مقایسه قدرت توضیح‌دهندگی مدل‌های خطی و غیرخطی به منظور پیش‌بینی بازده مورد انتظار سهام

مقایسه قدرت توضیح‌دهندگی مدل‌های خطی و غیرخطی به منظور پیش‌بینی بازده مورد انتظار سهام

نوع مقاله : مقاله پژوهشی

نویسندگان

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

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

3 دانشیار گروه حسابداری،دانشکده حسابداری و مدیریت، دانشگاه علامه طباطبائی، تهران، 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، این پژوهش درصدد است تا به مقایسه قدرت توضیح‌دهندگی مدل‌های خطی و غیرخطی بازده مورد انتظار سهام بپردازد. 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 بیانگر این است که در بین مدل‌های خطی، ضرایب متغیرهای بازار، اندازه و ارزش در مدل کارهارت بالاتر از ضرایب سایر مدل‌های مورد استفاده بوده 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 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. لذا به ازای یک واحد تغییر در عامل بازار، بازده اضافی سهام به میزان 1.2 در جهت مستقیم تغییر می‌یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of explanatory power of linear and nonlinear models predicts expected stock returns

نویسندگان [English]

  • Abbas Adham 1
  • mohammad marfoua 2
  • mohamad Hasan Ebrahimi Sarv Olia 3
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
3 Assistant Professor, Department of Accounting, Faculty of Accounting and Management, Allameh Tabatabai University, Tehran, Iran
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Expected stock returns
  • linear models
  • nonlinear models
آسیما، مهدی؛ علی عباس زاده اصل، امیر. (1395). مقایسه عملکرد مدل‌های قیمت‌گذاری دارایی سرمایه‌ای خطی و غیرخطی در بورس اوراق بهادار تهران. مدلسازی ریسک و مهندسی مالی، 1(1)، 114-128.
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. magiran.com/p1775218
بزرگ اصل، موسی؛ مسجد موسوی، میر سجاد. (۱۳۹۷). مقایسه توان توضیحی مدل‌های پیش‌بینی بازده در بورس اوراق بهادار تهران، فصلنامه دانش حسابداری مالی، ۴(۴)، ۴۵-۶۴. magiran.com/p1804605
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. magiran.com/p1599744
رضایی دولت آبادی، 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. magiran.com/p1920851
رهنمای رودپشتی، فریدون و امیرحسینی، زهرا. (1389). تبیین قیمت گذاری دارایی سرمایه ای: مقایسه تطبیقی مدل‏‌‏ها. بررسیهای 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).
زرانژاد، منصور و رئوفی، علی. (1394). پیش بینی بازار روزانه بورس اوراق بهادار تهران: ارزیابی و مقایسه روش‌های خطی و غیرخطی، اقتصاد پولی و مالی (دانش توسعه)، 22 (9)، 1-28، https://doi.org/10.22067/pm.v22i9.19986
صالحی، اله کرم؛ حزبی، هاشم و صالحی، برزو. (1393). مدل پنج عاملی فاما و فرنچ: مدلی نوین برای اندازه‌گیری بازده مورد انتظار سهام. پژوهش حسابداری، 4(3)، 109-120.
صالحی، اله‌کرم؛ بزرگ‌مهریان، شاهرخ؛ صالحی، برزو. (۱۳۹۴). ارزیابی توانایی مدل پنج عاملی فاما و فرنچ در پیش‌بینی بازده سهام ارزشی و رشدی، مجله بررسی‌های حسابداری، ۲(۸)، ۳۵-۵۲. magiran.com/p1679922
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. magiran.com/p1956376
فرقانی، حسین. (1394). مقایسه مدل‌های خطی و غیرخطی برای پیش‌بینی بازده سهام، دومین کنفرانس بین‌المللی حسابداری و مدیریت، تهران
قالیباف اصل، حسن؛ تهرانی، حسن؛ رستمی، محمدرضا, سیری، علیرضا. (1397). طراحی مدل پیش‌بینی بازده بلندمدت سهام با شبیه‌سازی ناپارامتریک بازده اوراق بدهی، چشم‌انداز مدیریت مالی، 21، 133-155
وکیلی فرد، حمیدرضا؛ بدریان، الهه؛ ابراهیمی، محمد. (۱۳۹۵). مقایسه الگوی پنج عاملی فا ما و فرنچ با الگوی چهارعاملی کارهارت در تبیین بازده سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، مجله مدیریت دارایی و تامین مالی، ۵(۱)، ۱۷-۳۰. magiran.com/p1641768
یاری، حمید و یاری، آرزو. (1395). بررسی و مقایسه مدل‌های قیمت‌گذاری دارایی سرمایه‌ای با رویکردهای متفاوت به ریسک در بورس اوراق بهادار تهران. دوفصلنامه اقتصادپولی، مالی (دانش و توسعه سابق)، 23 (11)، 146-166
Arshad, M. A., Munir, S., Ahmad, B., & Waseem, M. (2019). Do factors matter for predicting high-risk stock returns? Comparison of single-, three-and five-factor CAPM. International Journal of Financial Engineering, 6(02), 1950015.
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.
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.
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.
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.
Karp, A., & van Vuuren, G. (2017). The Capital Asset Pricing Model and Fama-French three factor model in an emerging market environment. International Business & Economics Research Journal (IBER), 16(4), 231-256.
Lee, T. H., Tu, Y., & Ullah, A. (2015). Forecasting Equity Premium: Global Historical Average versus Local Historical Average and Constraints. Journal of Business & Economic Statistics, 33(3): 313-212.
Mallikarjuna, M., & Rao, R. P. (2019). Evaluation of forecasting methods from selected stock market returns. Financial Innovation, 5(1), 1-16.
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. Journal Aplikasi Bisnis Dan Manajemen (JABM), 6(1), 197. https://doi.org/10.17358/jabm.6.1.197
Pankaj, Chaudhary (2017). Testing of Three Factor Fama-French Model
for Indian and Us Stock Market, Journal of Commerce & Accounting
Research,
6 (2), pp: 1-8.
Scholz, M., Sperlich, S., & Nielsen, J.P. (2016). Nonparametric Long Term Prediction of Stock Returns with Generated Bond Yields. Insurance: Mathematics and Economic, (11): 22-11.
Tram Anh, L. (2020). Comparison of the Capital Asset Pricing Model and the Three-Factor Model in a Business Cycle: Empirical Evidence from the Vietnamese Stock Market. VNU Journal of Science: Economics and Business, 36(2). doi:10.25073/2588-1108/vnueab.4298
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.