رفتار گله ای سرمایه گذاران در بازارهای سهام آسیایی در طول دوره COVID-19

از ژانویه 2020، الزویر یک مرکز منبع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در مورد کروناویروس جدید COVID-19 ایجاد کرده است. مرکز منابع COVID-19 در Elsevier Connect، وب سایت خبری و اطلاعات عمومی شرکت میزبانی می شود. Elsevier بدینوسیله اجازه می‌دهد تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منبع COVID-19 در دسترس است - از جمله این محتوای تحقیقاتی - بلافاصله در PubMed Central و سایر مخازن با بودجه عمومی، مانند پایگاه داده COVID-19 WHO با حقوقاستفاده مجدد و تجزیه و تحلیل تحقیقات بدون محدودیت به هر شکل یا به هر وسیله ای با اذعان به منبع اصلی. این مجوزها تا زمانی که مرکز منبع COVID-19 فعال است توسط Elsevier به صورت رایگان اعطا می شود.

چکیده

در این مقاله، رفتار گله‌داری ناشی از شیوع COVID-19 در سال 2020 را با در نظر گرفتن شش بازار سهام معمولی آسیایی بررسی می‌کنیم. انحراف استاندارد مقطعی (CSSD) و انحراف مطلق مقطعی (CSAD) به عنوان شاخص‌های کلیدی استفاده شده‌اند که با رگرسیون سوئیچینگ مارکوف و مدل HS برای شناسایی حضور و بزرگی گله‌داری همسو هستند. سپس مطالعه خود را با بررسی گله‌داری در شکاف‌های زمانی خاص و بازارهایی با نوسانات خاص متفاوت توضیح می‌دهیم. نتایج تجربی ما حضور واضح گله‌داری را در پنجره زمانی «فوریه 2020-ژانویه 2021» نشان می‌دهد و ما افزایش شدیدی از بزرگی گله‌داری را در طول سقوط بازار در مارس 2020 ثبت کرده‌ایم و دریافتیم که گله‌داری در این بازارها با شوک و شوک ظاهر شده است. نوسانات شدید

واژه‌های کلیدی: رفتار گله‌داری، کووید-19، نوسانات خاص، رگرسیون سوئیچینگ مارکوف، بازارهای سهام آسیایی

1. مقدمه

در فرضیه بازار کارآمد خود ، FAMA (1970) یک محیط ایده آل برای بازار مالی را توصیف می کند ، جایی که سرمایه گذاران همیشه تصمیمات منطقی می گیرند و قیمت های اشتراک گذاری تمام اطلاعات موجود را منعکس می کند و غیرقابل پیش بینی می ماند. با این حال ، این فرضیات اغلب در عمل شکست می خورند (شیلر ، 1989 ؛ سامرز ، 1986) زیرا این بخشی از ماهیت انسانی است که به عنوان یک گروه عمل کند و از هنجارهای اقتصادی و اقتصادی پیروی کند. Herding in Finance ، همچنین به عنوان Herd Instinct شناخته می شود ، پدیده ای است که سرمایه گذاران تمایل به تقلید از اقدامات تجاری از دیگران دارند که به اعتقاد آنها آگاه تر هستند ، در حالی که اطلاعات خودشان نادیده گرفته می شوند (Bikhchandani & Sharma ، 2000). به عنوان یکی از نکات مهم در زمینه تأمین مالی رفتاری ، گلها یک عامل مهم محرک حباب دارایی است و بنابراین با انجام مطالعات کامل ، مردم امیدوارند که حضور آن را تشخیص دهند و بیشتر ، توجیهات مناسبی را در مورد قیمت گذاری دارایی ها انجام دهند و معاملات غیر منطقی را کاهش دهند.

