عدم تعادل معاملاتی ، معکوس های قابل پیش بینی و فشار قیمت متقابل

ما پیامدهای یک مدل تعادل چند دارایی را آزمایش می کنیم که در آن تعداد محدودی از ارائه دهندگان نقدینگی ریسک پذیر ، عدم تعادل تجاری غیر اطلاعاتی را در خود جای می دهد. این عدم تعادل باعث ایجاد وارونگی قابل پیش بینی در بازده سهام می شود. عدم تعادل در یک سهام نیز بر قیمت سهام دیگر تأثیر می گذارد. میزان فشار قیمت سهام متقاطع بستگی به همبستگی جریان های نقدی اساسی سهام دارد. این مدل حاکی از آن است که تجارت غیر اطلاعاتی نوسانات بازده سهام را افزایش می دهد. ما پیامدهای مدل را با استفاده از داده های بورس اوراق بهادار تایوان تأیید می کنیم.

معرفی

در این مقاله قیمت گذاری امنیتی در مواجهه با جریان سفارش تصادفی و غیر اطلاعاتی بررسی شده است. ما یک مدل تعادل چند سهام را ارائه می دهیم که در آن تعداد محدودی از ارائه دهندگان نقدینگی ریسک پذیر ، عدم تعادل تجاری غیر اطلاعاتی را در خود جای می دهد. همانطور که در مدل های تک سهام ، ارائه دهندگان نقدینگی از طریق معکوس قیمت های آینده جبران می شوند. 1

در چارچوب چند سهام ما ، یک شوک تقاضا برای تنها یک سهام به دلیل توجه به خواسته های ارائه دهندگان نقدینگی ، بر قیمت سایر سهام تأثیر می گذارد. جذابیت نسبی سهام دیگر به عنوان ابزارهای محافظت از همبستگی جریان نقدی آنها با جریان نقدی سهام اول بستگی دارد. بنابراین ، این مدل حاکی از آن است که شوک تقاضا در یک سهام تأثیر بیشتری بر قیمت سهام همبسته دارد. برای درک مکانیسم انتقال ، یک بازار دو سهام را در نظر بگیرید. فرض کنید یک دستور غیر اطلاعاتی برای خرید سهام I و هیچ سفارش برای تجارت سهام j وجود ندارد. ارائه دهندگان نقدینگی با ریسک ، فروشندگان سهام I می شوند. آنها می توانند با خرید سهام J که جریان نقدی با جریان نقدی سهام من در ارتباط است ، تا حدی موقعیت حاصل را جبران کنند. با رفتار رقابتی ، ارائه دهندگان نقدینگی قیمت سهام J را افزایش می دهند و بخشی از قیمت اولیه سهام I را به سهام j افزایش می دهند - حتی در صورت عدم تجارت سهام J. در طول مقاله ، اثرات قیمت که توسط ارائه دهندگان نقدینگی در بین سهام منتقل می شود ، به "فشار قیمت متقابل" گفته می شود.

تجزیه و تحلیل تجربی ما از واکنشهای قیمت به تجارت غیر آگاهانه توسط چارچوب شرح داده شده در پاراگراف بالا ایجاد می شود. ما از داده های هفتگی از بورس اوراق بهادار تایوان ("TSE") برای آزمایش پیامدها و محدودیت های مدل استفاده می کنیم. این داده ها شامل همه 607 سهام ذکر شده از ژانویه 1994 تا آگوست 2002 است. این مبادله تعداد سهام هر سهام که در حسابهای حاشیه ای که در پایان هر روز وجود دارد ، جمع آوری و منتشر می کند. حساب های حاشیه متعلق به سرمایه گذاران انفرادی در شرکت های کارگزاری محلی است. تغییرات در منابع حساب حاشیه ، پروکسی ما برای عدم تعادل تجارت غیر اطلاعاتی در مدل است. تجزیه و تحلیل رگرسیون نشان می دهد که عدم تعادل معاملات مثبت در سهام من با افزایش قیمت آن و بازگشت بعداً مرتبط است. همین عدم تعادل معاملاتی نیز به سایر سهام که معکوس قیمت قابل پیش بینی را تجربه می کنند ، مرتبط است. ما نشان می دهیم که این فشار قیمت متقاطع در بین سهام هایی که دارای جریان نقدی همبستگی بیشتری هستند نسبت به سهام هایی که دارای جریان نقدی کمتری هستند ، بیشتر است. این مدل حاکی از دو مجموعه از محدودیت های غیرخطی در ضرایب رگرسیون است که توابع همبستگی جریان نقدی است. ما نمی توانیم محدودیت ها را در تمام سطوح معمولی رد کنیم ، که نشان می دهد میزان نسبی فشار قیمت بین متقاطع مشاهده شده با پیش بینی های مدل سازگار است.

