مقایسه قدرت توضیح‌دهندگی مدل‌های خطی در پیش‌بینی بازده مورد انتظار سهام

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای گروه حسابداری، دانشکده حسابداری و مدیریت، دانشگاه علامه طباطبائی، ایران

2 استادیار گروه حسابداری،دانشکده حسابداری و مدیریت، دانشگاه علامه طباطبائی ، ایران

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.

کلیدواژه‌ها

عنوان مقاله [English]

Comparison of explanatory power of linear in models predicts expected stock returns

نویسندگان [English]

  • Abbas Adham 1
  • Mohammad Marfoo 2
1 PhD Student in Accounting, Department of Accounting, Faculty of Accounting and Management, Allameh Tabatabai University, Tehran, Iran
2 Assistant Professor, Department of Accounting, Faculty of Accounting and Management, Allameh Tabatabai University, Tehran, Iran
چکیده [English]

Introduction
The present study is an applied research in terms of purpose and semi-experimental post-event research in the field of positive accounting research in terms of purpose of data collection, which has been done using multivariate regression method and econometric models.
 
Hypotheses
H1. There is a significant difference between the explanatory power of linear models to explain stock returns.
H2. There is a significant difference between the predictive models of explanatory power of expected stock returns.
 
 Method
The statistical population studied in this research consists of companies listed on the Tehran Stock Exchange during the years 2009 to 1398 and the selected sample of the research are companies. The research method in the present study is systematic elimination or screening according to which 102 companies were selected from the Tehran Stock Exchange companies for the final analysis. In collecting data, new entry software and Cadal system and website related to the stock exchange were used. Hypothesis testing was performed after collecting the required data with the help of Ives software version 10.
 
 Results
The results showed that among the linear models in Karhart model, the coefficients of market variables, size and value were higher than the coefficients of other models used. This finding is consistent with the results of research conducted by Iman and Zamani (1396). The findings also indicate that after the Carhart model, the 5-factor model of Fama and French has a higher explanatory power than other linear models. This finding is also consistent with the research of Salehi et al. (2015), Bozorg Asl and Masjid Mousavi (2015), Rezaei Dolatabadi and Yousefan (2015), Bakhshaish et al. (2015), Mousawa et al. (2018). In general, the results indicate that the use of investment and profitability factors has led to an increase in explanatory power in explaining stock returns.
 
 Discussion and Conclusion
In general, regarding the comparison between linear methods and their compatibility with the economic environment in Iran, the results indicate that among the linear models, Karhart model has a higher power to explain the expected return on stocks and the findings of this study with Imani and Pourzamani (1396) research are consistent.
Thus, among the linear models, the Carhart model has a higher power to explain the expected stock returns. In addition, the results and findings indicate that the addition of two profitability indices and investment index to the Fama and French three-factor model increases the power and strength of the model in explaining and explaining the stock returns of companies.
These results can increase the understanding, awareness and knowledge of investors and capital market researchers to explain the expected return on stocks. Investors are encouraged to consider factors such as liquidity, amount of investment, market factor, company size, and company value when deciding and forecasting expected stock returns.
 
 
 
 

کلیدواژه‌ها [English]