به خوبی مشاهده می شود که بازارهای مالی معمولاً نسبت به ناآرامی های سیاسی و اجتماعی ، به عنوان مثال ، جنگ و بیماری حساس هستند. بنابراین ، تأثیر ناشی از شیوع COVID-19 از ابتدای سال 2020 از نزدیک مورد توجه قرار گرفته است. قیمت سهام در مارس 2020 در بازار سهام ایالات متحده سقوط کرد ، که با این واقعیت نشان داده شده است که شاخص S& P 500 از 3386. 19 امتیاز در 19 فوریه کاهش یافته است، 2020 تا 2237. 40 در 23 مارس 2020. تحت تأثیر بازار ایالات متحده و انتظار بازار منفعل تحت همه گیر ، سهام سهام در شرق و جنوب شرقی آسیا نوسانات شدید را نشان داد. به عنوان مثال ، در هنگ کنگ ، شاخص Hang Seng (HSI) با سقوط از 26356. 98 در 3 فوریه 2020 به 21،696. 13 در 23 مارس 2020 بدترین افت در سال را تجربه کرد. انتقال اطلاعات بازارهای سرمایه در آسیا. شایعات گسترده ، گسترش COVID-19 و احساسات سرمایه گذاران (مثبت یا منفی) مطمئناً بر بازارهای سهام آسیا تأثیر گذاشته است و علاوه بر این ، احتمالاً آنها باعث ایجاد گله می شوند. در این مقاله ، ما تجزیه و تحلیل آماری دقیق را بر اساس حجم زیادی از داده ها انجام می دهیم ، به منظور شناسایی حضور و بزرگی گله.

علیرغم تلاش های قبلی در مورد نتیجه گیری از تشخیص گله در برخی دوره های مشاهده شده و دلایل احتمالی در مورد آن ، از ویژگی های دقیق گله در بازارها نادیده گرفته شده است. بنابراین ، ما هدف ما انجام یک مطالعه جامع برای انجام تحقیقات عمیق تر از گله فراتر از نتیجه گیری و برقراری ارتباط با حرکات بازار و وقایع تأثیرگذار است. به ویژه ، ایده های تحقیق ما در مراحل زیر اجرا می شود: (1) تنوع پراکندگی مقطعی در بازارها و همبستگی بین گله های بازار و COVID-19 را مشاهده کنید تا مرجع انتخاب مدل ارائه شود.(2) به طور کلی ظهور گله را مشخص کنید. همانطور که توسط کریستی و هوانگ (1995) معرفی شده و سندرز و ایروین (1997) ، دو شاخص ، انحراف استاندارد مقطعی (CSSD) و انحراف مطلق مقطعی (CSAD) به کار می روند.(3) با در نظر گرفتن نوسانات خاص ، رگرسیون سوئیچینگ مارکوف و مدل اندازه گیری گله دار Hwang و Salmon (2001) (یعنی مدل HS) ، بینش دقیق تری در مورد زمان بندی خاص ، علت و بزرگی گله ها کسب کنید. مرحله (2) و (3) کار فریم اصلی تجزیه و تحلیل را تشکیل می دهد ، که در شکل 1 نشان داده شده است. در این مطالعه ، ما شش بورس سهام اصلی شرق و جنوب شرقی آسیا در سرزمین اصلی چین ، ژاپن ، کره جنوبی ، سنگاپور ، هنگ کنگ و تایوان را مورد بررسی قرار دادیم و نتایج تجربی ما نشان می دهد که حضور روشنی از گله ها در ژاپن ، سنگاپور ، تایوان وجود دارد، بازارهای سهام هنگ کنگ ، و در برخی از بخش های بازار در کره جنوبی و سرزمین اصلی چین در دوره Covid-19 ، و این امر قصد ما را تقویت کرده است ، و سهام با نوسانات بزرگ خاص و خاص بیشتر در هنگ کنگ بیشتر از گله ها برخوردار است، ژاپن و کره جنوبی. همچنین مشخص شده است که بزرگی گله در شش بازار آسیا در اطراف سقوط بازار در سال 2020 بزرگ شده است.

نقشه راه برای تشخیص گله.

نقشه راه هدف نشان می دهد که کدام مدل یا شاخص برای کدام منظور استفاده می شود.

