全部版块 我的主页
论坛 经济学人 二区 外文文献专区
2022-5-19 17:52:33
每个“泊松模型”行选择---s 符合Odean对, , QG,或[] 并使用命题3和命题4计算其他值;观察到的G无法匹配,因为当 > /2. 1. 1个QGG[]PGR PLROdean数据27。7%22.8%53.8%41.9%312 14.8%9.8%1.51Dhar&Zhu数据-----65.8%46.5%122 13.2%6.4%2.06适合Odean, 27.7%22.8%57.7%50.7%174 14.0%10.9%1.28随机交易(泊松)模型 1. 1个QGG[] PGR PLR = 0.3672.2%22.8%58.7%58.7%688 12.5%12.5%1 = 0.8036.4%17.4%55.9%55.9%12.5%12.5%1 = 1.1627.7%15.2%54.9%54.9%215 12.5%12.5%1 = 1.9419.7%12.4%53.8%53.8%129 12.5%12.5%1具有缩放TK实用程序的密封模型 1. 1个QGG[]PGR PLR德国劳埃德船级社 = 0或195.3%从不100%27.1%3717 34.5%0 = 0.5345.6%从不100%16.6%2087 46.2%00.880.88GL = 017.6%从不100%7.7%901 65.0%0 = 0.8896.2%从不100%27.3%3743 34.4%00.50.88GL = 03.9%13.5%80.6%21.5%15 34.9%3.4%10.22 = 0.35.8%45.3%93.8%9.5%85 58.6%1.0%60.640.51.0GL = 03.8%6.3%64.9%36.7%7 20.2%7.3%2.74 = 0.35.9%28.2%87.6%15.6%50 44.5%2.1%21.640.50.5GL = 04.0%47.3%95.9%6.5%63 67.8%0.6%107.90 = 0.35.7%75.8%98.3%4.9%169 74.3%0.3%293.06收益,平均规模27.7%;其余交易均为亏损22.8%。平均持有期为15个月,我们表示为312个交易日。账面损益占未实现头寸的41.9%和58.1%。PGR和PLR分别为14。8%和9.8%。Dhar和Zhu(2006)的数据取自表1和表3的注释。65.8%的交易实现了收益,但账面收益仅占未实现头寸的46.5%。PGR和PLR分别为13.2%和6.4%。平均保存期为122d。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:36
它们不报告已实现损益的平均规模。这些数据的差异可能归因于所研究的时期。在1991年至1996年的达尔朱时期,市场上涨了113%,只有轻微的调整,而在奥登1987年至1993年期间,市场只上涨了89%,经历了两次大的下跌。因此,Dhar Zhu贸易商将达到-积分频率更高,而Odean的交易员则有更多机会卖出atlosses。为了确定任何校准是否可行,第三行的数据仅使用Odean\'saverage销售价格比率作为 和. 剩余值由它们和股票演化参数使用命题2和命题4确定。此配合未优化;我们只是简单地选择了一种资产,与 = 9%和 = 30%。适合QGandG、 因此,考虑到实际样本中资产和投资者的抽样误差和异质性,相应的损失统计似乎是合理的。计算PGR、PLR和, 我们需要帐户大小信息。Goetzmann和Kumar(2008)使用与Barber和Odean(2000)相同的数据集,提供了关于Portfolizes的更多细节。他们在表1中给出了各种规模账户的百分比,我们从中计算出n=4.1和n=4.0给出/8.0。nnn公司 对于类似的数据集,Barber和Odean(2000)报告,每个账户的平均库存数量为4.3;Dhar和Zhu(2006)给出了职业为专业和非专业投资者的平均账户规模分别为4.4和4.2。下四行说明了基于随机泊松交易的交易模型与Odean数据的拟合情况。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:39
