Analysis of stock returns response to non-systematic risk torque measurement models with a simultaneous role of arbitrage constraints and limited investor
Subject Areas :
رقیه طالبی
1
(, PhD Student in Accounting, Department of Accounting, Islamic Azad University, Qom, Iran)
مجید زنجیردار
2
(دانشیار گروه مدیریت مالی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران)
محمدرضا پورفخاران
3
(گروه حسابداری، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)
Keywords:
Abstract :
تحلیل واکنش بازده سهام به مدلهای اندازه گیری گشتاورهای ریسک غیر سیستماتیک با نقش همزمان محدودیت آربیتراژ و توجهات محدود سرمایه گذاران
چکیده
میانگین و واریانس بازده سهام به تنهایی برای توصیف توزیع بازده کافی نمیباشد. بنا به اعتقاد مارکویتز، توجه به گشتاورهای بالاتر نظیر چولگی و کشیدگی بهعنوان شاخص ریسک بهجای واریانس، نتایج دقیقتری دارد. لذا با توجه به تضادهای مطالعاتی بررسی واکنش بازده سهام به مدلهای اندازهگیری گشتاورهای ریسک غیر سیستماتیک قابل توجه بود. بدین منظور از بین شرکتهای پذیرفته شده در بورس اوراقبهادار تهران بر اساس روش حذف سیستماتیک تعداد 152 شرکت به عنوان نمونه آماری (در قلمرو زمانی سالهای بین 1391 تا 1398) انتخاب شد. نتایج نشان داد با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل قیمتگذاری داراییهای سرمایهای و مدل پنج عاملی فاما و فرنچ، بازده آتی سهام کاهش مییابد؛ این نتایج در راستای مفاهیم تئوری کارایی بازار سرمایه قابل توجیه است؛ دیگر نتایج نشان داد تاثیر گشتاورهای ریسک غیرسیستماتیک بر بازده آتی سهام با تعامل همزمان بین توجهات محدود سهامداران و محدودیت های آربیتراژ تشدید می شود؛ این نتایج بر اساس مفاهیم تئوری عدم تقارن اطلاعات و تئوری توجه محدود می باشد؛ که سرمایه گذاران به دلیل اولویتهای غیرمنطقی برای سهام با چولگی مثبت ریسک پذیر هستند. این امر منجر می شود تا شرکتها با ریسک بیشتری در خصوص کاهش آتی قیمت سهام رو به رو باشند. وقتی بی توجهی سرمایه گذاران نهادی به مدیران با افزایش محدودیت های آربیتراژ همزمان شود، این اثر تشدید می شود و مدیران از طریق مدیریت سود، بر بازده سهام تاثیر گذار می شوند. تتایج کسب شده، با مستندات اشاره شده در چارچوب نظری پژوهش و ادبیات مالی مطابقت دارد.
واژههای کلیدی: بازده آتی سهام، گشتاورهای مرتبه سوم و چهارم ریسک غیرسیستماتیک، مدل قیمتگذاری دارایی های سرمایه ای، مدل پنج عاملی فاما و فرنچ، توجهات محدود سهامداران ، محدودیت های آربیتراژ.
1- مقدمه
با توجه به رشد و توسعۀ بازارها و ابزارهای مالی، پیچیدگی بازارهای مالی و تخصصیشدن مقولۀ سرمایهگذاری، سرمایهگذاران و بازارهای مالی نیازمند ابزارها، الگوها و روشهایی هستند که در انتخاب بهترین سرمایهگذاری و مناسبترین سبد سرمایهگذاری به آنها یاری دهد. این امر موجب شده است که نظریهها، الگوها و روشهای گوناگونی برای قیمتگذاری داراییهای مالی و محاسبۀ پیشبینی نرخ بازدهی سهام، مطرح شود و هر روز در حال توسعه و تغییر باشد. بر اساس مبانی نظری با توجه به نرمالنبودن توزیع بازده سهام، بررسی گشتاورهای بالاتر عوامل مؤثر بر آن نظیر چولگی و کشیدگی سودآوری حائز اهمیت است و با توجه به پژوهشهایی که در داخل کشور در مورد ادبیات پژوهش انجام شده است، با وجود پژوهشهای انجام شده که بیشتر به بررسی هر یک از متغیرهای پژوهش با سایر متغیرها پرداخته و از جنبهای دیگر به بررسی پرداخته اند و بنابراین برای روشن تر شدن و کمک به ادبیات تحقیق پرداختن به این مسئله دارای اهمیت بوده و موارد فوق ضرورت انجام این تحقیق را در ایران ایجاد میکند. یکی از اهداف اطلاعات حسابداری کمک