Количественные поведенческие финансы - Quantitative behavioral finance

Количественные поведенческие финансы[1] это новая дисциплина, которая использует математическую и статистическую методологию для понимания поведенческих предубеждений в сочетании с оценка. Некоторые из этих усилий были предприняты Гундуз Чагиналп (Профессор математики и редактор Журнал поведенческих финансов в течение 2001–2004 гг.) и соавторов, включая Вернон Л. Смит (Лауреат Нобелевской премии по экономике 2002 г.) Дэвид Портер, Дон Баленович, Владимира Илиева, Ахмет Дуран. Исследования Джефф Мадура,[2] Рэй Штурм [3] и другие продемонстрировали значительные поведенческие эффекты в отношении акций и фондов, торгуемых на бирже.

Исследования можно сгруппировать по следующим направлениям:

  1. Эмпирические исследования, демонстрирующие значительные отклонения от классических теорий.[4]
  2. Моделирование с использованием концепций поведенческих эффектов вместе с неклассическим предположением о конечности активов.
  3. Прогнозирование на основе этих методов.
  4. Исследования экспериментальные рынки активов и использование моделей для прогнозирования экспериментов.

История

Преобладающая теория финансовые рынки во второй половине 20 века был гипотеза эффективного рынка (EMH), в котором говорится, что вся общедоступная информация включается в стоимость активов. Любое отклонение от этой истинной цены быстро используется информированными трейдерами, которые пытаются оптимизировать свою прибыль, и это восстанавливает истинную равновесную цену. Таким образом, для всех практических целей рыночные цены ведут себя так, как если бы все трейдеры преследовали свои интересы, используя полную информацию и рационально.

Ближе к концу 20-го века эта теория подверглась сомнению. Во-первых, произошел ряд крупных рыночных событий, которые поставили под сомнение основные предположения. 19 октября 1987 г. то Доу Джонс в среднем за один день упала более чем на 20%, так как многие более мелкие акции понесли более серьезные потери. Значительные колебания в последующие дни позволили получить график, напоминающий знаменитый крах 1929 года. Крах 1987 года стал загадкой и проблемой для большинства экономистов, которые считали, что такой крах непостоянство не должны существовать в эпоху, когда потоки информации и капитала намного более эффективны, чем в 1920-е годы.

По мере того как десятилетие продолжалось, японский рынок взлетел до высот, которые были далеки от какой-либо реалистичной оценки оценок. Отношение цены к прибыли выросло до трехзначных цифр, когда Nippon Telephone and Telegraph достигла рыночной оценки (цена на фондовом рынке, умноженная на количество акций), которая превысила всю рыночную капитализацию Западной Германии. В начале 1990 г. Индекс Nikkei составила 40 000, что почти удвоилось за два года. Менее чем за год Nikkei упал почти до половины своего пика.

Между тем, в США рост новых технологий, особенно Интернета, породил новое поколение высокотехнологичных компаний, некоторые из которых стали публично торговаться задолго до получения прибыли. Как в японском пузырь фондового рынка десятью годами ранее эти акции взлетели до рыночной стоимости в миллиарды долларов, иногда даже не доходя до выручки. Пузырь продолжался до 2000 года, и последовавший за этим крах снизил многие из этих акций до нескольких процентов от их предыдущей рыночной стоимости. Даже некоторые крупные и прибыльные технологические компании потеряли 80% своей стоимости в период 2000-2003 годов.

Эти большие пузыри и обвалы в отсутствие значительных изменений в оценке ставят под сомнение предположение об эффективных рынках, которые точно включают всю общедоступную информацию. В своей книге «Иррациональное изобилие», Роберт Шиллер обсуждает эксцессы, преследующие рынки, и приходит к выводу, что цены на акции превышают изменения в оценке. Эта линия рассуждений также была подтверждена в нескольких исследованиях (например, Джеффри Понтифф [5]), из закрытые фонды которые торгуются как акции, но имеют точную оценку, о которой часто сообщают. (См. Сета Андерсона и Джеффри Борна «Цены на закрытые фонды» [6] за обзор статей по этим вопросам.)

В дополнение к этим мировым разработкам, другие вызовы классической экономике и EMH исходили из новой области экспериментальная экономика пионером Вернон Л. Смит кто выиграл 2002 Нобелевская премия по экономике. Эти эксперименты (в сотрудничестве с Джерри Сучанеком, Арлингтоном Уильямсом, Дэвидом Портером и другими), в которых участники торгуют активом, определенным экспериментаторами, в сети компьютеров. В серии экспериментов участвовал один актив, который выплачивает фиксированные дивиденды в течение каждого из 15 периодов, а затем становится бесполезным. Вопреки ожиданиям классической экономики, торговые цены часто взлетают до уровней, намного превышающих ожидаемые выплаты. Точно так же и другие эксперименты показали, что многие из ожидаемых результатов классической экономики и теории игр не подтверждаются экспериментами. Ключевой частью этих экспериментов является то, что участники зарабатывают реальные деньги в результате своих торговых решений, так что эксперимент представляет собой реальный рынок, а не опрос мнений.

Поведенческие финансы (BF) - это область, которая выросла за последние два десятилетия отчасти как реакция на явления, описанные выше. Используя различные методы, исследователи задокументировали систематические предубеждения (например, недостаточную реакцию, чрезмерную реакцию и т. Д.), Которые возникают как среди профессиональных инвесторов, так и среди новичков. Исследователи поведенческих финансов обычно не подписываются на EMH из-за этих предубеждений. Однако теоретики EMH возражают, что, хотя EMH делает точный прогноз относительно рынка на основе данных, BF обычно не идет дальше того, чтобы сказать, что EMH ошибается.

Исследования в области количественных поведенческих финансов

Попытка количественно оценить основные систематические ошибки и использовать их в математических моделях является предметом исследования количественных поведенческих финансов. Кагиналп и сотрудники использовали как статистические, так и математические методы как для данных мирового рынка, так и экспериментальная экономика данные для того, чтобы делать количественные прогнозы. В серии работ, датируемых 1989 годом, Caginalp и его сотрудники изучали динамику рынка активов с помощью дифференциальных уравнений, которые учитывают стратегии и предубеждения инвесторов, такие как ценовой тренд и оценка в системе с ограниченными денежными средствами и активами. Эта особенность отличается от классических финансов, в которых предполагается бесконечный арбитраж.

Одно из предсказаний этой теории Кагинальпа и Баленовича (1999) [7] заключалась в том, что большее предложение наличных денег на акцию привело бы к большему пузырю. Эксперименты Кагинальпа, Портера и Смита (1998) [8] подтвердили, что удвоение уровня денежных средств, например, при сохранении постоянного количества акций по существу удваивает величину пузыря.

Использование дифференциальных уравнений для прогнозирования экспериментальных рынков по мере их развития также оказалось успешным, поскольку уравнения были примерно такими же точными, как и предсказатели-люди, выбранные в качестве лучших трейдеров в предыдущих экспериментах (Кагиналп, Портер и Смит).

Проблема использования этих идей для прогнозирования динамики цен на финансовых рынках была в центре внимания некоторых недавних работ, в которых были объединены два различных математических метода. Дифференциальные уравнения могут использоваться вместе со статистическими методами для получения краткосрочных прогнозов.

Одной из трудностей в понимании динамики финансовых рынков было наличие «шум ” (Фишер Блэк ). Случайные мировые события всегда приводят к изменениям в оценках, которые трудно извлечь из любых детерминированных сил, которые могут присутствовать. Следовательно, многие статистические исследования показали лишь незначительную неслучайную составляющую. Например, Poterba и Саммерс демонстрируют крошечный эффект тренда в ценах акций. Уайт показал, что использование нейронных сетей с 500-дневным запасом акций IBM было неудачным с точки зрения краткосрочных прогнозов.

В обоих этих примерах уровень «шума» или изменений в оценке явно превышает любые возможные поведенческие эффекты. За последнее десятилетие была разработана методология, позволяющая избежать этой ловушки. Если можно вычесть оценку по мере ее изменения во времени, можно изучить оставшиеся поведенческие эффекты, если таковые имеются. Раннее исследование в этом направлении (Caginalp и Greg Consantine) изучало соотношение двух клонированных закрытых фондов. Поскольку эти фонды имели одинаковый портфель, но торговались независимо, коэффициент не зависит от оценки. Статистическое исследование временных рядов показало, что это соотношение было в высшей степени неслучайным и что лучший предсказатель завтрашней цены - это не сегодняшняя цена (как предлагается EMH), а посередине между ценой и ценовой тенденцией.

Тема чрезмерной реакции также важна в поведенческих финансах. В своей докторской диссертации 2006 г.[9] Duran изучили 130 000 точек данных дневных цен для закрытых фондов на предмет их отклонения от стоимость чистых активов (NAV). Фонды, демонстрирующие большое отклонение от чистой чистой стоимости активов, вероятно, на следующий день будут вести себя в противоположном направлении. Еще более интересным было статистическое наблюдение, согласно которому большое отклонение в противоположном направлении предшествовало таким большим отклонениям. Эти предвестники могут указывать на то, что основная причина этих крупных движений - при отсутствии значительных изменений в оценке - может быть связана с позиционированием трейдеров перед ожидаемыми новостями. Например, предположим, что многие трейдеры ожидают положительных новостей и покупают акции. Если позитивные новости не материализуются, они склонны продавать в больших количествах, тем самым подавляя цену значительно ниже предыдущих уровней. Эта интерпретация несовместима с EMH, но согласуется с дифференциальными уравнениями потоков активов (AFDE), которые включают поведенческие концепции с конечностью активов. Продолжаются исследования по оптимизации параметров уравнений потока активов для прогнозирования цен в ближайшем будущем (см. Duran и Caginalp [10]).

Важно классифицировать поведение решений для динамическая система нелинейных дифференциальных уравнений. Duran [11] исследовал анализ устойчивости решений динамической системы нелинейных AFDE в R ^ 4 в трех вариантах - аналитически и численно. Он обнаружил существование бесконечного множества неподвижных точек (точек равновесия) для первых двух версий. Он пришел к выводу, что эти версии AFDE являются структурно нестабильными системами математически, используя расширение теоремы Пейксото для двумерных многообразий на четырехмерное многообразие. Более того, он получил, что не существует критической точки (точки равновесия), если хроническая скидка за последний конечный временной интервал отлична от нуля для третьей версии AFDE.

Рекомендации

  1. ^ «Количественные поведенческие финансы» (PDF). Январь 2007 г.
  2. ^ Дж. Мадура и Н. Ричи (2004). «Чрезмерная реакция биржевых фондов в период рубля 1998-2002 гг.». Журнал поведенческих финансов. 5 (2): 91–104. Дои:10.1207 / s15427579jpfm0502_3.
  3. ^ Р.Р. Штурм (2003). «Уверенность инвесторов и доходность после значительных однодневных изменений цен». Журнал поведенческих финансов. 4 (4): 201–216. Дои:10.1207 / s15427579jpfm0404_3.
  4. ^ А. Дюран и Г. Кагиналп (2007). «Алмазы с чрезмерной реакцией: прекурсоры и толчки для значительных изменений цен». Количественные финансы. 7 (3): 321–342. Дои:10.1080/14697680601009903.
  5. ^ Дж. Понтифф (1997). «Избыточная волатильность закрытых фондов». Американский экономический обзор. 87: 155–167.
  6. ^ С. Андерсон и Дж. Борн (2002). Цены на закрытые фонды. Бостон, Массачусетс: Клувер.
  7. ^ Дж. Кагинальп и Д. Баленович (1999). «Поток активов и импульс: детерминированные и стохастические уравнения». Философские труды Королевского общества A. 357 (1758): 2119–2133. Bibcode:1999RSPTA.357.2119C. Дои:10.1098 / rsta.1999.0421.
  8. ^ G. Caginalp; Д. Портер и В. Смит (1998). «Первоначальное соотношение денежных средств / активов и цены на активы: экспериментальное исследование». Proc. Natl. Акад. Sci. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ. 95 (2): 756–761. Bibcode:1998PNAS ... 95..756C. Дои:10.1073 / пнас.95.2.756. ЧВК  18494. PMID  11038619.
  9. ^ А. Дюран (2006). «Поведение чрезмерной реакции и методы оптимизации в математических финансах» (PDF). Докторская диссертация, Университет Питтсбурга, Питтсбург, Пенсильвания.
  10. ^ А. Дюран и Дж. Кагиналп (2008). «Оптимизация параметров дифференциальных уравнений при прогнозировании цен на активы». Методы оптимизации и программное обеспечение. 23, 2008 (4): 551–574. Дои:10.1080/10556780801996178.
  11. ^ А. Дюран (2011). «Анализ устойчивости дифференциальных уравнений движения активов». Письма по прикладной математике. 24 (4): 471–477. Дои:10.1016 / j.aml.2010.10.044.

Исследования в новостях

внешняя ссылка