این تحقیق با هدف تأیید اینکه آیا همه گیر COVID-19 تاثیری در بخش های موجود داشته است ، و چگونگی تأثیر آن بر بازده بازار بورس اوراق بهادار (IDX) تأثیر گذاشته است. روش تحقیق مورد استفاده یک مطالعه رویداد است که از مدل های بازار در نه بخش از مبادله با تکنیک نمونه برداری هدفمند استفاده می کند و توسط رگرسیون معمولی حداقل مربع (OLS) پشتیبانی می شود. براساس محاسبه بازده غیر طبیعی در دوره 30 روز قبل از 30 روز پس از آن ، نتایج املاک مالی ، املاک و مستغلات و نتایج بخش ساخت و ساز نشان دهنده کاهش ارزش بازگشت غیر طبیعی است. زیرساخت ها ، آب و برق و بخش های حمل و نقل همچنین مقدار بازگشت غیر طبیعی را نشان می دهد که تمایل به ثابت دارد ، در حالی که ارزش بازگشت غیر طبیعی در سایر بخش ها افزایش می یابد. با قضاوت از ارزش تجمعی بازده های غیر طبیعی ، بیشترین تأثیر مالی مالی است و به دنبال آن بخش های تجارت ، خدمات و سرمایه گذاری است. کالاهای مصرفی و بخش های صنعت معدن هنوز خوش بین هستند ، در حالی که سایر بخش ها احساسات منفی موقت را نشان می دهند. به طور کلی ، سهام موجود در بورس اوراق بهادار اندونزی (IDX) تحت تأثیر همه گیر Covid-19 با ارزش منفی تجمعی نمونه بازده غیر طبیعی قرار گرفت. نتایج با استفاده از رگرسیون OLS همچنین روابط بین همه گیر COVID-19 و بازده منفی و قابل توجه بازار را تقویت می کند.

کلید واژه ها

1. معرفی

در سال 2020 ، همه کشورهای جهان با همه گیر جدید روبرو هستند. COVID-19 ، که به عنوان Coronavirus نیز شناخته می شود ، یکی از خانواده ویروس های حاد تنفسی حاد است. این برای اولین بار در دسامبر سال 2019 در ووهان ، چین مشخص شد (یونیسف ، 2020 ؛ کامبا و کامبا جونیور ، 2020). گسترش Covid-19 بسیار سریع بوده است. به راحتی از طریق مبادله بزاق از شخصی که آلوده شده است منتقل می شود. سپس می تواند با علائم خفیف تا شدید به سیستم تنفسی حمله کند و به بیماری تبدیل شود که برای افراد مسن یا افراد مبتلا به مشکلات مزمن مانند دیابت ، بیماری های قلبی عروقی ، سرطان و مشکلات مزمن تنفسی (WHO ، 2020a) کاملاً جدی است. وادتاکنون Covid-19 به دلیل ظاهر ناگهانی و عدم درمان یا واکسن برای جلوگیری و کنترل گسترش آن ، یک بیماری نسبتاً جدی در نظر گرفته شده است.

براساس داده های 24 آوریل 2020 ، تاریخ پایان مطالعه ، 2،631 ، 839 مورد در سطح جهان تأیید شد و تعداد مرگ و میر به 182 ، 100 (WHO ، 2020b) رسید. این گسترش بسیار سریع بود ، به بیش از 180 کشور از جمله اندونزی. فقط در اندونزی ، از 24 آوریل 2020 ، تعداد موارد تأیید شده مثبت 8،211 با 1،002 درمان و 689 متوفی بود (بادان پنانگولانگان بننکانا ، 2020).

