DOI: https://doi.org/10.1016/j.eneco.2024.107416
تاريخ النشر: 2024-02-20
المؤلف: Hussein A. Abdou وآخرون
الموضوع الرئيسي: ديناميات السوق والتقلبات
نظرة عامة
تدرس هذه الدراسة القوة التنبؤية لأسعار النفط وستة أسواق مالية دولية—الصين، فرنسا، المملكة المتحدة، ألمانيا، اليابان، والولايات المتحدة—على سوق الأسهم السعودي من يناير 2000 إلى ديسمبر 2019، مع التركيز بشكل خاص على تداعيات انهيار السوق في 2006. باستخدام خمس تقنيات تعلم آلي (SVM، GRNN، RBFNN، DTF، TB) وطريقة المومنتات العامة (GMM)، تكشف التحليلات عن تحول كبير في تأثير هذه العوامل مع مرور الوقت. قبل انهيار 2006، كانت المملكة المتحدة واليابان الأكثر تأثيرًا، بينما كان للنفط تأثير ضئيل. بعد الانهيار، أصبح النفط العامل المهيمن، مما يعكس اعتماد المملكة العربية السعودية الاقتصادي على النفط، على الرغم من الجهود المستمرة بموجب رؤية 2030 لتنويع الاقتصاد. ومن الجدير بالذكر أن تأثير الصين على السوق السعودي زاد بشكل كبير بعد 2006، متجاوزًا تأثير المملكة المتحدة، مدفوعًا بعلاقات تجارية قوية وزيادة الاستثمارات السعودية في الصين.
تؤكد النتائج على التأثير المستمر للنفط على سوق الأسهم السعودي وتسلط الضوء على الديناميات المتغيرة مع الأسواق الدولية. تقترح الدراسة أن على صانعي السياسات الاستمرار في السعي نحو تنويع الاقتصاد وتعزيز الروابط مع الأسواق الناشئة مثل الصين للتخفيف من الضعف تجاه تقلبات أسعار النفط. بالإضافة إلى ذلك، توفر النتائج رؤى قابلة للتنفيذ للمستثمرين وصندوق الاستثمارات العامة في المملكة العربية السعودية، مما يبرز أهمية مراقبة أداء الأسواق الدولية لإبلاغ استراتيجيات الاستثمار. يتم تشجيع الأبحاث المستقبلية لتوسيع نطاق التحليل من خلال دمج مجموعة أوسع من الأسواق الدولية وتنوع ترددات البيانات لتعزيز فهم الاعتماد المتبادل والديناميات السوقية.
مقدمة
ت outlines مقدمة هذه الورقة البحثية التحولات الكبيرة في الأسواق المالية العالمية، مع التأكيد على ترابطها والتحديات التي تطرحها الأزمات التاريخية، بما في ذلك الأزمة المالية العالمية 2008 وجائحة COVID-19. تهدف الدراسة إلى التحقيق في الحركة المشتركة لسوق الأسهم السعودي مع الأسواق الدولية وأسعار النفط، مع تسليط الضوء على الآثار المترتبة على المستثمرين وصانعي السياسات. الحركة المشتركة، التي تُعرف بأنها الحركة المتزامنة لعدة أسواق، هي أمر حاسم لفهم تسرب المخاطر واتخاذ القرارات الاستراتيجية في إدارة المحفظة.
تؤكد الورقة على أهمية سوق الأسهم السعودي، خاصة في سياق احتياطياته الكبيرة من النفط وقدرته الإنتاجية، التي تؤثر بشكل كبير على استقراره الاقتصادي. تسعى الأبحاث إلى التنبؤ بالعوائد الأسبوعية لمؤشر تداول العام (TASI) من خلال دراسة تأثيرات مؤشرات الأسهم الدولية المختلفة وأسعار النفط، مع التركيز على التغيرات في هذه العلاقات قبل وبعد انهيار السوق في 2006. باستخدام تقنيات تعلم آلي متقدمة، تهدف الدراسة إلى تقديم رؤى دقيقة حول الديناميات بين سوق الأسهم السعودي والتأثيرات العالمية، مما يسهم في الأدبيات الحالية ويقدم آثارًا قيمة لاستراتيجيات الاستثمار في ظل عدم اليقين الاقتصادي العالمي المستمر.
