ترجمه تخصصی روش اتورگرسیو بردار (VAR) در تحقیقات بازار
_در تحقیقات ریزساختار بازار ، روش متداولی که برای تجزیه و تحلیل رابطه دینامیکی استفاده می شود ، روش اتورگرسیو بردار (VAR) است. VAR معمولاً به جای مدل اصلاح خطای بردار (VECM) به دلیل ویژگی های همزمان متغیر فعالیت معاملاتی و بازده سهام مورد استفاده قرار می گیرد برخی مطالعات در مجلات مهم از VAR برای تحلیل رابطه دینامیکی در تحقیقات ساختار بازار استفاده می کنند. مطالعات مشابه ما ، گریفین ، هریس ، و توپوگاللو (2003) و درن ، هوبرمن و سنگمیولار (2008) ، از روش VAR برای تحلیل پویایی بازده های فردی ، نهادی و سهام با تاخیر 5 استفاده می کنند. در تحقیقات اخیر توسط بن-رافائل و همکارانش. (2012) از روش VAR برای ارزیابی رابطه پویایی بین جریانات مدیر صندوق های سهام و بازده بازار استفاده می شود. آنها در مدل VAR از چهار تاخیر استفاده می کنند و پاسخ ضربه ای ایجاد می کنند تا مشاهده کنند که چگونه یک شوک انحرافی معیار در متغیرهای خاص می تواند روی سیستم تأثیر بگذارد. در همان سال ، موسکوویتز و همکارانش. (2012) حرکت سری زمانی را در کلاسهای دارایی (سهام ، اوراق قرضه و ارز) و تأثیر آن بر معاملات سفته بازان تحلیل کرد. آنها از متغیرهای متغیر ماهانه VAR با 24 ماه تاخیر در بازده و تغییر در موقعیت سوداگر خالص و 12 ماه عقب ماندگی به عنوان یک بررسی قوی استفاده کردند. آنها همچنین با استفاده از تجزیه چولسکی برای تخمین ماتریس کواریانس واریانس باقیمانده ، واکنش ضربان را از مدل VAR ایجاد کردند.
سفارش ترجمه تخصصی رشته حسابداری
با این وجود ، اگرچه معمولاً از VAR استفاده می شود ، باید به یک نگرانی توجه کرد. فرض کنید یک VAR دو متغیره با k تاخیر در معادله (1) وجود دارد. برآورد معیار برای این مدل VAR با استفاده از حداکثر احتمال (نمونه بدون علامت) یا برآورد حداقل مربعات معمولی (نمونه محدود) انجام می شود. براساس تخمین ، وکتور β و 𝛌 را می توان با خطای معیار آن بدست آورد. با این حال ، این شرط را می توان تحت این فرضیه استفاده کرد که t,Rԑو ԑt,X، فاقد ناهمگونی و خود همبستگی (نویز سفید) است . اگر یکی از بردارهای باقیمانده در سیستم حاوی ناهمسانگردی و خود همبستگی باشد ، فرض نقض می شود و استنباط مدل می تواند مغرضانه باشد. در حالی که ضریب تخمین قوی است ، خطای معیار دلیل تعصب ناشی از محاسبه اشتباه است. برای حل این مشکل ، کوکران و پیاززی (2005) یک مدل اصلاح شده از برآورد VAR را برای ضمانت اوراق بهادار پیشنهاد می دهند. آنها هنوز هم برای تخمین مدل VAR از حداکثر احتمال استفاده می کنند که با ناهمگونی تنظیم شده و خود همبستگی با استفاده از روش تعمیم یافته لحظه ها (GMM) برآورد کوواریانس لحظه ها با محاسبه خطای معیار Newey-West تنظیم می شوند. با استفاده از این تنظیم ، استنباط از مدل VAR دقیق تر پیش بینی می شود:
بر اساس تمام ادبیات یا متون فوق ، این تحقیق یک آزمایش مقدماتی را برای انتخاب تاخیرهای مدل VAR انجام می دهد و مشخص می کند که آیا ناهمگونی و خود همبستگی در باقیمانده های VAR وجود دارد یا خیر. اگر فرض VAR معیار نقض شود ، پس از تنظیم مدل VAR با خطای معیار NW ، در مورد استنتاج بحث خواهد شد. در ادامه توجه داشته باشید که به منظور تفسیر ، کلیه متغیرها هم در نمونه کارها و هم روش های سهام شخصی با استفاده از سری زمانی خاص خود تنظیم می شوند. علاوه بر این ، برای روش سهام شخصی، ما هر متغیر را با تفریق آن با مقدار وزنی برابر روزانه آن تنظیم می کنیم تا اثرات متداول بازار-گسترده را ، همانطور که توسط گریفین ، هریس و توپوگلو پیشنهاد شده است برطرف کنیم.
