جستجو براي ساختار بهينه مدل‌‌هاي قيمت‌‌گذاري فاماـ‌‌فرنچ و كارهارت در بازار سرمايه ايران

In Pursuit of the Optimal Combination of Fama-French and Carhart Models for Iranian Capital Market

عدم يكپارچگي كشورها از نظر ساختار مدل‌‌هاي قيمت‌‌گذاري فاماـ‌‌فرنچ و كارهارت در مطالعات پيشين اثبات‌شده است. در اين پژوهش، شش تركيب مختلف براي عوامل ريسك مدل‌‌هاي فاما‌ـ‌‌‌فرنچ و كارهارت (از حيث وجود عامل مومنتوم، تفكيك اثرات براي شركت‌هاي كوچك و بزرگ و وجود وزن در ساختار فاكتورها) بر روي نه طيف گوناگون از پرتفوليوهاي آزمون (به‌ ويژه براي شركت‌‌‌هاي بزرگ)، در رويۀ رگرسيون سري زماني و رويۀ رگرسيون مقطعي فاماـ‌‌مك‌‌بث (جداگانه با كل نمونه و با پنجره‌‌‌هاي زماني غلتانِ 60 ماهه) در بورس تهران، از مهر 1389 تا اسفند 1396 آزمون شده‌‌‌اند. بنا بر يافته‌‌‌ها، معناداري اثر مومنتوم در توضيح پراكندگي ميانگين بازده‌‌‌ها اكثراً معنادار بوده است. همچنين، صرف ريسك‌هاي محاسبه‌شده براي عامل بازار عموماً براي طيف‌‌هاي حاصل از مرتب‌‌سازي شركت‌‌ها برحسب انحراف معيارِ بازده معنادار بوده‌‌اند و در صورت محاسبه با بتاهاي مبتني بر كل اطلاعات پژوهش (90 ماه) توضيح‌‌‌دهندگي بهتري داشته‌‌اند. در خصوص عامل ارزشي رشدي، در بين شركت‌‌‌هاي بزرگ برعكس عامل ارزشي رشدي، بازده شركت‌‌‌هاي رشدي بيشتر از شركت‌‌‌هاي ارزشي بوده است و عامل ارزشي رشدي موزونِ خاص شركت‌‌‌هاي بزرگ معنادارترين بديل اين عامل براي توضيح پراكندگي بازده‌‌‌هاي ميانگين بوده‌‌‌اند. براي عامل اندازۀ شركت، تنها پس از حذف داده‌‌هاي سال 1396 صرف ريسك‌هاي معنادار پديدار شده‌‌اند.

It has been proved that different economies are disintegrated in terms of the optimal asset pricing model structure. Here we consider six different combinations of Fama-French and Carhart models, in terms of inclusion of momentum effect, differing effects for small and large firms and value weighting the factor components in explaining the average returns of 9 sets of LHS portfolios, some of which are specifically focused on large firms. Both time-series regression and Fama-MacBeth approach (full and rolling samples) in cross-section regression procedures have been used for testing the models. I find that momentum’s effect is significant in many of the spectra of test portfolios. Market factor’s explaining power which is significant almost solely for return SD sorts, is most pronounced when calculated based on full samples. Among all value-growth effect variants, explaining power of bHMLw has been significant. Finally, RHS portfolios corresponding to size effect have demonstrated significant explanation for average returns, only after deletion of the data from year 2017- the last 12 months of the whole 90-month research data.