دانشگاه آزاد اسلامی واحد علوم و تحقیقات

 آمار

تعداد نشریات50
تعداد شماره‌ها2,232
تعداد مقالات20,475
تعداد مشاهده مقاله25,223,090
تعداد دریافت فایل اصل مقاله22,852,505
راغ, فاطمه, معدن چی زاج, مهدی, پناهیان, حسین. (1402). مدل‌سازی ریسک در بورس اوراق بهادار با رویکرد مدل‌های بیزین غیرخطی-پارامتر متغیر زمان. , 16(58), 32-53. doi: 10.30495/jfksa.2023.22610
فاطمه راغ; مهدی معدن چی زاج; حسین پناهیان. "مدل‌سازی ریسک در بورس اوراق بهادار با رویکرد مدل‌های بیزین غیرخطی-پارامتر متغیر زمان". , 16, 58, 1402, 32-53. doi: 10.30495/jfksa.2023.22610
راغ, فاطمه, معدن چی زاج, مهدی, پناهیان, حسین. (1402). 'مدل‌سازی ریسک در بورس اوراق بهادار با رویکرد مدل‌های بیزین غیرخطی-پارامتر متغیر زمان', , 16(58), pp. 32-53. doi: 10.30495/jfksa.2023.22610
راغ, فاطمه, معدن چی زاج, مهدی, پناهیان, حسین. مدل‌سازی ریسک در بورس اوراق بهادار با رویکرد مدل‌های بیزین غیرخطی-پارامتر متغیر زمان. , 1402; 16(58): 32-53. doi: 10.30495/jfksa.2023.22610

مدل‌سازی ریسک در بورس اوراق بهادار با رویکرد مدل‌های بیزین غیرخطی-پارامتر متغیر زمان

دانش مالی تحلیل اوراق بهادار
دوره 16، شماره 58، مرداد 1402، صفحه 32-53  XML اصل مقاله (1.68 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.30495/jfksa.2023.22610
نویسندگان
فاطمه راغ1؛ مهدی معدن چی زاج email orcid 2؛ حسین پناهیان3
1دانشجوی دکتری گروه مدیریت مالی،دانشکده مدیریت واقتصاد، واحدعلوم وتحقیقات،دانشگاه آزاداسلامی، تهران،ایران.
2استادیارگروه مدیریت مالی، دانشکده مدیریت ، واحد الکترونیکی و استاد مدعو، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران ، ایران.(نویسنده مسئول)
3دانشیار گروه حسابداری ومدیریت ، دانشگاه آزاد اسلامی واحد کاشان ، کاشان ،ایران
چکیده
مدل‌های­سنتی­توانایی­کافی­جهت­پیش‌بینی­بازدهی­پرتفوی­سرمایه‌گذاران­راباتوجه­به­تغییرات­محیط­بیرونی(ریسک سیستماتیک) و محیط درون­ سازمانی (غیرسیستماتیک)؛ دارانیستند و این ­امرعمدتاً ناشی از­شناسایی ­متغیرهای توضیحی وطراحی تجربی مدل می‌باشد.لذاپژوهش حاضرضمن تبیین این موضوع و به منظور تعدیل مشکل نااطمینانی مدل, با متوسط‌گیری از تمامی مدل‌ها(میانگین گیری بیزی)،به تعیین ریسک‌های مؤثر بر بازدهی سهام در ایران پرداخته است. نمونه آماری پژوهش شامل138شرکت بورسی در دوره زمانی1390 تا 1399 می‌باشد. در این پژوهش 62 ریسک مؤثر بربازدهی سهام در قالب 31 شاخص در حوزه ریسک سیستماتیک و31 شاخص غیرسیستماتیک وارد مدل‌های بیزین غیرخطی-پارامترمتغیرزمان گردیدند.
نتایج بیانگر این­ است که ­از میان مدل‌هایBMA، TVP-DMA ،TVP-DMS، BVAR وOLS، مدل TVP-DMA کاراترین­ مدل است. براساس ­مدل TVP-DMA،10ریسک غیرشکننده شامل:ریسک‌های­سیستماتیک (نرخ رشد  GDPحقیقی، نرخ­ارزبازار غیر رسمی، نرخ ­تورم، نرخ ­بهره) ریسک‌های ­غیر سیتسماتیک (نسبت­آنی، اقلام­تعهدی، جریان‌های نقدی­ناشی­ازعملیات، نرخ بازده حقوق صاحبان سهام، نسبت بدهی، نسبت قیمت به سود)، بعنوان مهمترین ریسکهای مؤثربربازدهی سهام شناسایی شدندکه تمامی ریسک‌های مذکور بجز نرخ بهره و نسبت بدهی تأثیر مثبتی بر بازدهی سهام دارند.
کلیدواژه‌ها
ریسک سیستماتیک؛ ریسک غیرسیستماتیک؛ بازدهی سهام؛ میانگین‌گیری بیزین
مراجع
دهقان خاوری, سعید, میر جلیلی, سید حسین. (1398). تعامل ریسک سیستماتیک با بازده سهام در بورس اوراق بهادار تهران. اقتصاد مالی، 7(49)13, 257-282.

