چارچوب مبتنی بر نماینده رفتاری برای تعامل بازارهای مالی

این مقاله با هدف توسعه یک مدل مبتنی بر عامل رفتاری برای تعامل بازارهای مالی انجام شده است. علاوه بر این ، تأثیر تحمیل مالیات توبین بر پویایی بازار بررسی شده است.

طراحی/روش شناسی/رویکرد

رویکرد مبتنی بر عامل برای ضبط ماهیت بسیار پیچیده و پویا بازارهای مالی دنبال می شود. این مدل بیانگر تعامل بین دو بازار مالی مختلف واقع در دو کشور است. بازارهای مصنوعی با عوامل ناهمگن و کاملاً منطقی جمع شده اند. دو نوع عامل وجود دارد که بازارها را جمع می کنند. سازندگان و بازرگانان. هر مرحله ، معامله گران تصمیم می گیرند که در کدام بازار شرکت کنند و کدام استراتژی معاملاتی را دنبال کنند. معامله گران می توانند از استراتژی معاملات فنی ، استراتژی اساسی تجارت یا پرهیز از تجارت پیروی کنند. وزن متغیر زمان هر استراتژی معاملاتی به عملکرد فعلی و گذشته این استراتژی بستگی دارد. با این حال ، معامله گران فنی از بین می روند ، جایی که ضررها دو برابر سود معادل آن درک می شوند. سازندگان بازار با توجه به سفارشات ارائه شده خالص ، قیمت دارایی را تسویه می کنند.

یافته ها

چارچوب پیشنهادی می تواند واقعیتهای مهم تلطیف شده را که به صورت تجربی مشاهده می شود مانند حباب ها و تصادفات ، نوسانات اضافی ، نوسانات خوشه ای ، دم قدرت قانون ، همبستگی مداوم در بازده مطلق و ساختار فراکتالی تکرار کند.

مفهوم عملی

مدلهای مصنوعی پیوند میکرو به رفتار کلان ، بررسی تأثیر سیاست های مختلف مالی و پولی را تسهیل می کنند. نتایج تحمیل مالیات توبین نشان می دهد که یک مالیات کوچک ممکن است درآمد دولت را بدون ایجاد تحریف بازار یا بی ثباتی افزایش دهد.

اصالت/ارزش

در این مقاله یک رویکرد جدید برای بررسی تأثیر گریزی از دست دادن بر روند تصمیم گیری در تعامل چارچوب بازارهای مالی ارائه شده است.

کلید واژه ها

• بیزاری از دست دادن
• مدل مبتنی بر عامل
• ساختار فراکتالی
• تجزیه و تحلیل شبیه سازی

استناد

M. Ezzat ، H. (2020) ، "چارچوب مبتنی بر نماینده رفتاری برای تعامل بازارهای مالی" ، بررسی اقتصاد و علوم سیاسی ، جلد. 5 شماره 2 ، صص 94-115. https://doi. org/10. 1108/reps-03-2019-0037

ناشر

انتشارات زمرد محدود

کپی رایت © 2020 ، Heba M. Ezzat.

مجوز

منتشر شده در بررسی اقتصاد و علوم سیاسی. منتشر شده توسط انتشارات زمرد محدود. این مقاله تحت مجوز Creative Commons Attribution (CC با 4. 0) منتشر شده است. هر کسی ممکن است آثار مشتق این مقاله را تولید کند ، توزیع کند ، ترجمه کند و ایجاد کند (برای اهداف تجاری و غیر تجاری) ، منوط به انتساب کامل به انتشار اصلی و نویسندگان. شرایط کامل این مجوز ممکن است در http://creativeecommons. org/licences/by/4. 0/legalcode مشاهده شود

1. مقدمه

توبین (1978) استدلال می کند که تحمیل مالیات های کوچک و یکنواخت بر کلیه معاملات مالی ، گمانه زنی های کوتاه مدت را مجازات می کند و از این رو ، بازار مالی را تثبیت می کند. بسیاری از کشورهای اتحادیه اروپا مالیات را به معاملات مالی تحمیل می کنند. با این حال ، معرفی مالیات معاملات مالی در سایر بازارهای مالی هنوز مورد بحث است. طرفداران بر این باورند که مالیات بر معاملات مالی درآمدهای قابل توجهی را برای دولت ها فراهم می کند. از طرف دیگر ، مخالفان استدلال می كنند كه معرفی مالیات معاملات به بازارهای مالی ، نقدینگی بازار را كاهش می دهد و نوسانات قیمت بالاتری نیز به وجود می آید. علاوه بر این ، نقش فزاینده کارگزاری الکترونیکی باعث افزایش امکانات فرار مالیاتی می شود. این منجر به کاهش توانایی مالیات توبین در به دست آوردن درآمد می شود.

تردید در تحمیل مالیات می تواند ناشی از نتایج غیر منتظره تصادفات بازار یا بی ثباتی باشد. با بررسی تأثیر سیاست های نظارتی بر پویایی بازارهای مالی مصنوعی می توان از اثرات وثیقه جلوگیری کرد. تأثیر تحمیل مالیات توبین بر پویایی بازارهای مالی مصنوعی در بسیاری از مطالعات مورد مطالعه قرار گرفته است (Westerhoff and Dieci ، 2006 ؛ Westerhoff ، 2008 ؛ Stanek and Kukacka ، 2017). با این حال ، هیچ یک از این مطالعات تأثیر تعصبات رفتاری را در روند تصمیم گیری معامله گر در نظر نگرفته است.

