بی ثباتی بازار و رابطه واریانس

ما نشان می دهیم که برخی از ویژگی های کلیدی رفتار صندوق های متقابل توسط یک مدل تصادفی از رشد متناسب به حساب می آید. ما می دانیم که وابستگی منفی از واریانس نرخ رشد صندوق ها به اندازه به خوبی توسط یک قانون قدرت تقریبی شرح داده شده است. ما می دانیم که در دوره های بحران نوسانات بزرگترین نرخ رشد وجوه با توجه به وجوه متوسط افزایش می یابد. نتیجه ما نشان می دهد که یک شیب پایین تر و مسطح اطلاعات مربوط به ساختار سیستم را ارائه می دهد. ما می دانیم که نوسانات نرخ رشد ضعیف به اندازه وجوه بستگی دارد ، بنابراین مزایای تنوع حاصل از وجوه بزرگتر را زیر سوال می برد. یافته های ما نشان می دهد که شیب رابطه اندازه-واریانس می تواند به عنوان یک شاخص مصنوعی برای نظارت بر شدت بی ثباتی و ریسک سیستمیک در بازارهای مالی استفاده شود.

معرفی

ارزیابی ثبات مالی به دلیل در دسترس بودن داده ها و هم تعداد و بزرگی تصادفات بازار طی سالها در ادبیات برجسته شده است. چندین شاخص آسیب پذیری در هر دو سطح خرد و کلان برای تولید ارزیابی ریسک در سطح سیستم ایجاد شده است (به عنوان مثال ، به عنوان مثال ، 1،2،3،4 در میان دیگران). سیستم های مالی و مؤسساتی که آنها را تشکیل می دهند می توانند به عنوان شبکه های پیچیده ای از وابستگی های متقابل و تعامل مورد مطالعه قرار گیرند که از یک طرف ، رفتارهای فردی بر سیستم و شکنندگی و آسیب پذیری آن در شوک ها تأثیر می گذارد ، در حالی که از طرف دیگر پیکربندی سیستمبر گسترش پریشانی از طریق روابط متعدد که به شرکت کنندگان آن متصل می شود ، تأثیر می گذارد. این روابط را می توان برای اندازه گیری مکانیسم های انتقال شوک و ایجاد شرایط ناپایدار مورد تجزیه و تحلیل قرار داد. به طور کلی ، نقص بازار می تواند به مکانیسم های مختلفی مانند عدم تعادل کلان ، همبستگی های بازار ، اختلال در اطلاعات ، بیرونی های منفی و عفونت مراجعه کند. اگرچه این پدیده ها باعث گسترش چندین شاخص با هدف ضبط ماهیت بی ثباتی سیستمیک شده اند ، اما سیاست گذاران و تنظیم کننده ها تمایل دارند که روی تعداد کمی از شاخص های کلیدی تمرکز کنند ، با تلاش مداوم برای توسعه چند اقدامات مصنوعی برای ارزیابی درجهشکنندگی مالی یا استرس 1.

در این مقاله بی ثباتی های مالی را از طریق لنز بخش صندوق متقابل بررسی می کنیم. صندوق های متقابل نهادهای مالی هستند که به طور معمول در چندین بازار سرمایه به عنوان سرمایه گذار حرفه ای فعالیت می کنند. این صندوق ها با توجه به طیف گسترده ای از استراتژی های تخصیص سرمایه گذاری می کنند و صنعت مربوطه با حضور بازیکنان در اندازه های مختلف مشخص می شود ، که پرتفوی آنها ممکن است موقعیت های سرمایه گذاری بسیار متمرکز یا تخصیص های متنوع 5،6،7،8،9 را ارائه دهد. با توجه به مقدار زیادی از دارایی های تحت مدیریت ، وجوه متقابل برای درک نقش آنها در پویایی بازارهای مالی و سهم آنها در ظهور برخی از اصطکاک های بازار که بر ثبات مالی تأثیر می گذارد ، مانند وجود توزیع های سنگین در تجارت ، بررسی شده است. حجم و قیمت بازده 10،11،12.

در سالهای اخیر ، اندازه و رشد نهادهای اقتصادی برخی از منظم های اساسی را در چندین حوزه اقتصادی 13،14،15،16،17،18،19 به تصویر می کشد. به عنوان مثال ، توزیع های پارتو و lognormal به عنوان معیارهایی برای توصیف توزیع اندازه حفظ می شوند ، در حالی که حوادث نادر که شامل شوک های مثبت یا منفی بسیار بزرگ است ، باعث می شود توزیع های رشد به صورت نمایی چادر به صورت نمایی با دمهای قانون قدرت باشند. علاوه بر این ، اشخاص کوچکتر احتمالاً احتمال کمتری از بقا را نسبت به موارد بزرگتر نشان می دهند ، اما تمایل به رشد سریعتر دارند ، در حالی که اشخاص بزرگتر نرخ رشد را بی ارتباط با عملکرد یا اندازه های گذشته خود تجربه می کنند. سرانجام ، واریانس نرخ رشد برای اشخاص کوچکتر و پوسیدگی با اندازه به عنوان یک قانون قدرت منفی با یک نماینده ( beta ) نشان می دهد که یک متقاطع از صفر برای اندازه های کوچک تا حدود 0. 20 به عنوان اندازه ازموجودیت بزرگتر می شود. شخصیت جهانی این عادی ها حاکی از آن است که آنها از مجموعه ای از فرآیندهای تصادفی که رشد اشخاص اقتصادی را تشکیل می دهد ، شامل تعداد زیادی از واحدها به طور مشابه با چگونگی ظهور قوانین مقیاس در فیزیک آماری 20،21،22،23 است. مجموعه این منظم همچنین معیارهای تبعیض آمیز بین چندین فرآیند تولید داده 24،25 را ارائه می دهد.

تا چه حد موارد فوق برای اشخاص مالی نیز در نظر گرفته شده است. به عنوان مثال ، برخی از نویسندگان 10،26 قانون قدرت برای دم فوقانی توزیع اندازه وجوه متقابل را پیشنهاد می کنند ، در حالی که برخی دیگر 27 شواهدی را برای یک مدل سازی پیدا می کنند. در عوض ، این فرض که بازده های مالی از توزیع عادی پیروی می کنند توسط شواهد تجربی در چندین بازار مورد سؤال قرار گرفته است که در آن توزیع های حاشیه ای نشان می دهد که دم های چاق تر از آن چیزی است که از یک گاوسی انتظار دارد ، به این معنی که بازده مالی می تواند توسط یک کلاس بزرگ و بزرگ مدل شودتوزیع لپتوکورتیک پایدار انعطاف پذیر که برای دمای سنگین و احتمالاً شکنجه 28،29 جای می گیرد. سرانجام ، روابط بین اندازه و عملکرد و ریسک در ادبیات به مراحل اولیه تئوری نمونه کارها مدرن 30،31،32،33 باز می گردد ، که پیش بینی می کند که دارایی های خطرناک تمایل به حق بیمه بالاتری نسبت به سرمایه گذاری های ایمن تر دارند و اینمیزان تنوع ، تابع همبستگی بین دارایی های موجود در نمونه کارها است.

با این وجود ، چگونگی تعامل بین رفتارهای سرمایه گذاران و پویایی بازار بر میزان ناهمگونی نهادهای مالی تأثیر می گذارد ، زمینه فعلی تحقیق 34،35،36،37،38،39،40 است. به عنوان مثال ، سرمایه گذاران خرده فروشی و حرفه ای ، با تکیه بر سبک های سرمایه گذاری رقیب و پروفایل های مختلف اشتها ، بر جریان خالص منابع مالی تأثیر می گذارند ، به گردش مالی اوراق بهادار و احتمالاً تأثیرگذاری بر پویایی بازارهای اساسی تأثیر می گذارند. بنابراین ، این جنبه ها برای ارزیابی ریسک سیستمیک و ارزیابی شرایط ثبات سیستم های مالی بسیار مهم است. از این رو ، یک تحقیق در حال انجام وجود دارد که با هدف تشخیص چگونگی اندازه و سبک صندوق های سرمایه گذاری ، با سطح تنوع و شرایط نقص ودفولیو آنها ، آسیب پذیری بازارهای مالی ارجاع را شکل می دهد ، با پیامدهای مربوط به طراحی ابزارها و سیاست های مناسب برای نظارتو پویایی بازار و ثبات را بررسی کنید.

در برابر این پیشینه ، رابطه بین اندازه وجوه متقابل و نوسانات نرخ رشد آنها به عنوان ابزاری مناسب برای بررسی تعامل در حال ظهور در سیستم اساسی و به ویژه برای ارزیابی ناهمگونی پرتفوی در دست آمده توسط وجوه به عنوان عملکردی ظاهر می شود. اندازه آنهادر واقع ، ما نشان می دهیم که یک چارچوب نظری پارسا ، به عنوان الگویی که توسط Refs ارائه شده است. 19،41،42،43 ، می تواند متناسب با نمونه صندوق متقابل باشد. به همین دلیل ، ما به چنین چارچوب نظری اشاره می کنیم و پیشنهاد می کنیم از شیب مربوط به رابطه اندازه-واریانس به عنوان یک شاخص مصنوعی برای ارزیابی شرایط کل سیستم ناشی از رفتارهای سطح خرد شرکت کنندگان خود استفاده کنیم. به طور خاص ، ما می دانیم که با بررسی تغییر در تعداد و اندازه واحدهای ابتدایی (یعنی سهام) می توان ظهور منظم بازار فوق الذکر را توضیح داد. مهمتر از همه ، تجزیه و تحلیل ما نشان می دهد که در طول شیوع بازارهای مالی در سال 2007-2008 ، رابطه اندازه و واریانس مسطح تر شد. در هنگام نزدیک شدن به یک انتقال بحرانی ، سهام در واقع به همبستگی تمایل دارند (به عنوان مثال ، به عنوان مثال ، 4،44،45،46،47) مراجعه کنید ، بنابراین مزایای تنوع را کاهش می دهد که به عنوان مثال ، وجوه بزرگتر به طور معمول در مراحل آرام فراهم می شود. از این رو شیب رابطه اندازه-واریانس را می توان به عنوان یک شاخص مصنوعی از شرایط اساسی بازار و نگرش سرمایه گذاران به ریسک و تنوع تعبیر کرد. از این رو ، یک شیب پایین تر و مسطح تر از ساختار سیستم آموزنده است ، به این معنی که ناهمگونی نرخ رشد ضعیف به اندازه وجوه بستگی دارد. این به نوبه خود ، ممکن است در مورد میزان تنوع مؤثر نمونه کارها که توسط صندوق های بزرگتر در طی مراحل بحران ارائه می شود ، شک داشته باشد. از این رو شیب رابطه اندازه-واریانس را می توان به عنوان ابزاری مصنوعی مورد سوء استفاده قرار داد که از ویژگی های تئوری در سطح صندوق تأسیس شده و عملاً برای تنظیم کننده ها و شرکت کنندگان در بازار مرتبط است.

نتایج

ما به مدل تصادفی رشد متناسب متناسب ارائه شده در 19،41،42،43 برای استخراج حقایق تلطیف شده در صنعت صندوق های متقابل اشاره می کنیم. این مدل بر اساس دو مجموعه فرضیه های تجربی قابل اثبات در مورد ساختار نهادهای اقتصادی است. مجموعه اول مبتنی بر قانون رشد متناسب Gibrat در واحدهای فردی 13 است ، با بیان اینکه اندازه واحدها با توجه به یک فرآیند ضرب تصادفی تغییر می کنند که می تواند با یک حرکت هندسی براونیایی نشان داده شود. مجموعه دوم فرضیات مدل سیمون رشد ترجیحی 15 است که براساس آن نهادهای اقتصادی از واحدهایی تشکیل شده اند که می توانند با نرخ ( lambda ) ایجاد شوند یا با نرخ ( mu ) به نسبت تعداد تعداد نابود شوندواحدهای موجود در موجودیت ؛علاوه بر این ، نهادهای اقتصادی جدید متشکل از تعداد کمی از واحدها را می توان با نرخ ( nu ) ایجاد کرد. در مطالعه ما ، بنابراین یک صندوق به عنوان یک نهاد تشکیل شده توسط دارایی های نگهدارنده آن تعبیر می شود ، که اندازه آنها با میزان ثروت سرمایه گذاری شده برای به دست آوردن تعداد مشخصی از سهام آنها اندازه گیری می شود. مقادیر مربوط به بازار این دارایی های نمونه کارها منعکس می شود ، بنابراین ، تأثیر ترکیبی از تصمیم در مورد میزان مقادیر آنها در نمونه کارها و تأثیر قیمت های مربوط به بازار است.

تجزیه و تحلیل ما به CRSP (مرکز تحقیقات در قیمت های امنیتی) متکی است بدون تعصب Survivor [..] مجموعه داده های بدون تعصب Survivor که سوابق تاریخی را برای دارایی های نمونه کارها و عملکرد صندوق های متقابل باز ایالات متحده جمع می کند. دارایی های نمونه کارها به ما امکان می دهد تا این صندوق ها را بیشتر در کلاسهای دارایی خاص (به عنوان مثال ، اوراق قرضه یا سهام) فیلتر کنیم. ما تجزیه و تحلیل خود را به بودجه هایی که عمدتاً در سهام سرمایه گذاری می کنند محدود می کنیم زیرا می توانند به راحتی در زمان و در صندوق های مختلف ترسیم شوند. انواع دیگر دارایی ها ، در واقع ، قرار گرفتن در معرض صندوق (به عنوان مثال ، مشتقات) را منعکس می کنند یا به زمان انقضاء تعهد مالی (به عنوان مثال ، اوراق قرضه) وابسته هستند و به همین دلایل از مطالعه ما مستثنی هستند. مطابق با Ref. 27 ، این انتخاب با انتخاب آن صندوق ها با موقعیت های سهام بالا که به طور متوسط مطابق با حداقل (80 ٪ ) از نظر کل ارزش دارایی خالص صندوق انجام می شود ، یعنی با شیوع ابزارهای سهام در بین نمونه کارها آنها انجام می شود. بشرما در تجزیه و تحلیل به شناسه CUSIP مراجعه می کنیم.

به طور خاص، برای هر تاریخ گزارش سه ماهه t از مارس 2003 تا ژوئن 2013، ما اندازه یک صندوق، یعنی S (t) را به عنوان مجموع (sum _i^Kxi _i) از ارزش های بازار محاسبه می کنیم. K دارایی سهام، یعنی (xi _i(t)) . ارزش بازار این دارایی ها در نمونه ما بین چند هزار دلار تا چند میلیارد دلار است که به اندازه متوسط وجوه چند میلیارد دلاری مربوط می شود. سپس نرخ رشد سه ماهه هر صندوق به صورت (ln (frac)) محاسبه می شود و به طور مشابه برای هر سهام در یک صندوق به صورت (ln (frac) محاسبه می شود.<xi _i(t)><xi _i(t-1)>)) . ما در جدول 1 برخی از آمارهای خلاصه را گزارش می کنیم. توجه داشته باشید که چگونه محیط تحلیل ما در طول دوره نمونه بزرگتر می شود، همانطور که با افزایش تعداد هر دو صندوق و سهام نگهداری شده در پرتفوی آنها و همچنین با افزایش اندازه دارایی تحت مدیریت نشان داده می شود. علاوه بر این، توزیع اندازه وجوه با رواج وجوه کوچک با انحراف درست به نظر می رسد.

تغییرات در شیب رابطه اندازه و واریانس می تواند به عنوان مثال به تغییر در همبستگی های قیمت سهام و/یا به تغییر در رفتار سرمایه گذاری مدیران صندوق و سرمایه گذاران خرد مرتبط باشد که نوردهی پرتفوی را اصلاح می کند. این اثرات، اگرچه به طور ایده آل متمایز هستند، ممکن است در واقع با یکدیگر ترکیب شده و در دوره های پریشانی بازار، مانند فروش آتش سوزی و پدیده های آبشاری، تقویت شوند. یکی از اهداف اصلی کار ما ارزیابی رابطه اندازه و واریانس با پیشنهاد یک تمایز ساده بین تغییراتی است که به دلیل تأثیر پویایی قیمت بازار و آنهایی که به تغییرات وزن پرتفوی اشاره دارند، رخ می دهد. ما به این اثر اخیر به عنوان تصمیمات سرمایه گذاران برای متعادل کردن مجدد پرتفوی ها اشاره می کنیم، که در آن تغییرات مقادیر پرتفوی، اقدامات سرمایه گذاران خرد را که ممکن است در سرمایه گذاری یا بازخرید سهام صندوق ها سرمایه گذاری کنند، و همچنین مدیران صندوقی که پس از آن عملاً تخصیص می دهند، تعبیه می کند. دارایی های موجود تحت مدیریت

به منظور مثال زدن به نقش اقدام سرمایه گذاران ، ما یک مجموعه داده مصنوعی تهیه کرده ایم که در آن تمام داده ها را بدون تغییر رها می کنیم ، ضمن اینکه جایگزین مقادیر بازار سهام های فردی در زمان t ، یعنی ( xi _i (t) هستیم. Equiv n_i (t) p_i (t) ) ، توسط (n_i (t-1) p_i (t) ) که در آن (n_i (t) ) تعداد سهام سهام I و (p_i (t (t) است) ) قیمت آن به عنوان تابع زمان است. بنابراین ، ما فرض می کنیم که نوسانات ارزش بازار سهام صرفاً توسط پویایی قیمت بازار ایجاد می شود. رابطه اندازه واریانس (شکل 2A را ببینید) محاسبه شده توسط این روش تقریباً مسطح می شود ، اگرچه نوسانات کلی دوباره برای سالهای بحران بسیار قوی تر است. این مثال نشان می دهد که تصمیمات سرمایه گذاران برای تعادل وزن نمونه کارها در تغییر شیب روابط اندازه واریانس نقش دارند ، در حالی که به نظر می رسد حرکات قیمت مسئول سطح کلی نوسانات ارزش بازار است.

علاوه بر این ، تجزیه و تحلیل دقیق از نرخ رشد بزرگترین وجوه در طول بحران نشان می دهد که افزایش تنوع با اندازه برای بودجه بسیار بزرگ عمدتاً با اقدامات چند ده بودجه ایجاد می شود ، که در آپوژین بحران(در سه ماهه سوم و چهارم سال 2008) ناگهان دارایی های خود را در سهام از تقریباً صد به کمتر از 10 ٪ کاهش داد ، در حالی که در سه ماهه بعدی آنها بخش اصلی قرار گرفتن در معرض سهام را در اوراق بهادار خود بازیابی کردند. این عمل ممکن است دلیل زیر را داشته باشد. این وجوه با پیش بینی کاهش قیمت فاجعه بار در طی ماه ها پس از فروپاشی بازارهای مالی ، ممکن است قرار گرفتن در معرض بازار خود را در برابر سهام کاهش داده و پول را در نقدینگی یا در دارایی های ایمن تر مانند اوراق بهادار نگه داشته باشد. با این حال ، فروش گسترده دارایی های سهام حتی می تواند به دلیل فروش آتش و اثرات آبشار ، اثرات مضر دیگری بر قیمت سهام ایجاد کند. بنابراین می تواند این اتفاق بیفتد که به محض کاهش چشمگیر قیمت سهام ، این وجوه ممکن است دوباره آنها را با قیمت پایین در دستیابی به تولید عملکردهای بالا خریداری کرده باشد که در نهایت قیمت بازار دوباره به وجود می آید. بدیهی است ، این رفتار برای وجوه بزرگتر امکان پذیر به نظر می رسد ، که مداخله در تخصیص آنها ممکن است تأثیر مرتبط بر قیمت سهام داشته باشد.

برای تأیید اینکه آیا این رفتار می تواند تأثیر واقعی داشته باشد ، ما از تجزیه و تحلیل نرخ رشد آن صندوق هایی که قرار گرفتن در معرض سهام آنها در ابتدا یا پایان سه ماهه کمتر از 98 ٪ از کل ارزش صندوق یا بیش از 102 ٪ است ، مستثنی می کنیم.(درصد سهام ممکن است به دلیل وجود بدهی ها و سایر کلاس های دارایی بیشتر از 100 ٪ باشد.) در واقع ، پس از حذف چنین مشاهداتی (شکل 2B را ببینید) ، افزایش واریانس وجوه بزرگ در دوره بحران از بین می رود و از بین می رود ورابطه اندازه-واریانس را می توان با قانون قدرت بهتر کرد ( sigma _r = s^). تأثیر بحران با این حال هنوز در افزایش کلی مقادیر ( sigma ) و افت مقدار ( بتا ) در دوره بحران وجود دارد (همچنین به شکل 3 مراجعه کنید). از آنجا که این اثر باقیمانده را می توان با افزایش مقادیر همبستگی قیمت سهام در طول بحران توضیح داد ، ما بخش بعدی را اختصاص می دهیم تا به طور خاص به این نکته بپردازیم.

همبستگی

می توان انتظار داشت که همبستگی های قوی به دلیل حرکت های مشترک قوی بین قیمت سهام پدیدار شود. در واقع، میانگین همبستگی تغییرات قیمت در بین سهام همان صندوق تقریباً 0. 31 است که از 0. 13 در سال قبل از بحران 2004-2005 به 0. 50 در طول سال های بحران مالی افزایش یافته و حتی پس از بحران نیز در سطوح بزرگ باقی می ماند.(شکل 4a را ببینید). از سوی دیگر، همبستگی های تغییرات تعداد سهام رفتار متفاوتی دارد که نشان دهنده مداخله مستقیم سرمایه گذاران برای متعادل کردن تأثیر همبستگی قیمت ها بر ارزش های بازار است. در واقع، همبستگی تغییرات تعداد سهام در حدود 0. 20 در نوسان است و در مرحله بحران تغییر چندانی نمی کند. از این رو، همبستگی های تغییرات ارزش های بازار، که نتیجه ترکیبی از تغییرات قیمت و تعداد سهام است، بین تغییرات متناظر آنها رفتار می کند، بنابراین در طول بحران 2007-2008 نسبت به همبستگی های قیمتی کمتر است، اما افزایش می یابد. با توجه به همبستگی قیمت ها در سال های قبل از بحران. برای آزمایش اینکه آیا اقدامات سرمایه گذاران با تغییرات قیمت مرتبط است، ما همبستگی بین تغییرات قیمت و تغییرات تعداد سهام مربوطه برای هر دارایی را اندازه گیری می کنیم و آنها را در تمام صندوق ها میانگین می کنیم. مشاهده می کنیم که این همبستگی ها برای سال هایی که تحت تأثیر بحران قرار نگرفته اند منفی هستند، اما در طول بحران مثبت هستند. اهمیت یافته های ما با محاسبه همبستگی ها برای سری های زمانی تصادفی شده تأیید می شود و توجه می کنیم که مقادیر مشاهده شده چندین انحراف استاندارد بسیار دور از مقادیر تصادفی شده هستند. این مشاهدات حاکی از آن است که اقدام سرمایه گذاران ممکن است در سال های عادی اثر تثبیت کننده ای بر بازار داشته باشد، به این معنا که وقتی قیمت ها بالا می روند، تمایل به فروش دارند و بالعکس، در حالی که در زمان بحران و بلافاصله پس از آن، رفتار سرمایه گذاران می تواند باعث تقویت بازار شود. پویایی قیمت های بازار، جنبه ای که با ایده فروش آتش سوزی و اثرات آبشاری در طول دوره های بازار پریشان منسجم به نظر می رسد.

