文摘

我们模型的混合不对称和四个宏观经济变量之间的非线性双向和单向因果关系(汇率、GDP、全球经济政策的不确定性,和相对CPI)和股票回报的金砖四国经济体使用信息流的频域理论。完整的整体经验模态分解与自适应噪声(CEEMDAN)的Renyi有效转移熵方法是用于建立动态的信息流动宏观经济变量与股票回报之间的金砖国家。原返回系列建议无关紧要的大多数宏观经济变量与股票回报之间的信息流动。然而,我们揭示非对称和尾巴都依赖分析在不同的尺度上金砖四国经济体的宏观经济变量与股票回报之间。此外,我们发现负重要的变量之间的信息流动,在了解历史的一个变量(股票或宏观经济变量),在这种情况下,显示相当多的不确定性比知道的历史只有其他变量(股票或宏观经济变量)。我们还观察到全球经济政策的不确定性与股票收益最重要的因果关系不良的金砖国家,特别是从长远来看。这些结果具有重要意义,投资者和政策制定者应该考虑。监管机构应该考虑制定良好的政策行动针对最小化外部冲击和不确定性的长期影响。

1。介绍

股票收益和宏观经济变量之间的关系丰富经验世界各地的文学。然而,危机的影响如COVID-19流行影响很多经济活动在全球范围内吸引了一些研究人员的注意,建立其效果在几个动力学(1- - - - - -4]。COVID-19流感大流行的影响大多数金融时间序列描述了消极的结果之间的关系揭示了之前的研究(5- - - - - -7]。具体地说,它改变了大多数家庭和政府的消费模式(8)沉淀,经济增长的下降(9,10]。从上述,除了其他危机如2007 - 2009年的全球金融危机,欧元区危机,Brexit,有一个更大的预期商业周期波动随时间曲流宏观经济条件的模式(11,12]。

几十年来,世界各地的研究人员获得了巨大的利益在宏观经济变量的波动扮演的角色股市回报(13]。另外,从理论的角度来看,套利定价理论由罗斯(制定14)的差异降到最低资本资产定价模型(CAPM)预测资产的回报之间的关系是几个独立因素的函数,并在评估macroeconomic-stock回报关系(15]。俗话说的好,“股市折扣一切”,因此,股票市场作为一个晴雨表反映任何事件,出现在一个给定的经济(16]。这些事件可能包括通货膨胀率的波动;利率;失业率;经济政策的不确定性;自然灾害,例如飓风、洪水、跳棋、恐怖袭击;和许多更多。

股票市场对宏观经济变量的影响是辩论不过低于后者对股票市场的影响。例如,因为GDP的增长水平,企业利润增加,这使得它对股市看涨。随着国内生产总值下降,商业和消费水平下降,降低市场表现。然而,股票市场是一个情绪指标,有能力影响宏观经济变量(17]。例如,国内生产总值(gdp)是一种度量,计算一个国家的经济的总产出(18]。随着股票市场估值的波动,投资者的情绪也是如此。投资者的情绪影响了他们的消费习惯。经济增长加速或减缓支出水平的变化。这是因此取决于股票市场的类型是否看跌或看涨的市场。值得注意的是,股票价格看跌股市正在下降,并使消费者和企业收入减少和信心,导致投资减少,降低了GDP。在看涨股市的情况下,反过来也是如此。这是支持由供应的方法(19],它假设因果关系从经济增长、金融市场和需求方面的方法(20.),提出经济增长会导致金融市场的发展。因此,经济增长有直接对消费者支出的影响,从而导致对商品和服务的需求激增(21]。因此,需求推高价格的增加,导致需求拉动型通货膨胀。这可以减轻采用紧缩性财政和货币政策,如削减政府开支和提高税收,或提高利率,这从长期来看会降低资产价格由于股权估值模型(22]。

股本平价理论作为一种新兴理论的国际金融,它说明了股票和汇率波动之间的联系(23- - - - - -25]。根据这一理论,当投资者的外国或国际控股比国内控股国内投资暴露于更高的汇率,国内货币贬值导致通货膨胀(26]。这些通胀压力减轻,更高的利率暴跌国内长期资产价值27]。此外,减少汇率风险,国内投资者可能会遣返外国持有的一部分作为一个反应不利影响国内货币。通过这样做,外币出售导致其折旧。stock-oriented理论,另一方面,理论之间的直接联系汇率和国内金融资产28]。这存在时对金融资产的需求,例如股票、增长(下降)和汇率对国内金融资产的需求和供给,这是需要全球分散投资组合(28,29日]。flow-oriented理论另一方面,简而言之,提供,汇率的运动是伴随着相应的资产价格运动(30.]。理性,股票收益和大多数宏观经济变量是双向也揭示了现存文献[31日,32]。

然而,上面的完整讨论不能足够了,如果我们不知道是什么驱使一个国家的经济活动。金融市场的经济有密切联系与世界其他经济体由于金融市场整合理论(33- - - - - -35]。特别是在新兴市场(35]。因此,新兴经济体已经成为越来越重要的全球投资团体近年来由于各种原因,包括预期的在国际舞台上日益增长的主导地位以及资本流入金融市场市场发生重大变化(35,36]。因此,改善资本流动和交易的价格,并返回易感性金融资产在不同国家平衡朝着进步的经济活动。这是符合经济学家的那么些在1800年代末和1900年代谁认为不包括金融体系的作用在任何话语对经济增长将有限和近视的现象37- - - - - -39尽管坚定的批评。这可以发现在金砖四国经济体已显示出巨大的增长,变得更加集成与发达市场的背景下,贸易和投资(40]。金砖国家获得了太多的注意力从国内和全球投资者,投资组合经理,决策者由于改进它们的大小和数量的投资。金砖四国的未来已经被吹捧是非凡的;因此,研究,深入研究他们的金融市场和宏观经济环境势在必行。

大量的研究已经广泛研究宏观经济环境在股市和扮演的角色的不同方法。亚当和Tweneboah[提供的一个有趣的纸41)评估宏观经济变量的影响在加纳股市参照Johansen协整向量误差修正模型和显示一个长期的关系。此外,某和Reddy [42)调查了印度股市的宏观经济变量的动态利用Bai-Perron测试,发现跨结构不同时期的重大影响。在南非,Ndlovu et al。43)研究的宏观经济变量与股票价格之间的联系约翰内斯堡证券交易所利用协整测试,方差分解和脉冲响应函数。他们发现宏观经济变量对股票价格为每个方法使用。此外,Chandrashekar et al。44]研究了宏观经济变量对股票价格的影响的两个新兴国家(巴西和印度)采用Johansen-Fisher面板协整,发现变量之间的长期关系。Megaravalli和Sampagnaro45]研究宏观经济变量的影响在亚洲股市(印度、中国和日本)利用协整测试和显示一个长期的关系。此外,一项研究拉赫曼(40]使贡献macroeconomic-stock返回nexus在金砖五国的背景下通过面板协整方法发现不远的文献。

,但最近的研究在macroeconomic-stock价格/收益关系越来越浓厚的兴趣时频模型来评估他们的时间和频率等动态小波分析(32,33,46- - - - - -52]。但是当使用小波分析,需要一个预定义的母小波分解信号,和母亲的选择小波有偏见53,54]。然而,经验模态分解(EMD)及其调整解决这个问题,因为它是一个数据驱动的过程,分解时间序列到固有模式函数(首先解释为时间范围(amplitude-modulated-frequency-modulated信号)。特别是在这项研究中,imf的代表短期,中期和长期的时期(55]。分解算法分析和高度自适应,是专门设计用于处理非线性、非平稳的,复杂的数据对时间序列的属性(不作假设54]。因为EMD方法优于小波分析,一些研究人员使用EMD调查波动的宏观经济因素和其他变量(56,57]。

无数的研究已经评估长期或短期宏观经济变量与股票价格的关系除了时间和频域技术假设一个线性关系尽管真正的金融时间序列之间的相互作用是非线性(1,34,58]。很少或根本没有研究描述宏观经济variables-stock回报关系通过传递熵在不同时间范围的力量而消除噪声的时间序列。这是说,许多研究不使用分解based-transfer熵量化股票和宏观经济变量之间的信息流动。很少有研究考虑上述变量之间的信息流不使用方法,减少噪音。明确,没有研究,我们最好的知识,结合转移熵和分解技术来检查股市和宏观经济变量关系。

传递熵,特别是Renyi转移熵,取决于一个权重参数问。当问低,反面的信息更多的重量,确保有效转移熵是显著的。这表明尾事件是非常丰富的59),将有助于准确预测宏观经济变量与股市的变动。进一步,我们分解数据也说明股票市场参与者的不同时间尺度的投资,这是符合异构市场假说竞赛(HMH)所表示的穆勒et al。60]。所以,适应性市场假说(抗苗勒氏管激素)由罗61年]假定市场evolve-due事件和结构变化和适应市场效率不同程度在不同的时间。在这方面,分解技术减少噪音(弱信号)保持真正的信号1,34,55]。这将提高研究的结果(1,34,55)尤其是当宏观经济变量与股市之间的信息流动,这是建立经验快速振荡(40),检查。

因此,研究适用于完整的集成经验模态分解与自适应噪声(CEEMDAN)提出的托雷斯et al。62年)来解决这个问题引起的混合模式EMD方法以及EEMD未能完全消除高斯白噪声后的信号重建(63年]。混合模式,根据吴和黄64年),被定义为任何国际货币基金组织(IMF)组成的振荡的高度不同的振幅,主要由驱动机构的间歇性。因此,国际货币基金组织的物理意义可以停止,显示错误,可能会有不同的物理过程在一个模式。我们分解宏观经济变量与股票回报,因为这些金融时间序列数据进行季节性调整或经验快速振荡。

此外,我们考虑熵发生转移条件制定的相关信息(65年]。传递熵量化减少不确定性尤其当条件预测变量的过去值,因此更易于统计模型变量之间因果关系的一种自然现象。它提供了一个不对称的方法来衡量随机变量之间的信息流动。在这项研究中,从宏观经济变量对股票市场的信息流动描述两个变量comove如何。量化主要宏观经济变量对股票市场的信息传递金砖四国经济体主要感兴趣的市场代理。这是证明了的事实,在新兴市场的重大变化以及金融危机带来的快速和意外的振荡在股票市场和宏观经济因素在这些经济体已经成为司空见惯。这种认识使得它必须研究这些市场之间的信息流动和宏观经济条件。传递熵的不同应用程序在几个研究领域广泛应用在金融和经济学1,34,58,66年- - - - - -69年]。

因此,CEEMDAN-based熵方法作为动力转移到理解的机制,通过宏观经济变量与股票回报之间的信息流通过时间序列分解为固有模式函数(货币)在不同的内在。此外,通过分析宏观经济变量之间的信息流以及每个金砖四国的股市回报,这使我们获得回复每个国家单独而不是平均响应获得使用传统的面板数据方法[46]。

这样流分析的多尺度信息需要调查系统的可预测性的范围内在短期,中期和长期的。因此,它是建立在复杂系统的金融时间序列与相互依存的监管机制的层次结构,通常产生复杂的振动的固有周期股票收益和宏观经济变量之间的信息交换。因此,多尺度信息流动系统能够捕捉投资者应对市场的异质性程度各地新闻内在次对竞争与他们孜孜以求促进信息流动的风险和回报之间的股票收益和宏观经济变量。

因为股票收益受许多宏观经济变量的影响,我们确保谨慎选择这些宏观经济变量与股票评估他们的因果关系。因此,四个宏观经济变量对经济活动有更大的影响和可能更关注的国内和全球投资者的股票是利用。根据之前的研究表明,这些汇率(36),国内生产总值(gdp) (70年),全球经济政策的不确定性(51),而通货膨胀率(71年]。

本文有助于文学在许多方面。我们雇佣CEEMDAN-based传递熵来衡量宏观经济变量间的信息传递的方向和大小和股票市场回报,以确定哪些宏观经济变量(s)主导(s)信息流金砖四国经济体的股市在不同的时间尺度。通过这种方式,我们可以探索多尺度(短期、中期、长期)的信息可能会被忽略。由于大多数金融时间序列的非线性,我们将采用对数似然比熵量化信息从一个概率密度函数来填补缺口macroeconomic-stock市场关系现存的文献中,主要是利用线性模型。尽管转移熵的流行和分解技术在金融和经济文学,没有研究,我们所知的,集中在宏观经济变量间的量化信息的流动和金砖四国的股市操作的多尺度熵角度使用CEEMDAN-based传输。

除了国家特定的宏观经济变量,我们认为全球经济政策的不确定性,这刺激了注意力从研究人员、投资者和政策制定者自2007 - 2009年全球金融危机(46,51,68年]。因此,经济政策的不确定性,包括不确定性相关货币政策,财政政策,规章制度,也可以对痛苦的金融体系。足以说,由于经济政策的不确定性冲击的趋势影响国际股票的回报,我们使用全球经济政策的不确定性除了其他宏观经济变量来评估他们的信息流金砖四国的股市。

从上述参数,找到下面的假设:(我)有一个重要的股票收益和宏观经济变量之间的因果关系在投资的视野。

我们文档负重大变量之间的信息流动;,知道历史的一个变量,在这种情况下,表示不确定性大大多于知道只有另一变量的历史。我们也观察到全球经济政策的不确定性具有最重要的逆向因果关系与股票收益的金砖四国,尤其是在长期。

