داستان های دو جامعه: در مورد پیچیدگی هماهنگی بین فضای فیزیکی و فضای سایبری

اشتراک اطلاعات سرمایه گذار نهادی ، ریسک شدید بازار سهام و ریسک سیستمیک مالی

1 و Zhi-Qiang du 1

خلاصه

برای تجزیه و تحلیل اینکه آیا اشتراک اطلاعات در سرمایه گذاران نهادی نقش تثبیت کننده بازار یا تقویت کننده ریسک را ایفا می کند ، این مقاله شبکه اطلاعات سرمایه گذار نهادی را با استفاده از سهام مشترک صندوق های متقابل به عنوان پیوند ایجاد می کند. پیوندهای اطلاعاتی بین دو بودجه با موقعیت های بزرگ در همان سهام فرض می شود که به یکدیگر وصل شوند. سپس ، ما از راندمان اشتراک اطلاعات در شبکه های صندوق استفاده می کنیم تا اثرات انتقال اطلاعات را بر ریسک شدید بازار سهام و ریسک سیستمیک مالی بررسی کنیم. به خصوص ، سرعت انتشار اطلاعات در شبکه توسط ساختارهای توپولوژی مبتنی بر تئوری شبکه های اجتماعی مشخص می شود. مطالعات تحقیقاتی تجربی نشان می دهد که شبکه اطلاعات صندوق چینی ویژگی های دنیای کوچک را نشان می دهد ، که نشان دهنده سرعت سریع انتشار اطلاعات است. از خطر ابتدایی نوسانات دیده می شود ، به اشتراک گذاری اطلاعات سرمایه گذاران نهادی می تواند قوام رفتار مدیران صندوق را بهبود بخشد ، بنابراین نوسانات سهام را از طریق اثرات گله افزایش می دهد. علاوه بر این ، می توان نتیجه گرفت که اشتراک اطلاعات سرمایه گذار نهادی می تواند با ترویج جامع بودن جریان اطلاعات و راندمان قیمت گذاری بازار سهام ، خطر شدید را کاهش دهد و از این طریق میزان ریسک سیستمیک مالی را کاهش دهد. نتیجه گیری به دست آمده پیشنهاداتی را برای تصمیم گیری سرمایه گذاران نهادی ارائه می دهد. این می تواند به تنظیم کننده ها کمک کند تا به اثرات گله توجه کنند تا خطر سیستمیک را کنترل کنند.

1. معرفی

در سالهای اخیر ، کمیسیون نظارتی اوراق بهادار چین با جدیت سرمایه گذاران نهادی را توسعه می دهد. این استراتژی وضعیت بازار سرمایه چین را که تحت سلطه سرمایه گذاران خرده فروشی است ، تغییر می دهد. در سال 2019 ، سرمایه گذاران خرده فروشی 31. 4 ٪ از سرمایه های بازار را به خود اختصاص دادند و سرمایه گذاران نهادی 53. 2 ٪ از سرمایه بازار را به خود اختصاص دادند. در بازار مالی چین ، سرمایه گذاران نهادی عمدتاً مبتنی بر صندوق های سرمایه گذاری اوراق بهادار هستند. با توجه به مزایای تیم حرفه ای و اطلاعات خود ، سرمایه گذاران نهادی می توانند به راحتی اثرات گله ای از رفتار تجارت را از طریق یادگیری متقابل و تقلید در همان روابط اجتماعی ایجاد کنند [1]. همراه با توسعه پررونق سرمایه گذاران نهادی ، بازار سهام چین به طور فزاینده ای بی ثبات شده است. همچنین ، خطرات شدید بازار سهام بیشتر اتفاق می افتد. علاوه بر بحران وام مسکن در سال 2008 ، هزاران سهام در ژوئن سال 2015 به دلیل سقوط بازار سهام در چین سقوط کردند. از این رو ، این بحث منجر به این شد که آیا سرمایه گذاران نهادی نقش تقویت نوسانات بازار را به دلیل رفتارهای گله ای ایفا می کنند [2] یا تثبیت بازار با تیم های تحقیقاتی حرفه ای [3].

از آنجا که ارتباط بین سرمایه گذاران نهادی تقویت شده است ، این بدان معنی است که در بازار سهام مسری خطر درون زا وجود دارد. بنابراین ، بررسی تأثیر انتشار اطلاعات شبکه های سرمایه گذار نهادی در بازار سهام ریسک شدید و ریسک سیستمیک مالی معنی دار است. این می تواند برای تنظیم ثبات مالی و جلوگیری از بحران های مالی ناشی از بیماری ریسک سیستمیک ، برای تنظیم کننده ها منابع لازم را فراهم کند.

