تجزیه و تحلیل داده های بازار سهام - رویکرد احساسات بازار و معیارهای آن

نمایش فرمول ها: ? فرمول های ریاضی به صورت MathML کدگذاری شده اند و در این نسخه HTML با استفاده از MathJax نمایش داده می شوند تا نمایش آن ها بهبود یابد. علامت کادر را بردارید تا MathJax خاموش شود. این ویژگی به جاوا اسکریپت نیاز دارد. برای بزرگنمایی روی یک فرمول کلیک کنید.

این مقاله بیان می کند که احساسات بازار برای هر تحلیل داده های مالی مرکزی است. تمایز واضحی بین مطالعه داده های مالی از نظر مفهوم نوسان و در رابطه با تجزیه و تحلیل داده های مالی از نظر احساسات بازار وجود دارد. اولی یک رویکرد موجود است که به طور گسترده استفاده می شود و دومی یک تاکتیک پیشنهادی است. روش های ابداع ساختارهایی برای تعریف احساسات نسبی و مطلق بازار نیز مورد بحث قرار می گیرد. الگوهای احساسات بازار بر حسب پارامترهای مدل مورد بحث قرار می گیرند و چند معیار جدید که احساسات بازار فرضی را در بر می گیرد پیشنهاد می شود. به عنوان کاربرد خط پیشنهادی رویکرد، این مطالعه احساسات بازار هفتگی را که بر شاخص های شرکت داخلی بورس اوراق بهادار بوتسوانا حاکم است، تحلیل می کند.

• اقدامات واگرایی
• قیمت سهام
• احساسات بازار
• مدل چند جمله ای
• نوسان
• ایالت های هفتگی

بیانیه منافع عمومی

تجزیه و تحلیل احساسات بازار برای هر تجزیه و تحلیل داده های مالی مرکزی است. رائو و موزکی (نقل به نقل از 2009) از رویکرد احساسات بازار برای تجزیه و تحلیل داده های مالی بر خلاف رویکرد مدل GARCH مبتنی بر سری زمانی که در چندین دهه گذشته به خوبی مورد تحقیق قرار گرفته است، حمایت کردند. در کار آنها، تمایز واضحی بین رویکرد موجود مطالعه داده های مالی از نظر مفهوم پرکاربرد نوسانات و رویکرد پیشنهادی از نظر احساسات بازار ایجاد شد. در این مقاله، انواع احساسات بازار و ساختارهای دستگاه برای تعریف احساسات بازار نسبی و مطلق را بیشتر بررسی می کنیم. چند الگوی ممکن از احساسات بازار از نظر پارامترهای مدل مورد بحث قرار می گیرد و اقدامات جدیدی که احساسات بازار فرضی را در بر می گیرد پیشنهاد می شود. به عنوان یک کاربرد از خط رویکرد پیشنهادی، ما احساسات بازار مطلق هفتگی را که بر شاخص های شرکت داخلی بورس اوراق بهادار بوتسوانا حاکم است، تحلیل می کنیم.

1. معرفی

الگوهای طبیعی بالا و پایین قیمت سهام روزانه نشانگر ماهیت تصادفی بازارهای مالی است. علیرغم چنین حرکات قیمت ، سرمایه گذاران با انتظار برای بازده بیشتر در آینده ، وجوه خود را در سهام ریسک می کنند. تغییر در بازده سهام به دلیل تغییرات قیمت روزانه به طور کلی به عنوان نوساناتی گفته می شود که با انحراف استاندارد بازده اندازه گیری می شود. سرمایه گذاران در بورس سهام علاقه مند به نوسانات قیمت سهام هستند زیرا نوسانات بالا می تواند به عنوان ضرر و زیان بزرگ یا سود با هزینه عدم اطمینان بیشتر تعبیر شود (گجراتی ، استناد 2003). نوسانات چیز خوبی است اما این تنها در صورتی که نوسانات قیمت سهام به طور غیرمعمول بسیار زیاد و سریع در دوره های زمانی کوتاه باشد ، بد است زیرا برنامه ریزی مالی را دشوار می کند (اسلام ، استناد 2013). این بدان معنی است که نوسانات زیاد در قیمت سهام ممکن است خطر و عدم اطمینان در مورد بازده آینده را افزایش دهد. از آنجا که پیش بینی سهام بخشی از معاملات سهام است ، اگر عملکرد بازار ناپایدار باشد ، سرمایه گذاران به عنوان آنچه آینده برای آنها نگه می دارد ، بی رحمانه خواهند بود و از این رو عدم اطمینان در مورد تغییرات قیمت آینده را افزایش می دهد. در نتیجه عدم اطمینان ، سرمایه گذاران می توانند از ریسک پذیری ترسیده و به سرمایه گذاری خود ادامه دهند.

یک بازار بی ثبات ، خرده فروشان و شرکت های انفرادی را برای جمع آوری بودجه در بازارهای سرمایه مهار می کند. اسلام (استناد 2013) ذکر کرد که عدم اطمینان باعث از بین رفتن اعتماد به نفس سرمایه گذار می شود که در تجارت سهام به ویژه در تشویق سرمایه گذاری بیشتر و تصمیم اهرم ضروری است. وی در ادامه خاطرنشان می کند که عدم اطمینان می تواند نوسانات را تشدید کند. آگاهی از نوسانات در بسیاری از زمینه های مالی در امکانات سرمایه گذاران برای مدیریت خطرات و بهینه سازی سود از اهمیت اساسی برخوردار است (هال ، استناد 2003). اعتقاد بر این است که نوسانات قیمت دارایی ها علت تغییر در عوامل محیطی اقتصادی و ژئو سیاسی مانند سهام ، اوراق ، نرخ ارز ، گزینه های قابل معامله و ابزارهای بانکی در میان دیگران است. دانش درک شده از عوامل مؤثر در فوق الذکر همراه با تجزیه و تحلیل داده ها به بازیکنی در هر بازار سهام ابزاری قوی و قابل اعتماد برای تجارت می دهد.

تجزیه و تحلیل داده های مالی بر پیش بینی قیمت های آینده امنیت متمرکز شده است و به همین ترتیب آنها استراتژی های مبتنی بر مدل هستند. اینها عمدتاً برای نیازهای بازیکنان بازار آگاه که شامل سرمایه گذاران انفرادی ، موسسات مالی و مدیران صندوق های متقابل است ، متناسب است. به طور گسترده ای اعتقاد بر این است که ، قیمت های امنیتی هر از گاهی تغییرات قابل توجهی را نشان می دهند و این تغییرات را می توان به صورت عینی توسط پدیده های نوسانات خوب در بازار ضبط کرد. مفهوم نوسانات در تجزیه و تحلیل داده های سری زمانی مالی ضروری است. نوسانات تغییر غیرقابل پیش بینی یک متغیر در طول زمان است. در زمینه امور مالی و اقتصاد ، نوسانات به کشورهای ناپایدار متغیرهای اقتصادی و مالی اشاره دارد ، این متغیرها شامل قیمت سهام ، نرخ ارز ، نرخ تورم ، حجم تجارت و بازده ارز است. چندین تعریف از نوسانات وجود دارد و مخرج مشترک تنوع است. تعاریف مختلف از نوسانات در نحوه بحث در مورد اندازه گیری این تنوع متمایز است. علل نوسانات را می توان به چندین عامل نسبت داد. مانند محیط های اقتصادی محلی و جهانی ، بلوغ و تاریخ تحویل ابزارها ، تغییر در حجم تجارت ، شیوه ها یا الگوهای و اطلاعات جدید در بین دیگران (هال ، استناد 2012).

1. 1اهداف و پیامدهای مطالعه

یک فرض متداول در استفاده از مدل های نوع GARCH در داده های مالی این است که سری بازگشت شرطی به طور عادی توزیع می شود. با این حال ، در عمل ، شکل توزیع روزانه سری بازگشت بسیار گسترده تر از توزیع گائوس است. به عنوان مثال ، توزیع مالیات کوتاه ، توزیع دانش آموز و توزیع عادی ورود به سیستم در میان دیگران استفاده شده است. این مهم است که نشان دهیم که در این مقاله ، ما هیچ شکل خاصی از توزیع احتمال برای سری بازگشت سهام را فرض نمی کنیم. بنابراین ، ما یک رویکرد غیر پارامتری را برای پیگیری اهداف مطالعه خود اتخاذ می کنیم.

برای قدردانی از تمایز بین احساسات مطلق و نسبی بازار که حاکم بر داده های بازده سهام است ،

برای تدوین قوانین مناسب مبتنی بر داده برای طبقه بندی نوسانات در بازده سهام به حالتهای احساسات بازار ،

برای ایجاد یک مدل احتمال برای گرفتن نوسانات در بازده سهام از نظر حالات مختلف احساسات بازار ،

برای تدوین فرضیه های احتمالی در مورد ایالت های احساسات بازار ،

برای پیشنهاد اقدامات مختلف برای گرفتن الگوهای اساسی در ایالت های احساسات بازار و همچنین آزمایش اهمیت آنها.

نتایج در این مقاله حاکی از یک رویکرد جایگزین برای تجزیه و تحلیل داده های مالی ، یعنی رویکرد احساسات بازار ، بر خلاف رویکرد نوسانات که در رویکرد است ،

مشخص شده است که حرکات کوتاه مدت در یک داده های مالی می تواند از نظر احساسات نسبی بازار مورد تجزیه و تحلیل قرار گیرد ، در حالی

هر تصمیمی که یک سرمایه گذار سبد سرمایه گذاری خود را در اختیار بگیرد ، به شدت به جهت احساسات بازار بستگی دارد. در اصل ، تصمیمات مالی به طور کلی مبتنی بر تجارت بین ریسک و بازده است ، بنابراین سرمایه گذاران برای جلوگیری از از دست دادن بیش از حد تجارت ، تصمیمات مناسب را می گیرند. در این مقاله ، ما اقداماتی را ارائه می دهیم که به تصمیم گیری و برنامه ریزی آینده نمونه کارها سرمایه گذاری کمک می کند ،

با توجه به تازگی رویکرد پیشنهادی ، امید است که خط تجزیه و تحلیل پیشنهادی در اینجا مورد توجه دانشگاهیان و بازیکنان بورس باشد.

این مقاله به شرح زیر ساخته شده است: پس از مقدمه ، بخش دوم به طور خلاصه در مورد بررسی ادبیات بحث می کند. بخش سوم چارچوب روش شناختی را تشریح می کند. در بخش چهارم ، به عنوان کاربردی از مدل پیشنهادی ، ما داده های بورس اوراق بهادار بوتسوانا را از سال 1999 تا 2013 تجزیه و تحلیل می کنیم و نتایج و بحث ها را ارائه می دهیم. مدل های احتمال بر اساس شاخص های هفتگی است. بخش آخر نتیجه گیری و توصیه ها را ارائه می دهد و به دنبال آن لیستی از منابع مورد استفاده در این مطالعه قرار می گیرد.