بقیه مقاله به شرح زیر سازماندهی شده است. بخش 2 نحوه تأثیر کووید-19 و واکنش مقامات بر بازارهای سهام در سطح جهان را مرور می کند. بخش 3 تحقیقات موجود در مورد گله داری را مرور می کند. در بخش 4 روش CSSD، CSAD، انطباق مدل تشخیص گله خطی کلاسیک، رگرسیون سوئیچینگ مارکوف، مدل HS و نوسانات خاص را برای آزمایش رفتار گله توضیح می دهیم. بخش 5 تجزیه و تحلیل پایه را استخراج می کند و سپس نتایج تجربی را همراه با استدلال در بخش 6 ارائه می کنیم. اظهارات پایانی در بخش 7 بیان می شود.

2. کووید-19، اقدامات سیاست، و روند بازار

شیوع COVID-19 تأثیر قابل توجهی بر اقتصاد جهانی گذاشت و هر کشور یک سری اقدامات برای ضد اپیدمی و تحریک اقتصادی انجام داد که انتظارات سرمایه گذاران را تغییر داد و باعث نوساناتی در بازارهای سهام جهانی شد. بنابراین، لازم است اقدامات ضد اپیدمی، سیاست های پولی و گسترش کووید-19 و واکنش بازار را مرور کنیم تا رابطه بین این عوامل و غیرمنطقی بودن احتمالی و گله داری در شش بازار آسیایی بررسی شود.

شکل 2 روند شش بازار سهام آسیا و موارد روزانه جدید از ژانویه 2020 تا ژانویه 2021 را گزارش می کند. برای سرزمین اصلی چین ، ظهور فشرده پرونده های Covid-19 به طور کلی از اواخر ژانویه تا اوایل مارس 2020 و روزانه بودافزایش 1 مورد جدید در جدی ترین دوره ، یعنی فوریه 2020 ، تا 2398 بود. برای جلوگیری از گسترش Covid-19 ، استان هوبی در ژانویه قفل شد و اقدامات مهار در سطح ملی اعمال شد. شاخص کامپوزیت شانگهای تحت تأثیر شیوع Covid-19 ، در 3 فوریه در یک روز 7. 72 ٪ کاهش یافت و بازار سهام سرزمین اصلی چین از 3071. 68 امتیاز به 2660. 17 از 5 مارس تا 23 مارس به همراه سقوط مارک های سهام ایالات متحده کاهش یافت. واددر همین حال ، دولت اقدامات سیاسی را برای تحریک بهبود اقتصادی و حمایت از بازار انجام داد ، عمدتاً با معکوس کردن عملیات repo (به عنوان مثال ، CNY900 میلیارد برای بلوغ 7 روزه در 3 فوریه 2020) ، و موسسات مالی را ترغیب به تهیه 1. 5 تریلیون CNY (حدود 212 دلارمیلیارد) با نرخ بهره پایین تر یا کمک هزینه های دیگر برای تأمین اعتبار بنگاه ها در 17 ژوئن 2020 و کاهش مالیات و هزینه برای یک CNY 1. 5 تریلیون دیگر (حدود 213 میلیارد دلار) در 8 آگوست (بانک توسعه آسیا ، 2021). براساس اقدامات سیاست و کنترل COVI D-19 ، فعالیت های اقتصادی شروع به بهبودی کرد ، که با نرخ رشد 10. 1 ٪ تولید ناخالص داخلی در سه ماهه دوم در مقایسه با نرخ رشد - 6. 8 ٪ در سه ماهه قبلی نشان داده شده است (دفتر ملی آمار چین ،2021). بازارهای سهام سرزمین اصلی چین از اواخر مارس 2020 روند صعودی بالایی را نشان داد و بازار در پایان ژوئن سال 2020 به دلیل کاهش کمی به همراه کاربرد قریب الوقوع سیستم ثبت شده در بازار رشد چین (GEM) به پایان رسید.، و به دنبال آن یک حرکت نسبتاً پایدار در نیمه دوم سال 2020.

روند بازار و موارد جدید روزانه Covid-19 در شش کشور یا منطقه آسیایی.

