد استفاده کنیم. بنابراین ، مانند جدول 1 و جدول 2 ، ما همان تست ها را انجام می دهیم ، اما برای پنجره رویداد کوتاه تر ، با نتایج نشان داده شده در جدول 4 و جدول 5. با تمرکز روی جدول 4 ، نتایج همانند جدول 1 است. بدون تأثیر معنی داری در هر سه روز پس از این رویداد ، حتی اگر بازده غیر طبیعی تجمعی منفی تر شود. با این حال ، با مشاهده جدول 5 با فاکتور منطقه ای ، نتایج کمی متفاوت می شود. اکنون ، نتایج در روزهای قبل و بعد از رویداد ، به استثنای روز +2 ، قابل توجه است.

مطالعه رویداد نوسانات برای نتایج 3+ روز در جدول 6 نشان داده شده است. همانطور که مشاهده می شود، نتایج آزمون نشان دهنده اثرات قابل توجهی بر نوسانات برای آزمون غیر پارامتری برای هر دو عامل منطقه ای است که نتایج کوتاه مدت 1+ را تایید می کند. روز از جدول 3. بنابراین، شواهد بیشتری به نفع رأی برگزیت که بر نوسانات بازارهای سهام مشاهده شده در مقایسه با سری بازدهی تأثیر می گذارد، وجود دارد.

5. بحث

بر اساس نتایج به دست آمده در بخش قبل می توان چندین نتیجه گیری ارائه کرد. در مرحله اول، با تمرکز بر عامل منطقه ای CEE به عنوان بازده "بازار" برای کشورهای مشاهده شده، نتیجه نشان داد که هیچ اثر قابل توجهی بر سری بازده غیرعادی وجود ندارد. هر دو آزمون پارامتری و ناپارامتریک این نتیجه را تایید کردند. این مورد هم برای طول پنجره رویداد 21 (10- تا 10+) روز و هم برای 7 (3- تا 3) روز صادق است. اگرچه نتایج غیر قابل توجه بود، بازده غیرعادی پس از رای برگزیت (پس از روز صفر) کاهش یافت و حدود سه روز طول کشید تا به مقدار قبل از رای گیری بازگردد. نوسانات به دلیل نتایج قابل توجه آزمون Wilcoxon برای روز +1 تا حدودی تحت تأثیر قرار گرفت. این نتایج برای طول پنجره +10 روز ناچیز شد، به این معنی که اثرات بسیار کوتاه مدت بودند. این اثرات بر نوسانات برای دوره +3 روز وجود داشت. بنابراین، در سه روز پس از 23 ژوئن 2016، نوسانات بیش از حد در بازارهای مشاهده شده، با بازده غیرعادی تجمعی منفی ناچیز وجود داشت.

ثانیا ، اگر ما روی عامل منطقه ای در تجزیه و تحلیل تمرکز کنیم ، نتایج تا حدودی متفاوت است. سری بازگشت غیر طبیعی ، گرچه ناچیز است ، اما در سه روز آینده پس از این رویداد ، در مقایسه با عامل قبلی در تجزیه و تحلیل مثبت می شود. علاوه بر این ، سری بازگشت در روز سوم قابل توجه می شود و تا پایان طول پنجره +10 در این راه باقی می مانند. با این حال ، می توان گفت که این به دلیل رأی Brexit نیست ، زیرا این بدان معناست که سرمایه گذاران نسبت به اتفاقات پیرامون کل عدم اطمینان سیاسی واکنش تأخیری داشته اند. نتایج برای روزهای قبل و بعد از رویداد مهم می شود که طول پنجره رویداد به استثنای روز +2 به 3 تا 3 تا +3 کاهش یافت. در اینجا ، تمام بازده های غیر طبیعی تجمعی منفی بودند و در روز +2 مثبت شدند. این بیشتر مطابق با نتایج CEE از بازده منفی است. بنابراین ، برخی از شواهد ضعیف در مورد رأی Brexit که بر بازارهای مشاهده شده تأثیر می گذارد وجود دارد. سرانجام ، آزمایش نوسانات در چارچوب فاکتور See همچنین تأیید می کند که نوسانات بیش از حد در طول تاریخ مهم وجود داشته است.