4.2.2 روش خودرگراسیون بردار
خودرگراسیون بردار شبیه به خودرگراسیون تک متغیره است. شهود بسیاری از نتایج مشابه است و به سادگی با جایگزینی اسکالار با ماتریس و عمل اسکالر با عمل ماتریس انجام می شود. سیستم VAR که در این تحقیق ساخته خواهد شد ، یک 3 متغیر VAR برای بازیکنان عمومی و یک 10 متغیر VAR برای بازیکنان دقیق است. انتخاب بهینه تاخیر بر اساس معیار اطلاعات آکائیک (AIC) و آزمونهای نسبت احتمال (LR) به دنبال ایده های گریفین ، هریس و توپوگالو (2003) است. کلیه متغیرهای موجود در معادله VAR بازده نمونه کارها و عدم تعادل تجارت برای هر نوع سرمایه گذار است.در مدل ماتریس عمومی ، سیستم می تواند به صورت زیر نوشته شود:
که در آنجا Yt ، T با ماتریس متغیرهای K وφ بردار پارامترها برای سیستم های VAR است. در این تحقیق Yt ، متغیر بازده نمونه کار و عدم تعادل معاملات هر نوع سرمایه گذار را در بر می گیرد. تخمین ضریب و خطای معیار از سیستم فوق از یک روش حداکثر احتمال استفاده می کند. اعتقاد بر این است که حداکثر احتمال دقیق تر از حداکثر احتمال شرطی و حداقل مربعات معمولی است و نیازی به پشتوانه داده یا خطا ندارد (شپرد ، 2013):
Σماتریس کواریانس باقیمانده و v یک ماتریس باقیمانده VAR است. ضریب نسبی VAR با به حداکثر رساندن عملکرد احتمال بالا به دست می آید. خطای معیار از مربع مورب در ماتریس کوواریانس بدست می آید:
ماتریس کواریانس ضریب با معکوس کردن هسیان از حداکثر احتمال محاسبه می شود. با این وجود ، اگر ناهمگونی و خود همبستگی در باقیمانده وجود داشته باشد ، این روش برای محاسبه ماتریس کوواریانس دیگر اهمیتی ندارد. این مطالعه معتقد است که به دلیل فراوانی بالای داده ، ناهمگونی و خودهمبستگی در داده ها وجود دارد. برای پاسخگویی به این موضوعات ، ماتریس کواریانس باید با استفاده از ماتریس کوواریانس Newey-West (NW) تنظیم شود. به طور کلی ، ماتریس کوواریانس NW از روش تعمیم رویکرد لحظه ای (GMM) پیروی می کند. ماتریس کوواریانس GMM با استفاده از فرمول زیر محاسبه می شود:
تنظیم ناهمگونی و خود همبستگی بر روی ماتریس S یا ماتریس دقیق GMM است. ماتریس دقیق تنظیم شده توسط Newey-West می شود:
که در آنجا k تاخیر خودهمبستگی در باقیمانده ها و /k(k-j
ماتریس وزنی نامیده می شود. بنابراین ، کواریانس تنظیم شده کامل خواهد بود.
در بیشتر مطالعات ، تاخیر در خود همبستگی باقیمانده ها با استفاده از یک مدل ذهنی از نحوه نگاه سرمایه گذاران یا معامله گران به داده های تاریخی مشخص می شود. کوکرن و پیاززی (2005) برای بررسی ثبات نتایج آنها از یک تأخیر 12 ماهه و تاخیر 18 ماهه استفاده می کنند. این تحقیق یک تأخیر 7 روزه را انتخاب می کند ،در حالیکه این قانون کلی فرمول انگشت شست T 1/3 0.75 را برای ماتریس S برآورده می کند زیرا متغیرهای موجود در این سیستم VAR همزمان هستند. این تاخیر همچنین شاخص معاملاتی را که میانگین معاملاتی است که معمولاً در کوتاه مدت توسط یک معامله گر استفاده می شود ، را در نظر می گیرد.
علاوه بر این ، یکی از مزایای استفاده از VAR علیت گرنجر است (شپرد ، 2013). علیت گرنجر روش معیار در VAR است تا مشخص کند آیا یک متغیر در پیش بینی دیگران مفید است یا خیر ، و شواهد علیت گرنجر شاخص خوبی است که برای VAR نیاز است. به منظور تست علیت گرنجر ، از آزمون والد برای مشخصات زیر استفاده می شود:
اگر که (H0=φi,j,1=φi,j,2=….=φi,j,p=0) باشد، yj,t
علیت گرنجر yj,t نمی شود.بر این اساس،آمارهای والد در معادله زیر و توزیع ذیل نوشته شده اند:
در جایی که1ɵ بردار تخمین پارامترهای نامحدود است ، Ώماتریس کواریانس بدون علامت 1ɵ است و R و Q ماتریس بر اساس محدودیت هستند. تحت فرضیه تهی ، آمار والد به طور متناوب توزیع می شود در حالیکه x2 زمانی تست می شود که در آن میزان آزادی برابر با تعداد محدودیت های صفر است.