نگاهی ساده به بازار سهام به شما می گوید که Coronavirus منجر به اقتصاد بی ثبات شده است. این رویداد تا حد زیادی بر جهانی جهانی و همچنین اقتصاد اندونزی از جمله بازار سهام تأثیر گذاشته است. دلیل این امر این است که رفتار سرمایه گذار بر اساس اطلاعاتی که دریافت می کنند تغییر می کند. بازده در بورس سهام به رویدادهای مهم پاسخ می دهد (الاوادی و همکاران ، 2020). روانشناسی بازار احساسات غالب خریداران و فروشندگان بازار مالی در هر نقطه از حرص و آز ، ترس ، انتظارات و شرایط همه عواملی است که به روانشناسی کلی بازار بازارها کمک می کند. توانایی این حالتهای ذهن برای ایجاد دوره "خطر" و ریسک پذیری دوره ای ، به عبارت دیگر چرخه های رونق و شلوغی در بازارهای مالی ، به خوبی مستند است (سامول ، 2006). رویدادهای خارجی می تواند تأثیر منفی بر اقتصاد داشته باشد و بر احساسات سرمایه گذار تأثیر بگذارد (لیو و همکاران ، 2020 ؛ خانتاویت ، 2020).

آشفتگی اقتصادی مرتبط با همه گیر Covid-19 دارای تأثیرات گسترده ای و شدید بر بازارهای مالی از جمله سهام ، اوراق قرضه و کالاها (از جمله نفت خام و طلا) (از جمله نفت خام و طلا) (Hongsakulvasu & Liammukda ، 2020 ؛ Alam et al. ، 2020)وادبا اشاره به گودل (2020) ، این تأثیرات به دلیل هزینه های اضافی مربوط به این بیماری همه گیر ، از مراقبت های بهداشتی گرفته تا کنترل همه گیر ، تا موضوعات مربوط به بهره وری کار ، فعالیت اقتصادی ، سرمایه گذاری خارجی و گردشگری رخ می دهد. علاوه بر این ، گودل (2020) اظهار داشت که در صورت بروز یک بحران اقتصادی ، با سلب مالکیت ، اعتبار بد و سایر مسائل بانکی ، بخش بانکی آسیب پذیر خواهد بود. علاوه بر این ، واکنش های بازار عمیقاً روی چندین صنایع تأثیر خواهد گذاشت.

این بیماری همه گیر Covid-19 یک مسئله جدید است که باعث افزایش خطر و عدم اطمینان برای سرمایه گذاران شده است. Ichev و Marinč (2018) آن را در مطالعه 2018 در مورد شیوع ابولا توصیف کردند. اطلاعات در قالب پوشش رسانه ای احساسات افراد را تحت تأثیر قرار داده و باعث اضطراب و ترس از تأثیرگذاری بر تصمیمات سرمایه گذار ، رفتار ریسک پذیر و بدبینی شده است. ظهور COVID-19 می تواند به دلیل عدم اطمینان و اضطراب ، باعث ایجاد تب رفتاری برای سرمایه گذاران شود ، که منجر به خطرات جدید می شود ، اگرچه حرکات قیمت سهام بر اساس انتظارات برای اقتصاد معقول است (واگنر ، 2020).

بنابراین ، حرکت قیمت سهام در بورس اوراق بهادار اندونزی چیزی است که باید از آن قبل از شیوع Covid-19 تا زمانی که پس از پایان همه گیر ، توجه داشته باشید مهم است. در زیر قیمت سهم در بورس اوراق بهادار اندونزی از 2 مارس 2020 ، تا 24 آوریل 2020 ، که به شرح زیر نشان داده شده است ، است.

بر اساس شکل 1 ، قیمت سهام در IDX کاهش نزولی ، اما نه خیلی قابل توجه ، کاهش یافته است. بنابراین ، در این حالت ، نویسنده تأثیر همه گیر در بخش های موجود و چگونگی تأثیر آن بر بازده بازار را تأیید می کند. روش تحقیق ، داده ها ، همراه با آزمایش های تجربی ، تجزیه و تحلیل و نتیجه گیری در بخش بعدی ارائه خواهد شد.

شکل 1: حرکات قیمت سهام IDX

منبع: یاهو مالی (2020) داده های پردازش شده توسط نویسنده.

2. روشها

برای پاسخ به اهداف تحقیقاتی بیان شده ، از مطالعه رویداد برای تعیین بازده بازار قبل و بعد از شیوع COVID-19 استفاده می شود. یک مطالعه رویداد یک تجزیه و تحلیل تجربی است که تأثیر یک وقوع قابل توجه کاتالیزور یا رویداد احتمالی بر ارزش یک امنیت ، مانند سهام شرکت را بررسی می کند. مطالعات رویداد می تواند اطلاعات مهمی را در مورد چگونگی واکنش سهام در برابر یک رویداد معین نشان دهد. این مطالعه به این دلیل استفاده می شود که این روش با مشاهده تغییرات در قیمت سهام از طریق اندازه گیری بازده غیر طبیعی و حجم فعالیت معاملات سهام قادر به تجزیه و تحلیل واکنش های بازار به برخی از وقایع خاص است (Suganda ، 2018). مراحل استفاده از آن به شرح زیر است: 1) نمونه شرکت هایی را که این اعلامیه را دریافت کرده اند تعیین کنید. 2) روز صفر را به عنوان روز اعلامیه تعیین کنید. 3) دوره زمانی را که مورد بررسی قرار می گیرد تعیین کنید. 4) محاسبه بازده هر روز انجام می شود. 5) محاسبه بازده غیر طبیعی نیز هر روز انجام می شود. 6) میانگین بازده غیر طبیعی را در همه نمونه ها محاسبه کنید. 7) بازده غیر طبیعی هر شرکت را به محاسبه بازده های غیر طبیعی که از دوره اولیه انباشته شده اند ، اضافه کنید. 8) نتایج را بررسی و بحث کنید (التون و همکاران ، 2007).

3. داده ها و آزمایش تجربی

مدت زمانی که در این تحقیق مورد استفاده قرار می گیرد 30 روز است که به گونه ای طراحی شده است که 30 روز قبل از این رویداد و تا 30 روز پس از این رویداد ، با 2 مارس 2020 ، به عنوان روز رویداد. جمعیت این مطالعه نه بخش تجاری است که در IDX ذکر شده است و نه مورد دیگر بعداً در این مطالعه اضافه می شود. تکنیک نمونه برداری هدفمند نیز بر اساس معیارهای زیر گرفته شده است: شرکت ها در دوره تحقیقاتی 10 سپتامبر 2019 ، تا 15 آوریل 2020 در بورس اندونزی (IDX) ذکر شده اند ، و به عنوان سهام تعلیق طبقه بندی نشده اند و تحقق بخشیده اندالزامات لازم برای داده ها به گونه ای که تعداد سهام شمارش شده 572 سهم در نه بخش موجود بود. زمان تحقیق استفاده شده به دو دوره ، از 20 ژانویه 2020 ، تا 28 فوریه 2020 (به عنوان پانل A) و 3 مارس 2020 ، تا 15 آوریل 2020 (به عنوان پانل B) تقسیم می شود ، به جز شنبه ها ، یکشنبه هاو تعطیلات ملی در دوره تخمین 90 روزه.

مطالعه وقایع در این تحقیق از مدل بازار استفاده می کند. طبق گفته Zoogah (2014) ، در تعیین بازده سهام در هنگام وقوع وقایع یا رخ نداده ، مدل بازار تغییرات در بازار و بازده سهام را تعدیل ریسک می داند. براساس بیانیه Panayides و Gong (2002) ، ارزش تخمینی بتا و تحقق بازده بازار به دست آمده در دوره پنجره ، و سطح مورد انتظار بازده سهام می تواند به شرح زیر محاسبه شود:

با ( bar_ ) به عنوان انتظار بازده سهام در زمان t ، ( hat_ ) و ( hat_ ) به عنوان مدل های بازار در دوره تخمین و r_mtبه عنوان بازده بازار در زمان t به طوری که می توان ارزش بازده غیر طبیعی را به عنوان تفاوت در بازده واقعی و مورد انتظار محاسبه کرد.

مقدار تجمعی بازگشت غیر طبیعی از زمان رویداد (P) به زمان معینی (Q) را می توان به شرح زیر محاسبه کرد:

پس از سه محاسبه فوق ، بر اساس پانایدها و گونگ (2002) ، بعدی محاسبه میانگین بازده غیر طبیعی نمونه با میانگین حسابی سهام N و مقدار تجمعی متوسط بازده غیر طبیعی نمونه ، به شرح زیر است:

در محاسبه CAR ، هر دو بازگشت غیر طبیعی تجمعی و بازگشت غیر طبیعی تجمعی از نمونه ، زمان تحقیق از (0. 6) ، (7. 14) ، (15. 22) ، (23. 30) تقسیم می شود تا بتواند تأثیر Covid-19 را ببیند. اطلاعات مرتبط در هر 7-8 روز.

