اثرات فرکانس بالا اخبار جدید بر نرخ ارز EURUSD

نمایش فرمول :؟فرمول های ریاضی به عنوان MATHML رمزگذاری شده اند و در این نسخه HTML با استفاده از MathJax به منظور بهبود نمایشگر خود نمایش داده می شوند. جعبه را برای خاموش کردن MathJax از آن جدا کنید. این ویژگی به JavaScript نیاز دارد. برای بزرگنمایی روی فرمول کلیک کنید.

ما رابطه Intraday را بین اخبار جدید یورو خاص و نرخ ارز EURUSD با بیش از 100 میلیون مقاله خبری با دقت میلی ثانیه بررسی می کنیم. ما یک رابطه پیش بینی کننده اما نه معاصر بین این اخبار و احساسات آنها و بازده EURUSD نشان می دهیم. این امر به فرضیه انتشار اطلاعات آهسته و همچنین عدم توجه منطقی به نظریه های خبری جدید پشتیبانی می کند. علاوه بر این ، ما تغییر رژیم در رابطه بین اخبار و بازده EURUSD از زمان بحران مالی جهانی (GFC) را مشخص می کنیم. رابطه مثبت مشاهده شده از زمان GFC بین احساسات خبری و EURUSD به ویژه در بحران بدهی منطقه یورو برجسته بود.

آیا انتشار اطلاعات سریع یا آهسته در قیمت FX در فضای فرکانس بالا وجود دارد؟

آیا به محض انتشار ، نسخه های خبری کاملاً در قیمت منعکس می شوند ، یا اینکه مدتی طول می کشد تا شرکت کنندگان در بازار پردازش آنها را انجام دهند؟با افزایش مداوم معاملات با فرکانس بالا (HFT) در بازارهای جهانی طی دو دهه گذشته ، می توان تصور کرد که حداقل برخی از شرکت کنندگان در بازار روند کار را انجام می دهند و به طور بالقوه بلافاصله بر اخبار جدید عمل می کنند. با این حال ، بازارها در فضای فرکانس بالا تا چه اندازه کارآمد هستند؟و به ویژه ، بازارهای ارزی ، که بسیار در معرض دید و اخبار کلان اقتصادی ، سیاست های پولی و اخبار ژئو و سیاسی قرار دارند. بیشتر مطالعات با فرکانس بالا در فضای سهام بوده است و سهم متناسب بازار معامله گران با فرکانس بالا توسط کلاس دارایی بالاترین در بازارهای سهام است. 1 در جدیدترین نظرسنجی Euromoney FX ، رتبه فعلی نشان می دهد که برخی از معامله گران با فرکانس بالا راه خود را به 10 نفر برتر تبدیل کرده اند ، تنها در چند بانک بزرگ. 2

به طور گسترده مورد بحث قرار گرفته است که آیا معامله گران با فرکانس بالا در واقع عامل بالقوه وقایع حرکت در بازار و به ویژه تصادفات فلش یا ارائه دهندگان نقدینگی هستند که در هنگام آشفتگی های بازار ضروری هستند. در چنین حالتی ، معامله گران با فرکانس بالا به عنوان یک نیروی تثبیت کننده در ساختار ساختار بازار عمل می کنند. به نظر می رسد که مورد دوم ، به عنوان کیریلنکو و همکاران.(2017) در مطالعه گسترده خود در مورد تصادف فلش ، که در تاریخ 6 مه 2010 در بازارهای آتی S& P 500 E-Mini رخ داده است ، یادداشت کنید. نویسندگان دریافتند که "الگوی معاملاتی فعال ترین واسطه های Intraday غیر مشخص (طبقه بندی شده به عنوان معامله گران با فرکانس بالا) وقتی قیمت ها در هنگام سقوط فلش سقوط می کردند ، تغییر نکردند."بنابراین برای بازارهای سهام ، به خوبی می تواند به این صورت باشد که اخبار جدید (یا هیچ خبری در مورد سقوط فلش) می تواند اقدامات قابل توجهی قیمت را ایجاد کند ، که توسط معامله گران با فرکانس بالا تشدید می شود.

