تخصیص دارایی بلند مدت ، تحمل ریسک و احساسات بازار

در این مقاله به بررسی اوراق بهادار بهینه سهام با افق بلند مدت در سطح ریسک ناهمگن می پردازیم. ما روی سهام اروپا تمرکز می کنیم و به صورت تجربی نشان می دهیم که بازده اضافی معاصر استراتژی های نیمه فعال با شرایط و احساسات بازار منفی است. مطابق با دیدگاه افق طولانی ما ، می فهمیم که اثرات اقدامات احساساتی بر بازده نمونه کارها نیمه فعال قابل توجه و اقتصادی است ، به ویژه در دوره های گاو نر (پس از بحران) ، حتی پس از کنترل پنج عامل Fama-French ، حرکت، شاخص های کلان و شوک های عدم قطعیت سیاسی در سطح جهان یا کشور. در مقابل ، به نظر می رسد اثرات اقدامات احساسات بر روی نمونه کارها منفعل (معیار) ناچیز است. نتایج بیشتر نشان می دهد که بازده پرتفوی تحقق یافته حاصل از استراتژی های بلند مدت ما به طور قابل توجهی نسبت به قسمت های رژیم های پرواز به ایمنی (ریسک) مقاومت می کند.

معرفی

دوره های آشفتگی شدید و بحران در بازار ، تمرکز محققان را به سمت توسعه تخصیص دارایی مقاوم تر و استراتژی های مدیریت نمونه کارها سوق داده است. به عنوان مثال ، در ایالات متحده آمریکا ، صندوق پرچین و صنایع صندوق های متقابل ضررهای قابل توجهی را در طول بحران وام مسکن 2007-2008 تجربه کردند ، که این امر عواقب نزولی را نه تنها در سطح شرکت به طرز خاص و همچنین در سطح جهانی از طریق کانال های سیستمیک ایجاد کرد (به عنوان مثال ، بیلیو و همکاران.، 2012 ، الیوت و همکاران ، 2014). از آن زمان ، بحث مشترک در بین پزشکان و در درون جامعه تحقیق به شدت در مباحث مهم با توجه به سرمایه گذاری های فعال در مقابل منفعل (به عنوان مثال ، فرانسوی ، 2008) و نقش افق های سرمایه گذاری (Dierkes و همکاران ، 2010) در جلوگیری از آن متمرکز شده است. خسارات بزرگ و به طور مشترک به بازده نمونه کارها معقول.

علیرغم این پیشرفت اساسی در طول دهه گذشته ، تحقیقات عملی و دانشگاهی هنوز هم در این راستا نسبتاً محدود و پراکنده است ، به ویژه در درک چگونگی و چرا عدم ریسک بر تخصیص دارایی نسبت به افق سرمایه گذاری نسبتاً طولانی. از این نظر ، ما حدس می زنیم که یک نمونه کارها بهینه بازده بیش از بازده معیار را ایجاد می کند تا زمانی که افق نسبتاً طولانی تنظیم شود و تحمل ریسک به اندازه کافی برای سرمایه گذاران منطقی باشد. اگر این دیدگاه توسط داده ها پشتیبانی شود ، سرمایه گذاران احتمالاً استراتژی های نیمه فعال را به دست می آورند که وعده مقدار مشخصی از بازده اضافی تحقق یافته برای یک افق معین و سطح گریز از خطر را می دهند بدون اینکه بیش از حد در معرض سرمایه گذاری فعال معمولی قرار بگیرند (و از این رو معامله مرتبط و از اینهزینه های مدیریت). 1 با کاوش بیشتر در این جهت ، هدف ما توضیح رفتار زمانی بازده اضافی نسبت به چرخه های تجاری از طریق عوامل محرک تعبیه شده در احساسات و شرایط بازار است. همانطور که توسط Frijns و همکاران نشان داده شده است.(2017) ، احساسات سرمایه گذار نه تنها بر بازده حقوق صاحبان سهام بلکه در بین بازارها نیز تأثیر می گذارد. به طور خاص ، Frijns و همکاران.(2017) سند مبنی بر افزایش مشاهده شده در همبستگی های بین المللی بازار سهام با گذشت زمان ، با افزایش همبستگی های غیر مالی و نه مؤلفه اساسی بازده هدایت می شود و این به نوبه خود با احساسات سرمایه گذاران تقویت می شود. در این راستا ، ما به صورت تجربی بررسی می کنیم که آیا چنین عادی های غیر بودجه مربوط به احساسات احتمالاً بر استراتژی های نمونه کارها تأثیر می گذارد و از این رو بازده اضافی بر روی یک نمونه کارها منفعل (معیار) به ویژه است.