به استفادهکنندگان و سرمایهگذاران بالفعل و بالقوه در تحلیل مالی و پیشبینی جریانهای نقد ورودی آتی به واحد تجاری و به تبع آن پیشبینی بازده سرمایهگذاری است. در ادبیات مالی، الگوهای متعددی ازجمله الگوی قیمتگذاری داراییهای سرمایهای1، الگوهای عاملی یا شاخصی2و الگوی آربیتراژ3برای کمک به سرمایهگذاران برای پیشبینی بازده سهام ارائه شده است. الگوی قیمتگذاری داراییهای سرمایهای ازجمله الگوهای تکعاملی است که تنها شامل عامل بازار است. در این راستا، پژوهشگران با افزودن عوامل جدید به الگوی قیمتگذاری داراییهای سرمایهای باعث افزایش قدرت تبیین این الگو و ارائۀ الگوهای چندعاملی شدهاند؛ برای نمونه میتوان به الگوی سهعاملی فاما و فرنچ، که در برگیرندۀ عوامل بتا، اندازه و نسبت ارزش دفتری به ارزش بازار است و الگوی چهارعاملی کارهارت شامل عامل مومنتوم( تمایل به عملکرد گذشته) اشاره کرد. در سالهای اخیر الگوی پنجعاملی فاما و فرنچ با اضافهکردن دو عامل جدید سودآوری و سرمایهگذاری به الگوی سهعاملی، ارائه شد. سودآوری به توانایی شرکت در کسب سود اشاره دارد و نتیجۀ نهایی همۀ برنامهها و تصمیمات مالی شرکت است. همچنین، مطابق استانداردهای حسابداری مالی، اطلاعات سود در ارزیابی توان سودآوری، پیشبینی سودهای آتی، توزیع آتی جریانهای نقدی و درنهایت بازده آتی سهام ملاحظه میشود. از مفروضات اساسی الگوی قیمتگذاری داراییهای سرمایهای این است که افراد ریسکگریز هستند و تنها نگرانی آنها دو گشتاور اول مرتبط با بازده است و فرض میشود توزیع بازده سهام نرمال است. الگوهای مذکور گشتاورهای مرتبههای بالاتر نظیر چولگی و کشیدگی بازده را مدنظر قرار نمیدهد. در حالی که بنا به اعتقاد مارکویتز در صورت عدمتقارن توزیع بررسیشده، درنظرگرفتن گشتاورهای بالاتر نظیر چولگی و کشیدگی نتایج دقیقتری را بههمراه دارد. از سوی دیگر، پژوهشگران متعددی بیان میکنند که شواهد تجربی مختلف، نرمالبودن توزیع بازده را تأیید نمیکند (بالی و همکاران4، 2016). سرمایه گذاران به دلیل اولویتهای غیرمنطقی برای سهام با چولگی مثبت و احساسات سرمایه گذار، ریسک پذیر هستند. تا به حال تحقیقات قابل توجهی درباره نقش و تأثیر تمایلات سرمایه گذاران بر قیمت گذاری دارایی انجام شده است. تمایلات سرمایه گذار از نظر روانشناسی نشان داده است که میتواند از طریق فعالیت قیمت دارایی باعث بروز تغییراتی در بازار شود. تئوری قیمت گذاری داراییها نشان داده است که آربیتراژ منطقی لزوماً قیمتها را به اصول نزدیکتر میکند و هیچ نقشی در تمایلات سرمایه گذار ندارد. با این وجود مطالعات مختلف مالی رفتاری استدلال میکنند که تمایلات سرمایه گذار باعث تحریک قیمت سهام خارج از ارزشهای ذاتی میشود. سهام با چولگی مثبت میتواند بیشتر از حد ارزیابی شود و میتواند متوسط بازده منفی کسب کند. ترجیح سرمایه گذاران برای چولگی سهام و تمایلات سرمایه گذاران از سهام، به طور مثبت با ریسک بازار و ریسک کل در ارتباط است (دی لانگ و همکاران ، 1990). از طرفی منطق سنتی نشان میدهد که یک بازار کارآمد باید با سرعت و دقت قیمت سهامی را که نادرست است، اصلاح کند. با این حال، ممکن است آربیتراژورهایی باشند که وقتی از کمبود سرمایه بالقوه رنج میبرند، با محدودیت در آربیتراژ مواجه شوند. شرکتهایی که با محدودیتهای مالی مواجه هستند احتمال بیشتری برای متوقف کردن یا به تعلیق در آوردن پروژه تحقیق و توسعه خود دارند چرا که فرصت آنها برای تأمین مالی خارجی بسیار اندک است.این تعلیق یا توقف به طور قابل توجهی ارزش شرکت را کاهش میدهد زیرا منجر به افزایش عدم اطمینان و ریسک شده و این احتمال را افزایش میدهد که شرکت قادر نخواهد بود، پیش از رقبا پروژه تحقیق و توسعه را به پایان برساند (چان و همکاران ، 2017).