سرمایه گذاران غالباً هنگام تصمیم گیری به طور فعال از طریق روابط اجتماعی به دنبال اطلاعات خصوصی هستند [4-6]. مدیران صندوق در همان شبکه اطلاعاتی تمایل به نمایش جلوه های گله آشکارتر دارند [7]. مبادلات اطلاعاتی در بین سرمایه گذاران می تواند بر نوسانات قیمت سهام تأثیر بگذارد [8-10]. به منظور تجزیه و تحلیل مکانیسم تأثیر سرمایه گذاران نهادی در مورد خطرات مالی ، لازم است که ویژگی های انتشار اطلاعات این جامعه را تجزیه و تحلیل کنیم. در سالهای اخیر ، شبکه های مالی به ابزاری کارآمد در مطالعه انتقال ریسک مالی و همچنین انتشار اطلاعات تبدیل شده اند [11 ، 12]. شبکه ها نقش مهمی در جریان اطلاعات از طریق بازارهای مالی ایفا می کنند. Colla و Mele [13] دریافتند که رفتارهای سرمایه گذار از نزدیک در شبکه های اطلاعاتی احتمالاً اثرات گله ای ایجاد می کنند. به اشتراک گذاشتن اطلاعات خصوصی در بین مدیران صندوق ، انتخاب منطقی برای به حداکثر رساندن منافع خودشان است [14]. علاوه بر این ، ویژگی های ساختار توپولوژیکی شبکه های اجتماعی در بین مدیران صندوق می تواند بر اثربخشی تبادل اطلاعات و مسری ریسک تأثیر بگذارد [15]. طبق گفته Pareek [7] ، پیوند اطلاعات یا مالکیت سهام بین دو صندوق متقابل توسط موقعیت های بزرگ در همان سهام تعریف شده است. شبکه اطلاعات سهام با مدیر صندوق تنظیم شده در میان آنها اطلاعات مربوط به انتشار سهام از طریق کلمه دهان یا از طریق منابع مشترک اطلاعات خصوصی مطابقت دارد. از این رو ، این مقاله فرض می کند که تبادل اطلاعات خصوصی بین وجوهی که دارای سهام مشترک سهام هستند وجود دارد. علاوه بر این ، مطالعات قبلی نشان داده اند که تشکیل شبکه های اطلاعاتی عمدتاً مبتنی بر روابط اجتماعی و تخصیص دارایی است [16]. سپس ، شبکه سرمایه گذار نهادی را می توان با استفاده از سهام شرکت های مشترک صندوق های متقابل به عنوان پیوندها ساخته شد. علاوه بر این ، ما می توانیم تأثیرات راندمان به اشتراک گذاری اطلاعات در شبکه بر نوسانات قیمت سهام و خطرات سیستمیک را تجزیه و تحلیل کنیم.

نوسانات سهام را نمی توان مستقیماً مشاهده کرد ، که باید از بازده استخراج شود. ریسک ناشی از مؤلفه های مشترک اصول اقتصادی نمی تواند پراکنده شود ، در حالی که می توان ریسک ایدیوسکراتیک سهام فردی را مدیریت کرد. اگرچه ریسک بتا در مدل CAPM یا مدل سه عاملی FAMA-French می تواند نوسانات سهام فردی را محاسبه کند ، اما در مواجهه با شوک های مشترک ، ریسک ایدیوسنکراتیک استخراج شده از بورس را بررسی نمی کند. به خصوص ، هنگام محاسبه خطرات ایدیوسنکراتیک ، سری های زمانی با ابعاد بالا مستعد ابتلا به "نفرین ابعاد" هستند. برای مقابله با این مشکل ، Barigozzi و Hallin [17] مدل فاکتور پویا عمومی (GDFM) را بر اساس Foi و همکاران گسترش دادند.[18] برای تجزیه نوسانات سهام در اجزای مشترک شوک محور و اجزای ایدیوسنکراتیک. سپس ، این شوک نوسانات بازار را برای بررسی اثرات سرریز نوسانات استخراج می کند. مزیت GDFM این است که می تواند بدون از دست دادن اطلاعات ، برای داده های با ابعاد بالا در بورس ، کاهش ابعادی را به دست آورد. بنابراین ، ما همچنان از این روش برای محاسبه نوسانات سهام ایدیوسنکراتیک استفاده می کنیم.

