دسته بندی علمی – پژوهشی : تبیین تغییرات بازده در سه مدل CAPM، TFPM، FFPMدر بورس اوراق بهادارتهران- …

۰٫۰۰۰۰۰۸

مدل SFFPM

۰٫۲۷۱۴۱۳

۰٫۲۴۲۵۰۱

۰٫۰۰۰۰۰۰

مدل KFFPM

۰٫۳۴۲۲۲۵

۰٫۳۱۰۶۵۱

۰٫۰۰۰۰۰۰

در توضیح نگاره ۴- ۶ می توان اشاره کرد که مدل CAPM می تواند۳۰٫۱۷ از تغییرات بازده مورد انتظار سهام را توضیح دهد. برای مدل SCAPM، افزایش کل عامل چولگی توانایی مدل را در برآورد نرخ بازده مورد انتظار افزایش می دهد، که ارزش متوسط ضریب تعیین برای کل پورتفوی ۰٫۱۸۸ بود. برای مدل KCAPM افزودن کل عوامل کشیدگی توانایی مدل در برآورد نرخ بازده مورد انتظار را افزایش می دهد و مقدار متوسط ضریب تعیین برای کل پورتفوی ۰٫۱۹۴ بود.
مدل سه عامله (پنل۳-۴) مقدار ضریب تعیین متوسط (۰٫۲۰۰۸۴۳) بهتری از مدل یک عامله در برآورد نرخ بازده مورد انتظاردارد. با افزودن چولگی در مدل سه عامله، مجموع متوسط توانایی مدل ها را برای برآورد نرخ بازده مورد انتظار سهام به ۰٫۲۹۲۵۲۰ افزایش می دهد. افزودن کشیدگی به مدل سه عامله علاوه بر چولگی (پنل۴-۴) توانایی مدلها برای برآورد بازده متوسط سهام مورد انتظار را تا ۰٫۲۹۹۳۵۱ در مجموع افزایش داد.
در مدل چهار عامله (پنل ۳-۷) مقدار ضریب تعیین متوسط نسبت به مدل سه عاملی فاما و فرنچ افت می کند و مقدار آن به ۰٫۲۰۳۰۰۹ می رسد. افزایش شاخص چولگی در مدل ۴ عامله متوسط مقدار کلی ضریب تعیین را تا ۰٫۲۷۱۴۱۳ افزایش می دهد. افزودن کشیدگی جایگزین در مدل چهار عامله (پنل ۳-۹) متوسط مقدار کلی ضریب تعیین به۰٫۳۴۲۲۲۵ افزایش می یابد که به طور قابل توجهی مدل های دیگر را تحت تاثیر قرار می دهد. به طور کل می توان از اطلاعات حاصله این نتیجه را گرفت که مدل قیمت گذاری چهار عامله با افزودن کشیدگی (KFFPM) در توضیح تغییرات بازده مورد انتظار سهام با مشاهده ی ضریب تعیین کل مدل ها یا هر پورتفوی بهتر از سایر مدلها بوده است. این مدل نشان می دهد که نه فقط عوامل بازار در برآورد جایگزین های ریسک کافی نیستند بلکه عوامل اندازه ی شرکت، نسبت BE/ME، گشتاور، چولگی و کشیدگی هم موثرند.
تفاوت بین ضریب تعیین و ضریب تعیین تعدیل شده می تواند ناشی از حجم نمونه و تعداد متغیرها باشد در صورتی که نمونه کوچک باشد، ضریب تعیین تعدیل شده برای تفسیر مناسبتر است با بزرگتر شدن حجم نمونه این دو ضریب به هم نزدیک می شوند. با افزودن تعداد متغیر ها به مدل رگرسیون، مقدار ضریب تعیین ممکن است افزایش یابد برای جلوگیری از این وضعیت و کنترل تورش از ضریب تعیین تعدیل شده استفاده می گردد. همان طوری که قابل مشاهده است مدل KFFPM بالاترین ضریب تعیین را به خود اختصاص داده است و بهترین مدل محسوب شده است.
H0: b=0رابطه خطی معنی داری بین متغیرهای مستقل و متغیر وابسته وجود ندارد
H1: b رابطه خطی معنی داری بین متغیرهای مستقل و متغیر وابسته وجود دارد ۰
نحوه تحلیل آزمون معنی داری R2 برای مدل ها :
چنانچه سطح معنی داری کوچکتر از ۵% باشد فرض H0 رد می شود و فرض مقابل H1 پذیرفته می شود. نتایج رگرسیون وهمانطوری که نگاره۴-۵ نشان می دهد سطح معنی داری تمام مدل ها کوچکتر از ۵% است، پس فرض H0 برای تمام مدل ها رد می شود که نشان می دهد رابطه ی خطی معنی داری بین متغیر های مستقل و متغیر وابسته در مدل ها وجود دارد. کمتر بودن ضریب تعیین تعدیل شده مدل FFPM از مدل سه عامله فاما و فرنچ نشان دهنده ی این است که افزودن متغیر WML به مدل فاما و فرنچ بر خلاف بورسهای سایر کشورها نمی تواند توضیح بهتری برای تغییرات بازده داشته باشد. پس هر آنچه که در بازار های نیمه کارا صدق کند ممکن است در بازار ضعیف صدق نکند. مدل ۳-۹ نشان میدهد که با افزودن چولگی و کشیدگی به مدل FFPM متغیرهای مستقل تغییرات بازده سهام را بهتر توضیح می دهند. مدل ۳-۹ نشان می دهد متغیرهای مستقل MKT ، SMB ، HML، WML با افزودن چولگی و کشیدگی ۳۴% از تغییرات بازده سهام را مشخص می کند و به عبارتی دیگر ۳۴% از تغییرات بازده سهام در بازار بورس تهران در دوره زمانی ۸۶-۸۹ به اطلاعات حسابداری واکنش نشان می دهد. پس ۶۶% تغییرات بازده سهام توسط اطلاعات حسابداری و متغیرهای این تحقیق توضیح داده نشده است و با پارامترهایی مشخص می شود که ارتباطی با اطلاعات حسابداری و متغیرهای محاسبه شده در این تحقیق ندارد.
نتایج مدل CAPM : همانطوری که در نگاره۴-۷ مشاهده می گردد و قبلا ذکر گردید ضریب تعیین (R-squared) این مدل در دوره ی چهار ساله ۸۶-۸۹ در آماره های موزون(وزنی) ۱۷% است که بدین معنی است که فقط ۱۷ درصد تغییرات بازده مورد انتظار سهام با متغیر RM_RF توضیح داده می شود.
نگاره ۴-۷ مدل CAPM

نوشته ای دیگر :
سامانه پژوهشی - بررسی ارتباط بین رفتار شهروندی سازمانی کارکنان با میزان وفاداری مشتریان در ...

برای دانلود متن کامل پایان نامه به سایت  ۴۰y.ir  مراجعه نمایید.