ما از یک روش مرتب سازی برای تعیین کمیت میزان اقتصادی فشار قیمت و تأیید استحکام نتایج رگرسیون استفاده می کنیم. سهام بر اساس عدم تعادل معاملات هفتگی طبقه بندی می شود. قیمت سهام در بالاترین quintile (Buys) افزایش می یابد ، در حالی که قیمت سهام در پایین ترین حد پنجم (فروش) کاهش می یابد. تفاوت بازده بین این دو quintiles به طور متوسط 242 نقطه پایه (BP) است. قیمت ها سپس طی ده هفته آینده به سمت سطح از پیش مرتب می شوند. هر دو مقدار و مدت زمان وارونگی از نظر اقتصادی و آماری معنی دار است. در طول مقاله ، ما با استفاده از بازده های هفتگی که با شروع با قیمت افتتاحیه هفته بعد از یک نوع ، اندازه گیری می شود ، احتمال نتایج تحریک آمیز ناشی از گزاف گویی را که اندازه گیری می شود ، کاهش می دهیم. بنابراین ، سهام بر اساس عدم تعادل معاملاتی از دوشنبه تا جمعه به اوراق بهادار طبقه بندی می شود و بازده با شروع با قیمت افتتاح روز دوشنبه بعد اندازه گیری می شود. رویکرد ما این نگرانی ها را نشان می دهد که تعداد زیادی از سفارشات خرید (فروش) در طی یک هفته معین ، احتمال پایان دادن قیمت ها در هفته با قیمت Ask (BID) را افزایش می دهد (به Blume and Stambaugh ، 1983 ، Chordia و Subrahmanyam ، 2004 ؛ Subrahmanyam ، 2005b مراجعه کنید.).

علاوه بر این ، این مدل دلالت بر این دارد که بازده سهام "نوسانات بیش از حد" را تجربه می کند. بازده سهام نسبت به جریان های نقدی اساسی بی ثبات است زیرا عدم تعادل معاملات تصادفی قیمت سهام را از ارزش های اساسی خود دور می کند. ما نشان می دهیم که ، پس از کنترل نوسانات جریان نقدی ، سهام با عدم تعادل معاملات بی ثبات بیشتر بازده بی ثبات بیشتری دارند.

تجزیه و تحلیل ما نشان می دهد که معامله گران ریسک پذیر به دلیل عدم تعادل سفارش جبران می شوند. نقدینگی با ارزش است و عوامل دارای مزیت مقایسه ای در تأمین نقدینگی می توانند با این کار سود کسب کنند. با گسترش این خط استدلال ، معامله گران روز و صندوق های پرچین به طور بالقوه یک سرویس با ارزش اجتماعی (یعنی نقدینگی) ارائه می دهند زیرا آنها به دنبال سود هستند و در استراتژی های معاملاتی کوتاه مدت شرکت می کنند. دوم ، نتایج ما حاکی از آن است که نوسانات بیش از حد سهام حداقل تا حدودی به این واقعیت که نقدینگی ارزشمند است ، نسبت داده می شود. حرکات قیمت فراتر از تغییر در اصول اساسی می تواند به عنوان سیگنال برای ارائه دهندگان نقدینگی در مورد نیاز به خدمات آنها باشد.

چارچوب ما یک پسوند چند سهام از گروسمن و میلر (1988) است. این چارچوب همچنین از مدل های بین المللی ، تک سهام مانند هولدن و Subrahmanyam (2002) و Chordia و Subrahmanyam (2004) وام می گیرد. 2 مانند این مقالات ، ما ارائه دهندگان نقدینگی رقابتی را در نظر می گیریم. ارائه دهندگان نقدینگی/سازندگان بازار سفارشات را با هم جمع می کنند و تقاضای اضافی را جذب می کنند ، که منجر به یک قیمت پاکسازی واحد (برای هر سهام) در هر مقطع زمانی می شود.

