SBC
-۳٫۰۱۴۰
-۲٫۸۷۲
-۲٫۹۲۶
-۲٫۵۸۷
Centered R2
۰٫۴۰۶
۰٫۳۲۰
۰٫۳۵۱
۰٫۰۸۹۴
Adjusted R2
۰٫۳۷۶
۰٫۲۹۸
۰٫۳۲۵
۰٫۰۸۲۲
منبع: محاسبات تحقیق
نتایج حاصل از آماره های معیار اطلاعاتی آکاییک[۲۱۹] (AIC) و معیار اطلاعاتی شوارتز- بیزین[۲۲۰] (SBC) در جدول (۴-۲) ارائه شده است. مقدار آماره محاسباتی AIC برای مدل کامل برابر (۳٫۲۱۴۶-)، و مقدار آماره SBC برای مدل مذکور برابر (۳٫۰۱۴۰-) است. از آنجا که در بین چهار مدل برآوردی، بزرگترین مقدار هردو معیار AIC و SBC بصورت قدرمطلق به مقادیر مدل کامل اختصاص دارد بنابراین، بر اساس هر دو معیار، مدل کامل بالاترین قدرت توضیح دهندگی را نسبت به بقیه مدلها دارد و از عملکرد بهتری در توضیح بازده سهام بورس اوراق بهادار تهران برخوردار است. در همین راستا مدل چندعاملی شرطی، مدل مقید و مدل خودتوضیح برداری مرتبه اول به ترتیب در رده های بعدی قرار دارند.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
بر اساس نتایج و یافته های این مطالعه، در حالتی که واریانس بازده بازار پایین است مدل چندعاملی قیمت گذاری شرطی نتایج معتبر و درستی از تحلیل بازده سهام بدست نمیدهد. بدین معنی که طی دوره های نوسان پایین بازار، اعتبار نتایج حاصل از APM شرطی با مشکل مواجه بوده و بجای آن در این حالت مدل خود توضیحی موضوعیت و ارتباط بیشتری داشته و اعتبار نتایج حاصل از آن افزایش مییابد. همچنانکه کینیونن (۲۰۱۳) عنوان میکند این یافته، توضیح احتمالی جهت شکست تجربی CAPM که در مطالعات مختلفی نظیر لولن و ناگل[۲۲۱] (۲۰۰۶) و لی و یانگ[۲۲۲] (۲۰۱۱) ذکر شده است، ارائه میکند. از آنجا که جریان اطلاعات به عنوان جایگزینی برای تغییر شرایط و نوسانات بازار محسوب میشود بنابراین به نظر میرسد در دورههایی که جریان اطلاعات پایینی در قیمت گذاری سهام قابل تصور است پایداری بازده کل بازار افزایش مییابد. این مورد، میتواند توضیحی هر چند جزئی جهت یافته کلیدی واندرهارت و همکاران[۲۲۳] (۲۰۰۳) مبنی بر وجود پاداش معنیداری برای اثر مومنتوم در بازارهای نوظهور ارائه کند.
در نهایت، باید عنوان کرد که نتایج مطالعه حاکی از آنست که نادیده گرفتن خودهمبستگی در تحلیل بازده بورس اوراق بهادار تهران به حصول نتایج اشتباه و دور از واقعیت میانجامد. وزن جمله خودتوضیحی مرتبه اول در طول زمان متغیر است، این امر دلالت بر این دارد که در صورتی که مدل چندعاملی شرطی با اضافه کردن این جمله خودتوضیحی جهت تحلیل بازده انتظاری تقویت شود نتایج بهتر و دقیقتری را در اختیار سرمایهگذار یا پژوهشگر قرار میدهد. همچنانکه مرور شد، نتایج آزمونهای تشخیصی نیز بهبود و تقویت مدل کامل تجربی، که شامل پیوند مدل چندعاملی و مدل خودتوضیحی مرتبه اول است را تأیید میکنند. از این نظر، باید تأکید کرد که به منظور حصول نتایج درست و معتبر، لازم است که در تحلیل بازده بورس اوراق بهادار تهران هر دو گروه منابع پیشبینی پذیری بازده (شامل مبادله ریسک بازده حاصل از مدل چندعاملی قیمت گذاری و خودهمبستگی حاصل از مدل خودتوضیحی مرتبه اول) و وزنهای پویای مرتبط با آنها را در بررسیها لحاظ کرد. باید خاطر نشان شود که وزن بندی پویای مورد استفاده در این مطالعه میتواند در کاربردهای دیگری از قبیل قیمت گذاری مشتقات مالی مفید باشد.[۲۲۴] همچنین این وزن دهی میتواند در تعیین و شکل دهی استراتژیهای معاملاتی سرمایه گذاران بسیار سودمند باشد.
ارزیابی استراتژی معاملاتی و پیشبینی مبتنی بر مدل تجربی
این نتیجه که وزن جمله خود همبسته مرتبه اول بسته به سطح واریانس بازده بازار متفاوت است دلالت بر آن دارد که سرمایهگذاران میتوانند از این مهم جهت پیشبینی تغییرات منابع و عوامل پیشبینی پذیری بازده سهام سود ببرند.
زمانیکه انتظار بر آنست که وزن جمله خودهمبسته مرتبه اول پایین باشد سرمایهگذاران میتوانند تا حدی روی قیمت گذاری به اندازه کافی کارای بورس اوراق بهادار، تکیه کنند. اغلب مدلهای قیمت گذاری اشاره میکنند هنگامیکه بازده انتظاری بازار سهام بالا است استراتژی پیشنهادی آنست که سرمایهگذاران باید اقدام به خرید سبد سهامی بکنند. نکته مهم در این میان اینست که زمانیکه پیشبینی پذیری بر اساس اطلاعات قیمتهای گذشته در سطح بالائی قرار دارد سرمایهگذاران میتوانند از اطلاعات بازده های تاریخی در جهت غلبه بر بازار سهام بهرهمند گردند.
چندین شیوه و روش گوناگون جهت ارزیابی قدرت پیشبینی مدلهای اقتصادی وجود دارد. در حالی که هرکدام از روشها از مزایا و معایب مختلفی برخوردارند، تولید یا حصول نتایج درست و قابل اعتماد اقتصادی میتواند معیار و روش نهایی جهت ارزیابی مدلهای مورد بررسی در کاربردهای تجربی باشد[۲۲۵]. از آنجا که موضوع مورد بررسی در این پژوهش ماهیتی کاربردی داشته و همچنین وجود این مسئله که در نهایت هدف غایی سرمایهگذاران کسب بازده بالا در کنار ریسک پایین است. بنابراین جهت بررسی قدرت پیشبینی مدل تجربی ارائه شده، نتایج استراتژی معاملاتی و پیشبینی مبتنی بر مدل مذکور را بر اساس دو فاکتور بازده ماهانه و نوسانات بازده با پیشبینیهای حاصل از دو استراتژی استاندارد، مورد مقایسه قرار دادهایم. بدین منظور از استراتژی خرید و نگهداری یک ساله[۲۲۶] و استراتژی مبتنی بر بازده غلطان سه ساله[۲۲۷] بعنوان استراتژیهای استاندارد جهت معیار مقایسه بهره گرفتهایم.
جدول (۴-۳) نتایج استراتژی معاملاتی و پیشبینی مبتنی بر مدل تجربی، استراتژی خ
رید و نگهداری و استراتژی مبتنی بر بازده غلطان سه ساله
Average return
Standard deviation
Sharpe ratio
Full Model
۲۹٫۴۳
۱۷٫۸۷
۰٫۴۶۸
