Conditions comportementales multiples des taux de change à terme et du rendement du marché boursier dans les marchés boursiers d'Asie du Sud pendant COVID-19 : une nouvelle approche MT-QARDL

Cette étude examine les effets à court et à long terme de multiples quantiles des primes de taux de change à terme (FERPs) et des cas de COVID-19 sur les quantiles des rendements du marché boursier (SMRs). Nous étendons le modèle de retard distribué autorégressif quantile (QARDL) et le modèle de retard distribué autorégressif non linéaire à seuil multiple (NARDL), et proposons une nouvelle approche de retard distribué autorégressif quantile à seuil multiple (MT-QARDL). Contrairement à MT-NARDL, QARDL et NARDL, le modèle MT-QARDL, qui intègre le modèle MT-NARDL et la méthodologie de régression quantile, capture à la fois les asymétries localisées et basées sur le signe à court et à long terme. Par exemple, aux quantiles inférieurs pour les SMRs indiens et sri-lankais, le FERP baissier exerce une influence positive, tandis que le FERP haussier a un effet négatif pendant COVID-19. Inversement, le FERP haussier affecte négativement les quantiles inférieurs des SMRs du Bangladesh, de l'Inde et du Sri Lanka, tandis que le FERP baissier exerce soit un effet opposé, soit reste statistiquement insignifiant pendant COVID-19. Les résultats soulignent des asymétries basées sur le signe à long terme en raison de l'impact différentiel des FERP baissiers et haussiers pendant COVID-19. Toutefois, à long terme, des asymétries basées sur la localisation existaient également, car le FERP haussier influence négativement les SMRs de l'Inde, du Bangladesh et du Sri Lanka à des quantiles plus élevés, mais les SMRs à des quantiles inférieurs répondent de manière insignifiante aux fluctuations du FERP haussier pendant COVID-19.