واکاوی وضعیت تاثیرگذاری تعدادی از متغیرهای شرکت بر بازده سهام؛ با استفاده از رویکردهای فاما - فرنچ و فاما - مکبث
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 234
فایل این مقاله در 45 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_QJFEP-12-46_001
تاریخ نمایه سازی: 14 مهر 1403
چکیده مقاله:
پژوهش حاضر با هدف بررسی توانایی مدل های سه عاملی و پنج عاملی فاما و فرنچ و با به کارگیری رویکرد رگرسیونی فاما و مکبث در توضیح مجموعه ای از ناهنجاری ها انجام شده است. بدین منظور تعداد ۱۳۶ شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی ۱۳۸۶ تا ۱۴۰۱ انتخاب شد. در ادامه هر یک از متغیرهای ناهنجاری به پنج پرتفوی تقسیم بندی گردید و پس از مقایسه میانگین بازده اضافی سهام، نسبت به مقایسه میزان توضیح دهندگی پرتفوی های مختلف از لحاظ میزان ناهنجاری ها اقدام شده است. مجموع یافته ها حاکی از آن است که تفاوت معناداری بین میزان بازده اضافی سهام در پرتفوی های مختلف تشکیل شده بر اساس ناهنجاری های بررسی شده وجود دارد که این امر به معنای کارایی پرتفوی بندی انجام شده است. نتایج به دست آمده از بررسی تاثیرگذاری ناهنجاری ها بر توضیح بازده اضافی سهام، نشان می دهد که از میان ناهنجاری های بررسی شده، متغیرهای سود تقسیمی، ریسک ورشکستگی و ریسک بازده سهام در هر دو مدل سه عاملی و پنج عاملی تاثیری معنادار بر توضیح بازده اضافی سهام داشته اما اقلام تعهدی تاثیری معنادار بر توضیح بازده اضافی سهام نداشته است. این نتیجه مطرح می کند که بخشی از بازده سهام توسط متغیرهای یاد شده در سطح معناداری توضیح داده شده است. علاوه بر این، یافته های پژوهش از مقایسه میزان توضیح بازده اضافی سهام در پرتفوی های مختلف از لحاظ ناهنجاری های بررسی شده در مدل های سه عاملی و پنج عاملی فاما و فرنچ بیانگر نبود وجود تفاوت معنادار بین دو مدل است.
کلیدواژه ها:
Stock Returns ، Fama and French ، Fama and MacBeth ، Stock Valuation Models ، Anomalies. ، بازده سهام ، فاما و فرنچ ، فاما و مکبث ، مدل های ارزش گذاری سهام ، ناهنجاری ها.
نویسندگان
محسن لطفی
Shahroud University of Technology
افسانه دلشاد
Golestan University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :