ارایه مدل قیمت گذاری عامل ناهمگن و شبیه سازی رفتار سرمایه گذاران در زمان نزول های اساسی بورس اوراق بهادار تهران

الموضوعات : دانش سرمایه‌گذاری

مهدی خوشنود ¹ , فریدون رهنمای رودپشتی ²

1 - دانش آموخته دکتری مدیریت مالی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.
2 - استاد و عضو هیات علمی دانشکده اقتصاد و مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

تاريخ الإرسال : 08 السبت , محرم, 1441 تاريخ التأكيد : 22 السبت , محرم, 1441 تاريخ الإصدار : 18 الأربعاء , جمادى الأولى, 1443

الکلمات المفتاحية: مدل سازی عامل بنیان, مدل عامل ناهمگن بروک و هومز, شبیه سازی, احساسات بازار, رفتار توده وار,

ملخص المقالة :

امروزه بسیاری از تحقیقات مالی رفتاری بر مدل های عامل ناهمگن و مدل سازی عامل بنیان متمرکز شده است هدف این مقاله ارایه مدل قیمت گذاری عامل ناهمگن در زمان های نزول اساسی بورس اوراق بهادار تهران و همچنین شبیه سازی رفتار سرمایه گذاران در چارچوب مدل سازی عامل بنیان با تاکید بر خطاهای رفتار توده وار و احساسات بازار می باشد در این پژوهش ابتدا با استفاده از مطالعات نظری نزول های اساسی در بورس اوراق بهادار تهران از سال 1378 تا 1398 مشخص گردید و سپس با توجه به مدل عامل ناهمگن بروک و هومز و سیستم اعتقادات انطباقی داده های مربوط به 40 روز قبل و 40 روز بعد از نزول اساسی تعیین شد با توجه به عوامل ناهمگن در بازار و پویایی رفتار سرمایه گذاران در سیستم اعتقادات انطباقی از شبیه سازی مونت کارلو استفاده گردیده و کد نویسی در متلب انجام گرفت و در بخشی از کار عوامل رفتاری احساسات بازار و رفتار توده وار به سیستم وارد گردید و خروجی شبیه سازی تحلیل شد و ضرایب مدل برآورد گردیده و آزمون های لازم برای قدرت مدل و معنی داری پارامتر ها انجام شد . نتایج پژوهش نشان می دهد که مدل عامل ناهمگن بر اساس شرایط بورس اوراق بهادار تهران می تواند رفتار های سرمایه گذاران را در شرایط نزول پیش بینی نماید .

المصادر:

• انصاری، ح. ا. (1391). طراحی و تبیین مدل قیمت گذاری انتظارات ناهمگن در بورس اوراق بهادار تهران. تهران: دانشگاه تهران.


• تلنگی ، احمد. (1383). تقابل نظریه نوین مالی و مالی رفتاری. تحقیقات مالی ، شماره 18, 1-17.


• راعی ، رضا ؛ فلاح پور ، سعید. (1383). مالیه رفتاری ، رویکردی متفات در خوزه مالی. تحقیقات مالی ، شماره 18, 27-48.


• سعیدی ، علی ؛ فرهانیان ، سید محمد جواد. (1390). مبانی اقتصاد و مالی رفتاری. تهران: انتشارات دانشگاه علوم اقتصادی.


• وکیلی فرد،حمیدرضا؛خوشنود،مهدی؛فروغ نژاد،حیدر. (1393). مدل سازی مبتنی بر عامل در بازار های مالی. فصلنامه علمی پژوهشی دانش سرمایه گذاری, 139-158.


• Alsulaiman,T. (2017). Behavioral Financial Networks: An Agent-Based Approach to Bounded Rational Heterogeneous Agents in the Financial Markets. New Jersey, US – 07030: STEVENS INSTITUTE OF TECHNOLOGY.


• Barberis, N. & R. H. Thaler (2003): Handbook of the Economics of Finance, chapter 18: A Survey of Behavioral Finance, pp. 1051{1121. Elsevier ScienceB.V.