سلیمی, محمدجواد, علیزاده, جواد, دوست جباریان, جواد, هوشنگی, زهره. (1400). تاثیر ریسک غیرسیستماتیک سهام بر رفتار گروهی سرمایه‌گذاران در بورس اوراق بهادار تهران. مطالعات تجربی حسابداری مالی, (71)18, 33-56.

کاویانی, میثم, سعیدی, پرویز, دیده خانی, حسین, فخرحسینی, سید فخرالدین. (1398). مقاله پژوهشی: شبیه‌سازی تأثیر شوک‎های نفتی و ارزی بر ریسک سیستماتیک و بازده قیمتی سهام شرکت‎ها: رویکرد DSGE. راهبرد مدیریت مالی, 7(2), 123-154.

Adam Krzemienowski & Sylwia Szymczyk, 2016. "Portfolio optimization with a copula-based extension of conditional value-at-risk," Annals of Operations Research, Springer, vol. 237(1), pages 219-236, February.

  1. Rosenberg, K. Reid, R. Lanstein Persuasive evidence of market inefficiency J. Portfolio Manag., 11 (1985), pp. 9-17.
  2. Asness, A. Frazzini The devil in HML’s details J. Portfolio Manag., 39 (4) (2013), pp. 49-68.
  3. Asness, T. Moskowitz, L. Pedersen Value and momentum everywhere J. Finance, 68 (3) (2013), pp. 929-985.
Chinh DucPhamabLe TanPhuocc, 2020, An augmented capital asset pricing model using new macroeconomic determinants, Volume 6, Issue 10, October 2020, e05185.

  1. Fama, K. French A five-factor asset pricing model J. Financ. Econ., 116 (1) (2015), pp. 1-22.
  2. Fama, K. French Choosing Factors J. Financ. Econ., 128 (2) (2018), pp. 234-252.
  3. Fama, K. French Common risk factors in the returns on stocks and bonds J. Financ. Econ., 33 (1993), pp. 3-56.
  4. Fama, K. French Dissecting Anomalies J. Finance, 63 (4) (2008), pp. 1653-1678.
  5. Fama, K. French Dissecting anomalies with a five-factor model Rev. Financ. Stud., 29 (1) (2016), pp. 69-103.
  6. Fama, K. French International tests of a five-factor asset pricing model J. Finance Econ., 123 (3) (2017), pp. 441-463.
  7. Fama, K. French Size and book-to-market factors in earnings and returns J. Finance, 50 (1) (1995), pp. 131-155.
  8. Fama, K. French The cross-section of expected stock returns J. Finance, 47 (1992), pp. 427-465.
  9. Barillas, J. Shanken Comparing asset pricing models J. Finance, 73 (2018), pp. 715-754.
  10. Barillas, J. Shanken Which alpha? Rev. Financ. Stud., 30 (2017), pp. 1316-1338.
  11. Aharoni, B. Grundy, Q. Zeng Stock returns and the Miller Modigliani valuation formula: revisiting the Fama French Analysis J. Financ. Econ., 110 (2) (2013), pp. 347-357.
Graham, J. R., & Harvey, C. R. (2001). The theory and practice of corporate finance: Evidence from the field. Journal of Financial Economics 60: 187-243.

Koop, G. (2003). “Bayesian Econometrics”. England, John Wiley & Sons Ltd.

  1. Bhandari Debt/Equity ratio and expected common stock returns: empirical evidence J. Finance, 43 (2) (1988), pp. 507-528.
  2. Zhang The investment CAPM Eur. Financ. Manag., 23 (2017), pp. 545-603
  3. Carhart On persistence in mutual fund performance J. Finance, 52 (1997), pp. 57-82.
  4. Zhang Labor-technology substitution: implications for asset pricing J. Finance, 74 (2019), pp. 1793-1839.
  5. Jegadeesh, S. Titman Returns to buying winners and selling losers: implications for stock market efficiency J. Finance, 48 (1993), pp. 65-91.
  6. Barroso, P. Santa-Clara Momentum has its moments J. Financ. Econ., 116 (1) (2015), pp. 111-120.
  7. Banz The relationship between return and market value of common stocks J. Financ. Econ., 9 (1981), pp. 3-18.
  8. Novy-Marx The other side of value: the gross profitability premium J. Financ. Econ., 108 (1) (2013), pp. 1-28.
  9. Stambaugh, Y. Yuan Mispricing Factors Rev. Financ. Stud., 30 (4) (2017), pp. 1270-1315.
  10. Basu The relationship between earnings yield, market value, and return for NYSE common stocks: further evidence J. Financ. Econ., 12 (1983), pp. 129-156.
  11. Gungor, R. Luger Exact inference in long-horizon predictive quantile regressions with an application to stock returns J. Financ. Econom. (2019), pp. 1-43.
  12. Lee Money, asset prices, and the liquidity premium J. Money Credit Bank., 52 (6) (2019), pp. 1435-1466.
  13. Titman, K. Wei, F. Xie Capital investments and stock returns J. Financ. Quant. Anal., 39 (4) (2004), pp. 677-700.
  14. Moskowitz, Y. Ooi, L. Pedersen Time series momentum J. Financ. Econ., 104 (2) (2012), pp. 228-250.
W.F. Sharpe Capital asset prices: a theory of market equilibrium under conditions of risk J. Finance, 19 (1964), pp. 425-442.

آمار
تعداد مشاهده مقاله: 123
تعداد دریافت فایل اصل مقاله: 145


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب