ارواح حیوانات و قیمت دارایی های زیست محیطی ، اجتماعی و حاکمیتی: آیا احساسات بازار باعث بازده سهام می شود؟

در سال 1936 ، جان مینارد کینز اصطلاح معروف "ارواح حیوانات" را ابداع کرد تا نشان دهد که مردم چگونه بر اساس خواسته ها تصمیم می گیرند و از مزایا و اشکالات اقدامات خود غافل می شوند. تا چه اندازه قیمت دارایی های زیست محیطی ، اجتماعی و حاکمیتی (ESG) ناشی از احساسات شرکت کنندگان در بازار بر خلاف اصول اقتصادی است؟برای پاسخ به این سؤال ، من از ابزارهای پردازش زبان طبیعی (NLP) و یک قسمت اصلی توییت برای ضبط احساسات بازار در مورد تغییرات آب و هوا استفاده می کنم. با تخمین یک مدل فاکتور ، می فهمم که احساسات با بازده فوری شاخص های سهام مربوط به تغییرات آب و هوا همراه است. این نتایج برای روزها با شدیدترین بازده قوی تر است. احساسات بازار ممکن است به ویژه در توضیح حرکات بزرگ در قیمت دارایی ESG مفید باشد.

بالا و آمدن: دارایی های ESG

دارایی های ESG پرتفوی سهام و اوراق قرضه هستند که شرکت های اصلی آنها عوامل زیست محیطی ، اجتماعی و حاکمیتی را برآورده می کنند. آنها نمایانگر یک سهم سریع از اوراق بهادار مدیریت دارایی هستند: طبق اطلاعات بلومبرگ ، صندوق های مبادله ای مبادله شده ESG (ETFS) دارایی های تجمعی در سال 2021 به بیش از 360 میلیارد دلار رسیده است و پیش بینی می شود این رقم در سال 2025 به 1. 3 تریلیون دلار برسد.

اهمیت روزافزون این دارایی ها باعث می شود ESG بازده و نوسانات را به یک هدف مهم مطالعه تبدیل کند. اول ، ما می خواهیم اندازه گیری کنیم که احساسات بازار در اطراف ESG می تواند قیمت دارایی را هدایت کند. و اگر این اثر قابل توجه باشد ، دارایی های ESG می توانند به عنوان یک ماشه یا تقویت کننده استرس در بازارهای مالی عمل کنند در صورتی که چرخش جانبی قابل توجهی در احساسات وجود داشته باشد.

به بهترین دانش من ، این پست اولین کسی است که از یک نشانگر احساسات در مورد تغییر آب و هوا استفاده می کند ، که با استفاده از ابزارهای NLP و یک نمونه اصلی از توییت ساخته شده است ، به عنوان ورودی به مدلهایی که بازده دارایی را توضیح می دهد. من به سه شاخص بورس سهام که برای اندازه گیری عملکرد شرکت ها در مشاغل جهانی و بریتانیا مرتبط با انرژی پاک طراحی شده است ، نگاه می کنم:

• شاخص انرژی پاک جهانی S& P (GCEI).
• فرصت های زیست محیطی FTSE شاخص انرژی تجدید پذیر و جایگزین (EORE).
• شاخص فرصت های زیست محیطی FTSE (EOUK).

نمودار 1 عملکرد شاخص ها را که از نزدیک با رویدادهای سیاسی مربوط به سیاست تغییرات آب و هوا حرکت می کند ، ترسیم می کند.

نمودار 1: شاخص های سهام مربوط به تغییرات آب و هوا و معیارهای کلی (01/01/2016 = 100)

منابع: بلومبرگ و محاسبات نویسنده.

همه چیز در مورد نگرش: اندازه گیری احساسات بازار

برای ایجاد یک اندازه گیری از احساسات بازار در مورد تغییرات آب و هوایی ، من از API توییتر نمونه اصلی بیش از 700،000 توییت که توسط کلمات کلیدی که از نزدیک با تغییرات آب و هوا مرتبط هستند ، استخراج می کنم. من جستجوی خود را به توییت های انگلیسی زبان ارسال شده در ایالات متحده و انگلیس محدود می کنم. من یک خط لوله استاندارد را دنبال می کنم تا کپی ها را حذف کنم ، متن هر توییت را تمیز و از قبل پردازش کنم.

من دو ابزار پردازش زبان طبیعی از قبل آموزش دیده (فلر و وادر) را برای مجموعه داده های حاصل اعمال می کنم. نمودار 2 تعداد حاصل از توییت ها را نشان می دهد که طبق گفته وادر به احساسات مثبت و منفی تقسیم می شوند. همچنین میانگین نمره فلر برای هر روز در نمونه را نشان می دهد. این سه معیار با استفاده از نمره Z نرمال می شوند.

