Estrategias De Opciones Eficaces De Negociación Basado En La Previsión Volatilidad Sentimiento De Los Inversores De Reclutamiento

Estrategias de opciones eficaces de negociación basado en la previsión volatilidad sentimiento de los inversores de reclutamiento Opciones eficaz Estrategias de Trading Basado en Forecasting Volatilidad Reclutamiento Sentimientos Inversores Su-Jiun Sheu una, Yu-Chen Wei b, c, * un Departamento de Banca y Finanzas, y el presidente, Chi Universidad Nacional de Nan, No.1, Universidad Rd. Puli, el condado de Nantou, 54561, Taiwán, República de China b Departamento de Ciencias de la Gestión, Universidad Nacional Chiao Tung, N ° 1001, Universidad Rd. Hsinchu, 300, Taiwán, República de China c Departamento de Finanzas, Universidad Ming Chuan, No.250, Sec. 5, Jhongshan N. Rd. Shihlin Distrito, la ciudad de Taipei 111, Taiwán, República de China Este estudio investiga el algoritmo de la estrategia de negociación de opciones efectiva basada en las previsiones de volatilidad superiores utilizando datos reales de precios de opciones en el mercado de valores de Taiwán. Evaluación Pronóstico apoya el poder explicativo incremento significativo de sentimientos de los inversores sobre la instalación y la predicción de la volatilidad futura a su adversaria modelo de múltiples factores, especialmente la rotación en el mercado y el índice de volatilidad que son denominado medidor de estado de ánimo y el proxy de reacción exagerada de los inversores. La negociación simulada presenta que el largo (corto) straddle negocian 15 días antes de la liquidación definitiva opción días a partir de los 60 días de la muestra-período de mercado de reclutamiento previsión volatilidad rotación de lograr el mejor rendimiento mensual promedio del 28% (3,6%). Este estudio puentes la brecha entre la negociación de opciones, la volatilidad del mercado, y la señal de los inversores " reacción excesiva a través de la simulación de la estrategia de negociación de opciones. El algoritmo de negociación basado en los sentimientos de los inversores volatilidad previsión de reclutamiento podría estar más lejos aplicado en el comercio electrónico y la otra ayuda a la decisión de la inteligencia artificial Palabras clave: Opciones de estrategia comercial, previsión Volatilidad, sentimientos con Inversionistas, Apoyo a las decisiones, la rotación de Mercado Clasificación JEL: C53; G00; G12 * Autor para la correspondencia: Yu-Chen Wei. Dirección: No.250, Sec. 5, Jhongshan N. Rd. Shihlin Distrito, la ciudad de Taipei 111, Taiwán ROC. Teléfono: + 886-2-2880-9763. Fax: + 886-2-2880-9730. 1. Introducción Este estudio sirve de puente entre la negociación de opciones y contenido de la información de sobrerreacción de los inversores al proponer el algoritmo de la volatilidad de la previsión de reclutamiento sentimientos de los inversores a través de la simulación de la estrategia de negociación de opciones. Mecanismos o factores que pueden filtrar el ruido y mejorar el rendimiento de las operaciones son aspectos prácticos y teóricos de las finanzas, apoyo a las decisiones y la inteligencia artificial (Engle, Hong, Kane Noh, 1993; Poon Granger, 2003; Li Kuo, 2008; Rada, 2008). Entre los filtros de la negociación de opciones, previsión volatilidad es una de las claves criterios que se podrían aplicar en el proceso de decisión. La elección óptima de un modelo apropiado para la predicción de la volatilidad futura está estrechamente relacionado con la cuestión de la cómo medir el rendimiento de predicción de un modelo. Puesto que no hay cierta medida de la "verdadera" valor, el rendimiento de la predicción se suele comparar directa mediante la implementación del modelo de volatilidad a las estrategias de negociación de opciones. LA creciente cuerpo de literatura presenta evidencia de un comportamiento irracional en la acción y la opción mercados. Los malos resultados de las operaciones de opción se han atribuido a la mala mercado tiempo debido a la reacción exagerada a los