ریسک سیستمیک مالی ریسکی را که باعث خسارت سیستم مالی و وقفه خدمات مالی می شود ، نشان می دهد که به اقتصاد واقعی آسیب می رساند. آدریان و برونرنایر [19] مفهوم ارزش مشروط در معرض خطر (کوار) را بر اساس VAR پیشنهاد کردند ، که به ارزش ریسک سایر نهادها یا کل سیستم مالی اشاره دارد که موسسه خاص در یک کشور خاص قرار دارد. Rodríguez-Moreno و Peña [20] خاطرنشان كردند كه ΔCovar به خوبی می تواند خطر دم را در موارد شدید جذب كند. آچاریا و همکاران.[21] مفهوم ضرر و زیان مورد انتظار حاشیه ای (MES) را بر اساس ES پیشنهاد کرد ، که نشان دهنده از دست دادن انتظار می رود بازده تک مؤسسه در هنگام سقوط کل بازار مالی باشد. استفاده از متغیرهای متغیر و MES برای اندازه گیری ریسک سیستمیک به روش اصلی برای مدیریت ریسک فعلی ، مانند Karimalis و Nomikos تبدیل شده است [22]. روشهای محاسبه متداول برای متغیرهای متغیر شامل روش رگرسیون کمی ، روش مدل GARCH-DCC و روش Copula است. همانطور که همه ما می دانیم ، نوسانات بازده مالی ویژگی های نوسانات تصادفی را نشان می دهد. از این رو ، لازم است هنگام استفاده از داده های مالی ، ویژگی خوشه بندی بازده مالی را در نظر بگیرید. بنابراین ، این مقاله از روش مبتنی بر AR-GARCH-DCC برای محاسبه متغیرهای متغیر و MES هنگام محاسبه خطر سیستمیک استفاده می کند.

در حال حاضر ، مطالعات تحقیقاتی در مورد سرمایه گذاران نهادی عمدتاً بر نقش حاکمیت [23 ، 24] متمرکز است و توجه کمتری به رفتارهای بازار آنها می کند. هنوز تحقیقاتی در مورد رابطه بین بهره وری به اشتراک گذاری اطلاعات و ریسک سیستمیک مالی از دیدگاه شبکه های اطلاعات سرمایه گذار نهادی وجود ندارد. در این مقاله ، ما فرض می کنیم که دو مدیر صندوق که 5 ٪ یا بیشتر از نمونه کارها را به همان سهام اختصاص می دهند به یکدیگر وصل می شوند. و ، اطلاعات مربوط به همان سهام احتمالاً از طریق منابع اطلاعاتی مشترک پخش می شود. سپس ، بررسی تأثیر اشتراک اطلاعات در شبکه سرمایه گذار نهادی در ریسک مالی در بازار سهام قابل توجه است.

مشارکتهای نوآورانه این مطالعه بر ادبیات موجود عمدتاً جنبه های زیر را شامل می شود. در درجه اول ، شبکه اطلاعاتی سرمایه گذاران نهادی با استفاده از سهام مشترک صندوق به عنوان پیوندها ساخته می شود. به طور خاص ، ما شبکه اطلاعات صندوق را به عنوان سایر وجوهی که بیش از 5 ٪ از نمونه کارها را در هر سهام که در آن صندوق نیز حداقل 5 ٪ از نمونه کارها خود را سرمایه گذاری کرده است ، تعریف می کنیم. پیوندهای اطلاعاتی بین دو بودجه با موقعیت های بزرگ در همان سهام فرض می شود که به یکدیگر وصل شوند. سپس ، ویژگی های انتشار اطلاعات شبکه توسط ساختارهای توپولوژی شبکه مشخص می شوند. بر این اساس ، ما بیشتر رابطه بین ویژگی های ساختار شبکه صندوق و ریسک های مختلف مالی (از جمله ریسک ایدیوسنکراتیک ، ریسک شدید و ریسک سیستمیک) را بیشتر مورد تجزیه و تحلیل قرار می دهیم. ثانیا ، در مورد نوسانات سهام فردی ، از مدل GDFM برای استخراج نوسانات ایدیوسنکراتیک از داده های با ابعاد بالا استفاده می شود با توجه به اینکه بازار سهام تحت تأثیر جریان اطلاعات مشترک قرار می گیرد. سوم ، هنگام محاسبه ریسک سیستمیک مالی ، خطرات سیستمیک مربوطه با در نظر گرفتن ویژگی های خوشه بندی و نوسانات تصادفی داده های سهام محاسبه می شود.

