HERD BEHAVIOR AND AGGREGATE FLUCTUATIONS IN FINANCIAL MARKETS Rama Cont & Jean-Philipe Bouchaud. Macroeconomic Dynamics, 4, 2000,170-196 Cambridge University.

Slides:



Advertisements
Podobne prezentacje
Excel Narzędzia do analizy regresji
Advertisements

Test zgodności c2.
Modelowanie kursu walutowego- perspektywa krótkookresowa
Ćwiczenia 8 RYNEK DÓBR I KRZYWA IS
Time dependent cross correlations between different stock returns: A directed network of influence Zależności czasowe korelacji pomiędzy zwrotami z różnych.
Zmienne losowe i ich rozkłady
Modele dwumianowe dr Mirosław Budzicki.
BUDOWA MODELU EKONOMETRYCZNEGO
Kontrakty Terminowe Futures
Gospodarka Rynkowa RYNEK – podstawowy mechanizm gospodarki rynkowej. Rynek jest miejscem, zorganizowanym zazwyczaj w sensie instytucjonalnym, miejsce na.
Test zgodności Joanna Tomanek i Piotr Nowak.
Jak mierzyć asymetrię zjawiska?
Ekonomia popyt, podaż i rynek reakcje popytu na zmiany cen i dochodów
Analiza współzależności
Symulacja zysku Sprzedaż pocztówek.
Modelowanie lokowania aktywów
Dr inż. Bożena Mielczarek
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
Analiza portfeli dwu- oraz trzy-akcyjnych
Portfel wielu akcji. Model Sharpe’a
Statystyczne parametry akcji
Współczynnik beta Modele jedno-, wieloczynnikowe Model jednowskaźnikowy Sharpe’a Linia papierów wartościowych.
Statystyczne parametry akcji
Instrumenty o charakterze własnościowym Akcje. Literatura Jajuga K., Jajuga T. Inwestycje Jajuga K., Jajuga T. Inwestycje Luenberger D.G. Teoria inwestycji.
Statystyka w doświadczalnictwie
Funkcjonowanie mechanizmu rynkowego
Typy zachowań firmy w procesie internacjonalizacji (projekt badawczy)
Uogólniony model liniowy
Mgr Sebastian Mucha Schemat doświadczenia:
Niepewności przypadkowe
Prosty model zmian cen zastosowany do opisu ryzyka Krzysztof Urbanowicz Peter Richmond Janusz Hołyst Warsaw University of Technology Trinity College, Dublin.
Od gier mniejszościowych do prawdziwych rynków From Minority Games to real markets D. Challet, A. Chessa, M. Marsili, Y-C. Zhang Wojciech Dzikowski 26.
Universal and Nonuniversal Properties of Cross Correlation in Financial Time Series Vasiliki Plerou, Parameswaran Gopikrishnan, Bernd Rosenow, Luı´s A.
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wprowadzenie do statystycznej analizy danych (SPSS)
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Analiza wariancji.
Konstrukcja, estymacja parametrów
Model CAPM W celu prawidłowego wyjaśnienia zjawisk zachodzących na rynku kapitałowym, należy uwzględnić wzajemne oddziaływania na siebie inwestorów. W.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Mikroekonomia A.14 Maciej Wilamowski.
Analiza wariancji jednoczynnikowa.
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Modelowanie populacji i przepływu opinii pomiędzy aktorami sztucznej inteligencji za pomocą sieci społecznej Wojciech Toman.
Hipotezy statystyczne
Popyt i podaż jako regulatory rynku
Seminarium licencjackie Beata Kapuścińska
Co to jest dystrybuanta?
Dopasowanie rozkładów
Ekonomia stosowana 7 Giełda.
Metody Matematyczne w Inżynierii Chemicznej Podstawy obliczeń statystycznych.
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Modele zmienności aktywów Model multiplikatywny Parametry siatki dwumianowej.
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
MODELOWANIE ZMIENNOŚCI CEN AKCJI
Podstawowe pojęcia i terminy stosowane w statystyce. Rozkłady częstości Seminarium 2.
Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności.
Testowanie hipotez Jacek Szanduła.
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Model trendu liniowego
Ćwiczenia Zarządzanie Ryzykiem Renata Karkowska, ćwiczenia „Zarządzanie ryzykiem” 1.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Testy nieparametryczne
EKONOMETRIA W3 prof. UG, dr hab. Tadeusz W. Bołt
METROLOGIA Statystyczne metody poprawienia dokładności
Jednorównaniowy model regresji liniowej
Zapis prezentacji:

HERD BEHAVIOR AND AGGREGATE FLUCTUATIONS IN FINANCIAL MARKETS Rama Cont & Jean-Philipe Bouchaud. Macroeconomic Dynamics, 4, 2000, Cambridge University Press

Grupowe zachowania graczy na rynkach finansowych oraz skumulowane efekty ich działań. Krzysztof Bareja

Plan: Rozkład stóp zwrotu inwestycji giełdowych Model pojedynczego gracza Model komunikacji pomiędzy graczami Analiza modelu

Cechy rozkładów stóp zwrotu Grube ogony – duża wartość kurtoz Wartości kurtoz są większe dla gęstszych danych (2 – 50 dla zwrotów dziennych) Skończona wariancja

Propozycje opisu rozkładu stóp zwrotu Rozkład normalny Rozkłady stabilne Wykładniczo-ekspotencjalny:

Model pojedynczego gracza: Czas jest dyskretny Gracz może w danej jednostce czasu: Kupić jedną akcję (+1) Sprzedać jedną akcję (-1) Nie handlować (0)

Wpływ zachowań graczy na ceny: Inne czynniki znoszą wpływ D(t) na cenę Zależność jest liniowa tylko dla małych zmian cen Do znajomości rozkładu x konieczna jest znajomość rozkładu [φ i ] Oddziaływanie na cenę: Nadwyżka kupna/sprzedaży:

Czy gracze podejmują decyzje niezależnie? Jeżeli zmienne φ i są niezależne... I mają skończoną wariancję rozkład Gaussa I mają nieskończoną wariancję rozkład stabilny Hipoteza, że agenci podejmują decyzje niezależnie, jest nierealistyczna. Nie uwzględnia ona istotnego elementu organizacji rynku: interakcji i komunikacji pomiędzy graczami

W α – rozmiar (liczność) grona α n c – liczba gron 1/(1 - c) – Średnia wielość grona N(1 – c/2) – Średnia ilość gron Grafy losowe: Liczba graczy: N (N) i j Prawdopodobieństwo połączenia: p ij p; p = c / N c – parametr reprezentujący skłonność graczy do grupowania się Średnia liczba połączeń jednego gracza:(N - 1)p Liczba graczy: N (N)

Parametr c Reprezentacja skłonności graczy do grupowania się. c ~ 1 oznacza, że każdy z graczy będzie tworzył połączenie średnio z jednym innym graczem, co pozwala na: Tworzenie gron o dużej wielkości (łańcuchy) Utrudnia tworzenie struktur scentralizowanych (gwiazd)

Rozkład wielkości gron (N ) ?

Model komunikacji: Jeśli pomiędzy graczami jest utworzone połączenie – gracze podejmują taką samą decyzję. Wszyscy gracze w jednym gronie podejmują taką samą decyzję Decyzja grona jest podejmowana w ten sam sposób jak dla pojedynczego gracza. (φ i oraz φ j są niezależne dla ij; i=j => φ i = φ j )

Model komunikacji cd. Istotne są tylko grona, dla których φ α 0. Średnia liczba graczy, którzy pozostają aktywni w rozważanym okresie: Średnia liczba aktywnych gron: Rozkład zmiennej x:

Kurtoza rozkładu Dla parametru c bliskiego 1 wartość kurtoz przyjmuje duże wartości Mniejsza ilość aktywnych graczy (oraz mniejszy rynek) powoduje większą niestabilność cen

Wykres współczynnika kurtoz w zależności od parametrów n order =1000

Zmiana wielkości kurtoz w czasie Ilość zleceń zwiększa się wraz ze wzrostem rozważanego okresu Zależność grubości ogonów od cen (empiryczna): Hipoteza, że n order (t)~|t| -α nie była badana doświadczalnie.

Możliwe rozwinięcia modelu Na podstawie modelu można utworzyć przebiegi czasowe cen Modyfikacja struktury grafu z czasie. Dokładniejsze odwzorowanie struktury rynku Umożliwienie krytycznej samoorganizacji rynku – modyfikacja parametru c w czasie.

Przykładowa symulacja N=4000 C=0.9 a=0.25 K(D)=2,45 K=1,49 A(c)=?

Dziękuję za uwagę