aprobaci�n: 24 Abril 2017
چکیده: این مقاله با هدف مطالعه و مقایسه کارایی در بازارهای آینده برای محصول سویا بین بوینوس آیرس (ماتبا) و شیکاگو (CM E-CBOT) برای سالهای 1994 تا 2015 است. مطالعات بی شماری وجود دارد که این پدیده را به طور مستقل تجزیه و تحلیل می کند ، اما تعداد کمیآنها یک تجزیه و تحلیل مقایسه ای بین بازارها انجام داده اند. بنابراین ، هدف اصلی این تحقیق - علاوه بر تجزیه و تحلیل جداگانه کارآیی در بازار آینده در هر کشور - این است که بتوانیم وجود رابطه بین دو بازار را تشخیص دهیم. در این مقاله نشان می دهیم که علاوه بر کارآیی بازار در همه موارد ، راندمان بازار در MATBA از کارآیی در CM E-CBOT بدست آمده است. این بدان معنی است که اطلاعات مربوطه از بازار شیکاگو به اطلاعاتی در بوئنوس آیرس منتقل می شود. با استفاده از یک رویکرد ادغام مبتنی بر یوهانسن (1995) مدل ها را با داده های ماهانه و روزانه تخمین زدیم.
کد JEL: G14 ، C32 ، Q14.
واژه های کلیدی: فرضیه بازار کارآمد ، مدل تصحیح خطای بردار ، امور مالی کشاورزی.
رزومه: el objetivo de este trabajo es estudiar y مقایسه la eficiencia en los mercados de futuros de la soja los mercados de buenos (cm e-cbot) para los a�os 1994 a 2015Analizan este fen�meno de forma Independiente ، pero ninguno de ellos ha hecho un an�lisis comparatativo entre estos dos pa�ses useizando este cultivo ectivo. por lo tanto ، el objetivo اصلی de este trabajo ، adem�s de analizar indexialmente la eficiencia en los mercados de futuros en cada pa�s ، es poder detectar la reepleencia de una relaci�n los dos mercados. en este art�culo se muestra que ، adem� de ser retificada la eficiencia de mercado en todos los casos ، se encontr� que la eficiencia del mercado en matba de la eficiencia en el mercado de cm e-cbot. ESTE RESHIPADA INCPLIPA que informaci�n que que es transmitida desde el mercado de Chicago hacia el de buenos aires. Utilizando un enfoque de cointegraci�n basado en johansen (1995) Estintamos los modelos con datos mensuales y diarios.
C�digo Jel: G14 ، C32 ، Q14.
Clave Palabras: Hip�tesis de mercados eficientes ، modelo de vectores de correcci�n de Error ، finanzas agr�colas.
بازار آینده کشاورزی می تواند ابزاری مفید برای کشاورزان و بازرگانان باشد. انتقال ریسک و کشف قیمت دو کارکرد اصلی بازار آتی است. با توجه به عملکرد کشف قیمت ، در قیمت های کارآمد آینده بازار بیان می کند که نمایندگان در مورد قیمت های نقطه آینده نظرات خود را تشکیل می دهند. FAMA (1970) و مک کنزی و هولت (1998) ، کارآیی بازار آینده را به عنوان میزان دقت که قیمت آن قیمت یک کالای خاص - در مورد سویا - با قیمت یک قرارداد آینده پیش بینی می شود ، تعریف کردند. به این ترتیب ، قیمت های خروجی از بازارهای آینده ابزاری مفید برای همه نمایندگان و بنگاه های مرتبط با کالاهای معامله شده است. در نتیجه اهمیت آن ، کارایی بازار آینده توسط نویسندگان بی شماری طی دهه های گذشته عمیقاً مورد بررسی قرار گرفته است. در حقیقت ، رونق قیمت کالای اخیراً مجموعه جدیدی از تحقیقات این موضوع را هدایت می کند.
در مقابل ، نقشی که توسط حجم معاملات در بهره وری بازار بازی شده است به طور خلاصه و با نتایج مختلط مورد بررسی قرار گرفته است. ایده بصری نشان می دهد که بازارهای نازک ، با حجم معاملات پایین ، حاکی از مقدار و کیفیت اطلاعات نسبتاً کمی هستند ، بنابراین بازار آینده ممکن است در شرایط کارآیی کار نکند و کمبود عملکرد کشف قیمت وجود نخواهد داشت. آثار تجربی که انجام شده است (کارتر ، 1989 ؛ مینارد و همکاران ، 2001 ؛ یانگ و همکاران ، 2001) نتایج نتیجه گیری از چگونگی تأثیر فعالیت تجارت بر قیمت ها را ارائه نمی دهد.
در این مقاله ، ما کارآیی در بازار آتی محصولات سویا را بین بازارهای بوئنوس آیرس (MATBA) و شیکاگو (CM E-CBOT) برای سالهای 1994 تا 2015 مطالعه و مقایسه می کنیم. از آنها یک تحلیل مقایسه ای بین این دو کشور انجام داده اند. بنابراین ، هدف اصلی و جدید بودن این تحقیق - علاوه بر تجزیه و تحلیل فردی در بازارهای آینده در هر کشور - این است که بتوانیم وجود رابطه بین دو بازار را تشخیص دهیم. به عبارت دیگر ، هدف این است که نشان دهیم آیا راندمان فردی هر یک از این بازارها با کارآیی دیگری مرتبط است.
