|
Reaction of retail investors to financial market movements and sentiment changes
Hromčík, Jakub ; Schwarz, Jiří (vedoucí práce) ; Petrásek, Lukáš (oponent)
Tato bakalářská práce se zabývá dvěma oblastmi. Nejprve pomocí logistické re- grese studujeme vliv sociodemografických veličin na následování rad finančních algoritmů při výběru hotových portfólií pasivních fondů obchodovaných na burzách, takzvaných ETFs, které s sebou nesou různé množství rizika. Dále pomocí panelové regrese zkoumáme vlivy sociodemografických veličin na změny v investičních tocích v obdobích zvýšené očekávané tržní volatility, pro kterou využíváme index VIX. Panelová data zkoumáme v relativně stabilním období od 1. června 2021 do konce roku 2022, tedy celkem 18 měsíců je zahrnuto v analýze. Souhlasně s existující literaturou zjišťujeme, že ženy mají větší pravděpodobnost vybrat si portfolio s menším nebo stejným rizikem, než jim bylo doporučeno algoritmem, jež z dostupných sociodemografických informací vybere portfolio s nejvhodnější mírou rizika. Z důvodů nesplnění některých předpokladů užitých modelů, nejsme schopni vyloučit nulovou hypotézu neex- istence rozdílu v investičních reakcích mužů a žen na období očekávané vysoké volatility. Klasifikace JEL D90, D91, G40, G41, J16 Klíčová slova ETFs, VIX, Robo-advisor, Ready-made portfolio Název práce Reakce retailových investorů na pohyby fi- nančních trhů a změny sentimentu E-mail autora kubahromcik@gmail.com E-mail vedoucího práce...
|
|
Vliv sentimentu na vývoj ceny Bitcoinu
Bohuslav, Tomáš
Bakalářská práce zkoumá vztah mezi cenou Bitcoinu a tržním sentimentem. Na tuto souvislost je pohlíženo během opakujících se cyklů pro Bitcoin, které jsou zkoumány od července roku 2010. Objasnění vlivu sentimentu je prováděno také v obdobích významných ekonomických událostí (období pandemie covidu-19 a ruské invaze na Ukrajinu). V práci jsou rozebrány specifika bitcoinového trhu, zá-kladní informace pro pochopení jeho fungování a psychologie investorů. Vztah me-zi sentimentem a cenou Bitcoinu je pak testován pomocí korelační analýzy. Získa-né výsledky prokazují významnou souvislost mezi sentimentem a cenou Bitcoinu. Je také formulováno doporučení pro zařazení Bitcoinu do investičního portfolia. Na základě výsledků této práce je totiž předpokládán nárůst ceny ve střednědobém investičním horizontu.
|
|
Extending volatility models with market sentiment indicators
Röhryová, Lenka ; Krištoufek, Ladislav (vedoucí práce) ; Jakubík, Petr (oponent)
V této práci se snažíme zlepšit heterogenní autoregresivní model (HAR) rozšířením o ukazatele tržního sentimentu. Jako proxy tržního sentimentu používáme objem vyhledávání na Googlu a Twitter sentiment. Analyzovali jsme 30 společností Dow Jones indexu po dobu 15 měsíců. Pomocí out- of-sample předpovědi jsme sestavili žebříček modelů podle jejich přesnosti. Identifikovali jsme tři relevantní proměnné: denní negativní tweety, denní objem vyhledávání a týdenní objem vyhledávání. Tyto proměnné zlepšují přesnost předpovědi HAR modelu jednotlivě i v Twitter-Google kombina- cích. Některé modely zlepšují přesnost předpovědi až o 22% pro určité akcie, jiné zhoršují přesnost předpovědi až o 24%. Kombinace denních negativních tweetů a týdenního objemu vyhledávání překoná základní model u 17 ak- cií podle RMSE a u 16 akcií podle MAE a MASE. Samotné denní tweety zlepšují přesnost základního modelu pro 17 a 19 společností podle užitého měřítka. Kombinace denních negativních tweetů a denního objemu vyhledá- vání zlepšuje přesnost základního modelu pro 15 respektive 18 společností. Na základě průměrného zlepšení MASE vítězí jednoznačně kombinace den- ních negativních tweetů a týdenního objemu vyhledávání, jelikož snižuje prů- měrnou MASE o 0.71%. Klasifikace JEL C32, C33, C52, G14 G17 Klíčová slova volatilita,...