آیا همین ریزساختار بازار برای بازارهای FX اعمال می شود ، که به طور معمول به عنوان بی ثبات ترین در کلاس های دارایی قابل سرمایه گذاری جهانی دیده می شوند؟آیا بازارهای FX به طور مشابه به عنوان بازارهای سهام تحت تأثیر قرار می گیرند؟آیا اخبار جدید بلافاصله با روشی مشابه با قیمت سهام در قیمت های FX منعکس می شوند؟شکل 1 جنبش EURUSD را در روزی که S& P بدهی حاکمیت یونان را به درجه غیر سرمایه گذاری کاهش می دهد ، نشان می دهد. بنابراین این خطر به طور قابل توجهی افزایش یافته است که یونان می تواند در بدهی خود پیش فرض کند ، که به نوبه خود باعث بحث در مورد خروج احتمالی یونان از منطقه یورو (a. k. a. grexit) شد. این بحث در مورد زنده ماندن یورو به عنوان یک ارز مشترک در منطقه یورو با سیاست های عمده پولی و پیامدهای ژئو و سیاسی را برانگیخت. این عدم اطمینان باعث شد یورو روزها و هفته ها پس از اعلام رتبه S& P کاهش یابد. از آنجا که این استهلاک حتی چند هفته پس از اعلام کاهش رخ داده است ، این بدان معناست که سرمایه گذاران برای قرار دادن اخبار به زمان نیاز دارند و میزان آنها را کاملاً درک می کنند زیرا چنین رویدادی در گذشته اتفاق نیفتاده بود. در چنین رویدادهایی فکر کردن در مورد سرمایه گذار حاشیه ای مفید است. پس از کاهش رتبه بندی ، سرمایه گذار حاشیه ای به طور مداوم تصمیم به فروش یورو و خرید دلار آمریکا به دو دلیل گرفت: اول ، یورو به طور قابل توجهی تضعیف شد زیرا این اولین بار در تاریخ بود که حتی در بین سیاست گذاران مورد بحث قرار گرفت که یک کشور می تواند از آن خارج شودیورو ، و دوم ، ایالات متحده بار دیگر به عنوان یک پناهگاه امن دیده می شد.

منتشر شده به صورت آنلاین:

شکل 1. نمونه EURUSD از سری زمانی دقیقه از 2010-04-21 تا 2010-06-12. خط قرمز نشانگر زمانی است که S& P از کاهش بدهی یونان به درجه غیر سرمایه گذاری خبر داد. خطوط اتصال مستقیم نشانگر داده های گمشده در آخر هفته است.

شکل 1. نمونه EURUSD از سری زمانی دقیقه از 2010-04-21 تا 2010-06-12. خط قرمز نشانگر زمانی است که S& P از کاهش بدهی یونان به درجه غیر سرمایه گذاری خبر داد. خطوط اتصال مستقیم نشانگر داده های گمشده در آخر هفته است.

رویدادهای مشابه می توانند مشخص شوند که اخبار می توانند بر تحولات نرخ ارز تأثیر بگذارند و بسیاری از مطالعات نشان می دهد که اهمیت تأثیر اعلامیه های کلان اقتصادی بر نرخ ارز EURUSD و سایر قیمت های دارایی مالی را نشان می دهد. 3 همچنین مطالعاتی انجام شده است که به احساسات اخبار نشان می دهد که برای تأثیرگذاری بر ارزش سهام ، اوراق قرضه و قیمت های ارزی زمان لازم است. 4 همه این مطالعات با سری زمانی فرکانس پایین (به طور معمول روزانه یا ماهانه) انجام شده است. با این حال ، به بهترین دانش ما ، هیچ مطالعه ای اثر فرکانس بالای احساسات خبری بر نرخ ارز را در نظر نگرفته است. 5 چگونه اخبار جدید به ویژه بر نرخ ارز تأثیر می گذارد؟آیا این قیمت اطلاعات جدید را فوراً جذب می کند ، یا اینکه مدتی طول می کشد تا اخبار جدید در قیمت ها گنجانیده شود؟این اثر چقدر است و آیا می توان از آن با یک استراتژی معاملاتی بهره برداری کرد؟

ما در این مقاله سعی در یافتن پاسخ به تمام سؤالات فوق داریم. برای مقابله با این تجربی ، ما از یک بانک اطلاعاتی خبری جهانی که شامل 16 سال اخبار و نمرات احساسات آنها به 100 میلیون مقاله خبری در دقت میکرو ثانیه ، از 2003 تا 2018 است ، استفاده می کنیم. سریال های زمانی که نشان دهنده اخبار رمان و احساسات آنها به اروپا و جفت ارز EURUSD است. سپس ما نشان می دهیم که این سریال ویژه خبری خبری پیش بینی می کند که EURUSD 1 ساعت و فراتر از آن به آینده باز می گردد. با این حال ، ما هیچ رابطه معنی داری بین بازده EURUSD و اخبار جدید یورو به صورت معاصر مشاهده نمی کنیم.

