نگاهی جدید به ناهنجاری های تقویم: چند عیار و اثر روز هفته

مجوز MDPI ، بازل ، سوئیس. این مقاله یک مقاله دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC توسط) توزیع شده است (https://creativeecommons.org/licenses/by/4. 0/).

خلاصه

بازار سهام به دلیل ناهنجاری های تقویم معروف به اثر روز هفته می تواند ناکارآمد شود. ناهنجاری های تقویم در ادبیات مالی به خوبی شناخته شده است ، اما پدیده ها همچنان در اکونوفیزیک مورد بررسی قرار می گیرند. در این مقاله با استفاده از تجزیه و تحلیل چند عاملی برای ارزیابی اینکه آیا پویایی زمانی بازده بازار نیز ناهنجاری های تقویم مانند اثرات روز در هفته را نشان می دهد. ما تجزیه و تحلیل نوسان چند منظوره (MF-DFA) را برای بازده روزانه شاخص های بازار در سراسر جهان برای هر روز از هفته اعمال می کنیم. نتایج ما نشان می دهد که خصوصیات چند منظوره متمایز روزهای فردی هفته را مشخص می کند. بازده روز دوشنبه تمایل به نشان دادن رفتار مداوم تر و ساختارهای چند عیار غنی تر از سایر بازده های حل شده در روز دارد. جابجایی این سریال نشان می دهد که چند عاملی از عملکرد چگالی احتمال گسترده و همبستگی های طولانی مدت ناشی می شود. تجزیه و تحلیل چند عاملی وابسته به زمان نشان می دهد که طیفهای چند عیار بازگشت دوشنبه بسیار گسترده تر از روزهای دیگر است. این رفتار به ویژه در هنگام بحران های مالی پایدار است. حضور تأثیرات روز هفته در پویایی چند عاملی بازده بازار ، تحقیقات بیشتری را در مورد ناهنجاری های تقویم برای رژیم های متمایز بازار ایجاد می کند.

واژه های کلیدی: ناهنجاری های تقویم ، اثر روز هفته ، شاخص های بازار ، تجزیه و تحلیل نوسان چند منظوره

1. معرفی

با توجه به فرضیه کارآمد بازار (EMH) ، قیمت بازار باید تمام اطلاعات موجود را در هر مقطع زمانی درج کند و منعکس کند [1،2]. با این حال ، مطالعات مختلف [3،4،5،6] نشان می دهد که بازارهای مالی اغلب ناکارآمد می شوند و رفتار آنها دیگر از یک پیاده روی تصادفی پیروی نمی کند. در عوض بازارهای سهام می توانند از قوانین EMH در قالب ناهنجاری ها منحرف شوند. ناهنجاری ها را می توان به طور گسترده به ناهنجاری های تقویم ، اساسی و فنی طبقه بندی کرد [7]. بیشترین مجموعه ناهنجاری های قیمت گذاری ، تقویم یا ناهنجاری های فصلی است که نمایانگر الگوهای سیستماتیک بازده امنیتی در اطراف نقاط تقویم خاصی است. ناهنجاری های تقویم شامل اثر روز هفته [8،9،10،11] ، اثر نوبت ماه [12،13،14،15] ، اثر چرخش سال است [16، 17،18،19] و اثر تعطیلات [20،21،22،23]. اثر روز هفته به تمایل سهام برای نشان دادن بازده قابل توجهی بالاتر در یک روز خاص در مقایسه با سایر روزهای هفته اشاره دارد. Cross [24] برای اولین بار شواهدی از تأثیرات روز هفته بر شاخص استاندارد و فقیر ارائه داد ، و گزارش داد که بازده قیمت در دوشنبه ها به طور قابل توجهی منفی است. از آن زمان ، این پدیده به طور گسترده مورد مطالعه و کشف در سایر بازارهای مالی مانند بازارهای سهام خاص [25،26،27] ، نرخ ارز [28،29] ، اوراق بهادار با درآمد ثابت [30] ، نفت خام [31] ،طلا [32] و ارزهای رمزپایه [33]. برای بررسی دقیق ناهنجاری های فصلی ، لطفاً به [34،35] مراجعه کنید.

بازارهای مالی مورد توجه بسیاری از محققان در زمینه های مرتبط مانند اکونوفیزیک قرار گرفته است ، راه را برای دیدگاه های جدید و درک بازارهای مالی با ترسیم مفاهیم فیزیک آماری مانند فراکتال ها و چند منظوره [36،37،38،39] ، تئوری اطلاعات [[40،41] و ساختار شبکه [42،43،44] (به [45] و منابع موجود در آن برای بررسی جامع مراجعه کنید). در حالی که بسیاری از نتیجه گیری های شناخته شده در ادبیات در مورد مجموعه ای از بازارهای مالی (از جمله شاخص های بازار ، سهام ، نرخ ارز و کالاها) را می توان به اکونوفیزیک نسبت داد ، هنوز هم چندین پدیده مهم وجود دارد که از این منظر مورد بررسی قرار می گیرند. به بهترین دانش ما ، چنین پدیده ای که هنوز از آن کشف نشده است ، ناهنجاری تقویم است و مطالعه ما در این راستا سهم دارد.

در این مقاله ، ما از تجزیه و تحلیل چند عاملی برای ارزیابی اینکه آیا پویایی زمانی بازده بازار ناهنجاری های تقویم مانند اثرات روز در هفته را نشان می دهد ، استفاده می کنیم. ما تجزیه و تحلیل نوسان چند منظوره (MF-DFA) [46] را برای بازده روزانه شاخص های بازار در سراسر جهان برای هر روز از هفته اعمال می کنیم (بازگشت دوشنبه ، بازده سه شنبه و غیره). ما سپس پارامترهای چند عاملی ، موقعیت حداکثر عرض و عدم تقارن طیف چند عاملی را مقایسه می کنیم ، که همبستگی های بلند مدت ، درجه چند عاملی و تسلط نوسانات بزرگ یا کوچک را در سری بازده برای هر روز هفته تعیین می کند. در ادبیات اقتصادی آمده است که پزشکان بازار از اوایل دهه 1920 از اثر دوشنبه آگاه بوده اند [47]. برای برخی از بازارها ، با کارآمدتر شدن بازار ، این اثر از بین می رود [48،49]. مطالعات دیگر بینشی از تأثیر دوشنبه در پایان ماه [50] و در دوره های حاکم بر اخبار بد [51] نشان می دهد. برای مشاهده این رفتار با گذشت زمان ، ما با محاسبه طیف های چند عاملی سری بازگشت در یک پنجره کشویی ، تجزیه و تحلیل چند عاملی وابسته به زمان را در بازار ایالات متحده (GSPC) انجام می دهیم. این رویکرد محاسباتی فشرده و نسبتاً جدید ، که تنها در چند مطالعه اجرا شده است [52،53،54] ، به ما اجازه می دهد تا تکامل زمانی پارامترهای چند عاملی را که مربوط به خصوصیات مختلف نوسان بازار است ، تجزیه و تحلیل کنیم و منجر به درک بهتر بهتر ازفرآیندهای تصادفی اساسی. بقیه این مقاله به شرح زیر سازماندهی شده است. بخش 2 MF-DFA و روش های وابسته به زمان را معرفی می کند. بخش 3 داده های بازار را شرح می دهد. بخش 4 نتایج را ارائه می دهد ، و بخش 5 نتیجه گیری را به دست می آورد.

2. روشها

در حالی که فرآیندهای فراکتال با همبستگی های بلند مدت مشخص می شوند که توسط یک نماینده مقیاس گذاری واحد توضیح داده می شود ، زیر مجموعه های سری زمانی چند عاملی با نوسانات کوچک و بزرگ می توانند به گونه ای متفاوت مقیاس شوند ، و تجزیه و تحلیل همبستگی های بلند مدت منجر به سلسله مراتب مقیاس بندی نمایندگی ها می شود [46]بشرتجزیه و تحلیل چند منظوره از سری های زمانی می تواند با استفاده از روش های مختلف ، مانند روش Modulus Modulus Moxtula (WTMM) (55] ، روش تجزیه و تحلیل نوسانات چند منظوره (MF-DFA) و روش متوسط متحرک دفع چند منظوره (MF-DMA (MF-DMA) انجام شود.) [56]. در این کار ، ما از MF-DFA استفاده می کنیم ، که به نظر می رسد نتایج قابل اعتماد [57] تولید می کند و به طور گسترده ای برای تجزیه و تحلیل سیگنال های فیزیولوژیکی [58،59،60] ، داده های ژئوفیزیکی [61] ، داده های آب و هوا [62] ، استفاده شده است. و سری زمانی مالی [63].

اجرای الگوریتم MF-DFA را می توان به شرح زیر توصیف کرد [46]