5- تحلیل مقدماتی
قبل از بحث در مورد نتایج و تجزیه و تحلیل آنها ، یک تحلیل مقدماتی ارائه خواهد شد تا در مورد محیط تخمین مناسب بحث شود. اول ، با استفاده از معیار اطلاعات آکائیک(AIC) و آمار تست نسبت احتمال تعدیل متوالی (LR) ، انتخاب تاخیر مطلوب را تعیین می کنیم. بر این اساس ، براساس جدول 3 ، تاخیر 3 (براساس AIC) و تاخیر 6 (بر اساس LR) به عنوان تاخیر بهینه برای بازیکنان عمومی انتخاب می شوند ، در حالی که تاخیر 1 (بر اساس AIC) و تاخیر 8 (بر اساس LR) برای بازیکنان دقیق انتخاب شدند. ذکر این نکته حائز اهمیت است که AIC و LR ممکن است به همین دلیل نتایج مشابهی ارائه ندهند. AIC به ما می گوید که آیا زمانی که هدف تقریبی فرآیند تولید داده های زمینه ای به بهترین شکل ممکن از نظر فاصله Kullback-Leibler است ، می خواهیم یک مدل غنی تر داشته باشیم یا نه ، در حالی که LR به ما می گوید آیا در یک سطح اطمینان انتخاب شده می توانیم فرضیه را رد کنیم که برخی محدودیت ها در مدل غنی تر وجود دارد یا نه. بنابراین ، می توان دلالت کرد که AIC هنگامی که هدف از مدل ما پیش بینی باشد ، ترجیح داده می شود ، در حالی که LR وقتی هدف مدل ما آزمایش اهمیت است ، مناسب تر است. با توجه به اهداف تحقیق می توان نتیجه گرفت که LR برای این تحقیق ارجحیت دارد. لطفاً توجه داشته باشید که به خاطر پارسیمونی ، این مطالعه فقط نتایج برآورد را براساس AIC - lag (3) برای مدل کلی و lag (1) برای مدل تفصیلی را گزارش می دهد.
جدول 3
تست های تشخیصی. در جدول زیر نتایج تست های تشخیصی ، یعنی انتخاب بهینه تاخیر ، تست های خود همبستگی و ناهمگونی ارائه شده است. پانل A نتایج حاصل از انتخاب بهینه تاخیر با استفاده از معیار اطلاعات آکائیک(AIC) و آمار احتمال تعدیل متوالی (LR) گزارش داده است. بر این اساس ، lag 3 (براساس AIC) و lag 6 (بر اساس LR) به عنوان تاخیرهای بهینه برای بازیکنان عمومی انتخاب می شوند ، در حالی که lag 1 (براساس AIC) و lag 8 (بر اساس LR)برای بازیکنان تفصیلی انتخاب می شوند. . پانل B نتایج تست خود همبستگی را برای هر یک از تاخیرهای انتخاب شده با استفاده از آزمون چند برابری لاگرانژ و عدم خود همبستگی در مرتبه تاخیر به عنوان فرضیه تهی را گزارش می دهد. پانل C نتایج تست ناهمگونی برای هر یک از تاخیرهای انتخاب شده با استفاده از تست ناهمگونی سفید با واریانس خطاها به عنوان یک فرضیه تهی برابر یا همگون گزارش می دهد. * نشان دهنده نقض فرضیه تهی برای هر دو آزمون خود همبستگی و ناهمگونی است. مقدار آن در پرانتز گزارش شده است.
پس از یافتن بهینه برای هر مورد ، سپس مسئله خودهمبستگی مربوط به هر یک از تاخیرهای انتخاب شده با استفاده از تست ضرب چندگانه لاگرانژ بدون خودهمبستگی در مرتبه تاخیر به عنوان فرضیه تهی ، و مسئله ناهمگونی برای هر یک از تاخیرهای انتخاب شده با استفاده از تست ناهمگونی وایت را تست می کنیم که در آنجا واریانس خطاها به عنوان فرضیه تهی برابر یا بدون ناهمگونی است. بر این اساس ، جدول 3 نشان می دهد که مواردی مانند مسائل خودهمبستگی و ناهمگونی در تاخیر (3) برای بازیکنان عمومی و در تاخیر (1) برای بازیکنان دقیق وجود دارد تا تخمین VAR با استفاده از تصحیح NW برای خطاهای معیار تنظیم شود. . جزئیات این تست تشخیصی در جدول 3 ارائه شده است.
6. نتایج بازیکنان عمومی
ابتدا ، رفتارهای پویا و استراتژی های معاملاتی دو بازیکن عمومی در بازار ، یعنی سرمایه گذاران فردی و نهادی را بررسی می کنیم. نتایج برآورد در جدول 4 برای تجزیه و تحلیل تلفیقی و در جدول 5 برای تجزیه و تحلیل پیگیری نظر کانیل و همکارانش ارائه شده است (2008) که پیشنهاد داد سهام موجود در نمونه ما را به سهام سرمایه داری زیاد ، متوسط و کم تقسیم کند. توجه داشته باشید که به منظور تفسیر ، کلیه متغیرها در هر دو روش با استفاده از سری زمانی خاص خود تنظیم می شوند.
جدول 4
VAR برای بازیکنان عمومی - تلفیقی.
جدول زیر نتایج مربوط به خودرگراسیونی بردار (VAR) برای بازیکنان عمومی با تاخیر 3 تحت روش حداکثر احتمال با ناهمگونی تنظیم شده و خود همبستگی در بقایا با استفاده از خطاهای معیار Newey West (NW) ارائه شده است.نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام شخصی را در پانل B گزارش می دهیم. معادلات این تحلیل به شرح زیر است:
در جایی که برای پانل A (پانل B) ، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX (بازده روزانه یک سهام خاص) است ، در حالی که INS و IND عدم تعادل تجارت سرمایه گذاران خصوصی و نهادی از نمونه کار (سهام خاص) هستند. به منظور تفسیر ، تمام متغیرها در پانل های A و B با استفاده از سری های زمانی خاص خود تنظیم می شوند. علاوه بر این ، برای پانل B ، ما نیز هر متغیر را با تفریق آن با مقدار وزنی برابر روزانه آن تنظیم می کنیم تا اثرات مشترک در بازار-گسترده را همانطور که توسط گریفین ، هریس و توپوگالو (2003) پیشنهاد شده است حذف کنیم. نمونه 563 سهام ذکر شده در IDX در سطح روزانه از 1 ژانویه 2013 تا 31 دسامبر 2015 است. جدول زیر نتیجه تخمین VAR (k) را برای کلیه دوره های نمونه زمانی (T) با 7 تاخیر تنظیم شده در خطای معیار NW را نشان می دهد.پارامتر کوتاه با استفاده از فرمول T 1/30.75، تعیین می شود. خطای معیار پارامترها در پرانتز گزارش شده است. از آزمون آماری والد برای آزمون فرضیه استفاده شده است. در صفحه A ، *** ، ** ، * به ترتیب 10٪ ، 5٪ و 1٪ از سطح اهمیت را نشان می دهد. در ضمن ، در پانل B ، درصد سهام با ضریب مثبت (٪ مثبت) و ضرایب نسبی منفی (٪ علائم منفی) را گزارش می کنیم که با سطح اطمینان 0 تا 5٪ تفاوت معنی داری دارند.
_ جدول 5
VAR برای بازیکنان عمومی - توسط بازار سرمایه بخش بندی شده است.جدول زیر تجزیه و تحلیل جدول 4 را با تقسیم سهام موجود در نمونه ما برای سهام سرمایه داری زیاد ، متوسط و کم را همانطور که توسط Kaniel ، Saar و Titman (2008) پیشنهاد شده است ، گسترش می دهد. این تقسیم بندی با طبقه بندی یک سهام خاص در نمونه ما به سهام سرمایه داری زیاد ، متوسط و کم انجام می شود ، در حالی که میانگین ارزش روزانه آن در بازار سرمایه داری به ترتیب در 30 امین زیاد ، بین 30 درصد بالا و زیر صدک 30 و در صدک زیر 30 است.برای هر گروه ، بردار خودرگراسیونی (VAR) برای بازیکنان عمومی با تاخیر 3 تحت روش حداکثر احتمال با ناهمگونی و خود همبستگی تنظیم شده در باقیمانده ها با استفاده از خطاهای معیار Newey-West (NW) مطابق جدول 4 ارائه شده است. ما نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی را در پانل B. گزارش می دهیم ، به طور خاص ، برای پنل A (پانل B)، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که INS و IND عدم تعادل تجارت سرمایه گذاران نهادی و انفرادی از سهام (سهام خاص) است. سپس به منظور تفسیر ، کلیه متغیرها در پانل های A و B با استفاده از سری زمانی خاص خود تنظیم می شوند. علاوه بر این ، برای پانل B ، ما نیز هر متغیر را با تفریق آن با مقدار وزنی برابر روزانه آن تنظیم می کنیم تا اثرات مشترک در بازار را ، همانطور که توسط گریفین ، هریس ، و توپوگلو (2003) پیشنهاد شده است حذف کنیم. نمونه 563 سهام ذکر شده در IDX در سطح روزانه از 1 ژانویه 2013 تا 31 دسامبر 2015 است. جدول زیر نتیجه تخمین VAR (k) را برای کلیه دوره های نمونه زمانی (T) با 7 تاخیر تنظیم شده در خطای معیار NW را نشان می دهد. پارامتر کوتاه با استفاده از فرمول T1 / 3 0.75تعیین می شود. خطای معیار پارامترها در پرانتز گزارش شده است. از آزمون آماری والد برای آزمون فرضیه استفاده شده است. در صفحه A ، *** ، ** ، * به ترتیب 10٪ ، 5٪ و 1٪ از سطح اهمیت را نشان می دهید. در ضمن ، در پانل B ، درصد سهام با مثبت(% علامت مثبت) و ضرایب منفی (٪ علامت منفی) را گزارش می کنیم که با سطح اطمینان 5٪ با 0 تفاوت معنی داری دارند.
سفارش ترجمه تخصصی رشته حسابداری
مطابق جداول فوق چندین یافته جالب پدیدار می شود. از نظر تأثیر قیمت ، در پانل A جدول 4 مشاهده می شود که عدم تعادلهای خصوصی و نهادی در تاخیر 3 به طور قابل توجهی بر بازده سهام تأثیر می گذارد. مقدار اهمیت پس از تنظیم با تاخیر NW در7 حدود 1٪ بسیار قوی و ستبر است. از نظر آماری ، در معادله عدم تعادل نهادی (فردی) ، ضریب نسبی 0.30- (-0.29) است و این نشان می دهد که انحراف معیار 1 عدم تعادل نهادی (فردی) در t-3 کاهش می یابد می تواند تقریباً 0.30 (0.29) انحراف معیار از بازده نمونه کارها را در زمان t کاهش دهد. این نتیجه با نتایج Lakonishok و همکارانش (1992) و داگلاس فاستر و همکاران. (2011) سازگار است.با این حال ، آنها مخالف با گریفین و همکاران (2003)؛ نگ و وو (2007) ، و استوفمن (2014) هستند.
در همین حال ، بر اساس پانل B از جدول 4 ، می توان نتیجه گرفت که مهمترین عامل تعیین کننده بازده ، بازده های گذشته آن است. این تا 30٪ ، 25٪ و 15٪ از سهام در تاخیر 1 ، 2 و 3 که به ترتیب دارای ضرایب منفی قابل توجهی هستند به اثبات رسیده است. نتایج همچنین توسط پانل B جدول 5 ، به ویژه با سهام متوسط و کم سرمایه تأیید شده است.