• Boswijk, H.P., C.H. Hommes and S. Manzan. (2007). Behavioral Hetero-geneity in Stock Prices ,vol 31. Journal of Economic Dynamics and Control, 1938-1970.


• Brock, W. H. (1997). A Rational route to randomness. Econometrica, Vol 65, No 5, 1059-1095.


• Brock, W.A., Hommes, C.H. (1998). eterogeneous beliefs and routes to chaos in a simple asset pricing model. Journal of Economic Dynamics and Control 22, 1235-1274.


• Chiarella, Carl, Xuezhong He, Zwinkels R.C. (2010). Heterogeneous Expectations in Asset Pricing: Evidence from the S&P500. Working paper: university.


• De Groot, J.A.N. (2011). Heterogeneous behavior in European stock market indices. Master Thesis Financial Economics., 798-844.


• Dixit, Avinash K. (2013). Thomas Schelling`s Contributions to Game Theory. Scandinavian Journal of Economics, Vol. 108, No. 2, 213-229.


• Chiarella, C., R. Dieci, & X.-Z. He (2009): Handbook of Financial Markets: Dynamics and Evolution, chapter 5: Heterogeneity, Market Mechanisms andAsset Price Dynamics, pp277{344. North-Holland, Elsevier, Inc., Amsterdam.


• Chiarella, C., M. Gallegati, R. Leombruni, & A. Palestrini (2003):\Asset Price Dynamics among Heterogeneous Interacting Agents." Compu-tational Economics 22: pp. 213{223.


• Evstigneev, I. V., Hens, T., Schenk-Hopp´e, K. R. (2009). Evolutionary finance. Handbook of Financial Markets:, 507-566.


• Hommes, C. (2006). Heterogeneous agent models in economics and finance. Handbook of Computational Economics, vol. 2, 1109-1186.


• Hommes, C.H., Sonnemans, J., Tuinstra, J., van de Velden, H. (2005). Coordination of expectations in asset pricing experiments. Review of Financial Studies 18, 955–980..


• khashanah ,K ; alsulaiman , T. (2017). Connectivity, Information Jumps, and Market Stability:. Hindawi Complexity, Volume 2017, Article ID 6752086, 2-17.


• Kukacka,J , Barunik J,. (2013). Behavioural breaks in the heterogeneous agent model: The impact of herding, overconfidence, and market sentiment. Physica A 392, 5920-5938.


• LeBaron, B. (2006a). Agent-based computational finance. Handbook of Computational Economics. Vol. 2, 1187-1233.


• Lucas, R.E. (1971). “Econometric testing of the natural rate hypothesis”.Eckstein, O. (Ed.), The Econometrics of Price Determination Conference. Board of Governors of the Federal Reserve System and Social Science Research Council.


• McNelis, P.D., (2005). ” Neural networks in finance: gaining predictive edge in the market”, Elsevier Academic, 65-77.


• Manzan, S.: (2009). “Agent Based Modeling in Finance”. R. A. Meyers (ed.): Encyclopedia of Complexity and Systems Science. Springer New York, pp. 3374–3388.


• Shiller, R.J., (1981). “Do stock prices move too much to be justified by subsequent changes in dividends?” American Economic Review 71, 421–436.


• Shiller, R.J., (1984). “Stock prices and social dynamics”. Brookings Papers in Economic Activity 2, 457–510.


• Shiller, R.J., (2000). “Measuring bubble expectations and investor confidence”. Journal of Psychology and Financial Markets 1, 49–60.


• Thalassions E., Pintea N., Iuiia P.R . (2015). the recent financial Crisis and its impact on the performance indicators of selected countries during the crisis period. International journal in economics and business administration, volume 3, issue 1


• Tongya Wang. (2014). Behavioural Biases and Evolutionary Dynamics in an Agent-Based Financial Market. leeds: University of Leeds.