در همین حال، با گسترش COVID-19 در آسیا، ژاپن اعلام کرد که هفت استان اصلی آنها در 7 آوریل 2020 در وضعیت اضطراری قرار دارند و ورود و خروج و سفرهای داخلی محدود شده است. این اقدامات عملاً از گسترش کووید-19 جلوگیری کرده است، اما همچنین فشاری را بر اقتصاد تحمیل کرده است. مثلاً صنعت توریست ضربه بدی خورد. تحت تأثیر کووید-19، نرخ رشد تولید ناخالص داخلی ژاپن در سه ماهه اول و دوم 0. 5٪ و 8. 1٪ کمتر از سه ماهه قبلی بود (دفتر کابینه، 2021). بنابراین، ژاپن تمام محدودیت‌های سفر داخلی را در 19 ژوئن 2020 حذف کرد. در سه ماهه سوم، نرخ افزایش 5. 3٪ با قیمت رشد سریع موارد COVID-19 از جولای 2020 تا ژانویه 2021 و وضعیت اضطراری بود. دوباره در ژانویه 2021 اعلام شد. با این حال، همانطور که در شکل 2 نشان داده شده است، بازار سهام ژاپن همچنان روند صعودی را در اواخر سال 2020 نشان داد. بانک ژاپن (BOJ) تلاش کرد تا نقدینگی بازار را با افزایش خریدهای هدفمند افزایش دهد. اوراق قرضه شرکتی (با سقف بالای 3 تریلیون ین در 16 مارس، 7. 5 تریلیون ین در 27 آوریل 2020)، ارائه عملیات تامین وجوه دلاری آمریکا در 22 می 2020 و ارائه 30 تریلیون ین به نفع تامین مالیشرکت های کوچک متوسط (SME) (بانک توسعه آسیایی، 2021). پس از رکود در فوریه 2020، بازار ژاپن تحت تأثیر سیاست‌ها قرار گرفت و به ترتیب در اواسط مارس و اواخر می 2020 دو افزایش قابل توجه را تجربه کرد. سومین افزایش قابل توجه از 2 نوامبر رخ داد که تحت تأثیر انتخابات ریاست جمهوری در ایالات متحده بود.

در سال 2020 ، گسترش COVID-19 در کره جنوبی در سه دوره ویژگی های مختلفی را نشان داد: فوریه-مارس ، اوت-سپتامبر و نوامبر-دسامبر. همانطور که در شکل 2 نشان داده شده است ، اولین شیوع بزرگ COVID-19 در کره جنوبی زودتر از ژاپن ظاهر می شود ، اما بازدیدهای دوم و سوم در دو کشور نزدیک است. از مارس 2020 ، دولت یک کمپین فاصله دو ماهه اجتماعی را آغاز کرد و مدارس در سئول و در نزدیکی آن بسته شدند که این عفونت جدی شد. در تاریخ 2 ژوئن ، مرجع برای ردیابی حرکت حامل های بالقوه Coronavirus یک کد QR را پیشنهاد کرد. بر اساس اطلاعات بانک توسعه آسیا (2021) ، کره جنوبی 100 تریلیون KRW (80 میلیارد دلار) را به عنوان یک بسته مالی برای حمایت از اقتصاد محلی و تسکین بار بنگاه ها تهیه کرد. رشد تولید ناخالص داخلی کره جنوبی به ترتیب در دو چهارم اول به ترتیب 1. 3 ٪ و 3. 2 ٪ کاهش یافت ، اما در سه ماهه سوم و چهارم 2. 2 ٪ و 1. 1 ٪ افزایش یافت و افزایش یافت (Kosis ، 2021). شاخص قیمت سهام کامپوزیت کره (KOSPI) از فوریه 2020 به همراه سقوط بازارهای مالی ایالات متحده به میزان قابل توجهی کاهش یافت و سپس از اواسط ماه 2020 تا ژانویه 2021 یک گاو طولانی را تجربه کرد.