در مورد رفتار معاملات هر نوع سرمایه گذار ، ما می دانیم که سرمایه گذاران خصوصی معامله گران متضاد یا ضد حرکت هستند ، در حالی که سرمایه گذاران نهادی معامله گران حرکت هستند. این نتایج بسیار قوی است زیرا در سطح 1٪ قابل توجه هستند. علاوه بر این ، این یافته با یافته های باربر و اودان (2000) و کانیل و همکاران (2008) برای سرمایه گذاران خصوصی و لاکونیشوک و همکاران. (1992) و گرینبلات و همکاران. (1995) برای سرمایه گذاران نهادی مطابقت دارد.رفتار متعارف (حرکت) به عنوان فروش (خرید) سهام برنده و خرید (فروش) سهام از دست رفته طبق نظرOdean (1998) در نظر گرفته می شود. براساس پانل A از جدول 4 ، با در نظر گرفتن تنها تاخیر 1 ، 1 افزایش انحراف معیار در بازده سهام باعث کاهش (افزایش) عدم تعادل سرمایه گذاران خصوصی (نهادی) تقریباً 0.27 (0.27) انحراف معیار می شود. این بدان معناست که سرمایه گذاران خصوصی (نهادی) در صورت افزایش قیمت سهام ، موقعیت خود را معکوس می کنند. به همین ترتیب ، نتایج فوق در حدود 10٪ از نمونه ما در پانل B جدول 4 نیز آمده است. نتایج همچنین توسط پنل B جدول 5 ، به ویژه توسط سهام با سرمایه بالا و متوسط تأیید شده است.
نتیجه متفاوت در رفتارهای گروهی در مورد عدم تعادل گذشته از هر نوع سرمایه گذار مشاهده می شود. عدم تعادل سرمایه گذاران خصوصی در زمان t-3 بطور معنی داری قطعا بر عدم تعادل در زمان t تا حدود 1٪ تأثیر می گذارد. این نشانگر این است که آنها با گروه خود و همتای خود گروه بندی می شوند. اگرچه هر دو عدم تعادل قابل توجه هستند ، افزایش عدم تعادل نهادی در t-3 دامنه اثر بیشتری از افزایش عدم تعادل خصوصی در زمان t خواهد داشت. به طور خاص ، بر اساس پانل A جدول 4 ، افزایش 1 انحراف معیار در عدم تعادلهای نهادی در زمان t-3 تقریباً 0.23 انحراف معیار عدم تعادلهای خصوصی را در زمانt افزایش می دهد ، در حالی که 1 افزایش انحراف معیار در عدم تعادلهای خصوصی در زمان t-3 تقریباً 0.17 انحراف معیار عدم تعادل فردی در زمان t افزایش خواهد یافت. در همین حال ، بر اساس پانل B از جدول 4 ، یافت می شود که اگرچه روابط بین عدم تعادل فردی گذشته از عدم تعادل فردی آینده قوی تر است ، رابطه دیگر برعکس است. نتایج همچنین توسط پنل B جدول 5 ، به ویژه توسط سهام سرمایه داری بالا تأیید شده است.
در مقابل ، همچنین براساس جدول 4 ، عدم تعادل سرمایه گذاران نهادی در زمان t-3 به طور قابل توجهی به صورت منفی بر عدم تعادل در زمان t تا حدود 1٪ تأثیر می گذارد. این نشانگر این است که آنها با گروه خود و همتای خود به صورت متضاد دسته بندی می شوند. اگرچه هر دو عدم تعادل قابل توجه هستند ، افزایش عدم تعادل نهادی در t-3 تاثیر دامنه ای بیشتر از افزایش عدم تعادل فرد در زمان t خواهد داشت. به طور خاص ، 1 افزایش انحراف معیار در عدم تعادلهای نهادی در زمان t-3 تقریباً 0.21 انحراف معیار عدم تعادلهای نهادی را در زمان t کاهش می دهد ، در حالی که یک افزایش انحراف معیار در عدم تعادلهای فردی در زمان t-3 تقریباً 0.18 انحراف معیار از عدم تعادل در زمان t نهاد را کاهش می دهد. در همین حال ، بر اساس پانل B جدول 4 ، یافت می شود که اگرچه روابط بین عدم تعادل فردی گذشته از عدم تعادل نهادی آینده قوی تر است ، اما رابطه دیگر برعکس است. نتایج همچنین توسط پنل B جدول 5 ، به ویژه توسط سهام سرمایه داری بالا تأیید شده است.
در مورد بررسی قدرت اهمیت در سیستم VAR ، علیت گرنجر برای آزمایش همزمان اینکه آیا هر متغیر دارای یک اثر علیت نسبت به یکدیگر است ، انجام می شود. نتایج علیت گرنجر برای بازیکنان عمومی در جدول 6 برای تجزیه و تحلیل تلفیقی و جدول 7 برای آنالیز در پیگیری اثر کانیل و همکاران آورده شده است(2008).