2. چارچوب مدل

در این مقاله ، ما عمدتاً بر رفتار معاملاتی سرمایه گذاران نهادی معامله ای ، که توسط صندوق های سرمایه گذاری سهام متقابل ارائه می شوند ، تمرکز می کنیم. سرمایه گذاران نهادی می توانند مستقیماً اطلاعات را تبادل و تعصب شناختی خود را از طریق یادگیری غیرمستقیم اجتماعی اصلاح کنند. شبکه سرمایه گذار نهادی تأثیر مهمی بر نوسانات قیمت سهام و ریسک شدید بازار سهام دارد که این امر بیشتر بر خطرات سیستمیک مالی تأثیر می گذارد. میزان انتشار اطلاعات در شبکه سرمایه گذار نهادی مربوط به کارآیی اشتراک اطلاعات است. در این مقاله از شاخص های توپولوژیکی منعکس کننده ساختار شبکه اطلاعات صندوق به عنوان متغیرهای پروکسی کارایی اشتراک اطلاعات سرمایه گذار نهادی استفاده می شود. به طور خاص ، از مرکزیت شبکه و شاخص های چگالی شبکه عمدتاً برای اندازه گیری کارآیی اشتراک اطلاعات استفاده می شود. با توجه به منابع مختلف خطرات ، به سه سطح تقسیم می شود ، یعنی خطر ایدیوسكاتیک سهام فردی ، خطر شدید بازار سهام و ریسک سیستمیک مالی.

2. 1شبکه اطلاعات سرمایه گذار نهادی

در شبکه اطلاعات سرمایه گذار نهادی ، اگر دو صندوق دارای سهام مشترک با موقعیت بزرگ باشند ، پس از آن دو صندوق در یک شبکه اطلاعات صندوق مشابه تعریف می شوند. سهام صندوق با موقعیت بزرگ به این معنی است که ارزش بازار صندوق که سهام را در اختیار دارد بیش از 5 ٪ از کل سرمایه بازار سهام را تشکیل می دهد. سرمایه گذاران نهادی باید در فرایندهای تصمیم گیری خود به اطلاعات عمومی و اطلاعات خصوصی اعتماد کنند. اطلاعات عمومی به اطلاعات به دست آمده از بازار آزاد ، مانند اطلاعات معاملات تاریخی ، اطلاعات صورتهای مالی و رفتار سایر سرمایه گذاران اشاره دارد. اطلاعات خصوصی عمدتاً به اطلاعات منتشر شده توسط سرمایه گذاران در محدوده كوچك و اطلاعات منحصر به فرد موجود در روابط اجتماعی كه در آن قرار دارند ، اشاره دارد. با توجه به به اشتراک گذاری اطلاعات خصوصی ، اثرات گله مدیران صندوق در همان شبکه اطلاعاتی معمولاً آشکارتر است. بنابراین ، اطلاعات خصوصی نقش مهمی در تصمیم گیری سرمایه گذاران نهادی ایفا می کند.

مزیت اطلاعاتی از تصمیم گیری و رفتار تجاری سرمایه گذاران نهادی اغلب از اطلاعات خصوصی ناشی می شود. تبادل اطلاعات مستقیم بین سرمایه گذاران نهادی از طریق روابط اجتماعی می تواند اطلاعات موجود در آنها را تأیید کند. و از طریق یادگیری غیرمستقیم اجتماعی ، آنها می توانند تعصبات شناختی خود را اصلاح کنند. در همان شبکه اطلاعاتی ، به اشتراک گذاری اطلاعات خصوصی ، سازگاری استراتژی های معاملاتی را بهبود می بخشد و اثرات شبه تولیدی تولید شده بیشتر بر نوسانات قیمت سهام و خطرات مالی تأثیر می گذارد. شبکه اطلاعات صندوق جمع آوری کلیه وجوه دیگر است که در همان شبکه اطلاعاتی قرار دارند. در این مقاله از داده های صندوق های متقابل چین برای ساخت مدل شبکه سرمایه گذار نهادی مرتبط با سهام مشترک صندوق صندوق استفاده شده است. اگر سرمایه گذاران نهادی از طریق شبکه های اطلاعاتی از یکدیگر یاد بگیرند ، ساختار شبکه ها می توانند به درک روند جریان اطلاعات کمک کنند. از توپولوژی شبکه سرمایه گذار نهادی برای توصیف کارایی اشتراک اطلاعات و همچنین مکانیسم نفوذ به اشتراک گذاری اطلاعات سرمایه گذار نهادی در بازار سهام ریسک شدید و ریسک سیستمیک مالی استفاده می شود. به طور خاص ، راندمان به اشتراک گذاری اطلاعات شبکه سرمایه گذار توسط شاخص ها از جمله میزان تمرکز شبکه و تراکم شبکه مشخص می شود.

میزان تمرکز نمودار در شبکه سرمایه گذار نهادی ، مرکزیت کلی نمودار شبکه را به تصویر می کشد. این نشان می دهد که شبکه سرمایه گذار نهادی در اطراف گره های خاص خاص ساخته شده است ، که می تواند به شرح زیر محاسبه شود: