Herding behavior in Indian and Chinese equity markets during the COVID-19 pandemic

Abstract

This thesis examines market-wide herding behavior in the Indian and Chinese equity markets during the COVID-19 period. The study examines whether herding was present during the sample period and whether it changed under different market conditions. Given the partly inconclusive empirical evidence on herding in India and China, and on herding during extreme market events in general, the COVID-19 period provides a relevant recent setting for studying herding in these markets during market uncertainty. Furthermore, as India and China have become major global economies and important emerging markets, understanding their stock market behavior has become increasingly important for both domestic and international investors.

The applied methodology in this thesis is the cross-sectional absolute deviation (CSAD) method, which examines market-wide herding by analyzing the relationship between stock return dispersion and market returns. A modified CSAD specification is used in the regression analysis, which accounts for first-order autoregressive serial correlation. The empirical analysis is based on daily stock return data from 2.7.2018 to 30.6.2022. Herding is examined using three regression tests. The first test assesses whether herding is present over the full sample period. The second examines whether herding varies across three subperiods: pre-COVID, outbreak, and post-outbreak. The third investigates whether herding differs between up- and down-market days.

For India, the results do not provide statistically significant evidence of market-wide herding during the full sample period, across the three subperiods, or during up- and down-market days. For China, the results indicate statistically significant herding in the full sample period, during the outbreak period, and during down-market days. These findings suggest that herding in China may have become more pronounced during periods of high uncertainty and falling market conditions. However, the evidence for China is sensitive to model specification, as statistically significant herding is not found when the AR(1) term is excluded from the regression.

The findings suggest that the Indian equity market behaved more consistently with rational asset pricing predictions. For China, the results support the view that herding may become more pronounced under extreme market conditions and may vary with market direction. Future research could extend the analysis to sector-level herding, different investor groups, and alternative herding methodologies. Furthermore, as current herding methodologies have limitations, research could focus on developing improved methods for detecting herding.

Tämä tutkielma tarkastelee markkinanlaajuista laumakäyttäytymistä Intian ja Kiinan osakemarkkinoilla COVID-19-pandemian aikana. Tutkimuksessa selvitetään, esiintyikö laumakäyttäytymistä tarkastelujaksolla ja vaihteliko se eri markkinaolosuhteissa. Koska aikaisempi empiirinen näyttö laumakäyttäytymisestä Intiassa ja Kiinassa sekä äärimmäisten markkinaolosuhteiden aikana on osittain epäselvää, COVID-19-pandemia tarjoaa ajankohtaisen ja merkityksellisen tutkimusasetelman laumakäyttäytymisen tutkimiseen markkinaepävarmuuden aikana. Intiasta ja Kiinasta on muodostunut merkittäviä talouksia ja tärkeitä kehittyviä markkinoita, minkä takia niiden osakemarkkinoiden käyttäytymisen ymmärtäminen on tullut yhä tärkeämmäksi sekä kotimaisille että kansainvälisille sijoittajille.

Tutkielmassa käytetään cross-sectional absolute deviation (CSAD)-menetelmää, jolla arvioidaan markkinoiden laajuista laumakäyttäytymistä tarkastelemalla osakkeiden tuottojen hajonnan ja markkinatuoton välistä suhdetta. Regressioanalyysissä käytetään muokattua CSAD-mallia, joka huomioi ensimmäisen asteen autokorrelaation. Empiirinen analyysi perustuu päivittäisiin osaketuottoihin ajalta 2.7.2018–30.6.2022. Laumakäyttäytymistä tarkastellaan kolmen regressiotestin avulla. Ensimmäisessä testissä arvioidaan, esiintyykö laumakäyttäytymistä koko otosjaksolla. Toisessa testissä tutkitaan, vaihteleeko laumakäyttäytyminen kolmen osajakson välillä: ennen COVID-pandemiaa, puhkeamisjakson (outbreak period) aikana ja puhkeamisjakson jälkeen. Kolmannessa testissä tutkitaan, eroaako laumakäyttäytyminen nousu- ja laskupäivinä.

Intian osalta tulokset eivät anna tilastollisesti merkitsevää näyttöä markkinanlaajuisesta laumakäyttäytymisestä koko otoksen ajanjaksona, kolmen osajakson aikana tai nousu- ja laskupäivinä. Kiinan osalta tulokset osoittavat tilastollisesti merkitsevää laumakäyttäytymistä koko otosjaksolla, puhkeamisjaksolla sekä laskumarkkinapäivinä. Nämä havainnot viittaavat siihen, että laumakäyttytyminen Kiinassa on saattanut voimistua suuren epävarmuuden ja laskevien markkinaolosuhteiden aikana. Kiinaa koskeva näyttö on kuitenkin herkkä mallispesifikaatiolle, koska tilastollisesti merkitsevää laumakäyttäytymistä ei ilmene, kun AR(1)-termi jätetään regressiosta pois.

Tulokset viittaavat siihen, että Intian osakemarkkinat käyttäytyivät johdonmukaisemmin rationaalisten osakkeiden hinnoittelumallien mukaisesti. Kiinan osalta tulokset tukevat näkemystä, jonka mukaan laumakäyttäytyminen voi voimistua äärimmäisissä markkinaolosuhteissa ja vaihdella markkinan suunnan mukaan. Tuleva tutkimus voisi laajentaa analyysiä sektoritason laumakäyttäytymiseen, eri sijoittajaryhmiin sekä vaihtoehtoisiin tutkimusmenetelmiin. Koska nykyisiin tutkimusmenetelmiin liittyy rajoitteita, tuleva tutkimus voisi keskittyä menetelmien kehittämiseen laumakäyttäytymisen havaitsemiseksi.