نظریه چشم انداز برای تجارت مالی آنلاین

منافع رقابتی: مائورو مارتینو کارمند IBM است. این امر باعث تغییر در پیروی نویسندگان به PLOS ONE در مورد به اشتراک گذاری داده ها و مواد نمی شود.

آزمایشات را تصور و طراحی کرد: yyl jcn to. آزمایشات را انجام داد: yyl jcn به. تجزیه و تحلیل داده ها: yyl jcn به. معرفها/مواد/ابزارهای تجزیه و تحلیل مشارکت شده: Yyl JCN به. مقاله را نوشت: Yyl JCN به. نسخه خطی را مرور کرد: MM YA.

این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که اجازه استفاده ، توزیع و تولید مثل بدون محدودیت در هر رسانه را می دهد ، مشروط بر اینکه نویسنده و منبع اصلی به درستی اعتبار داشته باشند.

داده های مرتبط

نویسندگان تأیید می کنند که به دلایل مصوب ، برخی از محدودیت های دسترسی در مورد داده های اساسی یافته ها اعمال می شود. داده های معاملاتی که در کار مورد تجزیه و تحلیل قرار گرفته است به طور مستقیم توسط نویسندگان جمع آوری نشده است ، بلکه توسط یک شرکت بازرگانی آنلاین با توجه به سیاست حفظ حریم خصوصی داده ها و توافق آنها با MIT تهیه شده است. از این رو ، به دلیل نگرانی های اخلاقی و حقوقی ، نویسندگان نمی توانند داده ها را بدون اجازه شرکت در دسترس قرار دهند. با این حال ، در صورت درخواست ، آنها می توانند هر محقق را به آن شرکت ارجاع دهند ، که دسترسی به داده های گذشته (و به طور خاص - همان داده هایی را که برای این تحقیق استفاده شده است) از طریق بستر خود به محققان دانشگاهی که با آنها توافق نامه ای امضا می کنند ، ارائه می دهد (این همان چیزی استنویسندگان این کار را کردند). از این رو برای سایر محققان کاملاً امکان پذیر است که با تماس با ude. tim. aidem@lavinay به صاحب داده دسترسی پیدا کنند.

خلاصه

نظریه چشم انداز به طور گسترده ای به عنوان بهترین مدل توصیفی موجود در مورد چگونگی ارزیابی افراد در تنظیمات آزمایشی مشاهده می شود. طبق نظریه Prospect ، افراد معمولاً با توجه به دستاوردها و به دنبال ریسک با توجه به ضرر و زیان ، که به عنوان "اثر بازتاب" شناخته می شود ، ریسک پذیر هستند. مردم نسبت به دستاوردهای همان بزرگی ، پدیده ای به نام "از دست دادن" نسبت به ضرر و زیان بسیار حساس تر هستند. علیرغم این واقعیت که نظریه چشم انداز به خوبی در اقتصاد رفتاری در سطح نظری توسعه یافته است ، مطالعات تجربی در مقیاس بزرگ بسیار کمی وجود دارد و بیشتر مطالعات قبلی با داده های خرد پنل انجام شده است. در اینجا ما بیش از 28. 5 میلیون معاملات انجام شده توسط 81. 3 هزار معامله گر یک جامعه تجارت مالی آنلاین را طی 28 ماه انجام می دهیم ، با هدف کشف جنبه تجربی در مقیاس بزرگ نظریه چشم انداز. با تجزیه و تحلیل و مقایسه رفتار برنده و از دست دادن معاملات و بازرگانان ، شواهد روشنی از تأثیر بازتاب و پدیده گریز از دست دادن ، که در تئوری چشم انداز ضروری هستند ، می یابیم. این کار از این رو نشان می دهد که یک شواهد تجربی در مقیاس بزرگ بی سابقه از تئوری چشم انداز ، که پیامدهای فوری در تجارت مالی دارد ، به عنوان مثال ، توسعه استراتژی های معاملات جدید با به حداقل رساندن تأثیر تأثیر بازتاب و پدیده گریز از دست دادن. علاوه بر این ، ما سه معیار رفتاری جدید را برای تمایز معامله گران برنده و از دست دادن بر اساس رفتار تجاری تاریخی آنها معرفی می کنیم. این فرصت های بالقوه را برای تقویت معاملات اجتماعی آنلاین فراهم می کند که در آن معامله گران با پیش بینی برندگان بالقوه بر اساس رفتار معاملاتی تاریخی خود مجاز به تماشای و دنبال کردن فعالیت های تجاری دیگران هستند.

معرفی

ما زندگی را در دوره "داده های بزرگ" زندگی می کنیم. بسیاری از فعالیت های روزانه ما مانند بررسی ایمیل ، برقراری تماس تلفنی همراه ، ارسال وبلاگ در رسانه های اجتماعی ، خرید با کارت های اعتباری و انجام تجارت مالی به صورت آنلاین ، اثری دیجیتالی ما را از انواع مختلفی که می تواند برای تجزیه و تحلیل رفتار ما استفاده شود ، پشت سر می گذارد. هجوم ناگهانی داده ها ، تبدیل علوم اجتماعی با سرعت بی سابقه ای است [1] ، [2]. در واقع ، ما شاهد تغییر پارادایم تحقیقات علوم اجتماعی از مصاحبه با چند ده نفر از افراد پرسشنامه نظرسنجی ساخته شده برای طراحی آزمایشات مربوط به میلیون ها موضوع در رسانه های اجتماعی هستیم [3].