با این حال ، در جبهه روش شناختی ، توصیف چنین مشخصات بهینه نمونه کارها و از بین بردن ریسک خوب تنظیم شده به همراه تغییر افکار طولانی در یک چارچوب یکپارچه ، چالش برانگیز است. در حالی که بهینه سازی میانگین واریانس مارکوویتز یک مفهوم اساسی در تئوری مدرن نمونه کارها برای ساختن اوراق بهادار پرخطر است (مارکوویتز ، 1991) ، برخی از محدودیت ها را به عنوان یک مدل تک دوره نشان داده است (به عنوان مثال ، کمپبل و ناهایمرا ، 2002). برای غلبه بر این چالش ، ما در عوض از پیشرفت های اخیر در پردازش سیگنال دیجیتال استفاده می کنیم (جونز ، 2013 ، جونز ، 2017) ، که به دنبال یک پارادایم بهینه سازی نمونه کارها با واریانس-اوتوکورس است و انعطاف پذیری بیشتری را برای تنظیم افق سرمایه گذاری و تحمل نسبت به ریسک یا بازار فراهم می کند. مبتنی بر یا شرکت خاص. ما ساختار رویکرد خود را بیان می کنیم و در مورد نحوه اصلاح مکانیک برای طراحی استراتژی های نمونه کارها بحث می کنیم.

در راستای حدس ما ، نتایج تجربی نشان می دهد که استراتژی های نیمه فعال با سطوح مختلف تحمل ریسک بازده اضافی قابل توجهی را در طول زمان ایجاد می کند و از شاخص معیار فراتر می رود. شاید جالب تر اینکه ، می فهمیم که بازده اضافی معاصر تحقق یافته از اوراق بهادار نیمه فعال ما کاملاً با شرایط بازار یا احساسات اندازه گیری شده توسط شاخص های محیط تجاری ، احساسات مصرف کننده و فاکتورهای وضعیت مالی مانند شاخص نوسانات (از این پس VIX) اندازه گیری شده است. تأثیر اقدامات احساسات بر بازده نمونه کارها معاصر ، به طور خاص در دوره های گاو نر در طول طلسم های پس از بحران منفی ، قابل توجه و اقتصادی مرتبط است. این نتایج حتی پس از کنترل پنج عامل Fama-French ، حرکت ، شاخص های کلان و شوک های عدم قطعیت سیاسی در سطح جهان یا کشور ، به طور قابل توجهی پایدار است. علاوه بر این یافته های اصلی ، تجزیه و تحلیل ما بیشتر نشان می دهد که بازده نمونه کارها تحقق یافته حاصل از استراتژی های بلند مدت ما احتمالاً مقاوم در برابر رژیم های پرواز به ایمنی (ریسک) است که در بازار مشاهده می شود. باله و همکاران در مورد بازار سهام ایالات متحده.(2014) سند مبنی بر اینکه بازده صندوق های پرچین در معرض خطر منفی رژیم های پرواز به ایمنی است. با این حال ، با تمرکز ویژه روی سهام اروپا ، هیچ مدرکی مبنی بر قرار گرفتن در معرض قابل توجه نمی یابیم. این ممکن است به نوبه خود اهمیت سهام اروپا در استراتژی های سرمایه گذاری را در مقایسه با سایر بازارها برجسته کند.

