گروه اقتصاد وابستگی ، دانشگاه ایالتی سائوپائولو (UNESP) ، سائوپائولو ، برزیل ، مرکز مطالعات پلیمر و گروه فیزیک ، دانشگاه بوستون ، بوستون ، ماساچوست ، ایالات متحده آمریکا

وابستگی همراه Do Metropolitano de Sao Paulo ، سائوپائولو ، برزیل

مرکز وابستگی برای مطالعات پلیمر و گروه فیزیک ، دانشگاه بوستون ، بوستون ، ماساچوست ، ایالات متحده آمریکا ، گروه فیزیک و مرکز علوم محاسباتی و مهندسی ، دانشگاه ملی سنگاپور ، سنگاپور ، سنگاپور

مرکز وابستگی برای مطالعات پلیمر و گروه فیزیک ، دانشگاه بوستون ، بوستون ، ماساچوست ، ایالات متحده آمریکا

اعتماد به نفس و بورس سهام: یک رویکرد مبتنی بر عامل

• ماریو A. برتلا ،
• Felipe R. Pires ،
• لینگ فنگ ،
• هری یوجین استنلی

• منتشر شده: 8 ژانویه 2014
• https://doi. org/10. 1371/joual. pone. 0083488

• نظرات خواننده

ارقام

خلاصه

با استفاده از یک رویکرد مالی رفتاری ، تأثیر تعصب رفتاری را بررسی می کنیم. ما یک بازار مصنوعی متشکل از اصولگرایان و چارتیست ها را برای الگوبرداری از فرایند تصمیم گیری عوامل مختلف می سازیم. نمایندگان در استراتژی های خود برای ارزیابی قیمت سهام متفاوت هستند و طول حافظه متفاوت و سطح اطمینان را نشان می دهند. هنگامی که ناهمگونی استراتژی های مورد استفاده نمایندگان ، به ویژه طول حافظه را افزایش می دهیم ، در توافق با نوسانات بازار واقعی ، نوسانات اضافی و کورتوز را مشاهده می کنیم-نشان می دهد که عوامل در بازارهای مالی در دنیای واقعی طول حافظه را به طور گسترده ای متفاوت نشان می دهند. ما ویژگی های رفتاری اعتماد به نفس تطبیقی را در بر می گیریم و یک ارتباط مثبت بین متوسط اعتماد به نفس و نرخ بازده مشاهده می کنیم ، نشان می دهد که احساسات بازار یک محرک مهم در نوسانات قیمت است. معرفی اعتماد به نفس بازار باعث افزایش نوسانات قیمت می شود و این نشان دهنده تأثیر منفی غیر منطقی در رفتار بازار است.

استناد: Bertella MA ، Pires FR ، Feng L ، Stanley HE (2014) اعتماد به نفس و بازار سهام: یک رویکرد مبتنی بر عامل. PLOS ONE 9 (1): E83488. https://doi. org/10. 1371/joual. pone. 0083488

ویراستار: Matjaž Perc ، دانشگاه Maribor ، Slovenia

دریافت: 9 سپتامبر 2013 ؛پذیرفته شده: 5 نوامبر 2013 ؛منتشر شده: 8 ژانویه 2014

کپی رایت: © 2014 Bertella و همکاران. این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که امکان استفاده ، توزیع و تولید مثل بدون محدودیت را در هر رسانه ای فراهم می کند ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

بودجه: پروفسور برتلا حمایت از دانشگاه ایالتی سائوپائولو (UNESP) و بنیاد تحقیقات سائوپائولو (FAPESP) (2012/17670-6) را تأیید می کند. پروفسور H. یوجین استنلی حمایت از ONR (GrantN00014-12-1-0548) ، DTRA (Grant HDTRA-1-10-1- 0014 ، Grant HDTRA-1-09-1-0035) و NSF (Grant CMMI را تأیید می کند. 1125290). سرمایه گذاران هیچ نقشی در طراحی مطالعه ، جمع آوری داده ها و تجزیه و تحلیل ، تصمیم به انتشار یا تهیه نسخه خطی نداشتند.

منافع رقابتی: Felipe R. Pires ، با یک شرکت تجاری ، Companhia Metro de Sao Paul ، رنج می برد. این امر پیروی نویسندگان به همه سیاست های PLOS ONE در مورد به اشتراک گذاری داده ها و مواد را تغییر نمی دهد.

