رفتار معاملاتی در معاملات آتی کالاهای کشاورزی در حدود بالاترین رقم 52 هفته اخیر

با استفاده از گزارش تعهد معامله گران کمیسیون معاملات آتی کالا، رفتار معامله گران را در سه بازار بزرگ آتی کشاورزی (ذرت، سویا و گندم) در زمانی که قیمت ها در سطح معاملات فنی کلیدی هستند، یعنی بالاترین سطح 52 هفته (بالاترین قیمت) بررسی می کنیم. در طول سال گذشته). نتایج تجربی ما تأیید می کند که، مطابق با رفتار پوشش ریسک، معامله گران تجاری تمایل به معامله گران بازخورد منفی دارند، در حالی که معامله گران غیرتجاری تمایل دارند معامله گران حرکتی باشند. در هر دو مورد، زمانی که بازار در بالاترین سطح 52 هفته قرار دارد، اثر تعدیل کننده وجود دارد. برای معامله گران غیرتجاری، این اثر در موقعیت های فروش متمرکز است. اگرچه هیچ مدرکی دال بر توانایی زمان بندی گسترده بازار از هر نوع معامله گری نمی یابیم، به نظر می رسد موقعیت های معامله گران زمانی که بازار در بالاترین سطح 52 هفته ای قرار دارد، آموزنده تر باشد. نتایج ما پیامدهایی برای معامله گرانی دارد که تلاش می کنند زمان ورود به بازار را تعیین کنند.

1. مقدمه

قراردادهای آتی بر روی کالاهای کشاورزی یکی از اولین نوآوری های مالی است. آنها برای اولین بار در بین النهرین باستان معرفی شدند، و به کشاورزان و سایر تولیدکنندگان اجازه دادند تا ریسک قیمت را برای هزاران سال پوشش دهند [1،2]. در عصر مدرن، قراردادهای آتی غلات اولین قراردادهایی بود که بر اساس هیئت تجارت شیکاگو (CBOT) در سال 1848 معامله شد (در دسترس به صورت آنلاین: https://www. cftc. gov/About/HistoryoftheCFTC/history_precftc.html؛ قابل دسترسی در تاریخ1 آوریل 2022). امروزه، بازارهای کالایی مزایای متنوعی را برای سبدهای سنتی سهام و اوراق قرضه و پتانسیل پوشش تورمی ارائه می دهند. در نتیجه، بازارهای کالا طی چند دهه گذشته رشد چشمگیری در علاقه سرمایه گذاران را تجربه کرده اند. مالی سازی دسترسی سرمایه گذاران به این بازارها را از طریق انواع ابزارهای سرمایه گذاری تسهیل کرده است و بازارهای آتی نقش کلیدی را ایفا می کنند. اهمیت فزاینده آنها، به ویژه هنگامی که سرمایه گذاران به دنبال ابزاری برای محافظت در برابر افزایش قیمت های جهانی هستند، نشان می دهد که ارزش آن را دارد که بینش بیشتری در مورد رفتار تجاری در این بازارها به دست آوریم.

ما از گزارش هفتگی تعهد معامله گران (COT) صادر شده توسط کمیسیون معاملات آتی کالا (CFTC) برای درک عوامل تعیین کننده رفتار معاملاتی و توانایی زمان بندی بازار در بازارهای آتی برای سه محصول: ذرت، سویا و گندم استفاده می کنیم. در حالی که چندین مطالعه قبلی از گزارش COT استفاده کرده اند، در مورد نحوه واکنش معامله گران به تغییرات قیمت و اینکه آیا معامله گران توانایی زمان بندی بازار را نشان می دهند یا خیر، اختلاف نظر وجود دارد. در بررسی مجدد این موضوع برای یک دوره نمونه به روز شده، ما به بحث تجربی کمک می کنیم. علاوه بر این، ما در نظر می گیریم که چگونه موقعیت های معامله گران حول یک سیگنال تجاری کلیدی فنی بالاترین قیمت ۵۲ هفته ای، تکامل می یابند. این موضوع هنوز در ادبیات مورد بررسی قرار نگرفته است و با توجه به رواج مشاوران تجارت کالا (CTA) که از استراتژی های معاملاتی حرکتی در بازارهای آتی استفاده می کنند، اهمیت ویژه ای دارد.

