📈 economia

Hidden Markov Modelling of Earthquake-Related Market Regimes and State-Dependent Forecasts: Evidence from the Turkish Stock Market

Questo studio utilizza un modello di Markov nascosto gaussiano a tre stati sui dati del Borsa Istanbul 100 per dimostrare che, sebbene i grandi terremoti non inneschino sistematicamente cambiamenti tra i regimi di mercato, le relative previsioni dipendenti dallo stato rivelano differenze significative nel rischio di ribasso a breve termine.

Autori originali: Gamze Özel

Pubblicato 2026-11-04

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Gamze Özel

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

I mercati finanziari sono raramente le macchine costanti e prevedibili che appaiono su un grafico giornaliero. Al contrario, spesso oscillano tra stati d'animo o "regimi" distinti, che cambiano il modo in cui i prezzi si comportano. A volte il mercato è calmo e si muove in un intervallo stretto e prevedibile; altre volte è colto dall'incertezza, con oscillazioni moderate; occasionalmente, entra in uno stato di crisi in cui i prezzi crollano e regna il caos. Questi cambiamenti non sono sempre evidenti a occhio nudo, ma alterano fondamentalmente il rischio che un investitore deve affrontare. Comprendere quando un mercato si trova in uno di questi stati, e per quanto possa rimanerci, è fondamentale per chiunque cerchi di navigare l'economia. Un nuovo studio dalla Turchia esplora se un tipo specifico e terrificante di shock esterno — i grandi terremoti — costringa il mercato azionario in questi stati di crisi, o se i ritmi interni del mercato siano più comploli di quanto un singolo disastro possa dettare.

I ricercatori si sono concentrati sul Borsa Istanbul 100, l'indice principale del mercato azionario turco, che funge da barometro per la salute economica della nazione. La Turchia siede su alcune delle linee di faglia più attive al mondo, rendendola un laboratorio perfetto per questa domanda. Il team ha raccolto oltre quattromila giorni di dati di trading, spaziando dall'inizio del 2009 all'inizio del 2026, e ha cercato modelli nel modo in cui il mercato si muoveva. Non si sono limitati a guardare se il mercato fosse salito o sceso il giorno di un terremoto. Invece, hanno utilizzato uno strumento statistico chiamato modello di Markov nascosto. Pensate a questo strumento come a un modo per ascoltare il battito cardiaco sottostante del mercato, cercando di rilevare se il mercato si trovi attualmente in una modalità "normale", "incerta" o di "crisi", anche quando queste modalità non sono esplicitamente etichettate su un ticker di notizie. Analizzando i rendimenti giornalieri, il modello ha identificato tre stati distinti: uno stato normale con bassa volatilità, uno stato di incertezza con oscillazioni moderate e uno stato di crisi caratterizzato da alta volatilità e rendimenti negativi.

Una volta che il modello ha mappato questi tre stati nell'arco del periodo di sedici anni, i ricercatori hanno sovrapposto la storia dei grandi terremoti. Hanno filtrato i dati per includere solo eventi sismici significativi, specificamente quelli con una magnitudo pari o superiore a 5,5, e li hanno allineati con i giorni di trading in cui il mercato era aperto. L'obiettivo era vedere se questi giorni di terremoto fossero sproporzionatamente probabili nel cadere nella categoria "crisi". I risultati sono stati sorprendenti. Nonostante l'intuitiva aspettativa che un grande terremoto faccia precipitare immediatamente il mercato in uno stato di panico, i dati non hanno mostrato un tale legame sistematico. I giorni di terremoto erano distribuiti tra i tre stati quasi nella stessa proporzione di un giorno casuale nella storia del mercato. Circa il 9 percento dei giorni di terremoto è caduto nel regime di crisi, mentre il resto è stato diviso tra incertezza e condizioni normali. Questa distribuzione era statisticamente indistinguibile dal comportamento complessivo del mercato.

Lo studio ha anche esaminato se la dimensione del terremoto importasse. Hanno separato gli eventi in quelli con una magnitudo compresa tra 5,5 e 6,49 e quelli ancora più grandi, pari o superiori a 6,5. L'ipotesi era che le scosse più massicce potessero essere quelle capaci di innescare un immediato passaggio a uno stato di crisi. Tuttavia, l'analisi non ha trovato prove nemmeno per questo. Che il terremoto fosse una forte scossa di 5,5 o un devastante 6,5, non ha predetto un cambiamento immediato nel regime sottostante del mercato. Il mercato non è passato costantemente da uno stato calmo a uno stato di crisi semplicemente perché si è verificata una forte scossa. Ciò suggerisce che, sebbene un terremoto specifico possa causare danni significativi ad alcune aziende o settori, l'indice di mercato aggregato non passa automaticamente a una modalità di "crisi" basandosi solo sulla magnitudo del terremoto. La reazione del mercato sembra dipendere da altri fattori, come la posizione del sisma, il tempismo rispetto agli orari di trading o le condizioni economiche più ampie in quel momento, nessuno dei quali è stato catturato dalla sola dimensione del terremoto.

Sebbene i terremoti non sembrassero forzare il mercato in uno stato di crisi, lo studio ha scoperto che conoscere lo stato attuale del mercato è incredibilmente potente per predire cosa accadrà dopo. I ricercatori hanno utilizzato il loro modello per simulare come il mercato potrebbe comportarsi nel mese successivo, a seconda di dove inizia. Se il mercato inizia in uno stato di crisi, le simulazioni mostrano un'alta probabilità che rimanga in quello stato per il giorno successivo o per i due successivi, ma è improbabile che torni alla normalità immediatamente. Inveverso, tende a scivolare prima nello stato di "incertezza", agendo come un terreno di mezzo prima di tornare infine alla calma. Al contrario, se il mercato inizia in uno stato normale, è molto probabile che vi rimanga per un po', sebbene il rischio di visitare eventualmente uno stato di crisi aumenti nell'arco di un periodo di trenta giorni. Queste simulazioni hanno rivelato che il punto di partenza conta immensamente. Un mercato che inizia in crisi ha un intervallo di risultati possibili molto più ampio e una probabilità significativamente maggiore di terminare il mese con una perdita rispetto a un mercato che inizia in uno stato normale.

Le scoperte offrono una visione sfumata di come i disastri naturali interagiscano con i sistemi finanziari. Suggeriscono che il mercato non sia un vetro fragile che si frantuma istantaneamente al primo segno di una scossa. Al contrario, possiede una struttura interna complessa che resiste a spiegazioni semplici di causa ed effetto. Un grande terremoto non garantisce un crollo del mercato, né garantisce un passaggio a un regime di crisi. La reazione del mercato è filtrata attraverso la sua condizione attuale e altre variabili invisibili. Tuttavia, una volta che il mercato è in uno stato di crisi, tende a rimanerci per un po', passando attraverso un periodo di incertezza prima di riprendersi. Per gli investitori e gli analisti, la lezione è che osservare gli shock esterni come i terremoti è solo una parte del quadro. Comprendere lo stato nascosto attuale del mercato — che sia calmo, incerto o in crisi — fornisce una mappa molto più chiara dei rischi che attendono, indipendentemente da ciò che sta facendo il terreno sotto la sala delle negoziazioni.

Sintesi Tecnica: Modellazione Markoviana a Stati Nascosti dei Regimi di Mercato Correlati ai Terremoti e Previsioni Dipendenti dallo Stato

Problematica
Il documento affronta la sfida di comprendere come i grandi terremoti influenzino la dinamica dei mercati finanziari, specificamente l'indice Borsa Istanbul 100 (BIST 100). Mentre la letteratura esistente documenta ampiamente i rendimenti anormali a breve termine e i cambiamenti di volatilità a seguito di specifici disastri utilizzando metodi di studio degli eventi (event-study), tali approcci spesso assumono un singolo processo sottostante di generazione dei rendimenti. L'autore sostiene che i rendimenti finanziari esibiscono clustering della volatilità, code larghe e distinti periodi di alto o basso rischio che sono meglio rappresentati da modelli che permettono ai parametri di variare in base a stati non osservati. Lo studio mira a determinare se i grandi terremoti siano sistematicamente associati a cambiamenti nei regimi latenti di rendimento e volatilità e se le caratteristiche dei terremoti possano predire spostamenti immediati negli stati del mercato.

Metodologia
Lo studio impiega un Modello di Markov a Stati Nascosti (HMM) gaussiano a tre stati per analizzare i rendimenti logaritmici giornalieri dell'indice BIST 100.

Dati: Il campione empirico comprende 4.334 osservazioni giornaliere dal 5 gennaio 2009 al 3 aprile 2026. Il catalogo dei terremoti copre il periodo sovrapponibile dal 19 giugno 2009 al 27 ottobre 2025.
Filtraggio degli Eventi: Da un gruppo iniziale di 96 terremoti con magnitudo $M \ge 5,5$ , sono stati selezionati 74 eventi rappresentativi utilizzando un filtro dell'evento principale a 48 ore per evitare la sovraponderazione dei cluster di scosse di assestamento. Gli eventi sono stati allineati con il giorno di negoziazione contemporaneo o quello successivo.
Specificazione del Modello: L'HMM assume che il rendimento giornaliero $r_t$ segua una distribuzione gaussiana dipendente dallo stato $N(\mu_k, \sigma^2_k)$ , dove $k \in \{1, 2, 3\}$ rappresenta il regime di mercato non osservato. I regimi sono inferiti post-stima in base alle caratteristiche di rendimento medio e volatilità.
Strategia di Analisi:
1. Stima dei Regimi: Il modello stima le probabilità di transizione, le durate attese dei regimi e le medie e varianze specifiche per stato.
2. Test di Associazione: Un test di bontà dell'adattamento chi-quadrato di Pearson confronta la distribuzione dei giorni di negoziazione legati ai terremoti attraverso i tre regimi rispetto alla composizione incondizionata dei regimi del campione completo.
3. Analisi della Magnitudo: Gli eventi sono stratificati per magnitudo ( $5,5 \le M < 6,5$ vs. $M \ge 6,5$ ) per testare se i grandi terremoti predicono cambiamenti immediati di regime (utilizzando il test esatto di Fisher).
4. Previsione: Le previsioni condizionate allo stato sono generate utilizzando la matrice di transizione e simulazioni Monte Carlo (100.000 percorsi) per proiettare i rendimenti cumulativi a 30 giorni e le probabilità di regime, condizionatamente allo stato iniziale.
Estensione Proposta: Il documento delinea un quadro teorico per un modello a probabilità di transizione variabile nel tempo (TVTP) in cui le covariate del terremoto (magnitudo, profondità, distanza) potrebbero influenzare la probabilità di muoversi tra gli stati, sebbene questa estensione non sia stimata nell'analisi corrente.

Risultati Chiave

Caratterizzazione dei Regimi: Il modello a tre stati identifica regimi distinti:
- Crisi: 7,27% delle osservazioni, rendimento medio -0,79%, volatilità 3,45%, durata attesa 5,3 giorni.
- Incertezza: 51,66% delle osservazioni, rendimento medio 0,20%, volatilità 1,16%, durata attesa 12,1 giorni.
- Normale: 41,07% delle osservazioni, rendimento medio 0,19%, volatilità 0,50%, durata attesa 15,7 giorni.
- I regimi di "Incertezza" e "Normale" hanno rendimenti medi positivi simili; la loro distinzione primaria è la volatilità.
Dinamiche di Transizione: Il regime di crisi è persistente (probabilità dell'81,1% di rimanere) ma le uscite dalla crisi avvengono prevalentemente attraverso il regime di "Incertezza" piuttosto che direttamente verso il regime "Normale". Il regime "Normale" è il più persistente (auto-transizione del 93,6%).
Associazione con i Terremoti:
- Ipotesi H3 (Rigettata): La distribuzione dei giorni di negoziazione legati ai terremoti tra i tre regimi (7 crisi, 35 incertezza, 32 normale) non differisce significativamente dalla composizione incondizionata dello stato ( $\chi^2 = 0,845, p = 0,655$ ).
- Ipotesi H4 (Rigettata): Non esiste un'associazione significativa tra i gruppi di magnitudo dei terremoti e i cambiamenti immediati di regime del giorno successivo ( $p = 0,952$ ).
Previsioni Dipendenti dallo Stato: Sebbene l'associazione aggregata dei terremoti sia debole, le previsioni condizionate allo stato rivelano differenze sostanziali nel rischio.
- Partendo da uno stato di Crisi, il rendimento atteso a 30 giorni è vicino allo zero (0,03%) con una probabilità del 46,0% di un rendimento cumulativo negativo e una probabilità dell'89,9% di visitare nuovamente il regime di crisi.
- Partendo da uno stato Normale, il rendimento atteso è del 4,28% con solo il 20,5% di probabilità di un esito negativo.
- Le previsioni mostrano che lo stress di mercato si dissipa gradualmente attraverso il regime di "Incertezza" piuttosto che tornare immediatamente allo stato "Normale".

Significatività e Rivendicazioni
Il documento sostiene di contribuire alla letteratura in quattro modi specifici:

Ambito del Campione: Utilizza un campione a lungo termine (2009–2026) contenente molteplici eventi sismici anziché concentrarsi su un singolo evento catastrofico.
Separazione Metodologica: Separa la stima dei regimi di mercato latenti dall'esame successivo dei giorni di terremoto, riducendo il rischio di classificazione circolare in cui gli stati sono definiti esclusivamente dalle date dei disastri.
Metriche Ampliate: Va oltre i rendimenti anormali medi per riportare probabilità di transizione, persistenza del regime, durate attese e previsioni condizionate al regime.
Estensione Teorica: Propone una specifica di Markov-switching a tempo variabile per esaminare se le caratteristiche dei terremoti influenzino i rendimenti all'interno di un regime o alterino la probabilità di transizione tra i regimi.

Interpretazione Modesta dei Risultati
L'autore avverte esplicitamente che i risultati aggregati non stabiliscono un legame causale sistematico tra la magnitudo dei terremoti e i cambiamenti di regime immediati. Sostiene che la magnitudo da sola sia una proxy insufficiente per l'esposizione finanziaria, poiché fattori come profondità, posizione, esposizione economica e risposte politiche (ad esempio, sospensioni del trading) variano significativamente. Lo studio conclude che, sebbene i terremoti non predicano sistematicamente i cambiamenti di regime nell'indice aggregato in questo campione, il framework a stati latenti rimane prezioso per il monitoraggio del rischio. Le previsioni condizionate allo stato dimostrano che il regime di mercato attuale influenza materialmente le distribuzioni del rischio al ribasso a breve termine, fornendo uno strumento probabilistico per valutare lo stress di mercato anche in assenza di una correlazione diretta tra terremoto e regime.

Articoli simili