文摘

摘要小波相干和分位数自回归分布滞后(QARDL)方法用于研究经济政策的不确定性的影响(EPU),传染性疾病EMV追踪(IDEMV)和隐含波动率(VIX)在宁静的流动性不足和COVID-19流行时期在美国金融市场。EPU我们的结果表明,滞后,当前的波动率指数,和滞后VIX积极影响流动性不足在平静时期,而滞后EPU和电流波动率指数减少大流行期间流动性不足。此外,传染病在流感大流行期间金融市场危机中扮演了一个重要的角色在瞬间改善流动性,虽然没有明显的平静时期。同样,我们建议的综合效应EPU VIX,隐含波动带来的不确定性减少流动性滞后和同时代的方式,而流动性的改善是EPU透露的情况。

1。介绍

理解金融市场流动性的动力是非常重要的市场参与者和决策者。许多作者如Chordia et al。1马,et al。2],Tissaoui和Ftiti [3],Tissaoui et al。4]表明,流动性更好的评估可以给投资者的机会提高他们的交易策略通过监测流动性风险。这反过来允许一个有效的和有效的利用资金,让他们对未来更大的确定性。政策制定者可以促进立法以防止股票市场流动性的蒸发和非法内幕交易。为了应对这些重要问题,大量的实证研究已证实了各种变量的存在影响了股票的流动性。

第一批作者专注于特定的证券相关变量如交易量,交易数量、波动性和秩序失衡(例如,白芝浩[5];凯尔(6];Chordia et al。7];茶等。8];戴伊和Radhakrishna9];Tissaoui和Ftiti3];Bedowska-Sojka和Echaust10];徐et al。11];徐et al。12];和Chulia et al。13])。这些文件显示一个重要这些变量和流动性之间的关系。例如,Leirvik et al。14)调查了市场流动性与股票收益之间的关系在挪威股市从1983年到2015年。他们使用了一个简单的线性模型在面板数据。实证结果证实,市场流动性水平对股票收益的影响可忽略不计。第二组的论文集中在系统变量,比如常见的流动性(例如,Chordia et al。15];布鲁克曼和涌16];Hasbrouck和Seppi17];Karolyi et al。18];份et al。19];Tissaoui et al。3];和Anagnostidis方丹(20.])。这些研究的证据表明,共性的流动性大大影响了股票的流动性。公司治理和证券法发现了作者的第三组额外的股票市场流动性的决定因素。埃斯皮诺萨et al。21)确认公司治理变量之间的积极关系和股票市场流动性之间的1994年和2000年在西班牙上下文。在一项研究中自愿披露对股票市场流动性的影响在法国,Lakhel [22)发现,季度股票市场流动性的信息披露是一个很好的指标。实证结果证实季度披露增加股票市场的流动性降低买卖价差和增加交易量。

第四组强调行为金融学相关的变量。根据凯尔(交易模型6),三个参与者的行为(业内人士、做市商和嘈杂的交易员)对流动性有着重要影响。此外,值得注意的是,投资者情绪对流动性有直接和间接影响。证实了投资者情绪的直接影响是刘(23通过两个渠道影响流动性。第一个是投资者相信市场流动性的流动。在理论讨论,德长等。24)显示,有两种类型的投资者在市场上:一些投资者被称为噪音交易者交易情绪和非理性的信仰,而其他投资者被认为是理性投资者交易对经济基本面。作者进一步认为非理性交易者的信念是由噪声和解释为信息。因此,这些噪声投资者的非理性信念的增加,伴随着情绪的增加,将产生一个扩张的交易,因此,增加流动性。第二通道与非理性的做市商。否则,更高的投资者情绪增加了股票市场的流动性25]。投资者情绪的间接效应与投资者心理有关。过度自信和投资者情绪是两个因素,影响投资者的决策,因此股票市场流动性。经验,投资者情绪与股票市场流动性之间的关系从1976年到2007年在纽约证券交易所和美国运通研究了刘(23]。他提到的方法论Amihud [26]。他们的实证结果表明,股票市场流动性更好当投资者情绪指数增加。最近的一篇论文Debata et al。27)表明,本地和外国投资者信心和流动性显著相关。

其余组研究人员的角度来研究不确定性指标对金融市场的影响以及对其他市场如石油和黄金。鲍et al。28]对隐含波动率的预测能力的商品市场和主要发达股票市场个人金砖四国股市的隐含波动率。使用每日数据从16 2011年3月至2016年10月7日,他们采用新的贝叶斯图形结构向量自回归模型(BGSVAR)由Ahelegbey et al。29日]。实证结果报告,个别隐含波动率在金砖四国的可预测性通常发现全球期权的隐含波动率的函数和集团内的股票以及大宗商品市场的波动是边际的角色,除了南非。同样,赛义德,鲍30.)被认为是全球经济政策的溢出效应的不确定性(GEPU)和石油价格波动对股票市场的波动性指数的石油出口商和进口商在发达国家和新兴经济体。结果表明,GEPU溢出效应的石油出口国,而小于对石油进口国的影响对发达国家和新兴经济体。

同样,鲍et al。31日]研究日报《指数的预测能力与传染病相关的不确定性(EMVID)波动通过异构自回归意识到黄金市场回报的波动性(HAR-RV)模型。他们的研究结果表明,EMVID增加了实现最高水平的大幅波动(RV)样本内的统计学意义。这一发现可以提高预测的准确性发现黄金的波动的短,中,长时间的视野。最后,杜塔等。32]研究不确定性指数和原油价格波动性之间的关系从1990年1月至2019年12月。他们用分位数回归估计的风险溢出效应和美国股票市场之间的WTI原油市场,允许一个详细的检查在低和高原油市场的波动状态。结果表明EMV追踪器的一个重要影响对石油市场波动期间,高油价波动,而影响主要是无关紧要的,当石油市场波动较小。

然而,新兴的冠状病毒(COVID-19) 2019年12月大流行促使学术研究者检查此次疫情对金融市场的影响(33]。例如,美国金融市场注册大量,在2020年第一季度创纪录亏损。每日英尺(34)支持这一发现被称“道琼斯和标准普尔,这两个反映一系列公司的股票价格在美国,暴跌超过20%。“Ozili和阿伦35)还强调了急剧下滑,标普500指数的价值,达到超过5万亿美元一个星期,从24日至3月28日,十大公司损失超过1.5万亿美元。当前的危机有一个独特的特点相比,所有以前的危机。越来越多的投资者关注的不仅仅是自己的资产和投资的价值,也对自己的个人安全和福祉和他们的家庭。根据Tissaoui Zaghdoudi [36),这种情况会导致巨大的不确定性甚至对最复杂的交易员。这是高度之间的交易员,因为他们第一次看到,大流行疫情产生了波动和股票和石油市场的动态冲击。谢里夫et al。37)指出,COVID-19大流行的突然发作导致致命的美国金融市场动荡,涉及较高的股市波动性比经历了在之前的金融危机的1987年10月,2008年12月和1929年的危机。

符合这项工作,许多学者试图检查的影响变量测量COVID-19疫情危机期间股市的不确定性。他们建议等变量表示的不确定性经济政策的不确定性(EPU)、传染性疾病EMV追踪(IDEMV)和隐含波动率(VIX)(例如,王et al。38];Alqahtani和马丁内斯39];白等。40];和阿瓦等。41])。IDEMV和波动率指数波动的预测能力市场在法国,英国和德国,例如,被李检查et al。42]。使用HAR模型,作者发现IDEMV和波动率指数是好预测COVID-19大流行期间的波动。

使用GARCH-MIDAS模型,白等。40]探索IDEMV对市场波动的影响在美国,中国,英国。他们找到了一个积极和重大IDEMV对波动性的影响。同样的文学,王et al。38]研究的有用的信息内容EPU和波动率指数预测未来19股指波动性。基于哈尔模型,作者表明,VIX指数主导EPU预测波动性在冠状病毒大流行。Alqahtani和马丁内斯的结果39)支持这一结论,表明EPU是更高层次的风险溢价的重要因素和价格波动,尤其是在经济下降。

文献结果,有一个相当大的不确定性的影响指数和他们与金融市场,但它存在一些缺点。首先,他们忽略了不确定性指标对市场流动性的影响在不同的市场环境。其次,先前的研究都沉默在传染病的影响金融市场的稳定,这个风险可能影响投资者的能力,以更好地撰写他们的投机策略和实施他们的短期和长期的对冲工具。第三,研究市场流动性和不确定性之间的关系在美国是使用标准的时间序列模型解决。然而,并没有研究这种关系,指的时频模型。

因此,本研究的目的是建立在先前的研究和填补空白的结果在当前学术研究通过检查COVID-19大流行期间不确定性指标对流动性的影响,通过比较平静时期的影响。为了达到这个目标,我们应用分位数自回归分布滞后(QARDL)测试和小波方法在日常的数据集。作为第一步,我们选择QARDL时间序列模型由曹et al。43]为了同时测试相关变量之间的短期和长期的连接有一个混合集成和秩序产生强劲的结果当正常模型的变量是不尊重。

曹et al。43和詹等。44]表明,这种类型的模型适用于检验变量之间的短期和长期的连接分位数是灵活考虑许多程式化的事实数据,如非线性和非正态分布,它允许小样本数据的大小。正式,QARDL模型可以估计平稳和非平稳数据,方便处理不对称的变量之间的关系。而言,这更有利于QARDL线性ARDL模型没有考虑到这一优势。在我们的研究中,通过使用QARDL方法主要优点是,它使我们能够检查是否不同程度的不确定性指标可能有不同的对美国金融市场的流动性的影响。我们正在评估之间的长期和短期动力学研究不确定性指标和流动性不足,QARDL模型将最合适的模型。

这之后,进一步分析不确定性指标对流动性的影响,我们建议所谓的小波方法有效地测试co-movements旋翼以及机体各种变量之间的联系在时频域(36,45]。其他研究人员,包括谢里夫et al。37),有报道称小波方法一直使用,不管小样本大小。在我们的研究中,这些小波技术允许研究不同变量之间的相关性和运动不仅在时间,而且在不同的尺度,从而提供更多的信息比原来QARDL模型。因此我们利用这些工具来更好地理解非流动性和不确定性指数之间的动态关系在大流行和宁静。我们的研究包含了一些原始而新颖的贡献与先前的研究相比。首先,它是一项开创性的工作,调查EPU的影响,波动率指数,IDEMV市场流动性不足。我们所知,没有研究探讨了分离和同步不确定性指标的影响在美国金融市场的流动性。第二,我们的研究增加了上述调查工作的短期和长期影响的不确定性指标对美国市场流动性使用QARDL模型和小波方法在流感大流行期间和宁静。有两个原因集中在美国金融市场。第一个原因是,美国金融市场是世界上最大的股票市场的市值超过27.7万亿美元在2021年12月。第二个原因是,美国金融市场被视为主要的来源之一,波动性和不确定性将其他市场的传播(37]。因此,与全世界COVID-19病例的增加,尤其是在美国,美国金融市场现在总是处于崩溃状态,小费,虽然政府流程,曾支持市场稳定回到宁静的状态被解释为混乱和象征危险的市场条件。

