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

نوع مقاله : مقاله پژوهشی

نویسندگان

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.

چکیده

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 .

کلیدواژه‌ها

عنوان مقاله [English]

A heterogeneous agent pricing model and simulation investor’s behavior on big decline on Tehran stock exchange

نویسندگان [English]

  • Mehdi Khoshnood 1
  • Fraydoon Rahnamay Roodposhti 2
1 PhD in financial management, Islamic Azad University, Science and Research Branch, Tehran, Iran
2 Professor of Accounting،Islamic Azad University, Science and Research Branch, Tehran, Iran.
چکیده [English]

Today much behavioral finance researches focuses on heterogeneous agent model (HAM) and agent based modeling (ABM). The purposes of this article presentation of heterogeneous agent pricing model at big decline on Tehran stock exchange and simulation investor’s behavior on agent based modeling framework with emphasis herd behavior and market sentiment. at first three big decline specified with several criterion : average of the share price indices , average value of the stock market turnover , average value of the stock market capitalization .according this three big decline are : 2005 ,2008 and 2013. Samples are the shares of companies that 40 days before and 40 days after was traded .then with MATLAB software code was writhed and simulation done. Finding show that HAM model can estimate investor’s behavior at big decline on Tehran stock exchange.

کلیدواژه‌ها [English]

  • heterogeneous agent model
  • agent based modelling
  • behavioral finance
  • market sentiment
  • big decline

مراجع

  • 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.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار