وابستگی های بخش پزشکی شبکه ، بیمارستان بریگام و زنان و دانشکده پزشکی هاروارد ، بوستون ، ماساچوست ، ایالات متحده آمریکا ، مرکز تحقیقات پیچیده شبکه و بخش های فیزیک ، علوم و زیست شناسی کامپیوتر ، دانشگاه شمال شرقی ، بوستون ، ماساچوست ، ایالات متحدهآمریکا ، مرکز زیست شناسی سیستم های سرطان ، انستیتوی سرطان دانا-فاربر ، بوستون ، ماساچوست ، ایالات متحده آمریکا

به طور مساوی در این کار با: Yang-Yu Liu ، Jose C. Nacher ، Tomoshiro Ochiai کمک کرد

گروه وابستگی علوم اطلاعات ، دانشکده علوم ، دانشگاه توهو ، فونباشی ، چیبا ، ژاپن

به طور مساوی در این کار با: Yang-Yu Liu ، Jose C. Nacher ، Tomoshiro Ochiai کمک کرد

گروه وابسته به مطالعات اطلاعات اجتماعی ، دانشگاه زنان اوتسوما ، TAMA-SHI ، توکیو ، ژاپن

مرکز وابستگی نوآوری در تجزیه و تحلیل بصری ، مرکز تحقیقات واتسون ، IBM ، کمبریج ، ماساچوست ، ایالات متحده آمریکا

آزمایشگاه رسانه ای وابسته MIT ، کمبریج ، ماساچوست ، ایالات متحده آمریکا

نظریه چشم انداز برای تجارت مالی آنلاین

• یانگ یو لیو ،
• خوزه سی ناکر ،
• Tomoshiro Ochiai ،
• مائورو مارتینو ،
• یانیو آلتشولر

• منتشر شده: 15 اکتبر 2014
• https://doi.org/10. 1371/joual. pone. 0109458

• نظرات خواننده

ارقام

چکیده

نظریه چشم انداز به طور گسترده ای به عنوان بهترین مدل توصیفی موجود در مورد چگونگی ارزیابی ریسک در محیط های آزمایشی در نظر گرفته می شود. بر اساس تئوری چشم انداز، افراد معمولاً نسبت به سودها ریسک گریز هستند و با توجه به زیان ها به دنبال ریسک هستند که به عنوان «اثر بازتاب» شناخته می شود. مردم نسبت به ضرر و زیان بسیار حساس تر از منافعی با همان بزرگی هستند، پدیده ای که «زیان گریزی» نامیده می شود. علیرغم این واقعیت که تئوری چشم انداز در اقتصاد رفتاری در سطح نظری به خوبی توسعه یافته است، مطالعات تجربی در مقیاس بزرگ بسیار کمی وجود دارد و بیشتر مطالعات قبلی با داده های میکرو پانل انجام شده است. در اینجا ما بیش از 28. 5 میلیون معامله انجام شده توسط 81. 3 هزار معامله گر یک جامعه تجارت مالی آنلاین را در طی 28 ماه تجزیه و تحلیل می کنیم، با هدف بررسی جنبه تجربی در مقیاس بزرگ نظریه چشم انداز. با تجزیه و تحلیل و مقایسه رفتار معاملات و معامله گران برنده و بازنده، شواهد روشنی از اثر بازتاب و پدیده زیان گریزی پیدا می کنیم که در نظریه چشم انداز ضروری هستند. از این رو، این کار شواهد تجربی بی سابقه ای از نظریه چشم انداز را نشان می دهد که پیامد فوری در تجارت مالی دارد، به عنوان مثال، توسعه استراتژی های معاملاتی جدید با به حداقل رساندن تأثیر بازتاب و پدیده زیان گریزی. علاوه بر این، ما سه معیار رفتاری جدید را برای متمایز کردن معامله گران برنده و بازنده بر اساس رفتار تجاری تاریخی آنها معرفی می کنیم. این به ما فرصت های بالقوه ای برای تقویت تجارت اجتماعی آنلاین می دهد که در آن معامله گران اجازه دارند فعالیت های معاملاتی دیگران را تماشا و دنبال کنند، با پیش بینی برندگان بالقوه بر اساس رفتار تجاری تاریخی آنها.

