Effektive Optionen Handelsstrategien Basierend Auf Volatilitätsprognosen Recruiting Anlegerstimmung

Effektive Optionen Handelsstrategien basierend auf Volatilitätsprognosen Recruiting Anlegerstimmung Effektive Options Trading Strategies Basierend auf Volatilität Forecasting Recruiting Investor Sentiments Her-Jiun Sheu ein, Yu-Chen Wei b, c, * a Institut für Banken und Finanzen und Präsident, National Chi Nan University, No.1, Universität Rd. Puli, Nantou, 54561, Taiwan, ROC b Institut für Managementwissenschaften, National Chiao Tung University, 1001, Universität Rd. Hsinchu, 300, Taiwan, ROC c Finance Department, Ming Chuan University, No.250, Sec. 5, Jhongshan N. Rd. Shihlin District, Taipei City 111, Taiwan, ROC Diese Studie untersucht den Algorithmus der wirksame Option Trading-Strategie, basierend auf die überlegenen Volatilitätsprognosen mit tatsächlichen Optionspreisdaten in Taiwan Börse. Forecast Evaluation unterstützt die signifikanten inkrementellen Erklärungskraft Anleger Gefühle an der Armatur und Prognose künftiger Volatilität ihrer kontradiktorischen Mehrfaktormodell, vor allem der Markt Umsatz und Volatilitätsindex, das sind genannten Investoren Stimmungsanzeige und Proxy von Überreaktion. Die simulierte Handels zeigt, dass der Kauf - (Verkaufs-) Straddle gehandelt werden 15 Tage vor der Option Endabrechnung Tag auf der Grundlage der 60 Tage-Probeperiode Volatilitätsprognosen Recruiting-Markt Umsatz erzielen die beste durchschnittliche Monatsrendite von 28% (3,6%). Diese Studie Brücken die Kluft zwischen Optionshandel, Marktvolatilität, und das Signal der Anleger Überreaktion durch die Simulation der Option Trading-Strategie. Das Handelsalgorithmus auf der Basis der Volatilität Prognose Recruiting Investor Gefühle könnte weiter sein im elektronischen Handels und die andere künstliche Intelligenz Entscheidungsunterstützung angewendet Stichwort: Options Trading-Strategie, Volatilitätsprognosen, Investor Gefühle, Entscheidungsunterstützung, Marktumsatz JEL Klassifikation: C53; G00; G12 * Korrespondierende Autor: Yu-Chen Wei. Adresse: No.250, Sec. 5, Jhongshan N. Rd. Shihlin District, Taipei City 111, Taiwan ROC. Telefon: + 886-2-2880-9763. Fax: + 886-2-2880-9730. 1. Einleitung Diese Studie schließt die Lücke zwischen Optionshandel und Informationsgehalt Investorenüberreaktion durch den Vorschlag des Algorithmus von Volatilitätsprognosen Recruiting Anleger Gefühle durch die Simulation der Option Trading-Strategie. Mechanismen oder Faktoren, die herausfiltern konnte den Lärm und verbessern die Leistung des Handels sind praktischen und theoretischen Fragen in den Bereichen Finanzen, Entscheidungsunterstützung und künstliche Intelligenz (Engle, Hong, Kane Noh, 1993; Poon Granger, 2003; Li Kuo, 2008; Rada, 2008). Unter den Filter der Handel mit Optionen ist die Volatilität Prognose einer der Schlüssel Kriterien, die in den Entscheidungsprozess angewandt werden könnten. Die optimale Wahl eines geeignete Modell für die Prognose künftiger Volatilität ist eng mit der Frage, how, um die Vorhersage Leistung eines Modells zu messen. Da kein bestimmter Maß für die "wahren" Wert, wird der Prognoseleistung in der Regel im Vergleich einfach durch die Umsetzung der Volatilitätsmodell Option Trading-Strategien. EIN wachsenden Körper der Literatur präsentiert Beweise für irrationales Verhalten auf Lager und Option Märkten. Das schlechte Abschneiden der Optionsgeschäfte haben zu schlechten Markt zugeschrieben worden Timing aufgrund von Überreaktion auf vergangenen Börsenbewegung (Bauer, Cosemans Eichholtz, 2009). Der Filter, der die Handelszeitpunkt unter Berücksichtigung verbessern könnte Überreaktion der Anleger ist erwähnenswert. Wie konnte Gefühle geben Auswirkungen auf den finanziellen Vermögenswert Preisbildungsprozess und die Veränderung der Rück weiter zu beeinflussen? Frühe Arbeiten (Friedman 1953; Fama, 1965) argumentiert, dass Lärm Händler sind unwichtig in der Finanzvermögenspreisbildung Prozess, weil Trades durch rationale Arbitrageure gemacht treiben die Preise in der Nähe ihrer Grundwerte. Andererseits Marktanomalien, beispielsweise die unter Reaktion und Überreaktionen der Aktienkurse, fordern die Theorie effizienter Märkte. Das Verhaltensmodelle der Wertpapiermärkte postulieren zwei Arten von Investoren: rationale Arbitrageure, die Stimmung frei sind und irrationale Trader, die anfällig für exogene sind Gefühl. Wenn eine solche irrationale Rausch Händler ihre Handelsentscheidungen auf die Stimmung, dann Maßnahmen kann es haben Vorhersagekraft für die Vermögenspreisverhalten. Die Stimmrechtsvertreter der Anleger Gefühle hatte als Asset-Pricing-Faktor erwiesen was existiert kausalen Zusammenhang zwischen Stimmung und Marktrendite (Solt Statman, 1988; Fisher Statman, 2000; Wang, 2001; Clarke Statman, 1998; Simon Wiggins, 2001; Brown Cliff, 2004; Baker Wurgler, 2006; Baker Wurgler 2007 Han, 2008). Obwohl die Stimmung hat die Portfolioverwaltung, nur wenige Studien angewendet wurde untersuchen die Beziehung zwischen Gefühl und Volatilität der Märkte und ihrer Anwendung auf den Handel Entscheidungsunterstützung (Brown, 1999; Low, 2004; Wang et al 2006. Verma Verma, 2007). Dieses motiviert uns, um den effektiven Handel mit Optionen zu untersuchen Strategien, die auf die Volatilität Prognosemodell, das das enthält Informationsgehalt der Investor Gefühle. Die in dieser Studie vorgeschlagenen Algorithmen verbessern die Leistung der Optionshandel und bestätigen Sie die Prognosefähigkeit des Anleger Gefühle für die künftige Volatilität. Das Trading-Performance unseres Modells ist deutlich überlegen bewährt Prognosemodell einschließlich der Anleger Gefühle konstruiert, das die Brücken Lücke zwischen Preisänderungen und dem Signal der Überreaktion der Anleger. Zweitens eine effektive Option Trading-Algorithmus wird vorgeschlagen, auf die Volatilität Prognose basiert Modell, und es könnte weiter in den elektronischen Handelsplattformen angewendet werden. Taiwans Aktienmarkt ist seit langem ein unverzichtbarer Wachstumsmarkt für internationale Investoren. Die statistischen Daten in den Jahresbericht 2007 veröffentlicht Futures Industry Association (FIA) vorgestellt, dass das Handelsvolumen der Taiwan Stock Wechselkapitalisierungsgewichteter Aktienindex-Optionen (TAIEX Optionen) rangiert zwölften in der Welt, die ihre zunehmende Bedeutung für die globale Asset Management zeigt. Der hohe Handels Prozentsatz der einzelnen Händler in Taiwan Equity (ca. 70%) und Derivate (ca. 50%) Markt könnte dir auch impliziert, dass der Lärm-Handel oder der Anleger Gefühle könnte die Ursache für Preisschwankungen sein. Diese Studie daher Erlöse, die sich rasch entwickelnden Taiwan Aktienmarkt zu untersuchen. Der Rest dieses Papiers ist wie folgt aufgebaut. Abschnitt 2 beschreibt die Literatur mit Schwerpunkt auf der Volatilitätsprognosen und der Beziehung zwischen Stimmung, Rendite und Volatilität. Abschnitt 3 beschreibt die Volatilität und die Stimmung Proxies. Abschnitt 4 skizziert den experimentellen Design einschließlich Prognosemodell, prognostiziert Bewertung und Handelsstrategien. Abschnitt 5 berichtet, die Ergebnisse der Prognoseleistung und simulierten Trades. Kapitel 6 Überblick über die Schlussfolgerungen. 