تصمیم‌گیری‌های مدیریتی و تیپ‌های شخصیتی سرمایه‌گذاران بورس مطالعه‌ای با شبیه‌سازی عامل‌بنیان
محورهای موضوعی : اداره امور عمومی، حکمرانی، سیاستگذاری و خط مشی گذاری عمومی
سید فرهاد گوران حیدری
1
(
دانشجوی دکتری مدیریت فناوری اطلاعات علوم و تحقیقات تهران
)
عباس طلوعی اشلقی
2
(
استاد گروه مدیریت فناوری اطلاعات ، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران
)
احمد ابراهیمی
3
(
استاد یار گروه مدیریت صنعتی و تکنولوژی، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران
)
محمدرضا معتدل
4
(
عضو هیأت علمی
)
کلید واژه: شبیه‌سازی‌عامل‌بنیان, بورس‌اوراق‌بهادار, متغیرهای‌کلان‌اقتصادی, مالی رفتاری,
چکیده مقاله :
با عنایت به پیچیدگی‌های حاکم بر اقتصاد و باتوجه‌به نقش تأثیرگذار بازارهای مالی بر اقتصاد، و اهمیت اقتصاد برای کشور و جامعه، روش‌ها و ابزارهایی که بتوانند ارزیابی، پیش‌بینی، کنترل و هدایت بازار و اقتصاد را به‌نحوی اثربخش و کارا در دسترس سیاست‌گذارانی چون وزارت اقتصاد و امور دارایی، سازمان بورس اوراق بهادار، بانک‌مرکزی، شورای‌عالی بورس یا وزارت صمت قرار دهند، از جایگاهی ویژه برخوردار خواهند شد. این اثربخشی و کارایی زمانی حاصل می‌شود که توجه به لایه‌های پنهان روابط سیستم‌ها مانند رفتارهای جمعی انسانی که بر پیچیدگی بازار و اقتصاد می‌افزاید، نادیده گرفته نشود. در پژوهش حاضر با به خدمت گیری ظرفیت‌های شبیه‌سازی‌عامل‌بنیان در پژوهشی ترکیبی، رفتار انسانی را با روش‌های کمی و کیفی ترکیب نموده و از فناوری شبیه‌سازی به‌عنوان سومین روش تحقیق علمی، علاوه بر رویکردهای قیاسی و استقرایی بهره برده‌ایم. پژوهش از نظر هدف توصیفی، و کاربردی بوده و شبیه‌سازی عامل‌های نظیر به نظیر بازیگران بازار واقعی در نرم‌افزار نت‌لوگو و با مدل نمودن بازار، اعتبارسنجی با روش روست و راند و تحلیل‌حساسیت با رویکرد بورگانوف انجام شده است. نتایج حاصل از پژوهش بیانگر وجود ارتباط مستقیم نسبت ریسک‌پذیری سرمایه‌گذاران با بازده بورس و رشد شاخص کل بورس است. باتوجه‌به پیش‌بینی انجام شده در مدل طراحی شده علاوه بر تیپ ریسکی، امکان سنجش و پایش سایر ویژگی‌های رفتاری سرمایه‌گذاران و همچنین با عنایت به تعریف دیگر عامل‌ها به‌ازای سایر بازیگران فعال بورس امکان مطالعه تأثیر رفتار ایشان بر شاخص کل و دیگر شاخص‌های بااهمیت نیز در دسترس قرار گرفته است، لذا در پژوهش حاضر برای نخستین‌بار تأثیر رفتارهای متغیرهای کلان اقتصادی بر رفتار کلیه بازیگران حاضر در بورس مدل و با ظرفیت‌های شبیه‌سازی‌عامل‌بنیان مدل‌سازی صورت‌گرفته است.
Given the complexities of the economy and considering the influential role of financial markets on the economy, as well as the importance of the economy for the country and society, methods and tools that can effectively and efficiently assess, predict, control, and guide the market and economy in a manner accessible to policymakers such as the Ministry of Economy and Finance, Securities and Exchange Organization, Central Bank, High Council of Stock Exchange, or Ministry of Industry, will be in a special position. This effectiveness and efficiency are achieved when attention to hidden layers of system relationships such as collective human behavior, which adds to the complexity of the market and economy, is not overlooked. In the present study, by employing the capacities of agent-based simulation in a mixed-method research, human behavior is combined using quantitative and qualitative methods and simulation technology as the third method of scientific research, in addition to comparative and inductive approaches. The research is descriptive and applied, and agent-to-agent simulations of real market players in NetLogo software with modeling the market, validation using Rust and Rand tests, and sensitivity analysis using the Borgonovo approach have been conducted. The results of the study indicate a direct relationship between investors' risk tolerance and stock market returns and the overall stock market index growth. With the prediction made in the designed model, in addition to risk type, the possibility of assessing and monitoring other behavioral characteristics of investors, as well as with consideration of the definition of other factors for other active market players, the study of their behavior's impact on the overall index and other important indicators is also available. Therefore, in this study, for the first time, the influence of the behaviors of macroeconomic variables on the behavior of all players present in the stock market was modeled and simulated using agent-based simulation capacities.