در دسترس بودن مقادیر عظیمی از داده های دیجیتالی همچنین ما را وادار می کند تا در مورد برخی از دیدگاه های اساسی رفتار پیچیده انسان تجدید نظر کنیم. مطالعات اخیر قبلاً این پتانسیل را نشان داده است که مجموعه داده های گسترده رفتاری (به عنوان مثال ، Google Trends ، الگوهای استفاده از ویکی پدیا و تحولات خبری مالی) می تواند درک بهتری از رفتار جمعی انسان در بازارهای مالی ارائه دهد [4] - [7]. در این کار ما بر تصمیم اقتصادی تحت ریسک تمرکز می کنیم ، موضوع اصلی اقتصاد رفتار [8]. نظریه های اقتصادی موفقیت آمیز ، پیچیدگی رفتار اقتصادی انسان را تصدیق کرده و مدلهایی را معرفی می کنند که در تحقیقات روانشناختی به خوبی پایه گذاری شده اند. به عنوان مثال ، تئوری چشم انداز به عنوان بهترین مدل توصیفی موجود در مورد چگونگی ارزیابی مردم ریسک [9] - [14] مشاهده می شود. نظریه چشم انداز بیان می کند که مردم به جای نتیجه نهایی ، بر اساس ارزش بالقوه ضرر و دستاوردها تصمیم می گیرند و مردم این ضررها و دستاوردها را با استفاده از اکتشافی خاص ارزیابی می کنند. با وجود این واقعیت که تئوری چشم انداز بینش های قابل توجهی بسیاری را ارائه می دهد و بیش از سه دهه مورد مطالعه قرار گرفته است ، تحقیقات تجربی در مقیاس بزرگ بسیار کمی وجود دارد و بیشتر مطالعات قبلی با داده های میکرو پنل انجام شده است [15]-[21]بشرعلاوه بر این ، برنامه های نسبتاً معروف و مشهور و گسترده ای از تئوری چشم انداز در اقتصاد و امور مالی وجود دارد [14]. ظهور سیستم عامل های تجارت اجتماعی آنلاین و در دسترس بودن حجم در حال رشد داده های معاملات مالی افراد به ما کمک می کند تا جنبه تجربی نظریه چشم انداز را به یک مقیاس بزرگ بی سابقه کشف کنیم. علاوه بر این ، تجزیه و تحلیل رفتار تجارت در سطح فردی فرصتی عالی برای توسعه برنامه های مالی عملی تئوری چشم انداز ارائه می دهد.

با استفاده از خرد جمعیت به نفع و سود ما ، تجارت اجتماعی روشی انقلابی برای نزدیک شدن به سرمایه گذاری در بازار مالی بوده است. با تشکر از برنامه های مختلف وب 2. 0 ، امروزه معامله گران آنلاین می توانند به عنوان منبع اصلی اطلاعات برای تصمیم گیری در مورد تجارت مالی ، به محتوای مالی تولید شده از معامله گر اعتماد کنند. این "داده های داده" سؤالات جدیدی را ایجاد می کند ، پاسخ هایی که می تواند درک ما از پیچیدگی رفتار اقتصادی انسان را بیشتر عمیق تر کند و تجربه تجارت اجتماعی ما را بهبود بخشد. به عنوان مثال ، بسیاری از سیستم عامل های تجارت اجتماعی به ما این امکان را می دهند تا از معامله گران برتر ، معروف به گوروس یا رهبران تجارت ، پیروی کنیم و مستقیماً پول خود را مانند آنها سرمایه گذاری کنیم. سوال این است که چگونه می توان آن معامله گران برتر را شناسایی کرد. تجزیه و تحلیل رفتار تجاری تاریخی آنها یک نقطه شروع طبیعی خواهد بود [22].

تحلیل و بررسی

داده های معاملات مالی مورد استفاده در این کار از یک بستر معاملاتی اجتماعی آنلاین برای مبادلات خارجی و تجارت کالاها ناشی می شود. این بستر معاملاتی به معامله گران این امکان را می دهد تا هر دو موقعیت طولانی و کوتاه را با حداقل پیشنهاد چند دلار و همچنین اهرم تا 400 بار به دست آورند. مهمترین ویژگی پلت فرم تجارت اجتماعی این است که هر معامله گر به طور خودکار تمام معاملات بارگذاری شده در بستر را که در آن تجارت می تواند به روش های مختلف آماری نمایش داده شود ، مانند میزان سود حاصل از آن ، نمایش داده می شود. معامله گران می توانند حساب های خود را برای کپی کردن یک یا چند معاملات ساخته شده توسط سایر معامله گران تنظیم کنند ، در این صورت بستر معاملات اجتماعی به طور خودکار تجارت (های) را اجرا می کند. بر این اساس ، سه نوع معاملات وجود دارد: (i) تجارت مجرد (یا غیر اجتماعی): معامله گر یک تجارت عادی توسط خودش قرار می دهد.(ii) کپی کردن تجارت: معامله گر یک تجارت دقیقاً همان تجارت یک تجارت B Trader B را قرار می دهد.(iii) تجارت آینه: Trader A به طور خودکار هر تجارت Trader B را اجرا می کند ، یعنی Trader A دقیقاً فعالیت های معاملاتی T Trader B را دنبال می کند. هر دو (ii) و (iii) از این پس به عنوان تجارت اجتماعی گفته می شوند.

حدود 3 میلیون حساب ثبت شده در این بستر تجارت آنلاین اجتماعی وجود دارد. برخی از آنها حسابهای عملی هستند ، یعنی تجارت با پول مجازی. داده های ما از بیش از 28. 5 میلیون معاملات ساخته شده توسط 81. 3 هزار معامله گر با پول واقعی از ژوئن 2010 تا اکتبر 2012 تشکیل شده است. 31. 8 ٪ معاملات تک ، 0. 6 ٪ معاملات کپی و 67. 6 ٪ معاملات آینه وجود دارد. ظاهراً تجارت اجتماعی در پنجره زمانی داده های ما بر این پلت فرم تجارت حاکم است. مطلوب خواهد بود که یاد بگیریم چگونه بهترین معامله گران را دنبال کنید تا بتوانیم تجربه تجارت اجتماعی خود را بیشتر بهبود بخشیم - یک انگیزه عملگرا از کار فعلی ما. تجزیه و تحلیل کمی فعالیت های معاملاتی معامله گران در چارچوب اقتصاد رفتار به طور طبیعی متناسب با هدف است. در نهایت ، ما می خواهیم بر اساس رفتار معاملاتی تاریخی آنها برندگان بالقوه را پیش بینی کنیم تا بتوانیم از پارادایم تجارت اجتماعی استفاده کنیم.

نتایج

تجارت اجتماعی در مقابل تجارت غیر اجتماعی

ما ابتدا باید نشان دهیم که آیا معاملات اجتماعی واقعاً کمک می کند یا خیر. در شکل 1 ما کسری از معاملات برنده را مقایسه می کنیم (n₊/ n) و بازده سرمایه گذاری (ROI (٪)) از سه نوع تجارت مختلف. ما می دانیم که هر سه نوع تجارت بیش از 50 ٪ شانس ایجاد سود خالص مثبت دارند (شکل 1A را ببینید). در میان آنها ، تجارت آینه بالاترین فرصت را دارد () ، بسیار بالاتر از تجارت تک یا کپی. این نشان می دهد که به طور متوسط معاملات اجتماعی (به ویژه معاملات آینه ای) در واقع به معامله گران کمک می کند تا بیشتر از معاملات غیر اجتماعی پیروز شوند. جالب اینجاست که همه انواع تجارت دارای ROI متوسط مثبت نیستند (شکل 1B را ببینید). در حقیقت ، فقط تجارت آینه دارای میانگین ROI () مثبت است ، یعنی سود ، مطابق با نتایج قبلی تولید می کند [23]. از نظر ROI ، معاملات اجتماعی لزوماً بهتر از تجارت غیر اجتماعی عمل نمی کنند. ما متوجه می شویم که تجارت کپی حتی ROI منفی بالاتری نسبت به تجارت غیر اجتماعی دارد ، این بدان معناست که کپی کردن شخصی بر اساس عملکرد گذشته می تواند خطرناک باشد.

(الف) کسری از معاملات مثبت. تجارت آینه بیشترین بخش از معاملات مثبت را دارد.(ب) میانگین ROI. تجارت آینه تنها نوع تجاری است که مثبت دارد. در اینجا میله های خطا به معنای خطای استاندارد میانگین (SEM) است. ج) میانگین ROI معاملات مثبت. تجارت آینه برای معاملات مثبت کمترین هزینه را دارد.(د) میانگین ROI معاملات منفی. تجارت آینه برای معاملات منفی بیشترین منفی را دارد.

به طور کلی ، تجارت آینه از معاملات تک و کپی بهتر است. با این حال ، عملکرد بهتر تجارت آینه با قیمتی حاصل می شود که معاملات برنده آن ROI بسیار پایین تر (0. 177 ≈) نسبت به معاملات کپی و تک دارند (شکل 1C را ببینید). در حالی که معاملات از دست دادن آن ROI منفی به طور قابل توجهی بالاتر (9 /0 ٪) نسبت به معاملات کپی و تک است (شکل 1D را ببینید). به عبارت دیگر ، تجارت آینه به طور معمول سود بالایی را برای کسب موقعیت ها ایجاد نمی کند بلکه برای از دست دادن موقعیت ها ضرر بالایی ایجاد می کند. از آنجا که تجارت آینه شانس پیروزی بسیار بالایی دارد ، میانگین ROI تجارت آینه مثبت است. این بدان معنی است که هنوز فضای زیادی برای بهبود تجربه تجارت اجتماعی ما وجود دارد.< pan> به طور کلی ، تجارت آینه از هر دو معاملات تک و کپی بهتر است. با این حال ، عملکرد بهتر تجارت آینه با قیمتی حاصل می شود که معاملات برنده آن ROI بسیار پایین تر (0. 177 ≈) نسبت به معاملات کپی و تک دارند (شکل 1C را ببینید). در حالی که معاملات از دست دادن آن ROI منفی به طور قابل توجهی بالاتر (9 /0 ٪) نسبت به معاملات کپی و تک است (شکل 1D را ببینید). به عبارت دیگر ، تجارت آینه به طور معمول سود بالایی را برای کسب موقعیت ها ایجاد نمی کند بلکه برای از دست دادن موقعیت ها ضرر بالایی ایجاد می کند. از آنجا که تجارت آینه شانس پیروزی بسیار بالایی دارد ، میانگین ROI تجارت آینه مثبت است. این بدان معنی است که هنوز فضای زیادی برای بهبود تجربه تجارت اجتماعی ما وجود دارد. از این طریق ، تجارت آینه از هر دو معاملات تک و کپی بهتر است. با این حال ، عملکرد بهتر تجارت آینه با قیمتی حاصل می شود که معاملات برنده آن ROI بسیار پایین تر (0. 177 ≈) نسبت به معاملات کپی و تک دارند (شکل 1C را ببینید). در حالی که معاملات از دست دادن آن ROI منفی به طور قابل توجهی بالاتر (9 /0 ٪) نسبت به معاملات کپی و تک است (شکل 1D را ببینید). به عبارت دیگر ، تجارت آینه به طور معمول سود بالایی را برای کسب موقعیت ها ایجاد نمی کند بلکه برای از دست دادن موقعیت ها ضرر بالایی ایجاد می کند. از آنجا که تجارت آینه شانس پیروزی بسیار بالایی دارد ، میانگین ROI تجارت آینه مثبت است. این بدان معنی است که هنوز فضای زیادی برای بهبود تجربه تجارت اجتماعی ما وجود دارد.

