یک شاخص هشدار اولیه مبتنی بر عامل برای بی ثباتی بازار مالی

با الهام از بانک مرکزی آمریکا مریل لینچ قانون جهانی نفس ، ما یک شاخص احساسات سرمایه گذار را بر اساس حرکت جمعی قیمت سهام در یک بازار معین پیشنهاد می کنیم. ما نشان می دهیم که تکامل زمان شاخص احساسات را می توان به طور منطقی توسط مدل گله ای که توسط کرمان در مقاله اصلی خود "مورچه ها ، عقلانیت و استخدام" ارائه شده است ، توصیف کرد (کرمان در Q J Econ 108: 137-156 ، 1993). مکاتبات بین شاخص و مدل به ما اجازه می دهد تا به راحتی پارامترهای آن را تخمین بزنیم. بر اساس مدل و تکامل تجربی شاخص احساسات ، ما یک شاخص هشدار دهنده اولیه را پیشنهاد می کنیم که بتواند مراحل خوش بینانه و بدبینانه بازار را شناسایی کند. در نتیجه ، سرمایه گذاران و سیاست گذاران می توانند استراتژی های مختلفی را برای پیش بینی بی ثباتی بازار مالی تعیین کنند. سرمایه گذاران می توانند خطر ابتلا به نمونه کارها خود را کاهش دهند در حالی که سیاست گذاران می توانند سیاست های کارآمدتری را برای جلوگیری از تأثیر بی ثباتی مالی بر اقتصاد واقعی تعیین کنند. اعتبار نتایج ما با استفاده از تجزیه و تحلیل استحکام نشان می دهد که کاربرد شاخص هشدار اولیه در هشت بازار سهام مختلف در سراسر جهان را نشان می دهد.

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های دسترسی

خرید مقاله منفرد

دسترسی فوری به مقاله کامل PDF.

قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

یادداشت

با توجه به شباهت های مربوط به یورو Stoxx 600 ، ما نتایج مربوط به کشورهایی مانند آلمان (DAX) ، فرانسه (CAC) و اسپانیا (IBEX) را گزارش نکردیم. از این رو ، ما روی یورو Stoxx 600 متمرکز شدیم تا نمایندگی کشورهای اروپایی را شامل شود (مواد موجود در صورت درخواست).

تنها استثناء شاخص All-Share JSE بود. در این حالت ، سال اولیه ما 2000 بود.

معادله ای که تخمین زده شده است

که در آن ( tau ) یک شاخص افزایشی برای هر روز از سری زمانی نشان می دهد و در نتیجه ، ( بتا _ ) میانگین بازده روزانه برای هر شاخص را نشان می دهد. ما تأثیر مقدار شروع (S_ ) را در برآورد ( بتا _ ) بررسی کردیم و آن را در یک پنجره زمانی تقریباً 200 روز تغییر دادیم. تخمین به طور قابل توجهی تحت تأثیر قرار نگرفت.

اگر سری زمانی اصلی قیمت ها را در نظر بگیریم ، نتایج ما به طور قابل توجهی تحت تأثیر قرار نگرفت ، زیرا برای شاخص احساسات ، از میانگین متحرک برای استخراج روحیه معامله گران استفاده کردیم (مطالب موجود در صورت درخواست). از تکنیک دفع شده برای از بین بردن تعصب کوچک خوش بینانه سیستماتیک در شاخص احساسات به دلیل وجود رشد طولانی مدت نمایی استفاده شده است.

MSCI All Country World Index 46 شاخص ، 23 بازار توسعه یافته و 23 در حال ظهور.

GBR با توجه به سطح نسبی قیمت با توجه به دو میانگین متحرک ، سه حالت ممکن از سهام را امکان پذیر می کند.

در این بخش و بخش های زیر ، ما یک شاخص را نشان می دهیم که بازار خاصی را که یک سهام به آن تعلق دارد به منظور جلوگیری از نماد ناخوشایند نشان می دهد. ما به طور ضمنی فرض می کنیم که همه سهام به بازار مربوطه مراجعه می کنند.