در این مطالعه ، سطح تحمل خطا مورد استفاده (α) 5 ٪ بود. حداقل مربع معمولی (OLS) نوعی روش حداقل مربعات خطی برای برآورد پارامترهای ناشناخته در یک مدل رگرسیون خطی است. OLS پارامترهای یک تابع خطی مجموعه ای از متغیرهای توضیحی را با اصل حداقل مربعات انتخاب می کند: به حداقل رساندن مجموع مربع های تفاوت بین متغیر وابسته مشاهده شده (مقادیر متغیر مشاهده شده) در مجموعه داده های داده شده و پیش بینی شدهتوسط عملکرد خطی. در تأیید تأثیر COVID-19 بر بازده بازار با بازده غیر طبیعی ، در این مطالعه حداقل مربع معمولی (OLS) با معادله زیر استفاده می شود ، با اشاره به تحقیقات تنظیم شده لیو و همکاران.(2020).

با AR_itبازگشت غیر طبیعی ، β ثابت بازده سهام و بازده بازار. فرضیه ای که در این مطالعه آزمایش خواهد شد شامل موارد زیر است:

هو: b = 0 ، بدون متغیر x_nتأثیر به بازگشت غیر طبیعی.

HA: B ≠ 0 ، با تأثیر متغیر x_nدر بازگشت غیر طبیعی.

4- تجزیه و تحلیل بیشتر

قبل از شروع تجزیه و تحلیل مطالعات رویداد با استفاده از مدل بازار ، محاسبه میانگین بازده سهام نه بخش قبل از (پانل A) و بعد از رویداد (پانل B) در جدول زیر مشاهده می شود:

جدول 1: میانگین بازده سهام IDX قبل و بعد از رویداد

جدول 2: بازگشت غیر طبیعی و بعد از این رویداد

بر اساس جدول فوق ، بالاترین مقدار بازده سهام در پنل A در 18 روز قبل از این رویداد است که بازده کل 0. 0098 است. کمترین مقدار ، 0. 0193 - ، در روز اول قبل از رویداد رخ می دهد و میانگین در پنل A 0. 0038 است. بالاترین مقدار بازده سهام در پانل B ، 0. 0520 ، در هفدهم روز پس از این رویداد ظاهر می شود. کمترین مقدار ، 05. 0514 - ، در روز پنجم پس از این رویداد رخ می دهد و میانگین در پانل B. 0. 0038 است. میانگین بازده سهام در پانل های A و B دارای مقادیر مشابهی است و حداکثر مقدار در پانل B بیشتر از پانل A است. برای تأیید این ، تجزیه و تحلیل بیشتر با محاسبه مقدار بازگشت غیر طبیعی سهام مورد نیاز است.

در این مطالعه ، ارزش بازده سهام غیر طبیعی در نه بخش سه روز پس از این رویداد برای تعیین پاسخ سرمایه گذار به این اطلاعات همه گیر Covid-19 نمایش داده می شود.

براساس ارزش بازده های غیر طبیعی ، می توان دریافت که بخش های صنعتی کالاهای مصرفی ، امور مالی ، زیرساخت ها ، آب و برق و حمل و نقل ، معدن و انواع صنایع در روز رویداد بازده منفی غیر طبیعی را نشان می دهد در حالی که سایر بخش ها هستندمثبتاین نشان می دهد که در این بخش ها در مورد اعلام شیوع شیوع در اندونزی احساسات منفی از سوی سرمایه گذاران وجود داشته است. این امر باعث شد تا سرمایه گذاران نگران اثرات همه گیر Covid-19 باشند. بر خلاف روز اول پس از این رویداد ، هنگامی که بخش های کالاهای مصرفی و صنعت مالی همچنان احساسات منفی را از سرمایه گذاران نشان می دادند و به دنبال آن صنایع دیگر (به جز صنعت معدن) ، صنایع مختلف ، تجارت ، خدمات و سرمایه گذاری ها ارزش بازگشت غیر طبیعی را نشان دادند.

