نيكويي برازش مدل‌هاي نوين پيش‌ بيني بازده سهام با استفاده از بتاي دوگانه شرطي

Good fit of new models of stock return forecasting using conditional dual beta

معيارهاي مختلفي براي ارزيابي بازده مورد انتظار شركت‌ها معرفي شده است كه مورد توجه سرمايه‌گذاران و اعتباردهندگان مي‌باشد. هدف اين پژوهش بررسي مقايسه‌اي قدرت تبيين مدل‌هاي بازده سهام شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران با استفاده از بتاي شرطي مي‌باشد. بدين منظور اطلاعات 161 شركت پذيرفته شده در بورس اوراق بهادار تهران از ابتداي سال 1394 تا پايان سال 1398 مورد بررسي و آزمون قرار گرفت. در اين تحقيق قدرت توضيح دهندگي مدل‌هاي 5 عاملي فاما فرنچ، Q عاملي HXZ و 4 عاملي كارهارت با استفاده از بتاي شرطي مقايسه شده است. با توجه به روش‌هاي آماري انجام‌شده در سطح اطمينان 0/95 فرضيه‌ها مورد آزمون قرار گرفت. اين پژوهش از لحاظ هدف كاربردي است. همچنين اين پژوهش از لحاظ ماهيت توصيفي همبستگي است و براي برآورد مدل‌ها از رگرسيون سري زماني استفاده شده است. نتايج به‌دست‌آمده نشان داد قدرت تبيين مدل 5 عاملي فاما فرنچ با استفاده از بتاي شرطي بيشتر از مدل‌هاي 4 عاملي كارهارت و Q عاملي HXZ است. همچنين استفاده از آزمون GRS كه تحليل آن عمدتاً مبتني بر عرض از مبدأ رگرسيون‌ها مي‌باشد، تفاوت معناداري بين مدل‌هاي پژوهش نشان نداد.

Various criteria have been introduced to evaluate the expected returns of companies, which are considered by investors and creditors. The purpose of this study is to compare the explanatory power of stock return models of companies listed on the Tehran Stock Exchange using conditional beta. For this purpose, the information of 161 companies listed on the Tehran Stock Exchange from the beginning of 1394 to the end of 1398 was examined and tested. In this study, the explanatory power of 5-factor Fama French, Q-factor HXZ and 4-factor Carhart models was compared using conditional beta. Also, this study is descriptive-correlational in nature and time series regression has been used to estimate the models.

The results showed that the explanatory power of the 5-factor model of Fama French using conditional beta is more than the 4-factor models of Carhart and the Q-factor of HXZ. Also, the use of GRS test, whose analysis is mainly based on the width of the origin of regressions, did not show a significant difference between the research models.