اولین سوالی که به آن می پردازیم به تغییرات موقعیت انواع معامله گران مختلف در پاسخ به بازده بازار مربوط می شود. مرجع.[4] تفاوت های قابل توجهی را در نوع، اندازه و گردش موقعیت ها برای معامله گران مختلف نشان می دهد. آنها خاطرنشان می کنند که گاهی اوقات طبقه بندی معامله گران بر اساس شرایط پوشش دهنده و سفته بازان دشوار است، زیرا ممکن است سرمایه گذاران در سفته بازی شرکت کنند (با انتخاب بیش از حد یا کمتر پوشش ریسک)، و سفته بازان ممکن است به عنوان پوشش دهنده (با پوشش دهی موقعیت ها در بازارهای مرتبط) عمل کنند.. همچنین ممکن است برای سفته بازان سودمند باشد که خود را به اشتباه طبقه بندی کنند تا به محدودیت های موقعیت بزرگتر باز شده برای تامین کنندگان دسترسی پیدا کنند.

شواهد قابل توجهی وجود دارد که نشان می دهد معامله گران به تغییرات قیمت [5،6،7] در طیف وسیعی از بازارها پاسخ می دهند. پیش از این، واکنش تجار تجاری (هجر) و معامله گران غیرتجاری (سفته بازان) نامشخص است. به طور شهودی، ممکن است انتظار داشته باشیم که تاجران تجاری وقتی قیمت ها افزایش می یابد به فروش برسند تا قیمت های بالاتری برای محصولات خود قفل کنند. این به استدلال کینز-هیکس مربوط می شود که به موجب آن هجرها از بازارهای آتی برای اجتناب از ریسک و پرداخت به سفته بازان برای امتیاز استفاده می کنند و در انجام این کار فشار پوششی بر قیمت ها ایجاد می کنند [8]. با این حال، [9] نشان می دهد که این فشار پوششی تنها توضیحی جزئی از سود مشاهده شده از استراتژی های مومنتوم بر اساس بالاترین سطح 52 هفته ای ارائه می دهد. همچنین ممکن است پوشش ریسک بر اساس چشم انداز بازار انتخابی باشد، که ممکن است تلاشی برای بهره برداری از مزایای اطلاعاتی شرایط محلی باشد [10،11].

به طور مشابه ، استدلال های متضادی برای پاسخ دلالان به تغییرات قیمت وجود دارد [12]. از یک طرف ، این امکان وجود دارد که دلالان معامله گران حرکت شوند که با دور کردن قیمت ها از ارزش های اساسی ، بازارها را بی ثبات می کنند. از طرف دیگر ، دلالان تحت نظریه تثبیت کننده سوداگرانه به طور مؤثر معامله گران متضاد خواهند بود [13] که با خرید کمترین قیمت و فروش در هنگام بالا بودن قیمت ، سود می برند.

شواهد تجربی معمولاً نشان می دهد که معامله گران تجاری (Hedgers) متضاد یا بازخورد منفی هستند ، معامله گرانی که با افزایش قیمت ها و برعکس ، معاملات آینده را می فروشند. در مقابل ، معامله گران غیر تجاری (دلالان) بازخورد مثبت یا معامله گران حرکت می کنند [5،14،15،16]. با این حال ، این سؤال کاملاً برطرف نشده است زیرا [17،18] نشان داد که پرچین ها درگیر تجارت بازخورد مثبت هستند. به نظر می رسد موقعیت معامله گران تجاری تأثیر بی ثبات کننده ای در بازارهای آتی دارد ، در حالی که موقعیت های دلال به کاهش نوسانات کمک می کنند [12،17،18،19]. به همین ترتیب ، شواهدی وجود دارد که نشان می دهد تغییرات موقعیت کوتاه مدت توسط تقاضای نقدینگی دلالان انگیزه می یابد [11،20] ، در حالی که تعدیل بلند مدت ناشی از تقاضای محافظت از معامله گران تجاری است.

سوالی که ما روی آن تمرکز می کنیم این است که آیا شواهدی از توانایی زمان بندی بازار در بین معامله گران تجاری یا غیر تجاری وجود دارد. مطالعات تجربی موجود نتایج متفاوتی ایجاد کرده است. به عنوان مثال ، اگرچه بین موقعیت های دلالت و بازده همبستگی معاصر مثبت وجود دارد [12،21،22] ، چندین نویسنده گزارش می دهند که مواضع منجر به بازده یا پیش بینی در بازارهای مختلف آینده نمی شود [5،6،14،23]. برخی دیگر دریافتند که دلالان شاخص های زمان بندی ارزشمندی را در آینده های کشاورزی [24] ، آینده ارز [25] ، آینده مالی [26] و حتی آینده بیت کوین ارائه می دهند [27]. حتی شواهدی از توانایی پیش بینی برتر در بین دلالان در آینده های گوشت خوک منجمد [28] و آینده شاخص S& P 500 وجود دارد [17،29].