در یک چشم انداز وسیع تر، مقاله ما ارتباط نزدیکی با مطالعاتی دارد که استراتژی های پورتفولیو را به عنوان طرح های سرمایه گذاری فعال در مقابل غیرفعال متمایز می کند. استراتژی های غیرفعال عموماً شامل ردیابی عملکرد یک معیار (شاخص) با به حداقل رساندن خطای ردیابی است که به عنوان انحراف استاندارد تفاوت بین بازده پورتفولیو و بازده معیار اندازه گیری می شود (به عنوان مثال، بیزلی و همکاران، 2003، کوریلی و مارسلینو را ببینید.، 2006). در مقابل، استراتژی های فعال پورتفولیوهایی را می سازند که انتظار می رود عملکرد بهتری از معیار داشته باشند. برای قرار گرفتن در مرز میانگین واریانس، که شامل پرتفوی هایی با کمترین واریانس برای سطوح مختلف بازده مورد انتظار است، یک محدودیت ریسک به طور کلی برای این پرتفوی های فعال تعیین می شود (رول، 1992، جوریون، 2003، الکساندر و باپتیستا، 2010). در این راستا، آلفورد و همکاران.(2003) همچنین نشان می دهد که مدیران پورتفولیو با سطوح بالای ریسک فعال تمایل به ایجاد بازده تعدیل شده با ریسک کمتر دارند. ما این جریان تحقیقات را بر این اساس با در نظر گرفتن استراتژی های نیمه فعال، مانند ردیابی شاخص بهبودیافته یا استراتژی های فعال کنترل شده با ریسک، با هدف تضمین بازدهی بالاتر از معیارهای معیار، در حالی که خطای ردیابی یا واریانس پرتفوی را محدود می کنیم، گسترش می دهیم. به وو و همکاران، 2007، لیما د پائولو و همکاران، 2016، در میان دیگران. علاوه بر این، بر خلاف این مطالعات، ما مستقیماً اجازه می دهیم که قرار گرفتن در معرض ریسک تهاجمی یا محافظه کارانه باشد و سود/زیان پرتفوی حاصل را تحت شرایط مختلف که مبتنی بر بازار یا شرکت خاص هستند، بررسی می کنیم.

همانطور که به خوبی شناخته شده است ، چارچوب کلاسیک Markowitz (1991) نیاز به دانش در مورد میانگین بازده و ماتریس کواریانس دارد. کان و ژو (2007) دریافتند که تخمین های جایگزین نمونه برای پارامترهای جمعیت می توانند باعث کاهش قابل توجهی در عملکرد خارج از نمونه شوند. نتایج آنها نشان می دهد که تخمین پارامترها با ترکیب تخمین با اهداف اقتصادی مورد نظر مهم است. با عزیمت از این مطالعات ، ما از یک روش پردازش سیگنال استفاده می کنیم که به ما امکان می دهد سیگنال ها را از چندین دوره ، کوتاه یا طولانی استخراج کنیم و وزن های بهینه را بر این اساس تحت طرح های مختلف خطر (به عنوان مثال ، پرخاشگر یا محافظه کارانه) تحویل دهیم. تحقیقات قبلی به ویژه بر این سؤال متمرکز شده است که چگونه تخصیص دارایی بهینه با توجه به افق زمانی متفاوت است. اول ، در زمینه بازده های قابل پیش بینی ، سرمایه گذاران خرید و نگهدارنده و چه سرمایه گذاری فعال در سهام خطرناک در افق های طولانی سرمایه گذاری می کنند ، زیرا تغییر زمان در بازده دارایی باعث بازده میانگین در بازده می شود (باربریس ، 2000 ، AIT-Sahalia و Brandt، 2001 ، سانفیلیپو ، 2003). Dierkes و همکاران.(2010) شواهد بیشتری ارائه می دهد که جذابیت استراتژی به طور اساسی به افق سرمایه گذاری بستگی دارد. با این حال ، اهمیت ضعیف شواهد برای پیش بینی بازگشت احتمالاً از خطر تخمین و عدم اطمینان مدل رنج می برد (به عنوان مثال ، باربریس ، 2000). بر خلاف این رویکردهای متعارف ، ما نقش افق سرمایه گذاری را مستقیماً در مرحله بهینه سازی بررسی می کنیم. بنابراین ، مشکل عدم اطمینان مدل و محدودیت های برآورد مربوط به استنباط نسبتاً ناچیز می شوند. برای یک سطح معین از مدت زمان افق ، وزن های بهینه را در سطوح مختلف تحمل ریسک به دست می آوریم. 2 ما به ویژه در طولانی مدت روی عملکرد تمرکز می کنیم زیرا ناهنجاری های بازار اغلب در افق های کوتاه بوجود می آیند و به سرعت ناپدید می شوند (به عنوان مثال ، همبستگی های موجود در شاخص ارزش وزن ، به عنوان مثال ، Lo و Mackinlay ، 1988 مراجعه کنید). اشکال دیگر ناهنجاری ها ممکن است طولانی تر باشد ، با این حال (به عنوان مثال ، اثر ژانویه ، Keim ، 1983) یا در طی یک دوره نسبتاً طولانی ادامه دارد ، همانطور که ممکن است برای اثرات حرکت باشد (به عنوان مثال ، Jegadeesh and Titman ، 2001).

