چکیده:
یکی از مباحث چالشبرانگیز در حوزه مالی و حسابداری ایجاد تعادل بین بازده و ریسک میباشد. بنابراین، شناسایی روندهای حرکتی بازده سهام جهت پیشبینی آن در آینده برای بازار حائز اهمیت است. اگرچه تمرکز بیشتر پژوهشها در زمینه تغییرات بازده سهام مبتنی بر بکارگیری مدلهای خطی بوده است اما شواهد اندکی در رابطه با این موضوع وجود دارد که نوسان بازدهی سهام ممکن است از الگوهای غیرخطی نیز پیروی نماید. به همین جهت، در این راستا، اطلاعات مربوط به 102 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1388 تا 1398 مورد تجزیه و تحلیل قرار گرفته است. نتایج مربوط به برآورد مدلهای غیرخطی نشان داد که مدلهای خود توضیحی آستانهای نسبت به مدلهای انتقال هموار لجستیک از ضرایب بالاتر برخودار هستند. همچنین با استفاده از آزمون همسانی مقایسه میانگینها، نتایج بیانگر این بوده است که مدل غیرخطی خود توضیحی آستانهای مبتنی بر حجم معاملات (TARVOL) کمترین خطای استاندارد میانگین را داشته است که این نتیجه بیانگر دقت بیشتر این مدل در تبیین بازده سهام میباشد. نتایج آزمون مدل کارهارت نشان میدهد که ضریب متغیر عامل بازار 1.2 و از لحاظ آماری معنادار است. به بیان دیگر به ازای یک واحد تغییر در عامل بازار، بازده اضافی سهام به میزان 1.2 در جهت مستقیم تغییر مییابد. بنابراین، هر چه میانگین بازده بازار نسبت به بازده بدون ریسک به عنوان معیار عامل بازار بیشتر باشد، بازده اضافی سهام نیز افزایش مییابد.
One of the most challenging topics in finance and accounting is balancing returns and risk. If so, it is important for the market to identify trends in stock returns to predict the future. Although most research on stock return changes has been based on the use of linear models, there is little evidence that stock return fluctuations may follow nonlinear patterns. Therefore, this study seeks to compare the explanatory power of linear and nonlinear models of expected stock returns. In this regard, information about 102 companies listed on the Tehran Stock Exchange during the years 2009 to 2019 has been analyzed. The results showed that among the linear models, the coefficients of market variables, size and value in the Karhart model were higher than the coefficients of other models used. The results of estimating nonlinear models showed that threshold self-explanatory models have higher coefficients than smooth logistic transmission models. Also, using the homogeneity test of mean averages, the results indicate that the nonlinear self-explanatory threshold model based on trading volume (TARVOL) had the lowest standard mean error, which indicates that this model is more accurate in explaining stock returns.
خلاصه ماشینی:
همچنین با استفاده از آزمون همسانی مقایسه میانگینها، نتایج بیانگر این بوده است که مدل سه عاملی فاما و فرنچ کمترین خطای استاندارد و بالاترین دقت و مدل قیمتگذاری داراییهای سرمایهای تجدید نظر شده بیشترین خطای استاندارد و کمترین دقت را در تبیین بازده سهام داشتهاند.
به این ترتیب، آنها در مدل خود از سه عامل بتا، سودآوری و سرمایهگذاری جهت پیشبینی بازده سهام بهره گرفتهاند و چنین نتیجه گرفتهاند که مدل آنها از قدرت بالاتری در مقایسه با مدلهای فاما و فرنچ (1993) و کارهارت (1997) برخوردار بوده که این نتیجه در پژوهشهای آرتمن و همکاران4 (2011) و فان و یو5 (2013) نیز تکرار شده است.
این موضوع و همچنین مدل چن و همکاران (2011) سبب شده است که فاما و فرنچ (2015) عوامل سودآوری و سرمایهگذاری را به مدل سه عاملی خود اضافه نمایند و چنین استدلال کردهاند که مدل پنج عاملی آنها از قدرت بالاتری نست به سایر مدلها جهت پیشبینی بازده سهام برخوردار هستند.
نتایج مطالعه به کمک رگرسیون چند متغیره نشان داد که الگوی پنج عاملی فاما و فرنچ دارای قدرت توضیحدهندگی بیشتری نسبت به الگوی چهار عاملی کارهارت در تبیین بازده سهام شرکتها است.
صالحی و هاشمی بلمیری (1398)، به مقایسه توان توضیحدهندگی الگوی چهار عاملی هاو و همکاران و الگوی پنج عاملی فاما و فرنچ در پیشبینی بازده مورد انتظار سهام در 147 شرکت پذیرفته شده بورس اوراق بهادار تهران در بین سالهای 1386 تا 1394 پرداختند.
Testing the Performance of the Capital Asset Pricing Model and the Fama- French Three-Factor Model-A study on the Swedish Stock Market between 2014-2019.