Ketersambungan Volatiliti Asimetri dalam Pasaran Forex: Spillover Volatiliti Buruk vs. Baik

Jadual Kandungan

• 1. Pengenalan
• 2. Metodologi
  • 2.1 Mengukur Ketersambungan Volatiliti
  • 2.2 Rangka Kerja Semivarians Asimetri
  • 2.3 Data dan Sampel
• 3. Keputusan Empirikal
  • 3.1 Dinamik Ketersambungan Keseluruhan
  • 3.2 Corak Spillover Asimetri
  • 3.3 Analisis Spillover Bersih
• 4. Pandangan Utama
• 5. Butiran Teknikal & Rumusan Matematik
• 6. Keputusan Eksperimen & Rajah
• 7. Contoh Rangka Kerja Analitikal
• 8. Tinjauan Aplikasi & Hala Tuju Masa Depan
• 9. Analisis Asal
• 10. Rujukan
• 11. Ulasan Pakar: Pandangan Teras, Aliran Logik, Kekuatan & Kelemahan, Pandangan Boleh Tindak

1. Pengenalan

Fenomena volatiliti asimetri (AVP) adalah fakta bergaya yang telah didokumentasikan dengan baik: volatiliti dalam pasaran kewangan adalah lebih tinggi selepas kemerosotan pasaran dan lebih rendah selepas kenaikan. Walau bagaimanapun, walaupun AVP telah dikaji secara intensif, asimetri dalam spillover volatiliti—bagaimana volatiliti buruk berbanding baik merebak merentasi aset—telah menerima perhatian yang jauh lebih sedikit. Kertas kerja oleh Baruník, Kočenda, dan Vácha (2016) ini menangani jurang ini dengan menyiasat ketersambungan volatiliti asimetri dalam pasaran forex menggunakan data intrahari frekuensi tinggi dari 2007 hingga 2015 untuk mata wang yang paling aktif didagangkan.

Para penulis mendokumentasikan bahawa spillover volatiliti negatif (buruk) mendominasi yang positif (baik), terutamanya semasa krisis hutang kerajaan Eropah. Spillover positif berkorelasi dengan krisis subprima, dasar monetari yang berbeza di kalangan bank pusat, dan perkembangan pasaran komoditi. Kajian ini memberikan bukti baru bahawa faktor fiskal dikaitkan dengan spillover bersih negatif, manakala gabungan peristiwa monetari dan ekonomi sebenar mendorong asimetri bersih positif.

2. Metodologi

2.1 Mengukur Ketersambungan Volatiliti

Para penulis menggunakan rangka kerja ketersambungan Diebold dan Yilmaz (2015), yang menggunakan penguraian varians daripada vektor autoregresi (VAR) untuk mengukur spillover. Indeks ketersambungan keseluruhan mengukur bahagian varians ralat ramalan yang disumbangkan oleh kejutan merentas aset. Spillover arah (kepada yang lain, daripada yang lain) dan spillover bersih dikira untuk mengenal pasti penghantar dan penerima volatiliti.

2.2 Rangka Kerja Semivarians Asimetri

Untuk menangkap asimetri, para penulis menguraikan volatiliti direalisasi kepada semivarians menurun (buruk) dan menaik (baik) berdasarkan Barndorff-Nielsen, Kinnebrock, dan Shephard (2010). Volatiliti buruk dikaitkan dengan pulangan negatif, volatiliti baik dengan pulangan positif. Ukuran ketersambungan kemudiannya dikira secara berasingan untuk komponen volatiliti buruk dan baik, membolehkan pengenalpastian dinamik spillover asimetri.

2.3 Data dan Sampel

Set data merangkumi 2007–2015 dengan data intrahari 5 minit untuk enam pasangan mata wang utama: EUR/USD, GBP/USD, USD/JPY, USD/CHF, AUD/USD, dan USD/CAD. Tempoh sampel termasuk krisis kewangan global, krisis hutang kerajaan Eropah, dan perbezaan dasar seterusnya. Volatiliti direalisasi dan semivarians dikira setiap hari daripada pulangan intrahari.

3. Keputusan Empirikal

3.1 Dinamik Ketersambungan Keseluruhan

Indeks ketersambungan keseluruhan berubah-ubah dari semasa ke semasa, memuncak semasa tempoh krisis. Purata ketersambungan keseluruhan adalah sekitar 60%, menunjukkan saling kebergantungan yang ketara di kalangan mata wang. Puncak berlaku semasa krisis kewangan 2008 dan krisis hutang Eropah 2011–2012, dengan ketersambungan mencapai melebihi 80%.

3.2 Corak Spillover Asimetri

Spillover volatiliti buruk secara konsisten lebih besar daripada spillover volatiliti baik. Purata ketersambungan buruk adalah kira-kira 65%, manakala ketersambungan baik adalah sekitar 55%. Asimetri paling ketara semasa krisis hutang kerajaan Eropah, di mana spillover buruk mendominasi. Spillover positif lebih menonjol semasa krisis subprima dan tempoh perbezaan dasar monetari.

3.3 Analisis Spillover Bersih

Analisis spillover bersih mendedahkan bahawa EUR/USD adalah penghantar bersih volatiliti buruk semasa krisis hutang Eropah, manakala USD/JPY bertindak sebagai penerima bersih. AUD/USD menunjukkan spillover bersih positif semasa ledakan komoditi. Asimetri bersih (buruk tolak baik) adalah positif untuk kebanyakan mata wang semasa tempoh krisis, mengesahkan bahawa volatiliti buruk merebak dengan lebih kuat.

4. Pandangan Utama

• Dominasi Volatiliti Buruk: Spillover negatif secara konsisten lebih besar daripada yang positif, terutamanya semasa krisis.
• Asimetri Didorong Peristiwa: Peristiwa fiskal (hutang kerajaan) mendorong spillover bersih negatif; peristiwa monetari dan ekonomi sebenar mendorong spillover bersih positif.
• Heterogeniti Mata Wang: Mata wang yang berbeza menunjukkan peranan yang berbeza sebagai penghantar atau penerima volatiliti buruk/baik.
• Implikasi Portfolio: Spillover asimetri mempunyai akibat langsung untuk strategi lindung nilai dan kepelbagaian.

5. Butiran Teknikal & Rumusan Matematik

Volatiliti direalisasi diuraikan kepada semivarians menurun dan menaik:

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

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

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

di mana $r_{t,i}$ ialah pulangan intrahari, dan $I(\cdot)$ ialah fungsi penunjuk. Ukuran ketersambungan adalah berdasarkan model VAR tertib $p$:

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

Penguraian varians ralat ramalan $H$-langkah ke hadapan menghasilkan matriks spillover $\mathbf{D}$, di mana $d_{ij}$ ialah sumbangan pembolehubah $j$ kepada varians ralat ramalan pembolehubah $i$. Indeks ketersambungan keseluruhan ialah:

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

Spillover arah (daripada yang lain, kepada yang lain) dan spillover bersih dikira secara analog untuk semivarians buruk dan baik secara berasingan.

6. Keputusan Eksperimen & Rajah

Rajah 1: Indeks ketersambungan keseluruhan dari semasa ke semasa (2007–2015). Indeks memuncak pada lebih 80% semasa krisis kewangan 2008 dan krisis hutang Eropah 2011–2012, dengan garis dasar sekitar 60%.

Rajah 2: Ketersambungan volatiliti buruk vs. baik. Indeks ketersambungan buruk (garis pepejal) secara konsisten berada di atas indeks ketersambungan baik (garis putus-putus), dengan jurang purata 10 mata peratusan.

Rajah 3: Spillover asimetri bersih (buruk tolak baik) untuk setiap mata wang. EUR/USD menunjukkan asimetri bersih positif yang besar semasa 2011–2012, manakala USD/JPY menunjukkan asimetri bersih negatif dalam tempoh yang sama.

Jadual 1: Purata spillover arah (2007–2015). EUR/USD menghantar 25% variansnya kepada yang lain (volatiliti buruk) vs. 18% (volatiliti baik). USD/JPY menerima 30% daripada yang lain (buruk) vs. 22% (baik).