همانطور که قبلاً گفته شد ، ما با تمرکز بر رفتار معاملاتی وقتی بازار در 52 هفته بالا است ، به بحث پیرامون این سؤالات کمک می کنیم. علاوه بر اهمیت این سیگنال فنی برای معامله گران حرکت ، مانند CTA ، این یک سیگنال بالقوه جالب برای معامله گران تجاری است. همانطور که گفته شد ، آنها می توانند با فروش قراردادهای بیشتر از قیمت های بالای بازار استفاده کنند ، یا اگر معتقد بودند احتمال شکستن فنی (یا بینشی از قیمت های آینده) وجود دارد ، آنها باعث کاهش قدرت آنها می شوند. نسبت

شناخته شده است که استراتژی های معاملات حرکت در بازارهای آینده کالاها بسیار سودآور هستند [30،31]. مرجع.[32] نشان می دهد که یک استراتژی مبتنی بر ارتفاع 52 هفته بیشتر سود حاصل از سرمایه گذاری حرکت را توضیح می دهد ، و این باعث سود در بازارهای بین المللی می شود [33،34]. مرجع.[35] نشان می دهد که سودآوری استراتژی با احساسات سرمایه گذار مرتبط است. مرجع.[32] توضیح دهید که این رفتار از معامله گران با استفاده از 52 هفته بالا به عنوان یک مرجع که در آن اخبار ارزیابی می شود ، حاصل می شود. مرجع.[36] نشان می دهد که این بر تصمیمات تجاری تأثیر می گذارد ، و بنابراین حجم قابل ملاحظه ای در حدود 52 هفته بالا است.

نمونه ای از نوع رفتار معاملاتی که ما بررسی می کنیم در پایان فوریه 2022 اتفاق می افتد ، زیرا نیروهای مسلح روسی در مرز اوکراین جمع شدند. در این زمان ، قیمت معاملات آتی گندم 52 هفته بالاتر از 1000 سنت (10 دلار) بود. با همراهی با پرش به حجم معاملات ، مواضع خالص معامله گران تجاری طی دو هفته از طولانی به کوتاه و کوتاه رفت و معامله گران غیر تجاری طی یک هفته از خالص کوتاه تا خالص دور شدند.

به طور خلاصه ، ما توجه خود را به دو سؤال تحقیق مرتبط متمرکز می کنیم. اول ، آیا موقعیت های معامله گر به بازده بازار پاسخ می دهند؟دوم ، آیا مواضع تجاری در بازارهای آتی کالاهای کشاورزی آموزنده است؟در هر دو مورد ، ما به دنبال تعیین اینکه آیا پاسخ وقتی قیمت ها در 52 هفته بالا هستند تغییر می کند یا خیر.

2. داده ها و روش ها

2. 1قیمت های آتی و بازده

ما روی سه آینده معاملات با تجارت اقتصادی در شورای تجارت شیکاگو (CBOT) که بخشی از گروه بورس بازرگانی شیکاگو (CME) است ، تمرکز می کنیم: ذرت ، سویا و گندم. هر یک از این قراردادها پس از انقضا نیاز به تحویل فیزیکی دارند ، اندازه قرارداد 5000 بوش دارند و در هر بوشل در سنت های ایالات متحده قیمت گذاری می شوند. قبل از ژانویه 1998 ، اندازه قرارداد 1000 بوش بود - ما داده های خود را تنظیم کردیم تا این موضوع را منعکس کنیم و اطمینان حاصل کنیم که واحدهای اندازه گیری شده در طول دوره نمونه ما سازگار هستند. از زمان کسب 2012 هیئت تجارت کانزاس سیتی ، گروه CME آینده های گندم سخت زمستان (HRW) و زمستان قرمز نرم (SRW) را آینده ارائه داده است. اگرچه تولید گندم HRW ایالات متحده از SRW بزرگتر است [37] ، ما روی آینده گندم SRW متمرکز شده ایم زیرا آنها حجم معاملات قابل ملاحظه ای بالاتری دارند و علاقه باز دارند.

داده های قیمت آتی از Datastream برای دوره از ژانویه 1993 تا مارس 2022 به دست آمد. بازده ورود هفتگی (R_t= log (r_t/r_t1)) محاسبه شد تا با داده های موقعیت معامله گر صف آرایی شود. ما در استفاده از یک استراتژی رول و رو به رویه از روش استاندارد پیروی کردیم تا از مایع ترین قرارداد برای محاسبه بازده استفاده شود ، در حالی که سوئیچ به طور معمول در ماه تحویل اتفاق می افتد.

