विदेशी मुद्रा बाजारों पर असममित अस्थिरता संबंध: बुरी बनाम अच्छी अस्थिरता प्रसार

विषय सूची

• 1. परिचय
• 2. पद्धति
  • 2.1 अस्थिरता संबंधितता मापना
  • 2.2 असममित अर्ध-प्रसरण ढाँचा
  • 2.3 डेटा और नमूना
• 3. अनुभवजन्य परिणाम
  • 3.1 कुल संबद्धता गतिशीलता
  • 3.2 असममित प्रसार पैटर्न
  • 3.3 शुद्ध प्रसार विश्लेषण
• 4. मुख्य अंतर्दृष्टियाँ
• 5. Technical Details & Mathematical Formulation
• 6. Experimental Results & Figures
• 7. Analytical Framework Example
• 8. Application Outlook & Future Directions
• 9. मूल विश्लेषण
• 10. संदर्भ
• 11. Expert Commentary: Core Insight, Logical Flow, Strengths & Flaws, Actionable Insights

1. परिचय

असममित अस्थिरता परिघटना (AVP) एक सुस्थापित शैलीगत तथ्य है: वित्तीय बाजारों में बाजार में गिरावट के बाद अस्थिरता अधिक होती है और तेजी के बाद कम होती है। हालांकि, जहां AVP का गहन अध्ययन किया गया है, वहीं अस्थिरता प्रसार में असममितियाँ—कैसे बुरी बनाम अच्छी अस्थिरता परिसंपत्तियों में फैलती है—को बहुत कम ध्यान मिला है। Baruník, Kočenda, और Vácha (2016) का यह पेपर सबसे अधिक सक्रिय रूप से कारोबार की जाने वाली मुद्राओं के लिए 2007 से 2015 तक उच्च-आवृत्ति अंतर्दैनिक डेटा का उपयोग करके विदेशी मुद्रा बाजारों पर असममित अस्थिरता संबद्धता की जांच करके इस अंतर को संबोधित करता है।

लेखक दस्तावेज करते हैं कि नकारात्मक (बुरी) अस्थिरता प्रसार सकारात्मक (अच्छे) प्रसारों पर हावी होते हैं, विशेष रूप से यूरोपीय संप्रभु ऋण संकट के दौरान। सकारात्मक प्रसार सबप्राइम संकट, केंद्रीय बैंकों के बीच भिन्न मौद्रिक नीतियों, और वस्तु बाजार के विकास से संबंधित हैं। अध्ययन नया साक्ष्य प्रदान करता है कि राजकोषीय कारक शुद्ध नकारात्मक प्रसारों से जुड़े हैं, जबकि मौद्रिक और वास्तविक-अर्थव्यवस्था घटनाओं का संयोजन शुद्ध सकारात्मक असममितियों को संचालित करता है।

2. पद्धति

2.1 अस्थिरता संबंधितता मापना

लेखक Diebold और Yilmaz (2015) संबद्धता ढांचे का उपयोग करते हैं, जो प्रसारों को मापने के लिए सदिश स्वप्रतिगमन (VAR) से विचरण अपघटन का उपयोग करता है। कुल संबद्धता सूचकांक अंतर-परिसंपत्ति आघातों द्वारा योगदान किए गए पूर्वानुमान त्रुटि विचरण के अनुपात को मापता है। दिशात्मक प्रसार (दूसरों को, दूसरों से) और शुद्ध प्रसारों की गणना अस्थिरता के संचारकों और प्राप्तकर्ताओं की पहचान करने के लिए की जाती है।

2.2 असममित अर्ध-प्रसरण ढाँचा

Asymmetry ko pakadne ke liye, lekhak Barndorff-Nielsen, Kinnebrock, aur Shephard (2010) ke aadhaar par prapt ashtith (realized) volatility ko neeche (bura) aur upar (achha) semivariance mein todte hain. Bura volatility negative returns se juda hota hai, achha volatility positive returns se. Phir bura aur achha volatility components ke liye alag-alag connectedness measures calculate kiye jaate hain, jisse asymmetric spillover dynamics ki pehchan ho sakti hai.

2.3 डेटा और नमूना

Dataset 2007–2015 tak ka hai, jismein chhah pramukh currency pairs: EUR/USD, GBP/USD, USD/JPY, USD/CHF, AUD/USD, aur USD/CAD ke 5-minute ke intraday data shamil hain. Sample period mein global financial crisis, European sovereign debt crisis, aur uske baad ki policy divergences aati hain. Realized volatility aur semivariances ko intraday returns se rozana compute kiya jaata hai.