بر اساس جداول فوق شواهدی وجود دارد که نشان می دهد ، مطابق با یافته های فوق ، ابتدا عدم توازن فردی و نهادی باعث شده است که گرنجر بازده سهام داشته باشد( حدود 15٪ بازده سهام) ، و دوم اینکه ، بازده گذشته باعث شده است که گرنجر عدم تعادل فردی و نهادی در زمان t (حدود 20٪ نمونه) داشته باشد. این نتیجه تأثیر رفتار معاملاتی (حرکت) انجام شده توسط سرمایه گذاران انفرادی (نهادی) را تأیید می کند. علاوه بر این ، رفتارهای گروهی توسط سرمایه گذاران خصوصی نیز به طور کامل توسط این آزمایش تأیید می شود (حدود 50٪ نمونه) ، در حالی که رفتار خلاف گروه توسط سرمایه گذاران نهادی تا حدودی توسط این آزمون (حدود 40٪ نمونه) تأیید می شود ، زیرا پانل A جدول 6 نشان می دهد که هیچ مدرکی مبنی بر علیت گرنجر بین عدم تعادل فردی گذشته و عدم تعادل نهادهای فعلی وجود ندارد. در توضیح ، حتی اگر عدم تعادل های فردی شواهد کافی برای تأثیر عدم تعادل های نهادی داشته باشد ، این برای رد فرضیه پوچی علیت کافی نیست. جدول 7 آزمونهای توانمندی نتایج فوق ارائه شده است.
_ جدول 6
علیت گرنجر برای بازیکنان عمومی - تلفیقی. در جدول زیر نتایج آزمون علیت گرنجر برای بازیکنان عمومی مبتنی بر VAR (3) آورده شده است. نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی در پانل B. گزارش می دهیم .به طور خاص ، در پنل A (پنل B) ، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که INS و IND عدم تعادل تجارت سرمایه گذاران نهادی و انفرادی از سهام (سهام خاص) است. فرضیه تهی این آزمون این است که مقادیر تاخیر x باعث تغییر در y نمی شود ، یا به عبارت دیگر x علت گرنجر y نمی شود. در پانل A ، مقدار p پارامترها در پرانتز گزارش شده و *** ، ** ، * میزان اهمیت را به ترتیب 10٪ ، 5٪ و 1٪ نشان می دهد. در همین حال ، در پانل B ، درصد سهام را اعلام می کنیم که به طور قابل توجهی فرضیه تهی را در سطح اطمینان 5٪ رد می کنند.
جدول 7
علل گرنجر برای بازیکنان عمومی - توسط بازار سرمایه بخش بندی شده است. جدول زیر تجزیه و تحلیل جدول 5 را با تقسیم سهام موجود در نمونه سهام سرمایه داری زیاد ، متوسط و کم ، را همانطور که توسط Kaniel ، Saar و Titman (2008) پیشنهاد شده است ، گسترش می دهد. این تقسیم بندی با طبقه بندی یک سهام خاص در نمونه سهام سرمایه داری زیاد ، متوسط و پایین انجام می شود ، در حالی که میانگین ارزش روزانه آن در بازار سرمایه در 30 امین ، بین 30 درصد زیاد و صدک 30 پایین و در صدک پایین 30 است. به ترتیب برای هر دسته بندی ، نتایج آزمون علیت گرنجر را برای بازیکنان عمومی بر اساس VAR ارائه می دهیم (3).نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش بورس انفرادی در پانل B. گزارش می دهیم ، به طور خاص ، در پنل A (پنل B) ، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که INS و IND عدم تعادل تجارت سرمایه گذاران نهادی و انفرادی از سهام (سهام خاص) است. فرضیه تهی این آزمون این است که مقادیر تاخیر x باعث تغییر در y نمی شود ، یا به عبارت دیگر x گرنجر باعث y نمی شود. در پانل A ، مقدار p پارامترها در پرانتز گزارش شده و *** ، ** ، * میزان اهمیت را به ترتیب 10٪ ، 5٪ و 1٪ نشان می دهد. در همین حال ، در پانل B ، درصد سهام را اعلام می کنیم که به طور قابل توجهی فرضیه تهی را در سطح اطمینان 5٪ رد می کنند.
جدول 8
VAR برای بازیکنان تفصیلی - تلفیقی. در جدول زیر نتایج مربوط به خودرگراسیون بردار (VAR) برای بازیکنان دقیق با تاخیر 1 تحت روش حداکثر احتمال با ناهمگومی تنظیم شده و خود همبستگی در بقایای با استفاده از خطاهای معیار Newey-West (NW) ارائه شده است. ما نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی در پانل B گزارش می دهیم. سهام ذکر شده در IDX (بازده روزانه یک سهام خاص) است، در حالی که ID ، CP ، FD ، IB IS ، MF ، OT ، PF و SC عدم تعادل تجاری سرمایه گذاران ، شرکتها ، بنیادها ، موسسات مالی ، شرکتهای بیمه ، و صندوق های متقابل ، موسسات دیگر ، صندوق های بازنشستگی و بورس اوراق بهادار ، به ترتیب از نمونه کارها (سهام خاص) هستند. به منظور تفسیر ، تمام متغیرها در پانل های A و B با استفاده از سری زمانی خاص خود تنظیم می شوند. علاوه بر این ، برای پانل B ، ما نیز هر متغیر را با تفریق آن با مقدار وزنی برابر روزانه آن تنظیم می کنیم تا اثرات مشترک در بازار را ، همانطور که توسط گریفین ، هریس ، و توپوگلو (2003) پیشنهاد شده است حذف کنیم. جدول 563 سهام ذکر شده در IDX در سطح روزانه از 1 ژانویه 2013 تا 31 دسامبر 2015 است. جدول زیر نتیجه تخمین VAR (k) را برای کلیه دوره های نمونه زمانی (T) با 7 تاخیر تنظیم شده در معیار NW نشان می دهد. خطا پارامتر کوتاه با استفاده از فرمول T1/ 3 0.75 تعیین می شود. خطای معیار پارامترها در پرانتز گزارش شده است. از آزمون آماری والد برای آزمون فرضیه استفاده شده است. در صفحه A ، *** ، ** ، * به ترتیب 10٪ ، 5٪ و 1٪ از سطح اهمیت را نشان می دهد. در ضمن ، در پانل B ، درصد سهام با ضریب مثبت (٪ مثبت) و ضرایب منفی (٪ علائم منفی) را گزارش می کنیم که با سطح اطمینان 5٪ با 0 تفاوت معنی داری دارند.
جدول 9
VAR برای بازیکنان تفصیلی - توسط بازار سرمایه بخش بندی شده است. جدول زیر تجزیه و تحلیل جدول 8 را با تقسیم سهام موجود در نمونه سهام سرمایه داری زیاد ، متوسط و کم طبق پیشنهادهای Kaniel ، Saar و Titman را (2008) ارائه می دهد. این تقسیم بندی با طبقه بندی یک سهام خاص در نمونه سهام سرمایه داری زیاد ، متوسط و پایین انجام می شود ، در حالی که میانگین ارزش روزانه آن در بازار سرمایه در 30 امین ، بین 30 درصد بالا و صدک 30 پایین و در صدک پایین 30 است. به ترتیب برای هر دسته ،بردار خود رگراسیونی (VAR) برای بازیکنان دقیق با تاخیر 1 تحت روش حداکثر احتمال با ناهمگونی و خود همبستگی تنظیم شده در بقایا با استفاده از خطاهای معیار Newey West (NW) همانطور که در جدول 8 توضیح داده شده است. ما نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی در پانل B. گزارش می دهیم ، به طور خاص ، برای پنل A (پانل B) ، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که ID ، CP ، FD ، IB IS ، MF ، OT ، PF و SC عدم تعادل تجاری سرمایه گذاران ، شرکت ها ، بنیادها ، موسسات مالی ، شرکت های بیمه ، صندوق های مشترک ، سایر موسسات ، صندوق های بازنشستگی و بورس اوراق بهادار ، به ترتیب از نمونه کارها (یک سهام خاص)هستند. سپس به منظور تفسیر ، کلیه متغیرها در پانل های A و B با استفاده از سری های زمانی خاص خود تنظیم می شوند. علاوه بر این ، برای پانل B ، ما نیز هر متغیر را با تفریق آن با مقدار وزنی برابر روزانه آن تنظیم می کنیم تا اثرات مشترک در بازار را ، همانطور که توسط گریفین ، هریس ، و توپوگلو (2003) پیشنهاد شده است حذف کنیم. جدول 563 سهام ذکر شده در IDX در سطح روزانه از 1 ژانویه 2013 تا 31 دسامبر 2015 است. جدول زیر نتیجه تخمین VAR (k) را برای کلیه دوره های نمونه زمانی (T) با 7 تاخیر تنظیم شده در خطا معیار NW نشان می دهد. پارامتر کوتاه با استفاده از فرمول T 1/30.75 تعیین می شود. خطای معیار پارامترها در پرانتز گزارش شده است. از آزمون آماری والد برای آزمون فرضیه استفاده شده است. در صفحه A ، *** ، ** ، * به ترتیب 10٪ ، 5٪ و 1٪ از سطح اهمیت را نشان می دهد. در ضمن ، در پانل B ، درصد سهام با ضریب مثبت (٪ مثبت) و ضرایب منفی (٪ علائم منفی) را گزارش می کنیم که با سطح اطمینان 0 تا 5٪ تفاوت معنی داری دارند.
. 7. نتایج بازیکنان دقیق
پس از بررسی رفتارهای پویا و استراتژی های معاملاتی دو بازیکن عمومی در بازار ، این مطالعه بیشتر سرمایه گذاران نهادی عمومی را به هشت نوع مختلف تجزیه می کند تا بتواند جزئیات بیشتری از مشخصات هر سرمایه گذار را مشاهده کند. این سرمایه گذاران نهادی خاص عبارتند از شرکتها ، مؤسسات مالی ، بورس اوراق بهادار ، سایر موسسات ، شرکتهای بیمه ، صندوقهای متقابل ، صندوقهای بازنشستگی و بنیادها. با استفاده از یک روش مشابه ، نتایج برآورد و علیت گرنجر این تجزیه و تحلیل را در جدول 8 برای تجزیه و تحلیل تلفیقی و در جدول 9 برای آنالیز با پیگیری نظر کانیل و همکاران ارائه می دهیم (2008) که پیشنهاد داد سهام موجود در نمونه سهام داری سرمایه به زیاد ، متوسط و کم تقسیم می شود.
جدول فوق نشان می دهد که یافته های مربوط به رفتار و استراتژی معاملات سرمایه گذاران خصوصی همان نتایج تجزیه و تحلیل قبلی است. با این حال ، مواردی وجود دارد که یافته ها با توجه به هر نوع سرمایه گذار خاص متفاوت است.
در مورد بررسی توانمندی اهمیت در سیستم VAR ، علیت گرنجر برای آزمایش همزمان اینکه آیا هر متغیر دارای یک اثر علیت نسبت به یکدیگر است ، انجام می شود. نتایج علیت گرنجر برای بازیکنان دقیق در جدول 10 برای تجزیه و تحلیل تلفیقی و جدول 11 برای تجزیه و تحلیل با پیگیری نظر Kaniel ، Saar و Titman (2008) آورده شده است.
به طور خاص ، با پیگیری Evgenidis و همکارانش (2017) ، اهمیت اقتصادی نتایج فوق بدین معناست که یافته های ما همچنین می تواند حاکی از این باشد که از آنجا که هم زمان سرمایه گذاران خصوصی مجبور هستند نه تنها از یک استراتژی متضاد استفاده کنند بلکه به طور مکرر فعالیت های تجاری روزانه را انجام می دهند ، از این رو هر دو فعالیت ممکن است مانع سرمایه گذار خصوصی بازده بهتر از بازار ، مطابق با آنچه توسط خان و همکارانش استدلال شده (2017) می شود. این امر در درجه اول به این دلیل است که از نظر تجارت ، استراتژی متضاد ممکن است منجر به اثرات اتساع شود (دارما و کوئسریندارتوتو، 2018) و توالی بالاتر معاملات منجر به هزینه های بالاتر معاملات می شود. بنابراین ، به عنوان یک توصیه ، تنظیم کننده باید تشویق شود همزمان سرمایه گذاران خصوصی را در بازار با سواد کافی از بازار سرمایه آموزش داده و تعداد بازیکنان خصوصی را افزایش دهد تا بتوان از طریق نقدینگی بهتر بازار و پردازش کشف قیمت بهره وری از بازار را افزایش داد.
_ جدول 10
علیت گرنجر برای بازیکنان تفصیلی - تلفیقی. در جدول زیر نتایج آزمون علیت گرنجر برای بازیکنان دقیق با استناد به VAR (1) آورده شده است. ما نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی در پانل B. گزارش می دهیم. به طور خاص ، در پنل A (پنل B)، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که ID ، CP ، FD ، IB IS ، MF ، OT ، PF و SC عدم تعادل تجاری سرمایه گذاران ، شرکت ها ، بنیادها ، موسسات مالی ، شرکت های بیمه ، صندوق های مشترک ، سایر موسسات ، صندوق های بازنشستگی و بورس اوراق بهادار به ترتیب از نمونه کارها (یک سهام خاص) هستند. فرضیه تهی این آزمون این است که مقادیر تاخیر x باعث تغییر در y نمی شود ، یا به عبارت دیگر x گرنجر باعث y نمی شود. در پانل A ، مقدار p پارامترها در پرانتز گزارش شده و *** ، ** ، * میزان اهمیت را به ترتیب 10٪ ، 5٪ و 1٪ نشان می دهد. در همین حال ، در پانل B ، درصد سهام را اعلام می کنیم که به طور قابل توجهی فرضیه تهی را در سطح اطمینان 5٪ رد می کنند.
سفارش ترجمه تخصصی رشته حسابداری
جدول 11
علیت گرنجر برای بازیکنان دقیق - توسط بازار سرمایه بخش بندی شده اند. جدول زیر تجزیه و تحلیل جدول 9 را با تقسیم سهام موجود در نمونه سهام سرمایه داری به زیاد ، متوسط و کم ، همانطور که توسط Kaniel ، Saar و Titman (2008) پیشنهاد شده است ، گسترش می دهد. این تقسیم بندی با طبقه بندی یک سهام خاص در نمونه سهام سرمایه داری به زیاد ، متوسط و پایین انجام می شود ، در حالی که میانگین ارزش روزانه آن در بازار سرمایه در 30 امین ، بین 30 درصد بالا و صدک 30 پایین و در صدک پایین 30 است. به ترتیب برای هر دسته بندی ، نتایج آزمون علیت گرنجر را برای بازیکنان دقیق مبتنی بر VAR ارائه می دهیم (1). نتایج حاصل از روش نمونه کارها را در پانل A و نتایج حاصل از روش سهام خصوصی را در پانل B. گزارش می دهیم ، به طور خاص ، در پنل A (پنل B) ، RET بازده نمونه کار ارزش گذاری شده کلیه سهام ذکر شده در IDX است (بازده روزانه سهام خاص) ، در حالی که ID ، CP ، FD ، IB IS ، MF ، OT ، PF و SC عدم تعادل تجاری سرمایه گذاران ، شرکت ها ، بنیادها ، موسسات مالی ، شرکت های بیمه ، صندوق های مشترک ، سایر موسسات ، صندوق های بازنشستگی و بورس اوراق بهادار ، به ترتیب از نمونه کارها (یک سهام خاص)هستند. فرضیه تهی این آزمون این است که مقادیر تاخیر x باعث تغییر در y نمی شود ، یا به عبارت دیگر x گرنجر باعث y نمی شود. در پانل A ، مقدار p پارامترها در پرانتز گزارش شده و *** ، ** ، * میزان اهمیت را به ترتیب 10٪ ، 5٪ و 1٪ نشان می دهد. در همین حال ، در پانل B ، درصد سهام را اعلام می کنیم که به طور قابل توجهی فرضیه تهی را در سطح اطمینان 5٪ رد می کنند.
