کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10140540 1646027 2019 34 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Simulation of asset pricing in information networks
ترجمه فارسی عنوان
شبیه سازی قیمت دارایی در شبکه های اطلاعاتی
کلمات کلیدی
قیمت گذاری دارایی، شبکه های اطلاعاتی، خطر گریزی، شبیه سازی مبتنی بر عامل،
ترجمه چکیده
ما قیمت های دارایی را در چارچوب شبکه های اطلاعاتی شبیه سازی می کنیم زمانی که تعداد عامل ها ثابت و تمایل به بی نهایت است. هنگامی که تعدادی از عامل ها یک ثابت هستند، می بینیم که ضریب انفعال ریسک بالاتر، عدم اطمینان اطلاعات کمتری یا واریانس استاندارد بالاتری از نوسانات سود، قیمت پایین دارایی را ایجاد می کند؛ تعداد بیشتری از عوامل منجر به افزایش تقاضای بیشتر می شود. هنگامی که تعدادی از عوامل به بی نهایت تمایل پیدا می کنند، ما فرم های بسته شده برای قیمت دارایی و ضریب انعطاف پذیری را مطالعه می کنیم و شبیه سازی می کنیم. ما دریافتیم که یک اتصال شبکه بالاتر و یا یک ضریب انحراف ریسک کمتر، یک مولفه نوسانات اطلاعاتی را به سمت اطلاعات افزایش می دهد و یک نسبت پایین شارپ؛ یک اتصال شبکه بالاتر و یا ضریب انحراف ریسک کمتر باعث افزایش بازده بازار می شود. مولفه نوسانات مؤثر بر نقدشوندگی، سود تجاری، نوسان قیمت، عملکرد غیر مونوتنیک اتصال به شبکه یا ضریب انحراف ریسک است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
We simulate the asset pricing in the framework of information networks when the number of agents is constant and tends to infinity. When the number of agents is a constant, we find that a higher risk aversion coefficient, a lower information uncertainty, or a higher standard variance of payoff volatility induces a lower asset price; a higher number of agents induces a higher aggregate demand. When the number of agents tends to infinity, we study and simulate the closed form expressions for asset price with risk aversion coefficient. We find that a higher network connectedness or a lower risk aversion coefficient induces a higher information driven volatility component and a lower Sharpe ratio; a higher network connectedness or a lower risk aversion coefficient induces a higher market efficiency. Liquidity driven volatility component, trading profit, price volatility are non-monotonic functions of network connectedness, or risk aversion coefficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 513, 1 January 2019, Pages 620-634
نویسندگان
, , , ,