تعیین نوسانات بازده بورس غنا قبل و در طول همه گیر COVID-19 با استفاده از مدل گارچ نمایی

کپی رایت © نویسنده (ها) ، تحت مجوز انحصاری به Springer Nature Switzerland AG 2022 ، Springer Nature یا مجوز آن (به عنوان مثال یک جامعه یا شریک دیگر) طبق توافق نامه نشر با نویسنده (ها) یا سایر افراد راستگرا ، حق انحصاری این مقاله را در اختیار دارد(ها) ؛نویسنده خود معماری از نسخه خطی پذیرفته شده این مقاله صرفاً با شرایط چنین توافق نامه انتشار و قانون قابل اجرا اداره می شود.

این مقاله از طریق زیر مجموعه دسترسی باز PMC برای استفاده مجدد از تحقیقات نامحدود و تجزیه و تحلیل ثانویه به هر شکلی یا به هر وسیله با تأیید منبع اصلی در دسترس است. این مجوزها برای مدت زمان اعلام سازمان بهداشت جهانی (WHO) COVID-19 به عنوان یک بیماری همه گیر جهانی اعطا می شود.

داده های مرتبط

در این تحقیق ، ما منحصراً از منابع داده ثانویه استفاده کردیم. بنابراین ، در این مطالعه از داده های جدیدی استفاده نمی شود یا تولید نمی شود.

خلاصه

در این مقاله ، ما از بازده سهام روزانه برای بازار سهام غنا (GSE) استفاده می کنیم تا تأثیر همه گیر Covid-19 را بر نوسانات بازار بررسی کنیم. ما از 2 ژانویه 2018 ، تا 31 دسامبر 2021 ، نوسانات بازگشت را به دست می آوریم و آن را به دو دوره تقسیم می کنیم-دوره قبل از کاوید-19 و دوره COVID-19. با استفاده از مدل گارچ نمایی (EGARCH) ، ما اثرات اهرم را در تمام دوره های مشاهده شده کشف کردیم. علاوه بر این ، تحقیقات نشان می دهد که دوره COVID-19 با تداوم نوسانات گذرا نوسانات بالایی را تجربه کرده است. علاوه بر این ، در طول بیماری همه گیر Covid-19 ، شوک های مثبت تأثیر قابل توجهی در نوسانات بازده GSE نسبت به اخبار منفی از بزرگی قابل مقایسه داشتند.

کلمات کلیدی: Covid-19 ، بازده بازار سهام ، نوسانات ، GSE ، شوک ها

معرفی

با استفاده از شاخص قیمت سهام روزانه برای بورس سهام غنا (GSE) ، در این مقاله به بررسی اثرات شوک منفی ناشی از رمان کروناویروس (COVID-19) بر نوسانات بازده بازار سهام خود می پردازیم. ما این فرضیه را آزمایش می کنیم که خبر منفی ناشی از همه گیر COVID-19 ، حرکات قیمت سهام را در GSE توضیح می دهد. نوسانات برای عملکرد بازار سهام بسیار مهم است زیرا این یک پروکسی برای ریسک مالی ، عدم اطمینان و استرس در ارتباط با سرمایه گذاری های مالی است (زرمبا و همکاران 2020). ما با استفاده از مدل گارچ نمایی که توسط Ozdemir و همکاران به کار رفته است ، یافته های جذاب بیشماری را مستند می کنیم.(2021). اول ، تحقیقات ما وجود اثرات اهرم بر GSE را صرف نظر از دوره نمونه نشان داد. دوم ، برای نمونه های کامل و قبل از Covid-19 ، تأثیر شوکهای جانبی بر نوسانات بیشتر از تأثیر شوک های مثبت با همان شدت بود. با این حال ، شوک های مثبت تأثیر نسبتاً بالاتری در بازده GSE نسبت به شوک های جانبی در طول COVID-19 داشتند. سوم ، ما می دانیم که Covid-19 هیچ تأثیر مضر بر بازده متوسط GSE ندارد ، با میانگین بازده برای دوره COVID-19 در حدود 0. 05 ٪. میانگین بازده دوره قبل از کاوید تقریباً-0. 02 ٪ است. سرانجام ، این یافته ها حاکی از آن است که بازده بازار GSE بی ثبات تر بوده و در طول دوره COVID-19 در مقایسه با دوره قبل از Covid-19 ، پایداری کمتری دارد.