movimientos más allá del mercado de valores (Bauer, Cosemans Eichholtz, 2009). El filtro que podría mejorar el tiempo de negociación, considerando sobrerreacción de los inversionistas es digno de mención. ¿Cómo podrían los sentimientos dar impacto en el proceso de formación de precios de los activos financieros e influir aún más la variación de cambio? Los primeros trabajos (Friedman, 1953; Fama, 1965) sostuvo que los comerciantes de ruido no son importantes en la formación de precios de activos financieros proceso porque las operaciones realizadas por árbitros racionales en coche precios cercanos a su valores fundamentales. Por otra parte, las anomalías del mercado, por ejemplo, el bajo reacción y la reacción exagerada de precios de las acciones, desafían la teoría de los mercados eficientes. los modelos de comportamiento de los mercados de valores postulan dos tipos de inversores: racional árbitros que son-sentimiento libre y comerciantes irracionales que son propensas a exógena sentimiento. Si tales comerciantes ruido irracional basan sus decisiones comerciales en el sentimiento, a continuación, las medidas de que puedan tener el poder predictivo de comportamiento de los precios de los activos. Los apoderados de los sentimientos de los inversores habían demostrado como un factor de valoración de activos en que existe una relación causal entre el sentimiento y la rentabilidad del mercado (Solt Statman, 1.988; Fisher Statman, 2000; Wang, 2001; Clarke Statman, 1998; Simon Wiggins, 2001; Marrón Acantilado, 2004; Panadero Wurgler, 2006; Panadero Wurgler de 2007, Han, 2008). Aunque el sentimiento se ha aplicado a la gestión de carteras, pocos estudios investigar la relación entre el sentimiento y la volatilidad del mercado y su aplicación en apoyo a las decisiones de comercio (Brown, 1999; Low, 2004;. Wang et al 2006; Verma Verma, 2007). Esto nos motiva a investigar el comercio de opciones eficaces estrategias basadas en el modelo de pronóstico volatilidad que incorpora el contenido de la información de los sentimientos de los inversores. Los algoritmos propuestos en este estudio mejoran el rendimiento de la negociación de opciones y confirmar la capacidad de predicción de los sentimientos de los inversores por la volatilidad futura. los rendimiento comercial de nuestro modelo ha demostrado ser significativamente superior a su modelo de previsión incluyendo los sentimientos de los inversores se construye, que cierra la brecha entre la variación de los precios y la señal de la reacción exagerada de los inversores. En segundo lugar, una algoritmo de negociación opción efectiva se propuso basa en la previsión de la volatilidad modelar y podría además ser aplicado en las plataformas de comercio electrónico. Mercado de renta variable de Taiwan ha sido durante mucho tiempo un mercado emergente indispensable para los inversionistas internacionales. Los datos estadísticos publicados en el informe anual de 2007 de industria de futuros asociación (FIA) presentó que el volumen de comercio de Taiwán Stock Capitalización Intercambio opciones ponderado Stock Index (opciones TAIEX), ocupa el duodécimo en el mundo, lo que indica su creciente importancia para la gestión global de activos. El alto porcentaje de cotización de los comerciantes individuales en el capital de Taiwán (alrededor del 70%) y derivados (alrededor del 50%) del mercado puede ser que también implica que el comercio de ruido o la sentimientos de los inversionistas podrían ser la causa de las variaciones de precios. Este estudio, por tanto, procede a examinar el mercado de valores de Taiwán en rápido desarrollo. El resto de este artículo está organizado de la siguiente manera. Sección 2 discute el la literatura se centra en la previsión de la volatilidad y la relación entre el sentimiento, A cambio, y la volatilidad. La sección 3 describe los proxies de la volatilidad y de sentimiento. Sección 4 esboza el diseño experimental incluyendo modelo de predicción, previsión de la evaluación y estrategias de negociación. Sección 5 presenta los resultados de rendimiento de previsión y operaciones simuladas. Sección 6 revisa las conclusiones. 