در روز دوم پس از این رویداد ، بخش کشاورزی ، صنعت کالاهای مصرفی و صنعت املاک ، املاک و مستغلات و ساخت و ساز هنوز هم احساسات منفی و به دنبال آن زیرساخت ها ، آب و برق و حمل و نقل ، معدن و تجارت ، خدمات و بخش های سرمایه گذاری داشتند. در روز سوم پس از این رویداد ، تنها سه بخش دارای احساسات منفی (صنایع اساسی و مواد شیمیایی ؛ زیرساخت ها ، آب و برق و حمل و نقل ؛ صنایع متفرقه و تجارت ، خدمات و سرمایه گذاری) بودند در حالی که سایر بخش ها احساسات مثبتی را نشان می دادند. براساس داده های سه روز پس از این رویداد ، هنوز نوسان احساسات از سوی سرمایه گذاران مربوط به اطلاعات به دست آمده وجود دارد.

شکل 2 تعداد بازده های غیر طبیعی در هر بخش را به مدت 30 روز قبل از رویداد تا 30 روز پس از این رویداد نشان می دهد. از نمودار ، می توان دریافت که بخش های مالی ، املاک ، املاک و مستغلات و ساخت و ساز دارای مقادیر بازگشت غیر طبیعی با تمایل منفی هستند ، که نشانگر احساسات منفی در این بخش ها است ، که از اطلاعات مربوط به شیوع در مورد شیوع تا 30 روز پس از آن ناشی می شودرویداد. در مقابل ، زیرساخت ها ، آب و برق و بخش های حمل و نقل ارزش بازگشت غیر طبیعی را نشان می دهند ، با تمایل به ثابت بودن. این بخش تحت تأثیر اطلاعات مربوط به شیوع Covid-19 در اندونزی قرار نمی گیرد. شش بخش دیگر تمایل به بازده غیر طبیعی را تجربه کردند و نشان دادند که با وجود اطلاعات مربوط به همه گیر Covid-19 ، سرمایه گذاران هنوز هم در مورد سهام متعلق به سهام مثبت داشتند. علاوه بر این ، محاسبه CAR (بازگشت غیر طبیعی تجمعی) با نتایج محاسبه زیر انجام می شود:

شکل 2: بازده غیر طبیعی در هر بخش

در جدول 3 ، بخش مالی در مقایسه با سایر بخش ها ، از جمله بخش های تجارت ، خدمات و سرمایه گذاری ، حتی تا 30 روز پس از اعلام ، بیشتر تحت تأثیر قرار گرفت. این کاهش به دلیل تأثیر اقتصاد اندونزی ، چه در داخل کشور و چه در خارج از کشور (صادرات) ، بر تولید و سایر فعالیت های اقتصادی بود. این مطابق با بیانیه بانک اندونزی Sentral Republicik Indonesia (2020) است ، جایی که همه گیر گسترده Covid-19 تأثیر بر ثبات کلان-مالی ، چه در سطح جهان و چه در داخل کشور ، با تأثیر گردشگری ، سرمایه گذاری ، تجارت (صادرات) داشته است. و برای فعالیت و تولید اقتصادی ضرر داشت. براساس این بیانیه ، افزایش عدم اطمینان که رخ داده است باعث شده سرمایه گذاران تنظیمات نمونه کارها را انجام دهند تا جریان وجوه و نرخ ارز افسرده شود. براساس مطالعه توسط بانک اندونزی ، اگر گسترش این بیماری همه گیر ادامه یابد ، عملکرد شرکت ها و خانواده ها به دلیل شیوع موجود در بخش های مختلف ، عمیق تر می شوند و صنعت خدمات مالی را با پتانسیل کاهش عملکرد آن ، به ویژه برای آن رها می کنند. بانک ها.

