بررسي اثر متغيرهاي بنيادي بر قيمت سهام

Survey of the effects fundamental variables on stock price

پيش‌بيني قيمت سهام و استراتژي مناسب براي معامله سهام، موضوع بسياري از تحقيقات است. از جمله مباحث مورد توجه در اين حوزه ،تحليل بنيادي مي‌باشند. اين پژوهش توان توضيح دهندگي برخي متغيرهاي بنيادي را مورد بررسي قرار مي‌دهد.دوره مورد بررسي از سال 1385 تا1389 مي‌باشد كه در مجموع 51 شركت پذيرفته شده در بورس انتخاب شده اند كليه داده‌ها به صورت فصلي و سالانه مورد بررسي قرار گرفتند و از متدولوژي داده‌هاي تركيبي (panel data) رابطه بين متغيرها ارزيابي و آزمون شده‌اند. نتايج تحقيق نشان مي‌دهد كه بين متغيرهاي بنيادي در اين پژوهش كه عبارتند از سود هر سهم، سود پيش‌بيني شده هر سهم، بازده حقوق صاحبان سهام وارزش دفتري كه به جز بازده حقوق صاحبان سهام در داده‌هاي فصلي كليه متغيرها با قيمت سهم رابطه مثبت معني داري دارند و كليه متغيرها قدرت توضيح دهندگي بالاي 90 درصد براي قيمت سهم دارند .همچنين مشاهده شد مدل رگرسيوني حاصل از متغيرهاي بنيادي بصورت سالانه قدرت توضيح دهندگي بالاتري نسبت به داده‌هاي فصلي دارند كه نشان دهنده نگاه بلند مدت تحليل بنيادي مي‌باشد.

Forecasting stock price and adopting proper strategy for stocks dealing are subject to many research works. Fundamental analysis is one of the interesting points in this regard. The present work surveys to what extent the fundamental variables represents the stock status. The period under study was from 2006 to 2010 and 51 companies in the stock market were under consideration. The data were studied on the weekly and monthly bases. Panel data method was used to study the relation between the variables in the study. Except for stockholder rights turnover, the results showed a positive significant relation between the fundamental variables under consideration including profit per share, predicted profit per share, and book value on one hand and stock price on the other hand. That is, the majority of the variables represent price of stocks for more than 90%. Moreover, the regression model obtained from the annual fundamental variables illustrated higher representation power comparing with seasonal data, which shows merits of longer-term perspective.