آذر، عادل، سارنج، علیرضا، صادقی مقدم، علی‌اصغر، رجب‌زاده، علی، معزز، هاشم. (1397). مدل‌سازی عامل‌گرای رفتار سهامداران در بازار سرمایه ایران. تحقیقات مالی، 20(2) Doi:10.22059/frj2018.259369.1006670 #
ابراهیمی، مهرزاد. (1398). بررسی تاثیر متغیرهای کلان اقتصادی بر بازار سهام ایران با استفاده از الگوریتم‌های داده‌کاوی. اقتصاد مالی13(49 )، 283-309SID.https://sid.ir/paper/229287/fa #
بت‌شکن، محمد هاشم، و محسنی، حسین. (1397). بررسی سرریز نوسانات قیمت نفت بر بازدهی بازار سهام. دانش سرمایه گذاری، 7(25 )، 267-284. SID. https://sid.ir/paper/187974/fa #
بیرانوند مهدی. (1396). ارزیابی رابطه رفتار سرمایه گذاران در مقابل ریسک با شاخص‌های عملکرد. حسابدار رسمی شماره 39 https://www.noormags.ir/view/fa/articlepage/1348049 #
خوشنود، مهدی، رهنمای رودپشتی، فریدون، و نیکومرام، هاشم. (1399). بهینه‌سازی الگوی سرمایه‌گذاری در نزول‌های اساسی بورس اوراق بهادار تهران در چارچوب رویکرد عوامل ناهمگن و مدل‌سازی عامل بنیان با استفاده از الگوریتم ژنتیک. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 11(42)، 248-271. SID. https://sid.ir/paper/367632/fa #
رستگار سرخه، محمدعلی، خلج، غنچه، (1399)، اثر بازارسازان الگوریتمی در بازار بورس تهران: رویکرد مدل‌سازی عامل محور، دانشگاه تربیت مدرس، دانشکده مهندسی صنایع، سیستم و بهره وری
SID. http://parseh.modares.ac.ir/thesis.php?id=10003527&sid=1&slc_lang=fa #
شیرازیان، زهرا، نیکومرام، هاشم، رهنمای رودپشتی، فریدون، و ترابی، تقی. (1397). خوشه‌بندی نوسانات در بازارهای مالی با مدل شبیه‌سازی عامل بنیان. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 9(36)، 201-224. SID. https://sid.ir/paper/197529/fa #
عباسی سیر، سلمان، هاشمی گهر، محسن، و فیضی، عمار. (1401). مدل سازی عامل بنیان رفتار سهامداران در بازار اوراق بهادار تهران (مورد مطالعه: شرکت فولاد مبارکه اصفهان). پژوهش های نوین در تصمیم گیری، 7(1 )، 88-114. SID. https://sid.ir/paper/1045884/fa #
فخاری، حسین، نصیری، مهراب. (1399). تأثیر عملکرد شرکت بر ریسک سقوط آتی قیمت سهام. راهبرد مدیریت مالی, 8(3), 43 Doi: 10.22051/JFM.2019.25489.2037 #
قربانی ناصر، بابائی ابراهیم. (1394). بررسی کارائی الگوریتم EMA در حل مسائل بهینه‌سازی.کرمانشاه : کنفرانس ملی فناوری و داده با رویکرد مهندسی‌کامپیوتر https://www.esearchgate.net/publication/281297927 #
محمدی علی، مصلح شیرازی علی‌نقی، عباسی عباس، اخلاق پورسعید. (1398). برنامه‌ریزی سناریو اثر تغییرات عوامل مؤثر بر ارزش بازار بورس اوراق بهادار تهران با استفاده از رویکرد پویایی‌شناسی سیستم. چشم انداز مدیریت مالی DOI:10.52547/jfmp.9.26.33 #
مختار بند، محمود، تهرانی، رضا، العبودة، منال. (1403). برآورد تأثیر عوامل بنیادین کلان اقتصادی بر بازار سرمایه (رویکرد داده‌های ترکیبی تواتر متفاوت). تحقیقات مالی DoI:10.22059/frj.2024.368065.1007538 #
وکیلی فرد، حمیدرضا، خوشنود، مهدی، فروغ نژاد، حیدر، و اصولیان، محمد. (1393). مدل‌سازی مبتنی بر عامل در بازارهای مالی. دانش سرمایه گذاری، 3(12)، 139-158. SID.https://sid.ir/paper/490488/fa #
ولی‌زاده، فرزانه، محمدزاده، امیر، صیقلی، محسن، ترابیان، محسن. (1400). ارائه مدلی برای پیش‌بینی عوامل مؤثر بر ریسک سقوط قیمت سهام در بورس اوراق بهادار تهران. چشم انداز مدیریت مالی Doi: 10.52547/jfmp.11.33.217 #
هادی‌پور حسن، پایتختی اسکویی سید علی، علوی متین یعقوب، رحمانی کمال‌الدین. (1400). عوامل موثر بر شاخص بی‌ثباتی در بورس اوراق بهادار تهران (مطالعه موردی: صنعت فلزات اساسی). مطالعات مدیریت صنعتی Doi: 10.22054/jims.2021.57264.2581 #
Agliari, A., Naimzada, A., & Pecora, N. (2018). Boom-bust dynamics in a stock market participation model with heterogeneous traders. Journal of Economic Dynamics.
DOI: 10.1016/j.jedc.2018.04.007 #
Berger a, Dave & H.J. Turtle. (2012). Cross-sectional performance and investor sentiment in a multiple risk factor model, Journal of Banking & Finance
DOI: 10.1016/j.jbankfin.2011.11.001 #
Emanuele Borgonovo،· Marco Pangallo، Jan Rivkin، Leonardo Rizzo، Nicolaj Siggelkow. (2022).Sensitivity analysis of agent‑based models: a new protocol. Computational and Mathematical Organization Theory DOI: 10.1007/s10588-021-09358-5 #
Fouad Ben Abdelaziz ،Fatma Mrad. (2021). Multiagent systems for modeling the information game in a financial market. International Transactions in Operational Research.
DOI: 10.1111/itor.12944 #
Gao, Kang, Vytelingum, Perukrishnen, Weston, Stephen, Luk, Wayne and Guo, Ce (2024) 'High-Frequency Financial Market Simulation and Flash Crash Scenarios Analysis: An Agent-Based Modelling Approach' Journal of Artificial Societies and Social Simulation. DOI:10.18564/jasss.5403 #
Gilbert, N., and K. Troitzsch. (2007). Simulation for the Social Scientist. George Mason University: McGraw-Hill. 2nd ed. GMU. DOI: 10.5565/rev/papers/v80n0.1837 #
Lovric, M. (2011, March 25). Behavioral Finance and Agent-Based Artificial Markets (No. EPS-2011--F&A).ERIM Ph.D. Research in Management. Retrieved from http://hdl.handle.net/1765/22814 #
Macal Charles; North Michael. (2014). Introductory tutorial: Agent-based modeling and simulation . Savannah, GA, USA: Proceedings of the Winter Simulation Conference. DOI:10.1109/WSC.2014.7019874 #
Mishra, R. (2018). Financial Literacy, Risk Tolerance and Stock Market Participation. Asian Economic and Financial Review. DOI:10.18488/journal. aefr.2018.812.1457.1471 #
Mizuta Takanobu. (2021).An Agent-Based Model for Designing a Financial Market That Works Well. IEEE Symposium Series on Computational Intelligence. DOI:10.1109/SSCI47803.2020.9308376 #
Mizuta Takanobu. (2022). A Brief Review of Recent Artificial Market Simulation (Agent-Based Model) Studies for Financial Market Regulations and Rules.
DOI: 10.2139/ssrn.2710495 #
Mizuta Takanobu، Kosei Takashima، Isao Yagi .Instability of financial markets by optimizing investment strategies investigated by an agent-based model. (2022) .Computational Intelligence for Financial Engineering and Economics. DOI:10.1109/CIFEr52523.2022.9776207 #
Mohamed Amine Souissi, Khalid Bensaid and Rachid Ellaia (2018). Multi-agent modeling and simulation of a stock market. Investment Management and Financial Innovations. DOI:10.21511/imfi.15(4).2018.10 #
Muhammad Asif Khan, Saima Aziz, Shahid Mehmood and Anita Tangl (2024). Role of behavioral biases in the investment decisions of Pakistan StockExchange investors: Moderating role of investment experience. Investment Management and Financial Innovations. doi:10.21511/imfi.21(1).2024.12 #
Rand, W., & Rust, R. T. (2011). Intern . J . of Research in Marketing Agent-based modeling in marketing : Guidelines for rigor. International Journal of Research in Marketing.
DOI: 10.1016/j.ijresmar.2011.04.002 #
Robert Axelrod , Advancing the Art of Simulation in the Social Sciences. (2003). Japanese Journal for Management Information System, Special Issue on Agent-Based Modeling, Vol. 12. https://public.websites.umich.edu/~axe/research/AdvancingArtSim2003.pdf #
Sadek Benhammada ،Frédéric Amblard. (2021). An Agent-Based Model to Study Informational Cascades in Financial Markets. New Generation Computing.
DOI: 10.1007/s00354-021-00133-3 #
Saltelli A, Bammer G, Bruno I, Charters E, Di Fiore M, Didier E, Espeland WN, Kay J, Lo Piano S, May D, Pielke RJ, Portaluri T, Porter TM, Puy A, Rafols I, Ravetz JR, Reinert E, Sarewitz D, Start PB, Stirling A, van der Sluijs JP, Vineis P. (2020). Five ways to ensure that models serve society: a manifestohttps. DOI: 10.1038/d41586-020-01812-9 #
Westphal, Rebecca and Sornette, Didier, Market Impact and Performance of Arbitrageurs of Financial Bubbles in An Agent-Based Model (2020). Swiss Finance Institute Research Paper
DOI: 10.1016/j.jebo.2020.01.004#