چنین مقدار برای ضریب وزن امکان مقایسه بصری بین EMA و میانگین حسابی ساده از پنجره نورد را فراهم می کند. برای (w = 2/(l + 1) ) ، هر دو میانگین در حال حرکت دارای یک مرکز جرم یکسان هستند. با استفاده از Eq.(5) ، ما می توانیم EMA را با یک بازه زمانی مشخص کنیم (به مورفی 1999 ؛ هانسون 2013 مراجعه کنید).

بدون از دست دادن کلی ، ما (h = l ) را تنظیم می کنیم. این انتخاب به محض (ح) تأثیر نمی گذارد

دو نمونه اصلی این ادبیات Lux و Marchesi (2000) و Alfarano و همکاران هستند.(2005). اولی مربوط به خوشه بندی نوسانات ، دم چربی و خاصیت اصلی دارایی های دارایی با تعامل چارتیست ها است که می توانند خوش بین و بدبین باشند و بنیادگرایان باشند. در حقیقت ، چارتاست ها نه تنها به دلیل روند قیمت بلکه به دلیل نظر اکثریت روحیه خود را تغییر می دهند. دومی همچنین نشان می دهد که دم چربی و خوشه بندی نوسانات می تواند به عنوان خاصیت ظهور تعامل معامله گران در نظر گرفته شود ، که سهم اصلی آن در برآورد مستقیم پارامترهای اساسی مدل گله دار آنها با توجه به یک راه حل بسته برای توزیع بازده نهفته است.

The Markov chain described in Eqs. (10) and (11) is characterized by being homogeneous, irreducible, aperiodic, ergodic, with a unique equilibrium distribution (Feller 1968). In particular, the transition probabilities are homogeneous since they are time independent. Each state can be reached from the rest of the states in a finite number of states; thus, the chain is irreducible. Given that the probabilities ( ho (n'_> mid n_) ne 0 ) ، زنجیره ای aperiodic است. از این رو ، زنجیره مارکوف ارگودیک است ، زیرا این بیماری بی پروا و غیرقابل برگشت است. سرانجام ، توزیع تعادل وجود دارد و بی نظیر است. Garibaldi و Scalas (2010) شرح مفصلی از خواص چنین فرآیندی را ارائه می دهند.

با وجود این واقعیت که شاخص احساسات ما (z_ ) با توجه به شماره محدود N سهام موجود در سیستم ، متغیر مداوم نیست ، برای انسجام روش تخمین ، ما بتا را به عنوان توزیع تعادل به جای توزیع polya بررسی کردیم (Alfaranoو همکاران 2005) ، از آنجا که ما از احتمال مشروط مداوم برای برآورد پارامترهای اساسی مدل استفاده کردیم.

کتاب کلاسیک که توسط گاردینر و همکاران نوشته شده است.(1985) ارتباط بین معادله Fokke r-Planck و معادله دیفرانسیل تصادفی مرتبط با آن را تشکیل می دهد.

به Alfarano و همکاران مراجعه کنید.(2008) برای جزئیات مشتق.

معادله (21) را می توان با استفاده از FPE یا زنجیره Markov از Eq نیز محاسبه کرد.(10).

مقدار پارامتر B در واحدهای ( دلتا t ) بیان شده است. ما روز ( دلتا t = 1 ) را تنظیم می کنیم.

محاسبه دقیق تر اصطلاح (E [Z (1-Z)] ) این خط استدلال را تغییر نمی دهد.

ما حداکثر 20 تاخیر را در رگرسیون به کار می بریم. در صورت استفاده از تعدادی از تاخیر برابر با 30 ، 40 یا 50 (مواد موجود در صورت درخواست) تفاوت معنی داری وجود ندارد.

انتخاب 750 روز برای پنجره نورد بر اساس طول چرخه استاندارد تجارت ، که حدود 7-11 سال است ، بود. به طور خاص ، با توجه به اینکه می خواهیم انتقال مراحل مختلف بازار را رعایت کنیم ، از یک پنجره زمانی کوتاهتر برابر با 3 سال ، یعنی 750 روز استفاده کردیم. از طرف دیگر ، کوتاه کردن طول پنجره نورد بر دقت تخمین های ( varepsilon _ ) و ( varepsilon _ ) تأثیر می گذارد.

