تحلیل بازده سهام بر اساس مدل پنج عاملی فاما و فرنچ در مقیاس های زمانی مختلف با رهیافت تحلیل موجک در بورس اوراق بهادار تهران

تحلیل بازده سهام بر اساس مدل پنج عاملی فاما و فرنچ در مقیاس های زمانی مختلف با رهیافت تحلیل موجک در بورس اوراق بهادار تهران

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار،گروه مدیریت ، واحد دهاقان ، دانشگاه ازاد اسلامی ، دهاقان ، ایران

چکیده

سرمایه‌گذاران بازارهای مالی نیازمند ابزارها و مدل‌هایی هستند که در انتخاب بهترین سرمایه‌گذاری و مناسب‌ترین پرتفوی به آن‌ها یاری دهد. این امر موجب شده که نظریه‌ها و مدل های گوناگونی برای قیمت‌گذاری دارایی‌های مالی و پیش‌بینی نرخ بازده سهام مطرح شوند. یکی از معروف ترین این مدل‌ها در جهت توجیه بازده، مدل پنج عاملی فاما و فرنچ می‌باشد .تبدیل موجک با تجزیه سری های زمانی به روندهای کلیات و جزییات ، امکان بررسی تغیبرات انفرادی و توام متغیرها را در افق های زمانی مختلف فراهم می کند و با استفاده از ابزارهای تعریف شده بر اساس تجزیه موجک می‌توان تاثیر متغیرهای مستقل را در مقیاس های زمانی مختلف بر متغیر وابسته سنجید. نتیجه تحلیل رگرسیونی مقیاس زمانی مدل پنج عاملی فاما و فرنچ در بورس اوراق بهادار تهران در خلال سال های 1395-1380و با استفاده از تحلیل موجک نشان می دهد در کوتاه مدت (4-2 دوره سه ماهه) ، متغیرهای اندازه، صرف ریسک و سودآوری دارای تاثیر معناداری بر بازده هستند. در میان مدت(8-4 دوره سه ماهه)، اندازه، صرف ریسک، ارزش و در دراز مدت (16-8 دوره سه ماهه) صرف ریسک و سرمایه گذاری دارای تاثیر مثبت و معناداری بر بازده هستند. این پژوهش به سرمایه‌گذاران پیشنهاد می‌کند که فرصت های سرمایه گذاری را با استراتژی مدیریت پرتفوی پویا و گرفتن حساب چند مقیاسی ریسک و بازده انتخاب نمایند.

کلیدواژه‌ها


عنوان مقاله [English]

Stock returns analysis based on Fama and French five-factor model in different time scales with wavelet analysis approach"Caste study:Tehran Stock Exchange"

نویسنده [English]

  • sayyed mohammad reza davoodi
چکیده [English]

The present research is the first research on Fama and French Factor model analysis using wavelet analysis approach in Tehran Stock Exchange. However, in the case of the three-factor model Rostami et al. (1396) in a research entitled "Multi-scale pricing model with wavelet analysis approach and three Fama-French factors and non-liquidity in Tehran Stock Exchange", a three-factor Fama and French model with a three-factor approach Wavelet decomposition. The relationship between stock returns with beta, book value to market value and firm size in the medium term are significant. The relationship between stock returns and size in the short run is significant.
The regression analysis of the time scale of the Fama and French model of the five-factor model using the wavelet analysis in MATLAB software shows that in the short run (2-4 months), variables of size, risk and profitability have a positive and significant effect on returns. . In the medium term (4 to 8 quarterly periods), size, risk, value, and long-term (8 to 16 quarterly periods), risk and investment have a positive and significant effect on returns.
Wavelet analysis and Famafrnch model analysis at different time scales show that investors in different time horizons should consider different factors in shaping their expectations of a portfolio. The proposed methodology suggests that investors choose investment opportunities with dynamic portfolio management strategies and take multi-dimensional risk and returns.