این ثابت می کند که در واقع زمان لازم است تا شرکت کنندگان در بازار اخبار جدید را پردازش کنند و این که کل تعجب اطلاعات بلافاصله در قیمت های FX گنجانیده نمی شود وقتی که به صورت داخلی مورد بررسی قرار گیرد. نتایج ما مطابق با یافته های موجود در ادبیات فعلی در مورد فرکانس های کم است ، نشان می دهد که در فضای فرکانس پایین نیز روزها و حتی هفته ها طول می کشد تا اثر احساسات خبری تحقق یابد. علاوه بر این ، یافته های ما حتی می تواند با ادبیات عدم توجه منطقی مرتبط باشد ، زیرا ما فقط اخبار جدید را در نظر می گیریم. به منظور آزمایش ارتباط چنین داده هایی در یک زندگی واقعی ، ما یک استراتژی معاملاتی را بر اساس داده های احساسات با فرکانس بالا تدوین و پشت سر می گذاریم. ما برخی از ناکارآمدی ها را در بازارها شناسایی می کنیم ، اما این ناکارآمدی ها پس از در نظر گرفتن هزینه های معامله ناپدید می شوند.

قسمت باقیمانده مقاله به شرح زیر است: بخش بعدی ادبیات موجود را بررسی می کند و به دنبال آن بخشی از داده های مورد استفاده برای تجزیه و تحلیل است. در بخش های بعدی در مورد نتایج تجربی ، بررسی استحکام و نتایج پشت پرده بحث می شود ، در حالی که بخش آخر نتیجه می گیرد.

بررسی ادبیات

یکی از فشار تحقیقات در ادبیات مالی رفتاری مربوط به تأثیر اخبار بر قیمت دارایی است. ایوانز و لیونز (2008) دریافتند که ورود اخبار کلان می تواند بیش از 30 ٪ از واریانس قیمت روزانه را بر نرخ ارز DM/USD به خود اختصاص دهد. علاوه بر این ، آنها دریافتند که جریان سفارش پس از انتشار اخبار کلان اقتصادی بیشتر است. این برخلاف FAMA (1970) است که ادعا می کند دانش جدید فوراً در قیمت قرار می گیرد.

از نظر مقالات تجربی کمی ارزیابی لحن مقالات خبری ، Tetlock (2007) یکی از اولین کسانی بود که برای پیش بینی قیمت سهام در سری زمان استفاده کرد. در این مطالعه ، Tetlock از الگوریتم 7 کلمه ای از کلمه 7 در اخبار وال استریت ژورنال استفاده کرد تا نشان دهد که اخبار بدبینانه پیش بینی کاهش قیمت سهام را دارند. علاوه بر این ، Tetlock ، Saar-Tsechansky و MacSkassy (2008) دریافتند که کسری از کلمات منفی در اخبار مربوط به یک شرکت خاص درآمد کم آن شرکت را در مقطع پیش بینی می کند.

در حالی که مطالعات فوق مطمئناً از نظر استفاده از تجزیه و تحلیل متنی برای پیش بینی بازده سهام یا درآمدها ، شیوه ای بود ، نحوه تولید احساسات متن از آن زمان بیشتر توسعه یافته است. دانشگاهیان و فروشندگان حرفه ای به طور یکسان بر روی تجزیه و تحلیل احساسات با اخبار قابل خواندن با ماشین (MRN) 8 و همچنین فرهنگ لغت های خاص مالی مانند یکی از لوفران و مک دونالد (2011) کار کرده اند. لوفران و مک دونالد (2011) 10 پرونده K را تجزیه و تحلیل می کنند و می یابند که اگر لیست های کلمات برای سایر رشته ها برای تعریف احساسات منفی استفاده شود ، 73. 8 ٪ از کلمات نادرست طبقه بندی شده به عنوان منفی که ممکن است در یک زمینه مالی منفی تلقی نشوند ، وجود خواهد داشت. 9 فرهنگ لغت Loughran و McDonald (2011) به یکی از لیست های استاندارد کلمات مورد استفاده در تجزیه و تحلیل متنی مجموعه داده های مالی تبدیل شده است ، همانطور که توسط Glasserman و Mamaysky (2019) استفاده می شود. اخیراً ، Mamaysky (2019) به منظور ارزیابی پاسخ بازار مالی به احساسات در مورد اخبار مربوط به COVID-19 ، فرهنگ لغت Loughran و McDonald (2011) را در ترکیب با جستجوی موضوع در COVID-19 اعمال کرده است.

در قلمرو تعامل ارزی و حرکات قیمت ناشی از خبری ، رویکرد تأسیس و گسترده تر در ادبیات ، در نظر گرفتن اعلامیه های کلان اقتصادی برای حقوق و دستمزد غیر مزرعه ، تولید ISM ، نرخ بیکاری ، تورم ، تولید ناخالص داخلی یا سایر موارد است.، برای توضیح حرکات جفت ارز. به عنوان مثال ، گالاتی و هو (2003) از رگرسیون نورد استفاده می کنند تا نشان دهند که تنوع زمانی قابل توجهی از اخبار کلان اقتصادی در حرکت نرخ ارز وجود دارد که منجر به بی ثباتی پارامترها می شود. بی ثباتی پارامتر هنگامی اتفاق می افتد که خبرهای خوب گاهی اوقات منجر به بازده مثبت می شوند ، گاهی اوقات به بازده منفی ، در حالی که در بعضی مواقع بازار اخبار را نادیده می گیرد. بنابراین ، ضریب رگرسیون نورد آنها در دامنه زمان ناپایدار است. آنها دریافتند که هنگامی که اخبار از مثبت به منفی تغییر یافت ، تأثیر اخبار قوی ترین بود. آنها همچنین دریافتند که نگاه کردن به نرخ ارز از اخبار منطقه یورو و اخبار منطقه ایالات متحده نتایج متقارن را به همراه نمی آورد. این فرضیه این است که نرخ ارز EURUSD نسبت به اخبار خوب منطقه یورو و به اخبار مثبت ایالات متحده واکنش مثبت نشان می دهد. با این حال ، نویسندگان دریافتند که این همیشه اینگونه نیست. یک توضیح بالقوه برای این رفتار قیمت می تواند تغییر سیاست های بانک مرکزی و تفسیر بعدی از سرمایه گذار حاشیه ای باشد.

S. Feuerriegel ، Wolff و Neumann (2016) هنگام در نظر گرفتن اقدامات جایگزین برای شوک های ناشی از خبری در قیمت های ارزی ، نشان می دهد که احساسات خبری می تواند واریانس خطای پیش بینی نرخ ارز را توضیح دهد. وی همچنین شواهد آماری پیدا می کند که شوک در احساسات خبری ممکن است منجر به بیش از حد نرخ ارز شود. UHL (2017) با استفاده از تکنیک های هموار سازی هسته با عملکردهای مختلف هارمونیک ، به طور خاص برای نرخ ارز EURUSD حرکت می کند. او حرکت احساسات خبری را به عنوان یک عامل اضافی برای توضیح حرکت روزانه در نرخ ارز EURUSD معرفی می کند. او می یابد که حرکت احساسات اخبار با حرکت قیمت ارتباط ندارد.

بسیاری از مطالعات اخبار موجود ، داده های جمع شده را در فضای فرکانس پایین (یعنی استفاده از داده های روزانه ، هفتگی یا ماهانه) در نظر گرفته اند. با این حال ، از آنجا که اخبار در زمان واقعی منتشر می شوند و این نیز اینگونه است که اکثر شرکت کنندگان در بازار این اخبار را مصرف می کنند ، منطقی است که به تأثیرات فرکانس بالاتر اخبار و احساسات آنها بر قیمت دارایی و نرخ ارز به ویژه ، همانطور که انجام می دهیم نگاه کنیم. در این مطالعه. بازار نرخ ارز به طور معمول پذیرای اخبار فوری اقتصاد کلان است ، بلکه از هرگونه اخبار دیگر مربوط به سیاست های پولی ، ژئو سیاست گذاری و موارد مشابه ، که باعث می شود این بازار برای مطالعه در رابطه با اعلامیه اخبار در زمان واقعی ایده آل باشد. اخبار برنامه ریزی شده و برنامه ریزی نشده).