چارچوب دیگری برای مدل سازی ارائه نقدینگی ، سازنده بازار را در نظر می گیرد که دنباله ای از سفارشات خرید و فروش را دریافت می کند. برای هر سهام ، سازنده بازار یک جفت پیشنهاد را ارسال می کند و از نقل قول هایی می پرسد که قیمت هایی را که در آن مایل به خرید و فروش سهام است ، نشان می دهد. مدل های چند سهام در این چارچوب پیامدهای مشابهی با پیامدهای فشار قیمت متقابل چارچوب ما دارند. به عنوان مثال ، در هو و استول (1983) ، تجارت فروش در یک سهام موجودی فروشنده را در آن سهام افزایش می دهد. به منظور کاهش سطح موجودی ، فروشنده آن پیشنهاد امنیت را کاهش می دهد و قیمت ها را نسبت به ارزش واقعی آن می پرسد ، بنابراین سایر معامله گران را به خرید القا می کند. هنگامی که فروشنده بیش از یک سهام را معامله می کند ، او نه تنها پیشنهاد را پایین می آورد و از نقل قول هایی در سهام خود که اخیراً خریداری کرده است ، می پرسد بلکه نقل قول ها را در سایر سهام نیز تنظیم می کند تا ریسک موجودی خود را کاهش دهد. میزان تعدیل نقل قول در سهام دیگر به همبستگی های اساسی بستگی دارد.

ادبیات تجربی که به بررسی تأثیر قیمت تقاضای نقدینگی می پردازد می تواند به چهار رشته تقسیم شود. رشته اول بر روی وقایع بزرگ نادر مانند موارد اضافی و حذف از شاخص های سهام متمرکز شده است - ببینید هریس و گورل (1986) ، شلیفر (1986) ، وورگلر و ژوراوسایا (2002) و گرین وود (2005) برای برخی نمونه ها. 3 رشته دوم برای مواقعی که تعداد زیادی از معاملات نقدینگی وجود دارد ، از حجم به عنوان پروکسی استفاده می کند. این مقالات شامل Campbell ، Grossman و Wang (1993) ، Llorente ، Michaely ، Saar و Wang (2002) و Avramov ، Chordia و Goyal (2006) هستند. رشته سوم کار با حجم امضا نشده برای عدم تعادل سفارش امضا شده گسترش می یابد - ببینید Chordia و همکاران ، 2002 ، Chordia et al. ، 2005 ، Chordia and Subrahmanyam (2004) ، Le ، Liu ، Roll ، and Subrahmanyam (2004) و Kaniel ، و Kaniel ،سار ، و تیتمن (2008). سرانجام ، یک ادبیات گسترده شامل بررسی مستقیم موجودی های سازنده بازار و همچنین تست های مدل های تک نفره که قبلاً ذکر شد. با استفاده از 11 سال سهام NYSE ، مقاله اخیر Hendershott و Seasholes (2007) الگویی از معکوس های قابل پیش بینی را تأیید می کند که شبیه به معکوس های موجود در مقاله ما است. تفاوت عمده بین مقاله ما و مقالات موجود در این است که کارهای قبلی توسط مدل های تک سهام ایجاد شده است. ما فشار قیمت متقاطع و همچنین پیامدهای مربوط به نوسانات اضافی بازده را بررسی می کنیم.

کار گذشته با داده های تایوانی شامل لی ، لیو ، رول و Subrahmanyam (2004) است که یک نمای کلی از بازار ارائه می دهند. مطالعه نویسندگان عدم تعادل نظم را در بین 30 سهام بزرگ در تایوان امضا کردند. نویسندگان هیچ مدرکی مبنی بر همبستگی در عدم تعادل سفارش روزانه معامله گران بزرگ فردی پیدا نمی کنند. علاوه بر این ، شواهد آنها نشان می دهد که "افراد بزرگ معامله گران سر و صدا یا نقدینگی هستند."این یافته ها با نتایج ما سازگار است.

سرانجام ، هارفورد و کائول (2005) همچنین رابطه بین عدم تعادل سفارش و بازده سهام را مطالعه می کنند. در حالی که نویسندگان شامل عدم تعادل سهام دیگر در تجزیه و تحلیل رگرسیون خود هستند ، کار ما از دو طریق اساسی با آنها متفاوت است. اول ، ما از یک مدل اقتصادی صریح استفاده می کنیم تا تجزیه و تحلیل تجربی خود را تنظیم کنیم. در نتیجه ، ضرایب رگرسیون ما را می توان از نظر پارامترهای ساختاری مدل تفسیر کرد. دوم ، ما رابطه بین عدم تعادل تجارت و نوسانات بازده سهام را بررسی می کنیم - چیزی که کار قبلی به آن نمی پردازد.