7. Contoh Rangka Kerja Analitikal

Kajian Kes: Krisis Hutang Kerajaan Eropah (2011–2012)

Semasa tempoh ini, spillover volatiliti buruk daripada EUR/USD kepada mata wang lain meningkat secara mendadak. Asimetri bersih untuk EUR/USD mencapai +15 mata peratusan, bermakna volatiliti buruk dihantar jauh lebih banyak daripada yang baik. Untuk USD/JPY, asimetri bersih adalah -10 mata, menunjukkan ia adalah penerima bersih volatiliti buruk. Asimetri ini dikaitkan dengan kebimbangan fiskal di Zon Euro, yang mencetuskan sentimen mengelak risiko dan pelarian ke mata wang selamat seperti JPY dan USD.

Aplikasi Praktikal: Seorang pengurus portfolio yang memegang kedudukan EUR/USD dan USD/JPY perlu menyesuaikan nisbah lindung nilai semasa krisis, kerana spillover volatiliti buruk menguatkan korelasi dan mengurangkan faedah kepelbagaian. Menggunakan rangka kerja ketersambungan asimetri, pengurus boleh mengenal pasti mata wang mana yang merupakan penghantar bersih volatiliti buruk dan meningkatkan lindung nilai dengan sewajarnya.

8. Tinjauan Aplikasi & Hala Tuju Masa Depan

Rangka kerja ketersambungan volatiliti asimetri mempunyai aplikasi yang luas di luar pasaran forex. Penyelidikan masa depan boleh melanjutkan analisis kepada:

• Pasaran Mata Wang Kripto: Mengaplikasikan rangka kerja kepada Bitcoin dan aset digital lain, yang menunjukkan volatiliti melampau dan potensi asimetri.
• Spillover Merentas Aset: Meneliti asimetri antara ekuiti, bon, komoditi, dan mata wang secara serentak.
• Pemantauan Masa Nyata: Membangunkan sistem amaran awal berdasarkan indeks spillover asimetri untuk mengesan pembentukan risiko sistemik.
• Analisis Dasar: Menilai kesan campur tangan bank pusat terhadap penyebaran volatiliti asimetri.
• Integrasi Pembelajaran Mesin: Menggunakan rangkaian neural untuk meramal spillover asimetri dan mengoptimumkan strategi lindung nilai dinamik.

9. Analisis Asal

Kertas kerja ini membuat sumbangan penting dengan melanjutkan literatur ketersambungan volatiliti untuk menggabungkan asimetri, dimensi yang sebahagian besarnya diabaikan dalam kerja sebelumnya. Penggunaan data frekuensi tinggi dan penguraian semivarians adalah kukuh dari segi metodologi dan memberikan pandangan yang terperinci. Penemuan bahawa volatiliti buruk mendominasi semasa krisis fiskal manakala volatiliti baik dikaitkan dengan perbezaan dasar monetari adalah intuitif dari segi ekonomi dan sejajar dengan literatur kesan leveraj (Black, 1976).

Walau bagaimanapun, kajian ini mempunyai batasan. Sampel terhad kepada enam pasangan mata wang utama, tidak termasuk mata wang pasaran sedang membangun yang mungkin menunjukkan corak asimetri yang berbeza. Ukuran ketersambungan berasaskan VAR menganggap kelinearan, yang mungkin tidak menangkap kebergantungan tak linear semasa peristiwa melampau. Selain itu, pengenalpastian faktor penyebab (fiskal vs. monetari) adalah berdasarkan korelasi naratif dan bukannya ujian penyebab formal.

Berbanding dengan Baruník et al. (2016) mengenai saham AS, pasaran forex menunjukkan ketersambungan keseluruhan yang lebih tinggi tetapi corak asimetri yang serupa. Ini menunjukkan bahawa asimetri dalam spillover volatiliti adalah ciri universal pasaran kewangan, bukan anomali khusus aset. Keputusan juga melengkapi kerja Diebold dan Yilmaz (2015) dengan menambah dimensi baru kepada analisis ketersambungan.

Dari sudut pandangan praktikal, penemuan mempunyai implikasi langsung untuk pengurusan risiko. Pengurus portfolio harus mengambil kira spillover asimetri semasa membina lindung nilai, kerana korelasi meningkat lebih banyak semasa kemerosotan berbanding kenaikan. Pengawal selia boleh menggunakan ketersambungan asimetri sebagai alat makroprudensial untuk memantau risiko sistemik, kerana lonjakan dalam spillover buruk sering mendahului krisis.