我们的论文有几个重要的意义,包括以下。(我),它提供了一个详细和全面的概述COVID-19对美国金融市场的稳定。(2)它有助于美国当局,上市公司为了更好地理解不确定性对美国股票市场流动性不足的影响,以便应对相关措施和机制。(3)它可以帮助投资者更好地理解美国股市的条件在股市飙升,比较平静时期为了建立适当的投资策略:短(出售)或长(买)采用位置。

本文的其余部分组织如下。部分2介绍了材料和方法。实证研究的结果发表在部分3。部分4提出了一个详细的讨论和影响。

2。材料和方法

2.1。数据

每天值的数据样本由经济政策的不确定性(EPU)传染病EMV追踪(IDEMV),隐含波动率(VIX),在美国和市场流动性不足。贝克et al。46,47)是第一个开发EPU IDEMV,分别。EPU代表的文章数量在主要报纸报道新闻相关的经济不确定性,货币和贸易政策,金融监管在美国(https://www.policyuncertainty.com/us_monthly.html)。IDEMV (https://www.policyuncertainty.com/infectious_EMV.html包含术语)报纸文章的数量在E:{金融、经济、经济};M:{“标准普尔”、“股市”股票,股票};V:{风险,风险波动,不稳定、不确定性、不确定性},和ID:{流行,流行,H5N1病毒,甲型H1N1流感病毒,海洋,非典,埃博拉病毒、流感,疾病,冠状病毒}。EPU网站上的数据是可用的。第二,隐含波动率指数VIX的芝加哥期权交易所(36]。它最初由惠利(48)代替恐惧情绪或衡量金融市场的波动性和不确定性。数据从芝加哥期权交易所(CBOE)下载网站(http://www.cboe.com/vix)。最后,使用标准普尔500指数的交易数据,我们计算的主要因变量(市场流动性不足),如下所示。我们认为Amihud流动性比率代表的流动性。我们计算如下: 与 , ,和表示每日回报,一天的收盘价t成交量在同一天,分别。

描述性统计展示在表1大流行和宁静的时期。偏态的测试表明,偏态值大于0,这意味着变量的分布是倾斜的。此外,所有变量的尖峰态分布显示除了EPU(时低峰态分布值小于3)在流感大流行期间自峰度值大于3。表2显示了解释变量之间的相关性较低,除了IDEMV之间的关系和VIX指数在流感大流行期间(0.76)自相关系数大于0.70。这表明IDEMV VIX指数和依赖,我们不能共同测试它们。这是多重共线性的non-appearance的同义词。

单位根测试结果如表所示3。平静的时期,人民党测试表明,单位根的零假设是不接受所有变量的水平,这意味着这些变量是固定在我(0)。在流感大流行期间,单位根测试表明,该变量,RVT, EPU,和IDEMV固定在我(0),而VIX指数出现静止的最初的区别。

2.2。方法

2.2.1。基准模型:QARDL模型

我们的分析首先研究美国非流动性市场之间的动态连接和不确定性指数(VIX, EPU IDEMV)在流感大流行期间分位数和宁静。我们应用QARDL曹等人提出的模型。43]概括了ARDL (Stoian和Iorgulescu [49)和马利克et al。50]证明ARDL模型的使用,因为它允许灵活的集成的程度;所以,所有变量不需要集成在同一个秩序;它可能是固定在我(0)或(1)或两者的结合;此外,与一个小样本的数据,ARDL模型可以用来估计不同变量)之间的长期和短期动力学框架Pesaran et al。49使用分位数回归方法的Koenker和巴50]。

QARDL模型方法论上比线性模型至少有三个原因。首先,位置不对称的模型允许参数可以依靠因变量的位置,市场流动性不足、条件分布。第二,QARDL模型同时对长期政策不确定性之间的关系(EPU)传染病(IDEMV),隐含波动率(VIX)和因变量及其相关的短期动态在一系列市场流动性不足的分位数。第三,QARDL框架允许协整系数在不同分位数的创新从冲击。然而,这种方法论的适应是一个权衡决策研究的贡献。不同级别的政策不确定性、传染病和隐含波动率预计将有不同的影响市场流动性不足。因此QARDL方法可以解决这一问题的政策制定,这样做,有助于金融文学从前后文集中方法论的角度。因此,QARDL方法允许长期quantile-dependent相关变量之间的关系的研究有一个混合的顺序时,集成和健壮的结果变量在模型中失败的常态。ARDL纠错的形式给出 在哪里捐赠的一阶差分因变量, 代表了K×1解释变量向量不共合体,(p,问延迟订单,给出了拦截,表示长期均衡调整的速度,表明长期参数, , 代表短期参数,误差项。

指赵et al。37),QARDL模型可以写成: 在哪里 和被定义为 ,在哪里 是分位数的有条件的最小的 , 是由 ,和最优滞后阶的p和问选择使用贝叶斯信息准则(BIC)。基于方程(2),我们QARDL模型由以下给出。

个体效应的不确定性指数流动性不足:

综合效应的不确定性在非流动性指标: 在哪里市场流动性不足,而EPU IDEMV,波动率指数代表,分别经济政策的不确定性(EPU)传染病EMV追踪(IDEMV)和隐含波动率(VIX)。 , , ,和分别是不同的价值观 ,EPU IDEMV,波动率指数。

2.2.2。小波相干性的方法

我们第一次检查之间的关系非流动性和不确定性指标美国市场的流行和宁静时期使用QARDL模型。虽然被证明是有效的在考虑短期和长期变量之间的相互作用,这类模型无法处理造成的复杂结构非线性时间序列的谱特征和之间的联系很短,短,中,长期变量。

(1)离散小波变换。与傅里叶变换,考虑与时间信息同步频率成分的信号。小波分析,我们理解两种小波变换之间的关系。第一个是正交的离散小波变换(此后,DWT),而第二个是非正交的命名为极大重叠离散小波变换(此后,MODWT)。DWT的时间序列是一个合适的工具,它允许一个人调查这个时间序列的多尺度特征。DWT的给定时间序列分解成一组同样正交小波基函数。这是形式,任何小波变换的离散采样。一个信号的DWT (X)是一种合适的方法,允许一个分析这个信号的多尺度特征。这个变换的主要目的是将信号分解成一组正交小波基函数。Galegati [51),MODWT同化是一根细长的DWT的变异。这种方法是一个线性过滤过程,允许将一个时间序列转换为参数,这是固有的跨尺度偏差。此外,与DWT, MODWT可以oversample数据,因此在高尺度放大信号的分辨率。这允许我们获得全面的信息关于时间序列的可变性。MODWT是适当的缩放和小波系数估计和 。在形式上,他们表示如下: 在哪里和分别显示小波和缩放级别过滤器。MODWT小波和扩展过滤器是直接从DWT过滤器产生。这两个组件,分别显示为

当我们考虑作为一个二阶平稳随机过程与零的意思是,小波变化在任何规模给出了小波系数的方差在规模和指定为

使用MODWT信号分解使用Daubechies滤波器长度8个。根据短跑和Maitra [52),Daubechies过滤器生产参数,通过尺度表现出更好的uncorrelatedness并产生更好的结果。一般来说,这个系列从分解为小波的参数D₁来D₅。在目前的研究中,错误定价和投资者情绪之间的连通性分析各种频率,短尺度,分别对应于第一分解D₁(2 - 4天),第二个D₂(4 - 8天),中等尺度对应D₃分裂到8 - 16个天()和长期尺度对应D₅(32 - 64天)D₄(至少需要补充16至32)分解。同样值得注意的是,在更高的频率,过去存在的异常值较低的频率。

2.2.3。连续小波变换

类提供了一个同步定位在时间和频率域。指Nunes和Rua53)和Barunik et al。54),类是由

具体地说, 发现通过预测具体的小波在考虑时间序列。类的引用,我们承认三项措施,允许共同分析信号的时频域,即小波功率谱,cross-wavelet力量,小波相干。

(1)二元小波相干。不同的小波方法被用来评估非流动性之间的关系,经济政策的不确定性,隐含波动率,传染病跟踪指数。背后的目的选择不同的小波工具可以解释他们的发现能力和遵循时间尺度不同的轮廓。小波工具评估时间序列的谱特性作为时间函数和暴露时间序列的周期成分随时间不同。同时,小波工具允许可视化变量之间的关系随着时间的推移在不同频率和空间。

小波分析的主要优势之一就是它能够显示隐藏过程发展中循环的趋势和模式与金融和经济时间序列有关。此外,由于其可视化的具体时间和规模冲击的能力,小波相干分析旋翼还提供了一个深刻的理解机体变量之间的关系在不同的尺度上(短、中、长期运行),随着时间的推移。

注意,投资者异质异构投资视野支持的存在,一些规模乐队(高和低尺度)。因此,投资者决定投资组合管理是不同的在不同的频率范围。更明确,短期投资者将关注短期时间序列一致性局部低尺度,而长期投资者高尺度更感兴趣。在这项研究中,我们选择不同的小波工具,即二元,部分,和多个小波相干性,小波的不同方法中选择在我们的调查。数学上,交叉小波的方法有能力分解最初然后重组x(t()函数53)如下:

整个系列在时频域小波相干性的方法是一个合适的工具计算本地相关的系数。绝对平滑交叉小波值是用来量化小波相干性,每个系列的产品标准化的单个小波功率谱平滑。

小波相干性给出了本地化这两个信号之间的相关系数随时间和频率。显然,小波相干之间的co-movements能够忠实地检测信号在不同的投资周期。从方程(10),给出了滤波参数。 就像的相关系数满足接下来的不同吗 。当平方小波相干值接近于零,这表明两个时间之间的相关性较弱的信号。同时,相关系数值接近单位表示的存在很强的相关性。

(2)多重小波相干。除了小波相干分析,我们使用部分和多个技术的小波(分别以后,普华永道和发出邀请函)。这两种方法都有可能包含控制变量在一个多元的框架,而cross-wavelet连贯性等小波方法和小波相干不提供这种可能性。

