تأثیر احساسات سرمایه گذار ایالات متحده بر بازده اوراق بهادار متقابل: یک رویکرد با فرکانس بالا

1 ،* و

گروه حسابداری و دارایی ، دانشکده تجارت و مدیریت دولتی ، دانشگاه ایالتی کالیفرنیا ، بیکرزفیلد ، کالیفرنیا 93311 ، ایالات متحده

سیستم های اطلاعاتی اقتصاد ، امور مالی و تصمیم گیری ، دانشگاه سنت توماس ، هیوستون ، TX 77006-4626 ، ایالات متحده

نویسنده ای که مسئول است باید ذکر شود. J. Risk Financial Manag. 2021 ، 14 (10) ، 491 ؛https://doi. org/10. 3390/jrfm14100491

دریافت: 12 اوت 2021 / اصلاح شده: 5 اکتبر 2021 / پذیرفته شده: 7 اکتبر 2021 / منتشر شده: 15 اکتبر 2021

خلاصه

:

در این مقاله تأثیر یک اندازه گیری احساسات سرمایه گذار با فرکانس بالا (ترس های جدید) در بازده اوراق بهادار خارجی ذکر شده در بازارهای ایالات متحده به عنوان درآمدهای سپرده گذاری آمریکایی (ADR) بررسی شده است. ما با جمع بندی شاخص های حجم جستجو (SVIS) برای مجموعه ای از اصطلاحات جستجوی اقتصادی منفی ، یک اندازه گیری احساسات سرمایه گذار با فرکانس بالا را بازآفرینی می کنیم. ما می دانیم که بازده بازار کل ADR نسبت به افزایش جستجو برای شرایط منفی اقتصادی مانند "رکود اقتصادی" ، "بحران" و "ورشکستگی" توسط خانوارهای آمریکایی ، واکنش منفی نشان می دهد. این اولین مقاله برای اندازه گیری تأثیر احساسات سرمایه گذار با فرکانس بالا بر اوراق بهادار با لیست متقاطع است. علاوه بر این ، نتایج بدون در نظر گرفتن تنوع احساسات و اندازه گیری بازده بازار کل که ما از آنها استفاده می کنیم ، در طول مطالعه ما سازگار است. ما همچنین شاخص های بازار منطقه ای ADR را بررسی می کنیم و نشان می دهیم که ADR های آمریکای لاتین نسبت به این اندازه گیری احساسات سرمایه گذار حساس تر هستند.

کلید واژه ها:

1. معرفی

در ادبیات قیمت گذاری دارایی در مورد نقشی که احساسات سرمایه گذار در بازارهای مالی ایفا می کند ، یک بحث طولانی وجود دارد. به عنوان مثال ، کینز (1936) اصطلاح "ارواح حیوانات" را برای توصیف شور و شوق سرمایه گذاران در مورد دارایی های خاص ابداع کرد. او معتقد بود كه ارواح حیوانات گاهی اوقات از بازارها عبور می كنند و به این ترتیب قیمت دارایی ها را از ارزش های اساسی خود دور می كردند. شواهد ارائه شده توسط د لانگ و همکاران.(1990) ، باربریس و همکاران.(1998) ، بیکر و وورگلر (2006) ، پرز-لیستون و گوتیرز (2018) و بسیاری دیگر ارتباط مشخصی بین احساسات سرمایه گذار و قیمت دارایی برقرار کرده اند. در نتیجه این شواهد ، بحث تغییر یافته است که اقدامات احساسات سرمایه گذار هنگام اندازه گیری تأثیر احساسات سرمایه گذار بر قیمت دارایی مناسب تر است (بیکر و وورگلر 2007).

در این مطالعه ، ما تأثیر یک اندازه گیری احساسات سرمایه گذار مستقر در ایالات متحده به نام ترس (نگرش مالی و اقتصادی که توسط جستجو) بر بازده های سپرده گذاری آمریکایی (ADR) بازده را بررسی می کنیم. شاخص ترس توسط دا و همکاران توسعه یافته است.(2015). علاوه بر این ، ما به دنبال تعیین نقش احساسات سرمایه گذار ایالات متحده در مدل قیمت گذاری دارایی اوراق بهادار خارجی از طریق بازار کل شاخص های امنیتی متقاطع ، به طور کلی و منطقه ای هستیم.

ADR گواهینامه های قابل مذاکره است که نمایانگر یک مالکیت در یک شرکت خارجی است. این ابزارها برای تسهیل تجارت سهام شرکتهای غیر آمریکایی در بازارهای سرمایه ایالات متحده ایجاد شده است. مطالعات قبلی حاکی از آن است که آنها نه تنها راه خوبی برای سرمایه گذاری در شرکت های خارجی هستند ، بلکه به سرمایه گذاران ایالات متحده نیز اجازه می دهند تا از طریق ADR در اوراق بهادار خود مزایای تنوع را بدست آورند (جیانگ 1998 ؛ Alaganar و Bhar 2001).

ما به ویژه علاقه مند به مطالعه ADR هستیم زیرا اوراق بهادار همزمان در دو بازار مالی از نظر جغرافیایی متفاوت ذکر شده است: کشور و در ایالات متحده در هر دو بازار ، دارایی مشمول همان مجموعه اصول شرکت و خطر خاصیت خاص است ، اما متفاوت کلان اقتصادی استشرایط ، حق ریسک و احساسات سرمایه گذار (Suh 2003 ؛ Grossmann et al. 2007). برای مدیران نمونه کارها که به دنبال تنوع بین المللی از طریق سرمایه گذاری در ADR ها هستند ، برای درک اثرات کوتاه مدت احساسات سرمایه گذار ایالات متحده بر این اوراق بهادار مهم است.

از آنجا که اندازه گیری ترس یک پروکسی با فرکانس بالا برای احساسات سرمایه گذار است ، ما ADR ها را ترجیح می دهیم که اوراق بهادار اساسی را به حداقل برسانند تا تأثیر تجارت غیر همزمان را به حداقل برسانیم. به خصوص در مورد ADR های اروپایی و آسیایی ، که در ساعات بسیار متفاوتی نسبت به بازارهای ایالات متحده تجارت می کنند. این تفاوت به ویژه در اندازه گیری تأثیر احساسات روزانه سرمایه گذار بسیار مهم است. اگر می خواهیم اثر معاصر احساسات سرمایه گذاران ایالات متحده در اوراق بهادار خارجی را ضبط کنیم ، باید تأثیر آن را اندازه گیری کنیم در حالی که بازارها هنوز باز هستند. به عنوان مثال ، افزایش احساسات منفی سرمایه گذار ایالات متحده ممکن است تا روز معاملاتی بعدی در مورد بازارهای آسیایی یا اروپا منعکس نشود ، که در آن زمان ممکن است این اثر کاهش یافته باشد یا خبرهای مختلف می تواند تأثیر متفاوتی بر بازارهای دارایی های اساسی داشته باشدو احساسات سرمایه گذاران در کل. سرانجام ، به دلیل سادگی ، برنامه ADR به طور گسترده در سیستم مالی ایالات متحده اتخاذ می شود ، به این معنی که بیشتر معاملات بین المللی خرید و فروش سهام با استفاده از ADR به عنوان وسیله نقلیه انجام می شود ، نه سهام اصلی.

به طور سنتی ، پروکسی های احساسات سرمایه گذار که در تحقیقات قبلی مورد استفاده قرار می گیرند متعلق به رویکرد "پایین به بالا" مبتنی بر نظرسنجی است که در ابتدا توسط براون و کلیف (2004) یا رویکرد "از بالا به پایین" که توسط بیکر و وورگلر (2006) معرفی شده است ، تعلق دارد. سابق از اقدامات مبتنی بر نظرسنجی برای جلب خوش بینی (بدبینی) سرمایه گذاران در فواصل هفتگی و ماهانه استفاده می کند. دومی از متغیرهای کلان اقتصادی و ناهنجاری هایی مانند تخفیف صندوق بسته ، گردش مالی سهام بورس ، بازده روز اول در IPO ، سهم سهام در موضوعات جدید و حق بیمه سود سهام تشکیل شده است. با این حال ، مطالعات قبلی بسیار کمی از یک پروکسی احساسات سرمایه گذار با فرکانس بالا استفاده می کند. به همین منظور ، ما از رویکرد دا و همکاران پیروی می کنیم.(2015) برای تولید یک شاخص از SVI منفی کل برای لیستی از 30 اصطلاح جستجو که قبلاً به عنوان منفی با بازار مشخص شده بود . 1 ، ما نمونه مشاهدات روزانه را از 1 ژانویه 2004 تا 31 دسامبر 2016 گسترش می دهیم. اثرات اندازه گیری احساسات سرمایه گذار ترس در مجموعه ای از شاخص های ADR برای ارزیابی تأثیر آن در بازار کل اوراق بهادار متقاطع.

دو مزیت اصلی استفاده از روش SVI برای ساخت اقدامات احساسات سرمایه گذار وجود دارد. اول ، ما می توانیم فرضیه های مختلفی را آزمایش کنیم که فقط با استفاده از داده های روزانه قابل آزمایش هستند. این کار با استفاده از داده های نظرسنجی امکان پذیر نخواهد بود ، که به طور معمول به صورت هفتگی یا ماهانه در دسترس است. دوم ، این امکان را به ما می دهد تا اثرات معاصر (و معکوس های کوتاه مدت بالقوه) تغییرات در نظرات خانوارهای آمریکایی را که توسط الگوهای جستجوی اینترنتی آنها اندازه گیری می شود ، اندازه گیری کنیم. علاوه بر این ، این روش تعصبات نمونه برداری مانند موارد مشاهده شده در مطالعات مبتنی بر نظرسنجی را کاهش می دهد (Singer 2002). همچنین مشکل استفاده از یک پروکسی غیرمستقیم از احساسات را کاهش می دهد ، مانند نمونه ای که از متغیرهای کلان و ناهنجاری های بازار مانند رویکرد "بالا به پایین" استفاده شده توسط بیکر و وورگلر (2006) ، مورد انتقاد Qiu و Welch (2004) 2 قرار گرفته است. بشر

طبق اعلام بانک جهانی (2020) ، درصد کاربران اینترنت در ایالات متحده در سال 2016 85. 5 ٪ بود. استفاده از داده های جستجوی اینترنتی یک دلیل محکم برای در نظر گرفتن این شاخص احساسات به عنوان بازنمایی قابل اعتماد از نگرانی ها و علایق جمعیت ایالات متحده است. در شکل 1 ، ما SVI را در Google Trends برای کلمه "بحران" از ژانویه 2004 تا دسامبر 2016 نشان می دهیم.

این مطالعه با بررسی رابطه بین احساسات سرمایه گذار ایالات متحده و بازده اوراق بهادار خارجی با استفاده از داده های با فرکانس بالا ، به ادبیات کمک می کند. مشابه بازده سهام ایالات متحده ، نتایج نشان می دهد رابطه منفی معاصر بین ترس از اندازه گیری احساسات سرمایه گذار و بازده بازار کل ADR ، و پس از آن واژگونی مثبت در روز معاملاتی زیر است. علاوه بر این ، در این مقاله شواهدی از تأثیر اقدامات احساسات مشتق از SVI بر روی یک فهرست امنیتی متقاطع ارائه شده است که به دانش ما قبلاً مورد مطالعه قرار نگرفته است. نتایج برای اوراق بهادار ADR به همان اندازه وزن و ارزش وزن سازگار است. سرانجام ، ما نشان می دهیم که احساسات سرمایه گذار ایالات متحده بر شاخص های منطقه ای ADR متفاوت است. شاخص های ADR آمریکای لاتین تقریباً دو برابر تأثیر آنچه را که توسط شاخص های ADR اروپایی و آسیایی نشان داده شده است نشان می دهد.

باقیمانده این مقاله به شرح زیر سازماندهی شده است: بخش 2 در مورد ادبیات قبلی بحث می کند. بخش 3 داده ها و روش شناسی را توضیح می دهد ، از جمله توضیحات مفصلی در مورد ساخت شاخص و تفاوت های آن با ترس های اصلی ارائه شده توسط دا و همکاران.(2015) ؛بخش 4 نتایج تجربی را ارائه می دهد. بخش 5 تست های استحکام را انجام می دهد ، از جمله استفاده از شاخص اصلی ترس. و بخش 6 نتیجه گیری را برای مطالعه ارائه می دهد.

2. بررسی ادبیات

2. 1ترس

در مقاله خود ، دا و همکاران.(2015) نگرش های مالی و اقتصادی را که توسط جستجو (ترس) نشان داده شده است با جمع آوری داده های جستجوی Google در 30 اصطلاح جستجو با یک طبقه بندی منفی و اقتصادی حاصل از فرهنگ لغت هاروارد IV-4 توسعه داد. آنها دریافتند که افزایش در این احساسات منفی تأثیر منفی بر بازده سهام داخلی ایالات متحده دارد و به دنبال آن اثر معکوس روز بعد است. گائو و همکاران.(2020) از یک اندازه گیری هفتگی از ترس استفاده کرد و تأثیر منفی بر بازده سهام برای 38 کشور مختلف از سال 2004-2014 یافت. علاوه بر این ، با استفاده از ترس ها برای پیش بینی بازده بیت کوین ، Burgraff و همکاران.(2020) استراتژی های معاملاتی را توسعه داد که از اوراق بهادار خرید و نگهدارنده ارزهای رمزنگاری شده بهتر است. علاوه بر این ، کوستوپولوس و همکاران.(2020) دریافت که وقتی ترس زیاد است ، سرمایه گذاران فردی خود را در سمت فروش دارایی های خطرناک قرار دادند.

2. 2SVI

شاخص حجم جستجو (SVI) ابزاری است که امکان تعیین تعداد جستجوها یا پرس و جوهای انجام شده توسط کاربران اینترنت را در یک اصطلاح جستجو برای یک موتور جستجوی خاص فراهم می کند. استفاده از داده های SVI در ادبیات با سرعت زیادی در حال افزایش است زیرا (اغلب) یک نشانگر بی طرفانه از توجه کاربران اینترنت به یک موضوع خاص ارائه می دهد. استفاده از داده های SVI در مطالعات مالی و اقتصاد شیوع بیشتری پیدا می کند. به این معنا ، با استفاده از تیک های سهام ، دا و همکاران.(2011) با وارونگی قیمت بعدی طی یک سال ، بین SVIS و قیمت سهام رابطه مثبت پیدا کرد. علاوه بر این ، Irresberger و همکاران.(2015) با استفاده از شرایطی مانند "اجرای بانکی" و "بحران مالی" توانستند سهام بانکی را با SVI توضیح دهند.

علاوه بر این ، Vozlyublennaia (2014) از Google Trends استفاده کرد و دریافت که شوک در بازده سهام باعث تغییر طولانی مدت در توجه سرمایه گذاران می شود.

مشابه با روش SVI ، مطالعات دیگر بر استفاده از منابع مختلف اطلاعات اینترنتی برای نشان دادن تأثیر احساسات سرمایه گذار در بازارهای سهام متمرکز شده اند. به عنوان مثال ، سیگانوس و همکاران.(2014) از شاخص ناخالص ملی شادی فیس بوک استفاده کرد تا نشان دهد که چگونه بازده مثبت سهام دوشنبه ها از افزایش روحیه خوب یکشنبه ها به دست آمده است. علاوه بر این ، ژانگ و همکاران.(2016) از یک پروکسی احساسات توییتر برای توضیح عملکرد بازار سهام در 11 کشور استفاده کرد.

2. 3ADR

به گفته جیانگ (1998) ، اوراق بهادار با لیست متقاطع به ابزاری متنوع سازی نمونه کارها تبدیل شده اند که می تواند بهبود قابل توجهی در تجارت بازده ریسک در اوراق بهادار سهام فراهم کند. این یافته ها مطابق با موارد ارائه شده توسط الی و صالحیه (2001) است. آنها دریافتند که ADR ها با سهام زیربنایی خود ادغام می شوند. بنابراین ، سرمایه گذاران بلند مدت از آنها به عنوان جایگزین سهام خارجی استفاده می کنند. با این حال ، هنگام مطالعه اصول از هر دو بازار ، ایالات متحده و کشور وطن ، آنها دریافتند که هر دو بازار منابع مهم اطلاعات مربوط به سهام ADR هستند. به همین ترتیب ، پیتربورگسکی و یانگ (2013) دریافتند که سرمایه گذاری در سهام زیربنایی برای اهداف متنوع سازی مفیدتر از ADR است که بازده بازار سهام ایالات متحده کم است ، و هنگامی که اقتصاد ایالات متحده کم تحرک است. علاوه بر این ، گاگنون و کارولی (2010) نشان دادند که حتی اگر لیست متقابل شرکت ها طی چند سال گذشته کند شده باشد ، جهانی سازی ادامه دارد ، و این نشان می دهد که ADR ها هنوز هم می توانند یک عامل ادغام بازار بین المللی تلقی شوند. مطالعات دیگر اثر تصحیح قیمت را که برای اوراق بهادار ذکر شده با ارزش بازار شدید وجود دارد ، نشان داده اند (مادورا و ریچی 2007).

