Моделирование ожиданий агентов на фондовом рынке: прогнозирование времени схождения стоимости ценных бумаг к справедливой стоимости

Полученные результаты имеют ярко выраженную практическую значимость: использование квантилей полученного распределения оценок времени схождения в качестве показателя инертности акций может носить столь же прикладной характер, как и само определение справедливой цены инвестиционными домами.

Существуют и дальнейшие перспективы развития базовой модели, описанной в данной работе. Например, одной из идей развития модели является одновременное рассмотрение торгов несколькими ценными бумагами в рамках единой модели с выделением эффектов перетекания капитала между инструментами. Также дальнейшим расширением могла бы являться постановка задачи с несколькими брокерами, на основании точности прогнозов которых строился бы рейтинг доверия агентов - эффекты перетекания доверия также могут оказывать влияние на рыночные котировки активов. Из-за кризиса теорий ценообразования поведенческие финансы играют все большую роль в мейнстриме финансовой науки, поэтому можно пожелать удачи будущим исследователям в дальнейшем развитии моделей поведения человека в финансовой сфере.

Список литературы

Andrei, S., Bradford, J., Bradford, J., Long, D., Lawrence, H., Robert, J., & Lawrence, S. (1990). Noise Trader Risk in Financial Markets. Scholarly Articles.

Bollerslev, T., Engle, R., & Nelson, D. (1986). Arch models. 2959- 3038.

Brock, W., & Durlauf, S. (2001). Discrete choice with social interactions. The Review of Economic Studies, 235-260.

Conlisk, J. (1980). Costly optimizers versus cheap imitators. Journal of Economic Behavior & Organization, 275-293.

Evans, G., & Ramey, G. (1992). Expectation calculation and macroeconomic dynamics. The American Economic Review, 207-224.

Fama, E. (1991). Efficient Capital Markets: II. The journal of finance, 46(5), 1575 - 1617.

Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, May, Volume 25, 383-417.

Franke, R., & Westerhoff, F. (2012). Structural stochastic volatility in asset pricing dynamics: Estimation and model contest. Journal of Economic Dynamics and Control, 1193-1211.

Franke, R., & Westerhoff, F. (2009). Validation of a structural stochastic volatility model of asset pricing. Christian-Albrechts-Universitдt zu Kiel. Department of Economics.

Guastello, S. (2013). Chaos, catastrophe, and human affairs: Applications of nonlinear dynamics to work, organizations, and social evolution. Psychology Press.

Hall, P. H. (1996). Bootstrap Critical Values for Tests Based on Generalized-Method-of-Moments Estimators. Econometrica, 891-916.

Hansen, L. P. (1982). Large Sample Properties of Generalized Method of Moments Estimators. Econometrica, 1029-1054.

Kirman, A. (1993). Ants, rationality, and recruitment. The Quarterly Journal of Economics, 137-156.

Kirman, A. (1991). Epidemics of opinion and speculative bubbles in financial matkets. Money and financial markets chap.

Kukacka, J., & Barunik, J. (2017). Estimation of financial agent-based models with simulated maximum likelihood. Journal of Economic Dynamics and Control, 21-45.

Rheinlaender, T., & Steinkamp, M. (2004). A stochastic version of Zeeman's market model. Studies in Nonlinear Dynamics & Econometrics.

Schelling, T. (1971). Dynamic models of segregation. Journal of mathematical sociology, 143-186.

Zeeman, E. (1974). On the unstable behaviour of stock exchanges. Journal of mathematical economics, 39-49.

Приложения

Приложение 2. Источник: расчеты автора

Приложение 2 (продолжение). Источник: расчеты автора

Приложение 2 (продолжение). Источник: расчеты автора

Приложение 3. Источник: расчеты автора

Приложение 5. Источник: расчеты автора

Размещено на Allbest.ru