آزمون مدل پنج عاملی فاما و فرنچ در تبیین بازده شرکت های پذیرفته شده در بورس اوراق بهادار تهران
محل انتشار: پنجمین کنفرانس ملی مدیریت، اقتصاد و حسابداری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,129
فایل این مقاله در 10 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:
NDMCONFT05_038
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
از دیرباز مدل های ارزش گذاری سهام مورد استفاده محققان، اندیشمندان مالی و همچنین سرمایه گذاران بوده است. اهمیت امر ارزشگذاری، نیاز به تدوین مدلی جامع که به بهترین شکل بازده مازاد سهام را توضیح دهد، آشکار می سازد . در این مسیر اگرچه تلاش های بسیاری صورت گرفته و مدل های متفاوت و مختلفی ارائه شده است، اما تا به حال هیچ کدام از این مدل ها نتوانسته اند به طور کامل این بازده مازاد را شرح دهند. از پرکاربردترین این مدل ها مدل سه عاملی فاما و فرنچ است. به علت عدم توانایی این مدل در توضیح کامل بازده مازاد سهام، مدلی جدید با 5 عامل توسط این محققان ارائه شد. هدف این پژوهش آزمون مدل پنج عاملی فاما و فرنچ در تبیین بازده شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. به منظور دستیابی به اهداف پژوهش۵ فرضیه تدوین گردیده است. سپس جهت آزمون این فرضیه ها نمونه ۱۸۳ تایی از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سالهای ۱۳۸۷ تا ۱۳۹۳ انتخاب شده است. متغیرهای مدل پنج عاملی فاما و فرنچ شامل )صرف ریسک بازار، اندازه شرکت، نسبت B/M سودآوری و سرمایه گذاری( می باشد. برای آزمون فرضیه ها از رگرسیون چند متغیره به روش داده ترکیبی استفاده گردیده است. نتایج حاصل از این پژوهش آشکار می سازد که عوامل صرف ریسک بازار، اندازه شرکت و سودآوری با بازده ارتباط مثبت و معنی داری دارند. عامل نسبتB/M ارتباط منفی و معنی داری را می توان در نظر گرفت و عامل سرمایه گذاری هیچ گونه ارتباطی با بازده ندارد.
نویسندگان
سید حسین مقدسی
دانشجوی کارشناسی ارشد مدیریت مالی موسسه آموزش عالی راغب اصفهانی،اصفهان
عبدالمجید عبدالباقی
استادیار دانشگاه شیخ بهایی، اصفهان
کریم آذربایجانی
استاد دانشگاه اصفهان، اصفهان
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 :