加密货币市场中的羊群行为

根据Christie和Huang（1995）的观点，有可能测试市场压力下的羊群行为（大规模上扬和下扬），这一结论源于一个理性的资本资产定价模型（CAPM），该模型预测离散度将随着市场回报的绝对值而增加，因为单个资产对市场回报的敏感性不同。另一方面，如果存在羊群效应，个体估计为方程2：CSSDt=α+βLDLt+βUDUt+εt（2），其中：DLt=1，如果当天的市场回报率位于分布的极低尾部，或零其他情况下DUT=此模型是为了捕捉投资者在极端上升或下降时的行为差异，与预期的“正常”相比，表示为分布的90%或98%。尽管如此，这种方法有两个主要缺点，首先，资本资产定价模型将投资风险与给定市场基准的预期回报联系起来，在股市环境中，标准普尔500指数在很多情况下都是标准普尔500指数，得出的敏感度和资产的衡量标准与市场的走势相比较。在本研究中，Iit被确立为表示加密货币市场合理性的基线。对异常值太敏感，其次，被认为是“极端”的东西是完全武断的，因为1%和5%规则可能不适用于所有分布。因此，本研究将遵循Chang、Cheng和Khorana（2000）提出的Christie和Huang模型，该模型基于横截面绝对偏差，定义为：CSADt=N | Ri，t-\'Rm，t |（3）CSAD是一种离散度的度量，它取个体间的绝对差值。

图2说明了全样本的CSAD度量，其中值得注意的是，不仅股权收益分散是市场收益的一个递增函数，而且两者之间的关系也是线性的”。此外他们依赖以下直觉：“如果市场参与者在大幅平均价格变动期间坚持遵循总体市场行为，忽视自己的先验知识，那么分散度和市场回报之间的线性增长关系将不再被几篇论文所采用，例如Arjoon和Shekhar（2017）Chiang和Zheng（2010）在前沿市场的背景下研究了羊群行为，发现先进股票市场中的羊群行为，Demirer、Lee和Lien（2015）在羊群商品金融环境中进行了实证测试，Balcilar、Balcilar、Demirer和Hammoudeh（2013）在GulfArab股票市场中研究了羊群行为。按照上述论文的思路，本研究从以下参考模型开始：CSADt=γ+γ| Rm，t |+γRm，t+εt（4）方程4中的模型旨在检测市场化过程中，当投资者“过分强调自己的观点或关注在投资者子集中占主导地位的观点（他们可能会联合挤入和挤出仓位）过度忽视市场信息时，回报的显著分散，从而导致资产回报的分散加剧，从而导致不利的羊群效应”。

重要的是要澄清，正如许多其他研究放牧行为的作者一样（Arjoon和Shekharand West（1987），聪明的解决方案可以解释回归系数中的异方差和自相关一致性标准误差，除了包含滞后因变量（为了保证影响不是自相关动力学的结果。由于放牧随时间推移而变化，确定是否有特定时期出现放牧行为以及何时不出现放牧行为将是一个有趣的问题，因此，本研究将MS回归作为一种有用的方法来表达在高频数据中更明显的调整，此外，它还提供了adva显示通常隐藏在数据（如模型）中的模式。非线性。关于制度的数量，在制度发生变化的时间序列上，定义并不是一项简单的任务，然而，由于线性模型能够揭示传统程式化事实之外的模式，因此确定足够数量的线性模型，而基于AIC值的回归模型确实为选择正确的状态维度提供了一个很好的工具。5.1总计占加密货币总市值近96%的数据。获取有关所有加密货币价格、市值和描述的信息并不是数据集，然而，它已被网站www.coinmarketcap删除。通用域名格式。

最初的dataBitcoin和Litecoin从2013年4月29日开始，与其他所有产品一样，于2018年4月3日结束。通过分析价格需求和回报来衡量放牧强度，因此我确定了每个c加密货币算法的每日回报，如下所示（等式5）：Rc，t=Pc，t- Pc，t-1件，t-1（5）RDE注意到加密货币的价格回报率，而CPI是加密货币最标志性特征之一的收盘价，它与平均值存在较大偏差，这种波动性因本研究考虑的大多数样本C存在长尾分布而暴露出来。例如，计算表1中的子样本，“总”力矩平均值为3.7。图2：实际和平方加密货币的市场中值回报和CSAD6实证结果6.1羊群行为估计在本节中，给出了方法中模型的估计。FirstModel是文献中常见的标准（线性）放牧模型，我们在此将其称为静态模型，因为它具有恒定的参数。第二个模型是马尔科夫切换（非线性）模型，该模型适应多个区域的放牧。

阿马科夫切换放牧模型可以用方程5来说明：CSADt，1=γ1,0+γ1,1 | Rm，1 |+γ1,2Rm，t+γ1，kCSADt-k+εt，sεt，s=N（0，σ）St=1CSADt，2=γ2,0+γ2,1 | Rm，2 |+γ2,2Rm，t+γ2，kCSADt-k+εt，sεt，s=N（0，σ）St=2。。。。。。。。。CSADt，s=γs，0+γs，1 | Rm，s |+γs，2Rm，t+γs，kCSADt-k+εt，sεt，s=N（0，σs）St=s（6），其中，p被定义为马尔可夫链的转移概率，因此，可以表示为在区域内的概率，假设区域内的状态等于j。因此，知道该模型将能够识别何时展品放牧或不放牧，除了不同程度的这种行为。表2：全样本条件下放牧行为的回归估计。静态区域截距0.005*1.883 0.025***3.138 0.025***3.138 0.025***3.138kRm，tk 0.240***3.17 1.955***4.5-0.385***-5.066 0.581***5.189Rm，t-0.27-1.079-9.979***-2.479 1.645***8.989-0.902***-3.685CSADt-10.430***18.998 0.371***6.29 0.336***8.403 0.401***9.423CADT-20.220***9.098 0.193**2.573 0.136**2.016 0.184***3.652CADT-30.277***12.227 0.280***3.855 0.177***6.669 0.227***8.678R0.79 0.50 0.76 0.79AIC-4128.8-6004.4此表列出了方程式4的估计系数：CSADt=γ+γs，1 | Ri，t |+γs，2Rm，t+γs，kcsad-k+εt表示是否存在羊群效应。在本规范中，截距是静态的，也就是说，截距不会在不同的制度之间变化，而其他变量则不会变化。第二行中的数字是t-统计，而表1中的***、**和*代表重要信息。表2根据方法学报告了静态模型和三种状态切换模型的估计值，为了实现异方差和自相关一致的标准误差估计值几乎相关，我们必须将注意力集中在与以下相关的系数上，因为它捕获了，然而，这并不重要。

可能的解释是，高度的可变性抵消了整个样本的影响，因此，依赖马尔可夫切换模型（Markov Switchingestimates）是有用的，该模型考虑了参数中的动态。根据MS模型对加密货币市场行为的估计，选择完整样本（或“投资组合”）。转到第三个政权，有支持放牧的统计证据，但其规模远低于上文所述的第一个政权。有趣的是，还有第二种状态，反向羊群行为的特点是表现出与市场共识相反的行为，导致加密货币市场中的跨部门收益分散程度更高。已发现行为严重。从图3可以看出，迄今为止最大的一个意外。通过对图表的进一步检查，可以确定区域1和区域2的高概率来拟合数据，上述两种状态已被发现为有利于绝对横截面回报的有力证据，所有模型（静态和MS）的绝对横截面回报均显著且为正，表明与CSAD的离散值呈线性关系。样本6.2不对称市场状态下羊群行为的估计本次调查开始测试根据市值筛选的第一批主要加密货币样本中羊群行为的存在。在过去的章节中，我们发现，当市场出现极端回报时，分散度会降低，然而，它仍然需要区分回报的方向。

关于这个问题，许多被编码为方程式7的简变量：H（向上，向下）=(1 - D） Rmi f Rm，t≥ 0DRmi f Rm，t<0（7），这导致方程8给出了一个新的规范：CSADt，1=γ0,1+γ1,1D×| Rm，1 |+γ2,1（1- D） ×| Rm，1 |+D×γ3,1Rm，1+γ4,1（1- D） ×Rm，1+γ4+k，1CaDT-k、 1+εt，1St=1CSADt，2=γ0,2+γ1,2D×| Rm，2 |+γ2,2（1- D） ×| Rm，2 |+D×γ3,2Rm，2+γ4,2（1- D） ×Rm，2+γ4+k，2CaDT-k、 2+εt，2St=2。。。。。。CSADt，s=γ0，s+γ1，sD×| Rm，s |+γ2，s（1- D） ×| Rm，s |+D×γ3，sRm，s+γ4，s（1- D） ×Rm，s+γ4+k，sCSADt-k、 s+εt，sSt=s（8）表3报告了等式8中所述静态和制度转换模型在不对称条件下的放牧回归估计。与方程5中描述的模型相比，这一次发现四种制度更适合这种现象。系数的静态回归估计（第5列）证实了当市场呈现正回报时是否存在羊群行为，因为参数导致有足够的统计证据支持这种行为。另一方面，与我们的预期相反，有统计证据表明，在回报率下降的情况下，存在反向羊群效应，这导致了一个结论，即当市场回报率下降时，加密投资者不会遵循共识。事实上，当发生冲突时，这意味着“HODL”策略与数据一致。此外，还根据一个方程式8对MS herding模型的参数进行了估计，以观察静态模型是否无法捕捉极端下降市场环境下潜在的未观察到的动态。尽管在静态模型中，收益递增情况下的羊群行为在1%的水平上显著，但MS模型的扩展揭示了数据生成过程中的真实动态。