بازارهای جهانی بورس بلافاصله پس از آنكه سازمان بهداشت جهانی (WHO) در 11 مارس 2020 كوو د-1 را همه گیر اعلام كرد ، شروع به كاهش كرد. Covid-19 یک عفونت ویروسی بسیار مسری است که ناشی از یک کرونوویروس قبلاً ناشناخته است. تحقیقات بی شماری در مورد COVID-19 نمونه های تجارت وحشت و افزایش نوسانات در هر دو بازارهای بین المللی و داخلی را افزایش داده است (سینگ و همکاران 2020a). از سیزدهم مارس 2020 ، صرافی هایی مانند بورس اوراق بهادار ملی (NSE) و بورس اوراق بهادار بمبئی (BSE) مجبور به متوقف کردن تجارت از طریق یک قطع کننده مدار شدند. این اقدام به دلیل افزایش عدم اطمینان و تجارت وحشت بود. اوضاع به حدی وخیم بود که حتی یک بازار توسعه یافته ، مانند بازار سهام آمریکا ، چهار بار در طی 10 روز چهار بار قطع کننده مدار را برانگیخت و بورس اوراق بهادار ژوهانسبورگ (JSE) مقررات سختگیرانه تری را تصویب کرد که مانع از فروش کمبود یا برهنه شد و مدت زمان طولانی را طولانی کرد. توقف اجباری برای معاملات مدارک تجاری (رویترز 2020). شوک Covid-19 تأثیر مضر بر اکثر بازار سهام داشت. در مقابل ، GSE پس از مالیات 23. 46 میلیون پوند GH ، عملکرد مالی محکم را با سود خالص ثبت کرد ، که از 8. 43 میلیون پوند در سال 2019 و بزرگترین زمان تأسیس مبادله (GSE 2021) افزایش یافته است.

مطالعات قبلی به دلیل هزینه قابل توجه اقتصادی همه گیر ، رابطه قابل توجهی بین همه گیر و رشد اقتصادی ایجاد کرده است (بلوم و همکاران 2018 ؛ اییک و همکاران 2021). با این وجود ، هرچند یافته های مختلف ، تأثیر همه گیر Covid-19 در بورس های سهام که عمدتا در بازارهای سهام و اوراق بهادار در کشورهای توسعه یافته متمرکز است (Ozdemir و همکاران 2021 ؛ Gubareva 2021 ؛ Endri et al. 2021 ؛ Singh et al. 2020a ؛ Hassan etAl. 2021 ؛ Devpura et al. 2021 ؛ Rizvi et al. 2021 ؛ Zaremba et al. 2020 ؛ Liu et al. 2020a ، b). همه گیر Covid-19 ، از نظر تئوری ، انتظارات سرمایه گذار را تغییر می دهد ، شاید منجر به کاهش بازده بازار سهام شود. به طور دقیق ، سرمایه گذاران آزادی انجام اقدامات مختلف را در پاسخ به خطرات و عدم قطعیت های احتمالی بر اساس تئوری گزینه های واقعی حفظ می کنند. در اصل ، سرمایه گذاران گزینه تعویق گزینه های سرمایه گذاری یا سرمایه گذاری را دارند. در دوره COVID-19 ، سرمایه گذاران ممکن است سرمایه گذاری ها را تحت نظریه گزینه های واقعی به تعویق بیندازند و بازده سهام را در این فرآیند کاهش دهند. به بهترین دانش ما ، در حال حاضر هیچ پوشش از تأثیر Covid-19 در بازارهای مرزی وجود ندارد. کار ما اولین کسی است که این کار را انجام داده و ممکن است به طور قابل توجهی بر تحقیقات آینده در این زمینه تحقیق در حال رشد تأثیر بگذارد. علاوه بر این ، حتی مطالعات محدود به بازارهای توسعه یافته و در حال ظهور کم است.

به همین ترتیب ، انگیزه ما این است که تأثیر شیوع Covid-19 را بر روی GSE ، یک بازار مرزی روشن کنیم. این بازار برای رشد کشور بسیار مهم است زیرا بودجه شرکت ها را تأمین می کند و به عنوان یک مقصد جذاب برای سرمایه گذاران تهاجمی خدمت می کند. همچنین ، GSE نازک ، کوچک ، غیرقانونی و ناکارآمد است (Odonkor و همکاران 2019) در مقایسه با بازار سهام موجود در اقتصادهای توسعه یافته و سایر نوظهور. این بدان معنی است که می تواند به شوک های Covid-19 متفاوت پاسخ دهد.

در زیر خلاصه سهم عمده مقاله ما در مورد وضعیت فعلی تأثیرات COVID-19 بر بازده بازار سهام است. اول ، ما به شکاف موجود ناشی از کمبود تحقیقات تجربی در مورد این موضوع می پردازیم. دوم ، تحقیقات ما به بدنه دانش در مورد چگونگی پاسخگویی به بازارهای سهام به اثرات اقتصادی شوک های COVID-19 کمک می کند ، و بینش های ارزشمندی را برای سیاست گذاران و سرمایه گذاران حرفه ای و غیر حرفه ای مسئول تنوع و مدیریت ریسک ارائه می دهد.

باقی مانده از مقاله به شرح زیر سازماندهی شده است. بخش بعدی ادبیات مربوطه را در مورد این موضوع بررسی می کند. بخش بعدی داده ها و روش شناسی را تشریح می کند که به دنبال آن نتایج و بحث های تجربی ارائه می شود. بخش پایانی مطالعه را نتیجه می گیرد.

بررسی ادبیات

تحقیقات قبلی نشان داده است که بازده بازار سهام پاسخگوی رویدادهای مهم جهانی است. این مقالات تجربی بررسی می کنند که چگونه پدیده های عمده جهانی ، مانند سندرم حاد شدید تنفسی (SARS) شیوع همه گیر (چن و همکاران 2018 ، 2009 ؛ لوه 2006 ؛ فنگ و لی 2022) ، ابولا (ایچ و مارین 2018) ، HIV/ایدز(Kauffman and Weerapana 2006 ؛ Daly et al. 2019) ، بلایای طبیعی و انسان شناسی (Kowalewski and śpiewanowski 2020 ؛ Caporale et al. 2019 ؛ Tavor and Teitler-Regev 2019 ؛ Wang and Kutan 2013) ، سیاسی (Bash and Alsaifi 2019 ؛ Shanaevو Ghimire 2019 ؛ Sajid Nazir و همکاران 2014) و رویدادهای ورزشی (Buhagiar و همکاران 2018) بر بازده بورس تأثیر می گذارد. با این وجود ، بررسی تأثیر بیماری همه گیر COVID-19 بر اقتصاد بسیار حیاتی است و نمی توان به اندازه کافی تأکید کرد ، به ویژه در غنا ، یک مقصد مهم برای بسیاری از سرمایه گذاری های بین المللی است. ادبیات قابل توجهی در مورد چگونگی بازگرداندن بازار سهام همه گیر COVID-19 در بورس سهام پیشرفته و مهم جهانی وجود دارد. به عنوان مثال ، Ozdemir و همکاران.(2021) از داده های شاخص متوسط صنعتی داو جونز (DJIA) ، Deutscher Aktienindex (DAX) ، شاخص بورس اوراق بهادار Financial Times 100 (FTSE100) و کمک هزینه Cotation (CAC40) برای دوره اول ژانویه 2019 تا 17 ژوئیه 2020برای بررسی تأثیر COVID-19 در بازده بورس. در طول موج اول شیوع بیماری همه گیر Covid-19 ، تجزیه و تحلیل گارچ نمایی آنها نوسانات بیش از حد در بازده بورس را با تداوم نوسانات کوتاه و اثرات اهرم نشان داد. علاوه بر این ، یافته های آنها نشان داد که شوک های مثبت تأثیر قابل توجهی در نوسانات بازده سهام نسبت به شوکهای منفی با بزرگی برابر دارند. مطالعه دیگری توسط سینگ و همکاران.(2020b) در مورد تأثیر همه گیر COVID-19 در بورس سهام کشورهای G-20 بررسی شد. بازه زمانی شامل 150 روز قبل و 58 روز پس از اعلام خبر بین المللی همه گیر Covid-19 بود. در نتیجه افزایش تعداد موارد COVID-19 ، 43 روز اول بازده به طور غیر طبیعی زیاد بود. این امر ناشی از ترس شدید از بازارهای مالی بود. علاوه بر این ، آنها بهبود بازار سهام را از اثرات مضر Covid-19 کشف کردند. برای فشار آوردن به این ، Phan و Narayan (2020) ادعا می کنند که بورس سهام نسبت به اخبار ناخواسته واکنش نشان می دهد ، و هرچه اطلاعات بیشتر در دسترس قرار می گیرد و مصرف کنندگان درک گسترده تری از پیامدها دارند ، بازار خود را تنظیم می کند.