در مورد سنگاپور ، دولت به سرعت در مرحله اولیه Covid-19 پاسخ داد. از نیروی بازرسان پلیس و دوربین های نظارتی برای ردیابی و انزوا استفاده شد. در همین حال ، مقامات همچنان در حال شناسایی و نظارت بر Covid-19 و سایر موارد تنفسی بودند ، بنابراین گسترش Covid-19 در مراحل اولیه کنترل می شد. با این حال ، این کشور در اواخر ماه مارس 2020 دچار شیوع بزرگی شد که ناشی از این بیماری در بین کارگران خارجی بود. سپس دولت تمام مسافرتها را از اسکله ممنوع اعلام کرد و ورود مسافران کوتاه مدت از آوریل 2020 را محدود کرد و گسترش Covid-19 در ماه آگوست کنترل شد. متفاوت از اقدامات سیاست سایر بانکهای مرکزی آسیا ، عملیات اقتدار پولی سنگاپور (MAS) عمدتاً روی ارزی متمرکز شده است ، مانند تأمین نقدینگی دلار در سیستم بانکی و انجام تسهیلات مبادله 60 میلیارد دلار با فدرال فدرال ایالات متحده (بانک توسعه آسیا ، 2021). علاوه بر این ، بازار سهام سنگاپور پس از انتخابات ریاست جمهوری آمریکا به طور چشمگیری افزایش یافت.

خاطرنشان می شود که شیوع کروناویروس در هنگ کنگ عمدتاً در سه دوره است که شبیه روند همه گیر در کره جنوبی و ژاپن است ، اما موارد جدید روزانه در هنگ کنگ به طور معمول حدود 150 نفر بودند ، همانطور که در شکل 2 نشان داده شده است. مقامات پولی هنگ کنگ (HKMA) سیاست هایی را برای بهبود نقدینگی مؤسسات مالی ، ترغیب بانکها برای استقرار بافرهای نقدینگی خود با انعطاف پذیری تر و کاهش مقیاس صدور صورتحساب صندوق های مبادله اجرا کرد. پس از سقوط بازار در طی فوریه و اواسط ماه مارس ، شاخص Hang Seng (I) در محدوده 23000 تا 26000 از اواسط ماه مارس تا پایان سال 2020 نوسان داشت.

تعداد موارد جدید روزانه برای منطقه تایوان به طور کلی کمتر از 30 در سال 2020 بود ، احتمالاً به دلیل محدودیت های ورود ، قرنطینه خانه 14 روزه برای مسافران ورودی و ماسک اجباری در برخی از مکان های عمومی. در آوریل 2020 ، مقامات پولی تایوان با تأمین بودجه 200 میلیارد TWD به منظور کاهش دشواری تأمین مالی شرکتهای کوچک و متوسط ، از مؤسسات مالی حمایت کرد (بانک توسعه آسیا ، 2021). مشابه روند بازار در ژاپن و کره جنوبی ، بورس سهام تایوان ، که توسط شاخص وزنی تایپه (TWII) به نمایندگی است ، روند صعودی در بقیه سال 2020 نشان داد.

به طور کلی ، نوسانات شش بازار سهام قوام قوی نشان داده است اگرچه گسترش Covid 19 در این شش کشور یا مناطق در نقاط زمانی مختلف در سال 2020 آغاز شده است. رکود قابل توجهی از اواسط فوریه تا اواسط ماه مارس مشاهده شده است. همه ، به طور مستقیم با افت چشمگیر در بورس سهام ایالات متحده تحت احساسات گسترده منفعل سرمایه گذاران. مجموعه ای از اقدامات پولی برای حمایت از بازارهای مالی محلی آنها و تحریک بهبود اقتصادی به تصویب رسیده است ، و بازار سهام آنها به طور کلی روند صعودی را از اواسط دهه 2020 تا پایان سال نشان داد. بنابراین ما معتقدیم که نوسانات بازارهای سهام آسیا در سال 2020 تحت تأثیر کروناویروس ، حرکت بازارهای مالی ایالات متحده ، سیاست های پولی محلی و ایالات متحده و وضعیت اقتصادی محلی قرار گرفته است.

این شکل روند بازار را در شش بازار سهام آسیا و تغییر موارد جدید روزانه Covid-19 از ژانویه 2020 تا ژانویه 2021 نشان می دهد.