قیمت بسته شدن روزانه برای هر قرارداد آتی در دوره نمونه ما در شکل 1 نشان داده شده است. این الگوهای برای هر سه محصول مشابه است ، با افزایش شدید در سال 1996 (بیشتر برای ذرت ، کمتر برای سویا) ، 2008 ، 2011-2012 (کمتر برای گندم) ، و 2021-2022. افزایش دوم با بهبودی از همه گیر COVID-19 ، کمبود همراه در کود هدایت شد و با حمله روسیه به اوکراین (هر دو صادرکنندگان عمده دانه) تشدید شد.

صفحه A از جدول 1 آمار توصیفی برای بازده آتی برای کل دوره نمونه ارائه می دهد. معاملات آتی ذرت دارای بازده هفتگی متوسط کمی بالاتر (0. 079 ٪) نسبت به آتی Soymeal (0. 069 ٪) یا گندم (0. 070 ٪) است. معاملات آتی ذرت بیشترین کاهش هفتگی (8 /32 ٪) دارد ، اما بازده آتی گندم به طور متوسط بی ثبات تر است. تمام بازده های هفتگی دارای دم چربی (Kurtosis) هستند که در سری زمانی دارایی های مالی رایج است.

2. 2مواضع معامله گر

اطلاعات موقعیت معامله گر از طریق گزارش تعهد معاملات آتی کالاهای ایالات متحده (CFTC) گزارش معامله گران (COT) که هفتگی منتشر می شود ، قابل دسترسی بود. ما بر روی طبقه بندی "گزارش میراث" ، که معامله گران را به عنوان تجاری یا غیر تجاری طبقه بندی می کند ، تمرکز کردیم ، با این که همه معامله گران گزارشگر باید از هر سه شنبه موقعیت های آتی باز خود را گزارش دهند. معامله گران تجاری شامل تولید کنندگان ، بازرگانان ، پردازنده ها و کاربران کالا هستند. ممکن است با تفکیک موقعیت های غیر تجاری مطابق با "گزارش تکمیلی" یا "گزارش تفکیک شده" ، اطلاعات اضافی را جمع آوری کنیم ، اما تمرکز اصلی ما روی رفتار معاملاتی بازرگانان تجاری بود ، و بنابراین فواید کمی از انجام این کار وجود داردبنابراین. توجه داشته باشید که "گزارش تکمیلی" معامله گران شاخص را به عنوان طبقه بندی سوم اضافه می کند."گزارش تفکیک شده" معامله گران غیر تجاری را به عنوان فروشندگان مبادله ، پول مدیریت شده و "گزارش های دیگر" طبقه بندی می کند.

گزارش COT موقعیت های طولانی ، کوتاه و گسترده ای را برای هر نوع معامله گر فراهم می کند. شکل 2 طولانی (طولانی) را نشان می دهد_kt) و کوتاه (کوتاه_kt) موقعیت های هر نوع معامله گر K در هفته t. با تمرکز بر روی بازرگانان تجاری ، ما الگوهای مشابهی را در آینده ذرت و سویا دیدیم. در طول دوره نمونه ، در هر دو موقعیت طولانی و کوتاه افزایش یافته است ، با سنبله های قابل توجه در موقعیت های طولانی در سالهای 2008 ، 2011 2012 ، 2018 و 2021. سه دوره از این دوره ها همزمان با افزایش شدید قیمت نشان داده شده در شکل 1 است. موقعیت های تجاری در آینده گندم نیز با گذشت زمان افزایش یافته است ، سنبله های قابل توجه در موقعیت های طولانی (یا کوتاه) وجود دارد. به نظر می رسد موقعیت های معامله گر غیر تجاری در هر سه بازار آینده با گذشت زمان افزایش یافته است. به نظر می رسد نوسانات موقعیتی به طور قابل توجهی بیشتر وجود دارد و یک سنبله قابل توجه در موقعیت های کوتاه گندم در طول سال 2017 وجود دارد.

ما از موقعیت های طولانی و کوتاه هر نوع معامله گر برای محاسبه اندازه گیری موقعیت خالص معامله گر استفاده می کنیم (NP_kt) برای هر نوع معامله گر K در هفته t. این با توجه به کل علاقه باز است (OI_t) برای کنترل تغییر در اندازه بازار در طول زمان.

جدول 1 نشان می دهد که موقعیت های تجاری به طور متوسط به طور خالص کوتاه هستند (فقط برای معاملات آتی گندم). اگر فرض کنیم که معامله گران تجاری تمایل دارند تولیدکنندگانی باشند که محصول اصلی هستند و از معاملات آتی برای محافظت از این موقعیت استفاده می کنند، این منطقی است. تغییرات هفتگی (تفاوت های اول) بسیار نزدیک به صفر، دارای انحراف منفی و لپتوکورتیک هستند. برعکس، غیرتجاری به طور متوسط طولانی است، با تغییرات هفتگی دارای انحراف مثبت و لپتوکورتیک. پوزیشن های خالص به صفر نمی رسند زیرا ما موقعیت های «سایر موقعیت های گزارش پذیر» یا «سایر موقعیت های غیرقابل گزارش» را در نظر نمی گیریم. ما این نوع معامله گر را به دلیل اندازه نسبتا کوچک آنها و رفتار گله داری آنها با معامله گران بزرگ غیرتجاری [15] در نظر نمی گیریم، که نشان دهنده مزایای محدود از تجزیه و تحلیل اضافی است.