3. अनुभवजन्य परिणाम

3.1 कुल संबद्धता गतिशीलता

Total connectedness index samay ke saath badalta rehta hai, aur sankat (crisis) ke dauraan apne uchch (peak) par hota hai. Average total connectedness lagbhag 60% hota hai, jo mudraon ke beech kaafi interdependence ko darshata hai. Uchch (Peaks) 2008 ke financial crisis aur 2011–2012 ke European debt crisis ke dauraan aate hain, jab connectedness 80% se oopar chala jaata hai.

3.2 असममित प्रसार पैटर्न

खराब अस्थिरता का प्रसार लगातार अच्छी अस्थिरता के प्रसार से अधिक होता है। औसत खराब संबद्धता लगभग 65% है, जबकि अच्छी संबद्धता लगभग 55% है। यह विषमता यूरोपीय संप्रभु ऋण संकट के दौरान सबसे अधिक स्पष्ट होती है, जहां खराब प्रसार हावी रहता है। सकारात्मक प्रसार सबप्राइम संकट और मौद्रिक नीति विचलन की अवधि के दौरान अधिक प्रमुख होते हैं।

3.3 शुद्ध प्रसार विश्लेषण

शुद्ध प्रसार विश्लेषण से पता चलता है कि EUR/USD यूरोपीय ऋण संकट के दौरान खराब अस्थिरता का शुद्ध प्रेषक है, जबकि USD/JPY शुद्ध प्राप्तकर्ता के रूप में कार्य करता है। AUD/USD वस्तु उछाल के दौरान शुद्ध सकारात्मक प्रसार दर्शाता है। संकट काल के दौरान अधिकांश मुद्राओं के लिए शुद्ध विषमता (खराब घटा अच्छा) सकारात्मक होती है, जो इस बात की पुष्टि करती है कि खराब अस्थिरता अधिक मजबूती से फैलती है।

4. मुख्य अंतर्दृष्टियाँ

• खराब अस्थिरता का प्रभुत्व: नकारात्मक प्रसार लगातार सकारात्मक प्रसार से बड़े होते हैं, विशेषकर संकटों के दौरान।
• घटना-संचालित विषमता: राजकोषीय घटनाएं (संप्रभु ऋण) शुद्ध नकारात्मक प्रसार उत्पन्न करती हैं; मौद्रिक और वास्तविक-अर्थव्यवस्था की घटनाएं शुद्ध सकारात्मक प्रसार उत्पन्न करती हैं।
• मुद्रा विषमता: विभिन्न मुद्राएं बुरी/अच्छी अस्थिरता के प्रेषक या प्राप्तकर्ता के रूप में अलग-अलग भूमिकाएं प्रदर्शित करती हैं।
• पोर्टफोलियो निहितार्थ: विषम प्रसार का हेजिंग और विविधीकरण रणनीतियों पर सीधा प्रभाव पड़ता है।

5. Technical Details & Mathematical Formulation

प्राप्त अस्थिरता को नकारात्मक और सकारात्मक अर्ध-विचरण में विघटित किया जाता है:

$RV_t = \sum_{i=1}^{N} r_{t,i}^2$

$RS^-_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} < 0)$

$RS^+_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} > 0)$

जहाँ $r_{t,i}$ अंतरा-दिवसीय प्रतिफल है, और $I(\cdot)$ संकेतक फलन है। संयोजकता माप $p$ क्रम के VAR मॉडल पर आधारित हैं:

$\mathbf{x}_t = \sum_{k=1}^{p} \mathbf{\Phi}_k \mathbf{x}_{t-k} + \mathbf{\epsilon}_t$

$H$-चरण-आगे पूर्वानुमान त्रुटि प्रसरण अपघटन से स्पिलओवर मैट्रिक्स $\mathbf{D}$ प्राप्त होता है, जहाँ $d_{ij}$ चर $j$ का चर $i$ की पूर्वानुमान त्रुटि प्रसरण में योगदान है। कुल संबद्धता सूचकांक है:

$C = \frac{\sum_{i \neq j} d_{ij}}{\sum_{i,j} d_{ij}} \times 100$

दिशात्मक स्पिलओवर (दूसरों से, दूसरों को) और शुद्ध स्पिलओवर की गणना बुरे और अच्छे अर्ध-प्रसरणों के लिए अलग-अलग समान रूप से की जाती है।

6. Experimental Results & Figures

चित्र 1: समय के साथ कुल संबद्धता सूचकांक (2007–2015)। 2008 के वित्तीय संकट और 2011–2012 के यूरोपीय ऋण संकट के दौरान सूचकांक 80% से अधिक पर पहुँच जाता है, जिसका आधार रेखा लगभग 60% है।

चित्र 2: बुरा बनाम अच्छा अस्थिरता संबंध। बुरा संबंध सूचकांक (ठोस रेखा) लगातार अच्छा संबंध सूचकांक (धराशायी रेखा) से ऊपर रहता है, जिसमें औसत अंतर 10 प्रतिशत अंक है।

चित्र 3: प्रत्येक मुद्रा के लिए शुद्ध असममित प्रसार (बुरा घटा अच्छा)। EUR/USD 2011–2012 के दौरान बड़ी सकारात्मक शुद्ध असममितता दर्शाता है, जबकि USD/JPY उसी अवधि के दौरान नकारात्मक शुद्ध असममितता दर्शाता है।

तालिका 1: औसत दिशात्मक प्रसार (2007–2015)। EUR/USD अपने विचरण का 25% दूसरों को (बुरा अस्थिरता) बनाम 18% (अच्छा अस्थिरता) संचारित करता है। USD/JPY दूसरों से 30% (बुरा) बनाम 22% (अच्छा) प्राप्त करता है।

7. Analytical Framework Example

केस स्टडी: यूरोपीय संप्रभु ऋण संकट (2011–2012)

इस अवधि के दौरान, EUR/USD से अन्य मुद्राओं में खराब अस्थिरता का प्रसार तेजी से बढ़ गया। EUR/USD के लिए शुद्ध विषमता +15 प्रतिशत अंक तक पहुंच गई, जिसका अर्थ है कि खराब अस्थिरता अच्छी अस्थिरता की तुलना में कहीं अधिक प्रसारित हुई। USD/JPY के लिए, शुद्ध विषमता -10 अंक थी, जो दर्शाता है कि यह खराब अस्थिरता का शुद्ध प्राप्तकर्ता था। यह विषमता यूरोज़ोन में वित्तीय चिंताओं के कारण है, जिसने जोखिम-विरोधी भावना और JPY और USD जैसी सुरक्षित-पनाह मुद्राओं की ओर पलायन को ट्रिगर किया।

व्यावहारिक अनुप्रयोग: EUR/USD और USD/JPY पोजीशन रखने वाले एक पोर्टफोलियो प्रबंधक को संकटों के दौरान हेजिंग अनुपात को समायोजित करने की आवश्यकता होगी, क्योंकि खराब अस्थिरता का प्रसार सहसंबंधों को बढ़ाता है और विविधीकरण लाभों को कम करता है। विषम कनेक्टेडनेस ढांचे का उपयोग करके, प्रबंधक पहचान सकता है कि कौन सी मुद्राएं खराब अस्थिरता की शुद्ध संचारक हैं और तदनुसार हेजेज बढ़ा सकता है।

8. Application Outlook & Future Directions

विषम अस्थिरता कनेक्टेडनेस ढांचे के विदेशी मुद्रा बाजारों से परे व्यापक अनुप्रयोग हैं। भविष्य का शोध विश्लेषण को निम्नलिखित तक विस्तारित कर सकता है:

• क्रिप्टोकरेंसी बाजार: बिटकॉइन और अन्य डिजिटल परिसंपत्तियों पर इस ढांचे को लागू करना, जो अत्यधिक अस्थिरता और संभावित विषमताएं प्रदर्शित करती हैं।
• क्रॉस-एसेट स्पिलओवर: एक साथ इक्विटी, बॉन्ड, कमोडिटी और मुद्राओं के बीच विषमताओं की जांच करना।
• रीयल-टाइम मॉनिटरिंग: प्रणालीगत जोखिम निर्माण का पता लगाने के लिए असममित स्पिलओवर सूचकांकों पर आधारित प्रारंभिक चेतावनी प्रणाली विकसित करना।
• नीति विश्लेषण: असममित अस्थिरता प्रसार पर केंद्रीय बैंक के हस्तक्षेपों के प्रभाव का मूल्यांकन करना।
• मशीन लर्निंग एकीकरण: असममित स्पिलओवर की भविष्यवाणी करने और गतिशील हेजिंग रणनीतियों को अनुकूलित करने के लिए तंत्रिका नेटवर्क का उपयोग करना।

