چکیده:
پیشبینی بازده سهام یکی از موضوعهای مهم و قابل بحث در ادبیات مالی و سرمایهگذاری بهحساب میآید. مدل سه عاملی فاما و فرنچ به عنوان شاخصترین مدل در پیش بینی بازده سهام علیرغم برخورداری از نقاط قوت زیاد بر اساس فرض ثابت بودن ضرایب بتا بنا نهاده شده است، که چنین فرضی به صورت مطلق در هر شرایطی ممکن است برقرار نباشد. در این پژوهش سعی شده است تا مدل مذکور با دو فرض ثابت بودن یا متغیر بودن ضرایب به طور جداگانه برازش و سپس دقت هر یک آنها مقایسه شود. برای این منظور از مدل فضای حالت و حداقل مربعات معمولی (OLS) برای برازش مدل به ترتیب با فرض متغیر بودن و ثابت بودن ضرایب استفاده شده است. این پژوهش بر روی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و برای یک دوره زمانی 72 ماهه (مهر 1385 الی شهریور 1391) صورت گرفته است. با انجام این پژوهش مشخص گردید که مدل فضای حالت در مقایسه با مدل حداقل مربعات خطی از عملکرد بهتری در پیشبینی بازده اوراق بهادار برخوردار است، که این میتواند به معنای ثابت نبودن ضرایب بتای مدل سه عاملی در بورس اوراق بهادار تهران باشد
Predicting stock returns is one of the major issues to be discussed in the financial literature، and investment. Researchers have proposed various methods for predicting stock returns، that the most famous of them are the Capital Asset Pricing Model by Sharpe and Lintner، arbitrage pricing model by ross and three factors model by Fama and French. F& F three-factor model as the most significant factor models in recent years great attention has been. Despite having many strengths of this model is based on the assumption of constant beta coefficient is founded، However، this assumption does not hold absolute in any circumstances. In this study، we tried to model with constant or variable coefficients fitted separately and then compare the accuracy each of them. For this purpose، the state space model and ordinary least squares (OLS) models were fit assuming constant and variable coefficients are used. This research will be done on listed companies in Tehran Stock Exchange for a period of 72 months (October 1385 to September1391). The results show that، compared to state-space model of a linear least squares model for predicting stock returns has a better performance، this means that Beta coefficients in three-factor is on the Tehran Stock Exchange are not constant .
خلاصه ماشینی:
"نیهتو 12 و همکاران (2014) با مقایسه روشهای OLS، GARCH و فیلتر کالمن در بورس مکزیک دریافتند که فیلتر کالمن در Lakonishok Time Variant State Space Model Kalman Filter Recursive Chunsheng & Chang Moonis & Shah Huang & Hueng Theoret & Racicot Mergner & Bulla Das Nieto مقایسه با سایر روشها از عملکرد بهتری در تخیمن ضریب بتا برخوردار است ]19[.
بر این اساس پژوهش حاضر قصد دارد تا عملکرد دو روش رگرسیون حداقل مربعات خطی و روش فضای حالت را در برآورد مدل سه عاملی فاما و فرنچ برای پیشبینی بازده را در بورس اوراق بهادار تهران مقایسه کند.
فرضیه مورد بررسی در این پژوهش عبارت است از: روش فضای حالت در مقایسه با روش حداقل مربعات معمولی (OLS) در برازش مدل سه عاملی فاما و فرنچ برای پیش بینی بازده سهام از عملکرد بهتری برخوردار است.
پس از برازش مدلهای مذکور، بازده سهام برای یک دوره 3 ماهه (مهر الی آذر 91) پیش بینی و سپس به روش آزمون مقایسه میانگینها، میانگین خطای قیمت گذاری1 (MPE) دو مدل مورد مورد مقایسه و از این طریق ادعای برتری مدل فضای حالت نسبت به مدل حداقل مربعات معمولی OLS در برازش مدل سه عاملی فاما و فرنچ برای پیشبینی بازده مورد آزمون قرار میگیرد.
به عبارت دیگر نتایج ناشی از آزمون فرضیه موید این ادعا است که روش فضای حالت در مقایسه با روش حداقل مربعات معمولی (OLS) در برازش مدل سه عاملی فاما و فرنچ برای پیشبینی بازده سهام از عملکرد بهتری برخوردار است."