  • Expected stock returns
  • linear models
  • nonlinear models

مراجع

منابع
الف. فارسی
ابوطالبی، ح.، و دستگیر، م.، و سلیمانی امیری، غ. (1399). مقایسه توان توضیح دهندگی مدل های چهار عاملی کارهارت و Q عاملی HXZدر تبیین بازده سهام در حالت عادی و بتای شرطی. دانش سرمایه گذاری, 9(35 ), 255-276.
اعلمی فر، ساناز، خانی، عبدالله، امیری، هادی. (1399). توسعه مدل‌های عاملی قیمت‌گذاری فاما و فرنچ با استفاده از عامل بنیادی مبتنی بر ویژگی‌های حسابداری. پیشرفت‌های حسابداری 12(2)، 65-102.
ایزدی‌نیا، ناصر، محمد ابراهیمی و امین حاجیان‌نژاد. (1393). مقایسه مدل اصلی سه عاملی فاما و فرنچ با مدل اصلی چهار عاملی کارهارت در تبیین بازده سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، مجله مدیریت دارایی و تأمین مالی، 2(3)، 17-28.
ایمانی، مسعود، و پورزمانی، زهرا. (۱۳۹۶). بررسی توان پیش‌بینی بازده موردانتظار شرکت با استفاده از مدل چهارعاملی کارهارت، فصلنامه تحقیقات حسابداری و حسابرسی، ۹(۳۵)، ۵۷-۷۰.
بدری, احمد, هاشم لو, فرزانه. (1391). بررسی توان توضیح دهندگی CAPM در مقایسه با DCAPM. پژوهشهای کاربردی در گزارشگری مالی، 1(1)، 107-132.
بنی مهد؛ بهمن، عربی؛ مهدی و حسن پور؛ شیوا. (1395). پژوهشهای تجربی و روش­شناسی در حسابداری، انتشارات ترمه.
بزرگ اصل، موسی، مسجد موسوی، میرسجاد. (1396). مقایسه توان توضیحی مدل سه عاملی فاما و فرنچ و مدل قیمت‌گذاری دارایی‌های سرمایه‌ای با تاکید بر چرخه زندگی شرکت، پژوهش‌های تجربی حسابداری، 8(2)، 321-344.
پورزمانی، زهرا، بشیری، علی. (1392). آزمون مدل کارهارت برای پیش بینی بازده مورد انتظار، مهندسی مالی و مدیریت اوراق بهادار، 4(16)، 93-107.
حزبی، هاشم، و صالحی، اله‌کرم. (۱۳۹۵). مقایسه قدرت توضیح‌دهندگی مدل چهار عاملی کرهارت و مدل پنج عاملی فاما و فرنچ در پیش‌بینی بازده مورد انتظار سهام، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، ۷(۲۸)، ۱۳۷-۱۵۲.
رضایی دولت‌آبادی، حسین، و یوسفان، ناهید. (۱۳۹۷). تحلیل مقایسه‌ای درباره عملکرد مدل سه عاملی و پنج عاملی فاما و فرنچ در تخمین بازده موردانتظار، مجله مدیریت دارایی و تامین مالی، ۶(۳)، ۱۰۵-۱۱۵.
رهنمای رودپشتی، فریدون و زهرا، امیرحسینی. (1389). تبیین قیمت گذاری دارایی سرمایه ای: مقایسه تطبیقی مدل ها. بررس یهای حسابداری و حسابرسی، 17 (62)، 68-49.
رهنمای رودپشتی، فریدون و مرادی، مجید. (1384). بررسی چگونگی سازوکار قیمت‌گذاری آربیتراژ (APT) با استفاده از تحلیل عاملی در بورس اوراق بهادار تهران. تحقیقات مالی، 7 (1).
جلیلیان، ی.، و شاه ویسی، ف. (1391). مطالعه اثرات اندازه شرکت برریسک نظام مند مبتنی بر مدل قیمت گذاری دارایی های سرمایه ای. پیشرفت های حسابداری (علوم اجتماعی و انسانی شیراز), 4(1 (پیاپی 3/62)), 27-47.
صالحی، اله‌کرم، حزبی، هاشم و صالحی، برزو. (1393). مدل پنج عاملی فاما و فرنچ: مدلی نوین برای‌اندازه‌گیری بازده مورد انتظار سهام. پژوهش حسابداری، 4 (3)، 109-120.
صالحی، اله‌کرم، هاشمی بلمیری، سمیرا. (۱۳۹۸). مقایسه توان توضیح‌دهندگی مدل چهار عاملی هاو و همکاران و مدل پنج عاملی فاما و فرنچ در پیش‌بینی بازده مورد انتظار سهام، مجله بررسی‌های حسابداری، ۵(۱۹)، ۱۱۳-۱۳۳.
عباسی، ابراهیم و باقری، سحر(1390). پیشبینی بازده سهام با استفاده از مدلهای غیرخطی آستانه ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل ها. فصلنامه تحقیقات مالی. دوره 13. شماره 32.
یحیی زاده فر، م.، و صفایی قادیکلایی، ع.، و خاک پور، م. (1390). مقایسه مدل های تشکیل پرتفوی سهام مبتنی بر تصادفی و تصادفی فازی بودن بازده مورد انتظار در بورس اوراق بهادار تهران. پیشرفت های حسابداری (علوم اجتماعی و انسانی شیراز)، 3(1)، 171-196.
ب. انگلیسی
Ari, G., & Sarioglu, S. E. (2021). Fama french beş faktörlü varlik fiyatlama modelinin borsa istanbul'da 2006–2018 dönemi için geçerliliğinin test edilmesi. Sosyal Ekonomik Arastırmalar Dergisi, 21(2), 114-131.‏