9. मूल विश्लेषण

यह पेपर अस्थिरता संबंधितता साहित्य को विस्तारित करके असममितता को शामिल करने में एक महत्वपूर्ण योगदान देता है, एक आयाम जिसे पिछले कार्यों में काफी हद तक अनदेखा किया गया था। उच्च-आवृत्ति डेटा और सेमीवेरियंस अपघटन का उपयोग पद्धतिगत रूप से सुदृढ़ है और सूक्ष्म अंतर्दृष्टि प्रदान करता है। यह निष्कर्ष कि राजकोषीय संकटों के दौरान खराब अस्थिरता हावी होती है जबकि अच्छी अस्थिरता मौद्रिक नीति विचलन से जुड़ी होती है, आर्थिक रूप से सहज है और लीवरेज प्रभाव साहित्य (ब्लैक, 1976) के अनुरूप है।

हालांकि, अध्ययन की सीमाएं हैं। नमूना छह प्रमुख मुद्रा जोड़ों तक सीमित है, जिसमें उभरते बाजार की मुद्राएं शामिल नहीं हैं जो अलग-अलग असममितता पैटर्न प्रदर्शित कर सकती हैं। VAR-आधारित संबंधितता माप रैखिकता मानता है, जो चरम घटनाओं के दौरान गैर-रेखीय निर्भरताओं को कैप्चर नहीं कर सकता है। इसके अतिरिक्त, कारण कारकों (राजकोषीय बनाम मौद्रिक) की पहचान औपचारिक कारण परीक्षण के बजाय कथात्मक सहसंबंध पर आधारित है।

अमेरिकी शेयरों पर Baruník et al. (2016) की तुलना में, विदेशी मुद्रा बाजार उच्च समग्र संबंधितता दिखाता है लेकिन समान असममितता पैटर्न दिखाता है। इससे पता चलता है कि अस्थिरता स्पिलओवर में असममितता वित्तीय बाजारों की एक सार्वभौमिक विशेषता है, न कि कोई परिसंपत्ति-विशिष्ट विसंगति। परिणाम Diebold and Yilmaz (2015) के काम को संबंधितता विश्लेषण में एक नया आयाम जोड़कर पूरक करते हैं।

व्यावहारिक दृष्टिकोण से, निष्कर्षों के जोखिम प्रबंधन के लिए सीधे निहितार्थ हैं। पोर्टफोलियो प्रबंधकों को हेजेज बनाते समय असममित स्पिलओवर का हिसाब रखना चाहिए, क्योंकि उछाल की तुलना में मंदी के दौरान सहसंबंध अधिक बढ़ते हैं। नियामक प्रणालीगत जोखिम की निगरानी के लिए असममित संबंधितता को एक व्यापक-सावधानी उपकरण के रूप में उपयोग कर सकते हैं, क्योंकि खराब स्पिलओवर में वृद्धि अक्सर संकटों से पहले होती है।

10. संदर्भ

• Baruník, J., Kočenda, E., & Vácha, L. (2016). Asymmetric volatility connectedness on forex markets. arXiv:1607.08214.
• Baruník, J., Kočenda, E., & Vácha, L. (2015). Asymmetric volatility connectedness: A new approach and evidence from oil commodities. Energy Economics, 52, 220-235.
• Barndorff-Nielsen, O. E., Kinnebrock, S., & Shephard, N. (2010). Measuring downside risk: Realised semivariance. In Volatility and Time Series Econometrics (पृ. 117-136). ऑक्सफोर्ड यूनिवर्सिटी प्रेस.
• ब्लैक, एफ. (1976). शेयर मूल्य अस्थिरता परिवर्तनों का अध्ययन. अमेरिकन स्टैटिस्टिकल एसोसिएशन की 1976 की बैठकों की कार्यवाही, 171-181.
• Diebold, F. X., & Yilmaz, K. (2015). वित्तीय और व्यापक आर्थिक संबद्धता: माप और निगरानी के लिए एक नेटवर्क दृष्टिकोण. ऑक्सफोर्ड यूनिवर्सिटी प्रेस.
• कितामुरा, वाई. (2010). यूरो, पाउंड और स्विस फ़्रैंक के बीच अंतर्दैनिक अन्योन्याश्रितता और अस्थिरता प्रसार के लिए परीक्षण. जर्नल ऑफ इंटरनेशनल मनी एंड फाइनेंस, 29(5), 943-960.
• BIS (2013). Triennial Central Bank Survey: Foreign exchange turnover in April 2013. Bank for International Settlements.

