Abstract

prejudecată reprezentare înseamnă un fel de tendință cognitivă, și, pentru investitori, aceasta poate afecta comportamentul lor în piața de valori. Dacă părtinirea reprezentării poate ajuta prognoza de returnare și selecția portofoliului este o problemă interesantă care este mai puțin studiată. În această lucrare, pe baza teoriei prejudecății de reprezentare și a situației actuale a piețelor din China, se construiește o nouă ierarhie a sistemului de măsurare a stocurilor și se propune, de asemenea, un set corespunzător de criterii. Pe fiecare criteriu, încercăm să măsurăm influența dintre stocuri cu AHP fuzzy adaptat. Apoi distanța Hausdorff se aplică greutății și se calculează retururile de reprezentare orizontală. Pentru randamentele prognozate, în funcție de comportamentele de reprezentare, există și o nouă metodă de calcul. Rezultatele empirice arată că informațiile de părtinire a reprezentării sunt utile atât pentru prognoza de returnare, cât și pentru selecția portofoliului.

1. Introducere

conceptul de prejudecată de reprezentare este propus de Tversky și Kahneman ca o caracteristică comportamentală normală în deciziile financiare. Ei cred că” euristica reprezentării ” afectează grav deciziile oamenilor în timpul construirii și raționamentului opiniilor lor. DeBondt și Thaler susțin că există o reacție exagerată că, după corectarea probabilităților, investitorii pot suprapune informațiile nou obținute. În ceea ce privește comportamentele investitorilor pe piața de securitate, Fuller definește unul dintre ele ca părtinire de reprezentare care poate induce în eroare investitorii să creadă că au procesat deja informațiile corect chiar înainte de a lua o decizie. În general, există două tipuri de prejudecăți de reprezentare: prejudecată de reprezentare orizontală și prejudecată de reprezentare verticală . Potrivit lui Zhang, părtinirea orizontală înseamnă că oamenii au tendința de a clasifica un lucru cu analogii săi și de a prognoza lucrul în viitor în funcție de asemănările sale. Între timp, părtinirea verticală implică faptul că, pe piețele financiare, oamenii tind cu ușurință să judece sau să prognozeze un stoc în funcție de propriile sale înregistrări istorice.în ceea ce privește efectele părtinire comportamentală ar putea aduce pe piața financiară, mulți cercetători au făcut unele cercetări interesante. Pe piața bursieră din Chicago, testele lui Shefrin și Statman arată că prejudecățile comportamentale ale investitorilor pot afecta semnificativ și pe termen scurt prețurile acțiunilor de după-amiază . Potrivit Coval și Shumway, prețurile stabilite de comercianții cu pierderi sunt inversate semnificativ și mai rapid decât cele stabilite de comercianții imparțiali. În ultimii ani, teoria portofoliului de investiții comportamentale a fost aplicată pentru a obține frontiera portofoliului de investiții comportamentale și, de asemenea, utilizată pentru problema de selecție a portofoliului. În acest domeniu, modul în care părtinirea comportamentală afectează luarea deciziilor este concentrată de cercetători. Chira și colab. faceți experimente cu studenții din colegiu și apoi analizați efectele diferitelor prejudecăți comportamentale asupra deciziilor financiare. Xu și colab. extindeți modelul lui Tversky bazat pe părtinirea reprezentării investitorilor și sub cadrul maximizării utilității; apoi îl examinează cu părtinirea reprezentării verticale ca exemplu. Zhao și Fang propun o metodă de calcul atât a prejudecăților de reprezentare verticale, cât și orizontale și încearcă să găsească dacă informațiile de reprezentare pot ajuta la prognoza de returnare pe piața financiară.