2. بررسی ادبیات

ادبیات تجزیه و تحلیل داده های متغیر اقتصادی و مالی در واقع کاملاً گسترده است. پیش بینی توزیع چنین متغیرهایی مانند بازده دارایی در زمینه مدیریت ریسک مالی از اهمیت زیادی برخوردار است. در گزینه های قیمت گذاری ، نوسانات پیش بینی شده در طول عمر این گزینه ، پارامتر مهم ناشناخته است. یکی از محبوب ترین ابزارهایی که برای توضیح خوشه بندی نوسانات در قیمت گذاری گزینه استفاده می شود ، کلاس هتروسکوپی بودن مشروط (ARCH) است که توسط Engle اختراع شده است (استناد 1982). کار قاب نظری از نوسانات مدل سازی که توسط ENGLE مورد حمایت قرار می گیرد ، با تحمیل یک ساختار خودکار در لحظه دوم شرطی بازده ، تغییرپذیری زمان واریانس بازده را ضبط می کند. با گذشت سالها تعدادی از پسوندها به مدل قوس اساسی وجود داشته است. مهمترین آنها مدل قوس عمومی (یا GARCH) است که توسط بولرزلو (استناد 1987) تهیه شده است که شامل مقادیر عقب مانده از واریانس شرطی به عنوان رگرسیون اضافی است. پس از آن ، بسیاری از فرآیندهای قوس دیگر برای ضبط دینامیک های مختلف توسعه یافته اند. برای منابع و مطالعات اضافی با استفاده از نوع قوس مدل و همچنین برای درمان جامع نظری مدلهای نوسانات ، به Blake (استناد 2005) و شلدون (استناد 1994) مراجعه می کنیم.

به طور کلی ، احساسات بازار یا مطلق یا نسبی تلقی می شود. احساسات مطلق بازار را می توان با استناد به یک دوره پایه بیشتر از یک ماه مانند یک چهارم یا دوسالانه یا سالانه تعریف کرد. در این حالت ، احساسات بازار بر اساس کلیت داده های مربوط به دوره پایه ساخته می شود. به عنوان مثال ، احساسات هفتگی بازار می تواند بر اساس قیمت سهام روزانه یک سال معین ساخته شود. ممکن است خاطرنشان شود که احساسات مطلق بازار برای مقایسه حرکات موجود در احساسات بازار در طول بلوک های سالها مفید است و از این رو ممکن است برای بازیکنان با علاقه بلند مدت مورد استفاده قرار گیرد. به عبارت دیگر ، احساسات مطلق بازار تأثیر بلند مدت بر نوسانات را ضبط می کند. احساسات نسبی بازار با استناد به دوره پایه کوتاه تر چنین هفته یا ماه تعریف می شود. در این حالت ، احساسات بازار به این معنا پویاتر است که سازه ها داده های هفتگی یا ماهانه را هر از گاهی مقایسه می کنند. احساسات نسبی بازار برای یک بازیکن فعال با علاقه کوتاه مدت مفید است. سهم زیادی از حرکت کلی سهام فردی به احساسات بازار نسبت داده شده است. پیش بینی احساسات بازار در داده های مالی مانند شاخص های سهام ، حجم تجارت یک منطقه قابل توجه از تحقیقات در اقتصاد مالی است. همانطور که در ابتدا گفته شد دلایل بی شماری وجود دارد که احساسات بازار را در داده های مالی پیش می برد. از نظر کلاسیک ، احساسات بازار با انواع روشهای فنی و آماری مانند تعداد پیشرفت در مقابل کاهش سهام و مقایسه های جدید در مقابل مقایسه های جدید کنترل می شود.

چندین مطالعه وجود دارد که با نوسانات بازده سهام از ادراکی یک سرمایه گذار سروکار دارد. در بیشتر این مطالعات ، محققان ترجیح می دهند به جای "احساسات بازار" از احساسات سرمایه گذار اصطلاحات استفاده کنند. به خاطر کامل بودن ، ما تعدادی از این موارد را بیان می کنیم ، با توجه به اینکه هیچ یک از این مطالعات از رویکردی که در این مقاله حمایت می شود ، پیروی نمی کنند.

در محدوده تأمین مالی رفتاری ، بسیاری از مطالعات به تجزیه و تحلیل عوامل مربوط به ذهنیت سرمایه گذاران ادامه یافته است ، که مهمترین آنها نوسانات است. بررسی جامع مطالعات قبلی بر اساس نقش احساسات بازار در بازارهای مالی توسط شیلر (استناد 1999) مورد بررسی قرار گرفت که رفتار سرمایه گذاران در بازارهای مالی را بررسی کرده است. Hirshleifer و Shumway (استناد 2003) از دیدگاه روانشناختی نشان دادند که از آنجا که سرمایه گذاران کمبود حاد اطلاعات دارند ، احساسات سرمایه گذار عاملی برای بررسی در تدوین هر استراتژی سرمایه گذاری است. به عبارت دیگر ، هنگامی که سرمایه گذاران فاقد اطلاعات کامل در مورد سرمایه گذاری خود هستند ، اعتقاد بر این است که آنها بر اساس رفتار غیر منطقی و ملاحظات شخصی ، انتخاب خود را انجام می دهند.