بین سه شاخص همبستگی شدیدی وجود دارد. سنبله در تعداد توییت های منفی و مثبت مقادیر شدید نمره متوسط فلر را از نزدیک دنبال می کند. این افراط و تفریط اغلب با تحولات سیاسی پیرامون تغییرات آب و هوا مرتبط است.

نمودار 2: اقدامات احساسات بازار در مورد خطر آب و هوا

منبع: محاسبات نویسنده.

پیوند احساسات بازار و بازده یک روزه

برای ارزیابی تا چه اندازه احساسات بازار بر بازده دارایی ESG تأثیر می گذارد ، من یک رگرسیون عاملی را تخمین می زنم که بازده شاخص های ESG را به نمرات Vader و Flair پیوند می دهد و عوامل اضافی را کنترل می کند. این عوامل شامل نسبت قیمت به درآمد از هر شاخص ، تفاوت اوراق قرضه دولتی 20 ساله و 30 روزه (ریسک افق زمان) ، گسترش اوراق بهادار شرکت های درجه یک سرمایه گذاری (خطر اطمینان) و بازده یک معیار استفهرست (S& P 500 در مورد S& P GCEI و FTSE 100 برای شاخص های FTSE Eore و FTSE EOUK).

جدول A نشان می دهد که تأثیر احساسات بازار بر بازده از نظر آماری قابل توجه است ، اما متوسط. این اثر به ویژه برای شاخص FTSE Eore مشخص است. 1 افزایش انحراف استاندارد در تعداد توییت های مثبت با افزایش بازده روزانه Eore از 10 نقطه پایه همراه است. به طور معكوس ، 1 افزایش انحراف استاندارد در تعداد توییت های منفی با كاهش بازده روزانه 14 امتیاز پایه همراه است. برای مقایسه ، انحراف استاندارد بی قید و شرط بازده EORE در نمونه از 76 نقطه پایه است.

توجه داشته باشید که تأثیر تعداد توئیت مثبت و منفی مشابه است ، اما از علائم متضاد است. این دلگرم کننده است ، زیرا طبیعی است که احساسات بازار را به عنوان تفاوت بین احساسات مثبت و منفی فردی تفسیر کنیم.

اثرات تخمین زده شده بر روی S& P GCEI از بزرگی و جهت مشابه است ، اگرچه ضریب تعداد توییت های مثبت در سطح اهمیت 10 ٪ معنی دار نیست. با این حال ، من هیچ تأثیر معنی داری از تعداد توییت های مثبت و منفی در بازده FTSE EOUK پیدا نمی کنم. یک توضیح احتمالی این است که شاخص FTSE EOUK شرکت های انگلستان را ضبط می کند. در مقابل ، اکثر توییت های موجود در نمونه در ایالات متحده قرار داشتند ، بنابراین ممکن است احساسات پیرامون تغییرات آب و هوایی خاص برای عوامل محلی انگلیس را ضبط نکنند.

با تمرکز تجزیه و تحلیل ما بر روی 10 ٪ شدیدترین (بالاترین و کمترین) بازده ضرایب بزرگتر را در معیارهای احساسات Vader به همراه دارد. به عنوان مثال ، در روز انتخابات ایالات متحده 2016 ، تخمین می زنم که احساسات بازار بازده برای FTSE Eore و S& P GCEI را با حدود 30 امتیاز پایه ، بر اساس تفاوت بین تعداد توییت های منفی و مثبت کاهش داده است. رگرسیون در نمونه شدیدتر تخمین می زند که اثر آن از 300 نقطه پایه است ، که به ترتیب 60 ٪ و 85 ٪ بازده منفی مشاهده شده را توضیح می دهد.

در حالی که نمرات فلر و Vader نسبت به وقایع مهم واکنش نشان می دهند ، احتمالاً آنها به صورت روزانه حاوی مقدار قابل توجهی سر و صدا هستند. اضافه کردن دوره هایی با بازده کوچکتر به نمونه احتمالاً به مشاهدات پر سر و صدا و وادر اضافه می شود ، که تخمین های رگرسیون را به سمت صفر سوق می دهد.

برعکس نمرات احساسات فلر اتفاق می افتد. با در نظر گرفتن نتایج رگرسیون به ارزش اسمی ، روزهایی با احساسات منفی در بازار با بازده بالاتر همراه است. اما در روزهای با بازده شدید ، تأثیر احساسات که توسط نمرات فلر اندازه گیری می شود از بین می رود. با توجه به همبستگی شدید بین نمرات فلر و وادر ، احتمالاً احساسات از طریق نمرات Vader ضبط می شود ، با تخمین های فلر بیشتر از سر و صدا رانده می شود.