پانل B جدول 1 اطلاعات خلاصه ای را برای موقعیت های خالص زمانی که هر بازار آتی در بالاترین سطح 52 هفته معامله می شود، ارائه می دهد. هنگامی که این اتفاق می افتد، موقعیت خالص معامله گران تجاری (غیر تجاری) به طور قابل توجهی پایین تر (بالاتر) از میانگین است و تغییرات هفتگی به طور قابل توجهی منفی (مثبت) از میانگین است. به این معنا که معامله گران تجاری زمانی که قیمت ها در بالاترین حد خود در 52 هفته قرار دارند کوتاه ترین زمان را نشان می دهند، که نشانه ای از این است که معامله گران تجاری با افزایش قیمت ها پوشش خود را افزایش داده اند. هنگام در نظر گرفتن حداقل های 52 هفته ای، تفاوت معنی داری با میانگین در موقعیت های خالص پیدا نمی کنیم.

شکل 3 نشان می دهد که چگونه موقعیت خالص هر نوع معامله گر در هر بازار در طول زمان تغییر کرده است. موقعیت خالص معامله گران تجاری در معاملات آتی گندم در ابتدای نمونه منفی تر و پس از سال 2004 مثبت تر است، با ویژگی مخالف در موقعیت های غیر تجاری.

3. تجزیه و تحلیل تجربی و بحث

3. 1. موقعیت های معامله گر در بالاترین سطح 52 هفته ای

ما در نظر می گیریم که چگونه انواع معامله گران مختلف به تغییرات شرایط بازار با استفاده از روشی مشابه [18] واکنش نشان می دهند. ما مدل را با اضافه کردن یک متغیر ساختگی (HI52) تقویت می کنیم که نشان می دهد آیا بازار در بالاترین قیمت 52 هفته ای معامله می شود و یک مدت تعامل بین متغیر ساختگی و بازده بازار. رگرسیون حداقل مربعات معمولی (OLS) مشخص شده است:

Δ N P k t = α 0 + α 1 R t - 1 + α 2 H I 52 t - 1 + α 3 H I 52 × R t - 1 + ∑ β m Φ t - 1 + ΔN P k t - 1 + ε t

جایی که Δ NP_ktتغییر در موقعیت خالص معامله گر نوع k در هفته t است. آر_t−1بازگشت آتی مربوطه در هفته قبل است ، و Hi52 متغیر ساختگی است که نشان دهنده 52 هفته ای است. φ به مجموعه ای از متغیرهای کنترل اقتصادی اشاره دارد که شامل تغییر هفتگی در VIX ، عملکرد 3 ماهه T-Bill (TBILL) ، گسترش اعتبار BAA-AAA (CRDSPRD) و تفاوت بین 10 سال و 2 ساله استپروکسی های اوراق بهادار دولت برای اصطلاح ساختار (اصطلاح). متغیر وابسته تاخیر برای حساب همبستگی سریال در تغییرات موقعیت خالص گنجانده شده است. ε اصطلاح خطا است.

نتایج تخمین زده شده در جدول 2 با خطاهای استاندارد Newe y-West در پرانتز گزارش شده است. نتایج به طور جداگانه برای آتی ذرت (پانل A) ، سویا (پانل B) و گندم (پانل C) گزارش شده است ، اما استنتاج ها در بازارها یکسان هستند.