لی ، جیانگ و ایندرو (استناد 2002) رابطه بین نوسانات ، بازده سهام و احساسات سرمایه گذار را بررسی کردند. آنها یک مدل GARCH-in Mean را تخمین زده اند که شامل تغییرات معاصر در احساسات سرمایه گذار در میانگین معادله و تغییرات عقب مانده در احساسات سرمایه گذار در معادله واریانس نوسانات شرطی است. آنها از شاخص های نظرسنجی ارائه شده توسط اطلاعات سرمایه گذاران برای بررسی تأثیر تغییرات در احساسات سرمایه گذار بر نوسانات و شاخص های مشروط استفاده کردند. آنها دریافتند که تغییرات صعودی (نزولی) در احساسات سرمایه گذار منجر به تعدیل رو به پایین (به سمت بالا) در نوسانات می شود.

وانگ ، كسوانی و تیلور (استناد 2006) و لی و كومار (استناد 2006) نشان دادند كه شاخص احساسات سرمایه گذار هیچ قدرت پیش بینی كننده ای در بازده بورس سهام یا در بهترین حالت بسیار محدود ندارد. این امر درخواست تجدیدنظر در اکثر مطالعات را رقیق نکرده است. در مطالعات قبلی براون (استناد 1999) ، فیشر و استاتمن (استناد 2000) ، لی و همکاران.(استناد 2002) ، بیکر و وورگلر (استناد 2004) ، بیکر و استین (استناد 2004) ، براون و کلیف (استناد 2004) و لی و کومار (استناد 2006) تمایل دارند که بین شاخص احساسات سرمایه گذار و سهام همبستگی وجود داشته باشدبازده بازار ، و این می تواند برای پیش بینی شاخص بازده در بازار سهام استفاده شود. Yoshinaga و De Castro (استناد 2012) یک مدل قیمت گذاری را تخمین زده اند که نرخ بازده سهام را به شاخص احساسات بازار و سایر عوامل مربوط می کند و نتایج تأیید می کند که متغیر احساسات نقش مرتبط دارد.

Rao و Moseki (استناد 2009) داده های مربوط به شاخص های شرکت داخلی بورس بوتسوانا را با استفاده از یک رویکرد احتمالی برای احساسات بازار تجزیه و تحلیل کردند. روش توسعه یافته در آن مقاله برای DCI هفتگی و ماهانه بورس بوتسوانا اعمال می شود. یافته های موجود در آن مطالعه عبارتند از:DCI هفتگی و ماهانه BSE بی ثبات است. محیط بازار در BSE با سرمایه گذار دوستانه است زیرا احساسات حباب احساسات معین است. تغییر در DCI ماهانه نسبت به DCI هفتگی پایدار است. معاملات هفتگی سوداگرانه تر از معاملات ماهانه است. سرانجام ، از دیدگاه فروشنده ، اگر تصمیم به فروش اسکریپت بر اساس تجزیه و تحلیل نوسانات هفتگی باشد و نه تجزیه و تحلیل نوسانات ماهانه ، بازده از سرمایه گذاری بیشتر است. رائو و موزکی (استناد 2011) یک رویکرد جایگزین ، یعنی یک رویکرد مارکووی برای مطالعه احساسات بازار ارائه دادند. استفاده از روش شناسی آنها به DCI هفتگی نشان داد که احساسات بازار "حریص" در طول دوره مطالعه حاکم است زیرا احتمال بلند مدت مربوط به احساسات "حریص" زیاد و نزدیک به 0. 5 بود. Rao و Ramachandran (استناد 2014) از روشهای مورد حمایت Rao و Moseki (استناد 2009) برای تجزیه و تحلیل احساسات بازار نرخ ارز شش ارز عمده جهانی در برابر بوتسوانا پولا استفاده کردند. در این تحقیق ، نویسندگان احساسات نسبی بازار را در نظر گرفتند. این مطالعه نتایج زیر را ایجاد کرده است. به نظر می رسد احساسات بازار هفتگی و ماهانه نرخ ارز در دو رژیم از احساسات متقارن و نامتقارن قرار می گیرد. تمام شش ارز احساسات خندان را نشان می دهند که سناریوی احساسات بازار نامتقارن را نشان می دهد. تمام ارزها دارای خوشه های حاکی از احساسات هستند که به شدت پایدار هستند و نشان می دهند که تجارت نرخ ارز در سراسر ارز و سالها شناور است. در پایان ، ادبیات مورد بررسی ، جهت احساسات بازار را به خود جلب نمی کند که هر زمان که بخواهند تصمیمات سرمایه گذاری بگیرند ، متغیر اصلی علاقه برای بازرگانان در بازار است. همچنین با استفاده از اقدامات مناسب ، تلاش برای پر کردن این شکاف انجام می شود.