در وهله اول ، کارآیی در بازار آتی برای موارد منتخب مبتنی بر وجود - یا فقدان - حداقل یک رابطه یکپارچه بین قیمت قراردادهای آتی و قیمت نقطه ، همانطور که توسط نویسندگان بی شماری انجام شده است (علی وگوپتا ، 2011 ؛ دلگادو و لما ، 2001 ؛ فاما ، 1970 ، 1987 و 1991 ؛ مک کنزی و هولت ، 1998). در این روش ، ما می توانیم تأیید کنیم که در صورت وجود رابطه همگرایی بین قیمت قراردادهای آتی و قیمت نقطه ، بازارها در شرایط کارآمد برای دوره مورد تجزیه و تحلیل فعالیت کرده اند.
در وهله دوم ، یک مطالعه بر اساس یک رویکرد ادغام انجام خواهد شد تا آزمایش کند که آیا بین بازده در بازارهای آینده در بوینوس آیرس (آرژانتین) و شیکاگو (ایالات متحده) رابطه ای وجود دارد. از آنجا که بازار آینده در بوینوس آیرس حجم قابل توجهی از عملیات نسبت به شیکاگو دارد ، وضعیتی که می تواند منجر به ناکارآمدی بازار شود ، قصد این است که ببینیم آیا تغییرات قیمت دوم اول را تعیین می کند یا خیر. بنابراین ، اطلاعات مربوط به بازار از یک مورد به مورد دیگر منتقل می شود و این امکان را فراهم می کند که بازارهای کارآمد علی رغم معاملات کم حجم 1 وجود داشته باشد. این تمرین ابتدا با داده های متوسط ماهانه و دوم با داده های روزانه به عنوان یک چک قوی انجام شد.
در این مقاله ما دو فرضیه کار داریم:
- هر دو بازار آتی برای محصولات انتخاب شده ، در مدت زمانی که در نظر گرفته شده است ، به طور کارآمد کار می کنند. این امر با حضور حداقل یک رابطه همزمان بین سری قیمت های نقطه و قراردادهای آتی تأیید می شود.
- پیوندی بین بازارهای آتی بوئنوس آیرس و شیکاگو وجود دارد ، که از طریق یک رابطه ادغام کننده بین سری قیمت قراردادها برای هر بازار ، با هر محصول برقرار شده است. اگر این رابطه وجود داشته باشد ، باید در بازار شیکاگو از طریق بازار بوینوس آیرس تأثیر بیشتری داشته باشد. این بدان معنی است که قیمت قراردادها برای بازار آینده شیکاگو در روابط همبستگی ضعیف است. این پیش فرض باید به داده های متوسط ماهانه و داده های روزانه ادامه یابد.
از طریق این تجزیه و تحلیل در وهله اول نشان می دهیم که هر دو بازارهای فردی با دوره در نظر گرفته شده در شرایط کارآمد کار می کنند ، بنابراین قیمت بازارهای آینده برای سویا ممکن است ابزاری مفید برای پیش بینی قیمت های نقطه باشد. به این ترتیب ، ما نشان می دهیم که بازارها تحت شرایطی فعالیت می کردند که در آن اطلاعات موجود برای همه عوامل کافی است به گونه ای که در طول زمان هیچ سود و زیان فردی وجود نداشته باشد. به این معنا ، شواهد تجربی تأیید می کنند که ، در دراز مدت ، قیمت هایی که در آن قراردادهای آینده معامله می شدند ، قیمت های نقطه را منعکس کرده است.
در وهله دوم ، ما ثابت کردیم که کارآیی در یک بازار آتی - مورد MATBA - از کارآیی در مورد دیگر - CM E-CBOT ناشی می شود. به این ترتیب ، ما شواهدی از نحوه تعامل هر دو بازار به گونه ای نشان می دهیم که بهره وری در یک نفر منجر به کارآیی دیگری شود.
مقاله به شرح زیر سازماندهی شده است: در بخش بعدی ما بررسی ادبیات را ارائه می دهیم. در بخش دوم روش ، داده های مورد استفاده در مقاله و نتایج آزمایش ریشه واحد را ارائه می دهیم. نتایج اصلی در بخش سوم و بالاخره نتیجه گیری ارائه شده است.
I. بررسی ادبیات
ادبیات زیادی وجود دارد که از طریق یک رویکرد ادغام ، مطالعه کارآیی در بازارهای آینده کالا و رابطه موجود بین حجم تجارت و نوسانات قیمت - در موارد آثار ذکر شده در زیر می پردازد. با این حال ، هیچ چیز مشخص نشد که مستقیماً هر دو طرح تحلیلی را به هم پیوند می دهد.
کومار و سونیل (2004) کارآیی بازار آتی کالاهای متنوع در هند را مورد مطالعه قرار دادند و نتیجه گرفتند که قیمت های آتی شاخص خوبی از قیمت نقطه مورد انتظار نیست. در همان خط وانگ و KE (2005) در مورد کارآیی محصولات گندم و سویا در چین تحقیق کردند و تعادل بلند مدت بین قیمت قراردادهای آتی و قیمت نقطه ای از سویا پیدا کردند ، اما چنین تعادل با گندم یافت نشد. کارهایی که توسط واتکینز و مک آلر (2006) انجام شده است ، بین قیمت آینده ، قیمت نقطه ، سطح سهام و نرخ بهره برای کالاهای فلزی متعدد رابطه برقرار کرد. به همین ترتیب ، مک کنزی و هولت (1998) برای دوره بین سالهای 1966 تا 1995 ، تجزیه و تحلیل گسترده ای را برای کالاهای مختلف - از جمله سویا و ذرت انجام دادند ، و فرضیه کارآیی بازار را در همه موارد در CBOT تأیید کردند.
ادبیات موجود در بازار آرژانتین بسیار کمرنگ تر است. کار Delgado و Lema (2001) وجود یک رابطه ادغام کننده در بازار آینده گندم بوینوس آیرس را بین سالهای 1995 و 2000 کشف کرد. از طرف دیگر ، Grignafini (1998) برای بازار آینده سویا ، ذرت به همان نتیجه گیری رسیدو محصولات گندم در شهر روزاریو. در همین زمان ، لاچمن (2016) با توجه به سه تاخیر زمانی متفاوت بین قراردادهای آینده و قیمت نقطه ، کارایی بازار آینده در بوینوس آیرس را برجسته می کند.
همانطور که قبلاً گفته شد ، مطالعات کمی وجود دارد که تمرکز آنها را بر درک بازار آینده های کوچک و در تعامل بین بازارهای مختلف انجام داده است. مینارد و همکاران (2001) رفتار قراردادهای میگو آینده معامله شده در بورس دانه مینیاپولیس را که دارای حجم نسبتاً کم معاملات است ، با استفاده از داده های هفتگی بین نوامبر 1994 و ژوئن 1998 مطالعه کردند. در این مقاله ، نویسندگان تجزیه و تحلیل خود را در دو مورد انجام دادندقراردادهای معامله شده در بازار آتی و سیزده نوع میگو از بازار نقطه. آنها تنها یک رابطه بلند مدت بین یک قرارداد از بازار آتی و تنوع خاصی از میگو از بازار نقطه پیدا کردند. در مقابل ، تمام قیمت های دیگر انواع میگو از بازار نقطه نتوانست با هیچ یک از قیمت های بازار آینده ادغام شود.
سرانجام ، مالاریس و اروتیا (1998) بررسی کامل ادبیات در مورد رابطه بین حجم تجارت انجام شده در بازارهای آتی و قیمت ها را انجام دادند. با استفاده از داده های تجربی هیئت تجاری شیکاگو برای ذرت ، گندم ، جو دوسر ، سویا ، وعده غذایی سویا و روغن سویا ، آنها رابطه طولانی مدت بین حجم معامله شده و کارآیی بازار را مورد مطالعه قرار دادند. آنها بین ارزش مطلق تغییرات در قیمت و حجم مطلق معامله شده در بازار شیکاگو برای شش کالا رابطه مثبت نشان دادند.
پس از تجزیه و تحلیل FAMA (1991) و مک کنزی و هولت (2002) ، اگر بخواهیم وجود یک داوری مداوم بین اپراتورهای بازارهای آینده و رفتار بی طرفی نسبت به ریسک را در نظر بگیریم ، هزینه واقعی یک قرارداد آینده خواهد بودبرابر با قیمت آینده مورد انتظار در لحظه پایان قرارداد مذکور. بنابراین ، معادله به شرح زیر خواهد بود:

F T - 1 قیمت قراردادهای آتی در گذشته عمل می کرد و من قیمت فعلی معاملات Spot هستم.
بنابراین ، در سمت راست این معادله ارزش مورد انتظار را به عنوان t-1 از قیمت نقطه در T داریم که برابر با قیمت قراردادهای آتی در T-1 است. به نوبه خود ، اگر بیشتر فرض شود که عوامل انتظارات منطقی دارند ، به گونه ای که هر بار که تصمیم بگیرند ، تمام اطلاعات موجود را در بر می گیرند ، پس:

با φ t-1 اطلاعات موجود در t-1 و جایی که μ ι نشان دهنده اصطلاح نویز سفید برونزا به همه عناصر φ t-1 است. به این ترتیب ، معادله قبلی را می توان به شرح زیر بازنویسی کرد:

اگر عوامل همیشه در معرض خطر خنثی 2 بودند ، آخرین معادله هویت با f t - 1 = s t را تشکیل می دهد ، به گونه ای که α = 0 و β = 1. اگر این اتفاق در یک بازار آینده خاص رخ دهد ، می توان ادعا کرد که نمایندگان می توانند قیمت نقطه آینده را بر اساس قراردادهای آتی موجود امروز پیش بینی کنند.