جدول 3: بازگشت غیر طبیعی تجمعی

بخش های کشاورزی ، زیرساخت ها ، آب و برق و حمل و نقل و همچنین صنایع مختلف ، بلافاصله پس از اعلام این بیماری همه گیر با افزایش بدبینی سرمایه گذار ، پاسخ دادند ، حتی اگر به نظر می رسد فقط موقتی است. به همین ترتیب ، بخش اساسی صنعت و مواد شیمیایی بدبینی را نشان داد ، حتی اگر مستقیماً به اطلاعات اعلامیه پاسخ نداد. بخش های ملک ، املاک و مستغلات و ساخت و ساز دارای ارزش تجمعی از بازده های غیر طبیعی منفی در آخرین روز از دوره پنجره ، یعنی 15 آوریل تا 30 ام بودند. این امر ممکن است زیرا رکود اقتصادی باعث کاهش بهره می شود و در پرداخت اقساط مشکل ایجاد می کند. این مشکلات بر خلاف کالاهای مصرفی و بخش های صنعت معدن ، که هنوز هم در میان عدم اطمینان ، خوش بینی را به نمایش می گذارند ، می تواند باعث بدبینی شود.

برای روشن شدن تأثیر بیماری همه گیر COVID-19 ، محاسبه تجمعی متوسط بازده غیر طبیعی نمونه با نتایج زیر انجام می شود:

در جدول 4. میانگین مقدار تجمعی در نمونه از روز صفر تا روز 22 روز ، مقدار منفی خفیف معنی داری را نشان می دهد ، در حالی که از 23 از روز تا 30 روز ، مقدار تجمعی متوسط بازگشت غیر طبیعی نمونهارزش مثبت را نشان می دهد ، اما بسیار قابل توجه نیست. در نمودار 3 ، میانگین مقدار نمونه های بازگشت غیر طبیعی تمایل به افزایش دارد ، اگرچه برخلاف بازگشت غیر طبیعی تجمعی نمونه ، که روند نزولی را در کل ، از روز 30 تا +30 نشان می دهد ، این افزایش زیاد نیست.

جدول 4: نمونه بازده غیر طبیعی متوسط تجمعی

از محاسبه رگرسیون OLS ، از روز رویداد تا 30 روز پس از آن ، برای تعیین تأثیر یا نه از همه گیر Covid-19 در بازده بازار استفاده می شود. قبل از محاسبه ، آزمون فرض کلاسیک برای نرمال بودن ، چند قطبی بودن ، ناهمگونی و همبستگی انجام می شود. نتایج آزمون نرمال بودن نشان می دهد که داده های مورد استفاده به طور عادی توزیع می شود (مقدار آماری توزیع مربع jb chi-square کوچکتر از مقدار بحرانی Chi-Square 43. 77297 است و مقدار احتمال بیشتر از 0. 05 است). در مرحله بعدی ، آزمایش چند قطبی با استفاده از ماتریس همبستگی انجام می شود. طبق قوانین ، مقادیر ضریب همبستگی بیشتر از 0. 80 یا 0. 90 نشانگر وجود چند قطبی بودن است (لی و همکاران ، 2019). بر اساس نتایج آزمون فعلی ، در رابطه بین بازده بازار و بازده سهام ، چند قطبی وجود دارد ، در حالی که متغیرهای دیگر عاری از چند قطبی هستند.

شکل 3: مقایسه نمونه های متوسط بازگشت غیر طبیعی و نمونه های بازگشت غیر طبیعی تجمعی

اگرچه چند قطبی یافت می شود ، اما با محاسبات رگرسیون OLS هنوز هم می توان ادامه یافت زیرا فرضیات آبی (بهترین برآوردگر قفل خطی) را برآورده می کند. وقوع چند قطبی به معنای نقض یکی از فرضیات رگرسیون OLS نیست زیرا پارامترهای تخمین زده شده OLS هنوز در حالت آبی (بهترین برآوردگر نامحدود خطی) قرار دارند (Das & Chatterjee ، 2012 ؛ Chen et al. ، 1986). چند قطبی در متغیر بازده بازار رخ می دهد زیرا قیمت سهام بسیار نزدیک به CSPI است. قیمت سهام CSPI (بازار) را تشکیل می دهد. بنابراین ، این تحقیق هنوز با استفاده از متغیرهای قبلاً برنامه ریزی شده انجام می شود. از آزمایشات ناهمگن و همبستگی که می توان گفت هیچ ناهمگونی یا همبستگی وجود ندارد.

