اثرات نامتقارن احساسات سرمایه گذار بر بازده سهام صنعت: شواهد داده پانل

از ژانویه سال 2020 Elsevier یک مرکز منابع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در رمان Coronavirus Covid-19 ایجاد کرده است. مرکز منابع COVID-19 در وب سایت اخبار و اطلاعات عمومی شرکت Elsevier Connect میزبان است. Elsevier از این طریق اجازه می دهد تا تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منابع Covid-19 موجود است-از جمله این محتوای تحقیق-بلافاصله در مخازن PubMed Central و سایر سرمایه گذاری های عمومی ، مانند پایگاه داده WHO COVID با حقوق در دسترس باشد ، اعطا کند. تحقیقات بدون محدودیت دوباره استفاده و تجزیه و تحلیل به هر شکلی یا به هر وسیله با تأیید منبع اصلی. این مجوزها تا زمانی که مرکز منابع COVID-19 فعال باشد ، توسط Elsevier به صورت رایگان اعطا می شود.

چکیده

در این مقاله از یک مدل آستانه پانل پیشرفته با اجازه رهگیری رژیم استفاده می کند ، تا بتواند در مورد بازده های نامتقارن/غیرخطی احساسات محلی و جهانی در بازده سهام صنعت مورد انتظار در بین 11 کشور آسیایی در طول دوره ، نور جدیدی را برطرف کند. 1996 تا 2010. شواهد تجربی نشان می دهد که پس از درج رهگیری رژیم ، اثرات نامتقارن احساسات جهانی بر نفت و گاز ، مالی و بازده صنعت مراقبت های بهداشتی در مقایسه با بدبینی کمتر تحت خوش بینی قرار می گیرد. از نظر انتقادی ، تأثیر مثبت (منفی) احساسات جهانی در بالا (در زیر) آستانه قابل توجه است ، و این نشان می دهد که خوش بینی جهانی منجر به بازده صنعت می شود ، در حالی که بدبینی باعث می شود که آنها کم ارزش باشند. برای احساسات بازار محلی ، نتایج ما پشتیبانی می کند که احساسات محلی بالاتر باعث افزایش بازده مواد اساسی ، ارتباطات از راه دور و صنایع خدمات می شود. نتایج تجربی تأیید می کند که عدم وجود بازده صنعت و احساسات سرمایه گذار در معرض فواصل مختلف احساساتی قرار دارد.

نکات برجسته

nexs از بازده های محلی ، جهانی و بازده صنعت توسط آستانه پانل بررسی کنید. صنعت جوان تر و سوداگرانه متناسب با یک مدل خطی از احساسات بازگرداندن بهتر است.► FIN ، HEA و سود نفت هنگامی که احساسات جهانی بالاتر از آستانه است.‘باید عدم تقارن و عدم تقارن احساسات در بازده صنعت در نظر گرفته شود. nexs بازده صنعت و احساسات در فواصل مختلف احساساتی تغییر می کند.

1. مقدمه

یک تحقیق در حال رشد استدلال می کند که احساسات سرمایه گذار بر بازده سهام تأثیر می گذارد. به عنوان مثال ، ادبیات به پیشنهادات عمومی اولیه (بردلی و همکاران ، 2009) ، مشترکات نقدینگی (چو و یانگ ، 2010) ، نتایج بازی فوتبال (پالومینو و همکاران ، 2009) ، اعلامیه تقسیم سهام (کیم و بیون ، 2010) پرداخته است.، رویدادهای حمل و نقل هوایی (Kaplanski and Levy ، 2010) ، و دیگران که عمدتا احساسات سرمایه گذار را تغییر می دهند ، و سپس احساسات سرمایه گذار بر بازده سهام تأثیر می گذارد. مطالعات موجود همچنین تأیید می کند که احساسات سرمایه گذار بازده سهام را پیش بینی می کند (بیکر و وورگلر ، 2006 ، بیکر و وورگلر ، 2007 ، براون و کلیف ، 2005) ، به عنوان مثال ، هنگامی که سرمایه گذاران نسبت به چشم انداز سهام خاص خوش بین هستند ، سهام در یک فروخته می شودحق بیمه ، و بالعکس.

بیشتر ادبیات مرتبط با احساسات سرمایه گذار بررسی می کند که چگونه احساسات بر ارزیابی سهام در داده های سطح شرکت یا جمع شده تأثیر می گذارد. تعداد کمی از مطالعات بررسی کردند که چگونه ارزیابی شرکت تحت تأثیر احساسات سرمایه گذار در منظر بازارهای جهانی و محلی قرار دارد. با فرض اینکه سرمایه گذاران سهام بیشتری را خریداری می کنند وقتی خوش بین از زمان بدبین باشند ، ما پیشنهاد می کنیم که درجات مختلف احساسات سرمایه گذار بر ارزیابی صنایع خاص تأثیر بگذارد. علاوه بر این ، سرمایه گذاران ممکن است در هنگام اجرای استراتژی های سرمایه گذاری مبتنی بر صنعت ، شرایط مربوط به بازارهای سهام محلی و جهانی را به طور کامل حساب کنند. مطالعات تحقیقاتی موجود در حوزه رابطه غیرخطی/نامتقارن بین احساسات سرمایه گذار و بازده صنعت مورد انتظار برای اقتصادهای آسیا با تجزیه و تحلیل سطح صنعت بسیار ناچیز است و این مطالعه به نظر می رسد این شکاف را پر کند.

مطالعاتی انجام شده است که به رابطه بین بازده سهام و احساسات سرمایه گذار بر اساس زمینه داده های تابلویی می پردازد (شملینگ، 2009). در چارچوب پانل، تعداد مشاهدات موجود هنگام بررسی رابطه بازگشت-احساس به شدت افزایش می یابد و در نتیجه می توان داده های آموزنده تری به دست آورد. بنابراین، بررسی های مبتنی بر پانل می تواند به بهره بردن از قدرت آماری و غلبه بر مشکل توان کم کمک کند. شاخص های کمی تمایل محلی ما از درجه نقدشوندگی ۱۱ بازار سهام آسیایی تبعیت می کنند. ما از طریق نقدینگی شاخص سهام جهانی از یک شاخص احساسات جهانی استفاده می کنیم. بر اساس مدل رگرسیون پیش بینی کننده، ما رگرسیون های اثر ثابت پانل را تخمین می زنیم که در آن اثر احساسات بر داده های مبتنی بر صنعت در 11 بازار متکی است. 1 برای سرمایه گذاران فردی، آگاهی از حساسیت های نسبی بازده سهام صنعت به احساسات جهانی و محلی برای اهداف مدیریت ریسک سود زیادی خواهد داشت.

به عنوان De Groot و Verschoor (2002) که رفتار بازارهای سهام آسیایی را بررسی کردند، ما بر اقتصادهای آسیایی تمرکز می کنیم زیرا این بازارها نقدشوندگی بسیار کمتری نسبت به بازارهای توسعه یافته دارند. در نتیجه، اجرای استراتژی های معاملاتی آربیتراژ محدود شده است. بنابراین، بازدهی برای بازارهای آسیایی بیشتر از بازارهای توسعه یافته تحت تأثیر احساسات سرمایه گذاران است. مطالعات قبلی مربوط به بازده سهام و احساسات سرمایه گذاران بر روی یک کشور متمرکز شده است، مانند سیمپسون و رامچاندر (استرالیا، 2002). چلی استیلی و سیگانوس (بریتانیا، 2004)؛تسوجی (ژاپن، 2006)، و آرکت و همکاران.(چین، 2008). با توجه به دانش نویسندگان، این اولین تحقیقی است که به کشورهایی در رابطه بین احساسات منطقه ای و جهانی و بازده سهام با استفاده از چارچوب داده های پانل پرداخته است.

بیکر و همکاران(2012) از یک مدل رگرسیون خطی برای ساخت شاخص های احساسات سرمایه گذار برای شش بازار سهام عمده به عنوان یک شاخص جهانی استفاده می کند. آنها دریافتند که احساسات سرمایه گذار نقش مهمی در نوسانات بازار بین المللی ایفا می کند. با استفاده از یک مدل اثر ثابت تابلویی، باثیا و بریدین (در حال چاپ) رابطه بین احساسات سرمایه گذار و بازده بازار سهام G7 را بررسی می کنند. Easaw و Ghoshray (2008) از مدل های آستانه استفاده می کنند و رفتار نامتقارن و ماهیت چرخه ای احساسات مصرف کننده را در ایالات متحده و بریتانیا پیدا می کنند. Marcucci و Quaglianriello (2009) اشاره می کنند که مدل های رگرسیون آستانه پانل، اثرات رژیم متفاوتی را که با مقدار آستانه درون زا شناسایی می شوند، اجازه می دهند. بر اساس ادبیات ذکر شده در بالا، مقاله ما از مدل های آستانه پانل غیرخطی با و بدون رهگیری رژیم به منظور تحلیل رابطه نامتقارن بین بازده صنعت و احساسات سرمایه گذار استفاده می کند. با فرض اینکه روابط خطی ممکن است برخی از ویژگی های مهم ریسک پذیری بازار سهام را مختل کند، ما به دنبال شواهد تجربی برای رفتار نامتقارن بازده صنایع مختلف در رژیم های احساسات مختلف هستیم.

این مقاله برخی از ویژگی های جدید را ارائه می کند که لزوماً توسط مطالعات موجود مشترک نیستند. ابتدا، ما اولین تلاشی را برای بررسی اینکه چگونه بازده صنعت تحت تأثیر احساسات بازار جهانی و محلی قرار می گیرد، ارائه می دهیم. بیکر و همکاران(2012) دریافتند که هم احساسات جهانی و هم احساسات محلی دارای قدرت پیش بینی مشخص و معنی دار آماری هستند و احساسات جهانی به طور حاشیه ای مهم تر از احساسات محلی است. چانگ و همکاران(2011) تأیید می کند که احساسات جهانی بازده آتی پرتفوی های جهانی را از طریق یک احساسات جهانی پروکسی از طریق شاخص احساسات سرمایه گذار ایالات متحده توضیح می دهد. بیکر و همکاران(2012) شش شاخص کل احساسات را به یک شاخص جهانی واحد و شش شاخص محلی تجزیه کرد. برخلاف مطالعات احساسی قبلی که شاخص های تشکیل شده توسط اقتصاد واحد منطقه ای را به کار می بردند، مقاله حاضر از شاخص های جهانی استفاده می کند.

دوم، شواهد رو به افزایش نشان می دهد که رابطه بین احساسات و بازده سهام پیچیده تر است. به ویژه، تأثیر حاشیه ای احساسات بر بازده ممکن است برای رژیم های با احساسات بالا و پایین (خوش بینی و بدبینی) متفاوت باشد. مک میلان (2003) و لی و چیو (2012) نشان می دهند که بازارهای مالی ممکن است با رفتار غیرخطی ناشی از حضور اصطکاک های بازار، هزینه های مبادله و تعامل بین معامله گران آگاه و "سر و صدا" مشخص شوند. نظریه چشم انداز می تواند رفتار نامتقارن را توضیح دهد که در آن افراد ارزش ها را از سود و زیان با توجه به یک نقطه مرجع به دست می آورند و توابع ارزش افراد در سود و زیان نامتقارن هستند (Kahneman and Tversky, 1979, Lee and Zeng, 2011).. از نظر تجربی، دینگ و همکاران.(2004) و ژانگ و سملر (2009) نظریه چشم انداز را در قیمت گذاری دارایی به کار می برند. مطالعه آن ها نشان می دهد که بازده سهام نسبت به خوش بینی بسیار قوی تر واکنش نشان می دهد، اما نسبت به بدبینی کمتر واکنش نشان می دهد، که به معنای وجود بیزاری از دست دادن سرمایه گذار است که در نتیجه آن ها تمایلی به درک زیان خود ندارند. برخی از مطالعات نیز اهمیت اثرات آستانه را در زمینه مالی پیدا می کنند، به عنوان مثال، ایوانف و همکاران.(2011)، چانگ و سو (2010)، لی و چیو (2012)، و چانگ و لی (2012). ما از مدل آستانه پانل هانسن (1999) بدون رهگیری رژیم و یک نسخه اصلاح شده از آن با یک رهگیری رژیم که توسط Bick (2010) معرفی شد، برای بررسی ارتباط عاطفه و بازده صنعت استفاده می کنیم. این به ما امکان می دهد سطوح آستانه و تأثیر غیرخطی احساسات را بر بازده صنعت در رژیم های مختلف تخمین بزنیم.

سوم، رویکرد احساسات سرمایه گذار که در این مطالعه ایجاد می کنیم، متمایز از رویکردهای قبلی است. بیکر و ورگلر (2007) بررسی می کنند که کدام سهام بیشتر تحت تأثیر احساسات قرار می گیرند. کاپلانسکی و لوی (2010) بحث می کنند که کدام صنایع بیشتر تحت تاثیر بلایای هوایی قرار می گیرند. اشملینگ (2009) بررسی می کند که چه نوع کشوری بیشتر تحت تأثیر احساسات است. اندرسون و همکاران(2010) دریافتند که پس از حباب فناوری اطلاعات (IT)، سرمایه گذاران سرمایه خود را به سمت کالاهای مصرفی غیر چرخه ای، مالی، منابع، خدمات آب و برق و بخش های حباب کوچک تر منتقل کردند. به طور غیرمشابه، ما پیوند بین بازده صنعت و احساسات را هدف قرار داده ایم. بنابراین، بازده صنعت مستقیماً در اندازه گیری ما استفاده می شود، نه بازده کل یا سبد. مقاله ما به ادبیات فعلی در مورد سرمایه گذاری ساده شیک اضافه می کند.

سرانجام ، سطح آستانه تعیین شده توسط احساسات محلی و جهانی به جای استفاده از صفر دلخواه به عنوان نقطه قطع ، نمونه را به رژیم های مختلف ترسیم می کند. از این رو ، اگر روابط غیرخطی بین احساسات سرمایه گذار و بازده صنعت بتواند از حمایت قدرتمندی برخوردار باشد ، این نتایج برای تجزیه و تحلیل مالی سودمند خواهد بود. ما تفاوتهای قابل توجهی بین نتایج به دست آمده از احساسات بازار جهانی و محلی مشاهده می کنیم. با توجه به احساسات جهانی برای نفت و گاز (نفت) ، مالی (FIN) و مراقبت های بهداشتی (HEA) ، پس از درج رهگیری رژیم و هنگامی که احساسات جهانی خوش بین است ، تأثیر مثبت احساسات بر بازده صنعت قابل توجه است. برای Nexus Sentimen t-Retus محلی ، برخی از صنایع جوانتر و سوداگرانه مانند HEA ، FIN و فناوری (TECH) ، در مقایسه با یک مدل غیرخطی ، یک مدل خطی را بهتر متناسب می کنند. با تمرکز بر روی مدل غیرخطی ، نتایج در اینجا تأیید می کند که احساسات محلی خوش بینانه بازده مواد اولیه (MAT) ، ارتباطات از راه دور (TELE) و صنایع (UTIL) را افزایش می دهد.

قسمت باقیمانده این مقاله به شش بخش از هم جدا شده است. بخش بعدی ادبیات موجود را مرور می کند. بخش 3 داده ها و متغیرهای مورد استفاده در این مطالعه را شرح می دهد. بخش 4 این روش را تشریح می کند. بخش 5 نتایج را مورد بحث قرار می دهد. بخش 6 نتیجه گیری را ارائه می دهد.

2. بررسی ادبیات و انگیزه

مطالعات بی شماری از صنعت و بازدارنده وجود دارد ، به عنوان مثال ، اثرات صنعت عملکرد سرمایه گذاری (Bjuggren and Wiberg ، 2008 ، Lee et al. ، آینده) ، صنایعی که پیش بینی بازارهای سهام را پیش بینی می کنند (چو و همکاران ، 2012) ، تأثیر کشور وعوامل صنعت در بازده (Serra ، 2000) ، تنوع بین المللی (گریفین و کارولی ، 1998) ، مقایسه با اثر کشور (Tessitore and Usmen ، 2005) و سهام سهام (رول ، 1992). علاوه بر این ، Cavaglia و همکاران.(2000) نشان می دهد که تنوع در صنایع جهانی کاهش خطر بیشتری را نسبت به تنوع در کشورها فراهم می کند. Diermeier و Solnik (2001) نشان می دهند که ادغام مالی بین المللی بالاتری در یک صنعت باعث افزایش اهمیت عوامل صنعت در توضیح بازده می شود. بنابراین ، اهمیت نسبی عوامل صنعت در توضیح بازده سهام عدالت ، یک مسئله قانع کننده در ادبیات بین المللی مالی است.

در حالی که مطالعات بی شماری خاطرنشان می کند که هر دو احساسات سرمایه گذار و عوامل صنعت ارتباطات مهمی با بازده سهام و بازارهای مالی دارند ، ادبیات موجود در مورد رابطه بین احساسات و صنعت پراکنده است (جدول 1 را ببینید). یک استثناء Kaplanski و Levy (2010) که می دانند در هنگام بلایای حمل و نقل هوایی ، احساسات بازار تأثیر بیشتری بر صنایع کمتری مانند صنعت Hi-TEC دارد ، در حالی که کمترین برنامه ها کمترین تأثیر را دارد. 2 مقاله بیشتر سعی کرده اند پاسخ دهند که چرا برخی از سهام خاص یا کشورها تحت تأثیر احساسات متفاوت هستند. به عنوان مثال ، بیکر و وورگلر ، 2006 ، بیکر و وورگلر ، 2007 اعلام می کنند که سهام سوداگرانه نسبت به احساسات سرمایه گذار حساس تر است. اشملینگ (2009) نشان می دهد که تأثیر احساسات در بازده سهام برای کشورهایی که دارای یکپارچگی بازار کمتری هستند و از نظر فرهنگی مستعد رفتار و واکنش بیش از حد گله هستند ، بیشتر است. در مقابل ، مطالعه ما بر چگونگی تأثیر صنایع توسط بازار محلی و احساسات جهانی برای 11 بازار آسیا متمرکز شده است. شکل 1 مفهوم تحقیق ما را به تصویر می کشد.