با این نظر ، مشاهده مهم وابستگی همبستگی قیمت به اندازه صندوق است. در دوره بحران ، وجوه بزرگتر همبستگی قیمت بالاتری بین دارایی های خود نسبت به بودجه کوچکتر دارند و در نتیجه شیب رگرسیون مثبت همبستگی قیمت و اندازه صندوق ایجاد می شود (شکل 4B را ببینید). این یافته ممکن است شکل گیری در طول بحران گروه های همبسته سهام ، احتمالاً با مقادیر بزرگ اتوکواریانس را نشان دهد (به عنوان مثال ، به عنوان مثال ، 44،45،46) ، که به احتمال زیاد در بودجه های بزرگ وجود دارند ، باشد. با این وجود ، به نظر می رسد فعالیت سرمایه گذاران با مداخله در نسبت های دارایی خود ، تأثیر همبستگی نوسانات قیمت دارایی را کاهش می دهد. این اثر در صندوق های بزرگتر برجسته تر به نظر می رسد و منجر به کاهش و منفی کردن دامنه ها با توجه به ارزش بازار قرار گرفتن در معرض نمونه کارها می شود.< Pan> با این نظر ، مشاهده مهم وابستگی همبستگی قیمت به اندازه صندوق است. در دوره بحران ، وجوه بزرگتر همبستگی قیمت بالاتری بین دارایی های خود نسبت به بودجه کوچکتر دارند و در نتیجه شیب رگرسیون مثبت همبستگی قیمت و اندازه صندوق ایجاد می شود (شکل 4B را ببینید). این یافته ممکن است شکل گیری در طول بحران گروه های همبسته سهام ، احتمالاً با مقادیر بزرگ اتوکواریانس را نشان دهد (به عنوان مثال ، به عنوان مثال ، 44،45،46) ، که به احتمال زیاد در بودجه های بزرگ وجود دارند ، باشد. با این وجود ، به نظر می رسد فعالیت سرمایه گذاران با مداخله در نسبت های دارایی خود ، تأثیر همبستگی نوسانات قیمت دارایی را کاهش می دهد. این اثر در صندوق های بزرگتر برجسته تر به نظر می رسد و منجر به کاهش و منفی کردن دامنه ها با توجه به ارزش بازار قرار گرفتن در معرض نمونه کارها می شود. با این نظر ، یک مشاهده مهم ، وابستگی همبستگی قیمت به اندازه صندوق است. در دوره بحران ، وجوه بزرگتر همبستگی قیمت بالاتری بین دارایی های خود نسبت به بودجه کوچکتر دارند و در نتیجه شیب رگرسیون مثبت همبستگی قیمت و اندازه صندوق ایجاد می شود (شکل 4B را ببینید). این یافته ممکن است شکل گیری در طول بحران گروه های همبسته سهام ، احتمالاً با مقادیر بزرگ اتوکواریانس را نشان دهد (به عنوان مثال ، به عنوان مثال ، 44،45،46) ، که به احتمال زیاد در بودجه های بزرگ وجود دارند ، باشد. با این وجود ، به نظر می رسد فعالیت سرمایه گذاران با مداخله در نسبت های دارایی خود ، تأثیر همبستگی نوسانات قیمت دارایی را کاهش می دهد. این اثر در صندوق های بزرگتر برجسته تر به نظر می رسد و منجر به کاهش و منفی کردن دامنه ها با توجه به ارزش بازار قرار گرفتن در معرض نمونه کارها می شود.

بنابراین ، تنوع در معرض قرار گرفتن در معرض نمونه کارها محرک مهمی برای پویایی بازار صندوق مربوطه است. به منظور تجزیه و تحلیل آن ، ما از شاخص Herfindah l-Hirschman (HHI) به عنوان معیار غلظت نمونه کارها استفاده می کنیم ، که برای هر صندوق با استفاده از مقادیر دارایی های سه ماهه خود محاسبه می شود. از این رو ، یک ارزش HHI نزدیک به یک بدان معنی است که صندوق مربوطه ثروت خود را تقریباً در یک دارایی واحد سرمایه گذاری می کند ، در حالی که مقادیر اشاره به صفر برای تخصیص متنوع تر منابع هستند. به طور خاص ، ارزش معکوس HHI را می توان به عنوان تعداد دارایی های پیشرو در صندوق تعبیر کرد (به عنوان مثال ، Ref 38 مراجعه کنید). HHI معکوس در دوره نمونه ما افزایش می یابد و از میانگین ارزش حدود 60 در سالهای قبل از بحران به تقریباً 75 در سال 2009 و بالاتر از 80 در دوره بحران پس می رود. از این رو ، به نظر می رسد که به طور متوسط وجوه پس از بحران ، تخصیص نمونه کارها کمتر متمرکز را انتخاب می کند. سپس ، ما با محاسبه همبستگی مقادیر لگاریتمی برای هر سال به طور جداگانه ، مقدار HHI هر صندوق را با اندازه مربوطه آن مرتبط می کنیم. برآوردهای ما نشان می دهد که همبستگی ها از مقادیر اطراف (-0. 40 ) در دوره 2003-2005 حرکت می کنند ، در دوسالانه قبل از بحران به حدود (-0. 28 ) کاهش می یابد و به حداقل می رسد (--0. 12 )در سال 2009 ، پس از آن در سالهای بعد کمی در ارزش مطلق افزایش می یابد. از این رو ، متنوع سازی نمونه کارها از وجوه متقابل در سالهای بحران به اندازه کمتر وابسته شد. این یافته با موارد گزارش شده در شکل 3 منسجم است ، که در آن اثرات بحران منجر به یک رابطه بی واریانس ضعیف شده است که با افت در مقدار ( بتا ) نشان داده می شود.

بحث

فرض در مورد عدم همبستگی بین نرخ رشد واحدها به وضوح در صنعت صندوق های متقابل نقض می شود. در حقیقت ، اگر واحدها را به عنوان دارایی سهام مختلف شناسایی کنیم ، ارزش بازار آنها به دلیل همبستگی بین قیمت سهام ، به ویژه در سالهای بحران ، بسیار با همبستگی است. به عنوان یک نتیجه ، ما انتظار داشتیم که رابطه متغیر اندازه بسیار ضعیف تری نسبت به سایر سیستمهایی که در آن واحدها به عنوان محصولات جداگانه شناخته می شوند ، انتظار داشته باشیم که هر یک از آنها زیر مجموعه مستقل خود را اشغال می کنند. با این وجود ، ما تقریباً همان نماینده را می یابیم ( بتا تقریبا 0. 16 ).

در واقع ما نشان داده ایم که رابطه اندازه-واریانس نیز تحت تأثیر اقدامات سرمایه گذاران قرار دارد. به طور خاص ، ما مشاهده می کنیم که تأثیر تغییرات تعداد سهام سهام موجود در پرتفوی ها بسیار بیشتر از نوسانات قیمت سهام است و بر تغییرات ارزش بازار اوراق بهادار حاکم است. در کمال تعجب ، ما می دانیم که همبستگی بین قیمت سهام نقش مهمی در شکل گیری ناهمگونی نرخ رشد صندوق ها ندارد. در واقع ، ما کشف می کنیم که رابطه غیرطبیعی اندازه-واریانس در طول بحران مالی به دلیل تلاش برخی از وجوه بزرگ برای جابجایی مواضع سهام خود به سایر طبقات دارایی است. جالب اینجاست که به نظر می رسد تنها بخش کوچکی از وجوه در این نوع فعالیت در نمونه ما درگیر است. اگر ما از تجزیه و تحلیل از همه وجوه با کسری از سرمایه گذاری آنها در سهام خارج از یک بازه نسبتاً باریک در حدود 100 ٪ خارج شویم ، رابطه اندازه واریانس در طول سالهای بحران ، رفتار تقریباً قدرت خود را اما با یک نماینده بسیار پایین بازیابی می کند.

از دیدگاه ثبات مالی ، این تحقیق به فرد اجازه می دهد تا ویژگی های مهم مهم سیستم تحت بررسی را با توجه به تغییرات ضریب شیب رابطه اندازه و واریانس نشان دهد. از این رو ، ما پیشنهاد می کنیم که از آن به عنوان یک شاخص مصنوعی رمان استفاده کنیم که از ویژگی های تئوری که از نظر تئوری تأسیس شده است سوء استفاده می کند تا عملاً برای تنظیم کننده ها و شرکت کنندگان در بازار علاقه مند به نظارت بر دوره های بی ثباتی بازار باشد. به طور خاص ، تنظیم کننده ها ممکن است از رابطه واریانس اندازه استفاده کنند تا ارزیابی گسترده ای از سیستم از شرایط پایداری ارائه دهند. شیب پایین تر از سیگنال های رابطه واریانس ، در واقع ، سیستمی که در آن ناهمگونی نرخ رشد ضعیف است به اندازه وجوه بستگی دارد. این بدان معناست که در این شرایط مزایای تنوع نمونه کارها ، که به طور معمول توسط بودجه بزرگتر در دوره های آرام فراهم می شود ، ضعیف به نظر می رسد. بنابراین یک شیب مسطح از منابع بالقوه آسیب پذیری در سیستم اساسی آموزنده است. درعوض ، مدیران صندوق ممکن است از این اطلاعات مصنوعی برای شناسایی موقعیت یابی خود در نمودار اندازه واریانس استفاده کنند و میزان تنوع مؤثر نمونه کارها را به ویژه در دوره های پریشانی بازار ارزیابی کنند.

برخی از برنامه های افزودنی وجود دارد که می تواند در کارهای آینده در نظر گرفته شود. اگرچه استفاده از CRSP به طور گسترده در ادبیات پراکنده است ، این نمونه محدودیت هایی دارد (به عنوان مثال ، Ref 48) ، بنابراین نیاز به گسترش تجزیه و تحلیل به سایر منابع داده ، احتمالاً از جمله سایر بازارهای سرمایه با یک جغرافیایی توزیع شده در سطح جهانی است. پوششهمچنین ، یک تجزیه و تحلیل عمیق تر ممکن است نقش بودجه با پروفایل های ساختاری مختلف را در نظر بگیرد ، به عنوان مثال بین بازیکنان داخلی و بین المللی یا بین صندوق های فعال در مقابل منفعل متمایز شود. سرانجام ، از منظر ثبات مالی ، آزمایش پیش بینی های این چارچوب در یک افق زمانی طولانی تر و احتمالاً با فرکانس بالاتر مشاهده بسیار جالب خواهد بود.