în alocarea activelor, în ceea ce privește măsurarea lucrurilor subiective, cum ar fi comportamentele și emoțiile, Saaty și colab. utilizați inițial AHP pentru a face față problemelor financiare. Apoi, odată cu dezvoltarea teoriei financiare, sistemul financiar complex atrage multă atenție. Iar teoria și metodele fuzzy, care, în comparație cu cele tradiționale, sunt mai puțin subiective și pot caracteriza mai bine mediul de investiții fuzzy și procesează, sunt treptat puse în calcul. Enea și Piazza combină teoria fuzzy și metoda AHP împreună și prezintă AHP fuzzy, dar nu rezolvă unele probleme cu valori speciale. Pe baza muncii lor, Tiryaki și Ahlatcioglu aplică o metodă adaptată care rezolvă problema valorii zero la piața bursieră din Turcia, iar deciziile de investiții sunt luate cu modelul varianței medii. Cu toate acestea, ponderile optime ale investițiilor nu sunt afișate. Conform, metoda adaptată a procesului de ierarhie analitică fuzzy este utilizată în primul rând pentru a măsura părtinirea reprezentării orizontale. Lucrarea se bazează pe considerația că, pe piața financiară complexă, calea vie a modului în care părtinirea reprezentării afectează deciziile investitorului este încă necunoscută. Deși înainte ca investitorii să ia decizii de investiții, ar evalua piața, probabil că nu vor calcula lucrurile cu AHP specific sau cu unele metode atât de strict și precis. Cu alte cuvinte, este ca un proces fuzzy.

această lucrare poate fi văzută ca o versiune actualizată a ultimei noastre lucrări menționate mai sus. Această lucrare urmărește principalele gânduri ale modului de măsurare a efectului prejudecății de reprezentare orizontală și verticală asupra randamentelor acțiunilor, dar, în schimb, având în vedere mediul financiar actual din China și politicile conexe, renovăm sistemul de evaluare cu ierarhie, criteriu și ponderi. În partea de calcul, aplicăm distanța Hausdorff pentru a face față problemelor de ponderare. În funcție de situația în care prejudecata de reprezentare verticală a investitorilor poate influența așteptarea randamentelor în viitor, propunem o altă metodă de ponderare cu gradul de potrivire a datelor istorice ale stocului și a tendinței sale actuale și de depășire a problemei numitorului zero. Apoi vom lua experimente empirice cu datele de pe piața de Valori din China, iar rezultatele sunt acceptabile. Și noua metodă este, de asemenea, testată empiric și o comparăm cu Chira și colab.metoda lui în . În cele din urmă, punem randamentele prognozate într-un model de selecție a portofoliului de investiții de comportament și arătăm frontierele eficiente, ceea ce sugerează că părtinirea reprezentării poate ajuta la prognoza randamentelor și la optimizarea selecției portofoliului într-o anumită măsură.

această lucrare este organizată după cum urmează. În secțiunea următoare vom preciza o măsurătoare neclară despre comportamentele de reprezentare și un model de utilitate. În secțiunea 3, aplicăm metodele cu un experiment empiric și discutăm rezultatele computaționale. Încheiem lucrarea cu un rezumat al concluziilor din Secțiunea 4.

2. Metode

2.1. Reprezentarea părtinire și returnează

în general, există două tipuri de prejudecăți de reprezentare: părtinire orizontală și părtinire verticală. Prejudecata de reprezentare orizontală implică un fel de comportament pe care oamenii tind să-l clasifice cu alte lucruri similare și să-l prognozeze urmând regulile lucrurilor similare. Prejudecata reprezentării verticale semnifică un alt comportament sau alte obiceiuri pe care oamenii tind să le judece sau să prognozeze cu ușurință un lucru în funcție de propriile înregistrări istorice (vezi ). Xu și colab. să prezinte o metodă pentru a calcula revine reprezentare verticală și orizontală; apoi Zhao și Fang propun unul nou (vezi ). Aici urmăm explicațiile lor la declarațiile de reprezentare, dar extindem Calculul în detaliu.