برای اینکه بتوانیم این کار را انجام دهیم ، از روش شناسی Johansen (1995) استفاده خواهیم کرد. این امر مستلزم ساختن یک مدل از Autoregression بردار (VAR) است. این به معنای یک رابطه آماری است که در آن متغیرها با تاخیر از خود و متغیرهای دیگر توضیح داده می شوند. اینها را می توان به شرح زیر برای هر کشور و برای هر محصول ارائه داد:

با j = مقدار بهینه تاخیر
مدل های VEC نوعی مدل VAR هستند که متغیرهایی دارند که قادر به همبستگی هستند. بنابراین ، می توان یک وکتور ثابت ایجاد کرد ، که ناشی از ترکیبی خطی از متغیرهای غیر ایستگاه است که VAR را تشکیل می دهد. رابطه طولانی مدت این متغیرها با یکدیگر ، که می توان در اصطلاح تصحیح خطا VEC مشاهده کرد ، باید برای هر کشور و برای هر محصول شکل زیر را بگیرد:

باید به یاد بیاوریم که ضریب α ، در این حالت حق بیمه ای را نشان می دهد که اپراتورهای بازار آینده با آن روبرو هستند ، در حالی که β قصد دارد نشانگر سطح کارآمد پیش بینی آینده باشد. بنابراین ، β˂1 بیش از حد قیمت نقطه آینده را بیش از حد ارزیابی می کند ، در حالی که β˃1 آن را دست کم می گیرد. در صورت β = 1 ، قراردادهای آتی کاملاً قیمت نقطه را پیش بینی می کنند.
برای تأیید فرضیه کار دوم ، یک VEC برای هر محصول ساخته می شود که در آن رابطه طولانی مدت مورد تجزیه و تحلیل قرار می گیرد و به شرح زیر است:

در این حالت ، نمایانگر قراردادهای آتی برای بازار آرژانتین است در حالی که نماینده قرارداد آینده برای بازار شیکاگو است. اگر یک رابطه همگرایی وجود داشته باشد و ضریب از نظر آماری قابل توجه باشد ، می توانیم بگوییم که بین بازارها انتقال اطلاعات وجود دارد. علاوه بر این ، ما به یک آزمایش اگزوژنیت ضعیف ادامه خواهیم داد تا ببینیم کدام بازار تأثیر بیشتری بر دیگری دارد.
برای این تحقیق ، ما اطلاعات روزانه را برای دوره زمانی بین سالهای 1994 تا 2015 در نظر گرفته ایم ، که توسط MATBA (بازار معاملات آتی بوئنوس آیرس) و CM A-CBOT (بازار آینده شیکاگو) تهیه شده است. داده ها از وب سایت های مربوطه هر دو بازار سهام دانه 3 بازیابی شده اند. دو قرارداد برای هر سال برای هر دو بازار استفاده شده است: ماه مه و نوامبر. در همین حال ، قیمت نقطه مطابق با میانگین روز انقضا قرارداد ماه است.
ما از داده های متوسط ماهانه برای آزمایش کارآیی بازار فردی در هر بازار استفاده می کنیم و از داده های متوسط ماهانه و داده های روزانه برای آزمایش انتقال اطلاعات بین بازارهای 4 استفاده می کنیم.
سرانجام ، تمام مقادیر به لگاریتم ها تبدیل شدند ، همانطور که معمولاً در ادبیات انجام می شود.
ii. ii. تست ریشه واحد
با توجه به اینکه به منظور ساخت یک مدل VEC ، ابتدا لازم است که میزان ریشه های واحد را در هر یک از این سری ها بدانیم ، آزمون Dicke y-Fuller تقویت شده مربوطه برای هر یک انجام شد. این آزمایش تحت معیارهای شوارتز و با 10 تاخیر حداکثر انجام شد. هنگامی که ثابت شد که این سریال در سطح ثابت نیست ، آزمایش در هر مورد تکرار شد ، اما اکنون این سری را با تفاوت اول در نظر می گیرد. نتایج به دست آمده در جدول 1 خلاصه شده است.
جدول I. تست دیک ی-پررنگ از ایستگاه

منبع: توضیحات خود نویسنده. توجه: در سری سطح برای سویا و گندم ، تست با رهگیری و روند انجام شد. برای اولین سری تفاوت سویا و گندم ، این آزمایش با هیچ یک از رهگیری و روند انجام شد.
این آزمون یک فرضیه تهی دارد که متغیرها دارای ریشه واحد هستند (یعنی آنها ثابت نیستند) ، بنابراین می توانیم ببینیم که در سطح قابل توجهی از 5 ٪ ، همه سری I (1) است. بنابراین می توان گفت که این سریال در اولین تفاوت آنها ثابت است.
iiiنتایج برای مطالعه بازار بهره وری
بر اساس ادبیاتی که قبلاً ذکر شد ، ساخت یک بردار تصحیح خطا ، آزمایش فرضیه کارایی بازار را برای مورد MATBA و CM E-CBOT در دوره انتخاب شده امکان پذیر می کند. اگر سریال مربوط به قیمت نقطه و قراردادهای آتی برای سه دوره انتخاب شده ثابت باشد و مدل VAR سه مورد برای خطاهای مربوطه را برآورده می کند-نرمال بودن ، نه خود همبستگی و همسایه-می توان ارزیابی کرد. وجود ادغام برای هر یک از مدل های مسلح.
از آنجا که ، در بخش قبلی ، نشان داده شد که همه این سریال ها I (1) هستند و شرایط مورد نیاز مدل های زباله VAR 5 برآورده می شود ، تست های ادغام انجام می شود و ضرایب مدل های VEC تخمین زده می شود.
