انتخاب سبد بهينه سهام و نقش تغييرات همزمان بازار، صنعت و قيمت سهام

Optimal Portfolio Selection and the Role of Stock Price Synchronicity, Industry and Stock Prices

در چالش انتخاب سبد بهينه سهام، هنگام انتخاب سهام، بايد به عوامل موثر بر قيمت‌ها و معيارهاي مرتبط با تصميم‌گيري سرمايه‌گذاران توجه شود. اما قيمت سهام، هم تحت تاثير ارتباطات با بازار و صنعت بوده و هم تحت تاثير اطلاعات شركت‌ها است. در نتيجه هدف از اين پژوهش بررسي اثر ارتباط تغييرات بازار و صنعت با قيمت سهام و تبيين نقش آن در انتخاب سبد بهينه است. براي اين منظور از معيار هم‌زماني قيمت سهام استفاده شده است. هم‌زماني قيمت به معناي ميزان درجه‌اي است كه تغييرات بازار و صنعت مي تواند تغييرات قيمت سهام را توضيح دهد. در اين پژوهش ابتدا داده‌هاي قيمتي از 130 شركت عضو نمونه طي 10 سال جمع‌آوري شده و با حل معادله‌هاي رگرسيوني، ميزان هم‌زماني قيمت محاسبه شد. سپس با جمع‌آوري داده‌هاي مالي و غيرمالي، سبدهاي سهام با تحليل‌هاي مختلف و معيارهاي متنوع تهيه شده و با يكديگر مقايسه شدند تا اثر همزماني قيمت روشن شود. نتايج نشان مي دهد كه درصد هم‌زماني قيمت به صورت ميانگين در شركت‌هاي عضو نمونه در حدود 59% بوده كه با پژوهش‌هاي بين المللي در خصوص ميزان هم‌زماني قيمت در كشورهاي كمتر توسعه يافته منطبق است. همچنين نتايج نشان مي‌دهد كه در صورت توجه به هم‌زماني قيمت سهام مي توان سبد سهام بهينه‌تري را با تحليل اطلاعات خاص شركت‌ها ايجاد كرد. در اين پژوهش براي انتخاب سبد‌هاي بهينه سهام از تحليل پوششي داده‌ها، براي تعيين معيارهاي مالي موثر از دلفي فازي و از تحليل‌هاي مختلف شامل ريسك و بازده و تحليل بنيادي معيارهاي مالي وغيرمالي استفاده شده است.

Selecting effective criteria on prices and consequently on investor’s decision making is one of the most debating topics in portfolio optimization debate. Both of market and industry price changing and the information releasement by companies can affect stock prices. As a result, the goal of this study is surveying the role of market and industry price changing on stock prices and its effect on portfolio optimization. So we use stock price synchronicity. Stock price synchronicity measures the degree to which the market change can explain stock price movement. So by collecting price changing data from 130 sample companies during 10 years and with solving regression equations we computed stock price synchronicity. Then by collecting financial and nonfinancial data from the samples and analyzing these data and using data envelopment analysis (DEA) technique we made several portfolio to compare them by sharp ratio. The result shows that stock price synchronicity is about 59% in the sample and it is in conformity with international surveys like Jin and Myers (2006). Also the result shows that if stock price synchronicity affection be considered in portfolio selection then portfolios will have better return. In this research we use data envelopment analysis to choose portfolios and use Fuzzy Delphi to choose effective criteria on stock price changing.