2.1.1. Retururi de reprezentare orizontală

returul de reprezentare orizontală înseamnă randamentele pe care investitorii le prognozează și le calculează cu părtinire și informații de reprezentare orizontală. Luând în considerare stocurile, de exemplu, reprezentarea orizontală randamentul unui stoc este influențat în principal de celelalte stocuri care au caracteristici similare, cum ar fi stocurile din industrii similare și ale aceleiași companii de fond. Investitorii cu comportamente de părtinire a reprezentării orizontale tind să judece un stoc în lumina situațiilor celorlalte stocuri similare. Prin urmare, construirea unui sistem adecvat de ierarhie a stocurilor este de o importanță vitală. În această lucrare, pentru a calcula reprezentarea orizontală se întoarce părtinire ia doi pași, după cum urmează.

Pasul 1 (ridicați stocurile inițiale). Selectați unele stocuri pentru a pune în portofoliul inițial. Ia parte 3 din această lucrare, de exemplu; vom selecta 15 stocuri și le numim ca .

Pasul 2 (ponderarea și calcularea deviațiilor de reprezentare orizontală). Alege unele caracteristici ale stocurilor care investitorii pasă. Aici împărțim indicatorii în patru grupe, inclusiv mediul investițional, problemele companiei, rentabilitatea acțiunilor și obiectivele investitorilor. Alegem 30 de indicatori și le desemnăm ca .
în ultimii ani, guvernul chinez și-a slăbit reglementarea pe piața bursieră într-un fel, iar „mâna invizibilă” s-a ocupat mai mult de piață decât înainte. Prin urmare, în comparație cu munca noastră anterioară, aici am ușurat greutatea supravegherii guvernamentale și a ridicat greutățile de dezvoltare a industriei și a condițiilor economice regionale, în funcție de performanțele economice regionale și industriale au fost îmbunătățite în mod semnificativ. Noul sistem de ierarhie stoc este așa cum arată tabelul 1.
definiți unde înseamnă reprezentarea orizontală randamentul stocului; înseamnă randamentele celorlalte stocuri similare; și înseamnă factorul de efect al stocului în comparație cu stocul țintă pentru criteriu . Pe criteriu, dacă stocul are o mare influență asupra stocului , va fi înzestrat cu o mare valoare. De exemplu, dacă stocul 1 are un impact mai mare asupra stocului decât stocul 2 (aici), atunci . înseamnă greutatea criteriului în întregul sistem ierarhie stoc, . Este clar că randamentul stocului este un fel de sumă ponderată a celorlalte randamente ale stocului.
Se poate constata că cheia pentru măsurarea rentabilității reprezentării orizontale este calcularea factorului de efect; atunci prejudecata reprezentării este cuantificată într-un fel.
definiți unde înseamnă valoarea fuzzy a stocului pe criteriu și este calculată în principal prin metoda adaptată a ierarhiei analitice fuzzy. Apoi, acesta poate fi pus în măsurarea similitudinii dintre stocuri. Pentru distanța dintre numerele fuzzy, aplicăm distanța Hausdorff (vezi ). Luați numerele fuzzy triunghi,, de exemplu. Mai întâi definim distanța dintre punct și un număr fuzzy unde poate fi văzută ca valoarea funcției sale de membru este mai mare decât 0, ceea ce implică . Apoi, distanța dintre două numere neclare este
pentru distanță, ar trebui să îndeplinească simetria. Prin urmare, distanța Hausdorff între două numere fuzzy triunghi este definit ca
cu metodele de mai sus, factorul de efect poate fi dat seama, și apoi se calculează randamentul reprezentare orizontală.

2.1.2. Reprezentarea verticală returnează

prejudecata de reprezentare verticală sugerează că investitorii tind să judece sau să prognozeze un stoc pe baza istoriei sale în loc de celelalte lucruri conexe. Prin urmare, presupunem că rentabilitatea reprezentării verticale a unui stoc este influențată în principal de propriile Date istorice. Iar procedurile de calculare a randamentelor de reprezentare verticală sunt așa cum se arată mai jos.

Pasul 1 (ridicați stocurile inițiale). Selectați unele stocuri pentru a pune în portofoliile inițiale.

