تجزیه و تحلیل پویا از رابطه بین احساسات سرمایه گذار و بازار سهام نوسانات تحقق یافته: شواهدی از چین

این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که امکان استفاده ، توزیع و تولید مثل بدون محدودیت در هر رسانه را فراهم می کند ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

داده های مرتبط

جدول S1: میانگین حجم جستجوی روزانه کلمات کلیدی بالقوه (از خیابان اول آوریل ، 2012 تا 30 نوامبر 2019).(docx)

کلیه داده های مربوطه در داخل مقاله و پرونده های اطلاعاتی پشتیبانی آن قرار دارند. داده ها به عنوان یک فایل اطلاعاتی پشتیبانی گنجانده شده است ، اما همچنین می تواند به شرح زیر بدست آید: تعداد حساب های جدید سهام ، مانده حاشیه ، نسبت گردش مالی و مبلغ خرید فعال خالص از WIND بارگیری می شود ، یک ارائه دهنده خدمات داده مالی و تجزیه و تحلیل ابزار در سرزمین اصلیچینشاخص حجم جستجوی Baidu از وب سایت Data Share Home (http://www.datasharehome.com) به دست آمد ، که خدمات خزنده داده را با هزینه ارائه می دهد. تعداد حساب های جدید سهام ، مانده حاشیه ، نسبت گردش مالی و مبلغ خرید فعال خالص توسط مبادلات امنیتی شانگهای و شنژن هر ماه منتشر می شود - سرویس باد به سادگی داده ها را جمع می کند. شاخص Baidu همچنین یک داده عمومی است. همه محققان می توانند از آنها آزادانه برای اهداف غیر تجاری استفاده کنند. نویسندگان هیچ امتیاز ویژه ای به داده ها نداشتند و داده ها را به همان روشی که در این بیانیه داده شرح داده شده بود به دست آوردند.

خلاصه

احساسات سرمایه گذار یک تمرکز تحقیق در تأمین مالی رفتار است. در این مقاله پنج متغیر پروکسی طبق واقعیت چین انتخاب شده و از یک تجزیه و تحلیل مؤلفه اصلی دو مرحله ای برای ساخت یک شاخص احساسات سرمایه گذار استفاده می کند. پنج متغیر پروکسی تعداد حساب های جدید سهام ، نسبت گردش مالی ، مانده حاشیه ، مبلغ خرید فعال خالص و توجه سرمایه گذار است. در قسمت آخر این مطالعه ، با استفاده از داده های قیمت از مبادله امنیتی شانگهای و شنژن ، این مقاله به بررسی رابطه پویا بین احساسات سرمایه گذار و بازار سهام بر نوسانات بر اساس مسیر بهینه حرارتی می پردازد. نتایج تجربی نشان می دهد که وقتی بازار به شدت نوسان می کند ، احساسات سرمایه گذار منجر به نوسانات بازار سهام در طی یک یا دو مرحله می شود. قدرت پیش بینی نیز بررسی می شود. نتایج نشان می دهد که احساسات سرمایه گذار در واقع نوسانات تحقق یافته را پیش بینی می کند. این تحقیق از تنظیم کننده ها و موسسات مالی در انجام اقدامات پیشرفته پشتیبانی می کند.

معرفی

بازار سهام به عنوان یک سیستم پیچیده در نظر گرفته شده است زیرا انواع مختلفی از عوامل در داخل آن فعالیت می کنند [1]. در حالی که سرمایه گذاران نهادی انتظارات منطقی دارند ، هیچ کس این کار را انجام نمی دهد. با توسعه امور مالی رفتاری ، توجه به تأثیر عوامل غیر منطقی سرمایه گذاران در بازار سهام توجه شده است [2]. بر این اساس ، احساسات سرمایه گذار یک تمرکز تحقیق در این زمینه است.