We use all data in each window without removing extreme values. In this case, using short running windows, we did not observe that extreme events affected the fit of the distribution. In fact, we observed similar results even excluding those values of (z_>0. 95 ).

ما از اندازه گیری جایگزین استفاده کرده ایم ( tilde<Lambda>_ = varepsilon _/ varepsilon _ ). mutatis mutandis ، نتایج شاخص هشدار اولیه بر اساس نسبت دو پارامتر ( ( tilde<Lambda>_ )) با توجه به نتایج شاخص هشدار اولیه ( lambda _ ) سازگار بودند (مواد موجود در صورت درخواست).

ما دو آستانه را با استفاده از کل مجموعه داده ها در اختیار ما محاسبه کردیم. با این حال ، همانطور که در پیوست (9. 3) آورده شده است ، ما با استفاده از داده های گذشته نتایج بسیار مشابهی را برای محاسبه بازگشتی مقدار دو آستانه به دست آوردیم.

با توجه به اینکه ما دقیقاً S& P 500 را تجزیه و تحلیل نمی کردیم ، زیرا ما فقط 208 سهام در اختیار داشتیم ، شاخص مربوط به سهام موجود را نشان می دهیم ( ( bar_ )) ، که به عنوان جمع تجمعی نمایی بازده بازار در هر یک تعریف شده است. زمان t ،

که در آن (MR_ ) بازده بازار را در T تعریف شده به عنوان نشان می دهد:

و (r_ ) نشان دهنده بازگشت هر سهام من است. ما همچنین شاخص S& P 500 را گزارش می کنیم ، که با استفاده از همان روش با استفاده از بازده محاسبه شده با استفاده از قیمت های کاهش یافته ( (P_ )) محاسبه شد.

سرمایه متوسط کل بازار S& P 500 و S& P 400 Midcap به ژوئن 2018 اشاره دارد.

اگرچه Gehrig (1993) ، Ivković و Weisbenner (2005) و Massa و Simonov (2006) نشان می دهند که سرمایه گذاران می توانند از بهره برداری از اطلاعات محلی ، Seasholes و Zhu (2010) استفاده کنند که سرمایه گذاران اطلاعات مربوط به ارزش را در شرکت های محلی ندارندبشر

همانطور که با S& P 500 ، ما از تست Arch (Engle 1982) و Test McLeo d-Li (MCLEOD و LI 1983) برای مطالعه خوشه بندی نوسانات در شاخص های تجربی و شبیه سازی شده استفاده کردیم. نتایج نشان داد که بیشتر شاخص ها با خوشه بندی نوسانات مشخص می شوند. به نظر می رسید تنها استثناء شاخص TSX است. ما همچنین حساسیت پارامترهای برآورد شده را به انتخاب L ، همانطور که برای S& P 500 انجام می شود ، تجزیه و تحلیل کردیم. نتایج در مواد تکمیلی گنجانده شده است.

در پیوست (9. 4): S& P 400 Midcap (ایالات متحده) ، شکل 19 ؛ASX 200 (استرالیا) ، شکل 20 ؛TSX (کانادا) ، شکل 21 ؛JSE All-Share (آفریقای جنوبی) ، شکل 22 ؛و FTSE 100 (انگلستان) ، شکل 23.

ما همچنین در پیوست (9. 4) تمام شاخص های هشدار دهنده اولیه ( (j lambda _ )) محاسبه شده برای کلیه بازارهای مالی در نظر گرفته شده در مقاله نشان داده شده است (شکل 18).

منابع

Adrian T ، Shin HS (2009) پول ، نقدینگی و سیاست پولی. Am Econ Rev 99 (2): 600-605

Aggarwal R ، Klapper L ، Wysocki PD (2005) ترجیحات نمونه کارها سرمایه گذاران نهادی خارجی. J Bank Finance 29 (12): 2919 2946

Alfarano S (2006) یک مدل نوسانات تصادفی مبتنی بر عامل. دکتریپایان نامه ، Christian-Albrechts Universität Kiel

Alfarano S ، Milaković M (2009) ساختار شبکه و وابستگی N در مدل های گله دار مبتنی بر عامل. J Econ Dyn Control 33 (1): 78-92

Alfarano S ، Lux T ، Wagner F (2005) تخمین مدل های مبتنی بر عامل: مورد یک مدل گله دار نامتقارن.comput Econ 26 (1): 19-49

Alfarano S ، Lux T ، Wagner F (2008) تنوع زمانی لحظه های بالاتر در یک بازار مالی با عوامل ناهمگن: یک رویکرد تحلیلی. J Econ Dyn Control 32 (1): 101 136

Alfarano S ، Milaković M ، Raddant M (2013) یادداشتی در مورد سلسله مراتب نهادی و نوسانات در بازارهای مالی. Eur J Finance 19 (6): 449-465

Anderson CW ، Fedenia M ، Hirschey M ، Skiba H (2011) تأثیرات فرهنگی بر تعصب خانه و تنوع بین المللی توسط سرمایه گذاران نهادی. J Bank Finance 35 (4): 916-934

Aoki M ، Yoshikawa H (2002) تقاضای اشباع و رشد اقتصادی را تقاضا می کند. J Econ Behav اندام 48 (2): 127-154

Bendini R (2015) اقدامات استثنایی: سقوط بازار سهام شانگهای و آینده اقتصاد چین. گزارش فنی ، بخش سیاست ، اداره کل سیاست های خارجی ، پارلمان اروپا

Biddle GC ، Hilary G ، Verdi RS (2009) چگونه کیفیت گزارشگری مالی با راندمان سرمایه گذاری ارتباط دارد؟j Account Econ 48 (2): 112 131

Black F (1986) سر و صدا. J Finance 41 (3): 528-543

Brock WA ، Hommes CH (1997) مسیری منطقی برای تصادفی. اقتصاد j اقتصاد SOC 65: 1059-1095

Buchs TD (1999) بحران مالی در فدراسیون روسیه: آیا روس ها یاد می گیرند تا تانگو را یاد بگیرند؟Econ Transit 7 (3): 687-715

Chen Z ، Lux T (2018) تخمین اثرات احساسات در بازارهای مالی: یک روش شبیه سازی شده از رویکرد Moments.comput Econ 52 (3): 711-744

Cont R (2001) خصوصیات تجربی بازده دارایی: حقایق تلطیف شده و مسائل آماری. امور مالی 1 (2): 223-236. https://doi.org/10. 1080/713665670

Cooper I ، Kaplanis E (1994) تعصب خانگی در اوراق بهادار سهام ، محافظت از تورم و تعادل بازار بین المللی سرمایه. REV Financ Stud 7 (1): 45-60

Covrig V ، Lau ST ، Ng L (2006) آیا مدیران صندوق داخلی و خارجی ترجیحات مشابهی برای ویژگی های سهام دارند؟تجزیه و تحلیل متقابل کشور. J Int Bus Stud 37 (3): 407-429

De Long JB ، Shleifer A ، Summers LH ، Waldmann RJ (1990) ریسک معامله گر نویز در بازارهای مالی. J Polit Econ 98 (4): 703-738

DeMyanyk Y ، Van Hemert O (2009) درک بحران وام مسکن در زیر. REV Financ Stud 24 (6): 1848-1880

Engle RF (1982) ناهمگونی مشروط اتوگرافی با برآورد واریانس تورم انگلستان. اقتصاد j اقتصاد SOC 50: 987-1007

FAMA EF (1965) رفتار قیمت بازار سهام. J Bus 38 (1): 34-105

FAMA EF (1991) بازارهای کارآمد سرمایه: II. J Finance 46 (5): 1575 1617

Feller W (1968) مقدمه ای بر تئوری احتمال و کاربردهای آن ، جلد 1. ویلی ، نیویورک

Ferreira MA ، Matos P (2008) رنگ پول سرمایه گذاران: نقش سرمایه گذاران نهادی در سراسر جهان. J Financ Econ 88 (3): 499-533

Forbes KJ ، Rigobon R (2002) بدون مسری ، تنها وابستگی متقابل: اندازه گیری کالاهای بورس سهام. J Finance 57 (5): 2223 2261

Franke R ، Westerhoff F (2011) تخمین از یک مدل نوسانات تصادفی ساختاری قیمت گذاری دارایی.comput Econ 38 (1): 53-83

فرانسوی KR ، Poterba JM (1991) متنوع سازی سرمایه گذار و بازارهای سهام بین المللی. گزارش فنی ، دفتر ملی تحقیقات اقتصادی

Friedman M (1953) مقاله در اقتصاد مثبت. دانشگاه شیکاگو پرس ، شیکاگو

Gardiner CW et al (1985) کتابچه راهنمای روشهای تصادفی ، جلد 3. اسپرینگر ، برلین

Garibaldi U ، Scalas E (2010) روشهای احتمالی مالی در اکونوفیزیک. انتشارات دانشگاه کمبریج ، کمبریج

Gehrig T (1993) توضیحات مبتنی بر اطلاعات در مورد تعصب داخلی در سرمایه گذاری سهام بین المللی. Scand J Econ 95: 97-109

Gilli M ، Winker P (2003) یک اکتشافی بهینه سازی جهانی برای برآورد مدلهای مبتنی بر عامل. داده های آمار محاسبات مقعد 42 (3): 299-312

Grinblatt M ، Keloharju M (2001) چگونه فاصله ، زبان و فرهنگ بر سهام و معاملات تأثیر می گذارد. J Finance 56 (3): 1053-1073

Hansun S (2013) یک رویکرد جدید از روش متوسط حرکت در تجزیه و تحلیل سری زمانی. در: کنفرانس 2013 در مورد مطالعات رسانه ای جدید (CONMEDIA) ، صص 1-4. IEEE

Hartnett M ، Leung B ، Roche G (2015) قوانین و ابزارها: سه سیگنال خرید و یک تشییع جنازه. گزارش فنی ، Bank of America Merrill Lynch

صندوق بین المللی پول (2006) بخش تجزیه و تحلیل بازارهای جهانی: به روزرسانی بازار مالی. گزارش فنی ، صندوق بین المللی پول

Ivković Z ، Weisbenner S (2005) محلی به عنوان محلی انجام می دهد: محتوای اطلاعاتی از جغرافیای سرمایه گذاری سهام مشترک سرمایه گذاران فردی. J Finance 60 (1): 267-306

Kaizoji t (2006) پیشرو در مورد سقوط بازار: قوانین تجربی حباب اینترنتی ژاپن. Eur Phys J B Condens Matter Complex Syst 50 (1 2): 123 127

Karlsson A ، Nordén L (2007) خانه شیرین خانه: تعصب خانه و تنوع بین المللی در بین سرمایه گذاران انفرادی. J Bank Finance 31 (2): 317-333

Kenett Dy ، Shapira Y ، Madi A ، Bransburg-Zabary S ، Gur-Gershgoren G ، Ben-Jacob E (2011) تجزیه و تحلیل نیروی منسجم نشان می دهد که بازار ایالات متحده از سال 2002 مستعد سقوط سیستمیک شد. PLOS ONE 6 (4):E19378

Kenett Dy ، Raddant M ، Lux T ، Ben-Jacob E (2012) تکامل یکنواختی و نوسانات در دهکده مالی جهانی استرس. PLOS ONE 7 (2): E31144

Kirman A (1991) اپیدمی های افکار و حباب های سوداگرانه در بازارهای مالی. مالی مالی 3: 54-368

Kirman A (1993) مورچه ها ، عقلانیت و استخدام. Q J Econ 108: 137-156

Kloeden PE ، Platen E (2013) محلول عددی معادلات دیفرانسیل تصادفی ، جلد 23. اسپرینگر ، برلین

کایل AS (1985) حراج های مداوم و تجارت خودی. اقتصاد J Economy Soc 53: 1315-1335

Lux T (1995) رفتار گله ، حباب و تصادف. Econ J 105: 881-896

Lux T (1996) فرضیه پایدار پارتیان و فراوانی بازده های بزرگ: بررسی سهام عمده آلمان. Appl Financy Econ 6 (6): 463-475

Lux T (1998) پویایی اقتصادی و اجتماعی بازارهای سوداگرانه: عوامل تعامل ، هرج و مرج و دم چربی توزیع بازگشت. J Econ Behav اندام 33 (2): 143-165

Lux T (2011) پویایی احساسات و بازده سهام: پرونده بازار سهام آلمان. Empir Econ 41 (3): 663-679

Lux T ، Alfarano S (2016) قوانین قدرت مالی: شواهد تجربی ، مدل ها و مکانیسم ها. هرج و مرج Solitons Fractals 88: 3 18

Lux T ، Marchesi M (1999) مقیاس بندی و انتقاد در یک مدل چند عامل تصادفی از یک بازار مالی. طبیعت 397 (6719): 498-500

Lux T ، Marchesi M (2000) خوشه بندی نوسانات در بازارهای مالی: ریزگرداندن عوامل تعامل. int j orpl Appl Finance 3 (04): 675-702

Malkiel BG ، Fama EF (1970) بازارهای کارآمد سرمایه: مروری بر تئوری و کار تجربی. J Finance 25 (2): 383-417

Mantegna RN ، Stanley HE (1999) مقدمه ای بر اکونوفیزیک: همبستگی و پیچیدگی در امور مالی. انتشارات دانشگاه کمبریج

Massa M ، Simonov A (2006) محافظت ، آشنایی و انتخاب نمونه کارها. REV Financ Stud 19 (2): 633-685

MCLEOD AI ، LI WK (1983) بررسی های تشخیصی مدل های سری زمانی ARMA با استفاده از همبستگی های مربعی بازدارنده. J Time Ser Anal 4 (4): 269-273

Mizuno T ، Ohnishi T ، Watanabe T (2016) قوانین قدرت در سرمایه گذاری در بازار در دوره های حباب Dot-Com و شانگهای. Evolut Inst Econ Rev 13 (2): 445-454

Murphy JJ (1999) تجزیه و تحلیل فنی بازارهای مالی: یک راهنمای جامع برای روش ها و برنامه های معاملاتی. پنگوئن ، لندن

Podobnik B ، Horvatic D ، Petersen AM ، Stanley HE (2009) همبستگی های متقابل بین تغییر حجم و تغییر قیمت. Proc Natl Acad Sci 106 (52): 22079 22084

Preis T ، Schneider JJ ، Stanley HE (2011) فرآیندهای تعویض در بازارهای مالی. Proc Natl Acad Sci 108: 7674-7678

Seasholes MS ، Zhu N (2010) سرمایه گذاران انفرادی و تعصب محلی. J Finance 65 (5): 1987 2010

Shiller RJ (2015) غرق غیر منطقی. انتشارات دانشگاه پرینستون ، پرینستون

Shleifer A (2000) سخنرانی Clarendon: بازارهای ناکارآمد. انتشارات دانشگاه آکسفورد. ترجمه ژاپنی ، Toyo Keisai ، توکیو ، 2001. ترجمه چینی ، 2003

Soette D ، Demos G ، Zhang Q ، Cauwels P ، Filimonov V ، Zhang Q (2015) پیش بینی در زمان واقعی و تجزیه و تحلیل پس از مرگ از حباب و سقوط بازار سهام شانگهای 2015. مقاله تحقیقات موسسه مالی سوئیس ، صص 15-31

Tesar LL ، Weer IM (1995) تعصب خانگی و گردش مالی بالا. J Int Finance 14 (4): 467-492

Van Kampen Ng (1992) فرآیندهای تصادفی در فیزیک و شیمی ، جلد 1. الوویر ، آمستردام

Wagner F (2003) خوشه نوسانات و گله. Physica A 322: 607-619

Waldrop MM (1987) رایانه های دوشنبه سیاه را تقویت می کنند. Science 238 (4827): 602-604

سپاسگزاریها

نویسندگان از بودجه Universitat Jaume I تحت پروژه UJI-B2018-77 ، Generalitat Valenciana تحت پروژه AICO/2018/036 ، و The Mountio de Ciencia inovación y Universidades تحت پروژه RTI2018-096927-B-I00 سپاسگزار هستند. دیوید ویدال-تومس حمایت مالی از وزارت آموزش اسپانیا (کمک مالی شماره FPU2015/01434) را تأیید می کند ، و او همچنین از Dipartamento di Scienze Economyiche e Sociali of Università Delle Marche در اوایل مرحله نوازی خود تشکر می کند. تحقیق و بررسی.< Pan> Tesar LL ، Weer IM (1995) تعصب خانگی و گردش مالی بالا. J Int Finance 14 (4): 467-492