جدول A: تأثیر احساسات بازار بر بازده ESG

جدول A همچنین همان مجموعه ضرایب را نشان می دهد ، که در بازده پنج دوره ای تخمین زده می شود. هیچ ضریب از نظر آماری معنی دار نیست. این دلگرم کننده است: ما انتظار داریم که تغییراتی در احساسات بازار به سرعت در مجموعه اطلاعات سرمایه گذاران و قیمت های بازار تنظیم شود.

احساسات بازار در طول زمان

به منظور روشن کردن روابط پویا بازده ESG و احساسات بازار (و همچنین سایر عوامل) ، من یک Autoregression بردار (VAR) را اجرا می کنم. من به خصوص به عبور شوک های موجود در شاخص های احساسات بازار به بازده ESG علاقه مند هستم. به همین منظور ، نمودار 3 تجزیه واریانس مدل تخمین زده شده را برای هر یک از سه شاخص ESG ترسیم می کند. تجزیه واریانس بر سر خطاهای پیش بینی شده در یک افق 20 روزه محاسبه می شود و سپس برای سهولت در معرض میانگین به طور متوسط محاسبه می شود.

سه شاخص احساسات بازار در کنار هم ، بخش بسیار کمی از واریانس خطای پیش بینی را توضیح می دهند. این یافته ها همراه با نتایج رگرسیون برای بازده های یک روزه و پنج روزه ، این یافته ها نشان می دهد که شوک به احساسات بازار ، بازده فراتر از یک افق زمانی یک روزه را توضیح نمی دهد. یک تفسیر این است که شوک به احساسات بازار به طور معمول در مورد وقایع مهم سیاسی اتفاق می افتد (به نمودار 3 مراجعه کنید) ، و شرکت کنندگان در بازار قادر به افزایش سریع در اثرات خود هستند ، از این رو تأثیر کمی در بازده در یک افق طولانی تر دارد.

نمودار 3: تجزیه واریانس ، به طور متوسط پیش بینی افق 20 روزه

منبع: محاسبات نویسنده.

نتیجه گیری

نتایج این تجزیه و تحلیل نشان می دهد که احساسات بازار بر تغییرات آب و هوا با بازده یک روزه شاخص های سهام ESG همراه است. اثر تخمین زده شده از بزرگی متوسط است ، اما به ویژه هنگامی که تجزیه و تحلیل به دوره هایی با شدیدترین بازده محدود شود ، کاملاً واضح و قوی است. با این حال ، در تمام شاخص ها و شاخص های احساسات جهانی نیست. و یک تجزیه و تحلیل پویا نشان می دهد که شوک های برون زا به احساسات بازار ، بازده فراتر از یک افق یک روزه را توضیح نمی دهد.

با این وجود، این نتایج چندین پیامد برای تنظیم‌کننده‌های بازارهای مالی دارد. اولاً، آنها در را به روی مدل‌های غنی‌سازی برای پیش‌بینی قیمت دارایی‌ها، با گنجاندن ورودی‌های اضافی مانند مبانی یا احساسات بازار و ابزارهای جدید مانند مدل‌های یادگیری ماشین باز می‌کنند. ثانیاً، تنظیم‌کننده‌ها قادر خواهند بود از مجموعه داده‌های جدید در مورد احساسات بازار و قیمت دارایی‌ها برای مطالعه الگوهای واکنش بازار به تغییرات در احساسات، مانند خرید دارایی‌های دوره‌ای یا تخصیص مجدد دارایی‌ها، اهرمی استفاده کنند.

جراردو مارتینز در بخش بازار سرمایه بانک کار می کند.

اگر می‌خواهید با ما تماس بگیرید، لطفاً به ما ایمیل بزنید: bankunderground@bankofengland. co. uk یا نظر خود را در زیر بنویسید.

نظرات فقط پس از تایید توسط یک ناظر ظاهر می شوند و تنها زمانی منتشر می شوند که نام کامل ارائه شده باشد. بانک زیرزمینی وبلاگی برای کارکنان بانک انگلستان است تا نظراتی را به اشتراک بگذارند که ارتدوکس‌های رایج سیاست را به چالش می‌کشند - یا از آنها حمایت می‌کنند. نظرات بیان شده در اینجا نظرات نویسندگان است و لزوماً نظرات بانک انگلستان یا کمیته های سیاستگذاری آن نیست.

این را به اشتراک بگذارید:

• برای اشتراک گذاری در توییتر کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در لینکدین کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در فیس بوک کلیک کنید (در پنجره جدید باز می شود)
• برای ایمیل کردن یک پیوند به یک دوست کلیک کنید (در پنجره جدید باز می شود)
• برای چاپ کلیک کنید (در پنجره جدید باز می شود)
• بیشتر

• برای اشتراک گذاری در Pocket کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در Reddit کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در Tumblr کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در Pinterest کلیک کنید (در پنجره جدید باز می شود)