11. Expert Commentary: Core Insight, Logical Flow, Strengths & Flaws, Actionable Insights

मुख्य अंतर्दृष्टि: यह पेपर केवल अस्थिरता के प्रसार को मापता नहीं है—यह साबित करता है कि मुद्रा बाजारों में बुरी खबर अच्छी खबर से अधिक तेज़ और दूर तक जाती है। यह विषमता कोई सांख्यिकीय कलाकृति नहीं है; यह एक संरचनात्मक विशेषता है जो विशिष्ट आर्थिक शासनों द्वारा संचालित होती है: राजकोषीय संकट बुरे प्रसार को बढ़ाते हैं, जबकि मौद्रिक नीति में अंतर अच्छे प्रसार को बढ़ाते हैं। यह उन सभी के लिए एक गेम-चेंजर है जो सोचते थे कि विदेशी मुद्रा सहसंबंध सममित हैं।

तार्किक प्रवाह: लेखक एक स्पष्ट अंतर से शुरू करते हैं: हर कोई जानता है कि अस्थिरता विषम है, लेकिन किसी ने यह परीक्षण नहीं किया कि क्या प्रसार विषम हैं। वे प्राप्त अस्थिरता को बुरे और अच्छे अर्ध-विचरणों में विघटित करके, फिर इन्हें Diebold-Yilmaz कनेक्टेडनेस फ्रेमवर्क में डालकर एक कठोर पद्धति का निर्माण करते हैं। अनुभवजन्य खंड अच्छी तरह से संरचित है: पहले कुल कनेक्टेडनेस, फिर विषमता, फिर शुद्ध प्रसार, और अंत में आर्थिक व्याख्या। प्रवाह तार्किक और अनुसरण करने में आसान है, हालांकि कार्य-कारण के दावे (राजकोषीय बनाम मौद्रिक) सिद्ध होने की तुलना में अधिक सुझावात्मक हैं।

Strengths & Flaws: सबसे बड़ी ताकत नवीनता है—यह पहला पेपर है जो विदेशी मुद्रा बाजारों में असममित अस्थिरता संबंध का दस्तावेजीकरण करता है। उच्च-आवृत्ति डेटा (5-मिनट) का उपयोग एक बड़ा प्लस है, क्योंकि यह दैनिक डेटा से छूट जाने वाली अंतरा-दिवसीय गतिशीलता को पकड़ता है। अर्ध-विचरण अपघटन सुरुचिपूर्ण और सैद्धांतिक रूप से आधारित है। हालांकि, नमूना केवल छह प्रमुख जोड़ियों तक सीमित है, जो उभरते बाजारों की मुद्राओं को अनदेखा करता है जो अलग व्यवहार कर सकती हैं। VAR मॉडल रैखिकता मानता है, जो संकट काल के दौरान एक खिंचाव है जब अरैखिकताएं हावी होती हैं। साथ ही, राजकोषीय बनाम मौद्रिक घटनाओं के लिए प्रसार चालकों का आरोपण समय श्रृंखला के दृश्य निरीक्षण पर आधारित है, न कि औपचारिक परिकल्पना परीक्षण पर। यह कारणात्मक कथन को कमजोर करता है।

कार्रवाई योग्य अंतर्दृष्टियाँ: पोर्टफोलियो प्रबंधकों के लिए: सममित सहसंबंधों को मानना बंद करें। संकटों के दौरान, हेज अनुपात 20-30% तक बढ़ाया जाना चाहिए क्योंकि बुरे प्रसार डाउनसाइड जोखिम को बढ़ाते हैं। केंद्रीय बैंकों के लिए: असममित संबंध एक प्रारंभिक चेतावनी संकेतक के रूप में काम कर सकता है—EUR/USD से अन्य मुद्राओं में बुरे प्रसार में वृद्धि प्रणालीगत तनाव का संकेत देती है। शोधकर्ताओं के लिए: इस ढांचे को क्रिप्टोकरेंसी तक विस्तारित करें, जो चरम असममितता प्रदर्शित करती हैं, और क्रॉस-एसेट प्रसार (जैसे, विदेशी मुद्रा से इक्विटी) तक। यह पद्धति मशीन लर्निंग संवर्द्धन के लिए तैयार है—असममित प्रसारों की वास्तविक समय में भविष्यवाणी करने के लिए LSTM नेटवर्क का उपयोग करें। अंत में, नियामकों को असममित संबंध को एक व्यापक-सावधानी उपकरण के रूप में मानना चाहिए; पेपर दिखाता है कि बुरे प्रसार प्रमुख संकटों से पहले चरम पर होते हैं, जो एक संभावित अग्रणी संकेतक प्रदान करते हैं।