منابع

1. Gadanecz ، B. & Jayaram ، K. اقدامات ثبات مالی - یک بررسی. ماهی ایروینگکام. گاو نر31 ، 365-383 (2008). گوگل دانشکده
2. Acharya ، V. V. نظریه ریسک سیستمیک و طراحی تنظیم مقررات احتیاطی بانک. J. مالی. چاقو5 ، 224-255 (2009). Articlegoogle Scholar
3. Bisias ، D. ، Flood ، M. ، Lo ، A. W. & Valavanis ، S. بررسی تجزیه و تحلیل ریسک سیستمیک. AnnuRev. Financy. ECON4 ، 255-296 (2012). Articlegoogle Scholar
4. Spelta ، A. ، Flori ، A. ، Pecora ، N. ، Buldyrev ، S. V.& Pammolli ، F. یک رویکرد رفتاری به مسیرهای بی ثباتی در بازارهای مالی. نات. ارتباط11 ، 1-9 (2020). ArticleCasgoogle Scholar
5. Gruber ، M. J. یک معمای دیگر: رشد صندوق های متقابل به طور فعال مدیریت شده. J. Finance 51 ، 783-810 (1996). Articlegoogle Scholar
6. Kacperczyk ، M. ، Sialm ، C. & Zheng ، L. در مورد غلظت صنعت صندوق های متقابل سهام عدالت فعال. J. مالی 60 ، 1983-2011 (2005). Articlegoogle Scholar
7. Khorana ، A. ، Servaes ، H. & Tufano ، P. توضیح در مورد اندازه صنعت صندوق های متقابل در سراسر جهان. J. مالی. ECON78 ، 145-185 (2005). Articlegoogle Scholar
8. Ferreira ، M. A. & Matos ، P. رنگ های پول سرمایه گذاران: نقش سرمایه گذاران نهادی در سراسر جهان. J. مالی. ECON88 ، 499-533 (2008). Articlegoogle Scholar
9. Flori ، A. ، Pammolli ، F. ، Buldyrev ، S. V. ، Regis ، L. & Stanley ، H. E. جوامع و منظم در رفتار مدیران صندوق های سرمایه گذاری. در مجموعه مقالات آکادمی ملی علوم 201802976 (2019).
10. Gabaix ، X. ، Gopikrishnan ، P. ، Plerou ، V. & Stanley ، H. E. نظریه توزیع قدرت قانون در نوسانات بازار مالی. طبیعت 423 ، 267 (2003). ArticleadspubmedMathcasgoogle Scholar
11. Levy ، M. ، Solomon ، S. & Ram ، G. توضیح دینامیکی برای ظهور قانون قدرت در یک مدل بازار سهام. int. J. Mod. فیزیکج 7 ، 65-72 (1996). Articleadsgoogle Scholar
12. سلیمان ، س. و ریچموند ، P. قوانین ثروت قدرت ، حجم سفارش بازار و بازده بازار. Physica A 299 ، 188-197 (2001). Articleadsmathgoogle Scholar
13. Gibrat ، R. les inégalités économiques (Recueil Sirey ، پاریس ، 1931). دانشمند Mathoogle
14. Ijiri ، Y. & Simon ، H. A. برخی از توزیع های مرتبط با آمار بو ز-انیشتین. پروکنات. ACADعلمی72 ، 1654-1657 (1975). ArticleadsmathscinetPubmedCaspubmed CentralGoogle Scholar
15. Ijiri ، Y. & Simon ، H. A. توزیع SKEW و اندازه شرکت های تجاری جلد. 24 (شمال هلند ، آمستردام ، 1977). دانشمند Mathoogle
16. استنلی ، M. H. و همکاران. رفتار مقیاس در رشد شرکت ها. طبیعت 379 ، 804-806 (1996). ArticleadScasgoogle Scholar
17. میراث Sutton ، J. Gibrat. J. Econ. روشن35 ، 40-59 (1997). گوگل دانشکده
18. Sutton ، J. واریانس نرخ رشد شرکت: ‘ScalingPuzze. Physica A 312 ، 577-590 (2002). Articleadsmathgoogle Scholar
19. Buldyrev ، S. V. ، Pammolli ، F. ، Riccaboni ، M. & Stanley ، H. E. ظهور و سقوط بنگاه های تجاری: یک چارچوب تصادفی در مورد نوآوری ، تخریب خلاق و رشد (انتشارات دانشگاه کمبریج ، کمبریج ، 2020). دانشمند
20. استنلی ، H. E. انتقال فاز و پدیده های بحرانی (Clarendon Press ، آکسفورد ، 1971). گوگل دانشکده
21. Kadanoff ، L. P. Scaling and Multicaling: Fractals and Multifractals (ناشر علوم Elsevier ، آمستردام ، 1991) ، پدیده های غیرخطی در مایعات ، مواد جامد و سایر سیستم های پیچیده EDN.
22. Mantegna ، R. N. & Stanley ، H. E. رفتار مقیاس در پویایی یک شاخص اقتصادی. طبیعت 376 ، 46 (1995). ArticleadScasgoogle Scholar
23. West ، G. B. مقیاس: قوانین جهانی رشد ، نوآوری ، پایداری و سرعت زندگی در ارگانیسم ها ، شهرها ، اقتصادها و شرکت ها (پنگوئن ، لندن ، 2017). گوگل دانشکده
24. Brock ، W. A. & Durlauf ، S. N. یک الگوی رسمی از انتخاب تئوری در علم. ECONنظریه14 ، 113-130 (1999). ArticleMathscinetMathgoogle Scholar
25. Brock ، W. A. مقیاس گذاری در اقتصاد: راهنمای خواننده. Ind. Corp. Change 8 ، 409-446 (1999). Articlegoogle Scholar
26. Gabaix ، X. ، Gopikrishnan ، P. ، Plerou ، V. & Stanley ، H. E. سرمایه گذاران نهادی و نوسانات بازار سهام. Q. J. Econ. 121 ، 461-504 (2006). Scholar ArticleMathgoogle