3. روش شناسی

3. 1سازه های احساسات بازار

از آنجا که این مقاله به برنامه های مالی متمرکز است ، ما از نماد مالی استفاده خواهیم کرد. بگذارید "T" به روز تجارت و "N" تعداد کل روزهای معاملاتی در یک دوره مطالعه مراجعه کند. علاوه بر این ، بگذارید "W" هفته را بیان کند ، به طوری که W با کل هفته ها در یک دوره مطالعه مطابقت داشته باشد. بگذارید تعداد روزهای معاملاتی در یک هفته توسط n مشخص شود_حرفبشردر یک بورس معمولی ، n_حرفمی تواند بین 1 تا 5 متغیر باشد. بگذارید برای یک هفته w = 1 ،… ، w ، p t w شاخص سهام روز "t" ، t = 1 ،… ، n را نشان دهد_حرف، w = 1 ،… ، w. تجزیه و تحلیل ما بر اساس بازده ورود به سیستم شاخص سهام (DCI) تعریف شده توسط

r t = ln p t p t - 1 ، t = 2 ، 3 ،… ، n w

برای تجزیه و تحلیل بازده های هفتگی DCI ، به مدت یک هفته w = 1 ،… ، w ، ما میانگین بازده را با (1) r ¯ w = 1 n w ∑ t = 1 n w r t ، w = 1 ،… ، w ، (1) تعریف می کنیم.

و واریانس نمونه شاخص بازده سهام برای هفته W توسط (2) S W 2 = 1 (N W - 1) ∑ T = 1 N W R T - R ¯ W 2.(2)

به طور مشابه ، برای کل دوره n ، ما میانگین ترکیبی و واریانس نمونه ترکیبی بازده سهام را داریم ، به ترتیب ، داده شده توسط ، (3) r ¯ c = ∑ w = 1 w ∑ t = 1 n w r t n = ∑ w =1 w n w r ¯ w ∑ w = 1 w n w ، (3) (4) s c 2 = 1 w ∑ w = 1 w ∑ t = 1 n w r t - r ¯ w 2 = 1 w ∑ w = 1 w n w - 1S W 2.(4)

اگر فرض کنیم که r_حرف's از جمعیتی با میانگین μ و واریانس محدود σ 2 آمده است ، سپس می دانیم که E (r ¯ w) = μ ، var (r ¯ w) = σ 2 n w و اجازه دهید z = (r ¯ w - μ)σ n w. ما از آماری Z برای تعریف قوانین طبقه بندی برای احساسات بازار استفاده خواهیم کرد.

همانطور که در Rao و Moseki (استناد 2009) ، Rao و Ramachandran (استناد 2014) ، ما هفت نوع احساسات زیر را در نظر می گیریم.

احساسات بازار ، از دیدگاه فروشنده در یک بورس سهام می تواند متعلق به دسته های زیر باشد.

حرف₁:

احساسات افسرده/ترس. این وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد سقوط شدید است ، به اندازه کافی برای ایجاد وحشت برای فروشنده سهام دار. این ممکن است منجر به پریشانی فروش و اعتماد به نفس سرمایه گذار شود. این احساسات همچنین ممکن است شاهد ورشکستگی نهایی یا ادغام یا مداخله نظارتی باشد. علاوه بر این ، جمع آوری وجوه از بازار سرمایه ممکن است بسیار دشوار باشد.

حرف₂:

احساسات نزولیاین وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد روند نزولی قابل توجهی است ، به اندازه کافی برای ایجاد ناامیدی برای فروشنده سهام دار. این ممکن است منجر به بارگذاری سهام سهام و تضعیف اعتماد به نفس سرمایه گذاران شود. علاوه بر این ، جمع آوری وجوه از بازار سرمایه ممکن است تحت تأثیر منفی قرار بگیرد.

حرف₃:

احساسات رو به پاییناین وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد سقوط تدریجی به اندازه کافی برای صدور اخطار برای یک سرمایه گذار است. این ممکن است منجر به بارگذاری سهام سهام شود و ممکن است اعتماد به نفس سرمایه گذار را به خود جلب کند. برای جمع آوری بودجه از بازار سرمایه ممکن است تلاش های پایدار لازم باشد.

حرف₄:

احساسات آرام. این وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد نوسانات عادی است. سرمایه گذار همچنان یک بازیگر فعال در بورس سهام است. این حالت همچنین ممکن است "محدوده محدود" یا "نامشخص" نامیده شود.

حرف₅:

احساسات رو به بالااین وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد چرخش تدریجی به سمت بالا به اندازه کافی است که باعث ایجاد احساس تشویق به یک سرمایه گذار می شود. محیط برای جمع آوری صندوق ممکن است دلگرم کننده باشد.

حرف₆:

احساسات صعودیاین وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد نوسان قابل توجهی به سمت بالا است. پیشبرد حدس و گمان توسط یک فروشنده دارای سهام. علاوه بر این ، جمع آوری وجوه از بازار سرمایه ممکن است آسان باشد.

حرف₇:

احساسات حریص/حباب. این وضعیتی است که در آن شاخص حقوق صاحبان سهام شاهد افزایش شدید است ، به اندازه کافی برای فروشنده یا به امید قدردانی بیشتر منجر به یک حباب مانند شرط می شود. این ایالت به فروشنده دستاوردهای عظیم برای مدتی صبر می کند. علاوه بر این ، جمع آوری وجوه از بازار سرمایه ممکن است خودجوش باشد.

به منظور بازتاب این هفت احساسات بازار ، ما قوانین طبقه بندی زیر را بر اساس آمار z با ایالات مرتبط می کنیم._j، J = 1 ، 2 ، 3 ، 4 ، 5 ، 6 ، 7. بگذارید μ ^ و σ ^ 2 به ترتیب برآوردگرهای سازگار μ و σ 2 باشند.

