کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5106422 1481432 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The effect of price volatility on judgmental forecasts: The correlated response model
ترجمه فارسی عنوان
تاثیر نوسانات قیمت بر پیش بینی قضاوت: مدل پاسخ همبسته
کلمات کلیدی
ترجمه چکیده
معامله گران در هنگام پیش بینی های مالی اغلب از روش های قضاوت استفاده می کنند. برای توصیف پیش بینی های قضیه از سری زمانی ارائه شده به صورت گرافیکی، من پیشنهاد مدل پاسخ همبسته، بر اساس آن خواص پیش بینی های قضاوت با مجموعه های پیش بینی شده مرتبط است. در دو آزمایش، شرکت کنندگان با نمودارهای نشان داده شده با قیمت مصنوعی ارائه شدند. در آزمایش 1، از شرکت کنندگان خواسته شد تا پیش بینی های نقطه ای برای افق های زمانی مختلف را پیش بینی کنند. شرکت کنندگان می توانند مقیاس زمانی نمودار را کنترل کنند. در آزمایش 2 شرکت کنندگان پیش بینی های چند دوره ای را انجام دادند و می توانستند فیلتر های متحرک متحرک را به نمودار اعمال کنند. پراکندگی پیش بینی های نقطه ای بین شرکت کنندگان (انحراف استاندارد پیش بینی های شرکت کنندگان) و تغییرات پیش بینی های چند دوره ای شرکت کننده (تیرگی و نوسان موضعی) فرد را استخراج کرد. هر دو شاخص پیش بینی شده به طور قابل توجهی با اندازه گیری های متغیرهای نمودارهای اصلی، مقیاس پذیر و صاف شده ارتباط دارد. بنابراین، نتایج حاصل از پاسخ مدل همبستگی پشتیبانی شده و بینش را در فرایند پیش بینی ارائه می دهد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
پیش نمایش مقاله
تاثیر نوسانات قیمت بر پیش بینی قضاوت: مدل پاسخ همبسته
چکیده انگلیسی
Traders often employ judgmental methods when making financial forecasts. To characterize judgmental forecasts from graphically-presented time series, I propose the correlated response model, according to which the properties of judgmental forecasts are correlated with those of the forecasted series. In two experiments, participants were presented with graphs depicting synthetic price series. In Experiment 1, participants were asked to make point forecasts for different time horizons. Participants could control the graphs' time scales. In Experiment 2, participants made multi-period forecasts, and could apply moving average filters to the graphs. The dispersion of point forecasts between participants (the standard deviation of participants' point forecasts) and the variability of individual participant's multi-period forecasts (local steepness and oscillation) were extracted. Both forecast measures were found to be significantly correlated with variability measures of the original, scaled, and smoothed data graphs. Thus, the results supported the correlated response model and provided insights into the forecasting process.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 33, Issue 3, July–September 2017, Pages 605-617
نویسندگان
,