|
|
Extending volatility models with market sentiment indicators
Röhryová, Lenka ; Krištoufek, Ladislav (vedoucí práce) ; Jakubík, Petr (oponent)
V této práci se snažíme zlepšit heterogenní autoregresivní model (HAR) rozšířením o ukazatele tržního sentimentu. Jako proxy tržního sentimentu používáme objem vyhledávání na Googlu a Twitter sentiment. Analyzovali jsme 30 společností Dow Jones indexu po dobu 15 měsíců. Pomocí out- of-sample předpovědi jsme sestavili žebříček modelů podle jejich přesnosti. Identifikovali jsme tři relevantní proměnné: denní negativní tweety, denní objem vyhledávání a týdenní objem vyhledávání. Tyto proměnné zlepšují přesnost předpovědi HAR modelu jednotlivě i v Twitter-Google kombina- cích. Některé modely zlepšují přesnost předpovědi až o 22% pro určité akcie, jiné zhoršují přesnost předpovědi až o 24%. Kombinace denních negativních tweetů a týdenního objemu vyhledávání překoná základní model u 17 ak- cií podle RMSE a u 16 akcií podle MAE a MASE. Samotné denní tweety zlepšují přesnost základního modelu pro 17 a 19 společností podle užitého měřítka. Kombinace denních negativních tweetů a denního objemu vyhledá- vání zlepšuje přesnost základního modelu pro 15 respektive 18 společností. Na základě průměrného zlepšení MASE vítězí jednoznačně kombinace den- ních negativních tweetů a týdenního objemu vyhledávání, jelikož snižuje prů- měrnou MASE o 0.71%. Klasifikace JEL C32, C33, C52, G14 G17 Klíčová slova volatilita,...
|
|
Risk appetite estimation on financial markets
Fidler, Vojtěch ; Geršl, Adam (vedoucí práce) ; Babin, Adrian (oponent)
Tato práce se zabývá rolí sklonu k riziku na finančních trzích. V teoretické části autor popisuje pochopení tohoto pojmu, poukazuje na známé metody a roli behaviorální ekonomie v řešení tohoto problému. V praktické části jsou potom vytvořeny modely vysvětlující vliv vybraných indexů na swapy úvěrového selhání (CDS), které nahrazují měřítko rizika země pro jednotlivé rozvinuté a rozvíjející se trhy. Světově je zjištěn silný společný komponent, který je možno vysvětlit vybranými indexy. Je také pozorováno, že v případě rozvíjejích se trhů může GRAI indikátor hrát roli, avšak pro rozvinuté trhy tato vlastnost chybí. Grangerova kauzalita nepotvrzuje vztah vysvětlující funkce GRAI směrem k rizikovosti daných zemí.
|
|
Behavioural Breaks in the Heterogeneous Agent Model
Kukačka, Jiří ; Baruník, Jozef (vedoucí práce) ; Víšek, Jan Ámos (oponent)
Tato práce propojuje koncept modelů s heterogenními agenty (HAMů) s oblastí behaviorálních financí za účelem překlenutí hlavních nedostatků obou přístupů a ověření, zda se tyto mohou vzájemně vhodně doplnit. Náš přístup přináší alternativní metodu zkoumání dynamiky modelu a naznačuje, jak se lze ori- ginálně vypořádat s problematickou empirickou validací. Na začátku práce uvádíme původní model a diskutujeme jeho rozličné modifikace a snahy o em- pirické odhady. Dále představujeme unikátní dataset pokrývající pět značně neklidných období z historie akciových trhů v USA, ve kterém objevujeme zajímavé pravidelnosti v datech. Těžiště práce leží v numerické analýze mode- lu, který rozšiřujeme o vybrané poznatky z oblasti behaviorálních financí: stádní chování, nadmíru sebedůvěry a vliv tržního sentimentu. S použitím programu Wolfram Mathematica provádíme Monte Carlo simulace námi vyvi- nutého algoritmu. Ukazujeme, že pomocí HAMů lze vybrané poznatky velmi dobře modelovat a že tyto značně obohatí původní strukturu modelu. Roz- ličné modifikace modelu vedou k signifikantně rozdílným výsledkům a model je rovněž schopen částečně replikovat cenové výkyvy během neklidných období akciových...
|
|
Behavioural Breaks in the Heterogeneous Agent Model
Kukačka, Jiří ; Baruník, Jozef (vedoucí práce) ; Víšek, Jan Ámos (oponent)
Tato práce propojuje koncept modelů s heterogenními agenty (HAMů) s oblastí behaviorálních financí za účelem překlenutí hlavních nedostatků obou přístupů a ověření, zda se tyto mohou vzájemně vhodně doplnit. Náš přístup přináší alternativní metodu zkoumání dynamiky modelu a naznačuje, jak se lze ori- ginálně vypořádat s problematickou empirickou validací. Na začátku práce uvádíme původní model a diskutujeme jeho rozličné modifikace a snahy o em- pirické odhady. Dále představujeme unikátní dataset pokrývající pět značně neklidných období z historie akciových trhů v USA, ve kterém objevujeme zajímavé pravidelnosti v datech. Těžiště práce leží v numerické analýze mod- elu, který rozšiřujeme o vybrané poznatky z oblasti behaviorálních financí: stádní chování, nadmíru sebedůvěry a vliv tržního sentimentu. S použitím programu Wolfram Mathematica provádíme Monte Carlo simulace námi vyv- inutého algoritmu. Ukazujeme, že pomocí HAMů lze vybrané poznatky velmi dobře modelovat a že tyto značně obohatí původní strukturu modelu. Ro- zličné modifikace modelu vedou k signifikantně rozdílným výsledkům a model je rovněž schopen částečně replikovat cenové výkyvy během neklidných období akciových...
|