تحقیقات در حال عزیمت از عوامل منطقی در بازارهای مالی اغلب تأثیر احساسات سرمایه گذار را در نظر می گیرند. به عنوان مثال ، د لانگ و همکاران.[3] نشان می دهد که شاخص های احساسات یک سیگنال شبه بازار است که می تواند توسط داوری های حرفه ای مورد استفاده قرار گیرد. کنت و استاتمن [4] بر این باورند که مطالعات احساسات سرمایه گذار مهم است زیرا آنها تعصبات بازار سهام را در معرض نمایش قرار می دهند و سوءاستفاده از این تعصبات می تواند به سرمایه گذاران کمک کند تا فرصت هایی را برای کسب بازده اضافی به دست آورند. بنابراین ، بسیاری از محققان دانشگاهی و صنعت سه سؤال اصلی تحقیق را مورد بررسی قرار داده اند: یعنی ساخت یک شاخص که می تواند احساسات سرمایه گذار را بطور دقیق و علمی توصیف کند ، ارزیابی تأثیر احساسات سرمایه گذار در بورس سهام و اینکه آیا باید از احساسات سرمایه گذار در انبار استفاده شود. پیش بینی بازاردر سالهای اخیر ، بسیاری از محققان خود را به تحقیقات مربوطه اختصاص داده اند. Debata ، Dash [5] تأثیر احساسات سرمایه گذار بر نقدینگی 12 بازار سهام در حال ظهور را بررسی می کند. هان و لی [6] یک شاخص احساسات مبتنی بر بازار را می سازند و نشان می دهند که احساسات یک پیش بینی کننده حرکت قابل اعتماد با فرکانس ماهانه در چین است. Guo ، Sun [7] نشان می دهد که قیمت بورس همیشه توسط داده های احساسات هدایت نمی شود ، که می تواند برای پیش بینی قیمت سهام فقط در شرایطی که سهام توجه سرمایه گذار بالایی داشته باشد ، استفاده شود. رنو [8] شاخص های احساسات سرمایه گذار Intraday را ایجاد می کند و می یابد که تغییر نیم ساعته در احساسات سرمایه گذار پیش بینی می کند که نیم ساعت آخر و صندوق های ETF 500 شاخص استاندارد و فقیر بازده داشته باشد. Kumari و Mahakud [9] تأثیر احساسات سرمایه گذار بر پیش بینی نوسانات بازار سهام هند را بررسی می کنند. یو و یوان [10] دریافتند که بازده مورد انتظار بازار سهام با واریانس مشروط بازار در دوره های کم سن و سال ارتباط مثبت دارد ، اما با واریانس مشروط در دوره های بالایی ارتباط ندارد.

به طور کلی ، احساسات سرمایه گذار از چهار روش قابل اندازه گیری است. رابرت شیلر اولین روش را با استفاده از پرسشنامه ای که توسط تیم پروژه خود طراحی و توزیع شده بود ، پیشنهاد کرد ، که از سال 1989 به طور مداوم در حال بررسی سرمایه گذاران خرده فروشی و نهادی است. دسترسی مالی محققان عادی. اگرچه داده های وب سایت آنها توسط سایر محققان قابل بارگیری است ، فقط دو کشور (ایالات متحده و ژاپن) در این نظرسنجی گنجانده شده اند. اقتصاددانان به داده های نظرسنجی فردی مشکوک هستند زیرا معتقدند شکاف بالقوه بین نحوه پاسخ مردم به یک نظرسنجی و نحوه رفتار آنها وجود دارد [11]. به دنبال این خط تفکر ، برخی از محققان از یک شاخص واحد استفاده می کنند ، که می توان از نظرسنجی ها به عنوان یک پروکسی برای احساسات سرمایه گذار نیز بدست آمد. به عنوان مثال ، Schmeling [12] از اعتماد به نفس مصرف کننده به عنوان یک پروکسی برای احساسات سرمایه گذار فردی استفاده می کند و تأثیر آن را در بازده سهام مورد انتظار در سطح بین المللی بررسی می کند. وانگ [13] همچنین از یک شاخص اعتماد به نفس مصرف کننده برای منعکس کننده احساسات سرمایه گذار استفاده می کند و تأثیر احساسات سرمایه گذار بر روابط متوسط واریانس را بررسی می کند. هو و هونگ [14] از سه شاخص نظرسنجی استفاده می کنند: شاخص اعتماد به نفس مصرف کننده هیئت کنفرانس (CCI) ، شاخص بررسی اطلاعات سرمایه گذاران (II) و شاخص احساسات مصرف کننده دانشگاه میشیگان (MS) برای پروکسی برای شاخص احساسات سرمایه گذار. روش دوم از یک شاخص بازار واحد به عنوان نشانگر احساسات استفاده می کند. به عنوان مثال ، بیکر و استین [15] نقدینگی بازار را به عنوان یک نشانگر احساسات در نظر می گیرند. چن ، چن [16] از گردش مالی بر اساس حجم به احساسات سرمایه گذار پروکسی استفاده کنید. روش سوم توسط بیکر و وورگلر [17] ارائه شده است ، که با استفاده از اجزای اصلی از گروهی از متغیرهای پروکسی ، شاخص احساسات سرمایه گذار را ایجاد می کند. روش عملی آنها به طور گسترده توسط محققان در سراسر جهان استفاده می شود. به عنوان مثال ، یو و یوان [10] از شاخص بیکر و وورگلر برای شناسایی دوره های با حیاط بالا استفاده می کنند. کوماری و ماهاکود [9] از ده اقدامات غیرمستقیم از پراکسی احساسات برای ایجاد شاخصی استفاده می کنند که اولین مؤلفه اصلی این ده اقدامات غیرمستقیم و مؤلفه های عقب مانده از این متغیرهای احساسات است. قادان و نام [18] احساسات سرمایه گذار را توسط نه پروکسی مختلف ضبط می کنند. مسئله اصلی این روش نحوه انتخاب متغیرهای پروکسی است. کشورهای مختلف باید متغیر پروکسی را با توجه به شرایط واقعی خود تغییر دهند ،