مقدار ضرب σ ^ n W بین 3 و 3 به عنوان نقاط قطع توزیع عادی استاندارد انتخاب شده است که در اصل نشان دهنده توزیع متقارن است. این مقادیر نشان دهنده تغییر طبیعی به شدید در هر دو طرف وسط است. بنابراین ، تمام ایده این است که سعی کنید احساسات متقارن بازار داده های بازار سهام مالی ایجاد کنید. مفهوم توزیع متقارن بازده دارایی به اکثر سرمایه گذاران یک محیط ایده آل است به این معنا که تغییر در بازده امنیتی از هر طرف وسط یکسان است. بنابراین ، ضرب های مورد استفاده معادل محدودیت های عمل و هشدار دهنده کنترل فرآیند آماری است (به عنوان مثال ، Grant & Leavenworth ، استناد 1980 را ببینید).

در رویکردی که ما پیشنهاد می کنیم ، ما از این مقادیر برای تولید دسته از نوسانات بازده دارایی که به عنوان احساسات بازار یاد کردیم ، استفاده می کنیم. ساختارهای هفت ایالت بازار ساختارهای کلی است ، به این معنا که آنها قادر به بازتاب بیشتر احساسات بازار هستند که معمولاً در اقتصاد پر جنب و جوش بورس مشاهده می شود. در اقتصاد بورس کمتر پر جنب و جوش ، ممکن است با مجموعه های کمتری از ایالت ها به کار خود ادامه دهد. اما اگر به نظر می رسد که احساسات بازار یکنواخت است ، مثلاً چهار دسته ، ممکن است یک نفر الهام گرفته شود که از حالتهای تعریف شده بر اساس کوارتیل ها استفاده کند ، و ضرب های خطای استاندارد ممکن است با کوارتل های توزیع عادی استاندارد مطابقت داشته باشد. از این ضرب ها برای ساختن چهار حالت احساسات بازار استفاده می شود.

فرض کنید ما μ ^ = r ¯ w را می گیریم ، میانگین هفتگی بازده ورود به سیستم از قیمت سهام به عنوان برآوردگر μ ، و σ ^ 2 = s w 2 ، واریانس نمونه هفتگی ورود به سیستم به عنوان برآوردگر σ 2 باز می گردد. سپس ، قانون طبقه بندی (5) با این برآوردگرها احساسات نسبی بازار را که در رائو و موزکی در نظر گرفته شده است تعریف می کند (استناد 2009). از طرف دیگر ، اگر از برآوردگرهای ترکیبی μ ^ = r ¯ c ، σ ^ 2 = s c 2 استفاده کنیم و جایگزین n_حرف= w ، در (5) ، قوانین طبقه بندی احساسات مطلق بازار را ایجاد می کنند.

3. 2مدل سازی احساسات بازار

به دنبال فرضیات و نمادهای Rao و Moseki (استناد 2009) ، به طور کلی ، بردار شمارش حالت های احساسات بازار S = S 1 ،… ، S K از توزیع چندمادی با عملکرد جرم احتمال مشترک (P. M. F.) که توسط(6) P (f 1 ، f 2 ،… ، f k) = w! f 1! f 2!… F K! θ 1 f 1 θ 2 f 2… θ k f k ، (6)

برای همه 0 ≤ f j ≤ w ، ∑ j = 1 k f j = w و ∑ j = 1 k θ j = 1 ؛کجا ، f_jتعداد وقایع دولت را نشان می دهد_jدر یک توالی مستقل از پدیده های مشاهده شده برای هفته های W و θ j = p r (r ¯ w + 1 ∈ S j) ، j = 1 ، 2 ،. k. به طور کلی ، پارامترهای θ_jدر مدل ارائه شده توسط (6) ناشناخته است و می توان با برآورد تجربی آنها تخمین زد (7) θ ^ j = f j w ، j = 1 ، 2 ،… ، k.(7)

3. 3فرضیه در مورد احساسات بازار

احساسات بازار شاهد انواع مختلفی از الگوهای با توجه به زمان ، یعنی الگوی صعودی (در حال افزایش) است. الگوی نزولی (کاهش) ؛اتصالات متقارن متقارن (به طور مساوی در اطراف یک احساسات آرام). در حالی که یک اجرای صعودی یا نزولی ممکن است نتیجه ای ضروری برای یک واقعه حیاتی اقتصادی یا ژئو سیاسی باشد و بنابراین ممکن است از مدت زمان کوتاهی برخوردار باشد ، یک الگوی متقارن به عنوان قاعده اقتصادهای پر جنب و جوش بازار تصور می شود. این الگوهای می توانند به طور موثری در شرایط پارامترهای مدل به شرح زیر خلاصه شوند: (8) H I: θ 1 ≤… ≤ θ k (8) (9) H D: θ 1 ≥… ≥ θ k (9) (10) H S: θ i = θ k - i + 1 ، i = 1 ،… ، k.(10)

این الگوی در (8) نشانگر احساسات روزافزون (Run Bull Run) است ، در حالی که (9) به یک احساسات کاهش یافته سفارش داده شده (خرس اجرا) اشاره دارد. الگوی در (10) یک الگوی متقارن را منعکس می کند.

