Поведенческие модели на российском фондовом рынке

Введение 4
ГЛАВА 1. ПОВЕДЕНИЕ УЧАСТНИКОВ ФОНДОВОГО РЫНКА КАК ОБЪЕКТ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ 9
1.1 О проблеме моделирования поведения участников биржи 10
1.2 Краткий обзор работ в области математического моделирования поведения участников биржи 19
1.2.1. Моделирование выбора трейдером оптимального портфеля вложений 20
1.2.2 Моделирование динамики стоимостей финансовых инструментов 30
1.2.3 Моделирование биржевых кризисов 36
1.2.4 Поведенческие финансы 40
1.2.5 Анализ способностей трейдеров и финансовых аналитиков к предсказания поведения рынка и стоимостей ценных бумаг 45
1.3 Обоснование целесообразности предложенных в диссертационной работе методов к анализу поведения участников биржевых торгов 46
Заключение по Главе 1 49
ГЛАВА 2 МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ УЧАСТНИКОВ ФОНДОВОГО РЫНКА В УСЛОВИЯХ СТАБИЛЬНОЙ ЭКОНОМИЧЕСКОЙ СИТУАЦИИ 50
2.1 Исследование способности участника определять направления изменения стоимости конкретных финансовых инструментов 51
2.2 Задача поиска оптимальных стратегий инвестирования трейдеров в финансовые инструменты при наличии в трейдера предположений о законе распределения будущих цен финансовых инструментов 54
2.2.1 Обозначения и предположения 54
2.2.2 Формулировка задачи отыскания оптимальной стратегии инвестирования трейдером 56
2.2.3 Сведение задачи поиска оптимальной стратегии инвестирования трейдера к задаче линейного программирования 58
2.3 Оценка гарантированного выигрыша трейдера при отсутствиы у него предположений о законе распределения будущих цен финансовых инструментов 62
2.4 Учет торговли производными финансовыми инструментамы в задаче поиска оптимальной стратегии инвестирования трейдера 75
ЗАКЛЮЧЕНИЕ ПО ГЛАВЕ 2 83
ГЛАВА 3 МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ УЧАСТНИКОВ ФОНДОВОЙ БИРЖИ В УСЛОВИЯХ ФИНАНСОВОГО КРИЗИСА 84
3.1 Моделирование поведения трейдеров с учетом возможности наступления биржевых кризисов 85
3.2 Анализ поведения трейдеров с учетом возможности наступления биржевых кризисов – модели с обучением и поощрением 90
3.2.1 Модель с поощрением 90
3.2.2 Модель со снижающимся поощрением 95
3.2.3 Модель с обучением 98
3.3 Численные расчеты по моделям с учетом возможности наступления биржевых кризисов 103
3.3.1 Оценки параметров для модели из 3.1 103
3.3.2 Анализ моделей с обучением и поощрением 109
ЗАКЛЮЧЕНИЕ ПО ГЛАВЕ 3 113
ГЛАВА 4 ИМИТАЦИОННЫЕ МОДЕЛИ АНАЛИЗА ПОВЕДЕНИЯ УЧАСТНИКОВ ФОНДОВОЙ БИРЖИ 114
4.1 Описание имитационных моделей анализа поведения участников биржи 114
4.2 Описание схем экспериментов по изучению возможных стратегий участников биржи 116
4.2.1 Базовая модель 116
4.2.2 Модель «Лидеры и последователи» 117
4.2.3 Модель «Искатели черного лебедя» 118
4.3 Анализ поведения участников биржи при работе с финансовыми инструментами по результатам экспериментов 119
4.3.1 Результаты базовой модели 119
4.3.2 Результаты модели «Лидеры и последователи» 122
4.3.3 Результаты модели «искатели черного лебедя» 124
ЗАКЛЮЧЕНИЕ ПО ГЛАВЕ 4 126
ЗАКЛЮЧЕНИЕ 127
СПИСОК ЛИТЕРАТУРЫ 129

71 Lo A.W., Repin D.V. The Psychophysiology of Real-Time Financial Risk Processing // Journal of Cognitive Neuroscience. – 2002. – Vol. 14, no. 3. – P. 323-339.
72 Lo A.W., Repin D.V., Steenbarger B.N. Fear and Greed in Financial Markets: A Clinical Study of Day-Traders // American Economic Review. – Vol. 95, no. 2. – P.352-359.
73 Longstaff F.A., Rajan A. An Empirical Analysis of the Pricing of Collateralized Debt Obligations // Journal of Finance. – 2008. – Vol. 63, no. 2. – P. 529-563.
74 Lewellen J. Predicting returns with financial ratios // Journal of Fi¬nancial Economics. – 2004. – Vol. 74. – P. 209-235.
75 Malkiel B.G., Saha A. Hedge Funds: Risk and Return // Financial Analysts Journal. – 2005. – Vol. 61, no. 6. – P.80-88.
76 Markowitz H. Portfolio Selection // Journal of Finance. -1952. – Vol. VII, No.1. – P. 77-91.
77 Mao J. Models of Capital Budgeting, E-V vs. E-S // Journal of Fi¬nancial and Quantitative Analysis. -1970. – Vol. 4, no. 05. – P. 657¬675.
78 Merton R. An Intertemporal Capital Asset Pricing Model // Econo- metrica. – 1973. – Vol. 41, no.5. – P. 867-887.
79 Montero M. Predator-Prey Model for Stock Market Fluctuations. – 2008. – URL: http://ssrn.com/abstractM290728.
80 Morelli M., Montagna G., Nicrosini G., Treccani M., Farina D., Am¬ato P. Pricing financial derivatives with neural networks // Physica A: Statistical Mechanics and its Applications. – 2004. – Vol. 338, .no.1-2. – P. 160 – 165.
81 Mullainathan S., Thaler R.H. Behavioral Economics. – 2000. – NBER Working paper. URL: http://www.nber.org/papers/w7948.
82 Nelson C. R., Kang H. Pitfalls in the Use of Time as an Âxplanatory Variable in Regression // Journal of Business and Economic Statis¬tics. – 1984. – Vol. 2. – P. 73-82.
83 Nelson C. R., Plosser C. I. Trends and Random Walks in Macroeco¬nomic Time Series: Some Evidence and Implication // Journal of Monetary Economics. – 1982. – Vol. 10. – P. 139-62.
84 O’Connor N., Madden M. A neural network approach to predicting stock exchange movements using external factors // Knowledge- Based Systems. – Vol. 19, no.5. – P. 371-378.
85 Odean T. Do investors trade too much? // American Economic Re¬view. – 1999. – Vol. 89, no. 5. – P. 1279-98.
86 0stermark R. Predictability of Finnish and Swedish stock returns // Omega. – Vol. 17, no. 3. – P. 223-236.
87 Ortobelli L.S., Rachev S.T. Safety-first analysis and stable paretian approach to portfolio choice theory // Mathematical and Computer Modelling. – 2001. – Vol. 34, no. 9-11. – P. 1037-1072.
88 Palomino F., Renneboog L., Zhang C. Information salience, investor sentiment, and stock returns: The case of British soccer betting // Journal of Corporate Finance. – 2009. – Vol. 15, no. 3. – P. 368-387.
89 Penikas H., Proskurin S. How Well Do Analysts Predict Stock Pric¬es? Evidence from Russia. – 2013. – Working papers by NRU High¬er School of Economics. Series FE «Financial Economics», WP BRP 18/FE/2013.
90 Phillips P. C. B., Wu Y., Yu J. Explosive Behavior in the 1990s NASDAQ: When Did Exuberance Escalate Asset Values? // Interna¬tional Economic Review. – 2011. – Vol. 52, no. 1. – P.201-226.
91 Robertson S., Zaragoza H. The Probabilistic Relevance Framework: BM25 and Beyond // Journal Foundations and Trends in Information Retrieval. 2009. -Vol. 3, no 4. – P. 333-389.
92 Rockafellar R. T., Uryasev S. Optimization of Conditional Value-at- Risk // Journal of Risk. – 2000. – Vol. 2. P. 21-41.
93 Rothig A., Chiarella C. Small traders in currency futures markets // Journal of Futures Markets. – 2011. – Vol.31, no.9. – P. 898-914.
94 Ross S. The arbitrage theory of capital asset pricing // Journal of Economic Theory. – 1976. – Vol. 13, no.3. – P. 341-360.
95 Roy A.D. Safety-first and the holding of assets // Econometrica. – 1952. – Vol. 20, no.3. – P. 431-439.