دانلود ترجمه مقاله بررسی ارتباط بازگشت سرمایه، ریسک و نقدینگی در معاملات

بحث و بررسی:
یافته های تجربی نشان می دهد که ریسک ویژه نقش برجسته تری نسبت به ریسک سیستماتیک در قیمت گذاری دارایی در مبادلات با بسامد بالا ایفا می کند زیرا اثر قابل توجهی بر بازده دارد و به شدت توسط متغیرهای نقدینگی تحت تاثیر قرار می گیرد، در حالی که ریسک سیستماتیک دارای اثر بی معنی بر بازده است و اثر کمی از متغیرهای نقدینگی می پذیرد. انتظار می رود مبادلات با بسامد بالا نقدینگی را بهبود بخشند، که می تواند به وضوح توسط افزایش چشمگیر در تعداد معاملات دیده شود و همچنین تایید شده است که "AT نقدینگی را بهبود می بخشد و ارزشمندی نقل ها را افزایش می دهد" (پروکسی AT برای مبادلات الگوریتمی)، که در مطالعات انجام شده توسط ترنس و همکاران [18] نشان داده شده است. یافته ها در این تحقیق نشان می دهد که تعداد معاملات به شکل مثبت بر هر دو ریسک ویژه و ریسک سیستماتیک تاثیر می گذارد. با این حال، ریسک ویژه به شدت بیش تری نسبت به ریسک سیستماتیک متأثر شده است. دلیل آن این است که ضریب nTrades وقفه ای (و یا تعداد معاملات) برآورد شده از رگرسیون بتا کمتر از ضریب برآوردی از رگرسیون ریسک ویژه، به ترتیب 0.10404 و 0.30366 است. علاوه بر این، α سطح معناداری ضریب nTrades با وقفه برای رگرسیون ریسک سیستماتیک بالاتر از سطح معناداری ضریب رگرسیون ریسک ویژه، در 10٪ و 1٪ بود (جدول 3 را ببینید). از این رو، این می تواند نشان دهد که افزایش در تعداد معاملات در مبادلات با بسامد بالا منجر به اثرات چشمگیری در هر دو ریسک می شود، و اثرات ریسک ویژه شاید بطور قابل توجهی بیشتر از ریسک سیستماتیک باشند. علاوه بر این، معاملات با بسامد بالا از دیدگاه زیست محیطی چالش بسیار مهمی است. با توجه به فارمر و اسکوراس (2013) [14]، چشم انداز زیست محیطی توضیح مناسبی برای این نوع از مبادله است زیرا بازار از بازارهای مالی سنتی، که در آنها مبادله عمدتا بر اساس قضاوت انسانی است، سیستماتیک تر و قابل اندازه گیری تر شده است. از دیدگاه زیست محیطی، که در آن شبکه غذایی مفهوم مرکزی است، معاملات الگوریتمی به روش مشابهی با این شبکه توضیح داده می شود. به عنوان مثال، "شبکه غذایی توصیف می کند چه کسی چه کسی را می خورد. به طور مشابه، در بازارهای مالی یک شبکه غذایی توصیف می کند چه کسی از چه کسی منتفع می شود" و، "در زیست شناسی شبکه های غذایی به گونه های پایه ای وابسته هستند که انرژی خود را از خورشید و یا ... می گیرند به طور مشابه، شبکه های غذایی مالی به فعالیت های اقتصادی وابسته هستند که ایجاد ناکارآمدی می کنند" (فارمر و اسکوراس 2013) [14]. تحقیق انجام شده توسط گالاز و همکاران (2015) [16] همچنین ارتباط بین بازارهای مالی و تغییرات زیست محیطی را نشان می دهد. آنها دو نوع ارتباط بین بازارهای مالی و اکوسیستم را مورد بحث قرار می دهند: لینک های مستقیم (نسبت به رفتار شرکت ها، ابزارهای مالی) جذاب برای سیاست گذاران در سطوح ملی و بین المللی، و لینک های غیر مستقیم. آنها همچنین دو نمودار را که این اتصالات را نشان می دهند ارائه می کنند.

Discussion:
The empirical findings suggest that idiosyncratic risk plays a more pronounced role than systematic risk in asset pricing in high frequency trading because it has a significant effect on returns and is highly affected by liquidity variables, while systematic risk has an insignificant effect on returns and a low effect from liquidity variables. High frequency trading is expected to improve liquidity, which can be clearly seen by the dramatic increase in the number of trades and it is also confirmed that "AT improves liquidity and enhances the informativeness of quotes" (AT proxy for algorithmic trading), as found in studies by Terrence et al [18]. The findings in this research suggest that the number of trades positively affects both idiosyncratic risk and systematic risk. However, idiosyncratic risk is impacted more heavily than systematic risk. The reason is that the coefficient of Lag nTrades (or the number of trades) estimated from the beta regression is lower than that estimated from the idiosyncratic risk regression, at 0.10404 and 0.30366 respectively. In addition, the significance level a of the coefficient of Lag nTrades for systematic risk regression is higher than that for idiosyncratic risk regression, at 10% and 1% respectively (see Table [3]). Hence, this could suggest that increases in the number of trades in high frequency trading lead to dramatic effects on both risks, with the idiosyncratic risk effects are perhaps considerably greater than those of systematic risk. In addition, high frequency trading from an ecological perspective poses a crucial challenge. According to Farmer and Skouras (2013) [14], the ecological perspective is an appropriate description for this type of trading because the market has become more systematic and measurable than traditional financial markets, where trading is mainly based on human judgements. In the ecological view, in which a food web is a central notion, algorithmic trading is explained in a similar way to this web. For example, "the food web describes who eats whom. Similarly, in markets a financial food web describes who makes profits from whom" and, " in biology food webs depend on basal species that gather energy either from the sun or...Similarly, financial food webs depend on economic activities that create inefficiencies" (Farmer and Skouras, 2013) [14]. Research by Galaz et al. (2015) [16] also shows the connection between financial markets and ecological changes. They discuss two types of connections between financial markets and ecosystems: direct links (relative to corporate behaviour, financial instruments) attractive to policy makers at the national and international levels, and indirect links. They also provide two diagrams presenting these connections.