از آنجا که شاخص های منتشر شده توسط کشورهای مختلف یکسان نیستند و قوانین بازار آنها متفاوت است. به دنبال پیشرفت در برنامه نویسی ، برخی از محققان داده های اظهار نظر کاربر را از وب سایت های بررسی مالی جمع می کنند و از طریق تجزیه و تحلیل معنایی احساسات سرمایه گذار را بدست می آورند. به عنوان مثال ، کیم و کیم [19] بیش از 32 میلیون پیام در 91 شرکت ارسال شده در Yahoo! هیئت پیام مالی برای اندازه گیری احساسات سرمایه گذار. رنو [8] پیام های منتشر شده در Soctortwits Platform Social Platform را برای ساخت شاخص های احساسات سرمایه گذار داخلی تجزیه و تحلیل می کند. گوو و همکاران.[7] داده های اظهار نظر کاربر را از یک سایت شبکه اجتماعی حرفه ای محبوب برای بازار سهام چین جمع آوری کرده و سپس داده های احساسات سرمایه گذار را از طریق تجزیه و تحلیل معنایی بدست می آورد. با این حال ، همیشه برخی از افراد تصادفی تصادفی وجود دارند که مزخرف صحبت می کنند. به عنوان مثال ، ارتش های آب اینترنت در چین فعالیت می کنند. برخی از سازمان ها دوست دارند این گروه ها را برای هدایت نظرات عمومی استخدام کنند تا آنها از تأثیر عقاید عمومی بهره مند شوند. مهمتر از همه ، اگرچه 99. 7 ٪ از حساب های سهام توسط اشخاص طبیعی (سرمایه گذاران خرده فروشی) در چین طبق داده های آماری از سپرده گذاری اوراق بهادار چین و پاکسازی شرکت محدود نگه داشته شده است ، اما آنها فقط کمتر از 10 ٪ از ارزش بازار را کنترل می کنند. داده های وب سایت بررسی مالی فقط مربوط به احساسات سرمایه گذار خرده فروشی است که به طور کلی احساسات سرمایه گذار را نشان نمی دهد.