27. Schwarzkopf ، Y. & Farmer ، J. D. مطالعه تجربی از دم اندازه صندوق متقابل. فیزیکRev. E 81 ، 066113 (2010). ArticleadScasgoogle Scholar
28. McCulloch ، J. H. اندازه گیری ضخامت دم برای برآورد شاخص پایدار ( alpha ): یک نقد. J. Bus. ECONآمار15 ، 74-81 (1997). Scholar MathscinetGoogle
29. راشف ، س. و میتنیک ، س. مدلهای پارتیایی پایدار در امور مالی (ویلی ، نیویورک ، 2000). دانشمند Mathoogle
30. Markowitz ، H. Portfolio Selection. J. Finance 7 ، 77-91 (1952). گوگل دانشکده
31. شارپ ، W. F. عملکرد صندوق متقابل. J. Bus. 39 ، 119-138 (1966). Articlegoogle Scholar
32. جنسن ، م. C. عملکرد وجوه متقابل در دوره 1945-1964. J. Finance 23 ، 389-416 (1968). Articlegoogle Scholar
33. Banz ، R. W. رابطه بین بازده و ارزش بازار سهام مشترک. J. مالی. ECON9 ، 3-18 (1981). Articlegoogle Scholar
34. Jotikasthira ، C. ، Lundblad ، C. & Ramadorai ، T. فروش و خرید آتش سوزی دارایی و انتقال بین المللی شوک های بودجه. J. Finance 67 ، 2015-2050 (2012). Articlegoogle Scholar
35. Frey ، S. ، Herbst ، P. & Walter ، A. اندازه گیری گله های صندوق متقابل - یک رویکرد ساختاری. J. int. مالی. علامت گذاری. Instپول 32 ، 219-239 (2014). Articlegoogle Scholar
36. Fricke ، E. Board Holdings ، جبران خسارت و گردش مالی صندوق متقابل. J. مالی. سرویسres47 ، 295-312 (2015). Articlegoogle Scholar
37. Morris ، S. ، Shim ، I. & Shin ، H. S. Residption Risk and Hasting Cash توسط مدیران دارایی. J. Monet. ECON89 ، 71-87 (2017). Articlegoogle Scholar
38. Delpini ، D. ، Battiston ، S. ، Caldarelli ، G. & Riccaboni ، M. ریسک سیستمیک از شباهت های سرمایه گذاری. PLOS ONE 14 ، E0217141 (2019). ArticlePubmedPubmed CentralCasgoogle Scholar
39. Capponi ، A. ، Glasserman ، P. & Weber ، M. Swing قیمت گذاری برای صندوق های متقابل: شکستن حلقه بازخورد بین فروش آتش و بازخرید صندوق. مدیر. علمی66 ، 3581-3602 (2020). Articlegoogle Scholar
40. Fricke ، C. & Fricke ، D. مدیریت دارایی آسیب پذیر؟پرونده وجوه متقابل. J. مالی. چاقو52 ، 100800. https://doi. org/10. 1016/j. jfs. 2020. 100800 (2021).
41. فو ، D. و همکاران. رشد بنگاه های تجاری: چارچوب نظری و شواهد تجربی. پروکنات. ACADعلمیایالات متحده آمریکا 102 ، 18801-18806 (2005). ArticleadScasgoogle Scholar
42. Yamasaki ، K. et al. دلبستگی ترجیحی و پویایی رشد در سیستم های پیچیده. فیزیکRev. E 74 ، 035103 (2006). ArticleadScasgoogle Scholar
43. Riccaboni ، M. ، Pammolli ، F. ، Buldyrev ، S. V. ، Ponta ، L. & Stanley ، H. E. رابطه واریانس اندازه نرخ رشد شرکت تجاری. پروکنات. ACADعلمی105 ، 19595-19600 (2008). ArticleadspubmedPubmed CentralGoogle Scholar
44. Hommes ، C. ، Sonnemans ، J. ، Tuinstra ، J. & Van de Velden ، H. هماهنگی انتظارات در آزمایش قیمت گذاری دارایی. Rev. Financy. گل میخ18 ، 955-980 (2004). Articlegoogle Scholar
45. Preis ، T. ، Schneider ، J. J. & Stanley ، H. E. فرآیندهای تعویض در بازارهای مالی. پروکنات. ACADعلمی108 ، 7674-7678 (2011). ArticleadspubmedMathpubmed CentralGoogle Scholar
46. شفر ، م. و همکاران. پیش بینی انتقال انتقادی. Science 338 ، 344-348 (2012). ArticleadspubmedCasgoogle Scholar
47. Spelta ، A. ، Flori ، A. ، Pecora ، N. & Pammolli ، F. بحران های مالی: کشف الگوهای خود سازمان یافته و پیش بینی ناپایداری بازارهای سهام. J. Bus. reshttps://doi. org/10. 1016/j. jbusres. 2019. 10. 043 (2019).
48. زو ، س. بودجه جدید مفقود شده. مدیر. علمی66 ، 1193 1204 (2020). Articlegoogle Scholar

سپاسگزاریها

ما بودجه آزمایشگاه بحران پروژه تحقیقات ملی را تأیید می کنیم. حمایت مالی از بنیاد Competitivita ، Regole ، Mercati (CERM) قدردانی می شود.

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. گروه فیزیک ، دانشگاه یشیوا ، نیویورک ، نیویورک ، 10033 ، ایالات متحده آمریکا Sergey V. Buldyrev
2. گروه مدیریت ، اقتصاد و مهندسی صنایع ، Politecnico di Milano ، 20156 ، میلان ، ایتالیا سرگئی V. Buldyrev ، آندره فلوری و فابیو پامولی
3. گروه فیزیک ، دانشگاه بوستون ، بوستون ، کارشناسی

1. Sergey V. Buldyrev