投資における herd 行動の影響
投資家の行動が異なる市場での資産価格にどう影響するかを分析してる。
― 1 分で読む
目次
群れ行動ってのは、投資家が似たような決断をすることでさ、他の人の影響を受けて資産の価格が過剰に上がったり下がったりしちゃうことなんだ。これが市場に問題を引き起こして、不安定になっちゃうんだよね。この記事では、最近の株、アメリカの上場投資信託(ETF)、そして暗号通貨における群れ行動のパターンを見ていくよ。最近のデータを調べて、投資家がどうして群衆に従うのか、そしてこの行動が資産の種類によってどう違うのかを理解しようとするんだ。
群れ行動って何?
投資の群れ行動ってのは、たくさんの投資家が同じ資産を同時に買ったり売ったりすることでトレンドが生まれることを指すんだ。これは意図的にやることもあれば、ニュースや市場のトレンドに反応して無意識に起こることもある。この行動を理解するのは、特に不確実な時期に健全な投資判断を下すために重要だよ。
群れ行動が重要な理由
投資家の行動は資産の価格に大きな影響を与えるんだ。もし多くの人が株を買いたいと思ってたら、その価格は上がる。逆に、興味が薄れたりネガティブなニュースが出たりしたら、価格は下がる。だから、投資家が市場の変化にどう反応するかを知ることはすごく大事なんだ。この記事では、群れ現象を明らかにして、投資戦略に役立てることを目指してるよ。
群れ行動の検出方法
群れ行動を特定するための色んなテクニックがあるんだけど、統計モデルや最近の人工知能の方法も含まれてるんだ。一般的なアプローチは、資産のリターンを分析して、期待以上に密に動いているかを見ることなんだ。テクニックには、マーケットの変化が起きたときに資産価格が平均からどれだけ逸脱しているかを測る回帰モデルがあるよ。
歴史的背景と最近の出来事
2019年から2023年までの間に、アメリカと中国の貿易戦争、COVID-19のパンデミック、ロシアとウクライナの対立など、金融市場は大きな出来事に直面したんだ。これらの出来事は不確実性やボラティリティを引き起こして、群れ行動を研究するのに面白い時期だったんだよね。
研究の焦点
株式、アメリカのETF、暗号通貨の3つの異なる投資タイプの群れ行動を調査するよ。このグループ間での群れ行動の違いを見て、価格の動きに基づいて似たような資産がどうグループ化されるかに焦点を当てるんだ。
データ収集
私たちのデータセットは、金融提供者から取得した幅広い資産を含んでるよ。市場で取引が活発で利用可能な資産に焦点を当てたんだ。この選定には、146の株、49のアメリカのETF、27の暗号通貨が含まれていて、4年間の期間をカバーしているよ。
セクター分類
株式市場では、企業は主なビジネス活動に基づいてセクターにグループ化されることが多いんだ。この研究では、テクノロジー、金融、医療などの11のセクターを調べて、群れ行動が市場の異なるエリアでどう変わるかを見てるよ。
コミュニティ構造の分析
高度なテクニックを使って、異なる資産間のつながりを分析するためのグラフを構築したんだ。これにより、価格動向の類似性に基づいて、これらの資産を小さなコミュニティに分けることができたよ。このアプローチは、全ての資産を一緒に見ると見逃しがちな群れのパターンを明らかにするのに役立つんだ。
主な発見
株とアメリカのETFにおける群れ
私たちの分析では、特にCOVID-19パンデミックのような市場危機の時期に、株とアメリカのETFで群れがよく見られたんだ。これらの資産タイプの間の類似性は、市場の状況に対して似たように反応していることを示していて、集団的な投資家の行動によって大きな価格変動が起きていることがわかったよ。
暗号通貨との違い
対照的に、暗号通貨も群れ行動を示したけど、そのパターンはあまり予測可能じゃなかったんだ。暗号通貨の投資家は短期的なトレンドやニュースの影響を強く受けていて、伝統的な資産よりも行動のボラティリティが大きいみたいなんだ。
市場条件の影響
群れ行動は、主要な出来事が市場の条件に影響を与えることに大きく左右されてたんだ。経済的な後退や地政学的な緊張のような危機や不確実性の時期には、投資家が似たように反応しやすくなって、顕著な群れ行動が見られたよ。
結論
全体的に見て、私たちの発見は、群れ行動が投資戦略で考慮すべき重要な要素であることを示してるんだ。異なる資産クラスのダイナミクスを理解することで、投資家は不安定な市場をうまく乗り切れるかもしれないよ。投資家は、テクノロジー、医療、エネルギー、金融など、群れの感受性が高いと知られているセクターに特に注意を払って、経済の変動時にはより慎重にアプローチすべきだね。
将来の研究の方向性
この研究は、異なる資産クラスやさまざまな市場条件下での群れのダイナミクスをさらに探求する扉を開いたんだ。今後の研究では、コミュニティレベルの群れのニュアンスを深く掘り下げたり、異なる投資家タイプの影響を評価したり、新しい技術トレンドが将来的に群れ行動をどう形作るかを調査したりできるかもしれないね。
タイトル: Herding Unmasked: Insights into Cryptocurrencies, Stocks and US ETFs
概要: Herding behavior has become a familiar phenomenon to investors, with potential dangers of both undervaluing and overvaluing assets, while also threatening market stability. This study contributes to the literature on herding behavior by using a recent dataset, covering the most impactful events of recent years. To our knowledge, this is the first study examining herding behavior across three different types of investment vehicle and also the first study observing herding at a community (subset) level. Specifically, we first explore this phenomenon in each separate type of investment vehicle, namely stocks, US ETFs and cryptocurrencies, using the Cross-Sectional Absolute Deviation model. We find mostly similar herding patterns for stocks and US ETFs. Subsequently, the same experiment is implemented on a combination of all three investment vehicles. For a deeper investigation, we adopt graph-based techniques including the Minimum Spanning Tree and Louvain community detection to partition the combination into smaller subsets to detect herding behavior for each subset. We find that herding behavior exists at all times across all types of investment vehicle at a subset level, although perhaps not at the superset level, and that this herding behavior tends to stem from specific events that solely impact that subset of assets. Lastly, we explore herding by examining the financial contagion effects between these types of investment vehicle. Results show that US ETFs not only have a tendency to propagate similar trading behaviors in stocks and especially cryptocurrencies but also show self-reinforcing herding behavior, acting as drivers of their own trends.
著者: An Pham Ngoc Nguyen, Thomas Conlon, Martin Crane, Marija Bezbradica
最終更新: 2024-12-17 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2407.08069
ソースPDF: https://arxiv.org/pdf/2407.08069
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。