یک مطالعه دیگر توسط بحرین و فیلفیلان (2020) نشان داد که تعداد کشته شدگان COVID-19 تأثیر مضر بر بازار سهام در کشورهای شورای همکاری خلیج فارس (GCC) داشته است ، در حالی که پاسخ های بازار به تعداد موارد تأیید شده بر بازارهای سهام تأثیر نمی گذاردبشراشرف (2020) مشخص کرد که بورس سهام نسبت به تعداد کشته ها به تعداد موارد تأیید شده Covid-19 پاسخ بیشتری داده است. علاوه بر این ، تأثیر در روزهای اولیه بسیار برجسته تر بود.

Zeren و Hizarci (2020) بین موارد COVID-19 و شاخص قیمت سهام کامپوزیت کره (KSOPI) ، Indice Bursatil Espanol (IBEX35) و بورس سهام شانگهای (SSE) ارتباط برقرار کردند. با این حال ، داده ها نتوانستند رابطه ای همگرایی بین تعداد موارد گزارش شده و میلانو Indice di Borsa (MIB) ، شاخص بورس اوراق بهادار مالی 100 (FTSE100) ، Deutscher Aktienindex (DAX) و کمک های Cotation را ادامه دهند (CAC40). این نشان می دهد که از مارس 2020 ، تأثیر COVID-19 بر نوسانات بورس اوراق بهادار به موقعیت جغرافیایی مربوط می شود زیرا این ویروس به کشورهای اروپایی گسترش یافته است. طبق مقاله ای از راملی و واگنر (2020b) ، تأثیر COVID-19 بر عملکرد بازار سهام بر اساس بخش متفاوت است. شیوع COVID-19 در چین و ایالات متحده باعث بهبود بازده بخش های مخابراتی ، بهداشت و نرم افزار ضمن کاهش بازده بخش های انرژی ، حمل و نقل ، بیمه ، املاک و مستغلات و خرده فروشی شد. فعالان بازار در ایالات متحده و چین در پاسخ به نگرانی های سرمایه گذاران در مورد بدهی و نقدینگی شرکت ها ، که پیش بینی می شد از طریق کانال های مالی (2020a) پیش بینی شود ، به سرعت واکنش نشان دادند. لیو و همکاران.(2020a) تأثیر همه گیر COVID-19 را در بورس سهام در کشورهای آسیب دیده با استفاده از رویکرد مطالعه رویداد ارزیابی کرد. آنها نشان دادند كه بازارهای سهام به طور نامطلوب نسبت به اخبار مربوط به شیوع COVID-19 واکنش نشان داده اند و به طور ویرانگر بر عملکرد آنها تأثیر می گذارد. ژانگ و همکاران.(2020) الگوی گسترده ریسک ویژه ملی و سیستمیک را در بازارهای مالی در طول شیوع همه گیر COVID-19 بررسی کرد. آنها خاطرنشان كردند كه بازارهای جهانی سهام نسبت به دوره بسیار بی ثبات شده و نوسانات بازارهای مالی به دلیل غیرقابل پیش بینی بودن شرایط بازار افزایش یافته است. آلبولسکو (2020) نشان داد که افزایش در موارد COVID-19 و تلفات از شاخص نوسانات بازار در داخل و خارج از چین سود می برد. احمار و وال (2020) با استفاده از رویکردهای آریما و اشتوتاریما ، تأثیر کوتاه مدت همه گیر Covid-19 را در IBEX 35 با استفاده از داده های بازار سهام اسپانیا پیش بینی کردند (IBEX 35). یافته ها نشان می دهد که Stuttearima برای برآورد تأثیر COVID-19 در IBEX 35 مناسب تر از ARIMA است. هارون و ریزوی (2020) نشان دادند که اخبار ناشی از وحشت در نوسانات بخش های اقتصادی که بیشترین تأثیر را در کرونوویروس داشته اند ، نقش داشته است.

