نقش میانگین مدت زمان ماندگاری رفتارگله واری بر نوسانات شاخص بورس اوراق بهادار تهران با استفاده از مدل هستون
محورهای موضوعی : دانش مالی تحلیل اوراق بهادار
1 - عضو هیات علمی گروه مدیریت واحد ملایر، دانشگاه آزاد اسلامی، ملایر، ایران
کلید واژه: رفتار گله واری, مدل هستون, نوسانات شاخص بورس اوراق بهادار, میانگین مدت زمان ماندگاری,
چکیده مقاله :
در این پژوهش مدل هستون برای توصیف پویایی قیمت سهام استفاده و سپس بطور تجربی و تئوریکی رفتار گله ای در بورس اوراق بهادار تهران با روش متوسط مدت زمان ماندگاری بحث می شود و تخمین پارامتر در مدل هستون با داده های مالی واقعی بررسی و جزئیات آماری از بازده های قیمت سهام بحث می شود. نمودارهای متوسط مدت زمان ماندگاری بازده مثبت در مقابل دامنه یا برگشت به میانگین نوسانات، یک پدیده رفتارگله واری همبستگی متقابل مثبت میان منابع نوسانات تصادفی ساده داده ها ازمدل هستون را نشان می دهد. همچنین برای یک همبستگی متقاطع منفی، یک پدیده رفتار گله واری د رنمودارهای میانگین مدت زمان ماندگاری بازده مثبت درمقابل واریانس طولانی مدت با افزایش دامنه یا برگشت به میانگین نوسانات قابل مشاهده است.هنگامی که به میانگین مدت زمان ماندگاری بازده مثبت توجه می شود بعنوان تابعی از دامنه تغییرپذیری نوسانات c ، پدیده رفتار گله ای برای یک همبستگی متقاطع مثبت میان فرآیندهای وینر از قیمت سهام و نوسانات ( ג >0) وجود دارد. هنگامی که به میانگین مدت زمان ماندگاری بازده مثبت بعنوان یک تابعی از برگشت میانگین a توجه می شود، پدیده رفتارگله ای برای ارزشهای bوc تحت ג >0 وجوددارد. باافزایش a یا c یک پدیده رفتار گله ای را تحت ג<0 تحمیل می کند هنگامی که میانگین مدت زمان ماندگاری بازده مثبت بعنوان یک تابعی از برگشت میانگین b توجه می شود.
In this article investigate the herd behavior of stock prices inTehran stock exchange with the Heston model. Basing on parameter estimation of the Heston model obtained by minimizing the mean square deviation between the theoretical and empirical return distributions, we simulate mean residence time of positive return.Plots of mean residence time of positive return against the amplitude or mean reversion of volatility demonstrate a phenomenon of herd behavior for a positive cross correlation between noise sources of the Heston model. Also, for a negative cross correlation, a phenomenon of herd behavior is observed in plots of mean residence time of positive return (MRTPR) against the long-run variance by increasing amplitude or mean reversion of volatility. From the simulating results of MRTPR, we observe that (i) when MRTPR is regarded as a function of the amplitude of volatility fluctuation c, there is a phenomenon of the herd behavior for a positive cross correlation between two Wiener processes of stock price and volatility (i.e., λ > 0); (ii) when MRTPR is regarded as a function of mean reversion a, there is a phenomenon of the herd behavior for our considered values of b and c under λ > 0; (iii) increasing a or c induces a phenomenon of the herd behavior under λ < 0 when MRTPR is regarded as a function of mean reversion b.
* -Banerjee, A.V. (1992), A simple model of herd behavior, The -Quarterly Journal of Economics, vol. 108, no. 3, pp. 797. -----Bikhchandani, S., Sharma, S. (2001), Herd behaviour in financial --markets, IMF Staff Papers, 47, 279-310. Chang, E.C., Cheng, J.W., ---Khorana, A. (2000), An examination of herd behavior in equity markets: An international perspective, Journal of
* -Banking and Finance, vol. 24, no. 10, pp. 1651-1679. Chiang, T.C. & -Zheng, D. (2010) An empirical analysis of herd behavior in global stock markets, Journal of Banking & Finance, 34, pp.1911-
* 1921 Chiang, T., Li, J, Tan, L., Nelling, E., (2013), Dynamic herding behavior in Pacific-Basin markets: Evidence and implications, Multinational
* Finance Journal, vol. 17, pp. 165-200 Christie, W. G., Huang, R. D. (1995), Following the pied piper: Do individual returns herd around the market?, Financial Analysts Journal,
* vol. 51, pp. 31-37. Demirer, R et al. (2010) Do investors herd in emerging stock markets?: Evidence from the Taiwanese market, Journal of Economic Behaviour
* & Organization, 76, pp. 283-285 Devenow, A., Welch, I. (1996), Rational herding in financial economics, European Economic Review, vol. 40, no. 3, pp. 603-615. Hsieh, S.F. (2013), Individual and institutional herding and the impact on stock returns: Evidence from Taiwan stock market, International
* Review of Financial Analysis, vol. 29, pp. 175-188 Hwang, S., Salmon M. (2001), A new measure of herding and empirical evidence, CUBS Financial Econometrics Working Paper, no. WP01-
* J.C. Hull, Options, Futures, Other Derivatives, Prentice-Hall, New Jersey, 1997. 7]P. Wilmott, Derivatives, John Wiley and Sons, New York, 1998. 8
* P.W. Anderson, K.J. Arrow, D. Pines, The Economy as an Evolving Complex System, Addison Wesley Longman, 1988; 9
* P.W. Anderson, K.J. Arrow, D. Pines, The Economy as an Evolving Complex System II, Addison Wesley Longman, 1997. 10]R.N. Mantegna, H.E. Stanley, An Introduction to Econophysics: Correlations and Complexity in Finance, Cambridge University Press, Cambridge, 2000. 11
* J.P. Bouchaud, M. Potters, Theory of Financial Risks, Cambridge University Press, Cambridge, 2000. 12
* M.M. Dacorogna, R. Gencay, U.A. Müller, R.B. Olsen, O.V. Pictet, An Introduction to High-Frequency Finance, Academic Press, New York, 2001. 13
* B.E. Baaquie, J. Phys. I France 7 (1997) 1733. 14
* R.F. Engle, Econometrica 50 (1982) 987. 15
* T. Bollerslev, J. Econometrics 31 (1986) 307. 16
* S.L. Heston, Rev. Financ. Stud. 6 (1993) 327. 17
* A.A. Dragulescu, V.M. Yakovenko, Quant. Finance 2 (2002) 443. 18
* A.C. Silva, V.M. Yakovenko, Physica A 324 (2003) 303. 19
* A.C. Silva, R.E. Prange, V.M. Yakovenko, Physica A 344 (2004) 227. 20
* R. Remer, R. Mahnke, Physica A 344 (2004) 236. 21
* R. Vicente, et al., Physica A 361 (2006) 272.
_||_