بنابراین ، برخی از نتایج مختلط در مورد سری بازگشت به دست آمد. این امر به دلیل تغییر عامل منطقه ای به عنوان کسی است که کشور را توصیف می کند. از آنجا که نتیجه گیری اصلی این است که نوسانات قبل و بعد از این رویداد در بازارها تفاوت معنی داری داشت ، می توان گفت برخی از تأثیرات رأی Brexit به CEE ریخته شده و بازارها را نیز می بینند. این برای سرمایه گذاران بین المللی که متمرکز بر محافظت از ریسک هستند ، مهم است. از آنجا که نوسانات در دوره پس از رویداد افزایش یافته است ، این برای اهداف مدیریت ریسک مطلوب نیست. این تعجب آور نیست ، به دلیل ادبیات قبلی که نشان می دهد بازارهای ذکر شده امروز با بازارهای توسعه یافته بیشتر یکپارچه شده اند (به عنوان مثال ، به Kizys و Pierdzioch 2011 یا Fronc و Mielus 2017 مراجعه کنید).

6. نتیجه گیری

عدم قطعیت های سیاسی و اقتصادی رو به رشد در سراسر جهان بر بازار سهام و شرکت کنندگان آنها تأثیر می گذارد. میزان صحیح بودن این امر برای سیاست گذاران و سرمایه گذاران در سراسر جهان مهم است. تصمیمات به موقع برای هدایت خوب سیاست های اقتصادی و مدیریت نمونه کارها به منظور به دست آوردن بهترین نتایج ممکن بسیار مهم است. در این مقاله به نمونه ای از یک رویداد بزرگ سیاسی و اقتصادی و تأثیرات آن بر CEE و دیدن بازار سهام پرداخته شده است. از آنجا که ادبیات قبلی چنین بازارهایی را به عنوان مواردی که برخی از فرصت ها برای تنوع بین المللی وجود دارد ، مشخص می کند ، مهم است که اطلاعاتی در مورد نحوه واکنش این بازارها به وقایع بزرگ بدست آورید. نتایج عمده نشان می دهد که نتایج تا حدودی مختلط در سری بازگشت (بازده تجمعی غیر طبیعی منفی اما غیر قابل توجه) یافت می شود و نتایج قابل توجهی در نوسانات (نوسانات بیشتر در کوتاه مدت پس از رأی Brexit) یافت شد.

برخی از کاستی های موجود در این تحقیق موارد زیر را شامل می شود. ما فقط یک رویداد ، همه پرسی رأی روز Brexit را مشاهده کردیم. با این حال ، این به دلیل اولین بینش در مورد اینکه آیا بزرگترین وقایع بر بازارهای فوق الذکر تأثیر می گذارد ، ساخته شده است. اگر مشخص شد که بزرگترین وقایع به هیچ وجه بر بازارها تأثیر نمی گذارد ، جای سوال دارد که آیا سایر رویدادهای جزئی منتهی به (یا بعد از رویداد اصلی) حتی می توانند تأثیرات معنی داری داشته باشند. بنابراین ، کار آینده باید با مشاهده سایر رویدادهای سیاسی و اقتصادی در مورد کل عدم اطمینان در اتحادیه اروپا در مورد ترک آن ، تجزیه و تحلیل را گسترش دهد. علاوه بر این ، با توجه به نتیجه گیری های مختلف در مورد آزمایش بازگشت غیر طبیعی به دلیل استفاده از عوامل مختلف بازار در مدل ، کار آینده می تواند مدل را گسترش داده و آن را با سایر عوامل بازار تقویت کند تا ببیند آیا تغییرات در نتایج رخ خواهد داد.

از آنجا که این به دانش نویسنده است ، اولین مطالعه ای که بر CEE منتخب متمرکز است و بازارها و واکنش های آنها در مورد عدم قطعیت های Brexit را مشاهده می کند ، امیدواریم که این تجزیه و تحلیل آینده بیشتری را در مورد این بازارها و امکاناتی که می توانند یا نتوانند ارائه دهند. برای سرمایه گذاران بین المللی در مورد سایر رویدادهای سیاسی و اقتصادی ، به ویژه موارد مربوط به مشکلات اتحادیه اروپا.

منابع مالی

این تحقیق بودجه خارجی دریافت نکرد. APC از طریق ابتکار عمل بدون دانش توسط موسسات تأمین شد و تا حدی توسط MDPI تأمین شد.