ما منفی و جوانب مثبت سه روش فوق را در نظر می گیریم. روش بیکر و وورگلر هنوز هم برای اندازه گیری احساسات سرمایه گذار مؤثرترین است. بنابراین ، پنج متغیر پروکسی با توجه به وضعیت دنیای واقعی در چین و در دسترس بودن داده ها برای این مقاله انتخاب می شوند. ما به طور خاص از تعداد پیشنهادات عمومی اولیه (IPO) استفاده نکردیم زیرا آنها توسط کمیسیون تنظیم مقررات اوراق بهادار چین (CSRC) کنترل می شوند. در نتیجه ، بر خلاف سیستم IPO مبتنی بر ثبت نام ، زمان و تعداد IPO ها مستقیماً توسط بازار تصمیم نمی گیرند. علاوه بر این ، سرمایه گذاران چینی مشتاق سهام جدید هستند. ارزش تقریباً همه موشک های سهام جدید در طول روز اول. بنابراین ، ما میانگین بازده روز اول را در IPO ها در نظر نمی گیریم. تخفیف صندوق بسته نیز در نظر گرفته نمی شود زیرا صندوق های باز تقریباً 90 ٪ از سهم بازار در چین و حتی در ایالات متحده ، مقیاس آن به طور مداوم رشد می کند. در یک مطالعه بعدی ، بیکر و همکاران.[20] نشان داد که محدودیت داده ها و شاخص های احساسات خاص کشور باید در نظر گرفته شود. هان و لی [6] همچنین مشاهده می کنند که پروکسی های احساسات در دسترس بودن داده ها هستند. پنج متغیر پروکسی که ما استفاده می کنیم تعداد حساب های جدید سهام ، نسبت گردش مالی ، مانده حاشیه ، مبلغ خرید فعال خالص و توجه سرمایه گذار است. نسبت گردش مالی همان متغیر پروکسی است که در تحقیقات بیکر و وورگلر استفاده می شود ، که نشان می دهد نسبت گردش مالی مربوط به نقدینگی است. بر خلاف بازار سهام ایالات متحده ، بازار سهام چین بدون هیچ گونه محدودیتی برای سرمایه گذاران خرده فروشی باز است. افراد می توانند یک حساب سهام را فقط با اسناد شناسایی و حساب های بانکی خود ثبت کنند که در آن هیچ پولی وجود ندارد. بنابراین ، بیشتر افراد تمایل دارند وقتی بازار خوب کار می کند ، یک حساب باز کنند. معاملات حاشیه می تواند طولانی یا کوتاه باشد ، که باعث افزایش نقدینگی بازار به طور کلی می شود. اگر تعادل حاشیه افزایش یابد ، سرمایه گذاران نسبت به آینده خوشبین هستند و بالعکس. مبلغ خرید فعال خالص نشان دهنده مثبت بودن سرمایه گذاران در بورس است. اگر سرمایه گذاران صعودی شوند ، بودجه بیشتری را به بازار می اندازند و سهام بیشتری می خرند. سالهاست که توجه سرمایه گذار به عنوان عاملی مرتبط با قیمت سهام و نقدینگی شناخته شده است [21]. پس از کار اصلی دا و همکاران.[22] ، که از شاخص حجم جستجوی Google (GSVI) برای اندازه گیری توجه سرمایه گذار استفاده کرد ،

مطالعات زیادی حاکی از آن است که شاخص حجم جستجو نشانگر بازده و نوسانات بازار سهام ، مانند Xu و همکاران است.[23] و Swamy و همکاران.[24]در این مقاله ، ما با استفاده از شاخص حجم جستجوی Baidu ، که توسط بزرگترین موتور جستجوی اینترنتی در چین ساخته شده است ، برای نشان دادن توجه سرمایه گذار در نظر می گیریم. رابطه سرب-لاگ نیز در این تحقیق در نظر گرفته شده است. بنابراین ، هم متغیرهای پروکسی و هم مقادیر تک لاگ آنها گنجانده شده است. برای به دست آوردن اطلاعات بیشتر از متغیرهای پروکسی ، دو بار از تجزیه و تحلیل مؤلفه اصلی (PCA) استفاده می کنیم. PCA اول بر اساس متغیرهای پروکسی و مقادیر تک لاگ آنها است. ما چهار کیفرخواست از اولین PCA را با توجه به ضرایب همبستگی شاخص ها با مؤلفه اول انتخاب می کنیم. سپس دوباره از PCA برای به دست آوردن احساسات سرمایه گذار استفاده می کنیم.

با جهانی سازی تعامل بازار مالی ، ویژگی های بیشتر سیستم های پیچیده در بازار سهام مانند ویژگی های غیرخطی ، پویا و خود سازماندهی آن پدیدار می شود. بنابراین ، مدلهای اقتصاد سنجی خطی و پارامتری سنتی برای مطالعه این سیستم پیچیده مناسب نیستند. محققان به طور فزاینده ای به آینده های پیچیده بازارهای مالی روی می آورند. Dergiades [25] پیوند علیت غیرخطی بین پویایی احساسات سرمایه گذاران و بازده سهام برای اقتصاد ایالات متحده را بررسی می کند. کوماری و ماهاکود [9] از کلاس مدل های مشروط غیرخطی در تجزیه و تحلیل خود استفاده می کنند. NAM و Seong [26] روش سیستم پیچیده را با یادگیری ماشین در پیش بینی حرکت سهام مبتنی بر اخبار مالی ترکیب می کنند. تعداد کمی از مطالعات در ادبیات ، ویژگی های متغیر زمان رابطه بین احساسات سرمایه گذار و بازار سهام را در یک سیستم پیچیده تحقق بخشیده است. بنابراین ، برخی از مدل های متغیر زمان برای مطالعه این موضوع استفاده شد. در قسمت آخر این تحقیق ، ما رابطه بین احساسات سرمایه گذار و نوسانات بورس سهام را بر اساس روش بهینه حرارتی مسیر (TOP) بررسی می کنیم ، که برای شناسایی و تعیین کمیت ساختار سرب با زمان تغییر بین دو سری زمانی پیشنهاد شده است.