معرفی

فرضیه بازار کارآمد (EMH) ، تعریف شده توسط FAMA [1] و به عنوان گزاره اصلی نظریه مالی سنتی تأسیس شده است ، ادعا می کند که قیمت ها به طور مداوم تمام اطلاعات موجود در مورد بازرگانان بازار را منعکس می کنند. طبق گفته EMH ، سرمایه گذاران با قرار گرفتن در معرض خطر بیشتر ، بازده بالاتر از حد متوسط را در بازارهای مالی کسب می کنند. بنابراین افراد در تعامل در بازارهای مالی فرض می شوند که کاملاً منطقی هستند و حداکثر سازنده سود مورد انتظار ثروت خود هستند. اگرچه این ساده سازی رفتارهای فردی در زمینه مالی محوری شده است ، اما نمی تواند چندین ویژگی مهم بازارهای مالی ، به عنوان مثال ، حافظه طولانی و دم چربی را توضیح دهد [2] - [4].

تعدادی از مطالعات نشان داده اند که سرمایه گذاران که در بازارهای مالی عمل می کنند رفتاری را نشان می دهند که از رفتار منطقی فرض شده توسط EMH سنتی منحرف می شود. چندین ناهنجاری تجربی مشاهده شده در بازارهای مالی وجود دارد که رویکرد EMH برای امور مالی را به چالش می کشد ، اما این موارد را می توان با استفاده از یک رویکرد مالی رفتاری برای بررسی تعصبات رفتاری موجود در فرایند تصمیم گیری سرمایه گذاران توضیح داد.

در مقابل ، روانشناسان و دانشمندان مستند کرده اند که سرمایه گذاران در تعامل در بازارهای مالی مطابق با فرض EMH رفتار منطقی رفتار نمی کنند ، بلکه در عوض به طور سیستماتیک اصول کاربردی مورد انتظار ، یادگیری بیزی و انتظارات منطقی را نقض می کنند. لوکس و همکاران.[5] پیشنهاد می کند که الگوهای گله دار تا حدی رفتار عامل را توضیح می دهد ، و مکانیسم مشابهی توسط Cont et al ارائه شده است.[6]دافی و همکاران.[7] پیشنهاد می کند که یادگیری اجتماعی در بین عوامل نیز عاملی باشد. گابایکس و همکاران.[8] فرض کنید که رفتارهای تقسیم تجارت در بین سرمایه گذاران نیز بر پویایی بازار تأثیر می گذارد. ساتو و همکاران.[9] یک مدل فروشنده را بر اساس قیمت های گذشته پیشنهاد می کند تا به توضیح رفتار آماری نوسانات قیمت کمک کند.

توسعه اخیر ابزارهای با استفاده از مدل سازی محاسباتی و هوش مصنوعی به ما این امکان را داده است تا مدل های شبیه سازی محاسباتی ایجاد کنیم که مبتنی بر تعامل عوامل خودمختار با ویژگی های رفتاری مجزا باشد. از مهمترین آنها تکنیک های مدل سازی مبتنی بر عامل هستند [10]. استفاده از آنها ما را قادر می سازد تا رفتار ناهمگن عوامل اقتصادی در بازارهای مالی را کشف کنیم و برخی از رفتارهای تجربی بازار را که مغایر با EMH ، به عنوان مثال ، حباب ها ، حرکات سوداگرانه ، بحران مالی ، نوسانات بیش از حد قیمت دارایی ها و نوسانات در حجم معاملات است ، توضیح دهیم. واد

هدف از این مقاله ارائه یک مدل مبتنی بر عامل است که از یک رویکرد مالی رفتاری استفاده می کند که در آن عوامل در فرآیند تصمیم گیری خود تعصب رفتاری را نشان می دهند (اعتماد به نفس آنها در پاسخ به میزان موفقیت مداوم یا عدم وجود آن تغییر می کند. در بازار سهام). با استفاده از این روش تحلیلی اخیراً توسعه یافته ، ما قادر به بررسی چگونگی تأثیر این تعصب رفتاری بر بازارهای مالی هستیم. توجه داشته باشید که مطالعات بسیار کمی وجود دارد که ویژگی های روانشناختی را در مدل های مبتنی بر عامل قرار می دهد ، از جمله آنها کار Takahashi و Terano [11] و Lovric [12]. ما با بررسی چگونگی تأثیر سطح اطمینان بر رفتار عامل و در نتیجه نوسانات قیمت سهام در این تلاش مشارکت می کنیم. ما یک مدل را بر اساس بازار مصنوعی سانتافه ایجاد می کنیم ، اما با اجازه دادن به نمایندگان ، انتظارات خود را بر اساس قوانین از پیش تعیین شده و تمایز بین الگوهای رفتار بنیادگرایانه و چارتیستی ، آن را اصلاح می کنیم. رویکردهای گرفته شده توسط مقالات فوق الذکر با ما متفاوت است-Takahashi و Terano [11] کار خود را بر روی یک مدل تصحیح Bayes و Lovric [12] پایه های خود را بر روی مدل Levy ، Levy و Solomon [13] قرار می دهند.

مقاله بصورت زیر مرتب شده است. بخش اول چارچوب مدل مبتنی بر عامل را شرح می دهد. بخش دوم توضیح می دهد که چگونه انتظارات عوامل تعیین می شود. بخش سوم جزئیات بیشتری در مورد اجرای مدل ارائه می دهد. بخش چهارم تعصب رفتاری را که توسط عوامل در فرایند تصمیم گیری خود وجود دارد ، توصیف می کند. نتایج شبیه سازی محاسباتی انجام شده سپس ارائه می شود. این شبیه سازی ها امکان تجزیه و تحلیل رفتار کل بازار مالی را فراهم می کنند که تعامل عوامل ناهمگن با تعصب رفتاری معین بررسی شود. بخش آخر ملاحظات نهایی را ارائه می دهد.

مواد و روش ها

چارچوب مدل

قبل از اینکه بتوانیم تعامل عوامل ناهمگن را در بازارهای مالی شبیه سازی کنیم ، باید یک بازار سهام مصنوعی ایجاد کنیم. Lebaron [14] توضیح می دهد که چگونه ایجاد یک بازار مالی مصنوعی مبتنی بر عامل شامل تعدادی از مشکلات طراحی مرتبط با محیط تجارت است. در محیط تجاری نمایندگان بازار سهام مصنوعی ما بین دو گزینه سرمایه گذاری تصمیم می گیرند ، (i) یک دارایی خطرناک ، یعنی سهام تقسیم شده به واحدهایی که سود سهام تصادفی را پرداخت می کند ، یا (ب) یک امنیت در معرض خطر آزاد که علاقه ای مداوم داردنرخ و این یک عرضه بی نهایت الاستیک دارد. زمان گسسته است و توسط آن فهرست بندی می شود و افق زمانی مطابق آزمایش های انجام شده تعیین می شود. سود سهام پرداخت شده توسط سهام در هر دوره زمانی توسط یک فرآیند تصادفی اگزوژن تولید می شود ، یکسان با آنچه توسط آرتور و همکاران شرح داده شده است.[15] و Lebaron و همکاران.[16] ، یک فرآیند اتورگرایی مرتبه اول AR (1) ، (1) سود سهام پایه کجاست ، توزیع عادی با میانگین واریانس صفر و محدود دارد ، و. مأمورین از ریسک ریسک مطلق ثابت یکسان (CARA) و عملکرد سودمندی از ثروت برخوردار هستند ، یعنی (2) ثروت عامل در زمان است و سطح گریزی خطر است. هر نماینده دارای ارزش اولیه ثروت یکسان است. برای دوره های زمانی دیگر ، ارزش کل ثروت نماینده در زمان بعدی مشخص می شود (3) که در آن زمان ثروت نماینده در زمان را نشان می دهد ، تعداد سهام مورد نظر نماینده را نشان می دهد و به ترتیب قیمت و سود سهام استسهام در زمان ، و با نرخ بهره دارایی بدون ریسک با گذشت زمان مطابقت دارد.

در این مدل ، هر نماینده سعی می کند تخصیص مربوط به دارایی های ریسک پذیر و دارایی های بدون ریسک را بهینه کند. وظیفه پیش روی هر نماینده در هر دوره زمانی ، حداکثر استفاده از سود مورد انتظار ثروت آنها است ، (4) مشمول محدودیت داده شده توسط Eq.(3). با در نظر گرفتن عملکرد ابزار ثروت تعریف شده در (2) ، و با فرض اینکه قیمت و انتظارات سود سهام نمایندگان برای یک سهام در دوره زمانی بعدی به طور معمول با میانگین و واریانس توزیع می شود ، ابزار مورد انتظار عملکرد ثروت ناشی از این امرعملکرد ابزار را می توان از نظر میانگین و واریانس نتایج احتمالی نوشت. از این رو ، طبق [17] ، (5)

با توجه به مشکل حداکثر سازی ، تعداد سهام مورد نیاز نماینده تعریف شده همانطور که است (6)

بنابراین تعداد سهام مورد نیاز متناسب با تفاوت بین قیمت نمایندگان و انتظارات سود سهام برای دوره بعدی و قیمت فعلی اصلاح شده توسط نرخ بهره ، و معکوس متناسب با اندازه گیری ریسک مطلق و واریانس درک شده بازده استواد

واریانس درک شده بازده ، (7) است که در آن پارامتر وزن قرار داده شده در جدیدترین خطای مربع را بر خلاف وزن قرار داده شده در خطاهای مربع گذشته تعیین می کند. این پارامتر از اهمیت اصلی برخوردار است ، برای هرچه عوامل وزنی بیشتر به انحرافات اخیر بدهند ، رفتار آنها پر سر و صدا می شود و تجارت آنها بی ثبات تر می شود.

پس از تعیین تعداد بهینه سهام مورد نیاز نماینده در هر دوره زمانی ، پویایی برای تعیین قیمت بازار ، توصیف شده توسط چن و یه [18] و کشاورز و جوشی [19] ، به شرح زیر است. تعیین تعداد سهام که نماینده می خواهد به موقع خریداری کند ، و تعداد سهام سهام می خواهد به موقع بفروشد ، می فهمیم که (8) و (9)

از این رو (10) و (11) به ترتیب تقاضا و عرضه هستند.

بنابراین قیمت بازار سهام در زمان از طریق تعدیل قیمت از نظر تقاضای مازاد سهام تعیین می شود. به گفته کشاورز و جوشی [19] ، یک عملکرد تأثیر بازار در اینجا برای تنظیم قیمت سهام بدست آمده است. قالب این عملکرد اجازه می دهد تا قیمت بازار همیشه مثبت باشد ، یعنی (12)

در اینجا یک عامل مقیاس را نشان می دهد که تقاضای مازاد در بورس را عادی می کند و بنابراین نوسانات بازار را به حداقل می رساند. نرخ بازده سهام در بازار مالی مصنوعی شامل دو عنصر است:

• سود سرمایه: قیمت سهام توسط همه سرمایه گذاران از طریق تعامل بین کل عرضه و تقاضا در بازار تعیین می شود.
• سود سهام: توزیع شده توسط یک شرکت در هر دوره زمانی مطابق با Eq.(1) در بالا.

از این رو ، (13) نرخ کل بازده سهام در زمان است.

شکل گیری انتظارات و استراتژی های معاملاتی

مدل های مبتنی بر عامل به ما امکان می دهند هنگام تعیین انتظارات و استراتژی های معاملاتی که توسط گروه های مختلف کارگزاران استفاده می شود ، از طیف وسیعی از روش ها استفاده کنیم. این قابلیت در مدلهای مبتنی بر عامل متمایزترین ویژگی است. توجه داشته باشید که ، از آنجا که بسیاری از مدل های مبتنی بر عامل به استراتژی های معاملاتی اتخاذ شده توسط نمایندگان اجازه می دهند تا با استفاده از چنین ابزارهایی از هوش مصنوعی به عنوان الگوریتم های ژنتیکی ، منطق فازی و شبکه های عصبی ، تکامل و پیشرفت کنند ، رفتار عوامل به طور فزاینده ای واقعی می شود.

در این مقاله انتظارات مربوط به قیمت سهام آینده و سود سهام احتمالی که توسط نمایندگان نگهداری می شود طبق قوانین ثابت و از پیش تعیین شده شکل می گیرد. چهار دسته قانون تنظیم شده است که هر یک از آنها توسط نمایندگان قابل اتخاذ هستند تا قیمت آینده و انتظارات سود سهام خود را برای یک سهام معامله شده در بازار تشکیل دهند. در ابتدا مأمورین را می توان به عنوان بنیادگرایان یا چارترست ها توصیف کرد. سپس Chartists می توانند بر اساس طول حافظه مورد استفاده خود برای تعیین انتظارات خود به سه گروه تقسیم شوند. توجه داشته باشید که تعامل بین گروه های عوامل با قوانین مختلف رفتاری بر رفتار کل بازار تأثیر می گذارد. قوانینی برای شکل گیری انتظار که نمایندگان می توانند اتخاذ کنند ، با جزئیات بیشتری در زیر مورد بحث قرار می گیرد.

بنیادگرایان

نمایندگان بنیادگرایانه ارزش آینده سهام را با استفاده از مدل جریان سود سهام با تخفیف در آینده (مدل گوردون) تخمین می زنند. در این استراتژی معاملاتی پیش بینی ارزش دارایی ریسک براساس ارزش اساسی آن ، سود سهام پرداخت شده توسط سهام است. نمایندگان به ارزش سود سهام سهام پرداخت شده در دوره فعلی توجه می کنند و براساس این مقدار ، فرض می کنند که سود سهام با نرخ ثابت رشد می کند ، (14) که نرخ رشد سود سهام است. با استفاده از مدل جریان سود سهام با تخفیف در آینده ، قیمت پیش بینی شده آینده سهام به عنوان (15) تعریف می شود که در آن به نرخ تخفیف جریان سود سهام آینده اشاره دارد. با استفاده از این معادلات ، ما مقدار را تعیین می کنیم ، که سپس برای تعیین تعداد بهینه سهام که توسط هر نماینده در هر دوره زمانی خریداری می شود ، استفاده می شود.

مباحث

روندهای اخیر در ادبیات نشان می دهد علاقه فزاینده ای به رفتار تجارت چارتیستی ، که گاهی اوقات "تجارت سر و صدا" نامیده می شود [20] ، [21]. مأمورین چارتیست با فرض اینکه تغییرات قیمت تحت تأثیر اینرسی قرار می گیرد ، قیمت آینده و سود سهام یک دارایی ریسک را پیش بینی می کند ، یعنی اگر اخیراً قیمت سهام افزایش یافته باشد ، همچنان افزایش می یابد و اگر کاهش یابد ، همچنان کاهش می یابد. مرجع [22] Chartists را به عنوان کسانی که قیمت متوسط گذشته را پیگیری می کنند ، تعریف می کند تا یا پیروان روند یا روند متضاد باشند. Takahashi و Terano [11] بین سه نوع از عوامل چارتیستی تمایز قائل می شوند و هنگام تجزیه و تحلیل تاریخ قیمت سهام و پیش بینی آنها ، آنها را با توجه به طول حافظه خود طبقه بندی می کنند. یافته های تجربی که از این فرض حمایت می کنند [23] - [25] نشان داده اند که خاطرات عامل در واقع ناهمگن هستند.

انتظار از قیمت سهام آینده به عنوان (16) تعریف شده است و انتظار سود سهام سهام آینده تعریف شده است (17)

قوانین پیش بینی سپس با توجه به طول حافظه طبقه بندی می شوند ،

• چه زمانی ، ،
• چه زمانی ، ، و
• چه زمانی ، .

توجه داشته باشید که این مکانیسم متوسط در حال حرکت شبیه به مکانیسم های ارائه شده توسط سایر محققان است [11] ، [22] برای تعریف استراتژی های چارتیست ها ، با برخی از تغییرات در جزئیات محاسبات مورد استفاده. با استفاده از این تعریف از Chartists ، در Sec. v ما با تجزیه و تحلیل رفتار Chartist و چگونگی تأثیر احساسات بازار بر پویایی بازار ، عامل اطمینان را معرفی خواهیم کرد.

اجرای مدل

پس از تعیین عناصر اصلی که بازار مالی مصنوعی را تشکیل می دهد ، می توان شبیه سازی محاسباتی را انجام داد. بازار مالی مصنوعی با استفاده از نرم افزار LSD (آزمایشگاه توسعه شبیه سازی) ، بستری که در C ++ برای توسعه ، استفاده و توزیع شبیه سازی های محاسباتی نوشته شده است ، اجرا می شود. این نرم افزار برای اجرای مدل های مبتنی بر عامل مناسب است زیرا در زمان گسسته شبیه سازی ایجاد می کند و نتایج به عنوان یک سری مقادیر برای هر متغیر از مدل بیان می شود. شبیه سازی های محاسباتی با توجه به مراحل زیر اجرا می شوند.

1. در ابتدای هر دوره زمانی ، ارزش سود سهام تولید می شود.
2. سپس نمایندگان پیش بینی های خود را از نظر قیمت سهام و سود سهام برای دوره زمانی بعدی انجام می دهند. بسته به قوانینی که برای پیش بینی های خود از آنها استفاده می کنند ، مأمورین می توانند اصولگرایان یا چارتیست ها باشند.
3. پس از تعریف انتظارات قیمت و سود سهام آینده سهام ، تعداد سهام مورد نیاز نمایندگان در دوره زمانی [معادله.(6)] تنظیم شده است.
4. با استفاده از Eqs.(8) و (9) ، سفارشات سهام خرید و فروش توسط نمایندگان تعیین می شود.
5. سفارشات سهام خرید و فروش به بازار اضافه می شود.
6. با استفاده از Eq.(12) ، قیمت بازار سهام سپس تعدیل می شود تا منعکس کننده تقاضای مازاد سهام در بازار باشد.
7. پس از تعریف قیمت بازار سهام برای دوره زمانی ، نمونه کارها دارایی نمایندگان و سطح ثروت برای دوره زمانی فعلی به روز می شود. معادله (7) برای واریانس درک شده بازده نیز برای استفاده در دوره زمانی بعدی به روز می شود. اطلاعات مربوط به رفتار کل بازار و رفتار فردی عوامل برای تجزیه و تحلیل بعدی ثبت شده است.

در تمام شبیه سازی ها ، بازار مصنوعی از 100 عامل تشکیل شده است و هر اجرا برای 5000 مرحله زمان است. در هر دوره زمانی هر نماینده فقط پنج سهام مجاز است. فروش کوتاه حداکثر پنج سهام مجاز است. این محدودیت ها در بازارهای مالی مصنوعی یکنواخت نگه داشته می شوند به طوری که تکثیر نتایج واقع بینانه تر است. از آنجا که چارتاست ها باید برای تصمیم گیری های خود به دوره های گذشته نگاه کنند ، در دوره اول فرض می کنیم که رفتار چارتیست ها با اصولگرایان مطابقت خواهد داشت.

تعصب بیش از حد و خودداری از خود

باربریس و تالر [26] مطالعات مربوط به امور مالی رفتاری را به دو دسته تقسیم می کنند ، (i) کسانی که سعی در نشان دادن اینکه معاملات داوری در بازارهای مالی کامل نیستند ، یعنی همیشه در اجازه دادن قیمت دارایی ها به ارزش های اساسی خود ، مؤثر نیستند. و (ب) کسانی که در تلاش برای استفاده از مطالعه روانشناسی تصمیم گیرندگان برای نشان دادن اینکه عوامل به دلیل عدم اطمینان خطاهای سیستماتیک ایجاد می کنند ، از نظر حداکثر رساندن ابزار ، ترجیحات پایدار و پردازش اطلاعات بهینه از خطاهای سیستماتیک استفاده می کنند.

اعتماد به نفس یک تعصب داوری مربوط به روانشناسی شناختی تصمیم گیرنده محسوب می شود و در مطالعات مالی توجه زیادی را به خود جلب کرده است. به گفته Kahneman و Riepe [27] ، زیرا تصمیمات مالی در محیط هایی که بسیار پیچیده و نامشخص هستند گرفته می شوند ، مأمورین به قوانین تصمیم گیری ثابت و شهود تکیه می کنند. هنگامی که به شهود وزن بیش از حد داده می شود ، بیش از حد اعتماد به نفس می تواند بر تصمیمات سرمایه گذاری تأثیر بگذارد و نمایندگان در نهایت با خطرات ناشناخته روبرو شوند ، نتایج غیرقابل پیش بینی را تجربه کنند و درگیر تجارت بی پروا شوند.

مطالعات روانشناسی عوامل به شدت نشان می دهد که بازرگانان بیش از حد به توانایی خود در پیش بینی آینده و بیش از حد دقت داده های خود اطمینان دارند. شواهد تجربی ارائه شده توسط آلدریگی و میلانز [28] نشان می دهد که در یک نمونه برداری که در آن به عوامل دستور داده شده است که دامنه های متغیر را با سطح اطمینان 90 ٪ نشان دهند ، آنها قادر به نشان دادن دامنه ها از جمله مقدار صحیح فقط 70 بودند٪ از زمانمطالعه ارائه شده توسط باربریس و تالر [26] اسناد مبنی بر اینکه عوامل تمایل به بیش از حد یا دست کم گرفتن انتساب احتمال دارند ، یعنی حوادثی که معتقدند با 100 ٪ احتمال در واقع تنها در 80 ٪ موارد رخ می دهد ، و رویدادهایی که معتقدند نمی توانند رخ دهند. در حقیقت در 20 ٪ موارد رخ می دهد.

اودیان [29] پیشنهاد می کند که دلایلی وجود دارد که انتظار داشته باشد که نمایندگان به طور فعال در بازارهای مالی تجارت کنند ، نسبت به جمعیت به طور کلی در توانایی های سرمایه گذاری خود اطمینان بیشتری دارند. سرمایه گذاران که در گذشته موفق بوده اند ، می توانند بیش از حد ارزیابی کنند که مسئولیت نتایج مثبت آنها را بر عهده داشته و از این رو بیش از حد سازگار هستند. بنابراین نمایندگان می توانند انتظارات غیرواقعی در مورد توانایی خود در ایجاد سود آینده از معاملات بازار و اجرای معاملات که در آن سود مورد انتظار برای تأمین هزینه های معاملات کافی نیست ، داشته باشند. آنها همچنین می توانند دقت اطلاعات خود را بیش از حد ارزیابی کنند یا معتقدند که اطلاعاتی که در آن وجود دارد ، در واقع نیست. در این مطالعه ما بیش از حد به عنوان یک خطای کالیبراسیون رفتار می کنیم و آن را به عنوان دست کم گرفتن واریانس بازده سهام مدل می کنیم. این تنظیم اعتماد به نفس را می توان به عنوان یک فرآیند تطبیقی مطابق با فرضیه به اصطلاح بازار سازگار (AMH) معرفی شده توسط LO [30] درک کرد.

در مدل ، با توجه به واریانس بازده سهام درک شده توسط Eq.(7) ، ضریب اطمینان ایجاد می شود که ، هنگامی که با واریانس درک شده بازده ضرب می شود ، بیش از حد آن را توصیف می کند ، (18)

در اینجا ضریب ضریب تنظیم سطح اطمینان عامل است. هنگامی که ، عامل دارای اعتماد به نفس خنثی است و واریانس بازده سهام دست کم گرفته نمی شود. هنگامی که ، نماینده اعتماد به نفس کمی دارد و واریانس بازده سهام بیش از حد ارزیابی می شود. هنگامی که ، نماینده بیش از حد مسدود است و واریانس بازده سهام دست کم گرفته می شود ، یعنی پیش بینی عامل از بازده مورد انتظار سهام بیش از حد است.

فرض می کنیم که سطح اطمینان یک عامل در طول بازه زمانی شبیه سازی تکامل می یابد. به گفته اودیان [29] ، بیش از حد مأمورین بسیار موفق می توانند با "تعصب خودآموزی" افزایش یابد ، یعنی آنها معتقدند که موفقیت آنها در تجارت صرفاً نتیجه توانایی های خودشان است.

قوانین به روزرسانی سطح اطمینان (19) (20)

در اینجا شاخص اطمینان ، ضریب تنظیم اعتماد به نفس است و تعداد پیش بینی های صحیح است.

به عبارت دیگر ، اگر تفاوت بین قیمت ها و سود سهام کمتر یا مساوی باشد ، اعتماد به نفس برای دوره بعدی افزایش می یابد و ضریب تنظیم اعتماد به نفس کاهش می یابد. این ضریب برای کاهش انحراف استاندارد درک شده از عامل کاهش می یابد. اگر تفاوت بین بازده مورد انتظار سهام و بازده واقعی در فاصله اطمینان تعیین شده توسط عامل قرار بگیرد ، سطح اطمینان افزایش یافته و با ضریب ضرب می شود ، در صورت عدم موفقیت ، سطح اطمینان کاهش می یابد و انحراف استاندارد تصحیح می شودبا ضریب

نتایج و بحث

جدول 1 مقادیر منتسب به پارامترهای مدل را نشان می دهد. ما مقادیر اولیه را بر اساس تنظیمات نمایش داده شده در چندین بازار مالی مصنوعی مشخص می کنیم ، از جمله آنها که توسط آرتور و همکاران ایجاد شده است.[15] ، لاوریک [12] ، و کشاورز و جوشی [19]. ما همان مقادیر پارامتر اولیه را در تمام این شبیه سازی ها نگه می داریم. دامنه پارامتر انتخاب شده در جدول 2 خلاصه شده است.