剩下的部分系统化如下。下一节将讨论研究方法的问题,和部分3提供了研究结果与讨论。部分4包含研究的结论,其中包括发现的意义和建议。

2。方法

分析研究了使用这两种熵CEEMDAN和转让技术。我们首先介绍CEEMDAN方法,其次是传递熵,具体来说,Renyi转移熵。

2.1。CEEMDAN

经验模态分解技术获得了快速关注研究人员由于其纯粹的数据驱动算法分离尺度独家预定义的基函数,不同的小波分析(54]。尽管如此,EMD方法度假村规模混合问题。这个问题解决了集成经验模态分解方法(EEMD)由吴和黄72年)将一系列随机生成的白噪声的原始信号。值得庆幸的是,托雷斯et al。62年)开发的完整的集成经验模态分解与自适应噪声(CEEMDAN)来解决EEMD内的残留噪声在重建信号通过附加噪声残余之前迭代而不是原始信号(54]。相比EMD, CEEMDAN EEMD,可能CEEMD,无论数量的分解和重建误差信号趋于0,和完整性较好。此外,它解决了分解效率低的问题,节省了大量的处理能力。再次CEEMDAN遵循一个高斯分布的输出,以便每个国际货币基金组织(IMF) (73年]。这很重要,因为观测数据经常描述一组现象可能是不同类型的,即不同质量的现象,其中可能包括(74年),这些不同的品质提出了自己在定量金融时间序列的差异(55]。

宏观经济变量与股票回报被分解成七个货币基金和残留。这是与实现libeemd R包(75年]。

算法的应用总结如下:

开始实现的数量N、噪声参数指数对国际货币基金组织(IMF)j= 1。

执行EMDN实现; 在哪里n是指为实现指数;是白噪声序列添加到候选信号;和是噪声参数的初始步骤。

系综均值计算固有模态函数(IMF)

可以确定为第一独家残渣

进化N实现,那么操作员生产通过EMD模式

最后一步是计算残留物, 是

我们使用默认参数中提供一揽子Helske和Luukko75年]。

2.2。Renyi转移熵

在我们讨论熵Renyi转移之前,我们现在的想法夏侬熵作为衡量的不确定性传递熵是嵌入在信息理论(76年]。我们考虑一个概率分布与多样化的一个给定的实验的结果 。被指定为每个符号的平均信息 在哪里n表示数量的不同符号的概率 。

香农熵的概念(77年]介绍了1948年由香农(77年]。这表明,离散随机变量( )的概率分布( ),平均所需的比特数最优编码独立了(76年)可以表示为

用马尔可夫过程的概念,香农熵(77年]与[Kullback-Leibler距离的概念78年)为了测量两个时间序列之间的信息流动。我们提出和与两个离散随机变量对应的边际概率和和联合概率 ,与动态结构与秩序的平稳马尔科夫过程( )和( )。马尔可夫性质意味着检测概率在时间 在国家有条件的以前的观测是 。编码的反射 ,一旦事前的所需的平均比特数k值可以被称为示 在哪里 (类似地过程J)。在二元的角度以及依靠Kullback-Leibler距离(79年),信息流动的过程J来处理我是衡量计算广义马尔可夫性质的偏差 。香农熵从而可以转移所示 在哪里计算的信息流来 。类似地,作为一个衡量的信息流来可以导出。的主要方向信息流可以通过计算得出的区别和 。

基于香农熵(77年)到目前为止所讨论的,我们现在Renyi传递熵(59)这是取决于一个权重参数并且可以计算的 与 。为 ,Renyi熵收敛于香农熵。为 ,因此,低概率的事件得到了更多的体重,而为 ,权重收益结果有较高的初始概率的。因此,Renyi熵允许强调多样化的分布区域,根据参数(68年,76年]。

应用护送分布(80年] 与 规范化加权分布,Renyi转移熵(59派生的表示

值得注意的是,Renyi传递熵可以有负值。因此,知道的历史描述了比正常更大的不确定性表示只知道的历史 。

传递熵参数偏置在小样本(81年]。偏差的校正计算的有效传递熵所示 在哪里 描绘了转移熵通过版本的时间序列 ;也就是说,选择观察时间序列的随机值并重新调整他们组建一个新的时间序列,破坏的时间序列相关性 ,不是只有统计之间的依赖关系和 。这处 增加样本容量,收敛于零,任何非零值 是由于小样本的影响。因此,重复洗牌和重组转移熵估计的平均值在所有复制可以用作小样本偏差估计。这是减去从香农或Renyi转移熵估计bias-corrected有效传递熵估计。

依靠一个马尔可夫块引导,传递熵的统计意义估计给出了方程(12)可以检查提供的文献[82年]。这保存在变量的依赖关系和但忽略了数据之间的依赖关系和反对洗牌。的分布估计的零假设下没有信息运动是由重复传递熵估计。相关联的是由 在哪里表示模拟分布的分位数,这是转移定义的熵估计(76年]。

2.3。数据来源和描述

研究采用月度股票价格组成的金砖国家巴西(Ibovespa指数)、俄罗斯(莫斯科交易所俄罗斯指数),印度(漂亮的500指数),中国(上海证券交易所综合指数)和南非市场/富时全股指数)。我们进一步考虑有关宏观经济variables-exchange率(每美元国家货币),国内生产总值(GDP),全球经济政策的不确定性(三个方面与经济(E),政策(P)和不确定性(U)和通货膨胀率(相对消费者价格指数)。月度数据跨度1999/02到2021/02产量265后观察消除缺失的数据。具体地说,合并后的数据有相等的日期来提高有效的比较,获得的样本时期,以确保一致的数据可用性。建议期间被选为封面的2008年全球金融危机期间,美中贸易紧张,COVID-19大流行时期。月度数据选择超过年度系列财务数据以来经验快速振荡。然而,日常数据没有考虑由于难接近的数据对于大多数宏观经济变量。

股票市场指数和宏观经济变量数据是来自经济公司和发展组织(OECD)数据库,在全球经济政策的不确定性数据由贝克,开花,戴维斯(83年从网站)是收集https://www.policyuncertainty.com/index.html。月度GDP数据并不令人惊讶,因为季度发布的GDP,经合组织建立月度GDP来衡量其短期动力学。月度GDP由链接体积估计季度GDP系列的美元。通过线性插值,获得月度GDP结合所需的四分之一。这项研究是基于月度股票的回报和作为宏观经济变量 ,在哪里是不断加剧返回,和分别当前和以前的指标。

3所示。结果与讨论

3.1。初步分析

表1展品的汇总统计期间市场和宏观经济环境下学习。偏态值观察显示nonnormality全面与中国股市和通货膨胀率表现出偏态接近正常的0.2403−0.2112,分别。另一方面,峰度值进一步显示值在尖峰的行为变量尤其是国内生产总值(gdp)。的平稳性检验,增强Dicky-Fuller (ADF)和Kwiatkowski-Phillips-Schmidt-Shin (kps)使用水平我(0)和最初的区别我(1)观察从ADF和kps显示,所有数据系列首先明确满足平稳性要求不同。这是符合假设各种自回归等研究文献[84年假设全球平稳性。尽管收益时间序列的平稳性,我们进一步应对潜在的非平稳采用CEEMDAN-based有效传递熵的研究。

表2提供的平稳性测试为金砖四国经济体对货币汇率(EXC),国内生产总值(GDP),全球经济政策的不确定性(GEPU)和通货膨胀和股票回报。ADF和kps就业促进平稳性分析。一般来说,我们的文档,大多数系列固定在短期和中期(货币基金1 - 5),而从国际货币基金组织(IMF) 6到剩余,我们注意到更多的非平稳序列。

3.2。实证结果

我们提出双向CEEMDAN-based Renyi有效转移熵估计除了95%置信界限金砖四国股市和宏观经济变量之间的各种固有模式函数(货币)。首先表明在金融时间序列多尺度的重要性。因此,股票的动力学和宏观经济环境不发生瞬间但几家投资视野,需要使用多尺度分析。

使用向量自回归模型和格兰杰因果检验,可以得出类似的结论作为传递熵(76年]。用人的关键好处转移熵,然而,它并不局限于线性关系。这将意味着意识的宏观经济条件或股票可能建议更高的风险覆盖其他变量。这并不是说没有信息流。相反的情况积极Renyi熵,转移知识的其他变量可以减少依赖的风险变量,信息流仅仅意味着一个因变量的风险更高。反面的知识被赋予一个高体重低的值问熵,导致一个重要的有效转移导致的现状。这表明还有尾巴股票和宏观经济变量之间的依赖。有效传递熵减少,甚至成为负重量减少。

Renyian传递熵(RTE)通常不是半正定(85年]。这是由于这样的事实:Renyi有效转移熵强调各个部分涉及概率密度函数的非线性方法。Renyian传递熵是专门用于本研究考虑到尾事件与定价相关的财务信息。当问低,反面的信息更多的重量,确保有效转移熵是重要的1,34]。这表明尾事件非常丰富,有助于预测宏观经济变量与股市的变动。由于这个原因,我们集问从Renyi有效熵0.3开创更多的重量转移到尾事件如峰值,承担直接的影响。的奥乌苏初级et al。1)和Asafo-Adjei et al。34),设置问0.3提供了沉重的尾巴在返回的程式化事实大多数金融时间序列。我们这样做说明,尽管金砖四国经济体的进步在贸易和投资方面多年来,他们的股票回报描述大比向上运动经费上支持大多数资产回报的程式化事实(35]。由于转移熵是一个非参数估计和有更高的可能性决定统计时间序列之间的依赖,我们现在讨论金砖四国股市和宏观经济变量之间套利定价理论后,除了在股票投资的程度可能会推动整个经济。

分析研究提出了五个经济体属于金砖国家有关宏观经济条件明显的贸易和投资和股票回报。原返回系列(没有分解)提出了除了七(7)多尺度(货币)+ 1提供的剩余CEEMDAN使用RTE和估计。因此,最终的输出是尾依赖、揭示了变量之间的信息流动的方向以外的其他统计技术假定所示线性和平稳性,从而忽略尾信息。这种特殊现象的RTE使它明显的贡献这研究的文献。八个尺度解释表3指现存文献[54]。