Pasul 2 (greutate și se calculează pe verticală se întoarce prejudecată reprezentare). Investitorii cu părtinire comportamentală de reprezentare verticală se concentrează pe istoricul rentabilității unui stoc și își adaptează așteptările pe baza acestuia. Pentru stoc,, alegem randamentele sale istorice cu perioade și le denotă ca . Încercăm să ne dăm seama de similitudinea în corelația dintre datele istorice și datele prezente ale unui stoc și, în funcție de aceasta, ponderăm datele istorice ale diferitelor perioade cu notații . Chira și colab. credeți că greutățile diferitelor perioade ar trebui să satisfacă , ceea ce înseamnă că cu cât perioada este mai lungă de acum, cu atât greutatea este mai mică (Vezi ). Dar susținem că efectul fiecărei perioade asupra performanței actuale nu este atât de adecvat. Apropo, putem constata că perioadele mai apropiate pot avea un efect mai mare asupra prognozei, care tind să cântărească cu ușurință prea mult pe cele târzii, ceea ce încurajează faptul că prognoza va urma tendința într-o mare măsură. Prin urmare, propunem o altă metodă pentru a face față ponderării, iar noua modalitate subliniază potrivirea istoriei și a prezentului. Presupunem că atunci când investitorii găsesc o istorie similară, ei vor învăța istoria și vor Prognoza randamentele viitoare pe baza învățării. În plus, în calcul, folosim și conceptul de” distanță ” pentru a gestiona greutățile. Iar distanța este o valoare absolută a minusului.
definiți return reprezentare verticală așa cum se arată în următoarele: în cazul în care este Return reprezentare verticală a stocului, este revenirea istorică a stocului la timp , și este greutatea , ceea ce implică efectul istoriei asupra prezentului. Definiți
pentru valoarea actuală, alegem media ultimelor perioade ca variabilă proxy și o denotăm ca . poate fi determinată de regresiile seriilor de timp ale randamentelor. este valoarea absolută a perioadei minus prezent pentru stoc, care este ca distanța,, deoarece ne pasă în principal de efectele perioadelor trecute. Trebuie remarcat faptul că, pentru a evita situația în care numitorul este 0, l-am configurat ca valoare absolută plus 1.

2.1.3. Reprezentarea returnează

în viața reală, cu toate acestea, pentru investitorii cu părtinire comportamentală de reprezentare, este greu să izolăm prejudecățile perfect clar unul de celălalt. Prin urmare, aici încercăm să combinăm reprezentarea orizontală și verticală se întoarce împreună și să construim o nouă măsurare pe măsură ce reprezentarea se întoarce. Introducem un parametru de preferință a prejudecății de reprezentare orizontală, care este între 0 și 1.

definiți unde este randamentul reprezentării combinate pentru stoc și este parametrul preferinței polarizării reprezentării orizontale. Din (8), putem vedea că atunci când este 1, înseamnă că investitorii au încredere totală în randamentele de reprezentare orizontală; când este 0, sugerează că investitorii apelează la randamentele de reprezentare verticală. Aici analizăm în principal erorile de prognoză de. Conform (8), presupunem că randamentul real este , eroarea de prognoză a este notată ca , eroarea de prognoză a este notată ca și eroarea de prognoză a este . Apoi avem

de (11), putem vedea că eroarea de prognoză a returnărilor de reprezentare este influențată de erorile de prognoză ale returnărilor de reprezentare orizontale și verticale. Și este, de asemenea, afectată de parametrul de preferință a prejudecății de reprezentare orizontală . Trebuie remarcat faptul că parametrul depinde de preferința de reprezentare a investitorilor. Dacă un investitor preferă informațiile de reprezentare orizontală, atunci tinde să fie mai mare de 0,5; în caz contrar, parametrul este mai mic.

2.2. Selectarea portofoliului pe baza retururilor de reprezentare și a teoriei perspectivelor

în general, există două cadre despre selecția portofoliului: maximizarea utilității și compromisul cu risc de returnare. Teoria portofoliului de varianță medie permite investitorilor să minimizeze riscul cu un randament acceptabil sau să maximizeze randamentul așteptat cu un risc rezonabil (a se vedea ). În zilele noastre, a fost utilizat pe scară largă pe piața reală. Cu toate acestea, având în vedere faptul că modelul tradițional de variație medie ar putea să nu fie adecvat comportamentelor investitorilor, selectăm modelul de selecție a portofoliului bazat pe teoria perspectivelor în experimentul empiric.teoria perspectivei este propusă de Kahneman și Tversky în 1979. În această teorie, punctul de referință este un concept extrem de important. Este ca un punct de referință pe care oamenii tind să-l folosească pentru comparație atunci când judecă ceva. Potrivit lui Kahneman și Tversky, aceștia constată că investitorii evaluează un activ în mare parte în funcție de punctul de referință cu care se compară rentabilitatea sau pierderea în locul valorii reale. Cu alte cuvinte, atunci când investitorii se compară cu un anumit nivel de referință, le pasă de valoarea relativă chiar mai mult decât valoarea absolută. Atunci când un punct de referință se schimbă, investitorii pot lua decizii total diferite. El și Zhou presupun că punctul de referință este întotdeauna stabilit ca rata cuponului fără risc a obligațiunii cu scadență lungă, deoarece investitorii tind să compare rata de rentabilitate cu rata cuponului obligațiunii. În următoarea secțiune a acestei lucrări, introducem un nou parametru care arată nivelul de referință.

Să presupunem că există un singur model etapă, iar piața este liber de frecare, care să permită nici o vânzare în lipsă. Există active riscante, iar bogăția inițială este . Retururile de reprezentare sunt notate cu un vector . Definiți , în care este valoarea investiției în activ, și . La sfârșitul investiției, profitul este .

definiți utilitatea investitorilor cu părtinire comportamentală de reprezentare cu funcție Fibbo. Forma sa clasică esteunde este funcția de utilitate și înseamnă sensibilitatea investitorilor atunci când se confruntă cu schimbările de rentabilitate. În plus, folosim teoria perspectivei pentru a măsura schimbările. Există

aici este funcția de valoare, și denotă nivelul de referință al investitorului. Potrivit lui Kahneman și Tversky, pierderea are un impact mai mare decât randamentele asupra luării deciziilor, astfel încât funcția de valoare este în formă. În special, în conformitate cu Kahneman și Tversky, se poate afirma ca mai jos:

luând (14) și (13) în (12), există

conform regulii de maximizare a utilității și a situației pieței din China că nu există vânzare în lipsă, obținem modelul de programare matematică după cum urmează:

3. Experimente empirice

pentru a acoperi diferite industrii și domenii, vom selecta 15 stocuri din stoc o piață din China. Stocurile sunt Poly Real Estate, Daqin Railway, Gree Electric Appliances, ICBC, Barajul Gezhouba, Conch Cement, Minsheng Bank, Shandong gold, Sany, Vanke a, Wuliangye, Yunnan Baiyao, Sinopec, Zoomlion și ZTE. Indicați stocul prin . Toate datele provin din Baza de date Wind, iar eșantionul este din 6 ianuarie 2012 până în 28 decembrie 2012, săptămânal. Randamentele sunt calculate cu logaritm înainte de calcul.

3.1. Calculul retururilor de reprezentare orizontală

cu pașii de calcul , menționați în secțiunea 2, retururile de reprezentare orizontală sunt calculate după cum urmează.

Pasul 1. Stabiliți greutatea fiecărui criteriu așa cum se arată în tabelul 1.

Pasul 2. Analizați fiecare indicator și setați valoarea de comparație fuzzy în perechi în funcție de valoarea importanței lingvistice: doar egală, la fel de importantă, slab importantă, moderat importantă și puternic importantă. Valorile lor triunghiulare de comparație Fuzzy în perechi sunt (), (), (), (), și ().