III. I. نتایج آزمون ادغام
از یک مدل VAR ، با تأیید قوام در تخمین خود از طریق تست های زباله ، در صورت یافتن رابطه ادغام بین متغیرهای VAR ، می توان VEC را تخمین زد. از آزمون یوهانسن برای تشخیص رابطه طولانی مدت بین متغیرها استفاده شد. به نوبه خود ، از آنجا که داده ها روند و رهگیری مداوم دارند ، باید هنگام انتخاب معیارهای آزمون یوهانسن 6 ، این جنبه ها را در نظر گرفت. علاوه بر این ، از آنجا که تمام سری های مورد استفاده در این مقاله I (1) هستند ، یک رابطه ادغام واحد بین آنها جستجو شد.
جدول 2 نتایج آزمون ذکر شده برای بهره وری بازار به صورت جداگانه برای سه مدل ساخته شده را نشان می دهد: با قراردادهای یک ماه ، سه ماه و پنج ماه از تاریخ انقضا.
جدول 2 نتایج آزمون ادغام یوهانسن برای قراردادهای آتی و قیمت نقطه

منبع: توضیحات خود نویسنده. توجه: در تمام موارد از آزمون برای "روند خطی و با عدم وجود روند" استفاده شده است.
همانطور که در نتایج حاصل از جدول 2 ، از طریق روش حداکثر احتمال یا با روش ردیابی نشان داده شده است ، همه مدل ها یک رابطه ادغام منحصر به فرد را ارائه می دهند.
با تأیید رابطه ادغام بین سری برای هر یک از مدل ها ، می توان گفت - با توجه به فرضیه این مقاله - که در همه موارد بازارها در شرایط کارآمد برای دوره زمانی انتخاب شده رفتار می کردند. به این ترتیب ، قیمت های بازار Futures به عنوان پیش بینی قیمت های نقطه کار می کردند.
III. II. ضرایب VEC و رابطه طولانی مدت
از آنجایی که هر یک از مدل های VEC ساخته شده در این مقاله به منظور بررسی کارایی بازار، رابطه بلندمدت موجود بین متغیرهای در نظر گرفته شده را نشان می دهد، لازم است در مورد ادامه مقدار و علامت ضرایب به دست آمده برای هر یک توضیح داده شود. مورد 7. مقادیر ضرایب به دست آمده از مدل های برآورد شده در جدول 3 ارائه شده است.
جدول 3. مدل های VEC برای کارایی بازار فردی

منبع: توضیح خود نویسندهتوجه: در همه موارد برونزایی ضعیف از متغیر نقطه ای ثابت شده است اما در * نه
اولاً، می توان اشاره کرد که در همه مدل ها، ضریب «α» - که به عنوان حق بیمه متغیر با زمان در نظر گرفته می شود - منفی است و همچنین در حال رشد است (به صورت مطلق) زیرا دوره های زمانی را از لحظه اجرای برنامه دورتر در نظر می گیریم. قرارداد آتی
این به طور شهودی سازگار است با توجه به اینکه همانطور که ما در مورد هر قرارداد آتی مفروض مذاکره می کنیم که از اجرای آن فاصله دارد، باید حق بیمه ریسک بیشتری را در نظر بگیرد زیرا عدم اطمینان آن افزایش می یابد. در عین حال، علامت منفی ضریب "α" به این واقعیت پاسخ می دهد که یک خطر ذاتی برای قیمت های مذاکره شده قبل از توزیع کالا وجود دارد. این می تواند تحت تأثیر شوک های خارجی متعدد قرار گیرد. ممکن است اتفاق بیفتد که تولیدکنندگان تمایل دارند، از نظر آماری، در مورد ارزش قراردادهای آتی توافق کنند. این همان چیزی است که در دوره مورد تجزیه و تحلیل در این مقاله رخ داد.
از سوی دیگر، در همه موارد، ضریب "β" مثبت و نزدیک به یک است، که به نوبه خود نیز تمایل به افزایش - در اکثر موارد - دارد، زیرا ما قراردادها را دورتر از دوره اجرای آنها در نظر می گیریم. این نتیجه به طور شهودی نیز قابل انتظار است، زیرا با در نظر گرفتن قراردادهایی با تاخیر زمانی بیشتر نسبت به قیمت لحظه ای آتی، احتمال خطای بیشتر در قیمت مورد انتظار افزایش می یابد. بنابراین، از نظر آماری، با دورتر شدن در زمان، دست کم گرفتن قیمت مورد انتظار در آینده بیشتر است.
IV. نتایج برای انتقال اطلاعات بین بازارها
پس از تجزیه و تحلیل پیشنهادی در این مقاله ، نتایج به دست آمده برای آزمایش فرضیه دوم در مرحله بعدی ارائه می شود. به همین منظور ، ما وجود ادغام بین قیمت ها از MATBA و CM E-CBOT ، برای هر یک از VAR های تخمین زده شده ، تجزیه و تحلیل کردیم و برای هر VAC برای هر وار (معادله 7) 8 ساخته می شود. ما سه مدل را با استفاده از داده های ماهانه برای دوره های تاخیر مختلف - یک ماه ، سه ماه و پنج ماه - تخمین زده ایم ، و همچنین در این مقاله شش مدل دیگر مبتنی بر داده های روزانه و با شش ماه تاخیر 9 را درج می کنیم.