特别是，在支持放牧的10%阈值水平下，上述指标之间有一个重要的差异，即发现一个非常强大的显著系数。从图4可以清楚地看出，2017年下半年和2018年第一天，加密货币市场的横截面绝对偏差（ordispersion）水平不断提高，从2018年到样本结束出现了大幅逆转。在此期间，该模型发现，随着价格开始上涨，投资者之间的共识显而易见。7结论本文旨在评估行为金融的相关性，以此作为解释加密市场价格动态的框架，并以投资者的一系列潜在偏差和犹豫不决为中心。为了实现这一目标，回顾了有关认知偏差的文献，这些认知偏差带来了异常存在的证据，或者偏离了金融相关环境中预期的理性。在从行为角度对价格变动进行的各种可能解释中，羊群理论是一种很好的开始讨论的方法，这种理论存在于一种情况下，即个人忽视自己的私人信息，而是遵循后果。羊群效应假说对解释价格变动的明显相关性要求我找到一个实证模型，这让我研究了只有价格才是协调机制的现象。前一种，也是最相关的放牧测试方法，whenChang、Cheng和Khorana（2000）以及其他作者，本研究遵循相同的路线。这项研究的证据表明，投资者经常偏离理性资产定价基准，而是在市场压力情况下遵循共识。

这一发现有着重要的意义，首先，就我而言，这是第一项从羊群假设分析价格之谜的研究，其次，它揭示了一个与互联网上传播的“噪音”相矛盾的信号，该噪音断言存在着对加密市场中的大规模价格变动不敏感的知情人士。《不确定性下判断中的参照：启发与偏见》，阿莫斯·特沃斯基、丹尼尔·卡尼曼和保罗·斯洛维奇编辑，294-305。剑桥：剑桥大学出版社。https://doi.org/DOI:10.1017/CBO9780511809477.022.ArjoonVaalmikki和Chandra Shekhar。2017年，《前沿市场中的国际商业和金融动态羊群分析研究》国际商业和金融研究42。Elsevier B.V.：496–508。https://doi.org/10.1016/j.ribaf.2017.01.006.Bachelier，L.1900。“计算的方向。”《高等师范科学年鉴》17:21–86。https://doi.org/10.24033/asens.476.Balcilar、迈赫迈特、里扎·德米雷尔和肖卡特·哈穆德。2013年，“投资者群体和区域切换：来自海湾阿拉伯股市的证据。”《国际金融市场、机构和货币杂志》23（1）。Elsevier B.V.：295–321。https://doi.org/10.1016/j.intfin.2012.09.007。班纳吉，阿比吉特。一个简单的羊群行为模型第四期经济学杂志32（3）：378-89。巴伯、布拉德·M.和特伦斯·奥登。2013年，“个人投资者的行为”在宏观经济学手册中。https://doi.org/http://dx.doi.org/10.2139/ssrn.1872211.Barber、Brad M和Terrance Odean。男孩就是男孩：性别、过度自信和普通股投资《经济学季刊》116（1）：261–92。https://doi.org/10.1093/rfs/hhm079.Barberis，Nicholas和Richard H.Thaler。行为金融学调查在《金融经济学手册》中。

https://doi.org/10.2139/ssrn.327880.and作为信息级联的文化变革。”政治经济学杂志100（5）：992–1026。https://doi.org/10.1086/261849.BikhchandaniSushil和Sunil Sharma。金融市场中的羊群行为：综述国际货币基金组织研究所。1986.tb04513。x、 2。PBhttps://doi.org/10.1016/B978-0-44-459406-8.00018-4.Chang、Eric C、Joseph W Cheng和Ajay Khorana。《羊群行为不公平市场研究：国际视角》《银行与金融杂志》24:1651-79。蒋、托马斯·C.和郑大志。2010年，《全球股票市场羊群行为的实证分析》《银行与金融杂志》34（8）。爱思唯尔公司：1911-21年。https://doi.org/10.1016/j.jbankfin.2009.12.014。克里斯蒂、威廉·G和罗杰·D·黄。1995年，《跟随花哨：个人是否会在市场上到处退货？》《金融分析师杂志》51（4）：31–37。Daniel、Kent和David Hirshleifer。2015年，“过度投资的投资者、可预测的回报和过度交易。”《经济展望杂志》29。美国经济协会：61–87。https://doi.org/10.2307/43611011.Daniel，Kent，David Hirshleifer和Avanidhar Subrahmanyam。1998年，《投资者心理与投资者证券市场反应不足与过度》《金融杂志》53（6）：1839-85。https://doi.org/10.2307/117455.Finance 40 (3): 793–805.反馈投资策略和破坏稳定的理性投机。”《金融杂志》45（2）：379–95。《国际金融市场、机构和货币杂志》16（2）：123–42。https://doi.org/10.1016/j.intfin.2005.01.002。Demirer、Riza、Xiang Tai Lee和Donald Lien。2015年，“股票市场是否推动了商品期货市场的羊群行为？”《国际金融分析评论》39（2008年5月）：32–44。https://doi.org/10.1016/j.irfa.2015.02.006.Devenow、Andrea和Ivo Welch。1996