طرق
في هذه الدراسة، استخدم المؤلفون مجموعة بيانات مأخوذة من Investing foot_0، تتكون من بيانات تاريخية أسبوعية تمتد على 20 عامًا (من 9 يناير 2000 إلى 29 ديسمبر 2019) لمؤشرات مالية متنوعة، بما في ذلك مؤشر شنغهاي المركب (SSE)، ومتوسط داو جونز الصناعي (DOW)، ومؤشر نيكاي 225 (NIK)، والعديد من المؤشرات الأوروبية، إلى جانب أسعار النفط الخام غرب تكساس الوسيط (WTI) وبرنت (BRT) كبدائل للنفط. تتضمن مجموعة البيانات 1024 ملاحظة عبر ثمانية متغيرات مستقلة ومتغير تابع واحد، وهو مؤشر تداول العام (TASI). تم اختيار الملاحظات الأسبوعية لتتوافق مع جداول التشغيل للأسواق المعنية، مع تسليط الضوء بشكل خاص على تأثير أنشطة السوق يوم الجمعة على أسعار السوق السعودي في الأسبوع التالي، مع تجنب الفجوات في البيانات التي قد تنشأ من استخدام الملاحظات اليومية.
لإجراء التحليل، استخدم المؤلفون برامج DTREG وSTATA لتنفيذ خمس تقنيات نمذجة مختلفة لتعلم الآلة (ML): آلات الدعم المتجهة (SVM/SVR)، والشبكات العصبية الانحدارية العامة (GRNN)، وشبكة الوظيفة الأساسية الشعاعية (RBFNN)، وغابة شجرة القرار (DSF)، وTree Boost (TB)، بالإضافة إلى طريقة المومنتات العامة (GMM) لبناء النموذج. تهدف هذه المقاربة المنهجية إلى التقاط الديناميات بين سوق الأسهم السعودي والمؤشرات الدولية المختارة وأسعار النفط بشكل فعال.
نتائج
يقدم قسم النتائج نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا يدعم الفرضية الأولية، مما يشير إلى أن التدخل أو العلاج المطبق له تأثير قابل للقياس على النتيجة.
علاوة على ذلك، توضح المناقشة آثار هذه النتائج، موضحةً إياها ضمن الأدبيات الحالية. يؤكد المؤلفون على أهمية نتائجهم في تعزيز فهم الموضوع المقصود ويقترحون تطبيقات محتملة في السياقات العملية. يتم الاعتراف بحدود الدراسة، وتُقدم اقتراحات لتوجيهات البحث المستقبلية للبناء على النتائج الحالية.
مناقشة
يسلط قسم المناقشة في الورقة البحثية الضوء على العلاقات المعقدة بين أسعار النفط وأسواق الأسهم، المصنفة إلى ثلاث مجموعات أدبية رئيسية. تستكشف المجموعة الأولى الأطر النظرية التي تربط بين النفط وديناميات سوق الأسهم، مع التأكيد على كيفية تأثير تقلبات أسعار النفط على التدفقات النقدية للشركات، وبالتالي، تقييمات الأسهم. تركز المجموعة الثانية على الدراسات التجريبية التي تقيم الاعتماد المتبادل للأسواق المالية عالميًا، خاصة ضمن دول مجلس التعاون الخليجي (GCC) والمملكة العربية السعودية (KSA). تبحث المجموعة الثالثة في الآثار التجريبية لأسعار النفط على أسواق الأسهم، كاشفةً عن ارتباطات كبيرة، خاصة في الدول المصدرة للنفط.
توضح المسارات النظرية كيف يمكن أن تؤدي أسعار النفط المرتفعة إلى زيادة تكاليف الإنتاج والتضخم، مما يدفع البنوك المركزية إلى رفع أسعار الفائدة، مما يؤثر سلبًا على تقييمات الأسهم. بالإضافة إلى ذلك، تواجه الدول المصدرة للنفط آثارًا مباشرة على الإنفاق الحكومي وتدفقات النقدية للشركات بناءً على تقلبات إيرادات النفط. تشير النتائج التجريبية إلى وجود حركة مشتركة قوية بين أسعار النفط وأسواق الأسهم في مناطق مختلفة، بما في ذلك دول البريكس والولايات المتحدة، مع آثار عدوى ملحوظة خلال الأزمات المالية. تؤكد الورقة أيضًا على الحاجة إلى منهجيات متقدمة، خاصة تقنيات تعلم الآلة، لفهم هذه العلاقات المعقدة والتنبؤ بها بشكل أفضل، حيث قد تفشل النماذج التقليدية في التقاط الديناميات غير الخطية الكامنة في تفاعلات النفط وسوق الأسهم.
DOI: https://doi.org/10.1016/j.eneco.2024.107416
Publication Date: 2024-02-20
Author(s): Hussein A. Abdou et al.
Primary Topic: Market Dynamics and Volatility
Overview
This study examines the predictive power of oil prices and six international stock markets—China, France, the UK, Germany, Japan, and the USA—on the Saudi stock market from January 2000 to December 2019, particularly focusing on the aftermath of the 2006 market crash. Utilizing five machine learning techniques (SVM, GRNN, RBFNN, DTF, TB) and the Generalized Method of Moments (GMM), the analysis reveals a significant shift in the influence of these factors over time. Prior to the 2006 collapse, the UK and Japan were the most influential, while oil had minimal impact. Post-collapse, oil emerged as the dominant factor, reflecting Saudi Arabia’s economic dependence on oil, despite ongoing efforts under Vision 2030 to diversify the economy. Notably, China’s influence on the Saudi market increased significantly after 2006, surpassing that of the UK, driven by robust trade relations and rising Saudi investments in China.