بیشتر تحقیقات ADR که احساسات سرمایه گذار را مطالعات می کند ، بر توضیح انحراف از وضعیت ارزش قیمت بین ADR ها و اوراق بهادار اساسی آنها متمرکز شده است. این انحرافات معمولاً به عنوان سوءاستفاده ADR شناخته می شوند (Suh 2003 ؛ Grossmann et al. 2007 ؛ Beckmann et al. 2015 ؛ Wu et al. 2017). به عنوان مثال ، هوانگ (2011) از محبوبیت خاص کشور در بین جمعیت ایالات متحده برای توضیح سوءاستفاده از صندوق های بسته کشور (CCEF) و ADR استفاده کرد. نتایج نشان داد که سهام کشورهای محبوب بیشتر (کمتر) احتمالاً در اوراق بهادار با لیست متقاطع خود حق بیمه (تخفیف) را نشان می دهند. پرز-لیستون و همکاران.(2018) برای بررسی تأثیر سرریز احساسات سرمایه گذار ایالات متحده بر بازده بورس اوراق بهادار مکزیک ، از یک رویکرد اتورگرایی بردار استفاده کرد و دریافت که این اثر از احساسات داخلی متمایز است. علاوه بر این ، Verma و Soydemir (2006) ، با استفاده از داده های نظرسنجی ، تأثیر احساسات سرمایه گذار نهادی ایالات متحده را در بورس سهام خارجی مورد مطالعه قرار دادند. آنها مشخص کردند که این اثر بسته به بازارهای سهام (ایالات متحده ، مکزیک و برزیل و هیچ تاثیری در شیلی) و نوع احساسات مورد استفاده (سرمایه گذار نهادی یا احساسات سرمایه گذار فردی) درجات مختلفی از تأثیر دارد. با استفاده از داده های نظرسنجی ، Bathia و همکاران.(2016) ، به ادبیات سرریز احساسات ایالات متحده کمک کرد و دریافت که بازار کل و رشد سهام همه کشورهای غیر آمریکایی G7 به میزان قابل توجهی از انتشار احساسات بازار ایالات متحده تأثیر می گذارد. با این حال ، تا به امروز ، هیچ مطالعه دیگری اثر معاصر احساسات سرمایه گذار با فرکانس بالا در بازده ADR را مشاهده نکرده است. علاوه بر این ، این اولین مطالعه ای است که از یک احساسات SVI محور در بازده های امنیتی با لیست متقاطع استفاده می کند.

3. داده ها و روش شناسی

در این بخش ، ما در مورد منابع داده و روش استفاده شده در این مطالعه بحث می کنیم. علاوه بر این ، ما جزئیات مربوط به ساخت اندازه گیری احساسات سرمایه گذار خود را ارائه می دهیم.

3. 1شاخص احساسات SVI

Google Trends اطلاعاتی را برای شاخص های حجم جستجو (SVIS) فراهم می کند. این شاخص ها محبوبیت شاخص جستجوی نسبی را برای هر کلمه کلیدی مورد استفاده در موتورهای جستجو در مقیاس از 0 تا 100 قرار می دهند. با استفاده از SVIS برای تشکیل شاخص احساسات سرمایه گذار ، دا و همکاران.(2015) نشان داد که احساسات سرمایه گذار بر بازده S& P 500 در همان روز معاملاتی تأثیر منفی می گذارد و به دنبال آن تعدیل وارونگی مثبت در روز بعد انجام می شود. این شاخص با جمع کردن پرس و جوهای جستجوی کاربران اینترنت ایالات متحده برای شرایطی مانند "تورم" ، "بحران" و "بیکاری" ساخته شده است. استفاده از SVI از یک روند چند رشته ای در تحقیقات پیروی می کند که به دنبال استفاده از پرس و جوهای جستجوی اینترنتی به عنوان بازتابی از علایق و نگرانی های مردم است.

به جای استفاده از ادبیات تحلیلی متن برای شناسایی کلمات با معانی اقتصادی (به عنوان مثال ، Tetlock 2007 ؛ Tetlock و همکاران 2008) ، ما با جمع آوری شاخص های حجم جستجوی روزانه برای مجموعه ای از 30 اصطلاح جستجو ، که قبلاً توسط دا و همکاران مشخص شده بود ، شروع کردیم.(2015) ، که بزرگترین همبستگی منفی با Market3 را گزارش می کند. در جدول 1 لیستی از اصطلاحات جستجو استفاده شده برای ساخت فهرست ارائه شده است.

با استفاده از Google Trends (www. google. com/trends ، دسترسی به 16 مارس 2018) ، ما شاخص حجم جستجوی روزانه را برای هر اصطلاح جستجو از 1 ژانویه 2004 تا 31 دسامبر 2016 بارگیری کردیم. هر فهرست بسته بهتعداد جستجوها برای کلمه یا اصطلاح خاص در یک زمان خاص. بنابراین ، اگر سرمایه گذاران نسبت به عملکرد بازار سهام بدبین باشند ، جستجوی کل برای این اصطلاحات منفی جستجوی اقتصادی افزایش می یابد. در شکل 1 ، ما یک سنبله را در SVI برای اصطلاح جستجو "بحران" مشاهده می کنیم. در طول بحران مالی 2008 به ارزش 100 می رسد. با این حال ، با توجه به اینکه دوره تجزیه و تحلیل ما همچنین شامل زمان رشد نسبی اقتصادی است ، ما با برخی از اصطلاحات جستجوی منفی روبرو شدیم که دارای مقادیر "0" برای تعداد مهمی از دوره ها هستند (به عنوان مثال ، Google Trends مشاهدات مثبت را برای اصطلاح "CAR" گزارش نمی دهداهدا "در سه ماهه اول سال 2010).

Google Trends به کاربران امکان می دهد نتایج را با توجه به موقعیت جغرافیایی خود از پرس و جو فیلتر کنند. از آنجا که علاقه اصلی ما اطلاعات تاریخی جستجوی خانوار ایالات متحده است ، ما نتایج را محدود کردیم تا فقط از کاربران اینترنت ایالات متحده نشان دهیم. پس از تدوین مشاهدات برای هر اصطلاح جستجو ، ما اقدام به محاسبه تغییر روزانه در اصطلاح جستجو J به عنوان:

δ s v i j ، t = ln (s v i j ، t) - ln (s v i j ، t - 1)

هر اصطلاح جستجو نگرانی های عادی را ارائه می دهد که باید قبل از ادامه مورد بررسی قرار گیرد. بنابراین ، ما از روشهای مشابه Da et al استفاده کردیم.(2015) برای داروی کردن ، Winsorize و استاندارد کردن هر سری ، و سپس میانگین را برای به دست آوردن شاخص ما محاسبه کرد:

n e w f e a r s t = 1 30 × ∑ j = 1 30 Δ s v i j t

3. 2داده اضافی

ما داده های روزانه را از منابع مختلف جمع آوری کردیم تا با مطالعه خود ادامه دهیم. ما شاخص های بانک نیویورک ملون ADR و شاخص های منطقه ای ADR را برای آسیا ، اروپا و آمریکای لاتین بارگیری کردیم. شاخص تجارت وزنی ایالات متحده آمریکا: گسترده [DTWEXB] ، از فرد ، بانک مرکزی فدرال رزرو سنت لوئیس بازیابی می شود. ما اوراق بهادار ADR به طور مساوی و با ارزش را با استفاده از کلیه ADR های موجود از CRSP از ژوئیه 2004 تا دسامبر 2015 ساخته ایم.

یکی از مزایای استفاده از شاخص های ADR به جای سهام فردی ، جلوگیری از اوراق بهادار غیرقانونی از نتایج تحقیقات ما است ، همانطور که توسط هوانگ (2011) توضیح داد ، که دریافت که اوراق بهادار کشورهای محبوب تر گردش مالی بالاتری را نشان می دهد. علاوه بر این ، شاخص های بانک نیویورک ملون ADR به عنوان مرجع در صنعت برای صندوق های معامله شده رد و بدل شده (ETFS) . 6 کبیر و همکاران استفاده می شود.(2011) دریافت که تأثیر جایگزینی در سرمایه گذاری در ADR ها و شاخص های مربوط به کشور آنها وجود دارد.

علاوه بر این ، ما شاخص نوسانات بازار روزانه Chicago Board (CBOE) را به طور مستقیم از وب سایت CBOE 7 بازیابی کردیم. VIX نوسانات ضمنی معاملات گزینه های سهام در S& P 500 را اندازه گیری می کند ، همچنین معمولاً به عنوان "شاخص ترس سرمایه گذار 8 شناخته می شود. این اندازه گیری به طور گسترده ای در ادبیات به عنوان پروکسی برای احساسات سرمایه گذار مورد استفاده قرار می گیرد (بیکر و وورگلر 2007). برای شامل یک اقدام فرکانس بالا برای فعالیت کلان اقتصادی ، ما شاخص Aruoba-Diebold-Scotti (ADS) 9 را از بانک مرکزی فدرال رزرو فیلادلفیا جمع آوری کردیم. ADS یک شاخص تنظیم شده فصلی است که شامل یک سری از شاخص های اقتصادی مانند مطالبات بیکار اولیه هفتگی ، اشتغال ماهانه حقوق و دستمزد ، تولید صنعتی ، درآمد شخصی کمتر پرداخت انتقال ، تولید و فروش تجارت و تولید ناخالص داخلی واقعی است. مقدار متوسط تبلیغات صفر است. به عنوان مثال ، در طول بحران 2007-2008 ، این شاخص به کمترین مقدار منفی خود از 4/0 کاهش یافته است ، در حالی که یک مقدار مثبت 1. 0 در اوایل سال 2010 حاصل شد. از جمله این متغیر در مدل ، شرایط کلان اقتصادی را کنترل می کند که بر بازارهای مالی تأثیر می گذارد.

برای اندازه گیری عدم اطمینان سیاست اقتصادی (EPU) ، ما یک شاخص تهیه شده توسط بیکر و همکاران به دست آوردیم.(2015) 10. این شاخص دارای سه مؤلفه است. مؤلفه اول پوشش روزنامه عدم قطعیت اقتصادی مربوط به سیاست را تعیین می کند ، مؤلفه دوم نشان دهنده تعداد مقررات کد مالیاتی فدرال است که در سالهای آینده منقضی می شود ، و مؤلفه سوم از اختلاف نظر در بین پیش بینی کنندگان اقتصادی به عنوان نماینده ای برای عدم اطمینان استفاده می کند. ما این متغیر را برای کنترل احساسات منفی که سیاستگذاران و تحلیلگران مالی می توانند با اعلامیه های خود در اخبار وارد بازارها کنند ، در نهایت تأثیر می گذارد و در نهایت تأثیر می گذارد و بر افکار اصلی عمومی تأثیر می گذارد که آب و هوای عدم اطمینان را تأمین می کند.

به عنوان آخرین مرحله ، ما شاخص اصلی Daily Fears را که توسط Da et al استفاده شده بود ، بارگیری کردیم.(2015) از وب سایت پروفسور جوزف انگلبرگ (انگلبرگ 2018). این شاخص از 1 ژوئیه 2004 تا 30 دسامبر 2011 متغیر است. ساخت شاخص آنها کمی با موردی که در این مطالعه تخمین می زنیم متفاوت است. آنها با استفاده از گسترش رگرسیون نورد از لیست بزرگتر از 118 اصطلاح جستجو ، 30 اصطلاح جستجو را با بالاترین مقادیر t-statistic در طی دوره های 6 ماهه شناسایی کردند. با این حال ، در مطالعه خود ، آنها فقط 30 اصطلاح جستجو را با بالاترین مقادیر t-statistic در کل دوره نمونه خود گزارش دادند. ما از این 30 اصطلاح جستجو برای ساخت اندازه گیری احساسات خود استفاده کردیم.

4. نتایج

4. 1ترس های جدید و ADR برمی گردد

برای برآورد تأثیر حاشیه ای از شاخص ترسهای جدید در بازده ADR ، ما مدل رگرسیون زیر را تخمین می زنیم:

r e t u r n i ، t + k = β 0 + β 1 n e w f e a r s t + ∑ m γ m c o n t r o l i ، t m + u i ، t

where r e t u r n i , t + k is the index i ’s retu on day t + k . To evaluate the two day cumulative retus, r e t u r n i , [ t + 1 , t + 2 ] is defined. We included the contemporaneous N e w F E A R S t index, which is the main variable of interest in this study. Consistent with previous studies (Da et al. 2015), we expected a negative sign for the β 1 coefficient for the same-day retus and a positive coefficient for the following day’s retus ( k>0 ؛k = 2). اگرچه ADR نمایانگر سهام شرکت هایی است که در ابتدا در خارج از کشور ذکر شده اند ، اما در ایالات متحده معامله می شوند و بنابراین منوط به تغییر در انتظارات سرمایه گذاران آمریکایی می شوند. یک بردار از متغیرهای کنترل ، C o n t r o l i ، t m ، شامل پنج تاخیر از شاخص یا بازده نمونه کارها ، تغییر در عدم اطمینان سیاست اقتصادی (∆EPU) ، تغییر در عوامل کلان اقتصادی (∆ADS) ، مقادیر روزانه شاخص بی ثباتی CBOE(VIX) ، و تغییرات در نرخ ارز. ما هنگام تخمین بازده شاخص عمومی ADR ، از تغییرات نرخ ارز برای سبد ارزهای تجاری ایالات متحده (∆ FX ایالات متحده T-W) استفاده کردیم. نرخ ارز خاص کشور در مقابل دلار ایالات متحده فقط زمانی استفاده می شود که ما رگرسیون را برای شاخص های ADR خاص کشور تخمین زده ایم. به دنبال Tetlock (2007) و Da et al.(2015) ، ما شامل پنج (5) روز بازده عقب مانده در مدل بودیم. با این حال ، پس از آزمایش برای مشخصات مختلف ، ما مشاهده کردیم که نتایج از نظر کیفی یکسان هستند ، صرف نظر از تعداد تاخیر موجود.

جدول 2 آمار خلاصه را برای متغیرهای اصلی مورد استفاده در این مطالعه نشان می دهد. شاخص ADR میانگین کمی مثبت دارد. به طور سالانه ، میانگین بازده شاخص ADR 3. 8 ٪ در مقایسه با 6. 9 ٪ برای S& P 50012 است. P میانگین شاخص ترسهای جدید 0 است. با توجه به ساخت این متغیر انتظار می رود. تغییرات در تبلیغات به طور متوسط نزدیک به صفر است. این نشان می دهد که با گذشت زمان مطالعه ما ، شرایط اقتصادی هم به همان اندازه مثبت و هم منفی بوده است. علاوه بر این ، شاخص ارز با وزن تجاری ایالات متحده دارای تغییر متوسط 0. 0033 است ، که نشان می دهد قدردانی کمی از دلار ایالات متحده (0. 84 ٪ به صورت سالانه) در مقایسه با شرکای اصلی تجاری خود است.

در جدول 3 رگرسیون پایه با استفاده از شاخص عمومی BNY ADR به عنوان متغیر وابسته بازده است. ضریب ترس جدید (323/0 -) در سطح 1 ٪ منفی و از نظر آماری معنی دار است. این بدان معنی است که وقتی شاخص کل شرایط جستجو منفی (به عنوان مثال افسردگی ، رکود اقتصادی) افزایش می یابد ، قیمت سهام ADR کاهش می یابد و باعث بازده منفی معاصر می شود. اگرچه ضرایب موجود در شاخص ترسهای جدید منفی و قابل توجه است ، اما از نظر اندازه کمتری نسبت به موارد گزارش شده توسط دا و همکاران دارند.(2015). با این حال ، در بخش استحکام ، ما با نمونه مطالعه آنها مطابقت داریم و نتایج از نظر کیفی همان SAME13 است. در مدل 1 ، یک افزایش انحراف یک استاندارد در شاخص ترسهای جدید (0. 3906) نشان دهنده کاهش نقطه 13 در بازده ADR است. ما اثر معکوس قابل توجهی را در روز بعد مشاهده نمی کنیم (T +1) (ستون 2) ، روز دوم بعد از (T +2) (ستون 3) ، و نه جمع آوری هر دو (ستون 4) همانطور که توسط DA گزارش شده استو همکاران(2015). در مدل های 5 ، 6 و 7 مدل را با متغیرهای کنترل اضافی تخمین می زنیم. ما شامل تغییراتی در نرخ ارز دلار آمریکا برای کنترل تغییرات در دلار ایالات متحده ، حذف بازده تاخیر و تغییر در EPU و تبلیغات هستیم. همانطور که انتظار می رود ، ضریب شاخص ترسهای جدید در تمام مشخصات منفی و از نظر آماری معنی دار است. علاوه بر این ، جای تعجب نیست که ضریب تغییرات در ارز ایالات متحده در برابر سبد ارزهای با وزن تجاری منفی و قابل توجه است ، به این معنی که وقتی دلار با توجه به سایر ارزها قدردانی می کند ، ADR بازده کاهش می یابد. گنجاندن نرخ ارز ، قدرت توضیحی مدل را از 3. 5 ٪ به 16. 2 ٪ افزایش می دهد ، نشان می دهد که این یک متغیر کنترل مهم است.

در مرحله بعد ، ما پرتفوی های یکسان و ارزش وزن را با تمام ADR های موجود از CRSP ساختیم و بازده را برای دوره شروع 1 ژوئیه 2004 محاسبه کردیم و به 31 مارس 2015 پایان دادیم. ما از همان مدل رگرسیون (1) استفاده کردیم و نتایج را در جدول 4 گزارش دادیم. نتایج مطابق با نتایج قبلی در جدول 3 برای هر دو پرتفوی است. ضریب شاخص ترس جدید در سطح 1 ٪ برای کلیه بازده های معاصر (T) همزمان و هم از نظر آماری معنی دار است (ستون های 1 ، 5 ، 6 و 10). علاوه بر این ، ما یک اثر معکوس را در بازده روز بعد (T +1) مشاهده می کنیم ، ضرایب (ستون های 2 و 7) مثبت و در سطح 10 ٪ مثبت و معنادار هستند. این بدان معنی است که افزایش در شاخص ترسهای جدید اثر منفی یک روزه دارد اما تقریباً نیمی از روز معاملات بعدی به سرعت معکوس می شود. یک یافته جالب این است که ضرایب ترس جدید تقریباً دو برابر اندازه موجود در بازده شاخص BNY ADR است. افزایش واحد در انحراف استاندارد از شاخص جدیدتر ترس از ترس ، قطره ای تقریباً 26 امتیاز پایه را برای نمونه کارها با وزن یکسان و 23 امتیاز پایه در بازده برای نمونه کارها با ارزش وزن نشان می دهد. این تفاوت جزئی بین ضرایب پرتفوی به همان اندازه با وزن و ارزش وزن نشان می دهد که ADR های سرمایه گذاری در بازار پایین تر از ADR های سرمایه گذاری بالای بازار تحت تأثیر قرار می گیرند. این مطابق با شواهد سوءاستفاده ADR است که در مطالعات قبلی نشان داده شده است (بکمن و همکاران 2015).