قبل از در نظر گرفتن زیاد 52 هفته (یعنی ستون اول برای هر کالا) ، مواضع خالص معامله گران تجاری در همه موارد به بازده منفی پاسخ می دهد-با افزایش قیمت ها ، آنها مثبت تر یا منفی تر می شوند. این تجارت متضاد با رفتار محافظت از معامله گران تجاری که توسط [5،14] مشخص شده است ، سازگار است. هنگامی که ما ارتباط بالا 52 هفته ای را در نظر می گیریم (یعنی ستون دوم برای هر کالا) ، ما دوباره شواهدی از معاملات متضاد در ضریب بازگشت تاخیر مشاهده می کنیم (r_t−1) ، در حالی که متغیر ساختگی HI52 از نظر آماری معنی دار نیست. با این حال ، اصطلاح تعامل (hi52 × r_t−1) قابل توجه و برعکس با علامت r است_t−1، نشان دهنده تأثیر تعدیل کننده در هنگام بازار 52 هفته است. مواضع خالص معامله گران بازرگانی با افزایش قیمت ها از 52 هفته بالا ، هنوز هم منفی تر می شود ، اما سرعت کند می شود (به عنوان مثال ، اثر خالص برای آتی ذرت 0. 379 + 0. 255 =-0. 124). به عبارت دیگر ، بازرگانان تجاری وقتی بازار اوج های جدیدی را ایجاد می کند ، رفتار محافظت از خود را تحریک می کنند. این تا حدودی تعجب آور است ، زیرا ممکن است انتظار داشته باشیم که معامله گران تجاری وقتی قیمت های بازار افزایش می یابد تا قیمت های بالایی را برای محصولات خود قفل کنند ، بیشتر از این محافظت کنند ، اما می توانند به دلیل معامله گران باشند که بینش در مورد حرکات قیمت آینده دارند.

در مقابل، معامله گران غیرتجاری دارای موقعیت های خالص هستند که به طور مثبت با بازده مرتبط است. به نظر می رسد معامله گران غیرتجاری معامله گرانی هستند که با افزایش قیمت ها، موقعیت خرید خالص خود را افزایش می دهند (یا فروش خالص را کاهش می دهند). باز هم، یک اثر تعدیل کننده در اوج 52 هفته وجود دارد که به موجب آن تغییر موقعیت خالص کمتر از حالت دیگر است (به عنوان مثال، اثر خالص برای معاملات آتی ذرت +0. 360 - 0. 271 = 0. 089 است). متغیرهای کنترلی تاثیر قابل توجهی بر موقعیت معامله گران در هیچ یک از بازارهای در نظر گرفته ندارند.

ما شواهدی را برای نتایج خود در جدول 3 ارائه می کنیم. مجموعه ای از آزمون های علیت گرنجر جفتی را با استفاده از رگرسیون های دو متغیره به شکل انجام می دهیم:

تعداد تأخیرها بر اساس معیار اطلاعاتی بهینه آکایک (AIC) و معیار اطلاعات شوارتز (SIC) به پنج (L = 5) تنظیم شد. آزمون های زوجی گرنجر علیت در رد فرضیه صفر مبنی بر عدم ایجاد تغییر در موقعیت خالص در هر سه بازار و برای هر دو نوع معامله گر، شکست خوردند. به عبارت دیگر، مطابق با ضریب بازده قابل توجه نشان داده شده در جدول 2، بازده های آتی گرنجر باعث تغییرات موقعیت خالص برای معامله گران تجاری و غیر تجاری در هر سه بازار می شود. علاوه بر این، شواهدی وجود دارد که نشان می دهد تغییرات در موقعیت های غیرتجاری ناشی از تغییر موقعیت های تجاری برای بازارهای ذرت و سویا است. این با تقاضاهای پوشش ریسک تغییرات موقعیت معامله گران تجاری سازگار است (مانند [11]). عکس این موضوع در مورد بازار گندم صادق است، با معامله گران غیرتجاری Granger که باعث تغییر موقعیت خالص می شود. این تفاوت می تواند به دلیل قدرت نسبی تولیدکنندگان در هر بازار یا نیاز نقدینگی نسبی شرکت کنندگان در هر بازار (با موقعیت خالص/نیازهای نقدینگی در بازار گندم به طور متوسط بسیار نزدیک به صفر) باشد.

از آنجایی که تحلیل اولیه ما بر موقعیت های خالص متمرکز بود، یک سوال مرتبط این است که آیا موقعیت های خرید و فروش هر دو به بازده پاسخ می دهند یا خیر. جدول 4 نشان می دهد که بازده در واقع به نظر می رسد به طور قابل توجهی با تغییرات موقعیت های خرید و فروش مرتبط باشد. برای هر سه بازار، بازده مثبت با کاهش موقعیت های خرید و افزایش موقعیت های فروش معامله گران تجاری همراه است. این نتیجه شواهد بیشتری از رفتار پوشش ریسک در میان معامله گران تجاری ارائه می دهد. به طور مشابه، شواهد بیشتری مبنی بر حرکت حرکتی در میان معامله گران غیرتجاری وجود دارد که در صورت مثبت بودن بازده، زمان های بلند را افزایش می دهند، و شورت ها را کاهش می دهند. به نظر می رسد که تأثیر تعدیل کننده بالاترین قیمت 52 هفته ای بر تغییرات موقعیت خالص برای هر دو موقعیت تجاری بلند مدت و کوتاه اعمال می شود. به نظر می رسد که در موقعیت های فروش برای معامله گران غیرتجاری در تمام بازارها متمرکز شده است. علاوه بر این، اندازه موقعیت غیرتجاری به طور منفی با اسپرد اعتبار مرتبط است. یک دلیل می تواند این باشد که سفته بازان از استراتژی های معاملاتی استفاده می کنند که نیاز به دسترسی به اعتبار حاشیه ای دارند و بنابراین مجبور می شوند در صورت افزایش هزینه های اعتبار (یا کاهش در دسترس بودن اعتبار) اندازه موقعیت خود را کاهش دهند.