像 增加平均销售点,以及,方法1。在随机交易下,QGandG必须相等,并且两者从100%下降到50% 从0增加到.虽然各个统计数据可以匹配,但它们不能同时拟合。该计算假设15个月的确切数字为312.5天。由于四舍五入,实际值可能在302到323天之间。他们在表3的注释中使用Odean的聚合方法报告了这些数据。在表2中,Dhar和Zhu(2006)报告了PGR和PLR投资者的简单平均值,分别为38%和17%。首先在投资者层面计算PGRandPLR,然后对投资者进行平均,相对而言,账户中股票较少的投资者的权重更大,而这些投资者的GR和PLR通常更高。例如,假设qg=G=0.5。然后,对于持有2支和6支股票的投资者的平均组合,PGR分别为0.5和0.167。平均PGRis为0.33,但使用方程(18),n=4和n=2,聚合PGR为0.2。我们174天的拟合值[] 虽然它介于奥登和达尔朱之间,但它与他们都不同。最后六列中的所有统计数据,除了[] 仅取决于比率/所以越来越多 和按比例将减少[] 其他的保持不变。在我们下面的分析中,只有不同账户的相对持有时间与水平无关。如果2 < , 然后QGand和灰色从0%到50%as 增加。在这种情况下,Odean的QG值=53.8%无法匹配。相反,对于此处使用的参数,Gc与Odean的41.9%的值不匹配。此外,PGR和PLR必须相等(/)NNN随机交易,因此Odeanmeasure必须始终为1。表的最后十行尝试将特定的实现实用程序函数适合于Dean的数据。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:42
使用G=L=0.88和 = 2.25,由Tversky和Kahneman(1992)提出,以及 = 8%,作为缩放参数,我们模型的上销售点比参考水平高17.6%-96.2%,, 范围超过其允许值0至0.88。这并不包括Odean估计的27.7%,但拟合远不能令人满意,因为这些参数没有自愿实现损失。对于分段线性效用,G=L=1(和 = 10%以避免横向性违反),该表确认,自愿承担损失也不是最优的,如命题1所示。股票价格上涨95.3%后实现收益 = 0或1或更小的数量 在这些值之间。最小增益实现点为45.6% = 0.53。从表中可以看出,实现实用新型不能用Odean的数据来拟合 值这么高。Tversky和Kahneman的估计来自于小型赌博的实验设置。对于一个典型投资者在金融市场上进行的规模大得多的投资,我们预计会有更多的风险规避。因此,在表1中,我们还使用G=0.5,这是Wu和Gonzalez(1996)的估计值。这也允许将时间偏好率降低到更合理的5%。因为吴和冈萨雷斯只估计G、 我们使用Lin的范围为0.5到1.0。从表1可以明显看出,基本模型可以产生各种各样的最佳销售点;然而,对于允许以Odean数据中观察到的损失大小自愿销售的任何参数值,上销售点,, 太低了。直接的结果是,收益销售额远远超过亏损销售额(QG QL)和PGR太大,而PLR太小。标度TK效用的一个困难是其导数非常高,接近于零,独立(0)= 对于任何G<1。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:45
这使得以无数微小增量实现收益的总效用非常大,并推高了最佳阈值,, 非常接近1。这在我们的模型中是一个特殊的问题,因为销售以及任何收益的大小都不是外生的,而是完全由投资者决定的。Barber和Odean(2000)报告称,他们样本中的平均家庭持有4.3只股票,价值47334美元,因此平均每只股票的投资金额略高于11000美元。在Tversky和Kahneman(1992)的表6中,受试者被问及的最大赌博是401美元,这代表着平均股票头寸的3.6%的适度损益。Wu和Gonzalez(1996)仅估算G、 它们的估计取决于概率权重函数的形式。当使用Tversky和Kahneman(1992)提出的方法时,他们估计G=0.5;使用Prelec(1998)中提出的表格,他们估计G=0.48。标度TK效用的绝对风险规避的Arrow-Pratt度量为(1G) /G仅适用于收益不确定的前景。因此,如果代理人对中等规模的收益有适度的风险厌恶,那么他们在小规模赌博中必须极度厌恶风险,在大规模赌博中必须接近风险中性。对于下面介绍的修改后的TK实用程序,ArrowPratt度量值为(1G) /(R+G)随着赌博规模的变化变化较小。为了避免这个问题,我们考虑修改TK实用程序函数mkt[(1/)1]0(,)[1(1/)]0。GLGLRGR GUGRGR RG       (19) 用于G<1<五十、 实用程序为S形;风险参数,根特五十、 分别在下方和上方无边界,允许更大的灵活性。边际效用在G=0时有界,达到这些值R1和R1刚好低于零度和高于零度。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:47
这种不连续的变化在效用函数中引入了truekink。表2提供了使用修改后的TK实用程序规范的其他校准结果。使用缩放TK实用程序得出的结果没有表1中的结果那么极端。特别是,小收益的较低边际效用达到了提高最优收益阈值的目的,. 最后一行中的估算值G=0.5,L=30,且 = 0.3,与数据匹配得很好。从参数可以明显看出,这不是一个优化或最佳拟合;比较圆的数字用于G五十、 以及 非常适合。很可能有人会说L=30意味着一种难以置信的高风险寻求行为,因此,尽管拟合了数据,该模型仍值得怀疑。进一步的参数调整无法改善拟合。对于给定的阈值销售策略,-, 表1和表2中的剩余值(平均保持时间除外)完全由比率确定/.因此,进一步调整效用参数不能改善拟合,也不能改变 或 在不降低QGand性能的情况下,提高PGR和PLR的性能G、 然而,可以通过引入额外的异质性来改进校准,而不仅仅是股票数量的差异,因为该模型不是一个单一的普通投资者可以作为集团替身的模型。如果投资者以不同的方式交易其部分股票(异质持股),或者不同的投资者有不同的销售政策(异质投资者),则会对各种衡量指标产生进一步的聚合效应。尤其是 和 首先,每个投资事件的平均时间越短。交易频率更高的股票会对统计数据产生不成比例的影响,因为它们的特征会被夸大。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:50
此外,同一账户中持有的其他股票的特征也会占比过高,因为只有在出售同一账户中的股票时,才会计算账面损益。命题5和命题6描述了聚合的影响。命题5给出了不同投资者遵循不同交易策略时的统计数据。命题6给出了同一账户内股票交易策略不同时的统计数据。这些异质性具有明显的影响。命题5:异质投资者的实现效用统计。假设像往常一样, = 0对应于对数形式,Rn(1+G/R)。修改后的TK效用也可以通过设置L<1。效用正在增加  1严格凹形。如果L=根特 = 1,这是增量电力效用;否则,风险规避会出现不连续的变化(如果G≠ 五十) 或边际效用(如果 ≠ 1) 在0处。表2:具有改进的Tversky-Kahneman效用的参考依赖实现效用模型的汇总统计表报告:1.1: 高于和低于已实现收益和损失参考水平的百分比,QG:以已实现收益结束的情节的分数,G: 未实现账面收益的股票比例,[]: 交易日平均持有期、PGR、PLR:实现的收益和损失比例,以及  PGR/PLR:Odean测量。资产参数为 = 9%和 =30%。帐户大小使用/8.0固定。nnn公司 实用程序参数为 = 2和 = 5%。交易成本为ks=kp=1%,投资者在其已实现收益的主观观点中考虑了这两种成本, = K、 Odean的数据取自他1998年论文的表1和表3。Dharand Zhu的数据来自表3的注释。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:53
“适合Odean的”, ” row使用Odean\'sestimates of 和 使用命题2和命题4计算其他值。 1. 1个QGG[]PGR PLROdean数据27。7%22.8%53.8%41.9%312 14.8%9.8%1.51Dhar&Zhu数据-----65.8%46.5%122 13.2%6.4%2.06适合Odean, 27.7%22.8%57.7%50.7%174 14.0%10.9%1.28修改TK实用程序的实现模型 1. 1个QGG[] PGR PLR0.52.0GL = 060.4%90.7%96.3%25.2%2037 35.3%0.7%50.25 = 0.349.2%从不100.0%17.6%2221 44.8%00.54.0GL = 044.6%64.1%85.3%31.5%909 27.9%3.0%9.36 = 0.347.4%73.6%89.7%28.3%1169 31.1%2.0%15.450.58.0GL = 027.5%42.7%77.6%33.3%351 25.0%4.6%5.44 = 0.338.3%48.7%77.4%36.5%556 23.2%4.8%4.800.530.0GL = 013.5%17.5%64.1%41.0%67 18.3%8.0%2.29 = 0.326.7%24.3%60.5%48.0%181 15.2%9.8%1.56资产回报是独立的,分布相同,投资者的投资策略或持有的股票数量也不同。第一类投资者构成部分在样本中,按住nistocks,然后按照我-ithreshold策略或伊兰多姆战略。随着观察交易数量的增加,各种总统计数据的概率极限为加权平均数/[]plim,其中/[]ii iii iii iiiinwn  (20) 资产的平均值和差异可能因投资者类型而异,前提是它们在类型内是相同的。任何资产差异的影响均完全纳入、、、和[]。IIIII GLGLQQ和 是否有任何统计数据, , QG、QL或[].