کلیدواژه‌ها [English]

  • wavelet analysis
  • five-factor model
  • timescale regression analysis
  • return
  1. اسلامی بیدگلی غلامرضا، هنردوست اعظم. (1391). «مدل سه عاملی فاما و فرنچ و ریسک نقدشوندگی: شواهدی از بازار بورس اوراق بهادار تهران». دانش سرمایه گذاری، 1(2)، 97-116.
  2. پور زمانی، زهرا. بشیری، علی (1392) «آزمون مدل کارهارت برای پیش بینی بازده مورد انتظار به تفکیک سهام رشدی و ارزشی». مجله مهندسی مالی و مدیریت اوراق بهادار (16)93-107.
  3. جلایی،عبدالمجید؛جبیب دوست،امیر (1392). «بررسی رابطه نوسان‌های نرخ ارز و بازدهی سهام با استفاده از تحلیل موجک در بخش‌های مختلف بورس اوراق بهادار تهران.7 (25)، 9-32.
  4. راعی،رضا؛محمدی،شاپور و فندرسکی،حنطه (1394). «پیش بینی شاخص بورس با استفاده شبکه‌های عصبی و تبدیل موجک». فصلنامه علمی- پژوهشی مدیریت دارایی و تأمین مالی،(8). 75-54.
  5. رستمی, محمدرضا, پویان فرد, ریحانه, هاشم پور, مریم. (1396). «مدل قیمت‌گذاری چندمقیاسی با رویکرد آنالیز موجک و سه فاکتور فاما– فرنچ و عدم‌نقدشوندگی در بورس اوراق بهادار تهران». نشریه انجمن علوم مالی ایران،1(2)،7-20.
  6. رمضانی, جواد, کامیابی, یحیی. (1396). «مقایسه مدل شش عاملی با مدل‌های قیمت‌گذاری دارایی سرمایه‌ای در تبیین بازده مورد انتظار سرمایه‌گذار». پژوهش‌های اقتصادی ایران22(70) ، 231-207.
  7. شمس، ناصر، پارسائیان سمیرا(1391). «مقایسه عملکرد مدل فاما و فرنچ و شبکه‌های عصبی مصنوعی در پیش بینی بازده سهام در بورس تهران». مجله مهندسی مالی و مدیریت اوراق بهادار (11) 103- 118.
  8. طالبی, حمید. (۱۳۹۵).« بررسی رابطه ریسک سیستماتیک و بازده سهام شرکت‌ها با به‌کارگیری تحلیل موجک». پنجمین کنفرانس بین‌المللی حسابداری و مدیریت با رویکرد علوم پژوهشی نوین، تهران، شرکت ارتباط ارغوان ایرانیان.
  9. عباسی نژاد، حسین و نادری، اسماعیل(1391). « تحلیل آشوب تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران». فصلنامه تحقیقات مدل سازی اقتصادی ،(8) 15-9.
  10. عباسی، ابراهیم غفار غزلچه. (1391).«آزمون تاثیر الگوی سه عاملی فاما و فرنچ در پراکندگی بازده سبد سهام» . دانش حسابداری،.(11)، 180-161.
  11. نظری زاده دهکردی, سمیه و کبری قاسمی، (۱۳۹۳). « برآورد ارزش در معرض خطر براساس تبدیل موجک و نظریه‌ی تعمیم یافته ارزش فرین (مطالعه‌ای در بازار فلزات) ». کنفرانس بین‌المللی مدیریت در قرن 21، تهران، موسسه مدیران ایده پرداز پایتخت ویرا.
  12. Addison, P. S. (2002).» The continuous wavelet transform.« The illustrated wavelet transform handbook, 6-63.
  13. Banz, R. W. (1981). »The relationship between return and market value of common stocks.« Journal of financial economics, 9(1), 3-18.
  14. Fama, E. F., & French, K. R. (2013). A five-factor asset pricing model. Journal of financial economics, 116(1), 1-22.
  15. Fama, E. F., & French, K. R. (1993). «Common Risk Factors in the Returns on Stocks and Bonds». Journal of financial economics, 33(1), pp.3-56.
  16. Fama, E. F., & French, K. R. (2012). «Size, Value, and Momentum in International Stock Returns». Journal of Financial Economics, 105(3), pp. 457.
  17. Gençay, R., Selçuk, F., & Whitcher, B. (2003). »Systematic risk and timescales«. Quantitative Finance, 3(2), 108-116.
  18. Gregory, A., Tharyan, R., & Christidis, A. (2013). »Constructing and testing alternative versions of the Fama–French and Carhart models in the UK«. Journal of Business Finance & Accounting, 40(1-2), 172-214.
  19. Kang, B. U., In, F., & Kim, T. S. (2017). »Timescale betas and the cross section of equity returns: Framework, application, and implications for interpreting the Fama–French factors«. Journal of Empirical Finance, 42, 15-39
  20. Trimech, A., Kortas, H., Benammou, S., & Benammou, S. (2009). »Multiscale Fama-French model: application to the French market.« The Journal of Risk Finance, 10(2), 179-192.