Groß-Klußmann و Hautsch (2009) و Groß-Klußmann و Hautsch (2011) احتمالاً اولین کسانی بودند که با استفاده از داده های یک موتور خبری خودکار به نام موتور اخبار رویترز ، یک مطالعه داخلی را انجام دادند. 10 آنها با استفاده از احساسات از 35 شرکت ذکر شده در بورس اوراق بهادار لندن ، به اثرات داخلی در سهام نگاه می کنند. آنها دریافتند که حجم معاملات و نوسانات نسبت به احساسات خبری واکنش نشان می دهد ، اما فقط در صورت طبقه بندی اخبار به عنوان بسیار مرتبط. ایوانز (2011) نشان می دهد که پرش در Futures ، S& P 500 Futures و Futures Bond مربوط به اعلامیه های کلان اقتصادی است. جهش های زیر این خبر به طور قابل توجهی بالاتر از جهش هایی است که از یک خبر خبر پیروی نمی کنند ، و تعجب اطلاعاتی از اعلامیه خبر می تواند نسبت های زیادی از پرش زیر را توضیح دهد. Conrad و Lamla (2010) احساسات را از مطبوعات ECB برای پیش بینی نرخ ارز EURUSD در یک تنظیم فرکانس بالا (فواصل 5 دقیقه ای) استخراج می کنند. آنها یک مدل AR-FAGARCH را با نرخ ارز متناسب می کنند و نشان می دهند که لحن در ارتباطات ECB می تواند حرکات ارزی را توضیح دهد. تحقیقات آنها بیشتر بر توضیح نوسانات پیرامون ارتباطات ECB متمرکز است.

در این مطالعه ، ما تمام اخبار جدید (هر دو موقت و برنامه ریزی شده) و احساسات آنها را در رابطه با نرخ ارز EURUSD در یک فرکانس بالا در نظر می گیریم تا بتوانیم از یک طرف پیش بینی احساسات را آزمایش کنیم و در صورت وجود ،برای مدت زمان این اثر. مطالعه ما به ادبیات مالی رفتاری به طور کلی و به ویژه در ادبیات احساسات خبری کمک می کند ، زیرا این اولین مطالعه است که تأثیر احساسات ناشی از اخبار جدید برنامه ریزی شده و برنامه ریزی نشده در EURUSD را در یک شرایط با فرکانس بالا انجام می دهد.

داده های ارز با فرکانس بالا

سری زمانی با فرکانس بالا EURUSD از وب سایت Histdata بدست می آید.com با ابزاری از وب سایت که برای این مقاله تولید کردیم. Scraper تمام پرونده های ماهانه سری زمانی EURUSD را با فواصل 1 دقیقه ای از وب سایت بارگیری می کند ، پرونده ها را در یک پرونده سری زمانی واحد در حالی که کپی ها و داده های حشره دار را حذف می کنند (مانند نرخ ارز منفی یا داده های تکراری برای بازه زمانی هم زمان) جمع می کند. وادبرای اعتبارسنجی سری زمانی ، ما آن را با داده های بلومبرگ مقایسه می کنیم. ما دقیقه به دقیقه در نمونه های تصادفی انتخاب شده برای ماه ها و سالهای مختلف بررسی می کنیم و اختلاف را با مستندات مشخص می کنیم. در حالی که مستندات داده HistData.com ادعا می کند که منطقه زمانی همه داده ها زمان استاندارد شرقی (EST) بدون تنظیم پس انداز نور روز است ، ما توجه می کنیم که این امر دارای تنظیم پس انداز روز است ، به طوری که ما ضمن ساخت پایگاه داده خود را برای این کار تصحیح می کنیم. علاوه بر این ، ما سری زمانی را از زمان استاندارد شرقی (EST) به زمان جهانی هماهنگ جهانی (UTC) تغییر می دهیم ، به طوری که با منطقه زمانی مورد استفاده برای سری Time Sentiment News مطابقت دارد ، که در بخش بعدی شرح داده شده است. درمجموع ، ما داده های فرکانس بالا با فواصل 1 دقیقه ای برای نرخ ارز EURUSD از 1 ژانویه 2003 تا 31 دسامبر 2018 داریم که در کل بیش از 6. 6 میلیون نقطه داده است.