Pasul 3. Construiți matricea de comparație pentru fiecare criteriu. Aici prezentăm matricea de comparație a indicatorului acționari tranzacționabili ca exemplu în tabelul 2.

Pasul 4. Calculați matricile și, care sunt 30 în total.

Pasul 5. Calculați numărul fuzzy pentru fiecare stoc pe fiecare criteriu; atunci putem obține . Aici vom arăta numerele neclare ale fiecărui stoc pe criteriul ca un exemplu în tabelul 3.
după cum arată exemplul de mai sus, în mod similar, putem afla valorile neclare ale stocurilor pentru ceilalți 29 de indicatori. Mai mult decât atât, în funcție de importanța diferitelor ierarhii, putem obține și diferitele valori în funcție de calcul cu similitudinea dintre stocuri. De exemplu, presupunem că relația numerică dintre cele patru ierarhii este 1 : 1 : 1 : 1. Apoi putem standardiza asemănările și le putem pune în calculul randamentelor de reprezentare orizontală. Potrivit lui Welch și Goyal, media randamentelor istorice între anumite momente poate fi setată ca repere de prognoză, deoarece media matematică fără niciun calcul nu ar trebui să conțină informații. Cu această ipoteză, în cazul în care randamentele de reprezentare orizontală prognozate funcționează mai bine, aceasta implică faptul că recunoașterea reprezentării orizontale oferă informații utile și poate fi utilă în judecata pieței. În experimentul empiric, calculăm media cu ultimele patru numere istorice ca referință și încercăm să prognozăm randamentele în următoarele patru săptămâni. Rezultatele sunt așa cum arată tabelul 4.
din tabelul 4, putem vedea că cele patru previziuni cu informații de reprezentare orizontală funcționează mai bine decât valorile de referință, iar reducerea medie a erorilor este de 29,77%. Având în vedere că valorile de referință sunt stabilite ca nu conțin informații și noile randamente de reprezentare orizontală arată mai bine în prognoză, se arată într-un fel că prejudecata de reprezentare orizontală poate ajuta la prognoza randamentelor. Cu alte cuvinte, comportamentele de reprezentare ale investitorilor pot oferi informații utile în prognoza de rentabilitate. În plus, trebuie remarcat faptul că aici ne concentrăm în principal pe faptul dacă comportamentele de reprezentare pot conține informații semnificative în loc de acuratețea prognozei. Deoarece valorile de referință nu prognozează foarte bine, reducerile de eroare sunt uneori mari.

3.2. Calculul retururilor de reprezentare verticală

în ceea ce privește calculul și testele retururilor de reprezentare verticală, selectăm randamentele din ultimele patru luni (șaisprezece) ca eșantion utilizat în prognoză. Apoi vom folosi două metode pentru metoda de greutate în și a noastră și arată compararea rezultatelor. Ipotezele sunt similare cu situația orizontală menționată mai sus, dacă randamentele prognozate au performanțe mai bune, ceea ce înseamnă că informațiile comportamentelor de reprezentare verticală pot fi utilizate în predicții.conform metodei menționate în , greutățile urmează o secvență aritmetică, care se poate asigura că mai aproape de acum este, mai greu greutatea este, și greutățile cresc uniform de timp. Prin urmare, am stabilit greutatea inițială ca 0,01293, iar aritmetica este 0. 0128. În acest fel, suma ultimelor 12 greutăți este 1. Cu (6), randamentele următoarelor 4 perioade pot fi prognozate.

în secțiunea 2, adaptăm o metodă pentru a calcula randamentul reprezentării verticale, iar metoda anulează situația numitorului zero. În partea de calcul, trebuie mai întâi să aflăm întârzierile seriei de returnare prin regresii și să decidem câte perioade sunt necesare pentru ca acestea să fie preluate, deoarece media va fi o variabilă proxy a rentabilității actuale. Mai mult, selectăm media ultimelor patru perioade ca nivel de rentabilitate actual pentru stoc și îl denotăm ca . Apoi, greutățile pot fi calculate conform (7). În cele din urmă, ne dăm seama de rezultatele previziunilor de returnare. Din tabelul 5, putem vedea rezultatele celor două metode. Se poate constata că rezultatele cu metoda noastră sunt mai bune decât cele din , ceea ce sugerează că informațiile măsurătorilor de reprezentare verticală pot fi utile în prognoza de întoarcere într-un fel.

