مقاله انگلیسی با ترجمه شاخص احساسات سرمایه گذار بر اساس نظریه چشم انداز

عنوان فارسی:

شاخص احساسات سرمایه گذار بر اساس نظریه چشم انداز: شواهدی از چین

عنوان انگلیسی:

Investor Sentiment Index Based on Prospect Theory: Evidence from China

کد محصول: H1075

سال نشر: 2023

نام ناشر (پایگاه داده): SSRN

نام مجله: SSRN

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: 49 صفحه PDF

تعداد صفحه ترجمه فارسی:   39 صفحه WORD

قیمت فایل ترجمه شده:  112000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

مطابق با تئوری چشم‌انداز، ما به طور نوآورانه ای فرآیند تصمیم‌گیری واقعی سرمایه‌گذاران را مدل‌سازی کردیم و بر اساس آن احساسات سرمایه‌گذاران در بازار را سنجیدیم. معیار احساسات بازار ما در مقایسه با شاخص سنتی احساسات سرمایه‌گذار مبتنی بر بیکر-وورگلر، در پیش‌بینی بازده در هر دو سری زمانی و مقطعی عملکرد بهتری دارد و کمتر تحت تأثیر نوسانات اقتصاد کلان قرار می‌گیرد. شاخص های اقتصادی قدرت پیش‌بینی خود را از توانایی پیش‌بینی جریان‌های نقدی، نرخ‌های تنزیل و ریسک نوسانات بازار به دست می‌آورند. علاوه بر این، ما یک شاخص احساسات سرمایه‌گذار مصنوعی با استفاده از روش‌های PLS و PCA ایجاد می‌کنیم. شاخص ترکیبی، ویژگی‌های بهینه هر متغیر را قبل از ترکیب حفظ می‌کند و در نهایت  نتایج PLS نسبت به PCA برتری دارد. همچنین، ما نشان می دهیم که احساسات سرمایه‌گذار که بر اساس تئوری چشم‌انداز ساخته شده شامل اطلاعات شاخص احساسات بیکر-وورگلر نیز است که نیاز به انجام تحقیقات جدید در مورد احساسات سرمایه‌گذار در آینده را ضروری می کند.

کلمات کلیدی: تئوری چشم‌انداز، احساسات سرمایه‌گذار، بازار سهام چین

1.مقدمه

نحوه اندازه‌گیری احساسات سرمایه‌گذاران و پیش‌بینی بازده سهام مدت‌هاست که مورد توجه جامعه علمی و سرمایه‌گذاری قرار گرفته است. بر اساس مطالعه اصلی بیکر و ورگلر (2006)، مطالعات متعددی در مورد معیارهای احساسات سرمایه گذار انجام شده اند. برخلاف روش‌های قبلی که بر روی رویدادهای شوک برون‌زا تمرکز می‌کنند یا سعی می‌کنند شاخصی برای احساسات بازار بیابند، در این مطالعه به ریزساختار بازار می پردازیم، از داده‌های معاملات سهام فردی استفاده می‌کنیم و شاخص‌های احساسات سرمایه‌گذار را بر اساس نظریه چشم‌انداز (PT) ایجاد می کنیم. ما بر این باوریم که این روش با فرکانس-بالا می‌تواند از واکنش هیجانی به مبانی اقتصادی جلوگیری کند و در عین حال فرآیند روان‌شناختی تصمیم‌گیری سرمایه‌گذاران را پس از پذیرش اطلاعات تاریخی در نظر می‌گیرد و به احساسات در معاملات واقعی بازار نزدیک‌تر است…

  3.1 ساخت شاخص احساسات سرمایه گذار

  دو نوع داده در این مقاله گنجانده شده است: داده های بازار سهام و داده های شاخص احساسات سرمایه گذار. همه داده ها را می توان در پایگاه داده بازار سهام و تحقیقات حسابداری چین (CSMAR) یافت. داده های بازار سهام شامل:

• قیمت اولیه، بالاترین قیمت، پایین ترین قیمت، و قیمت پایانی.
• ارزش گردش مالی بازار.
• نرخ مازاد روزانه بازده سهام. در ادامه بازده ترکیبی CSI 300

شاخص (شامل سود سهام)؛

• نسبت سود به قیمت (D/P) و نسبت قیمت به درآمد (P/E) از شاخص CSI 300.
• وزن مولفه های شاخص CSI 300، ماهانه.

6.نتیجه گیری

  در این مقاله، ما به طور خلاقانه اطلاعات احساسات سرمایه گذار را از فرآیند سرمایه گذاری سرمایه گذاران بر اساس تئوری چشم انداز استخراج می کنیم. ما دو معیار متفاوت از احساسات سرمایه‌گذاران را ایجاد می‌کنیم که احساسات میانگین و شدید سرمایه‌گذاران را در دوره جاری منعکس می‌کنند. در مقایسه با شاخص سنتی احساسات سرمایه گذار ساخته شده توسط به بیکر و ورگلر (2006)، این دو معیار نسبت به بازده، هم از نظر سری زمانی و هم مقطعی، قدرت پیش بینی کنندگی قوی تری دارند و به طور معناداری کمتر تحت تاثیر نوسانات کلان اقتصادی قرار می گیرند. در علم اقتصاد، هر دو معیار ،  قدرت پیش‌بینی خود را از توانایی خود در پیش‌بینی جریان‌های نقدی می‌گیرند، و احساسات شدید سرمایه‌گذاران نیز نوسانات بازار را پیش‌بینی می‌کند، که با بینش فرد در مورد احساسات سرمایه‌گذار سازگار است…

Abstract  

Based on prospect theory, we innovatively modeled the actual investment decision-making process of investors, from which we measured investor sentiment in the market. Compared to the traditional Baker-Wurgler-based investor sentiment index, our market sentiment measure performs better in predicting returns in both time series and cross-section and is less affected by macroeconomic fluctuations. The economic implications derive their predictive power from their ability to forecast cash flows, discount rates, and the risk of market volatility. Further, we construct a synthetic investor sentiment index using PLS and PCA methods. The synthesized index retains the optimal characteristics of each variable before synthesis, and the results of PLS are superior to those of PCA. Also, we note that the investor sentiment constructed based on prospect theory includes the information in the sentiment index constructed by Baker-Wurgler, which provides new research on investor sentiment for subsequent.

Keywords: prospect theory, investor sentiment, Chinese stock market

1.Introduction

How to measure investor sentiment and make predictions about stock returns has received attention from both the academic and investment communities for a long time. Following the seminal study of Baker andWurgler (2006), the kinds of literature have pioneered a series of measures of investor sentiment. Different from previous methods that focus on exogenous shock events or try to find a proxy for market sentiment, we go deep into the market microstructure, use individual stock trading data, and construct investor sentiment indicators based on prospect theory (PT). We believe that this high-frequency method can avoid the emotional reaction to economic fundamentals, while taking into account the psychological process of investors making investor decisions after accepting historical information, and is closer to the emotions in real market transactions…

6.Conclusion

In this paper, we creatively mine investor sentiment information from investors’ investment process based on prospect theory. We construct two different measures of investor sentiment, which reflect the average and extreme sentiment of investors in the current period. Compared with the traditional investor sentiment index constructed with reference to Baker and Wurgler (2006), these two measures are more predictive and robust to returns, both in time series and cross-section, and are significantly less affected by macroeconomic fluctuations. In economics, both derive their predictive power from their ability to predict cash flows, and extreme investor sentiment also predicts market volatility, which is consistent with one’s intuition about investor sentiment…