3. بررسی ادبیات

مجموعه ای از مقالات وجود دارد که رفتار گله را در ادبیات مالی مطالعه می کنند. کینز (1936) اثری پیشگام را منتشر می کند که پایه و اساس را در این زمینه قرار می دهد. وی نشان می دهد که سرمایه گذاران به جای تصمیم گیری توسط خودشان ، تمایل به پیروی از دیگران دارند. بنابراین ، مطالعه رفتار گله دار معمولاً بررسی تأثیر رفتار گروهی بر تصمیمات فردی است. در حالی که ظهور رفتارهای غیر منطقی برخی از تنوع در بازارها را نشان می دهد ، و به نظر می رسد در دوره های زمانی ، کشورها یا مناطق و بخش های بازار متفاوت است و این نشانگر لزوم تشخیص جامع است.

مطالعات همچنین تأثیر نوسانات در دوره های زمانی مختلف بر رفتار گله دار را نشان داده است. Diamandis (2008) ویژگی پویا نوسانات بازار سهام را به همراه رفتار گله دار در آرژانتین ، برزیل ، شیلی ، مکزیک و بازارهای سهام ایالات متحده تجزیه و تحلیل می کند. نتایج تجربی نشان می دهد که بازده سهام بسیار با نوسانات آنها همراه است و رفتارهای گله دار در این بازارها شناسایی می شود. Demirer ، Lee و Lien (2015) رفتار گله دار را در یک بازار نوظهور (Borsa istanbul) بر اساس یک مدل احتمال انتقال متغیر زمان مارکوف تست می کنند و می یابند که رفتار گله در دوره های تحت نوسانات بازار زیاد یا شدید اتفاق می افتد. می توان با شاخص های نوسانات تحقق یافته اندازه گیری کرد (جیانگ و ون ، 2021). علاوه بر این ، مدل قیمت گذاری دارایی سرمایه (CAPM) مشخص می کند که نوسانات یک سهام دارای دو مؤلفه است: نوسانات سیستماتیک و نوسانات خاص. برخی از مطالعات همچنین بر رابطه بین نوسانات ایدیوسنکراتیک و گله ها تمرکز دارند. چانگ و دونگ (2006) نوسانات احمقانه و گله های شرکت در بازار سهام ژاپن را آزمایش می کنند ، و آنها نشان می دهند که گله های نهادی در طی معاملات سهام با نوسانات خاص و خاصیت خاص ظهور می کنند. تان و هنکر (2010) در مورد بورس اوراق بهادار استرالیا تحقیق می کنند و همچنین ارتباط مثبت بین نوسانات ایدیوسنکراتیک و رفتار گله دار را اثبات می کنند. هوانگ ، لین ، و یانگ (2015) رفتار گله دار و نوسانات احمقانه را بر اساس داده های بازار سهام در منطقه تایوان از سال 2004 تا 2013 تجزیه و تحلیل می کنند ، و آنها رابطه مشابهی بین نوسانات احمقانه و گرگ می یابند. در حالی که آنها همچنین بیان می کنند که بحران مالی باعث افزایش رفتار گله سرمایه گذاران می شود ، و این اثر به ویژه برای اوراق بهادار نوسانات خاص و خاص و خاص آشکار است. با الهام از این کارها ، ما تجزیه و تحلیل نوسانات را بر اساس نوسانات مارکوف و نوسانات ایدیوسیکاتیک در این مقاله انجام می دهیم.