نقل قول: Liu Y-Y، Nacher JC، Ochiai T، Martino M، Altshuler Y (2014) تئوری چشم انداز برای تجارت مالی آنلاین. PLoS ONE 9 (10): e109458. https://doi.org/10. 1371/joual. pone. 0109458

ویراستار: توبیاس پریس، دانشگاه وارویک، بریتانیا

دریافت: 23 آوریل 2014; پذیرش: 1 سپتامبر 2014; تاریخ انتشار: 15 اکتبر 2014

حق چاپ: © 2014 Liu et al. این یک مقاله با دسترسی آزاد است که تحت شرایط Creative Commons Attribution License توزیع شده است که استفاده، توزیع و تکثیر نامحدود در هر رسانه را مجاز می کند، مشروط بر اینکه نویسنده و منبع اصلی درج شده باشند.

در دسترس بودن داده ها: نویسندگان تأیید می کنند که به دلایل تأیید شده ، برخی از محدودیت های دسترسی در مورد داده های اساسی یافته ها اعمال می شود. داده های معاملاتی که در این کار مورد تجزیه و تحلیل قرار گرفته است به طور مستقیم توسط نویسندگان جمع آوری نشده است ، بلکه توسط یک شرکت بازرگانی آنلاین تهیه شده است ، با توجه به سیاست حفظ حریم خصوصی داده ها و توافق آنها با MIT. از این رو ، به دلیل نگرانی های اخلاقی و حقوقی ، نویسندگان نمی توانند داده ها را بدون اجازه شرکت در دسترس قرار دهند. با این حال ، در صورت درخواست ، آنها می توانند هر محقق را به آن شرکت ارجاع دهند ، که دسترسی به داده های گذشته (و به طور خاص - همان داده هایی را که برای این تحقیق استفاده شده است) از طریق بستر خود به محققان دانشگاهی که با آنها توافق نامه ای امضا می کنند ، فراهم می کند (این همان است. نویسندگان این کار را کردند). از این رو برای سایر محققان کاملاً امکان پذیر است که با تماس با Yanival@media. mit. edu به صاحب داده دسترسی پیدا کنند.

بودجه: این کار تا حدی توسط NS-CTA تحت حمایت آزمایشگاه تحقیقات ارتش ایالات متحده طبق توافق نامه شماره W911NF-09-2-0053 پشتیبانی شد. DARPA طبق توافق نامه شماره 11645021 ؛DTRA تحت توافق نامه شماره HDTRA1-10-1-0100/BRBAA08-PER4-C-2-0033. 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: مائورو مارتینو کارمند IBM است. این امر باعث تغییر پایبندی نویسندگان به PLOS یک سیاست در مورد به اشتراک گذاری داده ها و مواد نمی شود.

مقدمه

ما در دوره "داده های بزرگ" زندگی می کنیم. بسیاری از فعالیت های روزانه ما مانند چک کردن ایمیل ، برقراری تماس تلفنی با تلفن همراه ، ارسال وبلاگ در رسانه های اجتماعی ، خرید با کارت های اعتباری و انجام معاملات مالی به صورت آنلاین ، آثار دیجیتالی ما را از انواع مختلفی که می تواند برای تجزیه و تحلیل رفتار ما استفاده شود ، پشت سر می گذارد. هجوم ناگهانی داده ها ، تبدیل علوم اجتماعی با سرعت بی سابقه ای است [1] ، [2]. در واقع ، ما شاهد تغییر پارادایم تحقیقات علوم اجتماعی از مصاحبه با ده ها نفر از افراد با پرسشنامه نظرسنجی ساخته شده برای طراحی آزمایشات مربوط به میلیون ها موضوع در رسانه های اجتماعی هستیم [3].

