Behavioral aspects of the European carbon market
- Autores: Fernando Palao Sánchez
- Directores de la Tesis: Angel Pardo Tornero (dir. tes.)
- Lectura: En la Universitat de València ( España ) en 2017
- Idioma: español
- Tribunal Calificador de la Tesis: Maria Mansanet Bataller (presid.), Dolores Furió (secret.), Helena Chuliá (voc.)
- Programa de doctorado: Programa de Doctorado en Finanzas y Economía Cuantitativas/Quantitative Finance and Economics por la Universidad Complutense de Madrid; la Universidad de Castilla-La Mancha; la Universidad del País Vasco/Euskal Herriko Unibertsitatea y la Universitat de València (Estudi General)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
TEMA: El tema de esta tesis doctoral está basado en el campo de las finanzas del comportamiento en donde se proponen teorías basados en la psicología para explicar las anomalías del mercado de valores. Dentro de las finanzas del comportamiento, se supone que la estructura de la información y las características de los participantes del mercado influyen sistemáticamente en las decisiones de inversión de los individuos, así como en los resultados del mercado.
Así pues, durante todo el estudio se analizaran ciertos comportamientos psicológicos que podrían afectar al comportamiento del mercado del carbono europeo y que de demostrarse su presencia alteraría la racionalidad de dicho mercado financiero con implicaciones en la teoría de los mercados eficientes en sentido débil.
La violación de la teoría de los mercados eficientes en sentido débil donde el conocimiento de información privada por parte de una parte de los miembros de mercado puede derivar en el desarrollo de estrategias de trading ganadoras por parte de aquellos que conozcan dicha información.
OBJETIVOS: El objetivo es estudiar aspectos de comportamiento en los mercados de carbono europeos que son incompatibles con la idea de la racionalidad económica, tales como la presencia de agrupaciones en precios/cantidades y sesgos psicológicos. En concreto, los cuatro objetivos son: (i) Evaluar la existencia de la agrupación en precios.
La presencia de la agrupación en precios en cualquier mercado, que se define como la tendencia a observar ciertos precios en el mercado con más frecuencia que otros, es incompatible con la racionalidad económica y no está de acuerdo con la idea de que los precios siguen un camino aleatorio.
(ii) Evaluar la existencia de agrupación en tamaños y su relación con la agrupación en precios.
El efecto de la agrupación de tamaños, que se define como la concentración del tamaño de las operaciones en ciertas cantidades, ha sido analizado mucho menos que la agrupación en precios. Si el mercado de carbono es perfectamente líquido, los operadores deberían ser capaces de negociar la cantidad exacta que desean, sin embargo, la presencia de la agrupación en tamaños puede impedir que los operadores en el mercado del carbono no alcancen las cantidades óptimas de negociación. Por lo tanto, el estudio de la agrupación en tamaños en los mercados europeos de carbono podría dar ideas adicionales en el campo de la liquidez del mercado de carbono.
(iii) Estudiar la existencia de barreras psicológicas.
Otra fuente de irracionalidad se puede encontrar en el uso de barreras psicológicas, donde los inversores piensan que ciertos niveles de precios son más importantes que otros, ya que actúan como soporte o resistencia condicionando la evolución normal de los precios o alterando la volatilidad del mercado.
(iv) Investigar la presencia de comportamiento gregario entre los inversores del mercado del carbono.
Por último, esta línea de investigación estudiará la presencia de un comportamiento gregario comprobando si los agentes de carbono actúan en una secuencia al observar las acciones de los predecesores que inician una cascada.
METODOLOGIA: Para medir la agrupación en precios se aplicará el índice de Herfindahl-Hirshmann (HHI). Este índice se utiliza comúnmente para analizar el poder de mercado, pero en este caso se aplica para poner a prueba la concentración de los precios y tamaños y la forma en que varía de una distribución uniforme. El HHI se calcula sumando los valores cuadrados de las cuotas de mercado de todos los participantes en el mercado. En nuestro caso, sustituimos las cuotas de los participantes del mercado para los porcentajes de todas las transacciones que se producen en todos los dígitos y tamaños disponibles.
Para probar la significatividad estadística de la agrupación de precios en una muestra, hemos calculado la frecuencia de las operaciones con base en el último dígito del precio de la transacción. Si la teoría de los mercados eficientes se mantiene, la frecuencia observada de todos los dígitos disponibles del último número decimal del precio será el mismo, es decir, suponemos una distribución uniforme de la frecuencia de los dígitos. Para probar este hecho, utilizamos la norma estadística de ajuste de la bondad Chi-cuadrado cuya hipótesis nula es la ausencia de diferencia entre la distribución observada y la distribución esperada. Un gran valor de esta estadística significaría una desviación significativa de la distribución uniforme e implicaría significativamente una agrupación en precios. Cuando se detecta la agrupación, puede ser de interés, comprobar si el nivel de agrupación es el mismo para dos muestras diferentes. En este caso, la hipótesis nula subyacente a comprobar es si las dos muestras consideradas tienen el mismo grado de agrupación. Por último, sobre la base de trabajos empíricos anteriores, un análisis multivalente se llevará a cabo con el fin de determinar los factores clave que impulsan a las agrupaciones en precios y tamaños en el mercado del carbono a nivel intradiario.
Vamos a definir el tamaño como el número diario de tamaños distintos negociados. La razón de emplear el número diario de distintos tamaños negociados en vez de los tamaños negociados como variable se debe a que estamos interesados en el análisis de la amplitud de la gama de los tamaños negociados y no a la frecuencia de las observaciones para cada tamaño negociado. Procediendo de esta manera, evitamos que un día de negociación con un alto número de operaciones pueda determinar el nivel de agrupación de los tamaños. Por ejemplo, no nos importa si la cantidad tamaño de la operación igual a uno se repite 20 veces, a nosotros nos importa si un inversor puede negociar tal cantidad. Una regresión lineal utilizando variables ficticias se utiliza para probar si los tamaños negociados redondos son estadísticamente significativos más frecuentes que otros tamaños negociados. La última parte del análisis de la agrupación en tamaños será un análisis multivariado con el objetivo de observar por qué factores se ve afectada la agrupación de tamaños.
El estudio de las barreras psicológicas se llevará a cabo a través de los denominados M-valores que son 100 clases de dígitos (t = 00-99) en el que el precio puede aterrizar o ser pasado sobre la base de una representación de dos dígitos, por ejemplo, el dos decimales del precio. Se han realizado algunas pruebas de uniformidad como la prueba de barrera de proximidad para probar la desviación de los M-valores con respecto a su valor teórico. De cara a probar el impacto y la importancia de las barreras psicológicas que tienen en el mercado del carbono europeo se realizara un estudio para comprobar si dichas barreras psicológicas tienen impacto en rendimientos o volatilidad mediante sendas regresiones en donde se utilizaran variables ficticias que determinaran el impacto o no de dichas barreras y los escenarios más frecuentes donde se podría esperar este efecto, antes o después de cruzar la barrera y en entornos de mercados alcistas o bajistas.
En la detección del efecto gregario en el mercado del carbono europeo estudiaremos el comportamiento de las rachas de transacciones que se cruzan siguiendo el mismo signo analizando factores como la longitud de las rachas, el signo de estas rachas para determinar si este efecto gregario se observa con mayor frecuencia por parte del lado del comprador o del vendedor. Posteriormente, se estudiará en que situaciones hay más probabilidad de encontrar un efecto gregario, analizando efectos sobre la volatilidad o como afecta la nueva información incorporada al mercado sobre dicho efecto.