3.3. Rezultate bazate pe modelele de portofoliu ale retururilor de reprezentare și teoria perspectivelor

luăm ca exemplu randamentele de reprezentare verticală calculate cu metoda noastră și le punem în modelul de selecție a portofoliului teoriei perspectivelor împreună cu reperele lor. Potrivit lui Tversky și Kahneman( vezi), în modelul menționat în 2.2, caracteristicile comportamentale sunt măsurate cel mai bine atunci când,.

putem trasa frontierele portofoliilor cu randamentele de reprezentare verticală și variabilele de decizie în funcție de modelul de selecție a portofoliului. Având în vedere că randamentele portofoliului sunt între -0.12 și 0.12, împărțim intervalul în 20 de niveluri diferite și calculăm fiecare valoare de utilitate. Apoi, vom obține frontierele cu diferite. Frontierele sunt așa cum arată Figura 1.

Figura 1

frontiera când (linia·), (linia) și (linia +).

în Figura 1, axa orizontală este despre returnările portofoliului, în timp ce verticala este despre utilitatea așteptată. Toate cele trei frontiere sunt curbe netede și dezavantaj, arătând frontierele când , , și . Putem vedea clar că atunci când este mai mare, curba este mai abruptă. Acest lucru se datorează faptului că atunci când este mai mare, impactul randamentelor în exces asupra utilității investitorilor este mai mare, iar investitorii tind să fie mai sensibili la modificările randamentelor. Prin această cifră putem constata, de asemenea, că, odată cu creșterea randamentului, utilitatea scade. Și asta pentru că atunci când randamentele portofoliului cresc, așteptările investitorilor cresc, de asemenea; apoi pierderile din investiție cresc și ele. Am știut deja că pierderile au un impact mai mare decât randamentele asupra utilității, iar apoi utilitatea cade. Trebuie remarcat faptul că atunci când , înseamnă că atitudinile investitorilor atât față de profit, cât și față de pierdere sunt aceleași.

4. Concluzii

în această lucrare, continuăm să ne concentrăm asupra efectului pe care comportamentul de reprezentare al investitorilor îl poate avea asupra rentabilității acțiunilor și a deciziilor de investiții. În primul rând, actualizăm ierarhia analitică și criteriul pe care l-am construit înainte și încercăm să analizăm caracteristicile stocului pentru investitorii cu comportamente de reprezentare orizontală. Apoi folosim AHP fuzzy adaptat pentru a cuantifica impactul criteriului asupra stocurilor și a acorda atenție măsurării randamentelor de reprezentare orizontală și verticală bazate pe conceptul de „distanță”, ceea ce implică similitudinea dintre stocuri. În acest fel, distanța Hausdorff se aplică greutății și se calculează retururile de reprezentare orizontală. Și problema numitorului zero în calculul returului reprezentării verticale este rezolvată preliminar.

cu experimentele empirice de pe piața bursieră Chineză, comportamentul de reprezentare orizontală se dovedește a fi util pentru a prognoza randamentele într-un fel. Și sunt prezentate și frontierele efective ale portofoliilor comportamentale cu randamente de reprezentare verticală, ceea ce sugerează că comportamentele de reprezentare pot oferi informații utile pentru îmbunătățirea prognozei randamentelor stocurilor, iar frontierele portofoliului variază în funcție de atitudinea investitorului față de schimbările de rentabilitate.

Conflict de interese

autorii declară că nu există niciun conflict de interese în ceea ce privește publicarea acestei lucrări.

mulțumiri