یکی از احتیاط های مجموعه داده EURUSD این است که ما برای آخرین نقل قول های بهترین پیشنهاد داده 1 دقیقه ای داریم ، اما برای آخرین نقل قول های سؤال نیست. از این رو ، ما نمی توانیم یک سری زمانی از نقل قول های میانی را به شرح زیر محاسبه کنیم: اواسط = بالاترین _ BID + پایین ترین _ Ask 2. در عوض ، ما از سری زمانی بهترین نقل قول های پیشنهاد استفاده می کنیم. از آنجا که EURUSD به عنوان مایع ترین جفت FX در نظر گرفته می شود ، همانطور که Salmon (2014) خاطرنشان می کند ، بهترین پیشنهاد پیشنهاد یک پروکسی خوب برای قیمت فعلی بازار است. بنابراین ما فرض می کنیم که تفاوت بین پیشنهاد و نقل قول میانی به اندازه کافی بزرگ نیست که تأثیر عمده ای بر نتایج ما داشته باشد. علاوه بر این ، ما فرض می کنیم که بهترین پیشنهاد و بهترین نقل قول میانی بیشتر اوقات را به صورت پشت سر هم حرکت می دهد.

از نظر بررسی های متقاطع داده ها ، ما بررسی های با کیفیت بیشتری را انجام می دهیم و موارد زیر را یادداشت می کنیم: به طور طبیعی ، ما برای تعطیلات آخر هفته و تعطیلات در هنگام بسته شدن بازارهای مالی داده ای نداریم. با این حال ، بازارهای FX 24/5 با تجارت مداوم جهانی در طول روز باز هستند ، به طوری که ما به طور معمول در طول هفته داده های مداوم داریم. ما داده های گمشده را هر زمان که حداقل یک ساعت در هر روز تجارت نداریم ، طبقه بندی می کنیم (از آنجا که احساسات ساعتی را برای مجموعه تجربی همانطور که در بخش های بعدی توضیح می دهیم در نظر می گیریم). مقادیر گمشده ای که ما شناسایی می کنیم کمتر از 1 ٪ مجموعه داده ها را نشان می دهد. حتی اگر سهم داده های مفقود شده ناچیز باشد ، مهم است که ما بعداً رگرسیون را اجرا کنیم که به فواصل مساوی و بدون اطلاعات از دست رفته نیاز دارند. ما می توانیم از دو طریق با این کار مقابله کنیم. برای اینکه تعصب را به مجموعه داده های خود معرفی نکنیم ، ما تمام داده های موجود در رگرسیون را که در هنگام تراز کردن داده ها بعداً با داده های احساسات اخبار ، قیمت EURUSD را از دست داده اند ، فیلتر می کنیم. راه حل ممکن دوم این است که به صورت خطی مقادیر گمشده را بهم پیوسته باشد. با این حال ، ما سپس تعصب را به تجزیه و تحلیل خود معرفی می کنیم ، زیرا می توانیم بر روی داده های غیر موجود معامله کنیم. ما گزینه اول را انتخاب می کنیم.

در شکل 2 ، ما میانگین توزیع داده های قیمت را در طول روز بررسی می کنیم. به طور متوسط ، ما بین ساعت بیشترین ساعت (13:00 ، 245 - 826 دقیقه دات) و کمترین ساعت (ساعت 21 ، 204 ، 204 276 دقیقه) تفاوت 17 ٪ داریم. بیشترین ساعت (13:00) به طور معمول زمانی است که بازارهای ایالات متحده باز می شوند و بازارهای اروپا در وسط جلسه معاملاتی با ساعات معاملات عصر آسیا قرار دارند. کمترین ساعت (21:00) از نظر نقاط داده به عنوان اروپا ، آسیا و ایالات متحده بصری است و ساعات شب را تجربه می کند.