部分小波相干允许取消后确定小波相干两个变量之间的影响第三个变量代表他们共同的依赖,而多重小波相干有助于寻找小波相干的多个自变量对因变量。同时,多小波能够检测领域co-movements变量之间的时频空间。采用多元小波,低频振荡的biasness是消除显然看到了功率谱估计的小波(见刘et al。55)和Veleda et al。56])。最后,这些多元小波允许围栏的另一个(第三个)变量称为调节因素,忽略了在二元小波的方法。同样,两个变量的联合影响不承认第三个变量的二元小波相干性的技术。部分小波相干方法的原则由两个时间序列之间的小波相干检测消除后第三个的力量。根据Mihanovic et al。57),部分小波相干类似于一个简单的相关性,这将表示为

多个小波相干和多个相关性更相似,这是有意义的探索多个解释变量的影响一个解释变量。通过小波相干性的应用程序后,多个小波相干详细使用下面的方程,这是类似于多重相关性。多重小波相干有助于评估多个变量的影响在特定的因变量。

平滑参数被称为y ,在上面的方程。系数的平方wavelet-coherence (CSWC)满足不平等的要求 。当一个值 接近零,相关性较弱,它表明的价值吗 接近一个意味着高相关性。原因前面所提到的,变量的方法检验的时间和频率被认为是最合适的一个。此外,两阶段变量的时间序列 可以用来区分阶段的这两个时间序列变量之间的关系。在这个阶段差异,pseudo-cycle的位置是由

箭头方向揭示相连接。如果箭头指向正确的(分别地。左),这意味着这两个变量是积极(消极的)连接。此外,如果箭头方法,(分别地。下),变量x领导职责。滞后)。另一方面,如果箭头移动到左边,第一个变量x滞后,相关性是负的。不过,如果箭头向左走,第一个变量x是领先的,相关性是负的。

在所有小波图下面,频率转换为时间单位(每日)垂直轴和时间(月或年)在水平轴。在这些情节,黑色的轮廓强调最重要的地区5%的水平相比,红色的噪音。高功率区硬币分隔的影响(COI),由较轻的显示颜色。

3所示。实证结果

3.1。QARDL实证结果

我们第一次评估非流动性和不确定性指标之间的交互使用QARDL模型安静期间当没有危害会影响市场稳定。对个人的影响在非流动性市场不确定性指标,表4- - - - - -6报告的变异误差修正模型(ECM)协整参数ζ(τ)分位数(由AL_1)。ECM参数出现明显的所有分位数的和消极的。这是一个非常高的代名词变化的速度从短期失衡长期均衡。因此,有一个长期的变量之间的相互作用。此外,结果表明,调整增加的速度与分位数的波动率指数;然而,相反的EPU IDEMV。

具体来说,对于EPU的影响,表4表明,在短期和长期,EPU是负面的和重要的在1%的水平和在瞬时时间分位数。因此,增加1% EPU减少2%在第一分位数和23%分位数。同样的,从长远来看,增加1% EPU生成减少2%和24% 。这意味着EPU指数提高的信息内容在平静时期美国市场的流动性。另一方面,我们的结果表明,滞后EPU短期和长远来看是积极的和重要的。在短期内,增加1% EPU_2和EPU_4增加1.7%和1.2%分位数和10%在第二个分位数,分别。

类似的结果也长期所示。增加1% EPU_2和EPU_4增加1.7%和1.2%分位数和11%在第二个分位数,分别。这表明,滞后的信息内容EPU有助于减少美国市场的流动性低,中间分位数。这意味着持续的经济政策方面的不确定性可能使市场稳定困难流动性。表5礼物的结果估计波动率指数的影响。瞬时间,结果见表5表明,在1%的显著性水平波动率指数仍有其积极意义的短期和长期的第二和最后的分位数。在短期内,当VIX指数增加1%,中间的半岛增加了868%和1333%,分位数,分别。这意味着流动性增加大小τ向上层分位数不同,尽管VIX指数的一个重要和积极的影响滞后1中检测到非流动性。波动率指数增加1%生成增加铝152%分位数较低。类似地,相同的结果显示长期水平。我们表明,瞬时水平,增加1% VIX指数增加了865%和1260%,分别在中间和最后一分位数。另一方面,落后的水平,一个重要的和积极的VIX指数对流动性的影响存在滞后1。此外,在第一分位数,波动率指数增加1%生产增加了155%。这些结果表明,当前的波动率指数信息在美国市场生产减少短期和长期的流动性τ对更高的分位点不同。同样,我们的研究结果清楚地表明,滞后的信息内容VIX有助于减少短期和长期的流动性。然而,这个结果只是显示在第一分位数。IDEMV的影响,我们表示在表6IDEMV之间没有检测到显著协会和艾尔的短期和长期的水平,除了在滞后4 IDEMV之间的重要关系,流动性不足是观察到的第一个分位数。这些结果强调的解释力不确定性产生的传染病是无关紧要的,在解释流动性平静的时期。

