ПОКАЗНИКИ ЕНТРОПІЇ ЯК ОЦІНКИ ВАЛЮТНИХ РИЗИКІВ
DOI:
https://doi.org/10.26565/2524-2547-2024-67-07Ключові слова:
валютний курс, валютний ризик, ентропія, часові ряди, доходністьАнотація
Валютний ринок, як найбільший за оборотом фінансовий ринок у світі, безсумнівно, є відкритою динамічною системою, що перебуває під впливом широкого спектру детермінант, що включають політичні та економічні фактори, шоки глобальної кон’юнктури тощо. Водночас збурення самого ринку також впливають як на фінансовий, так і на реальний сектори економіки, що окреслює виключну важливість підтримки стабільного передбачуваного обмінного курсу, а у зворотному випадку, ефективного управління валютними ризиками, що, в свою чергу, вимагає їхньої правильної кількісної оцінки. Оскільки класичні– статистичні, методи оцінки валютних ризиків не завжди гарантують достовірне відображення потенційних загроз у зв’язку із наявністю шуму у фінансових часових рядах, поведінковою компонентою курсоутворення, необхідним є пошук альтернативних методів вимірювання ризиків, одним із яких постає застосування інструментів теорії динамічних нелінійних систем, а саме показників ентропії, наприклад, Шеннона та Реньї. У зв’язку із високим рівнем економічної, а точніше торговельної, відкритості, окрім динаміки самої гривні, також були досліджені коливання валют основних ринків збуту вітчизняної продукції, шоки яких можуть бути запозичені до України різноманітними трансмісійними механізмами. Виявлено, що на противагу інтуїції, вищий рівень ентропії, що означає більшу невизначеність, складність та непрогнозованість, одночасно вказує на розвиненіші, ефективніші самоорганізовані системи, в той час як нижчі значення ентропії свідчитимуть про неефективні ринки, схильних до збурень, та навіть можливе наближення біфуркаційних точок, зокрема у вигляді криз. Крім того, ентропію можна вважати цілком достовірним індикатором ризиків з огляду статистично та економічно значущих коефіцієнтів кореляції із іншими якісними характеристиками розподілів дохідності валютних курсів– асиметрією та ексцесом. Отримані результати можуть бути корисними для інвесторів та портфельних менеджерів в розрізі кращого розуміння динаміки валютних курсів, прийняття обґрунтованих управлінських рішень та мінімізації збитків від їхньої несприятливої волатильності.
Посилання
Adrangi, B., Allender, M. A., Chatrath, A., & Raffiee, K. (2010, December 19). Nonlinear Dependencies and Chaos In The Bilateral Exchange Rate Of The Dollar. International Business & Economics Research Journal (IBER), 9(3). doi: https://doi.org/10.19030/iber.v9i3.538
Anh, T. T. T. (2020). Investigating the Relationships between Asean Stock Markets: an Approach Using the Granger Causality Test of Time-Varying Information Efficiency. Dalat University Journal of Science, 10(4), 43-56 doi: https://doi.org/10.37569/DalatUniversity.10.4.614(2020)
Bask, M., & de Luna, X. (2005, August). EMU and the stability and volatility of foreign exchange: Some empirical evidence. Chaos, Solitons & Fractals, 25(3), 737–750. doi: https://doi.org/10.1016/j.chaos.2004.12.009
Garnier, J., & Solna, K. (2019). Chaos and order in the bitcoin market. Physica A, 524, 708–721. doi: https://doi.org/10.1016/j.physa.2019.04.164
Gonçalves, B. A., Carpi, L., Rosso, O. A., Ravetti, M. G., & Atman, A. (2019, July). Quantifying instabilities in Financial Markets. Physica A: Statistical Mechanics and Its Applications, 525, 606–615. doi: https://doi.org/10.1016/j.physa.2019.03.029
Gu, R. (2017, October). Multiscale Shannon entropy and its application in the stock market. Physica A: Statistical Mechanics and Its Applications, 484, 215–224. doi: https://doi.org/10.1016/j.physa.2017.04.164
Jakimowicz, A. (2020, April 16). The Role of Entropy in the Development of Economics. Entropy, 22(4), 452. doi: https://doi.org/10.3390/e22040452
Jizba, P., Laviˇcka, H., & Tabachová, Z. (2022). Causal Inference in Time Series in Terms of Rényi Transfer Entropy. Entropy, 24, 855. doi: https://doi.org/10.3390/e24070855
Lahmiri, S., & Bekiros, S. (2020, October). Renyi entropy and mutual information measurement of market expectations and investor fear during the COVID-19 pandemic. Chaos, Solitons & Fractals, 139, 110084. doi: https://doi.org/10.1016/j.chaos.2020.110084
Lahmiri, S., Uddin, G. S., & Bekiros, S. (2017). Nonlinear dynamics of equity, currency and commodity markets in the aftermath of the global financial crisis. Chaos, Solitons and Fractals, 342-346. doi: https://doi.org/101016/jchaos201706019
Liashenko, O., & Kravets, T. (2016). Fractal Analysis of Currency Market: Hurst Index as an Indicator of Abnormal Events. In ICTERI, 550-557. Retrieved from http://ceur-ws.org/Vol-1614/paper_105.pdf
Liu, J., Li, W., & Li, Q. (2022, December 9). Do Institutional Group Holding Anomalies Drive Broad Market Trends? Journal of Organizational and End User Computing, 34(8), 1–31. doi: https://doi.org/10.4018/joeuc.314787
Metin, K. (2019). Volatility measurement of the world indices using different entropy methods. Thermal Science, 23(Suppl. 6), 1849–1861. doi: https://doi.org/10.2298/tsci190130345m
Mishra, S., & Ayyub, B. M. (2019). Shannon Entropy for Quantifying Uncertainty and Risk in Economic Disparity. Risk analysis : an official publication of the Society for Risk Analysis, 39(10), 2160–2181. doi: https://doi.org/10.1111/risa.13313
Miśkiewicz, J. (2021, March 15). Network Analysis of Cross-Correlations on Forex Market during Crises. Globalisation on Forex Market. Entropy, 23(3), 352. doi: https://doi.org/10.3390/e23030352
Olbry´s, J., & Komar, N. (2023). Symbolic Encoding Methods with Entropy-Based Applications to Financial Time Series Analyses. Entropy, 25, 1009. doi: https://doi.org/10.3390/e25071009
Özkaya, A. (2022, June 25). Chaotic dynamics in Turkish foreign exchange markets. Business & Management Studies: An International Journal, 10(2), 787–795. doi: https://doi.org/10.15295/bmij.v10i2.2068
Plastun, O., & Makarenko, I. (2014). Modelling the behaviour of financial markets during the financial crisis using the fractal market hypothesis. Bulletin of the National Bank of Ukraine, 4, 38-45
Rodriguez-Rodriguez, N., & Miramontes, O. (2022, November 1). Shannon Entropy: An Econophysical Approach to Cryptocurrency Portfolios. Entropy, 24(11), 1583. doi: https://doi.org/10.3390/e24111583
Sheraz, M., & Nasir, I. (2021, May 8). Information-Theoretic Measures and Modeling Stock Market Volatility: A Comparative Approach. Risks, 9(5), 89. doi: https://doi.org/10.3390/risks9050089
Danylchuk, H. (2019, November 28). Fractal and multifractal analysis of current state of world stock markets. Modeling and Information Systems in Economics, 98, 80–90. doi: https://doi.org/10.33111/mise.98.9
Wang, R., Hui, X., & Zhang, X. (2014). Analysis of Multiple Structural Changes in Financial Contagion Based on the Largest Lyapunov Exponents. Mathematical Problems in Engineering, 1–7. doi: https://doi.org/10.1155/2014/209470