4. 2ترس های جدید و بازده شاخص منطقه ای ADR

در این بخش نتایج تأثیر شاخص ترسهای جدید بر شاخص های ADR توسط اوراق بهادار منطقه ای منطقه ای ارائه شده است. جدول 5 تأثیر منفی شاخص ترسهای جدید در بازده معاصر آسیا ، اروپا و آمریکای لاتین را نشان می دهد. جالب اینجاست که ضرایب بازده ADR آمریکای لاتین تقریباً دو برابر ضرایب مشاهده شده برای شاخص های آسیایی و اروپایی است. در مدل های آسیا (1) ، اروپا (2) و آمریکای لاتین (3) ، افزایش انحراف استاندارد در ترس های جدید به ترتیب با کاهش 12 ، 11 و 22 پایه است. این ضرایب هنگامی که ما شامل تغییراتی در تقدیر دلار با توجه به شرکای تجاری آن می شویم ، همانطور که در مدل های آسیا (4) ، اروپا (5) و لاتین آمریکا (6) نشان داده شده است. افزایش انحراف استاندارد در ترس های جدید به ترتیب با کاهش 10 ، 9 و 20 نقطه پایه مطابقت دارد.

این یافته ها نشان می دهد که ADR های آمریکای لاتین از حساسیت بالاتری نسبت به امواج احساسات منفی سرمایه گذار ایالات متحده برخوردار هستند. این مطابق با یافته های Verma و Soydemir (2006) است که تأثیر احساسات ایالات متحده را بر کشورهای آمریکای لاتین و اروپایی و همچنین مواردی که توسط پرز-لیستون و همکاران نشان داده شده است ، مورد مطالعه قرار داده است.(2018) ، که دریافت که بین احساسات سرمایه گذار ایالات متحده و بازده سهام مکزیک اثر سرریز وجود دارد. یکی دیگر از توضیحات جایگزین می تواند همبستگی بالاتری بین بازارهای ایالات متحده و بازارهای آمریکای لاتین باشد ، همانطور که توسط Schaub (2013) نشان داده شده است ، که دریافت که بازده خرید و نگه داشتن ADR آمریکای لاتین تقریباً مشابه شاخص S& P 500 است.

5. تست های استحکام

برای ساخت شاخص جدید ترس ، مراحل دا و همکاران را دنبال کردیم.(2015) ، با برخی از تغییرات جزئی اما بالقوه قابل توجه. ما فقط از 30 اصطلاح جستجوی منفی برتر (به عنوان مثال ، رکود اقتصادی ، بحران) در مقاله خود با بالاترین همبستگی منفی استفاده کردیم. در نسخه ترس ، دا و همکاران.(2015) از یک رگرسیون نورد در حال گسترش از اصطلاحات جستجوی 118 (گزارش نشده) استفاده کرد تا مشخص کند که 30 در ویندوزهای نورد 6 ماهه مهمترین هستند. علاوه بر این ، آنها یک دوره زمانی کوتاه تر از مطالعه ما (2004-2011) ارزیابی کردند. اگرچه این روش مشابه است ، ما گمان می کنیم که قدرت آماری شاخص اصلی می تواند برتر باشد ، زیرا ترکیبات خود را به منفی ترین SVIS در فواصل شش ماهه می رساند. با این وجود ، در جدول 6 ، ما تأثیر ترس های اصلی را بر بازده شاخص BNY ADR تخمین می زنیم و مشاهده می کنیم که این اثر با یافته های قبلی ما سازگار است. تنها تفاوت این است که تغییر انحراف استاندارد در ترس (0. 3548) تقریباً 21 امتیاز پایه در بازده معاصر شاخص ADR را تشکیل می دهد. علاوه بر این ، ما یک معکوس مثبت و از نظر آماری معنی دار در روز بعد در بازده T + 1 و جمع آوری T + 1 و T + 2 مشاهده می کنیم ، به این معنی که امروزه افزایش احساسات منفی در همان روز تأثیر منفی می گذارد ، اما مثبت است. روز بعد بر بازده تأثیر می گذارد. ما همچنین ترس های جدید خود را برای همان دوره زمانی با ترس های اصلی الگوبرداری کردیم و ضریب آن از یک مورد مشاهده شده در جدول 3 افزایش می یابد ، نشان می دهد که این احساسات در زمان آشفتگی اقتصادی و مالی تأثیر بیشتری دارد.

در جدول 7 ، ما به نگرانی های مربوط به همبستگی سریال بالقوه در شرایط خطا مدل رگرسیون اصلی می پردازیم. ممکن است قابل قبول باشد که بازده های قبلی یا متغیرهای حذف شده بر بازده همان روز تأثیر می گذارند و ترس های جدید به طور یکسان (یعنی بازگشت روز گذشته). برای کاهش چنین نگرانی هایی ، مدل اصلی رگرسیون را با استفاده از برآوردگر ماتریس کواریانس Newey و West (1994) تخمین می زنیم. این روش غیر پارامتری به طور خودکار تعداد اتوکارها را برای استفاده در محاسبه یک ناهمگونی و همبستگی ماتریس کواریانس سازگار انتخاب می کند. این روش به صورت نامتعارف معادل روشی است که تحت یک عملکرد میانگین از دست دادن خطای مربع بهینه است.

نتایج نشان می دهد که صرف نظر از مدل مورد استفاده ، شاخص جدید ترس تأثیر منفی بر بازده شاخص BNY ADR دارد ، با ضرایب منفی از نظر آماری معنی دار است. در مدل 1 ، یک افزایش انحراف یک استاندارد در ترس های جدید با کاهش 12. 6 نقطه پایه در بازده شاخص ADR همراه است. در ستون 5 ، ما شامل تغییرات وزنه ای در نرخ ارز ، ضریب ترس های جدید کمتر برجسته است اما هنوز در پاسخ به افزایش انحراف یک استاندارد در ترس های جدید ، بازده روزانه را با 11. 1 امتیاز پایه تأثیر می گذارد.