图1展示了宏观经济变量与股票市场之间的信息传输返回巴西。原返回系列,没有分解描述没有显著的变量之间的信息流动。虽然有积极的潜力来自宏观经济变量对股票回报的股票收益,反之亦然。这些观察表明,宏观经济环境和巴西Ibovespa指数不太积极应对信息流原系列。然而,结果并不令人吃惊COVID-19大流行对经济冲击以来,巴西高,包括从2014年至2016年的衰退中复苏(86年]。回顾性,巴西被认为是增长最快的经济体之一,从2000年到2012年,年均GDP的5%以上。这些快速振荡在巴西经济多年来了无关紧要的信息流动在整个原始系列。因此,不同的品质(经济波动)74年]展现自己的定量差异股市和宏观经济变量,可以准确地捕捉到不同尺度的分解(55]。

分解返回系列说明一些重要变量之间的信息传输。也就是说,不同的投资视野扮演了一个重要的角色在解释巴西经济的复杂动态环境。在短期内,有一个重要的信息流动从股票收益货币的宏观经济变量,但不同稀疏(IMF1-IMF3)。具体来说,从图1,重要的信息流动的股票收益占GDP和汇率IMF1在IMF2汇率和宏观经济变量除了汇率IMF3,代表短期。在中期,重要信息从股市流向国内生产总值(GDP)和通胀(国际货币基金组织(IMF) 4) GEPU和GDP(在国际货币基金组织(IMF) 6),和GEPU(在国际货币基金组织(IMF) 7)。然而,从长远来看,我们注意到一个重要的负面信息流动从巴西证券宏观经济变量。

股票市场是一个情绪指标,有能力影响宏观经济变量。随着股票市场估值的波动,投资者的情绪也是如此。投资者的情绪影响了他们的消费习惯。经济增长加速了支出水平的变化。市场在短期内的类型显示看涨股市,并使消费者和企业有更多的收入和信心,导致更多的投资,GDP高涨。换句话说,股市发展增强经济增长通过吸引更多的投资87年]。

流向股市回报不立即在短期内。然而,随着家庭投资于外国股票,不那么有利国内汇率波动,这反映了负重大信息流动从交换中期内股票首先4和6)。此外,其他尺度描述潜在负面从汇率流向股票从而提高股票市场中的不确定性。贬值的汇率波动导致的通胀压力,不利影响股票收益,从而呈现一个逆GDP和股票之间的因果关系,这是明显的从国际货币基金组织(IMF) 2。动态持续到信息流的暴露风险更高的股票收益在国际货币基金组织(IMF) 3。GEPU现在变得明显的负面影响,因为贸易和金融全球化的相互依存的脆弱性增加新兴市场冲击来自世界领先的经济(88年]。通货膨胀,此外,传递重要的负面信息,股票收益货币2,3,6。在这个阶段,一个有效的紧缩性货币政策提高利率可能减少经济的通货膨胀率。尽管全球经济政策的不确定性的负面影响是不容易控制,并长期在剩下的尺度。

图2展示了宏观经济变量与股票市场之间的信息传输返回俄罗斯。原返回系列没有分解描述了重要信息的流动除了汇率股票和股票占国内生产总值(GDP)观察到的尾巴。经济增长是减少了不良支出水平的变化。平均市场可能的类型说明看跌股市,以及消费者和企业收入减少和信心,导致投资减少,GDP下降。整个鳞片,似乎有更少的宏观经济变量间的信息流动和股票除了一些病例。例如,在中期内,重大的负面信息流动从通货膨胀到股票(在IMF4)而在长期,GEPU和通货膨胀的不利影响是受到股票回报。因此,了解俄罗斯股市回报的历史描述比正常更大不确定性表示只知道GEPU和通货膨胀的历史。GEPU和通货膨胀的知识表明股市回报更高的风险敞口。

因此,我们注意到重大的负面信息流动从俄罗斯国内生产总值(GDP)的股票(在国际货币基金组织(IMF) 2), GEPU(在国际货币基金组织(IMF) 3),和GDP(货币基金4和5)。通常,我们注意到一个更负面的信息流动宏观经济变量与股票回报之间在低概率事件。

图3展示了宏观经济变量与股票市场之间的信息传输返回印度。原返回系列没有分解描述重要的信息流尽管尾巴。有一个直接的不良信息流动从通货膨胀和GDP在短期内股市回报。因此,通货膨胀和GDP的知识表明印度的股市回报率更高的风险敞口。然而,在短期内(国际货币基金组织(IMF) 2),的知识在印度通货膨胀降低了股票收益的风险。换句话说,通货膨胀的本质,使其有助于股票的表现。这是可能的,当有一个增加的通货紧缩(通货膨胀相反),这是明显的在印度的经济在时间。在国际货币基金组织(IMF) 3,我们占大多数的变量之间的双向信息流动,但负面的。在中期,重大的负面信息从股市流向汇率(货币基金4和6),和通货膨胀和GDP(在国际货币基金组织(IMF) 5)。因此,纪念一个变量对更高风险的其他飙升。这也是明显的长期在几乎所有变量描述的重大负面信息流动。 Generally, there are more negative flows than positive flows throughout the multiscale at the tails between the variables.

图4展示了宏观经济变量与股票市场之间的信息传输返回中国。原返回系列没有分解描述了重要信息的流动,除了通货膨胀,而建立一个bicausality与股票之间的关系。有积极的中国原始股票收益和通货膨胀之间流动的低概率的事件。之间没有直接的信息流动的变量在短期内(在国际货币基金组织(IMF) 1)。在国际货币基金组织(IMF) 2,股票的知识,减少汇率下跌的风险。换句话说,股票价格上升导致汇率上升(人民币/美元)。这可能发生在在中国股市的表现吸引了外国投资,积极有助于国内的汇率变动的影响。国际货币基金组织(IMF) 3、汇率对股票收益产生不利影响,这可能是由于外国投资。这意味着知识的汇率暴露中国股票风险更高。因此,中期而言,中国股票传递负面信息对GDP(货币基金4和5)。它可以观察到从中国股票收益的长期贡献对宏观经济变量产生负面影响。即股票的表现上升导致较低的宏观经济环境的影响。 At this point, investors with long-term holdings on the stock of China receive less shocks from country-specific macroeconomic variables. On the other hand, adverse information flows from GEPU to stock returns of China.

图5展示了宏观经济变量与股票市场之间的信息传输返回南非。原返回系列没有分解描述了大量来自股票的信息流动除了通货膨胀。这建立一个负面信息的流动性能的股票在经济中通货膨胀率降到最低低概率事件。在国际货币基金组织(IMF) 1、知识的南非股票公开国内生产总值(gdp)提高风险较小。这里不是在国际货币基金组织(IMF) 2和4,在南非GDP的知识公开股票市场风险更高。换句话说,GDP降低企业盈利上升,这使得它对股市看跌。此外,货币基金4,南非汇率对股票收益产生不利影响,这可能是由于外国投资导致不利的汇率变动的影响。汇率变动的动态对于南非强烈证实断言由亚当et al。89年),汇率市场是由经济基本面在南部非洲发展共同体使用EEMD技术检查。因此,有一个负面的反馈效应从股票到汇率以及国内生产总值(GDP)在国际货币基金组织(IMF) 5。可以观察到显著的长期不良信息流动从GEPU南非的股票收益和通货膨胀。南非,股票收益的负面影响的知识GEPU和通货膨胀。的长期GEPU对股票收益的影响南非研究证实Asafo-Adjei et al。46采用二元小波技术时。转移的熵,这项研究的结果之间的重要信息的流动外部政策不确定性冲击和股票收益的南非强烈他亚当的结果(68年]。

表4Renyi有效转移提出了统计值熵(网)的零假设没有明显的信息流。我们提供这些值在不同层次的意义提供额外的洞察信息流动现象与结果的数据1- - - - - -5金砖四国经济体。

分析研究的转移进行了对数似然比熵量化信息从概率密度函数来填补缺口macroeconomic-stock市场上现存的文学关系中主要利用线性模型。此外,我们在不同的投资周期最小化执行信息流动噪声的数据通过应用CEEMDAN技术优于其他EMD方法。生成的从这个研究结果做出独特的贡献之前文学股票收益之间的关系在许多方面和宏观经济变量。首先,我们回应的非平稳、非对称和股票收益和宏观经济变量之间的非线性关系投资视野采用CEEMDAN-based RTE技术。第二,我们发现了一个股票收益之间的双向因果关系和相关宏观经济指标在投资尺度透露他们的涟漪效应异构和自适应驾驶需要频率相关估计。

特别是GEPU,刺激的注意力从研究人员、投资者和政策制定者自2007 - 2009年全球金融危机(46,51,68年),我们发现重大的负面信息流动从GEPU金砖四国股市主要在长期的。很明显,金砖四国经济体的股市在长远角度易受外部冲击。这解释了这一事实不仅是当地的基本面相关传输重要的冲击,但外部冲击也应给予大量关注。

因此,本研究的主要价值除了之前的研究是应用程序的方法和存在的GEPU评估本地和外部冲击的相关性在金砖四国经济的背景下传播。我们所知,这是第一个研究雇佣CEEMDAN-based熵方法研究金砖国家的股票回报率之间的因果关系和有关地方和外部的宏观经济指标。

4所示。结论

我们使用CEEMDAN-based传递熵来衡量信息传递的方向和强度金砖四国经济体的宏观经济变量与股票市场回报之间在不同的时间尺度。在这种方式中,我们探讨了多尺度信息可能被忽略。由于非线性、不平衡,大多数金融时间序列的长程性质,我们将采用对数似然比熵概率密度函数的量化信息。研究因此全面关注宏观经济变量间的量化信息的流动和股票的同时附加噪声之前迭代的残余的多尺度熵角度使用CEEMDAN-based传输。我们设置问0.3在采样时间序列占尾事件展示强调市场条件的金融时间序列的波动下降比高的ups。

我们发现双向和单向信息流金砖四国经济体的宏观经济条件和股票市场之间的多尺度建立信息流理论,两个随机变量是相关的,这样一个变量可以了解其他的通过观察其他的状态(90年]。因此,尾依赖多尺度信息流动动力学建立在这项研究中。与汇率,特别是对于bi-causality stock-oriented和flow-oriented假说是本研究有密切关系的。的不良信息流动从汇率到巴西的股市,中国和印度在特定时间尺度证明股权平价理论本国货币的不利波动由于投资于外国股票由国内投资者持有。

宏观经济条件的反应,巴西股市的表现,中国和印度是非常具有可比性。尽管,重大的负面信息流动从全球经济政策的不确定性金砖四国的股市主要在长期的。不良的长期GEPU对股票市场的影响是不远的结果之前的实证研究(46,91年]。不令人吃惊的发现GEPU对股票收益产生不利影响的中国和印度,因为Osei et al。92年)明确表示,EPU来自中国和印度的快速响应升值其他亚洲国家的EPU指标,这可能需要可能的政策不确定性的协同效应和溢出效应在亚洲国家。我们认为,金砖四国经济体的股市是容易受到外部冲击和不确定性的发现相反的长远角度挂et al。51,93年]。这是因为金砖四国经济体对国际贸易和投资开放。因此,投资者恐惧和期望从其他国家如美国可能对金砖四国的股市产生不利影响的研究中发现奥乌苏初级et al。35]。因此,外部冲击应该仔细评估除了当地的冲击。

此外,不利的国内生产总值(gdp)的贡献,股市的表现并不令人惊讶。在一个产品的生命,它只会考虑到国内生产总值(GDP)一次。结果,目前的交易资产和产权产生昔日在计算不考虑当前的国内生产总值。因此,当前股市交易所或金融资产的波动GDP值不包括在内。尽管GDP措施全部商品和服务的市场价值,经济活动,跳过常规金融渠道将被忽略。这个假设的价值波动的概念股票等金融时间序列不是充分抓住了GDP。因此,根据demand-following假说,坚持经济的实际增长逐渐金融部门。尽管如此,它是有益的供给方和需求方的假设都是至关重要的在这个研究的见解bi-causality动力学之间的GDP和金砖四国的股市回报。建议政策制定者和政府应该专注于经济增长的可持续性而部署国家层面的政策平衡通货膨胀的波动,汇率,国内生产总值(gdp)减少外部不确定性冲击的长期影响金砖四国股市的回报。

在几方面研究是有限的。首先,从CEEMDAN模型结果对模型参数十分敏感。因此,分解结果会有所不同,如果使用不同的参数,这将影响后续分析。尽管,减少主观性CEEMDAN结果通过改变模型中的参数,我们使用默认参数中提供一揽子Helske和Luukko75年]。第二,它值得考虑如何RTE这里讨论对其他相关检查。最常见的相关测试占低阶相关性(例如,时滞互相关测试)或试图解决二元时间序列之间的因果关系的问题(例如,黑客和Hatemi-J因果关系测试格兰杰因果关系检验)或(85年]。因为RTE只有比较特定元素的潜在分布,它间接处理高阶相关性和因果关系不能明确回答的问题。第三,RTE缺乏一个时间维度是single-scale熵估计等其他熵模型相比,多尺度熵和多尺度熵多元转移转移。我们减少这种困境提供了一种内在的时间维度,同时保持变量的平均响应时间通过CEEMDAN-based RTE信息流的方法。通过这种方法,我们能够执行分析在不同的投资周期减少噪音以及设置的值问根据经济活动的一般性质采样期间提供更多的重量的反面或否则。

研究样本包括COVID-19大流行时期。未来的研究可以专注于金砖四国股票和宏观经济变量之间的信息流动,COVID-19大流行期间评估COVID-19如何影响了使用更高级的分解技术建立关系由于信息流动是富裕在多尺度1,34]。使用小波技术分析也可以执行处理时间和频率维度(47,53,93年- - - - - -95年),或介体模型(96年],经建会模型[97年),和动态条件相关(36,98年]。

数据可用性

本研究的数据用于支持可按照客户要求定制。

的利益冲突

作者宣称没有利益冲突。