رفتار گله دار همچنین ویژگی های مختلفی را در کشورها یا مناطق مختلف نشان می دهد. در سرزمین اصلی چین ، تان ، چیانگ ، میسون و نلینگ (2008) پیشنهاد می کنند که هر دو شنژن و شانگهای سهام سهام سهام سهام وجود دارند که بدون توجه به بازار ، رفتار گله دار وجود دارد. یائو ، کارشناسی ارشد ، و او (2014) دریافتند که این پدیده نیز در بازار سهام سهام در شنژن و شانگهای B وجود دارد. ون ، یانگ و جیانگ (2021) گله خفیف را در بازار سهام هنگ کنگ بر اساس رگرسیون کوانتین و اندازه گیری بزرگی گله کشف می کنند. وانگ و هوانگ (2018) اظهار داشتند كه گلها به طور کلی در بازار سهام تایوان وجود دارد و در طول بحران مالی جدی تر از دوره عادی است. در کره جنوبی ، هوانگ و سالمون (2004) متوجه می شوند که گله در بازار سهام محلی بدون توجه به بازار خرس یا گاو نر ظهور می کند. در ایتالیا ، گلها همیشه در برخی از شرکت های بزرگ کلاه (Caparrelli ، D'Arcangelis و Cassuto (2004)) وجود دارد. در ایالات متحده ، Babalos ، Balcilar و Gupta (2015) دریافتند که گله دار با یک مدل استاتیک در بازارهای سرمایه گذاری املاک و مستغلات قابل تشخیص نیست ، اما به نظر می رسد که تقریباً از یک مدل تغییر مکان مارکوف در رژیم تصادف استفاده می شودهمه بخش هاBalagyozyan و Cakan (2016) نتیجه می گیرند که گله در دوره هایی که بازار سهام ایالات متحده افزایش می یابد از فروپاشی تحت حباب Dot-Com دهه 1990 آشکارتر است. Stavroyiannis و Babalos (2017) رفتار ضد صمیمانه را تشخیص می دهند ، یعنی قصد انتخاب معکوس بر اساس گزینه سایر سرمایه گذاران ، از جمله مؤلفه های شاخص داو جونز اسلامی ایالات متحده از ژانویه 2007 تا دسامبر 2014رفتار در شاخص اسلامی داو جونز در دوره هایی با نوسانات بالای بازار تقویت می شود.

4. 1

آی تی

4. 2

بر اساس تئوری مدل قیمت گذاری دارایی سرمایه (CAPM) ، چانگ ، چنگ و خورانا (2000) یک روش تشخیص گله دار را پیشنهاد کرده اند که توسط مطالعات بعدی به عنوان مدل CCK گفته می شود. آنها با مشاهده اینکه آیا ارزش CSAD با افزایش ارزش مطلق بازده بازار کاهش می یابد ، وجود گله در بازارهای سهام را تشخیص می دهند. اگر رفتار سرمایه گذاران اجماع فزاینده ای را در طول نوسان بازار ارائه دهد ، می توان وجود گله را در بازار اثبات کرد. ما چندین تغییر در مدل CCK انجام می دهیم ، مانند تفکیک بازده بازار به فرآیندهای رو به بالا و رو به پایین و اتخاذ CSAD و CSSD به عنوان متغیرهای وابسته. شاخص تصفیه شده ، CSD

حرف_{در زیر نوشته شده است و CSSD می شود}حرف_{یا CSAD}حرف

بسته به مقادیر مختلف D

حرف

CSD T = α + γ 1 1 - D T R M ، T + γ 2 D T R M ، T + γ 3 1 - D T R M ، T 2 + γ 4 D T R M ، T 2 + ε T ،CSD T CSSD T یا CSAD T است_{در Eq(3) ، د}حرف_{در Eq(3) ، د}m ، t_{در Eq(3) ، د}، γ_{در Eq(3) ، د}.

پارامترهای متغیرهای مستقل هستند. اگر γ

یا γ_{در Eq(3) ، د}یا γ_{یا CSAD} >از طرف دیگر ، ∣ r₁m ، t₂∣ و r₃m ، t₁2 با یکدیگر بسیار همبستگی دارند ، بنابراین به احتمال زیاد آنها دارای مشکل چند قطبی هستند. در این حالت ، نتیجه ممکن است خطای استاندارد نسبتاً بالایی داشته باشد. حذف میانگین ارزش از بازده بازار می تواند این مسئله را برطرف کند ، بنابراین ما خطاهای استاندارد پارامترهای رگرسیون را کاهش داده و اعتبار (3) را افزایش می دهیم. بنابراین ، ما r را تغییر می دهیم₃m ، t₂2 با یکدیگر بسیار همبستگی دارند ، بنابراین به احتمال زیاد آنها دارای مشکل چند قطبی هستند. در این حالت ، نتیجه ممکن است خطای استاندارد نسبتاً بالایی داشته باشد. حذف میانگین ارزش از بازده بازار می تواند این مسئله را برطرف کند ، بنابراین ما خطاهای استاندارد پارامترهای رگرسیون را کاهش داده و اعتبار (3) را افزایش می دهیم. بنابراین ، ما r را تغییر می دهیم₄حرف