در یک مطالعه جدید ، Apostolakis و همکاران.(2021) از عملکرد پاسخ Impulse برای بررسی سرریز نوسانات داخل بازار بورس اوراق بهادار آتن استفاده کرد. آنها مشخص كردند كه سرریز نوسانات در طول همه گیر COVID-19 به اوج خود رسیده است و اینكه بنگاههای میانه درپوش نوسانات بیشتری را به سمت شركتهای بزرگ محاصره می كنند. زرمبا و همکاران.(2020) شواهدی ارائه داد که نشان می دهد اقدامات غیر دارویی باعث تحریک نوسانات بازار سهام می شود. ناریان و همکاران.(2021) مستند کرد که اقدامات دولت مانند قفل ، ممنوعیت سفر و بسته های محرک اقتصادی طرفدار بازارهای سهام G7 است. با این حال ، قفل کردن موفق ترین در به حداقل رساندن اثرات COVID-19 بود. Huynh و همکاران.(2021) کشف کرد که در آغاز همه گیر COVID-19 ، احساسات سرمایه گذاران مثبت (منفی) نوسانات بازار سهام (بازده) را پیش بینی می کنند. جالب اینجاست که لیو و همکاران.(2020a) ، با استفاده از قیمت روزانه غرب تگزاس واسطه (WTI) آتی نفت خام و شاخص سهام استاندارد و پور (S& P 500) ، نتیجه گرفت که همه گیر Covid-19 آسیب نمی رساند بلکه در عوض تأثیر مطلوبی بر روی نفت خام و تأثیر مطلوبی داردبازده سهام

به بهترین دانش ما ، هیچ مطالعه ای در مورد تأثیر بیماری همه گیر COVID-19 در نوسانات یک بازار در حال توسعه یا مرزی مانند GSE وجود ندارد. بنابراین ، این مقاله سعی در پر کردن این لاکونا در ادبیات دارد.

داده ها و روش شناسی

در این مطالعه ، ما تأثیر Coronavirus را در بازده بازار سهام با استفاده از شاخص قیمت کامپوزیت روزانه بورس غنا (GSE) مورد مطالعه قرار دادیم. انتخاب بورس غنا بر اساس این استدلال مبنی بر اینکه این جزء بهترین شاخص های بازار در کشورهای جنوب صحرای آفریقا است ، بنا شده است. با این حال ، بازار سهام غنا یک بازار مرزی با تعداد کمی از شرکت های معامله شده عمومی است. این امر باعث می شود بازار سهام غنی بسیار نازک ، کوچک ، غیرقانونی و ناکارآمد باشد (اودونکور و همکاران 2019). از آنجا که GSE دارای ویژگی هایی است که در بالا با اکثر بازار سهام در کشورهای جنوب صحرای آفریقا توضیح داده شده است ، به عنوان یک پروکسی برای بازارهای سهام در کشورهای جنوب صحرای آفریقا در نظر گرفته می شود. در این مقاله به بررسی تأثیر بیماری همه گیر Covid-19 در حرکت قیمت سهام از 2 ژانویه 2018 تا 31 دسامبر 2021 می پردازیم. دلیل انتخاب دوره نمونه این است که Covid-19 در 31 دسامبر 2019 پدیدار شد و تا 31 دسامبر 2021 ادامه یافت. این به این معنی است که دوره فعال این بیماری همه گیر دو سال بود. برای تجزیه و تحلیل داده های قبل و بعد از کار با هرگونه تعادل ، ما دو سال قبل از شروع COVID-19 انتخاب کردیم. به این ترتیب ، ما قادر به کنترل هرگونه تأثیر ناشی از اختلاف اندازه نمونه بودیم. نمونه به دوره همه گیر قبل از Covid-19 (2 ژانویه 2018 تا 31 دسامبر 2019) و دوره همه گیر Covid-19 (2 ژانویه ، 2020 تا 31 دسامبر ، 2021) تقسیم شد. این داده ها از وب سایت رسمی GSE جمع آوری شد. اول از همه ، بازده را با استفاده از Eq تخمین می زنیم.(1):

R T = L N P T P T - 1 × 100 ،

جایی که R T نشان دهنده بازده فعلی سهام است. P T نشان دهنده قیمت در روز جاری t است. LN نشان دهنده ورود به سیستم طبیعی است ، و P T - 1 نشان دهنده قیمت روز قبل است. پس از آن ، برای درک تأثیر بیماری همه گیر Covid-19 بر بازده سهام ، بر اساس تحقیقات گذشته (ریزوی ، و همکاران 2018 ؛ ریزوی ، و همکاران 2021 ؛ هارون و همکاران 2021 ؛ özdemir و همکاران 2021 ؛ Haldar وSethi 2021) ، ما از مدل گارچ نمایی (EGARCH) استفاده می کنیم. این ادبیات استفاده از مدل EGARCH را تأیید می کند ، یک مدل نامتقارن که توسط نلسون (1991) تهیه شده است. با این حال ، این مطالعه می تواند از مدل های مختلف GARCH 2 برای درک بهتر خواص پویا داده های سری زمانی مالی و پیش بینی ناهمگونی در طول زمان استفاده کند. نگرانی اصلی مدل های متقارن ، بزرگی نوسانات است ، بنابراین ، نشانه نوسانات را نادیده می گیرد (Ozdemir et al. 2021 ؛ Rizvi et al. 2021 ؛ Haroon et al. 2021). با این حال ، بلک (1976) نشان داد که شوک های جانبی تأثیر بیشتری بر نوسانات در بیشتر شرایط نسبت به شوک های مثبت از بزرگی قابل مقایسه دارند. از آنجا که این پدیده شناخته شده است ، مدلهای Garch/Arch متقارن اثر اهرم را ضبط نمی کنند. بنابراین ، مدل EGARCH بررسی عمیق تر از عدم تقارن ذاتی در داده های مالی را امکان پذیر می کند. قابل توجه ترین ویژگی مدل EGARCH توانایی آن در مدل سازی اثرات اهرم در تخمین ها با نادیده گرفتن محدودیت های غیر منفی مدل GARCH است. اثر اهرم به تمایل به افزایش ارقام بازار سهام پس از کاهش قابل توجه در قیمت سهام ، به جای افزایش در بزرگی مساوی ، افزایش می یابد. اثرات اهرم نشان می دهد که قیمت بسیاری از سهام از میانگین تمایل تخمین زده شده در هنگام فروپاشی نسبت به حباب منحرف می شود ، به دلیل افزایش ناامنی مشاهده شده (FAMA 1965 ؛ Black 1976). به دنبال پیشنهاد نلسون (1991) ، ما مدل Egarch را به شرح زیر بیان می کنیم:

l o g (h t) = ω + ∑ j = 1 p β j log (h t - 1) + ∑ i = 1 q α i μ t - i h t - i + ∑ i = 1 q μ t - i h t - i ،_{جایی که ساعت}حرف_{عملکرد scedastic ، h}t-j<γ i <0 , adverse shocks increase volatility more than positive shocks (Brooks 2008). Considering that we use a time series model for modelling and estimation, we begin by estimating the Autoregressive Moving Average (ARMA) structure of each sample’s mean Equation. Following previous studies such as Aliyev et al. (2019) and Lim and Sek (2013), we specify the mean Equation of stock market retus as the constant term plus the residuals term.

مقادیر عملکرد scedastic را برای دوره J-1 نشان می دهد ، μ t - من مقادیر شرایط نویز را در دوره I نشان می دهد. β J ، α I ، ω و γ I پارامترهای مدل EGARCH هستند. وجود یا در غیر این صورت اثر اهرم مشروط بر اهمیت پارامتر تخمین زده شده γ I است. پارامتر γ I اثر اهرم و عدم تقارن داده ها را اندازه گیری می کند. γ من فرض می کنم که یک مقدار صفر به این معنی است که شوک های مثبت و منفی تأثیر برابر بر نوسانات دارند. اگر اثر نامتقارن وجود داشته باشد ، پارامتر تخمین زده شده γ I نباید برابر با صفر باشد. اگر - 1 r t = θ + μ t ،

μ t ∼ n 0 ، h t ،

در جایی که R T معادله بازده است ، θ ثابت از میانگین معادله است ، در حالی که μ T نشان دهنده اصطلاح اختلال معادله میانگین است.

نتایج

ما تجزیه و تحلیل را با اولین بار در نتایج اولیه سری GSE Retu آغاز کردیم.

نتایج اولیه