سرانجام ، برای این مدل های VEC ، آزمون اگزوژنیت ضعیف به منظور ارزیابی اینکه کدام بازار تأثیر بیشتری بر دیگری دارد ، انجام شد. دومی منجر به نتیجه گیری در مورد جهت سفر اطلاعات بین دو بازار منتخب شد.
iv. i. نتایج آزمون ادغام
همانطور که در بخش قبلی انجام شد ، با تأیید قوام در برآورد VAR از طریق آزمایشات زباله ، از آزمون یوهانسن (1991 و 1995) برای تأیید اینکه آیا یک رابطه ادغام بین متغیرهای 10 وجود دارد ، استفاده شد.
جدول 4 نتایج آزمایش ذکر شده را نشان می دهد که هر دو بازار را بر اساس مدل های ساخته شده با داده های ماهانه مرتبط می کند - برای قراردادهای یک ماه ، سه ماه و پنج ماه از تاریخ انقضا - و مواردی که با استفاده از داده های روزانه تخمین زده می شود - و با ششماه عقب مانده است.
همانطور که در بخش قبلی به دست آمده است ، نتایج نشان می دهد که هر دو مجموعه از مدل ، از طریق روش حداکثر احتمال یا با روش ردیابی ، یک رابطه ادغام را ارائه می دهند.
در این حالت ، با بدست آوردن رابطه مشترک بین بازارهای آینده شیکاگو و بوینوس آیرس برای کالای انتخاب شده ، می توان گفت-با توجه به بخش اول فرضیه دوم این مقاله-که یک رابطه طولانی مدت بین این دو بازارهای گفته شده وجود دارددر همه موارد مورد مطالعهرابطه بلند مدت با استفاده از داده های ماهانه و همچنین با داده های روزانه ادامه دارد.
iv. ii. ضرایب VEC و تست اگزوژنیت ضعیف بین بازارها
با نشان دادن وجود یک پیوند بلند مدت بین بازارهای آینده Buenos Aires و شیکاگو برای هر دو مدل از طریق حضور یک رابطه ادغام بین آنها ، اکنون می توان تجزیه و تحلیل کرد که آیا شیکاگو در واقع تأثیر بازار بیشتری بر این داردبازار بوئنوس آیرس ، همانطور که در فرضیه دوم این مقاله پیشنهاد شده است. برای این کار ، مدل های مربوط به VEC مربوطه برای هر مدل تخمین زده می شود ، و در هر حالت ، اگر تعداد قراردادهای آتی CM E-CBOT ضعیف باشد ، آزمایش می شود. نتایج به دست آمده برای تخمین در جدول 5 11 ارائه شده است.
جدول 4. نتایج تست ادغام یوهانسن بین MATBA و CM E-CBOT

منبع: توضیحات خود نویسنده. توجه: در همه موارد از آزمون برای "روند خطی و با رأی ناموجود" استفاده شده است.* به این معنی است که این مدل به مدت سه ماه عقب مانده است.
جدول 5 مدل های VEC برای انتقال اطلاعات

منبع: توضیحات خود نویسنده. توجه: "A" به این معنی است که این مدل به مدت سه ماه عقب مانده است."B" نشان می دهد که β مجبور شد برابر با یک باشد.
با توجه به اینکه ضریب "β" از نظر آماری قابل توجه است ، می توان گفت انتقال اطلاعات بین دو بازار وجود دارد.
علاوه بر این ، برای هر دو مدل ، قراردادهای آتی از هیئت تجارت شیکاگو ثابت شد که ضعیف برونزا است. از این نتایج قوی ، می توانیم نشان دهیم که بازار آینده شیکاگو بر رفتار قیمت بازار آینده Buenos Aires تأثیر می گذارد ، حداقل برای محصول سویا ، و این به این دلیل است که اطلاعات از یک بازار به بازار دیگر منتقل می شود. 12
در بخش اول این مقاله ، کارآیی بازارهای آینده در مورد سویا در MATBA و CM E-CBOT مورد بررسی قرار گرفت. نتایج به دست آمده نشان می دهد که ، در طول دوره تحت پوشش ، هر دو بازار تحت شرایط کارآمد عمل می کنند. بنابراین ، قیمت کالای ذکر شده به دست آمده از بازارهای آتی ، از نظر آماری ، به عنوان پیش بینی قیمت های نقطه ای عمل می کند. این تأیید شد ، با پیدا کردن یک رابطه همبستگی با یک ، سه و پنج ماه تاخیر. در عین حال ، ضرایب مدل های VEC اطلاعات بیشتری در مورد نحوه ارتباط متغیرها در دراز مدت ارائه می دهند.
در بخش دوم این مقاله ، ما نشان دادیم که بین کارآیی بازار آتی شیکاگو و بازار آتی Buenos Aires ، برای هر دو مدل ، رابطه مهمی وجود دارد. از آنجا که ما بین همه مدل های تخمین زده شده یک رابطه همبستگی پیدا کردیم ، می توان نتیجه گرفت که بین قراردادها از هر دو بازار آینده رابطه طولانی مدت وجود دارد.
نهایی ، نتایج به دست آمده همچنین نشان می دهد که تغییرات در قیمت CM E-CBOT بر تغییرات در قیمت MATBA تأثیر می گذارد. این با وجود اگزوژنیت ضعیف در مدل تصحیح خطا توسط بازار آینده شیکاگو برای همه موارد مورد تجزیه و تحلیل نشان داده شد. از آنجا که این رابطه را می توان در همه مدل ها نشان داد ، می توان نتیجه گرفت که این تأثیر ثابت شده است که برای عملکرد کارآمد بازار آتی بوئنوس آیرس بسیار مرتبط است. به این ترتیب ، علیرغم حجم عملیاتی نسبتاً کم که توسط MATBA انجام شده است ، بازار معاملات آتی به لطف انتقال اطلاعات از CM E-CBOT می تواند در شرایط کارآمد فعالیت کند.