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:55
未变现账面损益部分的概率极限为(1)[]plim 1 plim。(1) []iii i G iiGLii i iinnnn  (21)PGR、PLR和Odean测度的概率极限为[][]plim plim[(1)][][(1)。][]ii i ii L III i ii LiiGii iiGiG ILIINQ nQPGR PLRnQ n nQ n n  (22)如前所述,plim = plim PGR/plim PLR。命题6:异质持有的实现效用统计。假设一个代表性投资者交易N只收益独立分布的股票。这些股票分为几类。在第一组中,有具有相同手段、差异和交易策略的NISTOCK。后者是我-ithreshold策略或伊兰多姆战略。随着观察交易数量的增加,各种总统计数据的概率极限为加权平均数/[]plim,其中/[]iiii IIIII NWWN  (23)和 是否有任何统计数据, , QG、QL或[]. 未变现账面损益部分的概率极限为()[]plim 1 plim。(1) []Jiiggiijgliinnn (24)PGR、PLR和Odean测度的概率极限为[][]plim plim[][][][]iiGii iiggg jii iliiijjiiillij ijnQ nQPGR PLRnQ n nQ n (25)带plim = plim PGR/plim PLR一如既往。表3总结了基于命题5和6中得出的统计数据的异质投资者和异质控股的校准结果。为了进行比较,我们选择了表2中使用的效用参数,不包括高风险耐受性情况,这不再需要良好的拟合。本表中的所有平均值均假定两种类型的混合相等。对于“异质投资者”,一半的投资者优化变现效用,另一半随机交易。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:52:58
对于“异质持股”,每个投资者通过优化其变现效用来交易其一半的股票,并随机交易另一半的股票。在整个分析过程中,假设库存水平窄框架。也就是说,何时出售的决定不受任何其他股票表现的影响。因此,所有已实现损益的经验统计数据仅取决于投资策略和股票参数的总体分布;异质性的形式,无论是在账户内部还是在账户之间,都是无关紧要的。具体而言,如果“异质投资者”和“异质持股”情况下的股票水平异质性相同,则、、和[]GLQQ都是相同的。然而,根据inOdean的方法,只有当同一账户中的另一只股票被卖出时,外部计量经济学家才计算账面损益。因此,“异质投资者”和“异质持股”在将股票分组到账户中时的差异产生了与账面损益相关的统计数据的不同值,即,,,GLPGR、PLR和.奥登之后,()德国劳埃德船级社是指当同一账户中的其他股票被出售时,以账面收益(亏损)交易的股票的分数。股票价格较低[] 交易更加频繁,从而增加同一账户中所有其他库存的影响安德尔以及其他依赖于这些的统计数据。例如,从表2中可以看出L=8,G=0.5,和  0的平均持有期为351个交易日G=33.3%; = 1随机交易的平均持有期较小,为250天,而Gof 55.3%。因此,在这些投资者人数相等的情况下= 46.1%接近随机交易者,因为他们交易更频繁。相反,对于异质持股,情况恰恰相反;平均值g= 44.0%更接近交易股票的阈值。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:01
由于随机交易的频率更高,因此在确定账面收益和损失时,阈值交易股票是观察到的频率更高的股票。作为后果者,以及 与异质投资者相比,异质持股的PLR通常更大,PLR通常更小。报告的平均值与Odean的每种风险承受能力水平的经验结果非常接近,无需采用表2中要求的非常高的风险承受能力。平均交易间隔时间也有所增加,以更好地匹配Odean的价值。此表仅强调了各种可能性。使用50-50以外的组合,包括更多类型的投资者,或允许投资者之间和同一账户内交易策略的异质性,将允许进一步调整拟合。总之,我们已经表明,我们的实现效用模型与观察到的交易数据的几个维度是一致的,并且能够阐明这些维度。我们没有试图精确匹配经验模式,也没有考虑所有维度。例如,Odean在其1998年的论文中报告了当同一账户中的其他股票交易时,衡量的账面收益和损失的平均规模。平均纸张收益和损失分别为46.6%和39.3%,其规模大于27.7%的已实现损益22.8%。我们的模式是单一代表投资者遵循相同的- 所有股票的策略不可能产生这种模式,因为变现发生在账面收益和亏损分布的极值点。虽然可以通过考虑与异质投资者的经济关系来生成这种模式,但也可以进行其他解释,例如投资者根据资产的最近价格历史更新其参考水平。关于这一点的非正式讨论,参见Odean(1999)第四节。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:04
相关的实验和经验证据可以在Gneezy(2005)和Arkes、Hirshleifer、Jiang和Lim(2008、2010)中找到。从初始购买价格的水平变化来看,投资者实现的主观衡量损益与外部计量经济学家客观衡量的损益不同。Ingersoll和Jin(2012)对这一主题进行了详细研究。4。自愿损失变现本文的主要目标之一是创建一个具有自愿损失变现的跨期变现效用模型。在前面的章节中,我们介绍了缩放和修改的TKutility函数,我们的数值分析表明,两者都可以产生自愿承担损失。在本节中,我们提出了一个更一般的问题:在(3)中提出的跨期实现效用框架中,任何效用函数产生自愿亏损销售的必要特征是什么?我们不排除有助于自愿承担损失的其他可能的偏好或基于信念的解释,如信息变化或投资组合再平衡。然而,我们的一般分析可能会对实现效用和处置效果的理论和实验工作有所帮助。TK实用程序的两个版本都有两个分别看起来很重要的属性,即Sshape和reference scaling。举例来说,考虑一个具有无标度效用函数的投资者,U(G)=sgn(G)|G | 1/2这并不明确取决于参考水平。该投资者可能愿意实现2的损失,因为如果价格随后恢复,他可以获得1的两个收益,并具有正的总效用。如果不考虑2的损失,则会妨碍将恢复视为收益。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:07
对于无标度凹效用,回收收益的收益永远无法抵消损失的非效用,因为边际效用正在下降,因此损失的非效用必须大于后续收益的效用,无论如何划分。现在考虑一个没有凸性的简单标度效用函数,U(G,R)=G/R。从4到2的损失具有2/4,而从2恢复到4可提供2/2的效用。现在,为了实现以后的收益,减少规模可能会使损失变得有价值。相反,随着规模的扩大,损失承担永远不会是最优的。该分析在下文第7号提案中进行了精确描述,该提案描述了在何种情况下,损失将永远不会自动实现。命题7:假设投资者使用第一个效用函数u(G,R)最大化(3)中的预期实现效用,并且参考水平在出售后更新为投资价值,但在出售之间保持不变。以下四个条件(i)0 0(iii(ii)0(iv)0)UGG RUUG     (26)共同足以阻止在没有交易成本的情况下自愿实现任何损失。如图5所示,交易成本扩大了无销售区域,因此自愿承担损失的可能性较小。考虑到交易成本,我们需要更严格地违反这些条件,以使自愿损失达到最佳。附录中给出了该定理的证明。对结果的直觉是,损失的不效用不能被补偿该损失的任何后续收益的效用所抵消,因为每个收益效用突发出现的时间较晚,边际效用较小,参考水平较低。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:09
这些方面中的每一个都使得增益效用分别通过属性(i)、(iii)和(iv)减小。(26)中的前三个条件是标准公用设施属性。时间偏好为正,边际效用为正且递减。将前两者视为不可侵犯的,只有当效用并非处处都是凹的或边际效用在参考水平上没有任何增加时,自愿损失才有可能。我们已经讨论了S形效用对重置参考水平的损失承担的类似选项的影响。违反条件(iv),即边际效用在参考水平上在一定范围内下降,也会产生同样的效果。从高收益衡量的损失对效用的负面影响比从低收益衡量的相同规模收益对效用的负面影响更小。这可能会导致投资者意识到损失,因此当资产价值恢复时,他有可能获得以后的收益。S型效用函数常用于行为模型,我们已经得出结论|U(G,R)|/R≤ 0很可能是对实现实用程序的描述,如果为true,则表示(iv)无法保持,除非U型/GR 因此,S型效用和关于toR的效用递减可能有助于实现损失的最佳自愿实现。理论上,仅违反(iii)或(iv)项就足以使自愿承担损失达到最佳状态。然而,我们的模型校准表明,这两者都可能是解释数据所必需的。5、进一步的模型预测和应用如上所述,我们对交易活动做出了一些直接而具体的预测。两点,-, 交易策略非常具体,涉及损益量、持有期以及已实现损益和账面损益的大小。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:12
这些结果有助于解释涨跌市场交易量之间的差异,以及历史高点对卖出倾向的影响。同时,风险寻求行为和交易策略也可以解释高价值资产的大量交易,因为最优策略与资产的均值和方差相关。此外,如果投资者的主观参考水平不是恒定的,而是根据最近的股票价格进行更新,那么预测的交易模式将变得依赖于路径。像这样的模型也可以使投资者行为模型的风险率类型合理化。在最近的一篇论文中,Ben David和Hirshleifer(2012)记录了在固定持有期内出售股票的概率与购买后未实现回报之间的V型经验模式。使用命题5中开发的统计数据,让下标表示偏导数,22 12(,)(0,)(,)。GUGR U R U gRdg因为所有R的U(0,R)=0,所以U(0,R)=0。如果(iv)严格成立,即U>0,则正(负)G的积分为正(负),且|U型|/R>0。因此,假设(iv),关系|U型|/R 0不能保持,除非当U 巴伯里斯和熊(2012)对其中一些应用进行了更详细的讨论。投资者,我们的模型可以匹配这种模式。Ingersoll和Jin(2012)进一步研究了其中的许多考虑因素。税收交易行为是该模型解决的另一个显而易见的话题。事实上,capitalgains几乎完全符合变现效用,因为它们通常只在资产出售时到期。标准推理表明,投资者应该实现亏损,推迟收益,以尽量减少税收负担。就税收而言,亏损承担应优先于收益承担,这与处置效果相反。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:15
然而,这种推理再次未能认识到再投资效应的重要性。为了说明这一点,请考虑一位具有改良TKutility的投资者G=0.5,L=4, = 0.3, = 2. = 5%投资于 = 9%和 =30%,并支付1%的交易成本。如果没有资本利得税,投资者将以 = 1.460或 = 0.261。加上15%的资本利得税,他以 = 1.549或 = 0.248。资本利得税确实会导致投资者推迟收益的实现,因为它们现在可以提供较小的效用爆发。然而,损失承担也被推迟了,因为损失的价值较低,因此重新设定参考点对实现痛苦的损失不再那么有利。当然,由于不同的税收待遇,亏损接受的影响要小于获利接受的影响。我们的模型还进行了其他间接预测。两种预测是资本市场线的扁平化和特殊风险的定价。我们的论文中没有平衡模型,因此不可能进行精确的预测,但该模型确实表明了方向效应。这个- 实现效用投资者的无差异曲线比观察到的资本市场线更平坦,并且在某些情况下,随着投资者倾向于更大的方差而不是更小的方差,无差异曲线实际上在下降。但out模型并没有解决这些无差异曲线应该应用于什么。如果投资者只持有一只多元化共同基金,该模型表明,在选择基金时,他应该表现出比通常情况下更少的风险厌恶。但投资者可能会将大部分财富储存在多元化投资组合中,因为他们认识到这些投资组合是长期储蓄的最佳工具,并且仍然积极交易其他股票,因为他们喜欢这样做。只有后一种投资活动可能受我们所建模类型的实现效用的控制。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:18
这或许可以解释为什么我们在典型的交易账户中只看到少量股票。随着无差异曲线变平,对高方差股票的需求将过剩。这意味着高贝塔和高剩余风险股票的预期回报率应该比CAPM等均衡模型预测的要小。Ang、Hodrick、Xing和Zhang(2006)Ben David和Hirshleifer(2012)隐式假设投资者交易是随机的,风险率(强度)这是持有期和未实现收益大小的函数。与我们的异质投资者模型相比,代表性投资者不是普通投资者,风险率衡量的是聚集效应。为了比较的一致性,我们假设投资者将其主观收益视为应税收益,并将其参考水平设定为新的成本基础,即使税率为零。也就是说,他使用脚注8中讨论的设定参考水平的总成本观点。在瑞典的一个数据集中,Calvet、Campbell和Sodini(2009)发现,投资者持有的共同基金的卖出赢家和卖出输家之间的不对称性要比他们持有的个人股票弱得多,这表明家庭共同基金投资的动机不同于个人股票投资。记录此内容。他们测试了具有不同总波动率和剩余波动率的股票的Alpha,并发现了这一结果。波动率最高和最低股票的Alpha之间的差异为1.35%(t=4.62)对于CAPM和1.19%(t=5.92)对于Fama-French三因素模型。剩余波动率最高和最低的股票之间的Alpha差异为1.38%(t=4.56)对于CAPM和1.31(t=FF-3为7.00)。不幸的是,精确的预测是不可能的,因为我们直接忽略了建模多样化。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:21
在标准的投资组合模型中,风险厌恶型投资者最理想地持有大量资产,以实现多样化。我们的模型假设狭窄的框架,每个投资的效用完全取决于交易方式。因此,多元化似乎没有任何好处。然而,事实并非如此。对于程度均匀的效用 正如我们所假设的,将财富按比例投资于多个资产,然后在不进行任何再平衡的情况下对每个部分进行再投资的价值为()其中,Vi是资产的单独估值,取决于其均值和方差以及特定效用函数。对于0< < 1,效用最大化为1/(1)[(1)]。iiwv公司当然,如果没有再平衡的限制,这种投资组合通常不是最优的,但它确实表明,投资单一股票是一种主导政策,因此一些多样化必须是最优的。更彻底的分析将表明,当允许再平衡时,投资者应偏离严格的常数- 当他们的分配偏离最佳值太远时,就会采取政策。然而,在完全研究多元化和再平衡之前,必须回答一个更为根本的问题:单独的收益和损失如何合计实现不足的效用?我们的模型假设跨资产和加班的完整狭窄框架。对所有公用事业突发事件分别进行评估,然后对不同资产和时间段的贴现值求和。在另一个模型中,投资者可能会将同期收益和损失汇总成一个单一的公用事业突发事件,并随着时间的推移将其相加。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:24
这两种假设在心理上都是合理的,但都会在多周期模型中产生问题,特别是在连续时间模型中。如果效用函数汇总了同期收益和损失,并且投资者的能力是S型的,那么如果可能的话,不同资产上的损失应该同时承担,因为边际效用在损失的幅度上正在下降。这将导致时间复杂化,投资者推迟一些损失承担,同时加速其他损失以实现同步。另一方面,不同资产的收益应始终在时间上保持分离,因为它们的边际效用正在下降。这对于在连续时间内使用时间加性效用实现来说是微不足道的,因为时间加性效用对时间维度的框架非常狭窄,所以对于完全独立的评估来说,分离时间就足够了。但是,假设同时实现的两个收益与仅在瞬间实现的相同两个收益具有不同的效用,这是否合理?如果没有,需要多长时间的分离?在标准消费组合问题中也出现了类似的问题,并提出了各种建议,如递归效用或Hindy、Huang和Kreps(1992)跨期聚合。这里的问题更为困难,因为消费在跨期模型中是自然平滑的,但这里我们要解决的是收益平滑和损失集中。6、结论性意见本文构建了一个跨期变现效用模型来研究投资者的交易行为。我们强调了再投资在动态环境中所起的作用,表明投资者可能会自愿实现亏损,即使这会立即产生负面效用影响。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:27
自愿损失的必要条件要么是对至少一些损失的风险寻求行为,要么是减少比例,在这种情况下,使用较小的参考水平实现的收益和损失的效用的大小更大。在我们的模型下,两点销售策略是最优的;当资产价值上升到参考水平的固定倍数或在参考水平的固定分位数亏损时,投资者出售以获取收益。我们提供了模型的详细校准,表明Odean和其他人的交易数据与此类两点策略非常一致,但与独立于潜在收益的随机交易不一致。我们还引入了一种修正的Tversky-Kahneman效用,该效用单独或在异质投资者模型中预测数据中观察到的平均实现收益和损失。我们讨论了预测交易模式和价格效应的一些性质。特别是,我们的模型表明资本市场线趋于平坦,特殊风险可能具有负风险溢价。这两个特征也可以在数据中看到。但其他影响仍需调查。例如,在不同的市场中,交易模式和交易量是如何随时间演变的?实现效用和动量之间的关系是什么?未来的理论研究有几个方向。一个重要的步骤是研究实现效用投资者的多元化动机,并解决一个完整的投资组合问题。我们知道一些多样化和再平衡是最佳的,但这意味着股票的最佳销售策略不仅取决于其参考水平,还取决于投资组合中其他资产的价格和参考水平。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-19 17:53:30
此外,还必须假设同期和近同期损益是如何进行主观分类的,以及由在不同时间以不同价格购买的股票组成的头寸的适当参考水平。理解实现实用程序如何和其他类型的实用程序交互也很重要。投资者是否仅仅通过持有账面收益的资产而获得效用,即使他们不出售?显然,投资者也重视消费;平滑消费和实现收益的动机是单独评估的还是以某种方式组合评估的?最后,如果S型效用函数很重要,概率加权是否也会对实现效用产生影响?将概率权重纳入跨时间设置是一项非常重要的任务,因为如果概率被决策权重取代,迭代期望法则就不成立。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群