我们现在的讨论转向同时非流动性市场上的不确定性指标的影响。如表所示7和8协整的调整参数的误差修正模型(ECM)(由AL_1)对所有分位数是负的和重要的。这意味着快速收敛的存在长期均衡。同时EPU的影响和波动率指数在流动性不足,表7表明,在瞬时水平,VIX指数在5 1%,具有重要意义 , ,和在短期和长期。具体来说,波动率指数增加铝的水平增加了1% 191%,877%,1615%。同样的,从长远来看,1%的VIX指数的增加产生的增加铝195%,868%,1437%。

然而,EPU负重大的短期和长期在1%的显著性水平,第一和第二只分位数。增加1% EPU在短期内降低阿尔·6.1%和13%,6.3%和13%。至于落后水平,波动率指数的协整系数滞后1是发现微不足道的短期和长期分位数。然而,落后EPU似乎微不足道的分位数,除了在第一个分位数的协整系数为负,意义重大。从上面的结果可以看出,VIX指数提高的解释力与EPU估计。

关于EPU的联合效应和IDEMV流动性不足,表8表明EPU在1%显著水平在短期内和长期第一和第二分位数。增加1% EPU在短期内降低阿尔·3%和20%,3%和21%分位数从长远来看和 。然而,当代IDEMV并不显著的短期和长期的平静时期分位数。此外,结果表明,滞后的IDEMV积极影响流动性不足(1),(3),(4)在第一个分位数和滞后(4)中间分位数。这意味着落后IDEMV可以用来预测美国金融市场的流动性。

结果证明在流行条件相同。表9- - - - - -11表明,该协整参数ζ(τ)分位数(由AL_1)是重要的和只考虑个人的负面效应。这表明变量之间长期互动。具体来说,调整的速度更为明显的改善的VIX指数比情况下EPU和IDEMV分位数。表9也说明了EPU对流动性的影响。瞬时间,表显示EPU负面意义重要,1%和5%的水平在短期和长期的。因此,增加1% EPU降低短期内10%和30%,14%和52%的长期中产和上分位数。

虽然滞后EPU出现积极和显著的短期和长期的所有分位数,在短期内,EPU_1增加1%,分别导致半岛第一分位数的增加(3%),第二个分位数(21%),第三分位数(49%)。同样,从长远来看,增加1% EPU_1导致增加铝的4%分位数,29%分位数,分别在第三分位数和85%。此外,表10礼物的结果估计波动率指数之间的联系和流动性不足。这个表显示,目前在1%的显著性水平波动率指数仍有其积极意义的长期和短期在所有分位数。波动率指数增加1% AL增加656%,1750%,和2697%的短期内,746%,2029%,3050%。这意味着投资者恐惧(VIX指数衡量)导致增加流动性的大小τ移动到更高的分位数。第二,落后波动率指数具有显著的解释力在长期和短期流动性不足。在落后2 (和 )和3 (和 ),的影响是负的。

现在让我们看看IDEMV对流动性的影响。表11显示当前IDEMV负重大的短期和长期对所有分位数在1%的显著性水平。因此,增加1% IDEMV降低铝77%,177%,和346%在短期内,78%,226%,466%。EPU一致估计,IDEMV是重要的和积极的对所有分位数在1 - 3落后,除了滞后2重要的第一分位数。分析的直接影响EPU, VIX指数流动性不足提出了表12。当前的波动率指数有正向且显著的影响在所有分位数流动性不足。在短期内,VIX指数增加1%铝增加308%,2241%,2518%。

同样,VIX指数增加了1%在长期内增加333%,2411%,2431%。相反,EPU负重大的短期和长期对所有分位数在1%的显著性水平。EPU增加1%减少8.4%,31%,和47%的短期内,9%,33%,45%。前效果,VIX指数出现积极和显著的滞后1(分位数 )和滞后4 ( )。消极和重大影响是观察到滞后2(所有分位数)和滞后3(分位数 )在短期和长期。

同样,在短期和长期,EPUs有正向且显著的影响滞后1(分位数 )和3(分位数 )和一个消极和重大的影响在落后4分位数3。我们现在关注的结合影响EPU IDEMV流动性不足。表13显示当前IDEMV负重大意义在1%和5%水平在短期和长期对所有分位数。IDEMV减少半岛增加了1% 65%,123%,和197%在短期内,67%,148%,244%。此外,当前EPU负重大的短期和长期在1%的显著性水平只有第一分位数。EPU减少铝5%增加1%的短期和长期的。的滞后影响,滞后1对所有分位数IDEMV仍有其积极意义,在落后2分位数 ,和落后3分位数。同样,EPU,积极和显著的影响是观察到滞后2(分位数 )和滞后3(分位数 )在短期和长期。

3.2。小波相干结果

我们尝试使用二元和多个小波。我们的主要目的是评估co-movement和动态相关性的变量在时间尺度空间和安宁,大流行时期。图1报告之间的相干非流动性和EPU宁静的样本期间和在不同的尺度。从情节,我们检测到相位差如箭头所显示在不同时间和频率域表明没有联合周期性夫妇。同样,在短期范围内,相干图不一致在整个传播数据跨度相当分散,和相位差吸如箭头所示。我们表现出小相干轮廓显示左箭头,上下是分散在短期内。同时,视觉观察这情节显示最高水平的一致性介于0.8和0.9被认为在相对应的长地平线64 - 128天的尺度和在此期间从2020年4月和2020年9月结束。箭头显示是正确的,因此指示EPU高尺度的主要影响。这一发现印证了QARDL模型。更准确地说,我们展示一个强大EPU和流动性之间的关系倾向于美国市场和高度从短期到长期的变化。这意味着增加了经济政策的不确定性与股票市场流动性危机。

隐含波动率和流动性之间的co-movement是显示在图2。重要的连贯逻辑分散在短期和长期的视野;然而,我们观察到明显的能量浓度从0.9到1和发生介质的高尺度,建议长期隐含波动率和流动性之间的关系。总的来说,在低频率(即水平。,high scales), the arrows’ direction to the right and down recognizes the positive and leading effects of VIX on illiquidity. The combined effect of EPU and VIX on US stock market liquidity is exhibited in Figure3。值得注意的是,一个重要的加入EPU和波动率指数流动性的影响揭示了跨尺度和随着时间的推移。然而,尽管红小区域分散在短尺度,最强的地区的共同影响是局部的高尺度表示通过这种方式,长期对流动性的影响。这些研究结果类似于我们以前QARDL模型生成的结果。之间的co-movement流动性和IDEMV绘制在图4。一致性主要是显示在此期间2020年4月至2020年10月在中长期鳞片。消极的关系主要是长期本地化(左派和向下箭头表示一个反相关系)。虽然IDEMV和流动性夫妇的相位差在平静的时期,不确定的EPU评估联合这些指标对流动性的影响(见图5)非常明显。更明确,IDEMV和EPU流动性高的综合效应是分散的随着时间的推移,特别是在低和高频率(即。短期和长期的视野)。从QARDL输出展出,IDEMV解释力的流动性改善结合EPU时。

在大流行期间,co-movement EPU和流动性(图之间的关系6在不同尺度上)是可见的(短期、中期和长期的视野)。箭头是异类,他们改变了从地平线到另一个方向。时一直在短期内,他们指出,从长远来看。总的来说,这是一个积极的(同相关系)的变量之间的关系。从情节,相比co-movement EPU和流动性之间的时期,我们很容易明白EPU效应在大流行期间更有趣。图7报告co-movement流动性不足和波动率指数之间的关系。总的来说,不管箭头方向,值得注意的是,有一个积极和显著的一致性之间的流动性不足,VIX指数在样本期间,在所有频率。在低尺度对应于(2 - 4)和(4 - 8),右边的箭头指出,表明流动性不足导致我们隐含波动率增加。然而,波动率指数领先美国在中、高流动性不足尺度(即。,medium and long-term horizons) in the middle of the sample period (May 2020–September 2020). This finding allows to show the significant explanatory power of VIX on US illiquidity.

IDEMV我们流动性不足的主导作用在大流行期间展出在长期(见图8)。对这对夫妻来说,一个积极和显著的一致性非常显示在样本期间,主要定位在低尺度。视觉检查的综合影响EPU和波动率指数流动性不足(图9)允许识别主要发现。第一,在大流行期间,强大的组合的影响EPU和波动率指数在流动性不足都是分散在样本期和各种尺度。第二,值得注意的是,合并后的力量凝聚EPU和波动率指数高于那些宁静时期共同影响。此外,我们认为一个强大的综合效应EPU和IDEMV流动性不足(图10)。这种效应是可视化在整个样本期间,特别是在长地平线蔓延。这些发现证实了那些QARDL生成的模型。

4所示。讨论和影响

学者和市场参与者认为,当前COVID-19大流行期间,不确定性的稳定股票市场在短期内和长期增长,这可能有一个明确的影响最优投资组合的平衡。正如上面所讨论的,许多作家检查COVID-19流行和股票市场之间的联系。他们表示,此次疫情对金融市场有很大的影响。同样,本研究探讨了不确定性的解释力指数在宁静的美国金融市场的流动性和大流行时期。出于这个原因,QARDL和小波相干方法被认为是调查EPU的影响,波动率指数,IDEMV在频率和流动性不足。QARDL结果揭示了一个重要的所有分位数和负误差修正参数。这意味着一个非常快的从短期过渡到不确定性变量之间的长期均衡和流动性不足。

此外,QARDL结果证明,在平静时期,滞后EPU测量的不确定性,当前的波动率指数,滞后VIX导致美国股市的流动性降低。这些结果证实那些显示小波方法的显著影响EPU和波动率指数的下降短期和长期的流动性。然而,有流动性的改善在考虑当前EPU作为解释变量。这是符合赛义德,鲍30.)表现出显著的溢出效应的全球经济政策的不确定性(GEPU)石油金融市场的发达国家和新兴经济体的出口商和进口商。

平静的时期相比,QARDL结果表明EPU的解释力和波动率指数系数增加在流感大流行期间。消极和重大的影响当前EPU和滞后波动率指数增加流动性,同时积极和重大的影响滞后EPU和电流波动率指数减少流动性在美国股票市场在短期和长期。这证实了鲍的结果等。28和杜塔等。32在我们隐含波动率的重要性。后来发现也揭示了小波工具。总的来说,EPU变得更加强大的大流行时期时考虑。证据表明,所有系数测量瞬时和滞后EPU增加一个有趣的方式。

在财务条款,这将导致两个对比情况。当政策不确定性信息的数量到达美国金融市场的瞬间,它使流动性高的水平。这可以解释为投资者的担心关于市场的不稳定COVID-19大流行期间,这将迫使他们迅速采取出售或购买证券的投资策略。然而,当EPU信息流入市场滞后,大大减少流动性。这意味着EPU信息可以降低流动性的到来,因为投资者可能怕时间不确定性的连续性,通过减少交易,他们改变他们的投资策略。

关于VIX指数在流感大流行期间的影响,滞后的信息内容VIX似乎有一些坚持改善冠状病毒危机期间,短期和长期的流动性,同时,美国投资者担心冲击的作用导致流动性的蒸发。更详细地,随着时间的推移,这种风险我们恐惧造成的冲击已经失去了它的不利影响流动性和它的作用已经成为积极和流动性有所改善。这表明投资者应对产生的恐惧COVID-19危机的经验和效率,消极地影响她们当它发生后瞬间。

在UPR的大流行波动率指数VIX主导着宁静的我们。结果表明,所有估计系数增加。这凸显出美国波动率指数对大流行期间更敏感比平静的时期,这意味着COVID-19爆发加剧了流动性情况,特别是同时。另一方面,传染病的信息内容(以IDEMV)没有影响流动性的平静时期。这证实了结果通过小波的方法。此外,带来的不确定性的影响金融市场上的传染病大流行期间危机似乎发挥重要作用的一个瞬时的基础上改善流动性,而不是明显的平静时期。这个观点的结果揭示了鲍et al。31日]IDEMV指数的作用是很重要的预测在COVID-19大流行。产生的信息流传染病在金融市场力量投资者迅速采取多空投资策略,从而提高流动性。然而,积极的滞后意味着流动性下降以来投资者受到惊吓的持续影响大流行在美国金融市场,迫使他们减少投机交易。这也可能意味着流动性的蒸发。

此外,EPU的综合效应的考验,VIX指数显示,隐含波动带来的不确定性降低流动性滞后和同生的方式,而流动性的改善是EPU发现的情况。这个结果证实那些证明小波工具说明,VIX指数之间的显著的综合效应和EPU位于高尺度显示潜在的美国金融市场流动性的增加。这个结果证实那些证明小波工具说明,VIX指数之间的显著的综合效应和EPU位于高尺度表示的主要解释力VIX指数和EPU流动性不足。

然而,当代的信息内容和落后的经济政策的不确定性产生的低流动性的改善。QARDL然而,如图所示,小波工具,大流行性流感危机使美国市场的流动性状况进一步复杂化。当我们考虑这种现象尤为明显。VIX指数和UPR的同步效果。的值的估计系数高于平静的时期。因此,作为信息流与美国恐惧冲击带来的不确定性增加,流动性增加。此外,提高EPU的解释力。这意味着政策性不确定性导致流动性的增加,当估计与恐惧指数分别比估计。然而,这种力量仍低于美国的VIX指数,这被认为是减少流动性的主要来源。

关于的同时影响UPR IDEMV在宁静的时候,它是可见的,流动性增加当考虑滞后和瞬时IDEMV减少当你考虑EPU指数。这个结论还支持通过小波相干分析表明的解释力IDEMV在非流动性改善EPU一起考虑。然而,QARDL结果揭示,瞬间,传染病的影响带来的不确定性在流感大流行期间金融市场危机发挥了重要作用,改善流动性,而不是明显的平静的时期。这意味着信息的到来传染病和金融市场之间的联系提示投资者遵循一个投资策略基于长和空头头寸增加流动性。

然而,连续的影响随着时间的滞后IDEMV一起考虑时,会减少流动性通过减少交易EPU。此外,经济政策带来的不确定性也会导致瞬间改善流动性。然而,相反在前面。总的来说,我们认为相关的信息流的持久性EPU和经济政策带来的不确定性在美国市场投资者在临界情况下,迫使他们采取策略基于降低交易业务。

我们的结果有许多管理的影响。首先,显著的滞后值的影响不确定性指标可以考虑美国金融市场参与者在预测当前的流动性水平为平静和大流行时期。因此,利用信息包含在隐含波动率预测流动性,经济政策的不确定性,和传染病使投资者更好的撰写他们的投机策略和成功实施短期和长期的对冲工具。第二,隐含波动率的解释能力的增加流动性比在大流行期间观察到的。这可能迫使美国金融市场决策者考虑投资者的恐惧带来的不确定性作为一个重大风险和危险,撼动了市场流动性和蒸发。此外,资产管理公司似乎主要作用在导航和指导在这种情况下的危险。这是通过有效的沟通和支持,通过提供技术利用交流和实践战略如何优化现有的投资组合与注入更多资本COVID-19大流行仍然在进步。

第三,我们的研究可以补充文献[58)等流动性通过推进替代预测流动性的政策不确定性指数和传染病EMV追踪。这可以视为拒绝半强势效率假说在COVID-19美国金融市场的大流行。这证实了费雷拉的结果(59)显示,美国市场的低效率60- - - - - -63年]。

尽管本研究重要成果和政策影响不仅对投资者也对决策者来说,它提供了一些限制。首先,本研究没有包括COVID-19流行作为一个可能的变量指标的不确定性和流动性之间的关系。其次,它也忽略了国家措施实现波动等不确定性的研究问题。本研究的实验证据可以提高了考虑这些限制。新可判断的不确定性变量也可以在未来的研究发现通过扩展时间和使用最近的方法如DFA (58,59]。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由大学科研院长职哈有,沙特阿拉伯,通过项目没有。RG-20 210。