Ali ، J. ، & Grupta ، K. B. (2011). کارآیی در بازارهای آینده کالاهای کشاورزی در هند: شواهدی از تست های ادغام و علیت. بررسی امور مالی کشاورزی ، 71 (2) ، 162-17.
Armah ، P. ، & Shanmugamb ، V. (2013). افزایش قیمت در بازارهای آینده کالاهای کشاورزی ایالات متحده: یک آزمایش کارآیی تجربی. مجله تحقیقات توزیع مواد غذایی ، 44 (1) ، 66-77.
Arouri ، M. ، Jawadi ، F. ، & Mouak ، P. (2011). راندمان سوداگرانه بازار آلومینیوم: یک تحقیق غیرخطی. اقتصاد بین المللی ، 126-127 ، 73-89.
Beck ، E. S. (1994). ادغام و کارآیی بازار در بازارهای آینده کالاها. اقتصاد کاربردی ، 26 (3) ، 249-257.
کارتر ، C. A. (1989). فرصت های داوری بین بازارهای آینده نازک و مایع. مجله بازارهای آینده ، 9 (4) ، 347-353.
Delgado ، G. ، & Lema ، D. (2001). eficiencia en el mercado de commidities agr�colas: la paridad entre precio y futuro de trigo en argentina 1995-2000. روزاریو ، آرژانتین: AAEA.
Enders ، W. (2015). اقتصاد سنجی کاربردی زمان سری. نیویورک: ویلی.
Fama ، E. F. (1970). بازارهای سرمایه کارآمد: مروری بر تئوری و کار تجربی. مجله مالی ، 25 (2) ، 383-417.
Fama ، E. F. (1991). بازارهای سرمایه کارآمد: ii. مجله مالی ، 46 (5) ، 1575-1617.
Fama ، E. F. ، & French ، K. (1987). قیمت آتی کالاها: برخی از شواهد حق بیمه قدرت پیش بینی و تئوری ذخیره سازی. مجله تجارت ، 60 (1) ، 55-73.
Fisanotti ، L. (2014). تاریخچه تاریخی آینده و گزینه ها: پوشش و گمانه زنی. Invenio ، 17 (33) ، 9-19.
Grignafini ، A. (2000). کارآیی در بازارهای آینده: تجزیه و تحلیل تجربی بازار روزاریو. در بورس اوراق بهادار Rosario ، خوانش N. O 3 (صص 55-94). Rosario: آموزش و توسعه بازار.
هال ، ج. (2012). گزینه ها ، آینده ها و سایر اوراق بهادار مشتقات. بوستون: سالن پرنتیس.
یوهانسن ، س. (1995). استنتاج مبتنی بر احتمال در مدل های وکتور وکتور Coingrated. آکسفورد: انتشارات دانشگاه آکسفورد.
Kumar ، S. ، & Sunil ، B. (2004). کشف قیمت و کارآمد بازار: شواهدی از بازارهای آینده کالاهای کشاورزی. آسیای جنوبی. مجله مدیریت ، 11 (2).
Lachman ، J. (2016). مطالعه در مورد کارآیی و پیش بینی کامل در بازار کشاورزی آینده: تجزیه و تحلیل برای MATBA در مورد خاص کشت سویا بین سالهای 2005 تا 2014. برگرفته از https://issuu.com/jeremiaslachman/docs/lachman_estudio_sobre_la_eficiencia؟ werddress = EC2-54-174-194-75. MAZONAOWS.com
Maynard ، L. J. ، Hancock ، S. ، & Hoagland ، H. (2001). عملکرد بازارهای آینده میگو به عنوان مکانیسم کشف قیمت و پرچین. اقتصاد و مدیریت کشاورزی ، 5 (3-4) ، 115-128.
Mackenzi ، A. ، & Holt ، M. (2002). کارآمد بازار در بازارهای آینده کشاورزی. اقتصاد کاربردی ، 34 (12) ، 1519-1532.
Wang ، H. H. ، & Ke ، B. (2005). آزمایش های Efficich از بازارهای آینده کالاهای کشاورزی در سیچینا. مجله اقتصاد کشاورزی و منابع استرالیا ، 42 (2) ، 125-141.
Watkins ، C. ، & McAleer ، M. (2006). قیمت گذاری آینده فلزات غیر بفرستانه در تبادل فلز لندن. اقتصاد مالی کاربردی ، 16 (12) ، 853-880.
Yang ، J. ، Bessler ، D. A. ، & Leatham ، D. J. (2001). قابلیت ذخیره سازی دارایی و کشف قیمت در بازارهای آینده کالا: ظاهری جدید. مجله بازارهای آینده ، 21 (3) ، 279-300.