6. نتیجه گیری

این مطالعه با استفاده از یک نمایه روزانه متشکل از جستجوهای اینترنتی تاریخی برای مجموعه ای از عبارات جستجوی اقتصادی منفی (به عنوان مثال، رکود، رکود)، نشان می دهد که افزایش حجم جستجوهایی مانند «رکود» و «بحران» تأثیر منفی بربازده شاخص های کل شرکت های بورسی. نتایج نشان دهنده تأثیر منفی این معیار جدید احساسات بر بازده همزمان شاخص ADR و معکوس شدن روز بعد است. نتایج زمانی سازگار هستند که از پرتفوی های دارای وزن برابر و ارزشی ADR، شاخص های منطقه ای ADR برای آسیا، اروپا و آمریکای لاتین نیز استفاده کنیم. هنگام مقایسه ضرایب، این مطالعه نشان می دهد که ADR های آمریکای لاتین به طور کلی بیشتر تحت تأثیر تغییرات شاخص New FEARS نسبت به کشورهای اروپایی و آسیایی قرار می گیرند. اگرچه ADR ها را می توان یک ابزار متنوع سازی بلندمدت برای بسیاری از سرمایه گذاران در نظر گرفت، این اوراق بهادار در معرض افزایش همزمان عدم اطمینان و بدبینی سرمایه گذاران ایالات متحده هستند. یکی از پیامدهای مستقیم شواهد تجربی ما اهمیت احساسات سرمایه گذاران ایالات متحده در مدل های قیمت دارایی برای اوراق بهادار خارجی است. این یافته ها برای سرمایه گذاران کوتاه مدت و بلندمدت و مدیران پورتفولیو به طور یکسان مرتبط هستند و با Frugier (2016) سازگار هستند، که نشان می دهد احساسات سرمایه گذار می تواند به طور سودآوری توسط متخصصان استفاده شود. به طور کلی، ما نتایج خود را با نتایج Da و همکاران مطابقت می یابیم.(2015) و گائو و همکاران.(2020) و دیگر ادبیاتی که ترس ها و تأثیر آن بر قیمت دارایی ها را بررسی می کند. نتایج ما نشان می دهد که مانند سهام داخلی ایالات متحده، شاخص های امنیتی متقابل با افزایش احساسات منفی در بین سرمایه گذاران ایالات متحده، بازده منفی همزمانی را نشان می دهند. این یافته ها حمایت می کنند که احساسات سرمایه گذاران ایالات متحده در کوتاه مدت به اوراق بهادار خارجی سرازیر می شود و با وجود مزایای طولانی مدت تنوع گزارش شده توسط دیگران، اثر معکوس بعدی در روز بعد خواهد داشت.

این مطالعه ادبیاتی را که از اقدامات احساساتی سرمایه گذار با فرکانس بالا حاصل از داده های استفاده از اینترنت استفاده می کند ، گسترش می دهد. استفاده از اقدامات احساساتی سرمایه گذار با فرکانس بالا به عنوان منبع مفیدی از اطلاعات برای درک اثرات رفتار انسان در بازارهای مالی در حال ظهور است. ما ادبیات را در مورد اثرات سرریز احساسات سرمایه گذاران ایالات متحده بر اوراق بهادار خارجی ، با استفاده از شاخص های ADR به عنوان پروکسی ما برای سهام بین المللی گسترش می دهیم. ما می دانیم که اگرچه ADR ها نمایانگر یک مالکیت در یک دارایی اساسی که در ابتدا در کشور دیگری معامله می شود ، بازده شاخص بازار کل آنها به طور یکسان به طور همزمان تحت تأثیر سایر سهام داخلی ایالات متحده قرار می گیرد.

مانند هر پروژه تحقیقاتی دیگر ، این مطالعه بدون محدودیت های آن نیست. برخی ممکن است برای ایجاد یک احساسات برای هر منطقه شاخص ADR مناسب باشد. با این حال ، این چالش های فنی و معنایی اضافی را برای جداگانه به صورت جداگانه ارائه می دهد. به عنوان مثال ، با توجه به تفاوت های فرهنگی و زبانی برای هر کشور ، مطابقت با اصطلاحات جستجو که می تواند به طور مستقیم برای تفسیر اقتصادی یا مالی قابل مقایسه باشد ، دشوار خواهد بود. علاوه بر این ، شرایط جستجوی مورد استفاده برای ایجاد اندازه گیری احساسات ما ممکن است همان ترجمه یا مفهوم فرهنگی را نداشته باشد ، به عنوان مثال ، "دفتر تأمین اجتماعی" نام آژانس ایالات متحده مسئول مزایای تأمین اجتماعی و برنامه های بیمه اجتماعی است ، که ممکن است نباشددر هر کشوری که سهام در بازار ایالات متحده دارای لیست متقاطع است ، یک آژانس معادل داشته باشید.

تحقیقات آینده می تواند در مورد استفاده از احساسات سرمایه گذار SVI محور که متمرکز بر اصطلاحات جستجو است که به ویژه برای اوراق بهادار لیست متقاطع مرتبط هستند ، گسترش یابد. مطالعات بیشتر همچنین می تواند در توضیح تفاوت در ضرایب بین شاخص های آمریکای لاتین ، اروپایی یا آسیایی و حتی مطالعه شاخص های ADR در کشور شخصی متمرکز شود. سرانجام ، جالب خواهد بود که اثرات NetNography را در ایجاد شاخص های احساسات در نظر بگیرید ، و درک و کنترل ویژگی های کسانی که چنین جستجوهایی را انجام می دهند ، بینش بسیار غنی تری برای ساختن اندازه گیری احساسات ارائه می دهد. برخی از مباحث مرتبط دیگر که می توانند با استفاده از رویکرد SVI نیز مورد بررسی قرار گیرند ، پایداری ، زیست محیطی ، اجتماعی و حاکمیتی هستند (ESG).

کمک های نویسنده

مفهوم سازی ، J. P. G. P. ؛روش شناسی ، J. P. G. P. ؛اعتبار سنجی ، J. P. G. P. و D. P. L. ؛تجزیه و تحلیل رسمی ، J. P. G. P. ؛منابع ، J. P. G. P. و D. P. L. ؛CURATION DATA ، J. P. G. P. ؛نوشتن - پیش نویس آماده سازی ، J. P. G. P. ؛نوشتن - بررسی و ویرایش ، D. P. L. ؛نظارت ، J. P. G. P. و D. P. L. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و موافقت کرده اند.