آنالیز داده های پنل بیزی برای کاوش تاثیر بحران مالی وام های بدون پشتوانه در بازار سهام آمریکا

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

آنالیز داده های پنل بیزی برای کاوش تاثیر بحران مالی وام های بدون پشتوانه در بازار سهام آمریکا

عنوان لاتین

Bayesian panel data analysis for exploring the impact of subprime financial crisis on the US stock market

تاثیرات بحران مالی وام های بدون پشتوانه در بازار سهام آمریکا آنالیز می شوند. برای بررسی این مسئله، یک تحلیل داده های پنل بیزی برای شناسایی عوامل مشترکی که حرکت سود سهام در زمان بالا بودن بعد را توضیح می دهند توسعه داده شد. برای داده های پنل با ابعاد بالا، مشخص شده که رویکردهای مطرح شده قبلی نمی توانند واریانس را به طور دقیق براورد کنند – ماتریس کواریانس. یک مزیت متد مطرح شده این است که عدم اطمینان پارامتر را در براورد واریانس-کواریانس و انتخاب فاکتور در نظر می گیرد. دو معیار جدید برای تعیین تعداد فاکتورها در داده ها توسعه یافته اند و سازگاری انتخاب معیارها همانند هر دو تعداد مشاهدات و بعد مقطعی متمایل به ناحدود ساخته می شود. یک تحلیل عملی نشان می دهد که بازار سهام آمریکا پیش از بروز بحران مالی وام های بی پشتوانه در معرض 8 عامل مشترک بود ولی تعداد عوامل پس از بروز آن تا حد قابل توجهی کاهش یافت. به خصوص، یک تعداد اندک از عوامل مشترک نوسانات بازار سهام را پس از سقوط لهمان برادرز هدایت می کنند. به عبارت دیگر، شواهد تجربی مبنی بر تغییر شدید بازار سهام آمریکا پس از بحران وام های بی پشتوانه به دست آمده است. همچنین مشخص شد که مدل های عامل انتخاب شده توسط معیارهای مطرح شده در پیش بینی خارج از نمونه سود های دارایی عملکرد خوبی دارند.

The effects of recent subprime financial crisis on the US stock market are analyzed. To investigate this problem, a Bayesian panel data analysis to identify common factors that explain the movement of stock returns when the dimension is high is developed. For highdimensional panel data, it is known that previously proposed approaches cannot estimate accurately the variance–covariance matrix. An advantage of the proposed method is that it considers parameter uncertainty in variance–covariance estimation and factor selection. Two new criteria for determining the number of factors in the data are developed and the consistency of the selection criteria as both the number of observations and the crosssection dimension tend to infinity is established. An empirical analysis indicates that the US stock market was subject to 8 common factors before the outbreak of the subprime crisis, but the number of factors reduced substantially after the outbreak. In particular, a small number of common factors govern the fluctuations of the stock market after the collapse of Lehman Brothers. In other words, empirical evidence that the structure of US stock market has changed drastically after the subprime crisis is obtained. It is also shown that the factor models selected by the proposed criteria work well in out-of-sample forecasting of asset returns