تئوری مطلوبیت مورد انتظار تحلیل تصمیم گیری را تحت عدم قطعیت هدایت کرده است. انتظارات سودمندی به عنوان یک مدل هنجاری انتخاب عقلانی درک شد (ایزلت و ماریانوف، 2011) و به عنوان یک مدل توصیفی از رفتار اقتصادی فرموله شد (فریدمن و ساویج، 1948؛ نیو و همکاران، 2015). بنابراین، فرض بر این بود که همه عوامل اقتصادی منطقی در بیشتر مواقع از نظریه مطلوبیت پیروی می کنند. مارکوویتز (1952) پیشنهاد می کند که مطلوبیت باید بر اساس سود و زیان تعریف شود تا بر اساس ثروت نهایی. بعدها، کانمن و تورسکی چندین مشکل انتخاب را توصیف کردند که در آنها ترجیحات تحت عدم قطعیت بدیهیات نظریه مطلوبیت مورد انتظار را نقض می کنند (Kahneman و Tversky، 1979، 1984، 1991، 1992؛ Kahneman و همکاران، 1990).

کانمن و تورسکی نشان می دهند که ریسک گریزی در حوزه مثبت با ریسک جویی در حوزه منفی همراه است. این اثر به عنوان اثر بازتاب شناخته می شود. این گزاره ها یک مدل توصیف جایگزین برای تصمیم گیری تحت ریسک ایجاد می کنند که نظریه چشم انداز نامیده می شود. بر اساس تئوری چشم انداز، مردم به طور معمول نتایج را به عنوان سود و زیان، به جای حالت های نهایی ثروت درک می کنند. با این حال، سود و زیان نسبت به برخی از نقاط مرجع تعریف می شود که ممکن است با موقعیت فعلی ثروت مطابقت داشته باشد. علاوه بر این، سود و زیان را می توان به عنوان مبالغ واقعی دریافتی یا پرداختی تعریف کرد.

همانطور که توسط Kahneman و Tversky (1979) پیشنهاد شده است، یک تابع ارزش برای تغییرات ثروت بالای یک نقطه مرجع مقعر و در زیر آن محدب است. بر این اساس، تابع مقدار S شکل پیشنهادی بر روی انحرافات از نقطه مرجع تعریف می‌شود. مقعر برای سود و محدب برای ضرر و شیب تندتر برای ضرر تا برای سود. رفتار اصلی مؤثر بر پاسخ به تغییرات ثروت این است که به نظر می رسد درد ناشی از از دست دادن مقداری پول بیشتر از شادی ناشی از به دست آوردن همان مقدار باشد. این یافته ها توسط مطالعات اخیر پشتیبانی شده است (مک گرو و همکاران، 2010؛ نو و همکاران، 2015).

چارتیست ها نسبت به ضرر خنثی هستند. و

چارتیست ها ضرر گریز هستند.

نتایج نشان می دهد که بیشتر معامله گران تجزیه و تحلیل اساسی را نسبت به تجزیه و تحلیل فنی ترجیح می دهند. از این پس ، با به حداقل رساندن نوسانات و اعوجاج ، گریز از دست دادن بازار را بهبود می بخشد. با این وجود ، مدل های فوق به منظور کشف پویایی بازارهای مالی تعامل طراحی نشده اند. مطالعه تعامل بین بازارهای مالی بین المللی از اهمیت ویژه ای برخوردار است ، به ویژه پس از بحران مالی جهانی اخیر (Westerhoff and Dieci ، 2006 ؛ Schmitt and Westerhoff ، 2014).

معرفی تعصب رفتاری از دست دادن ضرر به چارچوب تعامل بازارهای مالی ارائه شده توسط Westerhoff و Dieci (2006) ؛

بررسی پویایی تعامل بین دو بازار مالی که با عوامل ضرر و زیان جمع شده اند. وت

بررسی تأثیر مالیات معاملات معامله بر ثبات بازارها ، اعوجاج قیمت و رفتار تعویض بین بازارهای تعامل به دنبال دو استراتژی مختلف معاملاتی. تجزیه و تحلیل اساسی و فنی.

مدل های فوق الذکر می توانند برخی از حقایق مهم تلطیف شده را که ویژگی های آماری متداول مشاهده شده در اکثر بازارهای مالی است ، تکرار کنند. حقایق قابل توجهی تلطیف شده معمولاً از نظر خصوصیات کیفی و کمی مانند حباب قیمت و تصادفات بازار ، قیمت های پیاده روی تصادفی ، نوسانات خوشه ای ، نوسانات اضافی و حافظه طولانی تدوین می شوند (ماندلبروت ، 1963 ؛ فاما ، 1970 ؛ گیلومه و همکاران ، 1997 ؛Cont ، 2001 ؛ Cont ، 2005 ؛ Haas and Bigorsch ، 2011).

یک مدل مبتنی بر عامل رفتاری ساده از دو بازار مالی در حال تعامل ایجاد شده است. ساختار مدل به صورت زیر است. بازارها پر از دو نوع عامل هستند. بازارسازان و معامله گران. در هر مرحله زمانی، معامله گران تصمیم می گیرند یا معامله کنند یا غیر فعال بمانند. معامله گران فعال همانطور که توسط نظرسنجی های قبلی پیشنهاد شده است، استراتژی تجاری فنی یا اساسی را دنبال می کنند (تیلور و آلن، 1992؛ منخوف، 1997؛ فرانکل و فروت، 1987a، 1987b، 1990) و آزمایش های آزمایشگاهی (Hommes، 2011). هدف معاملات فنی بهره برداری از روند قیمت است. برعکس، معاملات بنیادی به دنبال سود بردن از بازگشت متوسط است. معامله گران می توانند در یک زمان در یک بازار شرکت کنند. جذابیت یک استراتژی معاملاتی با عملکرد این استراتژی در آخرین گذشته مشخص می شود که نشان دهنده یک رفتار یادگیری است. وزن استراتژی تجارت با استفاده از مدل انتخاب گسسته ارائه شده توسط Manski و McFadden (1981) محاسبه می شود. با این حال، معامله‌گرانی که از تحلیل تکنیکال پیروی می‌کنند، ضرر گریز هستند، جایی که زیان بیشتر از سود معادل است. بر این اساس، اوزان معاملات فنی بر حسب تابع خطی تکه ای ارائه شده توسط نظریه چشم انداز بیان می شود (Kahneman و Tversky، 1979، 1984، 1991، 1992). در هر بازار یک بازارساز وجود دارد. بازارسازان قیمت دارایی ها را با توجه به خالص سفارشات ارسالی تعیین می کنند. برای این منظور، یک تابع ضربه خطی پیشنهاد شده توسط فارمر و جوشی (2002) دنبال می شود. عوامل به طور غیرمستقیم از طریق تأثیر خود بر تعدیل قیمت تعامل دارند. این بر جذابیت قوانین تجارت تأثیر می گذارد، که بر روند انطباق باورها تأثیر می گذارد.

با شبیه‌سازی، نتایج نشان می‌دهد که مدل توسعه‌یافته می‌تواند سری‌های زمانی مالی ایجاد کند که حقایق سبک‌سازی شده مهم مشاهده شده تجربی مانند حباب‌ها و خرابی‌ها، خوشه‌بندی نوسانات، دم‌های قانون قدرت، حافظه بلند و ساختارهای فراکتال را نشان می‌دهد. پس از آن، مدل پیشنهادی به عنوان یک بستر آزمایشی برای سیاستگذاران برای بررسی اثر وضع مالیات بر معاملات مالی عمل می‌کند. تأثیر وضع مالیات تراکنش های مالی بر پویایی بازار به طور گسترده مورد بررسی قرار گرفته است.

بقیه مقاله به شرح زیر سازماندهی شده است. در بخش 2، مدل پیشنهادی بازار مالی مبتنی بر عامل ارائه شده است. پویایی قیمت گذاری دارایی در بخش 3 بررسی می شود. علاوه بر این، نتایج شبیه سازی گسترده مونت کارلو نمایش داده می شود. در بخش 4، تأثیر اعمال مالیات بر معاملات بر پویایی بازار بررسی شده است. بخش 5 مقاله را به پایان می رساند.

2. مدل

دو بازار سهام مختلف وجود دارد، Market X و Market Z که در دو کشور واقع شده اند. فرض بر این است که کشورها یا واحد پولی مشترک دارند یا بر روی نرخ ارز ثابت توافق کرده اند. برای سادگی، دو بازار سهام متقارن فرض می شوند. بنابراین، معامله گران ترجیحی برای یک بازار بر بازار دیگر ندارند. دو نوع عامل وجود دارد؛بازارسازان و معامله گران. در هر مرحله زمانی t , t = 0, 1, [...], T هر معامله گر تصمیم می گیرد یا سفارشات را ارسال کند یا از بازار خودداری کند. اگر معامله‌گری بخواهد سفارشی را ارسال کند، می‌تواند سفارش خود را به بازار X یا بازار Z ارسال کند. علاوه بر این، معامله‌گر می‌تواند از قوانین تجاری یا اصولی معاملاتی پیروی کند. بنابراین، اگر معامله گر تصمیم به ارسال سفارش داشته باشد، از بین پنج گزینه معاملاتی (دو بازار سهام مختلف و سه اقدام تجاری متفاوت) انتخاب می کند.

بازارسازان قیمت دارایی ها را بر اساس یک تابع تاثیر قیمت لگ خطی پیشنهاد شده توسط فارمر و جوشی (2002) تسویه می کنند. این تابع رابطه بین مقدار سفارشات (تقاضا/عرضه) و قیمت دارایی را اندازه گیری می کند. بنابراین، قیمت ثبت دارایی در دوره t + 1 برای بازارهای X و Z را می توان به صورت زیر ارائه کرد:

که در آن p t X و p t Z به ترتیب قیمت‌های ثبت شده در زمان t در بازارهای X و Z هستند، a یک پارامتر تسویه قیمت مثبت است، D t Xc و D t Zc سفارش‌هایی هستند که در زمان t توسط چارتیست‌ها به بازار X ارسال می‌شوند. و Z به ترتیب، D t X f و D t Z f، سفارش‌هایی هستند که در زمان t توسط اصولگرایان به بازارهای X و Z ارسال می‌شوند، w t Xc و w t X f به ترتیب وزن استراتژی فنی و بنیادی در بازار هستند. بازار X در زمان t و w t Z c و w t Z f به ترتیب وزن نمودارگرایان و اصولگرایان در بازار Z در زمان t هستند. برای نزدیک کردن مفروضات به بازارهای واقعی، عبارت‌های نویز α t X و α t Z اضافه می‌شوند تا عوامل تصادفی موثر بر فرآیند تسویه قیمت در بازارهای X و Z را به دست آورند. فرض بر این است که α t X و α t Z , t = 1, 2, [...], T متغیرهای تصادفی مستقل و با توزیع یکسان (IID) با میانگین صفر و انحراف استاندارد ثابت σ α X و σ α Z هستند. به ترتیب.

نمودارها از تحلیل تکنیکال برای بهره برداری از تغییرات قیمت پیروی می کنند (مورفی، 1999). سفارش های معاملاتی فنی که به ترتیب در زمان t به بازارهای X و Z ارسال می شوند را می توان به صورت زیر نوشت:

در جایی که B یک پارامتر واکنش مثبت است (همچنین پارامتر برون مرزی نامیده می شود) که حساسیت چارتیست ها را به تغییرات قیمت ضبط می کند. دوره اول در سمت راست معادلات (3) و (4) تفاوت بین قیمت فعلی و آخر را نشان می دهد ، که نشانگر بهره برداری از تغییرات قیمت است. دوره دوم سفارشات تصادفی اضافی از قوانین معاملات فنی را ضبط می کند. β t x و β t z ، t = 1 ، 2 ،… ، t به طور عادی متغیرهای تصادفی با میانگین انحراف استاندارد صفر و ثابت σ β x و σ β z توزیع می شوند.

تجزیه و تحلیل اساسی فرض می کند که قیمت ها در کوتاه مدت به اصول خود باز می گردند (گراهام و داد ، 2009). سفارشات ارسال شده توسط اصولگرایان به بازارهای X و Z در زمان t می توانند توسط:

در جایی که C یک پارامتر واکنش است (همچنین به عنوان یک پارامتر برگشت دهنده نیز نامیده می شود) که حساسیت بنیادگرایان را به میانگین بازگرداندن قیمت ضبط می کند. f t x و f t z مقادیر فندیکی ورود به سیستم هستند (یا ارزش های صرفاً اساسی) (Day and Huang ، 1990). دوره اول در سمت راست معادلات (5) و (6) نشان دهنده اعوجاج بازار در زمان t است ، که انحراف قیمت شاخص را از اصول آنها محاسبه می کند ، فاصله_t = f_t – p_tوادγ t x و γ t z برای گرفتن سفارشات تصادفی اضافی از قوانین اساسی تجارت معرفی می شوند. γ t x و γ t z ، t = 1 ، 2 ،… ، t به طور عادی متغیرهای تصادفی با میانگین انحراف استاندارد صفر و ثابت σ γ x و σ γ z توزیع می شوند. مقادیر فونداسیون ورود به سیستم پس از یک پیاده روی تصادفی به گونه ای تکامل می یابد که به گونه ای:

جایی که η t x و η t z به ترتیب مقادیر اساسی شوک در بازارهای X و Z هستند. η t x و η t z ، t = 1 ،… ، t به طور عادی با میانگین انحراف استاندارد صفر و ثابت σ x و σ z توزیع می شود. فرض بر این است که نوسانات اساسی در هر دو بازار برابر است. همچنین فرض بر این است که معامله گران اساسی می توانند ارزش های اساسی را محاسبه کنند.

بخش تکاملی مدل نشان می دهد که چگونه اعتقادات با گذشت زمان در حال تحول هستند (بروک و هومس ، 1998). یعنی اینکه چگونه مأمورین اعتقادات خود را تطبیق داده و بین استراتژی ها جابجا می شوند. سازگاری با اعتقاد در وزن استراتژی W T آینه می شود. W T =< w t X c , w t Z c , w t X f , w t Z f , w t 0 >، جایی که W T 0 نشان دهنده وزن عوامل غیرفعال است و W T X C ، W T Z C ، W T X F ، W T Z F همانطور که در معادلات (1) و (2) نشان داده شده است. وزن استراتژی با توجه به اقدامات تناسب اندام تکاملی (یا جذابیت قوانین معاملاتی) که می تواند به صورت زیر ارائه شود به روز می شود:

(9) a t x c = (exp ⁡ (p t x) - exp ⁡ (p t - 1 x)) d t - 2 x c - t a x x (exp ⁡ (p t x) - exp ⁡ (p t - 1 x)) |D T - 2 X C |+ m a t - 1 x c ،

(10) a t x f = (exp ⁡ (p t x) - exp ⁡ (p t - 1 x)) d t - 2 x f - t a x x (exp ⁡ (p t x) - exp ⁡ (p t - 1 x)) |D T - 2 X F |+ m a t - 1 x f ،

.) |D T - 2 Z C |+ m a t - 1 z c ،

.) |D T - 2 Z F |+ m a t - 1 z f ،

جایی که یک t x c ، a t z c ، a t x f ، a t z f و a t 0 اقدامات تناسب اندام زیر استراتژی Chartist در بازار X ، استراتژی Chartist در بازار Z ، استراتژی اساسی در بازار X ، استراتژی اساسی استدر بازار Z و استراتژی بدون تجارت. بازرگانان غیرفعال برای پرهیز از تجارت ، جذابیت صفر داشتند. اندازه گیری تناسب اندام دو قانون تجاری دیگر ، فنی و تجزیه و تحلیل اساسی ، به سه مؤلفه بستگی دارد. اولین دوره از طرف راست معادلات (9)-(12) عملکرد قانون استراتژی در جدیدترین زمان است. توجه کنید که سفارشات ارسال شده در دوره T - 2 با قیمت اعلام شده در دوره t - 1. دستاوردها یا ضررها مطابق قیمت های اعلام شده در دوره t انجام می شوند. دوره دوم سمت راست معادلات (9)-(12) هزینه های تجارت را از نظر مالیات معامله نشان می دهد ، جایی که مالیات x نرخ مالیات بازار X و مالیات Z نرخ مالیات بازار Z است. اصطلاح سوم سمت راست معادلات (9)-(12) حافظه عوامل را نشان می دهد ، جایی که 0 ≤ m ≤ 1 پارامتر حافظه است که سرعت شناخت سودهای فعلی را اندازه گیری می کند.

تعصب رفتاری از دست دادن ، با الهام از سلیم و همکاران ارائه شده است.(2015) ، جایی که چارتیست ها تناسب اندام استراتژی خود را از نظر عملکرد ارزش دستاوردها و ضررها ارزیابی می کنند (Tversky and Kahneman ، 1991 ؛ Benartzi and Thaler ، 1993). عملکرد مقدار پیشنهادی دلالت بر این دارد که درد ضرر دو برابر رضایت از دستاوردهای معادل است. بنابراین ، جذابیت استراتژی فنی توسط:

where λ >1 پارامتر بیزاری از دست دادن است که حساسیت نسبی نسبت به سود و زیان را اندازه گیری می کند. با این حال ، تنظیم λ = 1 توابع مقدار را به v t x c = a t x c و v t z c = a t z c کاهش می دهد. این مورد را می توان Chartists از دست داد (Selim et al. ، 2015).

به دنبال مانسکی و مکفادن (1981) ، وزن هر استراتژی را می توان با مدل انتخاب گسسته به دست آورد:

. با

(17) w t x f = exp (r a t x f) 1 + exp ⁡ (r v t x c) + exp ⁡ (r a t x f) + exp ⁡ (r v t z c) + exp ⁡ (r a t zf) ،

. با

. f) ،

وزن استراتژی تجارت متناسب با جذابیت استراتژی است. پارامتر R در معادلات (16)-(19) شدت انتخاب نامیده می شود و حساسیت عامل را برای انتخاب استراتژی تجارت با اندازه گیری آمادگی جسمانی بالاتر اندازه گیری می کند.

3. نتایج شبیه سازی و تجزیه و تحلیل

3. 1 طراحی کالیبراسیون و شبیه سازی

در این بخش ، این مدل با بررسی میزان قادر به تکرار واقعیت های تلطیف شده مشاهده شده به صورت تجربی ، تأیید می شود. مقادیر پارامترهای مدل به گونه ای انتخاب شده اند که مدل می تواند پویایی بازارهای مالی واقعی را تقلید کند. برای اعلام دقیق ایده در انتخاب مقادیر خاص پارامترها ، خواننده می تواند به Westerhoff و Dieci (2006) مراجعه کند.

بازار مالی مصنوعی پیشنهادی با استفاده از پلت فرم NetLogo (نوع منبع پشتیبانی نشده (ElectronicSource) برای منبع ویلنسکی ، 1999) اجرا می شود. در آغاز اولیه ، تمام پارامترهای مدل برابر با مقادیر تعریف شده در جدول I. عملکرد 1000 اجرای شبیه سازی بررسی شده است. هر اجرا شامل 5000 مشاهدات روزانه است. در ادامه ، پویایی تکاملی مدل پیشنهادی کشف می شود.

3. 2 تکرار حقایق سبک شده

قبل از شرکت در یک شبیه سازی جامع مونت کارلو ، در ابتدا مهم است که یک اجرای شبیه سازی نماینده را مشاهده کنید. شکل 1-8 رفتار این اجرای خاص را نشان می دهد. شکل 1 تکامل قیمت های ورود به سیستم را برای دو بازار نشان می دهد. توجه داشته باشید که قیمت ها در مورد ارزش های اساسی آنها نوسان می کند. میانگین اعوجاج بازار را می توان به عنوان d i s t = 1 t ∑ t = 1 t | محاسبه کردD I S T T |، که ارزش آن 11. 49 درصد برای Dist X و مقدار 8. 54 درصد برای Dist z است. این دو سری قیمت ها به طور تصادفی پیاده روی و نمایش حباب و تصادف هستند. این نتایج با واقعیت های تلطیف شده به صورت تجربی مطابقت خوبی دارد.

شکل 2 بازده دو بازار را نشان می دهد. می توان مشاهده کرد که بازده شدید به ترتیب به 20 ± و 10 درصد برای بازار X و Z می رسد. به دنبال Guillaume و همکاران.(1997) ، نوسانات را می توان به عنوان میانگین بازده مطلق محاسبه کرد (جلد) v o l = 1 t ∑ t = 1 t |r t |وادنوسانات متوسط محاسبه شده به ترتیب 1. 35 و 1. 07 درصد برای جلد X و Vol Z است ، که نشان دهنده ویژگی نوسانات اضافی است (شیلر ، 1981). همچنین ، شکل 2 یک واقعیت تلطیف شده دیگر از بازارهای دارایی را نشان می دهد ، که خوشه بندی نوسانات است.

شکل 3 وزن پنج استراتژی معاملاتی را نشان می دهد. پانل اول در شکل 3 میانگین وزن را نشان می دهد ، که به ترتیب 20 ، 25. 6 ، 19. 2 ، 20. 4 و 14. 8 درصد برای W T X C ، W T X F ، W T 0 ، W T Z F و W T Z C محاسبه می شود. توجه داشته باشید که نوسانات بالاتر در بازار X نسبت به بازار Z ، که می تواند با مشارکت بالاتر چارتیست ها در بازار X توضیح داده شود نسبت به بازار Z. علاوه بر این ، این نتایج نشان می دهد که 34. 8 (46) درصد از نمایندگان از معاملات فنی (اساسی) پیروی می کنند. تأثیر تعصب رفتاری از دست دادن را می توان با اجرای یک شبیه سازی با استفاده از همان دانه های تصادفی و تنظیم پارامتر نشان داده شده در جدول I به جز λ = 1. بررسی کرد. پانل دوم در شکل 3 میانگین وزنهای را نشان می دهد که به ترتیب 22. 9 ، 17. 2 ، 17. 5 ، 18. 7 و 23. 6 درصد برای w t x c ، w t x f ، w t 0 ، w t z f و w t z c محاسبه می شود. از این پس ، 46. 5 (35. 9) درصد از نمایندگان از معاملات فنی (اساسی) پیروی می کنند. بر این اساس ، گریز از دست دادن باعث می شود که عوامل تجارت اساسی را نسبت به معاملات فنی ترجیح دهند. افزایش سهام Chartists با هزینه افزایش نوسانات بازار ، که به ترتیب 1. 38 و 1. 11 درصد برای جلد X و Vol Z محاسبه می شوند.

با این حال، نتایج 1000 اجرای شبیه‌سازی با استفاده از دانه‌های تصادفی مختلف و تنظیمات پارامتر نشان‌داده‌شده در جدول 1 نشان می‌دهد که میانگین وزن‌های میانگین 17 درصد برای wt Xc، 23 درصد برای wt x f، 20 درصد برای wt xf برآورد شده است. w t 0 , 23 درصد برای w t Z f و 17 درصد برای w t Z c . پس از آن، 34 درصد از نمایندگان معاملات فنی را دنبال می کنند. علاوه بر این، 46 درصد از نمایندگان معاملات بنیادی را ترجیح دادند. از آنجایی که دو بازار متقارن فرض می شوند، نمودارگرایان و اصولگرایان به طور مساوی در هر دو بازار مشارکت دارند. در نتیجه، هیچ بازاری بر دیگری ترجیح داده نمی شود. علاوه بر این، کاهش معاملات فنی می تواند به دلیل رفتار زیان-گریزی باشد.

یکی دیگر از واقعیت های تلطیف شده قابل توجه، دم های قانون قدرت است، با شاخص دم در منطقه 2-5. توان α توزیع پارتو برای دم ها را می توان با قانون مکعب معکوس زیر بیان کرد:

با α_{r ≈ 3}(لوکس و مارکسی، 1999؛ لوکس، 2009؛ هاس و بیگورش، 2011). برای بررسی دنباله های قانون قدرت، تخمین دم شاخص هیل برای کوچکترین و بزرگترین 10 درصد مشاهدات محاسبه می شود. شکل 4 فرآیند تخمین دنباله های شاخص هیل را نشان می دهد (هیل، 1975؛ هویسمن و همکاران، 2001). رگرسیون در کوچکترین (بزرگترین) 10 درصد مشاهدات، مقدار 0. 049 ± 2. 85 (0. 048 ± 2. 40) را برای بازار X و مقدار 4. 09 ± 0. 079 (3. 51 ± 0. 072) برای بازار Z به دست می دهد. این نتایج به خوبی با قانون مکعب معکوس (21) مطابقت دارد.

یکی دیگر از واقعیت های حیرت انگیزی که باید بررسی شود، عدم وجود همبستگی خودکار در بازده خام است. شکل 5 نشان دهنده همبستگی خودکار برای 100 تاخیر اولیه بازده خام برای هر دو بازار است. خطوط چین بر اساس فرض فرآیند نویز سفید، نوارهای اطمینان 95 درصد را نشان می دهند. بازده خام برای دو بازار ضرایب خودهمبستگی را نشان می دهد که بیش از 100 تاخیر معنی دار نیستند. این دلالت بر تصادفی بودن قیمت دارایی ها دارد.

برای مطالعه پیش بینی پذیری نوسان دارایی، خودهمبستگی در بازده مطلق مورد مطالعه قرار می گیرد. دو پانل در شکل 6 همبستگی های خود را برای 100 تاخیر اول بازده مطلق برای دو بازار نشان می دهند. خطوط چین بر اساس فرض فرآیند نویز سفید، نوارهای اطمینان 95 درصد را نشان می دهند. پانل ها نشان می دهند که بازده مطلق به طور قابل توجهی تا 100 (30) تاخیر در بازار X (Z) همبستگی خودکار دارند. بنابراین، نوسانات را می توان تا حدی پیش بینی کرد (بدون پیش بینی قابل توجه جهت حرکت قیمت).

واقعیت مهم دیگر بازارهای مالی ، خود شفقت است که توسط ماندلبروت (1983) به رسمیت شناخته شده است. برای بررسی خود شنی بودن ، تجزیه و تحلیل نوسان محروم (DFA) به دنبال پنگ و همکاران انجام می شود.(1994). رابطه خطی در مقیاس ورود به سیستم بین نوسانات متوسط ، f_n، و مقیاس زمانی ، N ، ساختار مقیاس بازده دارایی را نشان می دهد. شکل 7 برآورد نماینده مقیاس ، H را نشان می دهد_r، برای بازده خام بازارهای X و Z. مقدار H = 0. 5 نشان دهنده یک فرآیند نویز سفید ، مقدار 0. 5 است< H < 1 corresponds to long-range power-law autocorrelations and a value of 0 < H < 0.5 indicates that large and small oscillations of the time series are very likely to alternate. The scaling exponent H_rارزش 0. 029 ± 0. 50 برای بازار X و مقدار 0. 005 05 0. 52 برای بازار z است. در نتیجه ، مقادیر تخمین زده شده از بازتاب مقیاس ، فرآیندهای نویز سفید را نشان می دهد.

شکل 8 تخمین از مقیاس مقیاس ، H را ارائه می دهد_{| r |}، برای بازده دارایی مطلق. نماینده مقیاس H_{| r |}ارزش 0. 090 ± 0. 89 برای بازار X و مقدار 0. 068 ± 0. 73 برای بازار Z است. مقادیر برآورد شده از نماینده مقیاس گذاری نشانگر همبستگی های قانون برداشت طولانی در بازده مطلق است.

پس از آن ، اجرای شبیه سازی نشان داده شده در شکل 1-8 از رفتار مشاهده شده در بازارهای مالی واقعی به طرز چشمگیری تقلید می کند. در ادامه ، استحکام این نتایج با انجام یک تجزیه و تحلیل کامل مونت کارلو مورد بررسی قرار می گیرد. این تجزیه و تحلیل به 1000 دوره شبیه سازی متکی است که هر یک شامل 5000 مشاهده است. تمام اجراهای شبیه سازی با تنظیم پارامتر ارائه شده در جدول I با استفاده از دانه های مختلف متغیرهای تصادفی اجرا می شوند.

جدول II برآورد میانگین و میانگین میانگین ، حداکثر ، حداقل ، انحراف معیار ، کمبود و کورتوز برای دو بازار را گزارش می کند. برآورد میانگین و میانگین کورتوز برای دو سری برگشتی بیشتر از 3 است که نشانگر لپتوکورتوز است.

جدول III برآوردهای میانگین و میانگین برآوردگرهای شاخص دم تپه α^ را نشان می دهد_kبرای k ∈ درصد از کوچکترین (دم چپ) و بزرگترین (دم راست) برای دو دارایی باز می گردد. به عنوان مثال ، با توجه به کوچکترین (بزرگترین) 5 درصد مشاهدات R x ، برآورد شاخص دم مقدار 3. 63 (3. 09) را برای میانه نشان می دهد. نتایج نشان می دهد که میانگین تخمین شاخص دم تپه از بزرگترین و کوچکترین مشاهدات 10 درصد با قانون جهانی مکعب مطابقت خوبی دارد (نگاه کنید به (21)).

جدول IV برآوردهای میانگین و میانگین همبستگی در بازده خام ، ac r ℓ ، برای تاخیر ℓ ∈ ∈ ، و همبستگی را در بازده مطلق ، AC |r |ℓ ، برای تاخیر ℓ ∈. برآورد میانگین ضرایب همبستگی AC R ℓ نشان می دهد که تغییرات قیمت عمدتاً بی ارتباط است. به عنوان مثال ، برآورد میانگین ضرایب همبستگی AC R 1 مقدار 0. 03 را برای R x و مقدار 0. 03 برای R z نشان می دهد. این مطابق با بیشتر بازارهای مالی واقعی است ، جایی که قیمت دارایی با توجه به یک پیاده روی تصادفی تکامل می یابد. برآورد میانگین ضرایب همبستگی AC |r |1 مقدار 0. 28 را برای R x و مقدار 0. 28 برای R z نشان می دهد ، که نشانگر پایداری در نوسانات است.

سرانجام ، استحکام رفتار مقیاس بندی و ساختار فراکتال مورد نیاز است. جدول V تخمین میانگین و میانگین را برای بازده مقیاس بازده خام ، ساعت نشان می دهد_r، و نماینده مقیاس بازده مطلق ، ساعت_{| r |}وادبرآورد میانگین H_rمقدار 0. 50 را برای R x و مقدار 0. 49 برای R z نشان می دهد. این ارقام نشانگر درجه کمی برای پیش بینی بازده دارایی است. علاوه بر این ، تخمین میانه H_{| R |}مقدار 0. 79 را برای R x و مقدار 0. 78 برای R z نشان می دهد. این مقادیر همبستگی های قدرتمند قانون را در بازده مطلق نشان می دهند.

با خلاصه ، این مدل حقایق تلطیف شده بازارهای مالی واقعی را به طرز چشمگیری تکرار می کند. پس از آن ، این مدل می تواند به عنوان یک آزمایشگاه برای بررسی تأثیر مالیات معامله بر رفتار تعویض عوامل باشد. برای این منظور ، دو سناریو مورد بررسی قرار می گیرد. اول ، تأثیر تحمیل مالیات فقط در یک بازار. دوم ، تأثیر تحمیل مالیات در دو بازار. نتایج این سناریوها در بخش زیر نشان داده شده است.

4- پویایی با مالیات معاملات

4. 1 مالیات معامله در یک بازار

برای بررسی تأثیر اعمال مالیات بر معاملات فقط در یک بازار، مالیات بر مبادلات 0. 25 درصد در یک بازار اعمال می‌شود، به عنوان مثال. بازار X (از آنجایی که دو بازار متقارن فرض می شوند، در صورت انتخاب بازار Z، نتایج تغییر نمی کند). شکل 9 اجرای شبیه سازی را با استفاده از همان دانه های تصادفی برای شبیه سازی ارائه شده در شکل های 1-8 نشان می دهد. شبیه سازی بر اساس تنظیمات پارامتر ارائه شده در جدول I به جز مالیات X = 0. 0025 اجرا می شود. پس از آن، تفاوت در پویایی صرفاً به دلیل مالیات است. شکل 9 را می توان به طور مستقیم با شکل های 1، 2 و پانل اول در شکل 3 مقایسه کرد. دو پانل اول در شکل 9 تکامل قیمت های ورود به سیستم را نشان می دهد. حباب قیمت و سقوط بازار را می توان مشاهده کرد. علاوه بر این، قیمت ها حول پایه های خود در نوسان هستند. پانل های سوم و چهارم در شکل 9 بازده دارایی را نشان می دهند. سری بازده دارای نوسانات بیش از حد و نوسانات خوشه ای است که در بازارهای مالی واقعی مشاهده می شود. آخرین پانل در شکل 9 وزن پنج استراتژی معاملاتی را نشان می دهد. هیچ استراتژی تجاری بر دیگران تسلط ندارد. با کمال تعجب، میانگین وزن ها به ترتیب 20، 25. 6، 19. 2، 20. 4 و 14. 8 درصد برای wt Xc، wt Xf، wt 0، wtZf و wtZc محاسبه می شود. علاوه بر این، میانگین نوسانات محاسبه شده به ترتیب 1. 35 و 1. 07 درصد برای حجم X و vol Z، و میانگین اعوجاج بازار محاسبه شده برای dist X و dist Z به ترتیب 11. 49 و 8. 54 درصد است. اینها همان ارقام به دست آمده از اجرای شبیه سازی ارائه شده در شکل های 1-8 هستند. پس از آن، اخذ مالیات در یک بازار بر پویایی بازار در هر دو بازار تأثیر نمی گذارد.

برای بررسی استحکام این نتایج، یک تحلیل جامع مونت کارلو استفاده شده است. تجزیه و تحلیل متکی بر 1000 اجرای شبیه سازی برای هر نرخ مالیات است که در 20 مرحله از 0. 05 به 0. 5 افزایش یافته است. هر شبیه سازی از 5000 مشاهده تشکیل شده است. همه اجراهای شبیه سازی بر اساس تنظیمات پارامتر ارائه شده در جدول I با استفاده از دانه های مختلف متغیرهای تصادفی اجرا می شوند. شکل 10 نتایج شبیه سازی مونت کارلو را برای سناریوی اول نشان می دهد. شکل 10 میانگین نوسانات را برای هر دو بازار، میانگین اعوجاج قیمت برای هر دو بازار و میانگین وزن های پنج استراتژی معاملاتی را نشان می دهد. پانل اول در شکل 10 نشان می دهد که نوسانات هر دو بازار در حدود 1. 18 درصد در نوسان است. کدام نرخ مالیات باعث ثبات بازارها می شود؟هیچ نرخ مالیاتی خاصی وجود ندارد که نوسانات را در هر دو بازار در یک دوره کاهش دهد. با این حال، هیچ نرخ مالیاتی وجود ندارد که باعث افزایش شدید نوسانات بازار شود. همین نتیجه از پانل دوم در شکل 10 مشاهده شده است. هیچ انحراف قابل توجهی در اعوجاج بازار مشاهده نمی شود. پانل آخر در شکل 10 وزن استراتژی های معاملاتی را نشان می دهد که به ترتیب برای اصولگرایان، چارتیست ها و معامله گران غیرفعال در هر دو بازار حدود 46، 34 و 20 درصد است. علاوه بر این، نمودارگرایان و اصولگرایان تقریباً به طور مساوی در هر دو بازار مشارکت دارند. بنابراین، اعمال مالیات بر مبادلات در یک بازار ممکن است بر ثبات بازار یا اعوجاج قیمت تأثیری نداشته باشد. علاوه بر این، شواهد محکمی مبنی بر اینکه معامله گران ترجیح می دهند تجارت در بازار را بدون مالیات معامله ترجیح دهند، وجود ندارد. معامله گران همچنین معاملات بنیادی را بر معاملات فنی ترجیح می دهند. با این حال، این همان نتیجه به دست آمده از مدل بدون معرفی مالیات معاملات است.

