Efficiency Dynamics of the Precious Metals Market: The AMIM Approach

तकनीकी सारांश: कीमती धातुओं के बाजार की दक्षता गतिशीलता: AMIM दृष्टिकोण

समस्या विवरण
यह अध्ययन महत्वपूर्ण वैश्विक आर्थिक व्यवधानों के बीच कीमती धातुओं (सोना, चांदी, प्लैटिनम और पैलेडियम) के बाजारों की समय-परिवर्तनीय दक्षता को समझने की आवश्यकता को संबोधित करता है। विशेष रूप से, यह जांच करता है कि कोविड-19 महामारी (9 दिसंबर, 2019 – 5 मई, 2023) और उसके बाद के महामारी-पश्चात सामान्यीकरण काल (8 मई, 2023 – 17 जून, 2026) के दौरान बाजार की दक्षता कैसे बदली। जबकि कुशल बाजार परिकल्पना (EMH) यह मानती है कि परिसंपत्ति की कीमतें सभी उपलब्ध जानकारी को दर्शाती हैं, मौजूदा साहित्य सुझाव देता है कि बाजार की दक्षता स्थिर नहीं है बल्कि शासन परिवर्तन (regime shifts), वित्तीय उथल-पुथल और भू-राजनीतिक जोखिमों से प्रभावित होती है। लेखक नोट करते हैं कि पारंपरिक स्थिर उपाय अक्सर इन गतिशील अक्षमताओं को पकड़ने में विफल रहते हैं, विशेष रूप से सुरक्षित आश्रय (safe-haven) संपत्तियों के संदर्भ में जहाँ संकट के दौरान निवेशकों का व्यवहार और सूचना प्रसंस्करण तेजी से बदल जाता है।

कार्यप्रणाली
यह शोध एडजस्टेड मार्केट इनएफिशिएंसी मैग्नीट्यूड (AMIM) दृष्टिकोण का उपयोग करता है, जो ट्रान और लेरविक (2019, 2020) द्वारा विकसित एक कार्यप्रणाली है। इस पद्धति को इसकी क्षमता के कारण चुना गया जो पारंपरिक उपायों की तुलना में, विशेष रूप से सीमित नमूना आकारों के साथ काम करते समय, समय-परिवर्तनीय दक्षता के अधिक मजबूत और कम पक्षपाती अनुमान प्रदान करती है।

• डेटा: अध्ययन "investing.com" से 9 दिसंबर, 2019 से 17 जून, 2026 तक के सोने, चांदी, प्लैटिनम और पैलेडियम के दैनिक समापन मूल्यों (daily closing prices) का उपयोग करता है।
• रिटर्न रूपांतरण: प्राथमिक विश्लेषण लॉग रिटर्न के बजाय सरल रिटर्न ($r_{i,t}$) का उपयोग करता है। लेखक तर्क देते हैं कि लॉगरिदमिक रूपांतरण रिटर्न के वितरण और ऑटोकोरिलेशन गुणों को यांत्रिक रूप से बदल सकता है, जिससे बाजार की अक्षमता का अनुमान बाधित होने की संभावना रहती है। बेंचमार्क मॉडल के रूप में सरल रिटर्न का उपयोग किया गया है, जबकि लॉगरिदमिक रिटर्न का उपयोग केवल एक मजबूती जांच (robustness check) के रूप में किया गया है।
• अनुमान तकनीक: AMIM की गणना ओवरलैपिंग रोलिंग-विंडो अनुमानों का उपयोग करके की जाती है। प्रक्रिया में शामिल है:
  1. एक ऑटोरेग्रेसिव मॉडल का अनुमान लगाना जहाँ गुणांक ($\beta$) का महत्व परीक्षण किया जाता है।
  2. पूर्ण मानकीकृत ऑटोकोरिलेशन गुणांकों के योग के आधार पर मार्केट इनएफिशिएंसी मैग्नीट्यूड (MIM) की गणना करना।
  3. MIM को एक कॉन्फिडेंस इंटरवल रेंज (RCI) घटाकर और इसे सैद्धांतिक अधिकतम के विरुद्ध सामान्यीकृत करके AMIM प्राप्त करना।
  4. 0 या उससे कम का AMIM मान एक कुशल बाजार को दर्शाता है, जबकि धनात्मक मान अक्षमता को दर्शाते हैं।
• मजबूती (Robustness): निष्कर्षों की स्थिरता सुनिश्चित करने के लिए, विश्लेषण को लॉगरिदमिक रिटर्न का उपयोग करके पुन: अनुमानित किया गया। लेखक नोट करते हैं कि हालांकि यह रूपांतरण श्रृंखला के सांख्यिकीय गुणों (विशेष रूप से प्लैटिनम और पैलेडियम जैसी अस्थिर संपत्तियों के लिए) को प्रभावित करता है, यह बेसलाइन सरल-रिटर्न विनिर्देश के मुकाबले मुख्य निष्कर्षों को मान्य करने का कार्य करता है।

प्रमुख योगदान
यह शोध साहित्य में तीन प्राथमिक योगदान देता है:

1. कार्यप्रणाली अनुप्रयोग: यह कीमती धातुओं पर AMIM कार्यप्रणाली को सूक्ष्म स्तर पर लागू करता है, जो पारंपरिक ऑटोकोरिलेशन या वेरिएंस रेशियो परीक्षणों की तुलना में समय-परिवर्तनीय अक्षमताओं का पता लगाने के लिए एक अधिक मजबूत ढांचा प्रदान करता है।
2. तुलनात्मक दायरा: एक एकल धातु या बाजार स्थिति पर ध्यान केंद्रित करने वाले अध्ययनों के विपरीत, यह शोध दो अलग-अलग शासन (regimes): महामारी और महामारी-पश्चात युग के दौरान चार प्रमुख कीमती धातुओं के व्यापक तुलनात्मक विश्लेषण प्रदान करता है।
3. शासन निर्भरता में अनुभवजन्य अंतर्दृष्टि: यह बदलते मैक्रो-इकोनॉमिक वातावरण के जवाब में संपत्तियों के बीच दक्षता कैसे भिन्न रूप से समायोजित होती है, इस संबंध में नए अनुभवजन्य परिणाम उत्पन्न करता है, जिससे बढ़ी हुई अनिश्चितता के तहत अनुकूलित बाजार व्यवहार की समझ गहरी होती है।

अनुभवजन्य परिणाम
अध्ययन पाता है कि सभी चार कीमती धातुएं पूरे नमूना अवधि के दौरान सामान्य रूप से कमजोर-रूप कुशल बाजार परिकल्पना (weak-form EMH) का पालन करती हैं, जैसा कि शून्य के करीब AMIM मानों से प्रमाणित होता है। हालांकि, संपत्तियों और समय अवधि के बीच महत्वपूर्ण विषमता मौजूद है:

• कुल दक्षता रैंकिंग: पूरे नमूना क्षितिज के दौरान, पैलेडियम को सबसे कम कुशल धातु के रूप में पहचाना गया है, उसके बाद चांदी। सोना और प्लैटिनम आम तौर पर उच्च दक्षता प्रदर्शित करते हैं।
• महामारी बनाम महामारी-पश्चात गतिशीलता:
  • सोना: कोविड-19 महामारी के दौरान उच्चतम दक्षता प्रदर्शित किया, लेकिन महामारी-पश्चात अवधि में दक्षता में सापेक्ष गिरावट देखी गई।
  • चांदी: एकमात्र ऐसी संपत्ति है जिसने महामारी से महामारी-पश्चात काल तक दक्षता में सुधार दिखाया। फलस्वरूप, चांदी महामारी-पश्चात युग में सोने को पीछे छोड़ते हुए सबसे कुशल संपत्ति बन गई।
  • प्लैटिनम और पैलेडियम: दोनों ने महामारी के बाद दक्षता में सापेक्ष गिरावट का अनुभव किया, हालांकि पैलेडियम समग्र रूप से सबसे कम कुशल रहा।
• मजबूती जांच: लॉगरिदमिक रिटर्न विश्लेषण ने मुख्य निष्कर्षों की काफी हद तक पुष्टि की: सभी बाजार आम तौर पर कुशल रहे, सोने ने महामारी-पश्चात सापेक्ष दक्षता में कमी दिखाई, और चांदी ने लगातार सुधार किया। हालांकि, लॉग-रिटर्न विनिर्देश ने महामारी-पश्चात प्लैटिनम और पैलेडियम के लिए सापेक्ष दक्षता में मामूली सुधार का सुझाव दिया, एक विचलन जिसे लेखक इन अस्थिर संपत्तियों की रिटर्न रूपांतरण विधियों के प्रति संवेदनशीलता का परिणाम बताते हैं।

महत्व और दावे
लेखक दावा करते हैं कि उनके निष्कर्ष बाजार दक्षता की शासन-निर्भर प्रकृति को उजागर करते हैं। अध्ययन यह दावा करता है कि बाजार की दक्षता एक स्थिर गुण नहीं है बल्कि आर्थिक अनिश्चितता और संरचनात्मक परिवर्तन के साथ परिसंपत्ति वर्गों और समय के अनुसार बदलती रहती है।

• निवेशकों और नीति निर्माताओं के लिए: परिणाम सुझाव देते हैं कि निवेश, हेजिंग और विविधीकरण रणनीतियों को निरंतर दक्षता की धारणाओं पर भरोसा करने के बजाय बदलती बाजार स्थितियों के अनुसार समायोजित किया जाना चाहिए। महामारी-पश्चात युग में चांदी के रूप में एक बढ़ती हुई कुशल संपत्ति के रूप में पहचानना, और सोने की सापेक्ष गिरावट, पोर्टफोलियो आवंटन और जोखिम प्रबंधन के लिए विशिष्ट निहितार्थ प्रदान करती है।
• सैद्धांतिक निहितार्थ: निष्कर्ष एडेप्टिव मार्केट हाइपोथेसिस (Adaptive Market Hypothesis) को पुष्ट करते हैं, यह प्रदर्शित करते हुए कि बाजार की दक्षता आर्थिक अनिश्चितता और संरचनात्मक परिवर्तन का एक फलन है।
• कार्यप्रणाली मूल्य: अध्ययन AMIM ढांचे को एक आशाजनक विकल्प के रूप में स्थापित करता है, जो पारंपरिक दृष्टिकोणों द्वारा छोड़ी जा सकने वाली समय-परिवर्तनीय बाजार दक्षता के मायावी परिवर्तनों को पकड़ने में सक्षम है।

यह पत्र अपनी सीमाओं को स्वीकार करते हुए समाप्त होता है, जिसमें नोट किया गया है कि विश्लेषण चार धातुओं और विशिष्ट समय अवधियों तक सीमित है, और सुझाव देता है कि भविष्य के शोध अन्य कमोडिटी वर्गों तक विस्तार कर सकते हैं या अस्थिरता स्पिलओवर और बाजार जुड़ाव को बेहतर ढंग से समझने के लिए मशीन लर्निंग और मल्टीफ्रैक्टरल तकनीकों के साथ AMM को जोड़ सकते हैं।