10. Rujukan

• 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 (pp. 117-136). Oxford University Press.
• Black, F. (1976). Studies of stock price volatility changes. Proceedings of the 1976 Meetings of the American Statistical Association, 171-181.
• Diebold, F. X., & Yilmaz, K. (2015). Financial and Macroeconomic Connectedness: A Network Approach to Measurement and Monitoring. Oxford University Press.
• Kitamura, Y. (2010). Testing for intraday interdependence and volatility spillover among the euro, the pound and the Swiss franc. Journal of International Money and Finance, 29(5), 943-960.
• BIS (2013). Triennial Central Bank Survey: Foreign exchange turnover in April 2013. Bank for International Settlements.

11. Ulasan Pakar: Pandangan Teras, Aliran Logik, Kekuatan & Kelemahan, Pandangan Boleh Tindak

Pandangan Teras: Kertas kerja ini bukan sahaja mengukur spillover volatiliti—ia membuktikan bahawa berita buruk bergerak lebih cepat dan lebih jauh daripada berita baik dalam pasaran mata wang. Asimetri bukanlah artifak statistik; ia adalah ciri struktur yang didorong oleh rejim ekonomi yang berbeza: krisis fiskal menguatkan spillover buruk, manakala perbezaan dasar monetari mendorong spillover baik. Ini adalah pengubah permainan bagi sesiapa yang menganggap korelasi forex adalah simetri.

Aliran Logik: Para penulis bermula dengan jurang yang jelas: semua orang tahu volatiliti adalah asimetri, tetapi tiada siapa yang menguji sama ada spillover adalah asimetri. Mereka membina metodologi yang ketat dengan menguraikan volatiliti direalisasi kepada semivarians buruk dan baik, kemudian memasukkan ini ke dalam rangka kerja ketersambungan Diebold-Yilmaz. Bahagian empirikal adalah tersusun dengan baik: pertama ketersambungan keseluruhan, kemudian asimetri, kemudian spillover bersih, dan akhirnya tafsiran ekonomi. Aliran adalah logik dan mudah diikuti, walaupun tuntutan penyebab (fiskal vs. monetari) lebih bersifat sugestif daripada terbukti.

Kekuatan & Kelemahan: Kekuatan terbesar adalah kebaharuan—ini adalah kertas kerja pertama yang mendokumentasikan ketersambungan volatiliti asimetri dalam pasaran forex. Penggunaan data frekuensi tinggi (5 minit) adalah nilai tambah utama, kerana ia menangkap dinamik intrahari yang akan terlepas oleh data harian. Penguraian semivarians adalah elegan dan berasas secara teori. Walau bagaimanapun, sampel terhad kepada enam pasangan utama, mengabaikan mata wang pasaran sedang membangun yang mungkin berkelakuan berbeza. Model VAR menganggap kelinearan, yang merupakan regangan semasa tempoh krisis apabila ketaklinearan mendominasi. Juga, pengagihan pemacu spillover kepada peristiwa fiskal vs. monetari adalah berdasarkan pemeriksaan visual siri masa, bukan ujian hipotesis formal. Ini melemahkan naratif penyebab.

Pandangan Boleh Tindak: Untuk pengurus portfolio: berhenti menganggap korelasi simetri. Semasa krisis, nisbah lindung nilai perlu ditingkatkan sebanyak 20-30% kerana spillover buruk menguatkan risiko penurunan. Untuk bank pusat: ketersambungan asimetri boleh berfungsi sebagai penunjuk amaran awal—lonjakan dalam spillover buruk daripada EUR/USD kepada mata wang lain menandakan tekanan sistemik. Untuk penyelidik: lanjutkan rangka kerja ini kepada mata wang kripto, yang menunjukkan asimetri melampau, dan kepada spillover merentas aset (contohnya, forex kepada ekuiti). Metodologi ini sesuai untuk penambahbaikan pembelajaran mesin—gunakan rangkaian LSTM untuk meramal spillover asimetri dalam masa nyata. Akhir sekali, pengawal selia harus mempertimbangkan ketersambungan asimetri sebagai alat makroprudensial; kertas kerja menunjukkan bahawa spillover buruk memuncak sebelum krisis utama, menawarkan penunjuk utama yang berpotensi.