مقاله به صورت زیرادامه پیدا می کند. بخش 2 مدل ما را ارائه می دهد و بخش 3 داده ها را توصیف می کند. بخش 4 نتایج اصلی مقاله را در مورد عدم تعادل معاملات، برگشت های قابل پیش بینی و فشار قیمت سهام ارائه می کند. بخش 5 یک مفهوم مقطعی اضافی مدل ما را در مورد نوسانات اضافی بازده آزمایش می کند و بخش 6 نتیجه گیری می کند.

قطعات بخش

مدل

سه سهم با برچسب وجود داردهر یک در عرضه واحد و دارایی بدون ریسک در عرضه کشسان. نرخ بهره بدون ریسک صفر و قیمت دارایی بدون ریسک یک است. گسترش مدل به دارایی های بیشتر ساده است.

سه تاریخ وجود دارد. نمایندگان در تاریخ 1 و تاریخ 2 معامله می کنند. هر سهم در تاریخ 3 یک جریان نقدی انحلال شونده می پردازد که برابر با S 1 i + S 2 i + Φ 3 i است. این جریان نقدی به تدریج در طول زمان آشکار می شود: S 1 i در تاریخ 1، S 2 i در تاریخ 2، و Φ 3 i در تاریخ 3 آشکار می شود.

داده ها

ما از داده های بورس اوراق بهادار تایوان (TSE) برای آزمایش مفاهیم مدل در بخش 2 استفاده می کنیم. این بخش منابع داده را توصیف می کند و متغیرها را تعریف می کند. بخش 3. 1 مناسب بودن استفاده از عدم تعادل تجاری از TSE را به عنوان نماینده ای برای عدم تعادل معاملات غیر اطلاعاتی مدل مورد بحث قرار می دهد.

همه داده ها از بورس تایوان سرچشمه می گیرند. داده ها از 1 ژانویه 1994 شروع و در 29 اوت 2002 به پایان می رسد. ما از یک فرکانس هفتگی در سراسر مقاله استفاده می کنیم و دوره نمونه شامل می شود.

نتایج

ما از داده های بورس تایوان برای آزمایش مفاهیم مدل در بخش 2 استفاده می کنیم. بخش 4. 1 ضرایب رگرسیون را در معادله تخمین می زند.(4). بخش 4. 2 مفاهیم مدل را در مورد علائم و بزرگی ضرایب رگرسیون آزمایش می کند. در بخش 4. 3، سهام بر اساس عدم تعادل معاملاتی به پرتفوی طبقه بندی شده و بازده سبدهای خرید و نگهداری محاسبه می شود. روش مرتب سازی به تعیین کمیت مقادیر اقتصادی برگشت ها و سهام متقابل کمک می کند

نوسانات بیش از حد

این مدل در بخش 2 پیش بینی می کند که عدم تعادل تجاری غیر اطلاعاتی منجر به نوسانات بیش از حد بازده سهام نسبت به نوسانات جریان نقدی در آینده با تخفیف می شود. از Eq(2) ، واریانس بازده سهام I: VAR (P 2 I - P 1 I) = V S + λ 2 (V φ 2 + V S 2) (V Z I + (ρ φ *) 2 Vz j + (ρ φ * *) 2 v z k + 2 ρ z ρ φ * (v z i) 1 2 (v z j) 1 2 + 2 ρ z ρ φ * * (v z i) 1 2 (v z k) 1 2+ 2 ρ z ρ φ * ρ φ * * (v z j) 1 2 (v z k) 1 2). توجه داشته باشید که اگر λ صفر باشد ، واریانس بازده سهام برابر با واریانس جریان نقدی است. اگر محصول هر دو جریان نقدی یا تعادل تجارت باشد

نتیجه

ما از داده های عدم تعادل معاملاتی از بورس اوراق بهادار تایوان برای آزمایش پیامدهای یک مدل تعادل چند دارایی استفاده می کنیم که در آن تعداد محدودی از ارائه دهندگان نقدینگی با ریسک پذیر ، عدم تعادل معاملات غیر آگاهانه را در خود جای می دهد. داده های عدم تعادل معاملاتی از تغییرات در تعداد سهام موجود در حساب های حاشیه حاصل می شود. داده ها به صورت روزانه توسط مبادله جمع آوری و منتشر می شوند.

ما از تجزیه و تحلیل رگرسیون و یک روش مرتب سازی برای مطالعه معکوس های بازگشت قابل پیش بینی استفاده می کنیم