ضمیمه A. ساختار VAR برای مدل های کارآیی سویا

منبع: نویسنده توضیحات خود. توجه: LR: آمار تست LR اصلاح شده ثانویه (هر آزمون در سطح 5 ٪). FPE: خطای پیش بینی نهایی ؛AIC: معیار اطلاعات Akaike ؛SC: معیار اطلاعات شوارتز ؛HQ: معیار اطلاعات Haan-Qui
ضمیمه ب. ساختار VAR برای انتقال اطلاعات بین مدلهای بازارها

منبع: نویسنده توضیحات خود. توجه: LR: آمار تست LR اصلاح شده ثانویه (هر آزمون در سطح 5 ٪). FPE: خطای پیش بینی نهایی ؛AIC: معیار اطلاعات Akaike ؛SC: معیار اطلاعات شوارتز ؛HQ: معیار اطلاعات Haan-Qui
1 حجم سالانه معامله شده در بازارهای کشاورزی آینده در آرژانتین ، یک سوم از کل برداشت را نشان می دهد ، در حالی که در ایالات متحده این تعداد حدود هشتاد برابر برداشت است.
2 لازم به ذکر است که برابری که نشان دهنده عوامل خنثی ریسک است ، فرضی برای این کار نیست. در طول همان مقدار ضریب α می تواند هم مثبت و هم منفی باشد.
3 برای مورد CMA-CBOT داده ها توسط رویترز تهیه شده است
4 در مراحل اول کار ما فقط از داده های متوسط ماهانه برای تحقیقات خود استفاده کرده بودیم. اما از آنجا که ما اظهار نظر کردیم که اطلاعات به صورت روزانه و نه ماهانه منتقل می شود ، تصمیم گرفتیم با استفاده از داده های روزانه برای آزمایش فرضیه دوم ، تجزیه و تحلیل دوم را درج کنیم. در این مقاله هر دو نتیجه را نشان می دهیم.
5 نتایج مربوط به تست های انجام شده در مدل های VAR را می توان در ضمیمه این گزارش یافت.
6 برای این مقاله ، معیارهای تعریف شده توسط نرم افزار در همه مدل ها به عنوان: "روند تعیین کننده خطی در داده ها و رهگیری (بدون روند) در تست CE و VAR" استفاده می شود.
7 شایان ذکر است که این مدل ها به عنوان پایدار و ضرایب آنها قابل توجه هستند. برای ارزیابی اهمیت ضرایب به دست آمده ، ما اقدام به انجام محدودیت های تحمیل شده آزمایش کردیم تا ببینیم این محدودیت ها رابطه همبستگی را خراب می کنند یا خیر. بنابراین ، ضرایب مجبور شدند برابر با صفر باشند ، به طوری که اگر رابطه ادغام معتبر حفظ شود ، پس از آن ضریب قابل توجه نیست زیرا اطلاعات مربوطه را ارائه نمی دهد.
8 نتایج مربوط به تست های زباله انجام شده به مدل های VAR را می توان در ضمیمه این مقاله یافت.
9 برای این مدل های تخمین زده شده با داده های روزانه ما از ماه مه 2005 ، 2006 ، 2012 و از نوامبر 2005 ، 2006 و 2012 بر اساس در دسترس بودن اطلاعات برای هر دو بازار استفاده کردیم.
10 معیارهای تعریف شده توسط نرم افزار مورد استفاده در همه مدل ها به عنوان "روند تعیین کننده خطی در داده ها و رهگیری (بدون روند) در آزمون CE و VAR" مورد استفاده قرار گرفت ، زیرا داده ها روند و رهگیری ثابت دارند. علاوه بر این ، از آنجا که سری مورد استفاده I (1) است ، به دنبال دستیابی به یک رابطه ادغام واحد بین آنها است.
11 برای این مدل ها تأیید شد که آنها پایدار هستند و ضرایب آنها قابل توجه است ، همانطور که در بخش قبلی انجام شد.
12 در این حالت ، ضریب "α" -که به عنوان حق بیمه خطر متغیر زمان برای تجزیه و تحلیل بهره وری از بازار بخش قبلی فرض می شو د-نشان دهنده حق بیمه خطر مرتبط با بازار بوینوس آیرس خواهد بود. مطمئناً ، تفسیر آن فاقد اهمیت برای اهداف این مقاله است.
این کار پیشرفت در نسخه های قبلی است که در کنگره ها و سمینارهای مختلف ملی و بین المللی ارائه شده است. ما از تمام نظرات دریافت شده از همکاران متنوع ، دوستان نزدیک و خانواده قدردانی می کنیم. به طور خاص ، ما می خواهیم به دکترا اشاره کنیم. Heike Joebges از HTW-University برای پشتیبانی و راهنمای وی در طول این کار. این مقاله برنده بورس تحصیلی بود که توسط انجمن Asociaci�n argentina de Economy�a Agraria حمایت می شد و در طول هشتمین نسخه از Concerso nacional de Estudiantes de Postgrado en Economy (CNEPE) اعطا می شود.
� Lachman ، J. ، & Jack ، P. (2017). مطالعه کارآیی و انتقال اطلاعات برای بازارهای آینده کشاورزی: تجزیه و تحلیل مقایسه ای بین بوئنوس آیرس و شیکاگو با استفاده از داده های ماهانه و روزانه. Estudios Econ�micos ، 34 (69) ، 3-23.
فارکس وکسب درامد...
ما را در سایت فارکس وکسب درامد دنبال می کنید
برچسب :
نویسنده : مهدی اسدی
بازدید : <-PostHit->
تاريخ : دوشنبه
5 تير
1402 ساعت: 18:47