پیوند کلّی، نامتقارن و وابسته به بسامد بین بازارهای نفت و ارز

2.1. داده‌ها و متغیرها

مجموعه داده‌ها از ۲۰۰۷ تا ۲۰۱۷ را پوشش می‌دهد و شامل موارد زیر است:

• بازار نفت: قیمت‌های آتی نفت خام وست تگزاس اینترمدیت (WTI) (فواصل ۵ دقیقه‌ای).
• بازار فارکس: نرخ‌های ارز ارزهای اصلی (یورو، پوند، ین و غیره) در برابر دلار آمریکا، همچنین با بسامد بالا.
• متغیر اصلی: نوسان تحقق‌یافته (RV) که از بازده‌های درون‌روزی محاسبه شده و به‌عنوان معیار عدم قطعیت بازار عمل می‌کند.
• تجزیه: نیم‌واریانس‌های تحقق‌یافته ($RS^+$ و $RS^-$) برای جداسازی نوسان ناشی از بازده‌های مثبت و منفی محاسبه می‌شوند و امکان تحلیل نامتقارن را فراهم می‌کنند.

2.2. چارچوب پیوند کلّی

این مطالعه چارچوب شاخص سرریز دیبولت و ییلماز (۲۰۱۲، ۲۰۱۵) را که مبتنی بر مدل‌های خودرگرسیون برداری (VAR) و تجزیه واریانس خطای پیش‌بینی (FEVD) است، به کار می‌گیرد. شاخص پیوند کلّی سهم واریانس خطای پیش‌بینی در همه متغیرها را که ناشی از سرریزهاست (در مقابل شوک‌های خاص) کمّی می‌کند.

2.3. تجزیه نامتقارن و بسامدی

این بخش، مشارکت کلیدی روش‌شناختی مقاله است:

• پیوند نامتقارن: با وارد کردن نیم‌واریانس‌های تحقق‌یافته ($RS^+$, $RS^-$) به چارچوب پیوند، نویسندگان سرریزهای ناشی از «نوسان خوب» (بازده مثبت) و «نوسان بد» (بازده منفی) را از هم جدا می‌کنند.
• پیوند بسامدی: با استفاده از نمایش طیفی تجزیه واریانس توسط بارونیک و کرژلیک (۲۰۱۸)، پیوند کلّی به اجزای مرتبط با باندهای بسامدی مختلف (مثلاً کوتاه‌مدت: ۱ تا ۵ روز، بلندمدت: بیش از ۲۰ روز) تجزیه می‌شود. این امر نشان می‌دهد که سرریزها گذرا هستند یا پایدار.

3.1. پویایی‌های پیوند کلّی

پیوند نوسان کلّی بین بازارهای نفت و ارز، قابل توجه و وابسته به زمان است. یافته‌های کلیدی:

• سرریزها در دوره‌های تنش مالی (مانند بحران مالی جهانی ۲۰۰۸، سقوط قیمت نفت ۲۰۱۶-۲۰۱۴) به شدت تشدید می‌شوند.
• واگرایی در رژیم‌های سیاست پولی جهانی (مانند کاهش خرید دارایی‌ها توسط فدرال رزرو) محرک کلیدی افزایش سرریزهای نوسان در فارکس است.
• بینش سبد: افزودن نفت به یک سبد خالص ارزی، پیوند کلّی سبد را کاهش می‌دهد. این نشان می‌دهد نفت می‌تواند به‌عنوان یک دارایی تنوع‌بخش عمل کند که آسیب‌پذیری درونی سبد را در برابر سرریزهای بین بازاری کاهش می‌دهد.

3.2. اثرات سرریز نامتقارن

مشخص شد که بزرگی اثرات نامتقارن به‌طور میانگین نسبتاً کوچک است، اما جهت آن گویاست:

• تنها در بازار فارکس، سرریزهای ناشی از شوک‌های منفی (نوسان بد) بر شوک‌های مثبت غالب هستند.
• وقتی بازارهای نفت و ارز به‌طور مشترک تحلیل می‌شوند، شوک‌های مثبت (نوسان خوب) سرریزهای قوی‌تری ایجاد می‌کنند. این نشان می‌دهد که تحولات مثبت بازار نفت ممکن است خوش‌بینی یا تمایل به پذیرش ریسک را به ارزها منتقل کند.

3.3. پیوند وابسته به بسامد

این تحلیل احتمالاً ظریف‌ترین بینش‌ها را ارائه می‌دهد:

• پیوند بلندمدت (مرتبط با بسامدهای پایین‌تر) غالب‌ترین جزء است و در بحران‌ها شدیدترین افزایش را نشان می‌دهد.
• محرک اصلی: پیوند بلندمدت عمدتاً توسط شوک‌های عدم قطعیت (مانند رویدادهای ژئوپلیتیک، تغییرات ساختاری تقاضا) هدایت می‌شود.
• محرک ثانویه: شوک‌های نقدینگی نیز بر پیوند بلندمدت تأثیر می‌گذارند، اما در حد کمتری.
• پیوند کوتاه‌مدت پایدارتر است و به معاملات بسامد بالا و اخبار گذرا مرتبط است.

5.1. مبانی ریاضی

هسته پیوند بسامدی بر تجزیه طیفی ماتریس واریانس-کوواریانس استوار است. برای یک سیستم VAR($p$) با $K$ متغیر: $\mathbf{Y}_t = \sum_{i=1}^p \Phi_i \mathbf{Y}_{t-i} + \epsilon_t$، با $\epsilon_t \sim (0, \Sigma)$. چگالی طیفی $\mathbf{Y}_t$ در بسامد $\omega$ برابر است با: $S_{\mathbf{Y}}(\omega) = \Psi(e^{-i\omega}) \Sigma \Psi'(e^{+i\omega})$، که در آن $\Psi(e^{-i\omega})$ تبدیل فوریه ضرایب MA($\infty$) است. سهم واریانس خطای پیش‌بینی متغیر $j$ که ناشی از شوک‌های متغیر $k$ در بسامد $\omega$ است، توسط نسخه طیفی FEVD داده می‌شود:

$$\theta_{j,k}(\omega) = \frac{\sigma_{kk}^{-1} \sum_{h=0}^{\infty} |\Psi_h(\omega)_{j,k}|^2}{\sum_{k=1}^K \sigma_{kk}^{-1} \sum_{h=0}^{\infty} |\Psi_h(\omega)_{j,k}|^2}$$

که در آن $\Psi_h(\omega)$ توابع پاسخ بسامدی هستند. سپس معیار پیوند در یک باند بسامدی خاص $d = (a, b)$ با انتگرال‌گیری $\theta_{j,k}(\omega)$ روی آن باند به دست می‌آید.

5.2. مثال چارچوب تحلیلی

مطالعه موردی: تحلیل سقوط قیمت نفت ۲۰۱۴

هدف: تعیین چگونگی سرریز نوسان از نفت به دلار کانادا (CAD/USD) و کرون نروژ (NOK/USD) در دوره ۲۰۱۶-۲۰۱۴، با تفکیک اثرات معاملاتی کوتاه‌مدت و اثرات ساختاری بلندمدت.

1. آماده‌سازی داده‌ها: محاسبه نوسان تحقق‌یافته و نیم‌واریانس‌های ۵ دقیقه‌ای برای WTI، CAD/USD و NOK/USD.
2. برآورد مدل: برآورد یک مدل VAR روزانه برای بردار $[RV_{Oil}, RV_{CAD}, RV_{NOK}]$ و به‌طور جداگانه برای $[RS^+_{Oil}, RS^+_{CAD}, ...]$ و $[RS^-_{Oil}, RS^-_{CAD}, ...]$.
3. تجزیه بسامدی: اعمال تجزیه طیفی بارونیک-کرژلیک به ماتریس واریانس-کوواریانس حاصل از VAR کلّی RV. تعریف باندها: کوتاه‌مدت (۱ تا ۵ روز کاری)، میان‌مدت (۵ تا ۲۰ روز)، بلندمدت (بیش از ۲۰ روز).
4. تفسیر:
   • اگر سرریزهای از نفت به CAD در باند بلندمدت قوی‌ترین باشد، نشان می‌دهد سقوط بر تراز تجاری و چشم‌انداز اقتصادی بلندمدت کانادا تأثیر گذاشته و نوسان پایدار CAD را ایجاد کرده است.
   • اگر تحلیل نامتقارن نشان دهد سرریزهای $RS^-$ غالب هستند، تأیید می‌کند که بحران توسط شوک‌های منفی منتشرکننده ترس هدایت شده است.
   • مقایسه پیوند کلّی یک سبد [CAD, NOK] در مقابل [CAD, NOK, Oil] احتمالاً کاهش را نشان می‌دهد که مزیت تنوع‌بخشی را نشان می‌دهد.