به عنوان یک تصویر برای الگوی احساسات h₁، دانش apriori در مورد یک گاو نر ممکن است با θ i = 2 i k (k + 1) ، i = 1 ، 2 ،… ، k مشخص شود. از طرف دیگر ، یک خرس اجرا شده توسط H_ددارای θ i = 2 (k - i + 1) k (k + 1) ، i = 1 ، 2 ،… ، k.

وقتی θ_منناشناخته است و از الگوی احساسات H پیروی می کند_حرفبا استفاده از (10) یک مدل توزیع چند متقارن مناسب با K = 7 ، با استفاده از قانون طبقه بندی (5) توسط ، (11) P (F 1 ،… ، F 7) = W داده شده است! f 1! f 2! f 3! f 4! f 5! f 6! f 7! θ 1 f 1 + f 7 θ 2 f 2 + f 6 θ 3 f 3 + f 5 θ 4 f 4 ، (11)

3. 4اقدامات احساسات بازار

از مدل توزیع چند متقارن هفت مرحله ای توسط Rao و Moseki (استناد 2009) و Rao و Ramachandran (استناد 2014) برای برآورد اقدامات احساسات بازار و همچنین آزمایش فرضیه H استفاده شد._حرف، یعنی تقارن احساسات بازار شاخص های سهام عدالت. رویکرد آنها به طور شهودی بر اساس اندازه گیری اختلاف بین کلاسیک χ 2 از اختلاف بین تعداد مشاهده شده و تعداد مورد انتظار و اصل نسبت احتمال λ بود. دو اقدام در نظر گرفته شده توسط Rao و Moseki (استناد 2009) ، توسط (12) x 2 f = ∑ j = 1 3 f j - f 8 - j 2 f j + f 8 - j ، (12) (13) λ f انجام شد= ∏ j = 1 4 f j + f 8 - j 2 f j + f 8 - j f j f j × f 8 - j f 8 - j (13)

به راحتی می توان نشان داد که این اقدامات اختلاف مربوط به برخی از اعضای خانواده آمار واگرایی قدرت است که توسط Cressie و Read پیشنهاد شده است (استناد 1984).

این نویسندگان به ترتیب برای تقارن حالت های احساسات بازار برای بازده دارایی شاخص های شرکت داخلی در بوتسوانا و نرخ ارز احساسات بازار بوتسوانا پولا در برابر شش ارز جهانی انجام دادند. برای Rao و Moseki (استناد 2009) ، این آزمون نتیجه گرفت که داده های شاخص سهام هفتگی و ماهانه بسیار نامتقارن است ، در حالی که برای Rao و Ramachandran (استناد 2014) ، مشخص شد که دو مسیر رژیم پدید آمده است ، یکی برای تقارن و دیگری برایعدم تقارن

در اینجا ، ما چند اقدامات جدید از احساسات بازار را پیش می بریم که می تواند برای انواع احساسات بازار فرض شده در (8) - (10) در بالا استفاده شود.

اقدامات ارائه شده توسط (12) و (13) دارای ضرر ذاتی است که آنها نشانگر جهت احساسات بازار نیستند. اولا ، برای الگوی H_حرفداده شده توسط (10) ، یک نوع از اندازه گیری (12) را می توان به شرح زیر تعریف کرد: (14) δ f = ∑ j = 1 3 sgn f 8 - j - f j f 8 - j - f j 2 f 8 - j + f j، (14)

where sgn ( . ) is the sign function defined by sgn u = 1 , if u>0 ، sgn u = 0 ، اگر u = 0 ، sgn u = - 1 ، other. این اندازه گیری از احساسات بازار هم بزرگی و هم جهت گیری احساسات بازار را در نظر می گیرد ، بنابراین به ویژه در صورت عدم تقاضای بازار نامتقارن است. به عنوان مثال ، یک δ F مثبت مثبت حاکی از حالت های خندان است ، در حالی که یک Δ F منفی بزرگ نشان دهنده احساسات اخم است. ما مشاهده می کنیم که Δ F اقدامی مبتنی بر پراکندگی امضا شده است.

3. 4. 1. اندازه گیری احساسات ایده آل در بازار

معیار دوم احساسات بازار بر این تئوری شگفت زده می شود که در یک شرایط ایده آل در بازار ، بیشتر اوقات ، احساسات باید در حوزه احساسات آرام متمرکز شوند ، یعنی دولت S₄، هنگامی که k = 7. یک احساسات بازار ایده آل منجر به حداقل گمانه زنی ها و حداقل از دست دادن یا افزایش بازیکن می شود. به عنوان یک معیار از احساسات ایده آل در بازار ، این مطالعه اقدامی را ارائه می دهد که شبیه به میانگین مجموع مربعات انحراف از حالت های احساسات است که از حالت احساسات آرام گرفته شده است. بگذارید تعداد هفته های یک سال و t را نشان دهد_حرف، W = 1 ،. W ، ارزش حالت احساسات مربوط به یک هفته w باشد. توجه داشته باشید که t_حرفیکی از مقادیر را از 1 تا 7 می گیرد. به عنوان مثال ، اگر t₁= 2 ؛سپس برای هفته اول ، اگر t "2" باشد.₂= 6 ؛سپس برای هفته دوم ، وضعیت احساسات "6" و غیره است. اندازه گیری پراکندگی از یک بازار ایده آل توسط بازار ارائه شده است.(15) D T W = 1 W ∑ W = 1 W (T W - 4) 2.(15)

بدیهی است که در یک شرایط ایده آل ، t_حرف= 4 برای همه w و بنابراین d t w = 0. از طرف دیگر ، اگر احساسات در هر دو طرف حالت آستانه عادی در حال چرخش باشد₄، D T W در دو مورد شدید تفاوت معنی داری با 0 خواهد داشت. D T W = 9. بنابراین ، مقادیر d t w بیشتر است ، احساسات هفتگی از حالت احساسات آرام پراکنده است₄بشربه عبارت دیگر ، D T W احساسات خطرناک را تعریف می کند. در متن ما ، ارزش زیادی از D T W نزدیکتر به نه به معنای احساسات خطرناک بازار است به این معنا که نوسانات قابل توجهی در ایالات احساسات بازار وجود دارد. توجه به این نکته مهم است که اندازه گیری D T W یک اندازه گیری مطلق از نوسانات است ، اما نمی تواند تقارن احساسات بازار مانند اقدامات χ 2 F ، λ F و Δ F را اندازه گیری کند.

3. 4. 2. اندازه گیری عدم اطمینان از سری بازگشت

سرانجام ، عدم قطعیت های مرتبط با مدل های احساسات بازار داده شده توسط (6) و (11) نیز می تواند از نظر آنتروپی نظری اطلاعات مورد بحث قرار گیرد. به عنوان مثال ، ما ممکن است از آنتروپی شانون ، مانند شانون (استناد 1948) ، برای مدل (6) استفاده کنیم ، که توسط آن آورده شده است.(16) ε k θ = - ∑ i = 1 k θ i log (θ i).(16)

انتخاب یک پایگاه لگاریتمی با انتخاب یک واحد برای اندازه گیری اطلاعات مطابقت دارد. خود شانون در مورد پایه های لگاریتم 2 ، 10 و E بحث کرده است ، اما در عمل آنتروپی همیشه با استفاده از لگاریتم پایه 2 محاسبه می شود. از این پس ، این مقاله از پایه 2 در محاسبات استفاده می کند. وقتی θ_منما ناشناخته هستند ، ما ε k θ ^ = - ∑ i = 1 k θ ^ i log (θ ^ i) را با استفاده از برآوردهای تجربی θ محاسبه می کنیم._منداده شده توسط (7). از طرف دیگر ، هنگامی که θ_منتصور می شود که آپریوری شناخته شده است ، ما ممکن است از فرمول داده شده توسط (16) مستقیم استفاده کنیم. منطقی ترین انتخاب θ_منθ است_من= k −1 ، i = 1 ،. k ، در این حالت حداکثر آنتروپی برابر با ورود به سیستم خواهد بود. بنابراین ، برای k = 7 ، ε 7 θ = log 7 = 2. 807 ، برای یک باند ایده آل از احساسات بازار. اگر کسی از قانون طبقه بندی (5) بیان شده در بخش 3. 1 استفاده کند ، با استفاده از قاعده تجربی تقریب نمونه بزرگ ، apriori ، ما ، θ₁= 0. 00135 = θ₇، θ₂= 0. 0215 = θ₆، θ₃= 0. 1359 = θ₅، θ₄= 0. 6826. در این حالت ، ε 7 θ = 1. 423. در این مقاله مشاهده می شود که قانون طبقه بندی با این احتمالات apriori شدیدترین باند احساسات بازار را فراهم می کند. بنابراین ، ممکن است استدلال شود که عدم قطعیت های مدل همانطور که توسط آنتروپی شانون تعریف شده است بین اندازه آنتروپی مربوط به افراط و تفریط متفاوت خواهد بود (H_منیا ساعت_د) الگوی و متقارن (ساعت_حرف) گروه احساسات بازار. بنابراین ، تحت این فرض ما ؛1. 423 ≤ ε 7 θ ≤ 2. 807 و این بازه ممکن است برای تعیین اهمیت هر آنتروپی محاسبه شده برای شمارش احساسات بازار مشاهده شده برای سال معین استفاده شود. به طور مشابه ، با انتخاب پیشینی از پارامترهای مدل داده شده توسط H I: θ I = 2 I K K + 1 و H D: θ I = 2 K - I + 1 K K + 1 ، I = 1 ،… ، k ،

با استفاده از (16) می توان نشان داد که مقدار آنتروپی برای سناریوی احساسات بازار داده شده توسط (8) و (9) توسط ε 7 θ = 2. 61 داده می شود.

3. 4. 3. اقدامات واگرایی

از طرف دیگر ، ممکن است از اندازه گیری واگرایی به کارگردانی عمومی پیشنهاد شده توسط Cressie و Read (استناد 1984) یا Bregman (استناد 1967) استفاده کند. برای منطقی ترین انتخاب θ_من، یعنی θ_من= k −1 ، i = 1 ،. K ، می توان نشان داد که عضو خاصی از اندازه گیری واگرایی Cressi e-Read توسط (17) I K f = ∑ i = 1 k f i w ℓ n k f i w داده شده است.(17)

علاوه بر این ، می توان نشان داد که واگرایی Bregman بر اساس فاصله اقلیدسی مربع توسط (18) D ϕ f = ∑ i = 1 k f i 2 w 2 - 1 k داده می شود.(18)

به راحتی می توان نشان داد که i k f = 0 ، d ϕ f = 0 وقتی فرکانس مشاهده شده از احساسات بازار در هماهنگی کامل با انتخاب منطقی θ قرار دارد_من''