در دسترس بودن مقادیر عظیمی از داده های دیجیتالی همچنین ما را وادار می کند تا در مورد برخی از دیدگاه های اساسی رفتار پیچیده انسان تجدید نظر کنیم. مطالعات اخیر قبلاً این پتانسیل را نشان داده است که مجموعه داده های رفتاری گسترده (به عنوان مثال ، Google Trends ، الگوهای استفاده از ویکی پدیا و تحولات خبری مالی) می تواند درک بهتری از رفتار جمعی انسان در بازارهای مالی ارائه دهد [4] - [7]. در این کار ما بر تصمیم اقتصادی تحت ریسک تمرکز می کنیم ، موضوع اصلی اقتصاد رفتار [8]. نظریه های اقتصادی موفقیت آمیز ، پیچیدگی رفتار اقتصادی انسان را تصدیق کرده و مدلهایی را معرفی می کنند که در تحقیقات روانشناختی به خوبی پایه گذاری شده اند. به عنوان مثال ، تئوری چشم انداز به عنوان بهترین مدل توصیفی موجود در مورد چگونگی ارزیابی افراد ریسک [9] - [14] مشاهده می شود. نظریه چشم انداز بیان می کند که مردم به جای نتیجه نهایی ، بر اساس ارزش بالقوه ضرر و دستاوردها تصمیم می گیرند و افراد با استفاده از اکتشافی خاص ، این ضررها و دستاوردها را ارزیابی می کنند. با وجود این واقعیت که تئوری چشم انداز بینش های قابل توجهی بسیاری ارائه می دهد و بیش از سه دهه مورد مطالعه قرار گرفته است ، تحقیقات تجربی در مقیاس بزرگ بسیار کمی وجود دارد و بیشتر مطالعات قبلی با داده های میکرو پنل انجام شده است [15]-[21]وادعلاوه بر این ، برنامه های نسبتاً معروف و مشهور و پذیرفته شده تئوری چشم انداز در اقتصاد و امور مالی وجود دارد [14]. ظهور سیستم عامل های تجارت اجتماعی آنلاین و در دسترس بودن حجم در حال رشد داده های معاملات مالی افراد به ما کمک می کند تا جنبه تجربی نظریه چشم انداز را به یک مقیاس بزرگ بی سابقه کشف کنیم. علاوه بر این ، تجزیه و تحلیل رفتار تجارت در سطح فردی فرصتی عالی برای توسعه برنامه های مالی عملی تئوری چشم انداز ارائه می دهد.

با استفاده از خرد جمعیت به نفع و سود ما ، تجارت اجتماعی روشی انقلابی برای نزدیک شدن به سرمایه گذاری در بازار مالی بوده است. به لطف برنامه های مختلف وب 2. 0 ، امروزه معامله گران آنلاین می توانند به عنوان منبع اصلی اطلاعات برای تصمیم گیری در مورد تجارت مالی ، به محتوای مالی تولید شده به معامله گر اعتماد کنند. این "داده های داده" سؤالات جدیدی را ایجاد می کند ، پاسخ هایی که می تواند درک ما از پیچیدگی رفتار اقتصادی انسان را بیشتر عمیق تر کند و تجربه تجارت اجتماعی ما را بهبود بخشد. به عنوان مثال ، بسیاری از سیستم عامل های تجاری اجتماعی به ما این امکان را می دهند تا از معامله گران برتر ، معروف به گوروس یا رهبران تجارت ، پیروی کنیم و مستقیماً پول خود را مانند آنها سرمایه گذاری کنیم. سوال این است که چگونه می توان آن معامله گران برتر را شناسایی کرد. تجزیه و تحلیل رفتار تجاری تاریخی آنها یک نقطه شروع طبیعی خواهد بود [22].

تحلیل و بررسی

داده های معاملات مالی مورد استفاده در این کار از یک بستر معاملاتی اجتماعی آنلاین برای مبادلات خارجی و معاملات کالاهای تجاری ناشی می شود. این بستر معاملاتی به معامله گران این امکان را می دهد تا هر دو موقعیت طولانی و کوتاه را با حداقل پیشنهاد چند دلار و همچنین 400 بار اهرم کنند. مهمترین ویژگی بستر معاملاتی اجتماعی این است که هر معامله گر به طور خودکار تمام معاملات بارگذاری شده در بستر را دارد که در آن می توان معاملات را به چند روش آماری نمایش داد ، مانند میزان سود حاصل. سپس معامله گران می توانند حساب های خود را برای کپی کردن یک یا چند معاملات ساخته شده توسط سایر معامله گران تنظیم کنند ، در این صورت بستر معاملات اجتماعی به طور خودکار تجارت (های) را اجرا می کند. بر این اساس ، سه نوع معاملات وجود دارد: (i) تجارت مجرد (یا غیر اجتماعی): معامله گر یک تجارت عادی توسط خودش قرار می دهد.(ii) تجارت کپی: معامله گر یک تجارت دقیقاً همان تجارت یک تجارت واحد B Trader B را قرار می دهد.(iii) تجارت آینه: Trader A به طور خودکار هر تجارت Trader B را اجرا می کند ، یعنی Trader A دقیقاً فعالیت های معاملاتی T Trader B را دنبال می کند. هر دو (ii) و (iii) از این پس به عنوان تجارت اجتماعی گفته می شوند.

حدود 3 میلیون حساب ثبت شده در این بستر معاملاتی اجتماعی آنلاین وجود دارد. برخی از آنها حسابهای عملی هستند ، یعنی تجارت با پول مجازی. داده های ما از بیش از 28. 5 میلیون معاملات ساخته شده توسط 81. 3 هزار معامله گر با پول واقعی از ژوئن 2010 تا اکتبر 2012 تشکیل شده است. 31. 8 ٪ معاملات تک ، 0. 6 ٪ معاملات کپی و 67. 6 ٪ معاملات آینه وجود دارد. ظاهرا ، تجارت اجتماعی در طول پنجره زمانی داده های ما بر این پلت فرم تجارت حاکم است. مطلوب خواهد بود که یاد بگیریم چگونه بهترین معامله گران را دنبال کنید تا بتوانیم تجربه تجارت اجتماعی خود را بیشتر بهبود بخشیم - یک انگیزه عملی از کار فعلی ما. تجزیه و تحلیل کمی فعالیت های معاملاتی معامله گران در چارچوب اقتصاد رفتار به طور طبیعی متناسب با هدف است. در نهایت ، ما می خواهیم بر اساس رفتار معاملاتی تاریخی آنها برندگان بالقوه را پیش بینی کنیم تا بتوانیم از الگوی تجارت اجتماعی استفاده کامل کنیم.

نتایج

تجارت اجتماعی در مقابل تجارت غیر اجتماعی

ما ابتدا باید نشان دهیم که آیا معاملات اجتماعی واقعاً کمک می کند یا خیر. در شکل 1 ما کسری از معاملات برنده را مقایسه می کنیم (n₊/ n) و بازده سرمایه گذاری (ROI (٪)) از سه نوع تجارت مختلف. ما می دانیم که هر سه نوع تجارت بیش از 50 ٪ شانس ایجاد سود خالص مثبت دارند (شکل 1A را ببینید). در میان آنها ، Mirror Trade بالاترین فرصت را دارد () ، بسیار بالاتر از تجارت تک یا کپی. این نشان می دهد که به طور متوسط معاملات اجتماعی (به ویژه معاملات آینه) در واقع به معامله گران کمک می کند تا بیشتر از معاملات غیر اجتماعی برنده شوند. جالب اینجاست که همه انواع تجارت دارای ROI متوسط مثبت نیستند (شکل 1B را ببینید). در حقیقت ، فقط تجارت آینه دارای میانگین ROI () مثبت است ، یعنی سود ، مطابق با نتایج قبلی تولید می کند [23]. از نظر ROI ، معاملات اجتماعی لزوماً بهتر از تجارت غیر اجتماعی عمل نمی کنند. ما متوجه می شویم که تجارت کپی حتی ROI منفی بالاتری نسبت به تجارت غیر اجتماعی دارد ، این بدان معناست که کپی کردن شخصی بر اساس عملکرد گذشته می تواند خطرناک باشد.