2. Revisión de la literatura El determinante crítico del desempeño para muchas tareas de gestión de activos tales como la gestión de riesgos, la fijación de precios derivados, opciones de comercio, de cobertura y de activos propiedades que podrían mejorar el poder de predicción y dar incrementales información para la aplicación. El papel de los encuestados Poon Granger (2003, 2005) indican que la prueba de la efectividad de un pronóstico de material compuesto es tan importante como prueba de la superioridad de la modelos individuales, pero esto no se ha hecho más a menudo o en diferentes conjuntos de datos. Modelos de predicción multivariante teniendo en cuenta las diferentes categorías de la volatilidad modelos, como GARCH, la volatilidad histórica, volatilidad estocástica, y la opción implícita volatilidad, están construidos y de aquí en adelante en comparación (Engle Gallo, 2006; Becker, Clements Blanca, 2007; Becker Clements, 2008). Además de la cuestión de la combinación óptima de las medidas de la volatilidad multivariantes, hay otros temas el examen de los posibles indicadores que podría mejorar el poder predicativo de previsión y su aplicación. Desde el punto de las finanzas del comportamiento de la conducta de vista de los inversores podría ser 1 modelos volatilidad histórica (HISVOL) incluyen el paseo aleatorio, los promedios históricos de cuadrado devoluciones o retornos absolutos. Modelos de series de tiempo también incluidos en esta categoría son los que se basan en la volatilidad histórica utilizando medias móviles exponenciales, pesos, modelos autorregresivos o los rentabilidad absoluta autorregresivos fraccionalmente integrados, etc. Todos los modelos en el grupo de modelo HISVOL volatilidad directamente por la omisión de la bondad de ajuste de la distribución de retornos o cualquier otra variable, tales como el precio de las opciones (Poon Granger, 2003). influenciado por la psicología o los proxies sentimiento alcista / bajista (Montier, 2002; Shefrin, 2007). De Long, Shleifer, Summers, Waldmann (DSSW (1990) en adelante) establecen que los inversores están sujetos al sentimiento y modelan la influencia del comercio de ruido en los precios de equilibrio. Su estudio motiva intentos empíricos para justificar la proposición de que los riesgos de los ruidos de los comerciantes indexados por influencia sentimiento ya sea la media o variación en la rentabilidad de los activos. Sentimientos por lo tanto se proponen como uno de los indicadores que podría mejorar la explicación incremental del volatilidad futuro. Una gran cantidad de literatura se centra en el contenido de la relación y la información entre los rendimientos y el sentimiento (Solt Statman, 1988; DSSW, 1990; Clarke Statman, 1998; Fisher Statman, 2000; Wang, 2001; Simon Wiggins, 2001; Marrón Acantilado, 2004; Panadero Wurgler, 2006; Panadero Wurgler de 2007, Han, 2008). Mientras se da menos atención al impacto de los sentimientos en la volatilidad realizada o viceversa (Brown, 1999; Lee, Jiang Indro, 2002; Low, 2004; Wang et al., 2006; Banerjee, Doran Peterson, 2007; Verma Verma, 2007), el papel exacto de sentimiento en el proceso de formación de los precios sigue siendo un tema vale la pena destacar. En resumen, el contenido de información del sentimiento puede ser útil para la volatilidad previsión. Entre ellos, la forma precisa en la que el sentimiento afectará o predecir volatilidad no está claro a priori. Por esta razón, en nuestro análisis empírico la posible indicadores de sentimiento en Taiwán mercado de valores se construyen refiriendo a la anterior literatura, se examina la capacidad predictiva del sentimiento a la volatilidad, la previsión rendimiento de los modelos de la competencia se compara y finalmente la opción efectiva Se propone estrategias de negociación sobre la base de la previsión de la volatilidad.