3. 2. زمان بندی بازار

ما تشخیص دادیم که موقعیت های معامله گر به بازده بازار پاسخ می دهند، و در حالی که شواهدی داریم (جدول 3) مبنی بر اینکه تغییرات موقعیت باعث بازدهی نمی شود، این لزوماً به این معنی نیست که آگاهی از موقعیت معامله گران در پیش بینی بازده مفید نیست. در این بخش، از روش [22] استفاده می کنیم تا بررسی کنیم که آیا ممکن است بازدهی از تغییرات موقعیت معامله گر پس از کنترل سطح موقعیت غالب پیش بینی شود یا خیر. مدل OLS:

جایی که R_tبازده آتی مربوطه در هفته t است. NP_ktو Δ NP_ktسطح و تغییر در موقعیت خالص معامله گر نوع k در هفته قبل (t-1) است. HI52 یک متغیر ساختگی است که بالاترین سطح 52 هفته را نشان می دهد. Φ به مجموعه ای از متغیرهای کنترل اقتصادی اشاره دارد که شامل تغییر هفتگی VIX، بازده سه ماهه T-Bill (TBILL)، اسپرد اعتبار Baa-Aaa (CRDSPRD) و تفاوت بین 10 ساله و 2 ساله است. پروکسی اوراق بهادار دولتی برای ساختار اصطلاحی (TERM). ε عبارت خطا است.

جدول 5 نشان می دهد که ، به طور کلی ، شواهد بسیار کمی وجود دارد که نشان می دهد هر نوع معامله گر دارای توانایی زمان بندی بازار در بازار آینده کشاورزی است. این خلاف [24،28] است اما مطابق با [5،14،23] است. پانل A نشان می دهد که تنها شاخص از نظر آماری قابل توجه ، تغییر در موقعیت خالص معامله گران غیر تجاری در بازار سویا است. پانل B موقعیت های خالص را به موقعیت های طولانی و کوتاه تقسیم می کند ، که [7] پیشنهاد می کند تصویری دقیق تر از موقعیت اقتصادی هر نوع معامله گر ارائه دهد. شواهد مداوم کمی در مورد هرگونه توانایی زمان بندی وجود دارد. موقعیت های طولانی بازرگانان تجاری در بازارهای ذرت و گندم ارتباط خاصی دارند ، اما موقعیت های کوتاه آنها در بازار سویا مرتبط است. هیچ یک از مواضع غیر تجاری از نظر آماری با بازده رابطه معنی داری ندارند. در اصل ، این تجزیه و تحلیل نتایج ارائه شده در جدول 3 را تأیید می کند به طوری که تغییرات موقعیت باعث بازده (پیش بینی) بازده گرنجر نمی شود.

پیش از این ، ما تشخیص دادیم که وقتی بازارهای آتی محصولات زراعی به ارتفاع 52 هفته ای می رسند ، تأثیر تعدیل کننده ای بر رفتار محافظت از آن وجود دارد. این امکان وجود دارد که این اثر مربوط به توانایی زمان بندی بازار در چنین دوره هایی باشد. ما این کار را با تکرار برآورد رگرسیون خود برای معادله (4) انجام می دهیم اما فقط روی دوره هایی که بازار به 52 هفته رسیده است ، تمرکز می کنیم. صفحه A از جدول 6 نشان می دهد که تغییرات در موقعیت های معامله گر (ذرت) و سطح حاکم بر موقعیت های معامله گر (سویا و گندم) بسیار آموزنده تر است وقتی بازار در 52 هفته بالا است. یک دوگانگی جالب بین بازارها وجود دارد زیرا ضریب تخمین زده شده سطح موقعیت خالص تجاری (NP) برای سویا منفی است اما برای گندم (و ذرت) مثبت است. این نشان می دهد که موقعیت های خالص تجاری کوتاه تر بازده مثبت (منفی) دوره بعدی را در بازارهای آتی سویا (گندم) در هنگام افزایش بازار پیش بینی می کند. پیش بینی می شود که بازگشت دوره بعدی برای آینده سویا مثبت باشد (+) زیرا یک موقعیت کوتاه منفی ( -) با ضریب تخمین منفی ضرب می شود ( -). تخمین برای تغییرات موقعیت خالص تجاری (δ NP) در بازار آتی ذرت مثبت است ، نشان می دهد که افزایش در موقعیت های خالص (کوتاه تر یا طولانی تر) بازده مثبت را در دوره بعدی که بازار در 52 هفته بالا است پیش بینی می کند.