2. Literaturübersicht Der kritische Faktor für die Leistung für viele Asset-Management-Aufgaben wie Risikomanagement, Derivate Preisgestaltung, Handel mit Optionen, Absicherung und Vermögens Eigenschaften, die die Prognosekraft verbessern können und geben inkrementelle Informationen für die Anwendung. Die befragten Papier von Poon Granger (2003, 2005) zeigen, dass die Prüfung der Wirksamkeit eines Verbundsage ist ebenso wichtig wie die Prüfung der Überlegenheit der Einzelmodelle, aber dies hat sich nicht öfter oder in verschiedenen Datensätzen durchgeführt worden sind. Multivariate Prognosemodelle unter Berücksichtigung der verschiedenen Kategorien von Volatilität Modelle, wie GARCH, historische Volatilität, stochastische Volatilität und Option implizierte Volatilität, sind so konstruiert und im Vergleich Jenseits (Engle Gallo, 2006; Becker, Clements Weiß, 2007; Becker Clements, 2008). Zusätzlich zu der Ausgabe von optimale Kombination der multivariaten Volatilität Maßnahmen gibt es noch andere Themen Prüfung der möglichen Indikatoren, die die Macht der prädikativen verbessern könnte Prognose und seine Anwendung. Von der Behavioral Finance Punkt der Ansicht Verhalten der Investoren sein könnte 1 Historische Volatilitätsmodelle (HISVOL) gehören die Irrfahrt, historischen Durchschnittswerten des squared Rückkehr oder absolute Renditen. Auch in dieser Kategorie enthalten sind Zeitreihenmodelle, die auf Basis von historische Volatilität mit gleitenden Durchschnitten, exponentielle Gewichte, autoregressiven Modellen oder die fraktioniert integrierten autoregressive absolute Renditen etc. Alle Modelle in der Gruppe der HISVOL Modell Volatilität direkt durch Weglassen der Güte der Anpassung der Renditen Verbreitung oder jede andere Variable wie wie die Optionen Preis (Poon Granger, 2003). von der Psychologie oder der bullish / Bärenstimmung Proxies (Montier 2002 beeinflusst; Shefrin, 2007). De Long, Shleifer, Sommer, Waldmann (DSSW (1990) bezeichnet) Layout, dass die Anleger unterliegen die Stimmung und das Modell den Einfluss von Rauschen Handels auf Gleichgewichtspreise. Ihre Studie motiviert empirische Versuche, das zu untermauern Satz, daß "Lärm Händler Risiken von sentiment Einfluss entweder die mittlere indiziert oder Varianz in der Vermögensrendite. Empfindungen sind daher als einer der Indikatoren vorgeschlagenen Diese würden die inkrementelle Erklärung für die zukünftige Volatilität erhöhen. Eine umfangreiche Literatur befasst sich mit der Beziehung und der Informationsgehalt zwischen Rendite und die Stimmung (Solt Statman, 1988; DSSW, 1990; Clarke Statman, 1998; Fisher Statman, 2000; Wang, 2001; Simon Wiggins, 2001; Brown Cliff, 2004; Baker Wurgler, 2006; Baker Wurgler 2007, Han, 2008). Während weniger Aufmerksamkeit wird auf die Auswirkungen der Gefühle auf die realisierte Volatilität gegeben oder umgekehrt (Brown, 1999; Lee, Jiang Indro, 2002; Low, 2004; Wang et al 2006. Banerjee, Doran Peterson, 2007; Verma Verma, 2007), die genaue Rolle der Stimmung in der Preisbildungsprozess ist noch erwähnenswert, Thema. Zusammenfassend kann der Informationsgehalt der Stimmung nützlich für Volatilität prognostiziert. Unter ihnen die präzise Form, in der die Stimmung beeinflussen oder vorhersagen Volatilität ist nicht klar, ex ante. Aus diesem Grund wird in unserer empirischen Analyse der möglichen Stimmungsindikatoren in Taiwan Aktienmarkt aufgebaut sind, die sich auf die vorherige Literatur, die Vorhersagekraft des Gefühls, die Volatilität untersucht wird, die Prognose Leistungsfähigkeit der konkurrierenden Modellen verglichen wird und schließlich die wirksame Option Handelsstrategien auf der Basis der Schwankungen Prognose vorgeschlagen.