The findings underscore the persistent influence of oil on the Saudi stock market and highlight the changing dynamics with international markets. The study suggests that policymakers should continue to pursue economic diversification and strengthen ties with emerging markets like China to mitigate vulnerability to oil price fluctuations. Additionally, the results provide actionable insights for investors and the Public Investment Fund in Saudi Arabia, emphasizing the importance of monitoring international market performance to inform investment strategies. Future research is encouraged to expand the scope of analysis by incorporating a broader range of international markets and varying data frequencies to enhance understanding of market interdependencies and dynamics.
Introduction
The introduction of this research paper outlines the significant transformations in global financial markets, emphasizing their interconnectedness and the challenges posed by historical crises, including the 2008 global financial crisis and the COVID-19 pandemic. The study aims to investigate the co-movement of the Saudi stock market with international markets and oil prices, highlighting the implications for investors and policymakers. Co-movement, defined as the simultaneous movement of multiple markets, is crucial for understanding risk spillover and strategic decision-making in portfolio management.
The paper underscores the importance of the Saudi stock market, particularly in the context of its substantial oil reserves and production capacity, which significantly influence its economic stability. The research seeks to forecast the weekly returns of the Tadawul All Share Index (TASI) by examining the impacts of various international stock indices and oil prices, with a focus on changes in these relationships before and after the 2006 market collapse. Employing advanced machine learning techniques, the study aims to provide nuanced insights into the dynamics between the Saudi stock market and global influences, thereby contributing to the existing literature and offering valuable implications for investment strategies amidst ongoing global economic uncertainties.
Methods
In this study, the authors utilized a dataset sourced from Investing foot_0, comprising weekly historical data spanning 20 years (January 9, 2000, to December 29, 2019) for various financial indices, including the Shanghai Composite Index (SSE), Dow Jones Industrial Average (DOW), Nikkei 225 (NIK), and several European indices, alongside West Texas Intermediate (WTI) and Brent crude oil (BRT) prices as oil proxies. The dataset includes 1024 observations across eight independent variables and one dependent variable, the Tadawul All Share Index (TASI). Weekly observations were chosen to align with the operational schedules of the respective markets, particularly highlighting the influence of Friday’s market activities on the subsequent week’s Saudi market prices, while avoiding the data gaps that would arise from using daily observations.
For the analysis, the authors employed DTREG and STATA software to implement five distinct machine learning (ML) modeling techniques: Support Vector Machines (SVM/SVR), Generalized Regression Neural Networks (GRNN), Radial Basis Function Neural Network (RBFNN), Decision Tree Forest (DSF), and Tree Boost (TB), in addition to the Generalized Method of Moments (GMM) for model construction. This methodological approach aims to effectively capture the dynamics between the Saudi stock market and the selected international indices and oil prices.
Results
The results section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the findings demonstrate a clear trend that supports the initial hypothesis, indicating that the intervention or treatment applied has a measurable effect on the outcome.
Furthermore, the discussion elaborates on the implications of these results, contextualizing them within the existing body of literature. The authors emphasize the relevance of their findings in advancing understanding of the subject matter and propose potential applications in practical settings. Limitations of the study are acknowledged, and suggestions for future research directions are provided to build upon the current findings.
Discussion
The discussion section of the research paper highlights the intricate relationships between oil prices and stock markets, categorized into three primary literature groups. The first group explores theoretical frameworks linking oil and stock market dynamics, emphasizing how oil price fluctuations affect corporate cash flows and, consequently, stock valuations. The second group focuses on empirical studies that assess the interdependence of stock markets globally, particularly within the Gulf Cooperation Council (GCC) countries and Saudi Arabia (KSA). The third group investigates the empirical impacts of oil prices on stock markets, revealing significant correlations, especially in oil-exporting nations.
Theoretical pathways elucidate how rising oil prices can lead to increased production costs and inflation, prompting central banks to raise interest rates, which negatively impacts stock valuations. Additionally, oil-exporting countries experience direct effects on government spending and corporate cash flows based on oil revenue fluctuations. Empirical findings indicate a robust co-movement between oil prices and stock markets in various regions, including the BRICS nations and the US, with notable contagion effects during financial crises. The paper also emphasizes the need for advanced methodologies, particularly machine learning techniques, to better understand and predict these complex relationships, as traditional models may fall short in capturing the non-linear dynamics inherent in oil and stock market interactions.