تجزیه و تحلیل تجربی ما مطالعات مربوط به احساسات بازار را از چندین جنبه گسترش و تکمیل می کند. به عنوان مثال ، Baker and Wurgler ، 2006 ، Baker et al. ، 2012 ، Huang et al. ، 2015 دریافتند که احساسات سرمایه گذار بر مقطع بازده سهام تأثیر می گذارد و بسیار بهتر از پیش بینی کننده های اقتصادی استفاده شده در پیش بینی بازده سهام (یا درسطح کل یا در سطح نمونه کارها). Sibley و همکاران.(2016) نشان می دهد که قدرت شاخص احساسات برای پیش بینی بازده سهام مقطعی عمدتاً توسط مؤلفه ساخته شده از متغیرهای مربوط به شرایط بازار و اصول اقتصادی هدایت می شود. شن و همکاران.(2017) تأثیر احساسات سرمایه گذار بر قیمت گذاری عوامل خطر کلان و ساخت اوراق بهادار با مرتب سازی سهام فردی بر حساسیت آنها به عوامل کلان را بررسی کنید. آنها می دانند که پرتفوی پرخاشگرانه به دنبال دوره های کم خطر ، بازده قابل توجهی بالاتر از اوراق بهادار کم خطر کسب می کند ، در حالی که دقیقاً برعکس پس از دوره های بالایی اتفاق می افتد. در مقابل ، ما در این مقاله بهینه سازی نمونه کارها میانگین-واریانس-اتووواریانس را در نظر می گیریم و هدف ما توضیح این است که چگونه پروکسی های احساسات بر بازده نمونه کارها تحقق یافته تأثیر می گذارند ، با توجه به اینکه مزایای تنوع نه تنها تابعی از همبستگی های اساسی است ، بلکه همچنین تابعی از عدم وجود است.-همبستگی های مالی که عمدتا توسط احساسات سرمایه گذار هدایت می شود (Frijns et al. ، 2017).

یو و یوان (2011) سند مبنی بر اینکه سرمایه گذاران جبران خسارت بیشتری را برای تحمل نوسانات در دوره های احساساتی کم نسبت به دوره های احساسات بالا دریافت می کنند. شاید مهمتر از همه ، به نظر می رسد که هر دو مؤلفه جهانی و محلی احساسات سرمایه گذار در مقطع بازده نقش دارند (بیکر و همکاران ، 2012). به همین ترتیب ، وو و همکاران.(2017) دریافت که اختلافات کل ، محلی و جهانی با انحراف قیمت بین دریافت سپرده گذاری آمریکایی (ADR) و سهم خانه آن ، روابط مثبت مثبت دارند. با تمرکز ویژه بر روی اوراق بهادار سهام اروپا که سهم بی سابقه ای در این ادبیات موجود را تشکیل می دهند ، می یابیم که شاخص استاندارد Proxy Vix VIX تغییر در بازده های اضافی بیش از عوامل احساسات پیشنهاد شده توسط بیکر و وورلر (2006) (از این پس عوامل BW BW توضیح می دهد.). این نتیجه مطابق با یافته های Harju و Hussain (2011) است به گونه ای که بازده و نوسانات سهام به طور کلی نسبت به اخبار ناشی از بازارهای خارجی حساس است. به طور خاص ، بازار سهام اروپا به طور مشابه با اطلاعات سرچشمه موجود در ایالات متحده واکنش نشان می دهد ، یکی از انگیزه های مالی در پشت این نتیجه می تواند این باشد که پیش بینی بازده سهام از احساسات سرمایه گذار ناشی از اعتقاد مغرضانه سرمایه گذاران در مورد غافلگیرانه های خبری در جریان نقدی آینده به جای نرخ تخفیف است (Huang ETآل. ، 2015). 3 نقش VIX از تخصیص دارایی و چشم انداز تحمل ریسک بسیار مهم است ، وام از نسخه جهانی ریسک و فرضیه های تأثیر سیاست پولی که توسط Bekaert و همکاران ، 2014 مورد بررسی قرار گرفته است ، پشتیبانی می کند ، Bekaert et al. ، 2013 ، Bekaert و Hoerova ، 2014. 4

باقیمانده این مقاله به شرح زیر سازماندهی شده است. بخش بعدی داده ها را معرفی می کند ، روش ما را بر اساس تئوری نمونه کارها دیجیتال تشریح می کند و در مورد نحوه تنظیم سطح ریسک ریسک بحث می کند. بخش 3 تجزیه و تحلیل تجربی ما را ارائه می دهد و نتایج را گزارش می کند. در بخش 4 ، بررسی ها و پسوندهای مختلف استحکام را در نظر می گیریم. بخش 5 نتیجه می گیرد.

قطعه قطعه

داده ها و روش شناسی

ما با معرفی داده های خود در مورد سهام و شاخص های احساسات شروع می کنیم. ما چارچوب روش شناختی خود را بعدی بیان می کنیم ، که بر اساس رویکرد نمونه کارها دیجیتال ، امکان تحمل سطوح مختلف تحمل ریسک (تهاجمی در مقابل محافظه کارانه) را فراهم می کند.

تحلیل تجربی

در این بخش تجزیه و تحلیل تجربی ما ارائه شده است. ما ابتدا با بحث در مورد خواص اوراق بهادار ساخته شده در سطح ریسک مختلف بحث می کنیم. در بخش 3. 2 ، ما تجزیه و تحلیل رگرسیون پایه خود را برای توضیح تغییر در بازده نمونه کارها تحقق یافته از طریق عوامل احساسات انجام می دهیم. در بخش 3. 3 که معیار را ردیابی می کند ، 3. 4 بازده نمونه کارها اضافی و احساسات بازار ، ما به ترتیب عملکرد ردیابی پرتفوی ها و پویایی بازده اضافی را بررسی می کنیم. سرانجام،

بررسی و پسوند استحکام

در این بخش ، استحکام نتایج خود را ارزیابی می کنیم و چندین پسوند را در نظر می گیریم. اول ، ما رگرسیون بازده اضافی خود را با استفاده از شاخص های احساسات جایگزین اجرا می کنیم. در مرحله بعد ، ما از پنج عامل FAM A-French و پروکسی حرکت به عنوان متغیرهای کنترل استفاده می کنیم. ما این بخش را با مقایسه نمونه کارها اضافی و بازده شاخص معیار بیش از نرخ بدون ریسک تکمیل می کنیم.

پروکسی های احساسات جایگزین بازار. علاوه بر شاخص های احساساتی معیار که در تجزیه و تحلیل اصلی ما (BUSC ، VIX و BUSC) استفاده کردیم ،

نتیجه گیری

به خوبی شناخته شده است که تخصیص دارایی بهینه با اجازه کاهش قرار گرفتن در معرض خطر بازار نقش محوری را ایفا می کند. شیوه های مبتنی بر پرتفوی معمولی (Markowitz-Type) ، با این حال ، اغلب محدودیت های محکم را به ویژه از نظر تعدیل افق سرمایه گذاری و سطح تحمل ریسک ارائه می دهند. این مقاله با هدف ایجاد درک از تغییر زمان بازده اضافی (بیش از شاخص معیار) هنگامی که افق معاملاتی به طور قابل توجهی طولانی است و چه زمانی سرمایه گذاران هستند