Chen, L., & Zhang, L. (2010). A better three-factor model that explains more anomalies. Journal of Finance, 65 (2) , 563-595.
Chen, L., Novy-Marx, R., & Zhang, L. (2011). An alternative three-factor model. Available at SSRN 1418117.
Durand, R. B., Lim, D., & Zumwalt, J. K. (2011). Fear and the Fama‐French Factors. Financial Management, 40 (2) , 409-426.
Erdinç, Y. (2017). Comparison of CAPM, threefactor Fama-French model and Five-Factor Fama-french model for the Turkish Stock Market. Financial Management from an Emerging Market Perspective,4(1), 69-92.
Evans, R. B. (2010). Mutual fund incubation. The Journal of Finance, 65 (4) , 1581-1611.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of financial Economics, 33 (1) , 3-56.
Fama, E. F., & French, K. R. (1996). Multifactor explanations of asset pricing anomalies. The Journal of Finance, 51 (1) , 55-84.
Fama, E. F., & French, K. R. (1997). Industry costs of equity. Journal of financial Economics, 43 (2) , 153-193.
Fama, E. F., & French, K. R. (2006). Profitability, investment and average returns. Journal of financial Economics, 82 (3) , 491-518.
Fama, E. F., & French, K. R. (2008). Dissecting anomalies. The Journal of Finance, 63 (4) , 1653-1678.
Fama, E. F., & French, K. R. (2010). Luck versus skill in the cross‐section of mutual fund returns. The Journal of Finance, 65 (5) , 1915-1947.
Fama, E. F., & French, K. R. (2012). Size, value, and momentum in international stock returns. Journal of financial Economics, 105 (3) , 457-472.
Fama, E. F., & French, K. R. (2015). International tests of a five-factor asset pricing model. Fama-Miller Working Paper.
Fan, S., & Yu, L. (2013). Does the alternative three-factor model explain momentum anomaly better in G12 countries? Journal of Finance and Accountancy, 12(1), 1-15.
Fong, K. Y., Holden, C. W., & Trzcinka, C. (2014). What are the best liquidity proxies for global research? Available at SSRN 1558447.
Griffin, J. M. (2002). Are the Fama and French factors global or country specific? Review of Financial Studies, 15 (3) , 783-803.
Gustafsson, F., & Gustavsson, R. (2019). 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., Thesis of phd student in School of Business, Economics and Law, 1-44.
Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling losers: Implications for stock market efficiency. The Journal of Finance, 48 (1), 65-91.
Kostin, K. B., Runge, P., & Charifzadeh, M. (2022). An analysis and comparison of multi-factor asset pricing model performance during pandemic situations in developed and emerging markets. Mathematics, 10(1), 142.‏
Musawa, N., Kapena, P., & Shikaputo, D. (2018). A test of the fama-french five factor model in comparison to the capital asset pricing model at the lusaka securities exchange. International Journal of Finance and Accounting, 3(1), 35 - 47. Retrieved from https://www.iprjb.org/journals /index.php/IJFA/article/view/684
Nasution, M. B. A., Siregar, H., & Andati, T. (2020). Indonesian property and real estate return analysis: comparison of capital asset pricing model and fama-french three factors model. Jurnal Aplikasi Bisnis Dan Manajemen (JABM), 6(1), 197. https://doi.org/10.17358/jabm.6.1.197
Zhou, W., & Li, L. (2016). A new fama-french 5-factor model based on ssaepd error and garch-type volatility. Journal of Mathematical Finance, 6(5), 711-727.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 04 اسفند 1399
  • تاریخ بازنگری: 25 اسفند 1400
  • تاریخ پذیرش: 25 اسفند 1400

هم رسانی

ارجاع به این مقاله

آمار