در مقابل، ما ضرایب تخمینی را برای یک آزمون مشابه گزارش می کنیم که نمونه را به دوره هایی که بازار در پایین ترین حد 52 هفته است محدود می کنیم (پانل B یا جدول 6). در این مورد، ما هیچ مدرکی مبنی بر توانایی زمان بندی بازار برای هر نوع معامله گر یا بازار آتی پیدا نکردیم.

4. بحث

نتایج تجربی ما نشان می دهد که معامله گران تجاری رفتار معاملاتی متضادی را نشان می دهند که مطابق با پوشش ریسک فروش با افزایش قیمت ها است. ما متوجه شدیم که وقتی قیمت ها در بالاترین حد خود در 52 هفته قرار دارند، اثر تعدیل کننده ای وجود دارد که برای هر دو موقعیت خرید و فروش صدق می کند. در مقابل، سفته بازان معامله گرانی هستند که با افزایش قیمت ها خرید می کنند و بالاترین سطح 52 هفته ای نیز تأثیر تعدیل کننده ای بر این رفتار دارد که در موقعیت های فروش متمرکز است. یک توضیح برای این رفتار توسط [32] ارائه شده است، که پیشنهاد می کند که سفته بازان ممکن است تمایلی به قیمت های پیشنهادی بالاتر در زمانی که در بالاترین حد 52 هفته یا نزدیک به آن هستند، نداشته باشند، حتی اگر توسط اخبار توجیه شود.

نتایج توسط آزمون های علیت گرنجر جفتی پشتیبانی می شوند که نشان می دهد بازده باعث تغییر موقعیت خالص برای معامله گران تجاری و سفته بازان در هر سه بازار آتی غلات می شود. این با تقاضاهای پوشش ریسک تغییرات موقعیت معامله گران تجاری سازگار است (مانند [11]). همچنین شواهدی وجود دارد که نشان می دهد تغییرات در موقعیت های غیرتجاری (تجاری) ناشی از تغییرات در موقعیت های تجاری (غیر تجاری) بازارهای ذرت و سویا (گندم) است.

به طور کلی، ما هیچ مدرکی دال بر توانایی زمان بندی بازار برای هر نوع معامله گری نمی یابیم. این با [5،14،23] سازگار است اما بر خلاف [24،28] است. اساساً، این تحلیل تأیید می کند که تغییرات موقعیت باعث بازده (یا پیش بینی) نمی شود. با این حال، زمانی که موقعیت های تجاری (غیر تجاری) به عنوان شاخص های مثبت (منفی) برای آتی ذرت و گندم و شاخص های منفی (مثبت) برای بازارهای سویا عمل می کنند، به نظر می رسد که موقعیت های معامله گران زمانی که بازار در بالاترین حد خود در 52 هفته قرار دارد، آموزنده است.

5. نکات پایانی

بازارهای کالا نقش مهمی در اوراق بهادار سرمایه گذاری دارند. درک رفتار معاملاتی در این بازارها ، به ویژه در سطوح مهم فنی ، ممکن است به سرمایه گذاران امکان ورود بهتر و فرصت های خروج را بدهد. مطابق با حضور رفتار حفاظتی ، می فهمیم که معامله گران تجاری در بازارهای آینده کشاورزی تمایل دارند که به طور کلی متناقض باشند (بازخورد منفی). در مقابل ، مطابق با استراتژی های معاملاتی و به دنبال آن بسیاری از CTA ها ، معامله گران غیر تجاری تمایل به تجار (بازخورد مثبت) دارند. در هر دو مورد ، هنگامی که بازار در 52 هفته بالا است ، اثر تعدیل کننده وجود دارد. این اثر در هر دو موقعیت طولانی و کوتاه برای معامله گران تجاری وجود دارد و در موقعیت های کوتاه برای معامله گران غیر تجاری متمرکز شده است. اگرچه ، به طور کلی ، ما هیچ مدرکی از توانایی زمان بندی بازار نمی یابیم ، وقتی بازار در اوج 52 هفته ای قرار دارد ، موقعیت های معامله گر بسیار آموزنده تر هستند.

تحقیقات بیشتر می تواند طیف گسترده تری از بازارها را در نظر بگیرد ، در حالت ایده آل در جایی که می توان تأثیر غلظت های مختلف شرکت کنندگان تجاری و یا شیوع بیشتر انواع دلالت های مختلف را بررسی کرد.