وادبا توجه به خاصیت همبستگی داده ها ، مدت زمان تاخیر قبلی CSSD_{یا CSAD}یا CSAD_{یا CSAD}به عنوان متغیر مستقل به مدل اضافه می شود. پس از این تغییرات ، معادله به شرح زیر داده می شود:_{یا CSAD}4. 3یک مدل پویا برای تشخیص گله در کشورهای مختلف بازار_{در Eq(3) ، د}CSAD T = α + γ 1 ، S T 1 - D T R M ، T - R ¯ M + γ 2 ، S T D T R M ، T - R ¯ M + γ 3 ، S T 1 - D T R M، t - r ¯ m 2 + γ 4 ، s t d t r m ، t - r ¯ m 2 + ε t ، s t = 0،1،2_{در Eq(3) ، د}m ، t_{در Eq(3) ، د}حرف

دنبال من استمن . د. n (0 ، σ 2). احتمال انتقال رژیم را می توان به عنوان P تعریف کرد

IJ

= P (S

t 1+

= j |حرف_{در Eq(3) ، د}= من) ، جایی که P_{در Eq(3) ، د}به احتمال زیاد تبدیل از حالت I به J است. متفاوت از Balcilar و همکاران.(2012) ، ما نمی توانیم یک مدل تغییر دهنده مارکوف هتروسکوپیک را اتخاذ کنیم زیرا هیچ ناهمگونی قابل توجهی در بیشتر بازارها مشاهده نمی شود. برای سادگی ، ما چانگ و همکاران را دنبال می کنیم.(2000) برای استفاده از CSAD برای نشان دادن ساختار پویا._{4. 4مدل برای اندازه گیری بزرگی گله}برای اندازه گیری بیشتر میزان گله ، مدل HS معرفی شده توسط هوانگ و سالمون (2001) را در نظر می گیریم زیرا روح مدل CAPM را اتخاذ می کند و مدل CCK را بهینه می کند. همانطور که در فرمول زیر نشان داده شده است ، ما H را محاسبه می کنیم_حرفمانند_{در Eq(3) ، د}آی تی_{4. 4مدل برای اندازه گیری بزرگی گله}آی تی

به عنوان شاخص گله. هنگامی که گله در بازار ظاهر می شود ، تصمیمات مشابه سرمایه گذاران می توانند پراکندگی β را کاهش دهند

آی تی_{در Eq(3) ، د}آی تی

کاهش خواهد یافت. در نهایت ، یک ساعت کوچکتر_{در زیر نوشته شده است و CSSD می شود}پراکندگی پایین β را منعکس می کند_{در زیر نوشته شده است و CSSD می شود}، و یک گله قوی تر را نشان می دهد. علاوه بر این ، ایده اصلی مدل HS همچنین با مطالعه چو و انگل (1999) که می دانند خبر بد سهام یا بازار فردی می تواند باعث کاهش β شود ، سازگار است_{در زیر نوشته شده است و CSSD می شود}4. 5استفاده از نوسانات ایدیوسنکراتیک_{در زیر نوشته شده است و CSSD می شود}جایی که r_{در Eq(3) ، د}بازگشت سهام من در زمان t ، r است_{در زیر نوشته شده است و CSSD می شود}آیا بازده بازار جمع شده در زمان t ، ε_{در زیر نوشته شده است و CSSD می شود}.

باقیمانده های رگرسیون و IV است

آی تی

حرف_{در زیر نوشته شده است و CSSD می شود}5. 1داده ها_{یا CSAD}5. 2آمار توصیفی_{در زیر نوشته شده است و CSSD می شود}میز 1_{در زیر نوشته شده است و CSSD می شود}کشورها و مناطق

شمردن

قبل از COVID-19

در طول COVID-19

منظور داشتن

Std. Dev

میانه

منظور داشتن