برای درک بیشتر تفاوت بین انواع تجارت اجتماعی و غیر اجتماعی ، توزیع مدت زمان آنها را محاسبه می کنیم (شکل 2 را ببینید). در اینجا مدت زمان تجارت یا موقعیت به عنوان زمان نگهدارنده آن (در واحد میلی ثانیه) تعریف شده است ، یعنی به ترتیب موقعیت و زمان بسته شده و بسته است. جالب اینجاست که توزیع مشابه چربی را برای همه انواع مختلف تجارت نشان می دهد. موقعیت های بسیار کمی وجود دارد که برای مدت زمان بسیار طولانی (بیش از یک ماه) برگزار می شود. بیشتر مواضع برای کمتر از نیم ساعت برگزار می شد. ما همچنین متوجه می شویم که برای از دست دادن مواضع ، بسیاری از آنها کمتر از یک ثانیه نگه داشته می شوند ، در حالی که برای کسب مقام های برنده آنها به احتمال زیاد بیش از یک ثانیه نگه داشته می شوند. این ممکن است به دلیل گسترش به اصطلاح پیشنهادات باشد. قیمتی که می توانیم بفروشیم (پیشنهاد) و قیمتی که می توانیم بخریم (بپرسیم) در هر نقطه زمانی متفاوت است. برای معامله گران تقریباً غیرممکن است که با استفاده از سیستم عامل های معاملاتی مالی آنلاین ، در بازه زمانی بسیار کوتاه (به عنوان مثال ، یک ثانیه) غلبه کنند. زیرا ، ما می دانیم که برای همه انواع مختلف تجارت تجاری بسیار پایین تر از معاملات منفی است ، یعنی احتمال برنده شدن در این پنجره زمان خاص نگهدارنده بسیار کمتر از 50 ٪ است. اگرچه توزیع مدت زمان انواع مختلف تجارت دارای بسیاری از ویژگی های مشابه است ، اما ما تفاوت قابل توجهی در رژیم ، یعنی بیش از یک دقیقه مشاهده می کنیم. ما می دانیم که برای معاملات غیر اجتماعی با معاملات مثبت تقریباً مشابه معاملات منفی است. به عبارت دیگر ، اگر زمان برگزاری تجارت غیر اجتماعی بیش از یک دقیقه باشد ، شانس برنده در حدود 50 ٪ است. برای معاملات کپی با ، معاملات مثبت کمی بیشتر از معاملات منفی است. برای معاملات آینه با ، معاملات مثبت به طور قابل توجهی بالاتر از معاملات منفی است. به عبارت دیگر ، اگر زمان برگزاری تجارت آینه بیش از یک دقیقه و کمتر از یک هفته باشد ، شانس برنده آن بسیار بیشتر از 50 ٪ است.

برای هر نوع تجارت ، ما معاملات منفی و مثبت را بر اساس سود خالص آنها متمایز می کنیم. معاملات با سود خالص صفر ناچیز است. توزیع مدت زمان معاملات منفی و مثبت با توجه به وقوع مربوطه عادی می شود.(الف) تمام معاملات.(ب) معاملات غیر اجتماعی.(ج) معاملات را کپی کنید.(د) معاملات آینه.

ما همچنین مدت زمان تجارت را به عنوان تابعی از سود خالص برای انواع مختلف تجارت محاسبه می کنیم (شکل 3 را ببینید). ما برای معاملات با سود خالص () به صورت لگاریتمی ، نمودار جعبه و ویسکر را برای مدت زمان () ترسیم می کنیم.(برای معاملات منفی ، ما از آنها استفاده می کنیم.) ما ارزش متوسط مدت زمان را نشان می دهیم. ما می دانیم که برای همه انواع تجارت رفتار نامتقارن را نشان می دهد: از دست دادن موقعیت ها با ضرر به طور کلی بالاتر از موقعیت های برنده با سود است. این بازتابی از به اصطلاح "اثر تمایل" است: سرمایه گذاران تمایل به فروش دارایی های مالی دارند که قیمت آنها در حالی که نگه داشتن ادعاهایی که ارزش خود را کاهش داده اند افزایش یافته است [24]-[27]. به عبارت دیگر ، سرمایه گذاران کمتر مایل به تشخیص ضررها هستند ، اما مایل به تشخیص سود هستند. این یک رفتار غیر منطقی معمولی است که می تواند تا حدی توسط پدیده "از دست دادن" و "تأثیر بازتاب" در تئوری چشم انداز توضیح داده شود [18] ، [28] - [32]. ما همچنین متوجه تفاوتهای روشنی بین تجارت آینه و دو نوع تجارت دیگر هستیم. برای هر دو معاملات غیر اجتماعی و کپی به طور کلی افزایش می یابد زیرا در جهت مثبت یا منفی افزایش می یابد و از دست دادن معاملات بسیار سریعتر افزایش می یابد زیرا افزایش نسبت به معاملات برنده افزایش می یابد. در حالی که برای تجارت آینه ، با افزایش موقعیت های مثبت بسیار آهسته افزایش می یابد. برای معاملات آینه با منفی ، در ابتدا با افزایش افزایش می یابد ، اما به سرعت به یک فلات می رسد. به عبارت دیگر ، اثر تمایل در تجارت آینه کاهش می یابد. نشان داده شده است که سرمایه گذاران باتجربه تر تحت تأثیر تأثیر استفاده قرار می گیرند [33]. این ممکن است عملکرد خوب تجارت آینه را توضیح دهد.

در اینجا ، ما سود خالص انواع مختلف تجارت در سطل های لگاریتمی را سطل می دهیم.(اگر ، ما آن را با استفاده از آن سطل می زنیم.) برای معاملات موجود در هر سطل ، ما برای مدت زمان آنها نقشه جعبه و whisker را ترسیم می کنیم ، که نشان دهنده حداقل ، اولین کوارتیل ، میانه ، کوارتیل های سوم و حداکثر داده ها در آن استصندوق.(الف) تمام معاملات.(ب) معاملات غیر اجتماعی.(ج) معاملات را کپی کنید.(د) معاملات آینه.

برنده در مقابل از دست دادن معامله گران

برای توصیف رفتار معاملاتی معامله گران و شناسایی رهبران بالقوه تجارت ، ما چهار معیار رفتاری را معرفی می کنیم: (i) نسبت ریسک-پاداش ، جایی که نشان دهنده متوسط سود معاملات مثبت/منفی است که توسط هر معامله گر انجام می شود. به این معنی است که معامله گران به طور متوسط در معاملات مثبت بیشتر از ضرر در معاملات منفی به دست می آورند.(ب) نسبت زمان نگه داشتن برنده ، که در آن میانگین زمان نگه داشتن معاملات مثبت/منفی انجام شده توسط هر معامله گر است. به این معنی است که معامله گران به طور متوسط موقعیت مثبت را طولانی تر از موقعیت منفی دارند.(iii) نسبت ROI باخت ، که در آن نشان دهنده میانگین ROI معاملات مثبت/منفی است که توسط هر معامله گر انجام می شود. به این معنی است که معامله گران به طور متوسط ROI مطلق بزرگتر در معاملات مثبت نسبت به معاملات منفی دارند.(IV) درصد برنده ، که در آن تعداد معاملات مثبت/منفی انجام شده توسط هر معامله گر را نشان می دهد. به سادگی بدان معنی است که معامله گران به طور متوسط شانس پیروزی بیشتری نسبت به از دست دادن تجارت دارند.

توجه داشته باشید که اگر همه معامله گران به طور تصادفی بدون هیچ عواطف انسانی تجارت کنند ، انتظار داریم که توزیع هر چهار معیار به ترتیب رفتار متقارن را در مورد ، و به ترتیب نشان دهد. با این حال ، در واقعیت معامله گران کاملاً متفاوت از تصادفی رفتار می کنند (شکل 4 را ببینید). ما نمایشگرهای توزیع ریسک-پاداش را به شدت رفتار نامتقارن در اطراف می یابیم (خط سیاه نقطه ای در شکل 4a). زیرا ، تقریباً 3 دهه از قانون قدرت پیروی می کند ، به این معنی که یافتن معامله گران با بسیار بزرگ بسیار دشوار است. در حالی که برای ، تقریباً ثابت است ، به این معنی که معامله گران با تقریباً یکنواخت توزیع می شوند. با تقسیم معامله گران به دو گروه: برنده و از دست دادن معامله گران (به عنوان مثال ، معامله گران با سود خالص نهایی یا ضرر خالص) و محاسبه آنها با عادی سازی مناسب بر اساس کسری از بازرگانان برنده و از دست دادن (به ترتیب 14. 7 ٪ و 85. 2 ٪) ، مادریابید که این دو گروه به طرز چشمگیری متفاوت رفتار می کنند (شکل 4B را ببینید). برنده معاملات بازرگانان بیش از حد ؛در حالی که از دست دادن معامله گران توسط. لباس برای عمدتا به دلیل بازنده است. در حالی که قدرت قانون FOR صرفاً به دلیل برنده شدن معامله گران است. ما همچنین متوجه می شویم که برای (خط صورتی) ، از دست دادن معامله گران به طور قابل توجهی بالاتر از برنده معامله گران است. در حالی که برای ، در مورد مخالف است.

(الف ، ب) توزیع نسبت ریسک-پاداش (). و سود کسب موقعیت های برنده و از دست دادن موقعیت های از دست دادن موقعیت ها ، به ترتیب ، معامله گران است.(ج ، د) توزیع نسبت زمان انتظار برنده (). در اینجا و میانگین مدت زمان پیروزی و از دست دادن موقعیت ها ، به ترتیب ، معامله گران است.(E ، F) توزیع نسبت ROI باخت (). و ROI به ترتیب برنده و از دست دادن موقعیت های معامله گران هستند.(G ، H) توزیع درصد برنده () معامله گران. و تعداد مناصب برنده و از دست دادن ، به ترتیب ، معامله گران هستند.

ما می یابیم که توزیع نسبت مدت زمان برنده نیز رفتار نامتقارن را در اطراف نشان می دهد (خط سیاه نقطه ای در شکل 4C). زیرا ، تقریباً در طی 5 دهه از قانون قدرت پیروی می کند ، به این معنی که یافتن معامله گران با بسیار بزرگ بسیار دشوار است. در حالی که برای ، بسیار آهسته کاهش می یابد ، به این معنی که معامله گران با تقریباً یکنواخت توزیع می شوند. این نشان می دهد که بیشتر معامله گران موقعیت های از دست دادن را برای مدت زمان طولانی تر از موقعیت پیروزی ، یک اثر معمول در اختیار دارند. مقایسه معامله گران برنده و از دست دادن نیز جالب است (شکل 4D را ببینید). گرچه تعداد آنها تقریباً یکسان است ، اما متوجه می شویم که برای (خط صورتی) ، بازنده ها به طور قابل توجهی بالاتر از برندگان است. در حالی که برای ، در مورد مخالف است.

توزیع نسبت ROI باخت ROI یک اوج قوی را در اطراف و یک رفتار کاملاً نامتقارن در اطراف نشان می دهد (خط سیاه نقطه ای در شکل 4E). زیرا ، در طی 3 دهه قانون قدرت را دنبال می کند ، به این معنی که یافتن معامله گران با بسیار بزرگ بسیار دشوار است. جالب اینجاست که ، برای تقریباً 2 دهه ، قانون را نیز دنبال می کند. ما می دانیم که معامله گران برنده و از دست دادن نیز بسیار متفاوت هستند (شکل 4F را ببینید). برنده معاملات بازرگانان بیش از حد ؛در حالی که از دست دادن معامله گران توسط. برای (خط صورتی) ، از دست دادن معامله گران به طور قابل توجهی بالاتر از برنده معامله گران است. در حالی که برای ، در مورد مخالف است. زیرا ، تقریباً همه معامله گران معامله گران را از دست می دهند.

توجه داشته باشید که بخش بزرگی از معامله گران () در حال از دست دادن معامله گران با ضرر نهایی خالص هستند. این واقعیت که معامله گران از دست می دهند به طور معمول با پدیده "گریز از دست دادن" و "تأثیر بازتاب" در نظریه چشم انداز به شرح زیر توضیح داده می شوند. برای موقعیت های مثبت ، معامله گران تمایل به ریسک پذیری دارند و موقعیت را به سرعت می بندند تا سود کمی یا یک ROI کوچک کسب کنند. در حالی که برای از دست دادن مواضع ، معامله گران تمایل دارند که به دنبال ریسک باشند و تمایلی به بستن موقعیت ها به همان اندازه که باید انجام دهند. در عوض آنها منتظر هستند و امیدوارند که ضرر را بازیابی کنند. اگر در واقع این اتفاق بیفتد ، آنها ریسک پذیر می شوند و تمایل دارند که موقعیت را به سرعت ببندند تا سود کمی کسب کنند و منجر به یک ROI کوچک شوند. اگر متأسفانه این اتفاق نیفتد ، آنها نه تنها زمان با ارزش بلکه پول زیادی را نیز هدر می دهند و باعث می شوند ROI منفی بزرگ. بنابراین ، بازرگانان باخت باید از رفتار تجاری غیر منطقی خود رنج ببرند که می تواند توسط تئوری چشم انداز توصیف شود.

ممکن است شخص ساده لوحانه نوع برنده معیارهای رفتاری را در نظر بگیرد که ما را شناسایی کنیم. در اینجا ما نشان می دهیم که اینگونه نیست. شکل 4G توزیع درصد برنده را نشان می دهد ، که در اطراف نامتقارن است.(توجه داشته باشید که قله های قابل توجهی در مورد برخی از تعداد منطقی دارد ، که به دلیل معامله گران است که معاملات بسیار کمی انجام داده اند.) باز هم ، ما نشان می دهیم که نشان می دهد رفتارهای برنده و از دست دادن رفتارهای متفاوتی متفاوت است (شکل 4H را ببینید). زیرا ، از دست دادن معامله گران به طور قابل توجهی بالاتر از برنده معامله گران است. در حالی که برای برنده شدن معامله گران تسلط دارند. مقدار آن به حدی است که استفاده از آن برای انتخاب رهبران تجارت تقریباً غیرقابل نفوذ است. ما همچنین متوجه می شویم که از دست دادن معامله گران در واقع برای طیف گسترده ای از آن مسلط می شوند. با این حال ، آنها هنوز هم به دلیل نسبت کم ریسک-پاداش در نهایت پول خود را از دست می دهند. به عبارت دیگر ، آنها بارها با سود مثبت کمی پیروز می شوند ، اما پس از از دست دادن چیزهای زیادی از دست می دهند.

در اصل ارزشهای بزرگ این معیارها به هیچ وجه دلالت بر سود خالص ندارند. به عنوان مثال ، معامله گران با معامله های بسیار زیاد می توانند به سادگی به دلیل چند معامله با سود بسیار زیاد باشند ، اما بسیاری از معاملات با ضرر بسیار اندک. با این حال ، تجزیه و تحلیل فوق سه مقدار مشخصه () را ارائه می دهد که می تواند برای پیش بینی آماری معامله گران بالقوه برنده با احتمال زیاد استفاده شود. ما اعتراف می کنیم که این مقادیر مشخصه ممکن است کمی به مجموعه داده خاص یا پلت فرم تجارت بستگی داشته باشد. ما تأکید می کنیم که استراتژی استفاده از مقادیر مشخصه معیارهای رفتاری جدید برای شناسایی معامله گران بالقوه برنده باید در سیستم عامل های عمومی تجارت اجتماعی کاربرد داشته باشد. علاوه بر این ، وجود مقادیر مشخصه (،) این معیارهای رفتاری نشان دهنده اهمیت کنترل احساسات انسان برای به حداقل رساندن تأثیر اثر بازتاب و پدیده گریز از دست دادن برای عملکرد بهتر تجارت است.

بحث

پویایی تجارت مالی با تصمیمات فردی انسانی اداره می شود ، این بدان معناست که با درک بهتر رفتار اساسی انسان می توان عملکرد تجارت را به طور قابل توجهی بهبود بخشید. در این کار ما به طور سیستماتیک بیش از 28. 5 میلیون معاملات انجام شده توسط 81. 3 هزار معامله گر یک بستر معاملاتی مالی آنلاین را تجزیه و تحلیل می کنیم. با تجزیه و تحلیل و مقایسه عملکرد معاملات اجتماعی و غیر اجتماعی ، برنده و از دست دادن معامله گران ، شواهد روشنی از تأثیر بازتاب و پدیده گریز از دست دادن ، که در تئوری چشم انداز اقتصاد رفتار ضروری هستند ، می یابیم. بسیاری از بازرگانان از دست دادن نسبت ریسک بسیار کمی () ، نسبت مدت زمان برنده () و نسبت ROI باخت () ، نشان می دهند که ما باید با به حداقل رساندن تأثیر تأثیر بازتاب و ضرر ، استراتژی های معاملاتی جدید را توسعه دهیمپدیده گریزی ، به عنوان مثال ، از طریق کنترل عمدی و/یا مبارزه با ماهیت انسانی ما و منطقی کردن رفتار تجارت ما.

برای ارائه بازرگانان بسیاری از ترجیحات در کشف گوروس یا رهبران تجارت ، سکوی تجارت اجتماعی معامله گران را در معیارهای مختلف ، به عنوان مثال ، محبوبیت (تعداد دنبال کنندگان) ، هفته های سودآور و بازده شخصی محاسبه شده از فرمول اصلاح شده دیتز رتبه بندی می کند [34] ،این معیارهای مختلف به طور معمول لیست های رتبه بندی مختلفی را ارائه می دهند ، که به طور موثری انتخاب گوروس چیزی از یک امر الهام بخش یا یک ترفند ظریف را ارائه می دهد. علاوه بر این ، معامله گران باید برای به دست آوردن بازده هایی که می کنند ، خطرات ناشی از این معلمان را در نظر بگیرند. متأسفانه ، همه معیارها عملکرد معامله گران را بر اساس تنظیم ریسک قرار نمی دهند. در اینجا ما سه معیار رفتاری جدید (نسبت ریسک-پاداش ، نسبت زمان نگه داشتن برنده و نسبت ROI برنده) را پیشنهاد می کنیم ، که جوهر تئوری چشم انداز را نشان می دهد ، بهترین مدل توصیفی موجود در مورد چگونگی ارزیابی مردم در اقتصاد رفتاری. این معیارها با مقایسه رفتار معمولی خود در پیروزی و از دست دادن معاملات برای هر معامله گر تعریف می شود و از این رو به طور طبیعی تنظیم ریسک می شود. تجزیه و تحلیل ما نشان می دهد که از این معیارها می توان برای پیش بینی آماری معامله گران بالقوه برنده استفاده کرد و فرصت های عملی را برای بهبود بیشتر تجربه تجارت اجتماعی ما ارائه می دهد.

تصدیق

ما از آلبرت-لیشل بارابیسی بخاطر نظرات روشنگری تشکر می کنیم. این کار تا حدی توسط NS-CTA تحت حمایت آزمایشگاه تحقیقاتی ارتش ایالات متحده طبق توافق نامه شماره W911NF-09-2-0053 پشتیبانی شد. DARPA طبق توافق نامه شماره 11645021 ؛DTRA تحت توافق نامه شماره HDTRA1-10-1-0100/BRBAA08-PER4-C-2-0033.

بیانیه بودجه

این کار تا حدی توسط NS-CTA تحت حمایت آزمایشگاه تحقیقاتی ارتش ایالات متحده طبق توافق نامه شماره W911NF-09-2-0053 پشتیبانی شد. DARPA طبق توافق نامه شماره 11645021 ؛DTRA تحت توافق نامه شماره HDTRA1-10-1-0100/BRBAA08-PER4-C-2-0033. سرمایه گذاران هیچ نقشی در طراحی مطالعه ، جمع آوری داده ها و تجزیه و تحلیل ، تصمیم به انتشار یا تهیه نسخه خطی نداشتند.

در دسترس بودن داده ها

نویسندگان تأیید می کنند که به دلایل مصوب ، برخی از محدودیت های دسترسی در مورد داده های اساسی یافته ها اعمال می شود. داده های معاملاتی که در کار مورد تجزیه و تحلیل قرار گرفته است به طور مستقیم توسط نویسندگان جمع آوری نشده است ، بلکه توسط یک شرکت بازرگانی آنلاین با توجه به سیاست حفظ حریم خصوصی داده ها و توافق آنها با MIT تهیه شده است. از این رو ، به دلیل نگرانی های اخلاقی و حقوقی ، نویسندگان نمی توانند داده ها را بدون اجازه شرکت در دسترس قرار دهند. با این حال ، در صورت درخواست ، آنها می توانند هر محقق را به آن شرکت ارجاع دهند ، که دسترسی به داده های گذشته (و به طور خاص - همان داده هایی را که برای این تحقیق استفاده شده است) از طریق بستر خود به محققان دانشگاهی که با آنها توافق نامه ای امضا می کنند ، ارائه می دهد (این همان چیزی استنویسندگان این کار را کردند). از این رو برای سایر محققان کاملاً امکان پذیر است که با تماس با ude. tim. aidem@lavinay به صاحب داده دسترسی پیدا کنند.

منابع

1. Lazer D ، Pentland A ، Adamic L ، Aral S ، Barabsi AL ، et al.(2009) علوم اجتماعی محاسباتی. Science 323: 721-723.[مقاله رایگان PMC] [PubMed] [Google Scholar]

2. Battiston S ، Puliga M ، Kaushik R ، Tasca P ، Caldarelli G (2012) Debtrank: خیلی مرکزی برای شکست؟شبکه های مالی ، ریسک فدرال رزرو و سیستمیک. SCI Rep 2 [مقاله رایگان PMC] [PubMed] [Google Scholar]

3. Bond RM ، Fariss CJ ، Jones JJ ، Kramer Adi ، Marlow C ، et al.(2012) یک آزمایش 61 میلیون نفری در نفوذ اجتماعی و بسیج سیاسی. طبیعت 489: 295 298.[مقاله رایگان PMC] [PubMed] [Google Scholar]

4. Moat HS ، Curme C ، Avakian A ، Kenett DY ، Stanley HE ، et al.(2013) کمیت الگوهای استفاده ویکی پدیا قبل از حرکت بازار سهام. SCI Rep 3: 1801. [Google Scholar]

5. Alanyali M ، Moat HS ، Preis T (2013) کمیت رابطه بین اخبار مالی و بازار سهام. SCI Rep 3: 3578. [مقاله رایگان PMC] [PubMed] [Google Scholar]

6. Preis T ، Moat HS ، Stanley HE (2013) با استفاده از Google Trends ، رفتار تجارت در بازارهای مالی را کمیت می کند. SCI Rep 3: 1684. [مقاله رایگان PMC] [PubMed] [Google Scholar]

7. Krasny Y (2013) تأثیر وضعیت اجتماعی بر تصمیم گیری و قیمت در شبکه های مالی. در: Altshuler Y ، Elovici Y ، Cremers AB ، Aharony N ، Pentland A ، سردبیران ، امنیت و حریم خصوصی در شبکه های اجتماعی ، Springer New York. صص 85-131.[Google Scholar]

8. Diamond P ، Vartiainen H (2007) اقتصاد رفتاری و کاربردهای آن گالینگور. انتشارات دانشگاه پرینستون.

9. Kahneman D ، Tversky A (1979) نظریه چشم انداز: تجزیه و تحلیل تصمیم در معرض خطر. Econometrica 47: 263 291.[Google Scholar]

10. Tversky A ، Kahneman D (1981) قاب بندی تصمیمات و روانشناسی انتخاب. علم 211: 453-458.[PubMed] [Google Scholar]

11. Tversky A ، Kahneman D (1992) پیشرفت در تئوری چشم انداز: بازنمایی تجمعی عدم اطمینان. J Risk نامشخص 5: 297-323.[Google Scholar]

12. Wakker P ، Tversky A (1993) Axiomatization از تئوری چشم انداز تجمعی. J Risk نامشخص 7: 147-75.[Google Scholar]

13. اشمیت U ، Starmer C ، Sugden R (2008) نظریه چشم انداز نسل سوم. j خطر نامشخص 36: 203-223.[Google Scholar]

14. Barberis N (2013) سی سال تئوری چشم انداز در اقتصاد: بررسی و ارزیابی. J Econ Perspect 27: 173-196.[Google Scholar]

15. Camerer CF (1998) نظریه چشم انداز در طبیعت: شواهدی از این زمینه. مقالات کار 1037 ، انستیتوی فناوری کالیفرنیا ، بخش علوم انسانی و علوم اجتماعی [Google Scholar]

16. عبدلائویی م (2000) انتخاب بدون پارامتر از توابع و وزن گیری احتمال. Manag Sci 46: 1497-1512.[Google Scholar]

17. Wu G ، Zhang J ، Abdellaoui M (2005) آزمایش نظریه های چشم انداز با استفاده از قوام تجارت احتمال. j ریسک نامشخص 30: 107-131.[Google Scholar]

18. Abdellaoui M ، Bleichrodt H ، Paraschiv C (2007) از دست دادن از دست دادن تحت نظریه Prospect: اندازه گیری بدون پارامتر. Manag Sci 53: 1659 1674.[Google Scholar]

19. ژانگ W ، Semmler W (2009) نظریه چشم انداز برای بازارهای سهام: شواهد تجربی با داده های سری زمانی. J Econ Behav Organ 72: 835-849.[Google Scholar]

20. Booij A ، Praag BV ، Van de Kuilen G (2010) تجزیه و تحلیل پارامتری عملکردهای تئوری چشم انداز برای جمعیت عمومی. تئوری دسامبر 68: 115 148.[Google Scholar]

21. Abdellaoui M ، Bleichrodt H ، Kammoun H (2011) آیا متخصصان مالی مطابق نظریه چشم انداز رفتار می کنند؟یک مطالعه آزمایشی. تئوری دسامبر 74: 411-429.[Google Scholar]

22. Barber B ، Odean T (2000) تجارت برای ثروت شما خطرناک است: عملکرد سرمایه گذاری سهام مشترک سرمایه گذاران فردی. J Finance 55: 773-806.[Google Scholar]

23. Pan W ، Altshuler Y ، Pentland A (2012) رمزگشایی نفوذ اجتماعی و خرد جمعیت در شبکه تجارت مالی. در: Socialcom/Passat. IEEE ، صص 203-209.

24. Shefrin H ، Statman M (1985) تمایل به فروش برندگان خیلی زود و بازنده ها را با نظریه و شواهد طولانی سوار می کند. J Finance 40: 777-790.[Google Scholar]

25. Weber M ، Camerer C (1998) اثر استفاده در تجارت اوراق بهادار: یک تجزیه و تحلیل تجربی. J Econ Behav اندام 33: 167-184.[Google Scholar]

26. Odean T (1998) آیا سرمایه گذاران تمایلی به تحقق ضرر خود ندارند؟J Finance 53: 1775-1798.[Google Scholar]

27. Barberis N ، Xiong W (2009) چه چیزی اثر تمایل را هدایت می کند؟تجزیه و تحلیل یک توضیح مبتنی بر ترجیح دیرینه. J Finance 64: 751-784.[Google Scholar]

28. Schmidt U ، Traub S (2002) آزمایش آزمایشی از دست دادن از دست دادن. J Risk نامشخص 25: 233-249.[Google Scholar]

29. اشمیت U ، Zank H (2002) از ریسک ریسک در نظریه چشم انداز تجمعی. کنفرانس سالانه انجمن اقتصادی سلطنتی 2002 162 ، انجمن اقتصادی سلطنتی [Google Scholar]

32. اشمیت U ، Zank H (2008) از ریسک ریسک در نظریه چشم انداز تجمعی. Manag Sci 54: 208 216.[Google Scholar]

33. Costa ND ، Goulart M ، Cupertino C (2013) اثر Disposition و تجربه سرمایه گذار. J Banking Finance 37: 16691675. [Google Scholar]

34. Dietz PO (2004) صندوق های بازنشستگی: اندازه گیری عملکرد سرمایه گذاری (سری Spaulding). Macmillian [Google Scholar]