4. 2 مالیات بر معاملات در هر دو بازار

برای بررسی تأثیر اعمال مالیات بر معاملات در دو بازار، مالیات بر معاملات 0. 25 درصد در هر دو بازار اعمال می شود. شکل 11 اجرای شبیه سازی را بر اساس همان دانه های تصادفی اجرای شبیه سازی نشان داده شده در شکل های 1-8 با استفاده از تنظیمات پارامتر ارائه شده در جدول I نشان می دهد، به جز مالیات X = 0. 0025 و مالیات Z = 0. 0025. بنابراین، تفاوت در پویایی تنها به دلیل مالیات است. شکل 11 را می توان به طور مستقیم با شکل های 1، 2 و پانل اول در شکل 3 مقایسه کرد. دو پانل اول در شکل 11 تحول قیمت ثبت شده را نشان می دهند. قیمت‌ها حول پایه‌های خود در نوسان هستند و شبیه رفتار قیمت دارایی‌ها هستند که به صورت تجربی مشاهده می‌شوند. پانل های سوم و چهارم در شکل 11 بازده دارایی را نشان می دهند که نوسانات و خوشه بندی بی ثباتی بیش از حد را همانطور که در بازارهای مالی واقعی مشاهده می شود نشان می دهد. آخرین پانل در شکل 11 وزن پنج استراتژی معاملاتی را نشان می دهد. به طور شگفت انگیزی، میانگین وزن ها به ترتیب 20، 25. 6، 19. 2، 20. 4 و 14. 8 درصد برای wt Xc، wt Xf، wt 0، wtZ f و wtZc محاسبه می شود. علاوه بر این، میانگین نوسانات محاسبه شده به ترتیب برای جلد X و 1. 07 درصد است. میانگین محاسبه شده اعوجاج بازار به ترتیب 11. 49 و 8. 54 درصد برای dist X و dist Z است. اینها همان ارقام به دست آمده از اجرای شبیه سازی ارائه شده در شکل های 1-9 هستند. پس از آن، وضع مالیات در دو بازار متقابل بر پویایی بازار در هر دو بازار تأثیر نمی گذارد.

استحکام این نتایج با استفاده از تجزیه و تحلیل کامل مونت کارلو بررسی می شود. این تجزیه و تحلیل به 1000 دوره شبیه سازی برای هر نرخ مالیات متکی است که از 0. 05 به 0. 5 در 20 مرحله افزایش یافته است. هر شبیه سازی از 5000 مشاهده تشکیل شده است. تمام اجراهای شبیه سازی بر اساس تنظیم پارامتر ارائه شده در جدول I با استفاده از دانه های تصادفی مختلف اجرا می شوند. شکل 12 نتایج شبیه سازی مونت کارلو را برای سناریوی دوم نشان می دهد. شکل 12 نوسانات متوسط برای هر دو بازار ، اعوجاج قیمت متوسط برای هر دو بازار و میانگین وزن پنج استراتژی معاملاتی را نشان می دهد. پانل اول در شکل 12 نشان می دهد که نوسانات هر دو بازار در حدود 1. 18 درصد نوسان دارد. علاوه بر این ، مقادیر مختلف نرخ مالیات تأثیر کمی بر نوسانات بازار از هر جهت دارد. همین نتیجه برای تحریف قیمت بدست می آید. هیچ انحراف قابل توجهی در اعوجاج بازار از پانل دوم در شکل 12 قابل مشاهده نیست. همانطور که توسط آخرین پانل در شکل 12 نشان داده شده است ، وزن استراتژی های معاملات به ترتیب برای اصولگرایان ، نمودارها و معامله گران غیرفعال حدود 46 ، 34 و 20 درصد است.، در هر دو بازار. علاوه بر این ، Chartists و اصولگرایان تقریباً به همان اندازه در این دو بازار شرکت می کنند. بنابراین ، تحمیل مالیات معاملات در دو بازار تعامل ممکن است باعث بی ثباتی یا تحریف قیمت در هر دو بازار نشود. علاوه بر این ، معامله گران معاملات اساسی را نسبت به معاملات فنی ترجیح می دهند. با این وجود ، این همان نتیجه ای است که در بازارهای مصنوعی با مالیات صفر و با یک مالیات فقط در یک بازار بدست آمده است.

لازم به ذکر است که تفاوت کلیدی بین مدل پیشنهادی و مدل ارائه شده توسط Westerhoff و Dieci (2006) تعصب رفتاری از دست دادن است. Westerhoff و Dieci (2006) دریافتند که تحمیل مالیات توبین در یک بازار منجر به تثبیت این بازار با هزینه ثبات بازار دیگر خواهد شد. علاوه بر این ، پرداخت مالیات توبین در دو بازار باعث کاهش نوسانات و اعوجاج در هر دو بازار می شود. نویسندگان فوق به ترتیب میانگین وزن 38 ، 45 و 17 درصد را برای اصولگرایان ، چارتیست ها و بازرگانان غیرفعال گزارش می دهند. توجه داشته باشید که فرضیات اصلی و مقادیر پارامتر که در این تحقیق دنبال می شوند ، مشابه موارد Westerhoff و Dieci (2006) است ، به جز رفتار از دست دادن. بدین ترتیب ، تفاوت در نتایج را می توان به طور عمده به رفتار ضرر و زیان نسبت داد ، که با مدیریت رفتار سوداگرانه ، بازار را تثبیت می کند. علاوه بر این ، دولت ها می توانند مالیات معاملات کوچک را برای تولید درآمدهای اضافی بدون نگرانی در مورد ثبات بازار به دست آورند.