بنابراین ، داده هایی که در محاسبه رگرسیون OLS مورد استفاده قرار می گیرند ، در حال حاضر در حال انجام است. در مرحله بعدی ، محاسبه رگرسیون OLS با نتایج زیر انجام می شود:

بر اساس نتایج جدول 5 ، متغیر بازده سهام دارای مقدار احتمال 0. 0000 است که کمتر از 0. 05 است ، نشان می دهد که تأثیر معنی داری و مثبت متغیر بازده سهام در بازده غیر طبیعی وجود دارد ، همانطور که با ضریب مثبت نشان داده شده است. متغیر بازگشت M همچنین دارای مقدار احتمال 0. 0000 است که کمتر از 0. 05 است ، نشان می دهد که تأثیر منفی قابل توجهی از متغیر بازده بازار در بازده غیر طبیعی وجود دارد ، که با ارزش ضریب منفی نشان داده شده است.

جدول 5: رگرسیون معمولی حداقل مربع (OLS)

جدول 5 نشان می دهد که مقدار احتمال 0. 000000 ، که از 0. 05 کوچکتر است ، نشان دهنده تأثیر همزمان قابل توجه متغیرهای بازده سهام و بازده بازار در بازده غیر طبیعی است. علاوه بر این ، آزمون نشان می دهد که مقدار R-Squared Retcared از 0. 999913 نشان می دهد که متغیر بازگشت غیر طبیعی را می توان با متغیرهای بازده سهام و بازده بازار (99. 9913 ٪) توضیح داد ، در حالی که بقیه توسط سایر متغیرهای موجود در مطالعه توضیح داده شده است (جدول5)

5. نتیجه گیری ها

شیوع Covid-19 در اندونزی معلوم شد که در چندین بخش در بورس اندونزی (IDX) تأثیر دارد. این تأثیر با ظهور احساسات منفی از بخش هایی که در روز وقایع تا سه روز اول پس از این رویداد وجود داشته است نشان داده می شود. املاک مالی ، املاک و مستغلات و بخش های ساختمانی دارای بازده غیر طبیعی هستند که در طی دوره 30 روزه قبل و بعد از آن کاهش می یابد. زیرساخت ها ، آب و برق و بخش های حمل و نقل تحت تأثیر این بیماری همه گیر قرار نمی گیرند زیرا بازده غیر طبیعی تمایل به ثابت دارد. در مقابل ، سایر بخش ها افزایش مقادیر بازگشت غیر طبیعی را نشان می دهند.

هنگامی که ارزش بازده غیر طبیعی جمع می شود ، بخش مالی بیشترین تأثیر را در دوره رویداد تا 30 روز پس از این رویداد دارد که پس از آن توسط بخش های تجارت ، خدمات و سرمایه گذاری دنبال می شود. این تأثیر به دلیل کاهش صادرات ، تولید و فعالیت های اقتصادی و عدم اطمینان ناشی از آن توسط سرمایه گذاران بوده است و در نتیجه خروج بودجه و نرخ ارز افسرده است. همانطور که ادامه دارد ، عملکرد بخش های مختلف تحت تأثیر قرار خواهد گرفت. برعکس ، کالاهای مصرفی و صنعت معدن هنوز در میان عدم قطعیت ها خوش بین بودند ، در حالی که سایر بخش ها احساسات منفی موقت را مستقیم و غیرمستقیم نشان می دهند. برای تعیین تأثیر کلی ، محاسبه تجمعی متوسط بازده غیر طبیعی نمونه انجام شد ، که نشان داد همه گیر Covid-19 تأثیر در سهام در بورس اندونزی داشته است ، با کاهش و همچنین مقادیر منفی در طولروز این رویداد تا بیست و دومین روز پس از این رویداد. نتایج این مطالعه با آزمایش بیشتر تأیید شد ، که باعث تقویت رابطه بین همه گیر Covid-19 و بازده بازار به طور قابل توجهی منفی شد که توسط بازده غیر طبیعی پس از این رویداد نشان داده شده است.