داده مالی
ترکیب Wurgler Sentiment با بازده بازار؛ طرح پژوهشی قابل اجرا
این راهنما برای کسی است که میخواهد از Wurgler Sentiment به عنوان متغیر توضیحی بازده بازار یا بازده پرتفوی استفاده کند. هدف، ساختن یک طرح قابل اجراست: داده را بگیر، تاریخ را درست وصل کن، مدل را ساده شروع کن و تفسیر ضریب را بیش از حد بزرگ نکن.
ایده پژوهشی جذاب است، اما اگر تاریخ شاخص احساسات و بازده بازار درست همتراز نشود، نتیجه از همان اول مخدوش میشود.
ایده پژوهشی
این مقاله برای اجرای یک ایده مشخص نوشته شده است: آیا شاخص احساسات سرمایهگذار Baker-Wurgler میتواند بازده آینده بازار را توضیح دهد یا پیشبینی کند؟ جواب سریع این است که بله، میتوان چنین مدلی ساخت؛ اما فقط وقتی تاریخ شاخص و بازده را درست lag کنی و ادعای نتیجه را بیشتر از توان داده بزرگ نکنی.
اول متغیر وابسته را تعریف کن. بازده بازار میتواند بازده ساده S&P 500، بازده لگاریتمی، بازده مازاد نسبت به نرخ بدون ریسک یا بازده یک پرتفوی خاص باشد. هرکدام تفسیر جدا دارد. اگر در مقاله فقط بنویسی market return، داور نمیفهمد دقیقاً چه چیزی را اندازه گرفتهای.
بعد شاخص sentiment را انتخاب کن. برای مدلهای ماهانه، شیت ماهانه فایل Wurgler انتخاب طبیعیتری است. برای مدل سالانه، داده سالانه سادهتر است. اگر از SENT^ استفاده میکنی، بنویس که این نسخه نسبت به شرایط کلان خنثیسازی شده و چرا برای سؤال تو مناسبتر است.
طراحی مدل
طراحی پایه را اینطور بچین: داده ماه t شامل sentiment و کنترلهاست و داده ماه t+1 شامل بازده وابسته. در کد، این یعنی قبل از merge نهایی یا بعد از merge باید return را یک دوره جلو ببری یا sentiment را یک دوره عقب بیندازی. بدون این کار، مدل بیشتر شبیه رابطه همزمان میشود تا پیشبینی.
یک نمونه فرمول قابل گزارش: ExcessReturn[t+1] = alpha + beta * SENT_hat[t] + gamma * Controls[t] + error[t+1]. اگر beta مثبت شد، یعنی sentiment بالاتر در نمونه تو با بازده آینده بالاتر همراه بوده است. اگر منفی شد، یعنی رابطه معکوس دیدهای. در هر دو حالت، جمله را محدود به نمونه، بازه و مدل نگه دار.
کنترلها باید با منطق پژوهش بیایند، نه برای زیباتر کردن جدول. نوسان بازار، نرخ بهره کوتاهمدت، تورم، بازده گذشته یا شاخصهای کلان میتوانند کنترل باشند؛ اما هر کنترل مشاهدات را کم میکند و تفسیر را تغییر میدهد. جدول descriptive قبل از رگرسیون کمک میکند بفهمی دادهها چقدر قابل اعتمادند.
تفسیر نتیجه
در وانشی میتوانی بازده یا فایل CSV خودت را از دادههای مالی وانشی آماده کنی و بعد در آزمایشگاه تحلیل داده پاکسازی، merge، نمودار و رگرسیون اولیه بگیری. خروجی خوب برای پایاننامه فقط جدول نیست؛ باید فایل داده نهایی، کد یا مراحل پاکسازی، و توضیح محدودیتها را هم کنار آن داشته باشی.
برای گزارش، یک نمودار سری زمانی از SENT^ و بازده آینده بساز، سپس جدول descriptive و بعد رگرسیون را بیاور. اگر رابطه فقط در یک زیرنمونه جواب میدهد، آن را پنهان نکن؛ ممکن است خودش یافته مهمی باشد. اما از cherry-picking دور بمان و قبل از دیدن نتیجه، طرح مدل پایه را بنویس.
بعد از این مرحله چه چیزی را کنترل کنیم؟
برای ادامه کار، این ایده را با یک مدل پایه در مقاله مالی رفتاری امتحان کن، اما کیفیت نتیجه را در مرحله ادغام داده بسنج. اول راهنمای اصلی Wurgler Sentiment Index را بخوان، سپس فقط یک مدل پایه بساز و بعد آرامآرام کنترلها، زیرنمونهها یا interactionها را اضافه کن.
انجام این کار در وانشی
در وانشی، داده را یا از ابزار داده مالی بگیر یا فایل CSV/Excel خودت را در آزمایشگاه تحلیل داده بررسی کن.
«این داده را برای Wurgler sentiment returns آماده تحلیل کن؛ ستونها، واحدها، دادههای گمشده، بازه زمانی و تحلیل پیشنهادی را جدا گزارش بده.»
فایل CSV یا Excel، نماد یا شاخص، کشور یا بازار، بازه زمانی، واحد پول یا واحد اندازهگیری و سؤال تحلیل.
پروفایل داده، خطاهای فایل، جدول پاکسازی، نمودار اولیه و در صورت نیاز کد Python یا R.
منبع داده، تناوب زمانی، واحدها، سال مالی، دادههای گمشده و تعریف هر ستون را قبل از گزارش نتیجه کنترل کن.
مثال عملی و قابل کنترل
نمونه اجرای Wurgler sentiment returns
ورودی: نماد، کشور، شاخص، بازه زمانی، واحد اندازهگیری، منبع داده و فرمت خروجی
- بازده را به فرکانس ماهانه یا سالانه تبدیل کن
- SENT یا SENT^ همان فرکانس را وارد کن
- متغیر sentiment را یک دوره عقب بینداز
- مدل پایه را بدون interaction و سپس مدل کامل را با کنترلها اجرا کن
خروجی درست: فایل داده تمیز و قابل استناد با منبع، بازه، واحد و محدودیت مشخص
کنترل نتیجه: منبع رسمی، تاریخ بهروزرسانی، واحد پول، تناوب دادهها، دادههای گمشده، تغییر نماد و سازگاری بازهها
چکلیست کوتاه
- بازده وابسته را دقیق تعریف کن.
- از بازده آینده استفاده کن، نه بازده همزمان مگر اینکه هدف همبستگی باشد.
- SENT و SENT^ را قاطی نکن.
- نمودار سری زمانی را قبل از رگرسیون ببین.
- خطای استاندارد و پایداری نتیجه را بررسی کن.
منابع و مطالعه بیشتر
تاریخچه بهروزرسانی
- — بازبینی ساختار، منابع، محتوای تکمیلی و لینکهای داخلی
سؤالهای پرتکرار
برای بازده بازار از چه شاخصی استفاده کنم؟
برای پژوهش آمریکا معمولاً S&P 500 یا بازده بازار CRSP استفاده میشود. مهمتر از انتخاب شاخص، سازگاری منبع، فرکانس و تعریف بازده است.
آیا ضریب منفی یعنی احساسات باعث سقوط بازار میشود؟
نه لزوماً. در رگرسیون پیشبینی، ضریب منفی یعنی در نمونه تو احساسات بالاتر با بازده آینده پایینتر همراه بوده است. برای ادعای علی باید طراحی قویتری داشته باشی.
اگر داده روزانه دارم چه کنم؟
یا بازده را به ماهانه تبدیل کن، یا با روش روشن مقدار sentiment ماهانه را به روزها وصل کن و محدودیت این انتخاب را بنویس.
برای Wurgler sentiment returns از کجا شروع کنم؟
از هدف دقیق کار شروع کن، بعد ورودیهای لازم را آماده کن و خروجی را با معیارهای همین راهنما بررسی کن. برای این موضوع معمولاً این موارد مهماند: نماد، کشور، شاخص، بازه زمانی، واحد اندازهگیری، منبع داده و فرمت خروجی.
گفتوگو
هنوز کامنتی ثبت نشده است.