ساختار همبستگی ارز و ساختار همبستگی شبکه بازار ارز

ما همبستگی نوسانات نرخ ارز را در بازار جهانی ارز (FX) بر اساس نمودارهای پیچیده شبکه بررسی می کنیم. ماتریس همبستگی (CM) و روش جریان اطلاعات نظری (InfoMAP) برای تجزیه و تحلیل ساختار مدولار شبکه جهانی ارز جهانی استفاده می شود. تجزیه و تحلیل نشان می دهد که ماژول های ارزی در شبکه وجود دارد ، که با ماهیت جغرافیایی ارزها سازگار است. ماژول های ارزی اروپا و شرق آسیا در شبکه FX مهمترین آنهاست. ما معیار تأثیر ارز فردی را بر اساس همبستگی جزئی آن با سایر ارزها معرفی می کنیم. ما در ادامه یک روش حذف ضربه را برای فیلتر کردن تأثیر گره های هسته و ساخت زیر شبکه های پس از حذف این گره های اصلی درج می کنیم. نتیجه نشان می دهد که (i) دلار آمریکا تأثیر جهانی برجسته ای در بازار FX دارد در حالی که یورو تأثیر زیادی بر ارزهای اروپایی دارد.(ب) ماژول ارز آسیای شرقی نسبت به ماژول ارز اروپا به شدت ارتباط دارد. همبستگی قوی نتیجه همکاری قوی ارزها در منطقه است. از همكاری ارزها برای مطالعه تشکیل بلوك پولی بین المللی استفاده می شود و نتیجه آن با توجه به تجارت بین المللی با توجه خوب توافق خوبی دارد.

معرفی

بسیاری از سیستم های پیچیده را می توان از دیدگاه شبکه های وزن دار که عناصر مختلف را درون سیستم به هم پیوند می دهند، مورد مطالعه قرار داد [[1]، [2]، [3]، [4]، [5]، [6]). در این سیستم های پیچیده، هر عنصر تعاملی به طور کلی با یک گره از شبکه ساخته شده مطابقت دارد. به عنوان مثال می توان به شبکه های تنظیم ژن، شبکه های غذایی، بازارهای مالی و غیره اشاره کرد. گره ها در این شبکه ها بر یکدیگر تأثیر می گذارند. شبکه های تنظیم ژن را به عنوان مثال در نظر بگیرید [7]. هر ژن در یک شبکه تنظیم ژن توسط یک گره مربوطه نشان داده می شود و پیوند بین دو گره یک وابستگی احتمالی بین آنها ایجاد می کند. یک ژن می تواند بیان ژن های دیگر را تنظیم کند و در نتیجه مسیری را در شبکه تشکیل دهد. اینکه چه زمانی و تا چه حد یک ژن توسط ژن های دیگر تنظیم می شود، کلید درک زندگی است. در مفهوم گسترده تر، شبکه تنظیم ژن متعلق به دسته ای از شبکه ها است که به عنوان شبکه های مبتنی بر همبستگی شناخته می شوند. در این نوع شبکه ها، گره ها بر یکدیگر اثر متقابل دارند و بر یکدیگر تأثیر می گذارند. در برخی موارد، چندین گره می توانند به طور متقابل با یکدیگر تعامل داشته باشند که تحت تأثیر یک منبع مشترک قرار می گیرند. در موارد دیگر، یک گره می تواند اطلاعات را به گره های دیگر منتقل کند و در نتیجه بر رفتار آنها تأثیر بگذارد. جالب تر این است که بیشتر این شبکه های مبتنی بر همبستگی غیر ثابت، غیرخطی و غیرتعادلی هستند. علاوه بر این، تأثیر یک گره بر گره های دیگر نیز با تکامل زمان تغییر می کند. در این میان، شبکه جهانی ارز خارجی (FX) یکی از جالب ترین شبکه های مبتنی بر همبستگی است [8]. اشاره شده است که برخلاف سایر بازارها، بازار FX به دلیل به اصطلاح فرصت های آربیتراژ مثلثی، دارای همبستگی های اضافی و در نتیجه پیچیدگی بیشتری است [9]. شبکه FX متشکل از گره های متقابل متقابل است که در آن هر گره ارزش نرخ مبادله ارز مربوطه را می گیرد.

از آنجایی که نرخ مبادله بین دو گره مرتبط است و دائماً در حال تغییر است، روش های شبکه مبتنی بر همبستگی برای شناسایی روابط همبستگی بین عناصر در شبکه FX مورد نیاز است. ما در اینجا یک تحلیل کمی ایجاد می کنیم که توضیحی درباره یکی از جالب ترین جنبه های رفتار تجربی نرخ ارز، یعنی درجه بالای حرکت مشترک ارزها که با ماهیت جغرافیایی آنها سازگار است، ارائه می دهد. حرکت مشترک ارز این واقعیت را آشکار می کند که نوسانات ارزها در همان منطقه به شدت همبستگی دارند. در زبان شبکه های پیچیده، یک بخش ارزی از حرکت مشترک معادل یک ماژول در شبکه FX است. در این مقاله، ماژول ها را در شبکه FX شناسایی کرده و پدیده هم جنبش ارز را بیشتر تحلیل خواهیم کرد. روش هایی برای مطالعه شبکه های مبتنی بر همبستگی در ادبیات وجود دارد [[10]، [11]، [12]، [13]، [14]، [15]، [16]، [17]). درخت پوشای حداقلی (MST) و نمودارهای حداکثر فیلتر شده مسطح (PMFG) برخی از این روش ها هستند که برای تحلیل ساختار و پویایی بازارهای مالی استفاده شده اند [[18]، [19]، [20]، [21]،22]، [23]، [24]]. ماتریس های همبستگی (CM) و نمودارهای MST برای تجزیه و تحلیل بازار FX ساخته شده اند و نتایج جالبی پیدا شده است [[25]، [26]، [27]، [28]، [29]، [30]]. محققان ساختار سلسله مراتبی و خوشه ها را در بازار FX با استفاده از تکنیک های فیزیک آماری شناسایی می کنند و این خوشه ها اغلب به خوبی با مناطق جغرافیایی مانند اروپا و آسیا مطابقت دارند [31، [32]، [33]، [34]،35]]. نتیجه نشان داد که این شبکه یک شبکه بدون مقیاس با توان قانون توان مشابه بسیاری از سیستم های پیچیده دیگر است [36]. مرکزیت دلار آمریکا در حال ضعیف شدن است در حالی که نقش یورو اهمیت فزاینده ای پیدا می کند. با توجه به ویژگی های عجیب بازار جهانی FX، برخی از اطلاعات مفید را نمی توان با روش های ذکر شده در بالا شناسایی کرد. به عنوان مثال، بازار FX دارای ویژگی های غیرمعمولی است که به اصطلاح «Currency Peg» نامیده می شود، به این معنی که برخی از گره ها (مانند دلار هنگ کنگ) ممکن است به همان گره اصلی (مانند دلار آمریکا) متصل شوند و این توهم را ایجاد می کند که این گره هاتأثیر بسیار قوی تری بر سایر گره ها دارند [16]. به عنوان مثال، در 15 ژانویه 2015، بانک ملی سوئیس (SNB) پایان سقف سه ساله خود را که 1. 20 فرانک در هر یورو بود، اعلام کرد، فرانک سوئیس با افزایش 41 درصدی به 0. 8517 در هر یورو رسید. قوی ترین سطح ثبت شده،

این تاثیر قوی تر به عنوان "شوک یورو-پیگ فرانک سوئیس" نامیده می شود. از سوی دیگر، گره هایی وجود دارند که به طور متقابل با یکدیگر «تعامل» دارند که تحت تأثیر یک منبع مشترک قرار می گیرند. به عنوان مثال، کانادا و استرالیا شباهت های زیادی در صادرات خود مانند سوخت و مواد معدنی و غیره دارند. صرفاً کنار گذاشتن برخی از گره ها در شبکه همچنان تأثیرات خود را بر سایر گره ها باقی می گذارد و نتایج نادرستی را در تجزیه و تحلیل بعدی ارائه می کند [9]. بنابراین، برای مطالعه ساختار سلسله مراتبی و رفتار دینامیکی شبکه FX باید از روش هایی استفاده کرد که بتواند این اثرات را فیلتر کند. در این مقاله، ما از یک روش حذف ضربه برای مطالعه شبکه FX استفاده خواهیم کرد.

قطعات بخش

ماتریس همبستگی ارز

برای ارز i (i = 1، 2، …، n) در زمان t، بازده آن R i B (t، τ) را در دوره زمانی τ به صورت: R i B (t، τ) = ln e i B (t) تعریف می کنیم.+ τ) − ln e i B (t) که در آن e i B (t) نرخ مبادله ارز i در زمان t است، یعنی مقدار ارز i بر حسب ارز پایه B بیان می شود. بنابراین بازده نشان دهنده بزرگی است. افزایش یا سقوط در طول t و t + τ. برای سهولت مقایسه بین مجموعه داده های مختلف، بازده داده شده در بالا به صورت r i B (t, τ) = [R i B (t, τ) - 〈 R i B (t, τ) 〉] ∕ 〈 R i B استاندارد می شود.( t , τ ) 2 〉 − 〈 R i B ( t , τ ) 〉 2

ساختار شبکه

برای به دست آوردن یک دوره نمونه نسبتا طولانی، ما داده های روزانه 52 ارز از بازار جهانی FX، از جمله طلا و نقره را جمع آوری می کنیم. داده های روزانه دوره زمانی از 4 ژانویه 2000 تا 30 ژوئن 2014 را پوشش می دهد و از سرویس نرخ ارز اقیانوس آرام که به صورت آنلاین در دسترس است (http://fx. sauder. ubc. ca/data. html) به دست می آید. برای نشان دادن ارزها، استاندارد ISO4217 را با استفاده از کدهای سه حرفی (http://www. iso. org/iso/home/standards/currencyCodes. htm) اتخاذ می کنیم. برای از بین بردن

نتیجه

در این مقاله، ما از نمودارهای شبکه پیچیده برای تجزیه و تحلیل همبستگی های نوسانات نرخ ارز در بازار جهانی FX استفاده کردیم. ما ارزهای اصلی، یعنی USD و EUR را شناسایی کردیم که تأثیرات زیادی بر نوسانات نرخ ارز سایر ارزها دارند. برای بررسی رفتار حرکت مشترک ارز در بازار FX، از تحلیل CM و روش جریان اطلاعات نظری (Infomap) برای بررسی ساختار ماژولار شبکه ارز استفاده کردیم و چندین ماژول را در FX یافتیم.

تصدیق