همچنین ادبیاتی غنی نشان می دهد که توجه محدود سرمایه گذاران تأثیر قابل توجهی در کارایی قیمت گذاری سهام دارد. با این حال، از آنجا که اندازه گیری مستقیم تفاوت توجه سرمایه گذاران نهادی دشوار است، مدیران وقتی کمتر مورد توجه سرمایه گذاران نهادی قرار می گیرند، کمتر نظارت می شوند. بنابراین در صورتی که سرمایه گذاران نهادی به دلیل رویدادهای خارج توجه شان نسبت به داخل شرکت منحرف شده و کمتر به شرکت ها توجه داشته باشند، از نظارت آن ها بر رفتار مدیران شرکت کاسته شود، این امر منجر می شود نا شرکت ها با ریسک بیشتری در خصوص کاهش آتی قیمت سهام رو به رو باشند (زیانگ و همکاران ، 2019). کاهش عدم تقارن اطلاعاتی میتواند نوسان پذیری بازده سهام را کاهش دهد (کیقبادی و همکاران،1397) ؛ از طرفی کاهش عدم اطمینان منجر به جذابیت بیشتر سهام نزد سهامداران می گردد (سرلک، فرجی و علی نیا فیروزجاه،1399) بنابراین با توجه به اینکه بازار ایران از کارایی قوی برخوردار نیست و اطلاعات به صورت متقارن توزیع نمیشود پس ریسک غیر سیستماتیک به صفر نمیرسد. طبق این پژوهش با اندازه گیری ریسک غیرسیستماتیک (با دو مدل متفاوت) با بررسی همزمان دو متغیر محدودیت آربیتراژ و توجهات محدود سرمایه گذاران که زنجیره ارتباطی آنها با متغیر های اصلی پژوهش تشریح شد، امکان اخذ تصمیم بهینه تر برای سرمایهگذاری فراهم میشود. رفع تضادهای مطالعاتی و پاسخ صریح به ارتباط بین ریسک و بازده با بررسی گشتاورهای مرتبه های بالاتر ، با توجه به نقش همزمان دو متغیر تعدیل گر اشاره به تمایز این پژوهش و نوآوری آن دارد.
با توجه به مطالب ارائه شده در این بخش سوال اصلی پژوهش این گونه مطرح می گردد که تحلیل واکنش بازده سهام به مدلهای اندازه گیری گشتاورهای ریسک غیر سیستماتیک با تعامل همزمان محدودیت آربیتراژ و توجهات محدود سرمایه گذاران چگونه است؟
مقاله حاضر به صورت زیر تدوین شده است. بخش 2 ادبیات موجود و پیشینه تجربی را مورد بحث قرار می دهد. در بخش سوم فرضیه ها و روش شناسی در بخش 4 ارائه شده است. تحلیل داده ها در بخش 5 گنجانده شده و بخش 6 در نهایت بحث و نتیجه گیری مقاله است.
بر اساس تئوری مدرن پرتفوی مطرح شدۀ مارکویتز5 (1952)، سرمایهگذاران تصمیمات سرمایهگذاری خود را براساس رابطۀ بهینه بین بازده موردانتظار و ریسک انجام میدهند که از طریق بازده و ریسک پرتفوی محاسبه میشود. بنا به اعتقاد مارکویتز (1952)، توجه به گشتاورهای بالاتر نظیر چولگی و کشیدگی بهعنوان شاخص ریسک بهجای واریانس، نتایج دقیقتری را به همراه داشت؛ مگر آنکه بنا به دلایلی مانند تقارن توزیع احتمال متغیر مورد بررسی، گشتاورهای بالاتر درنظر گرفته نشوند. از طرفی در دیدگاه رفتاری برای تبیین رابطۀ چولگی سودآوری با بازده آتی سهام از تئوری بازار کارا، یعنی تصمیمگیری عقلایی سرمایهگذاران استفاده شده است. سرمایهگذاران هنگام انتشار اخبار جدید در رابطه با جریان سودآوری پرنوسان واکنش کمتر از اندازه و نسبت به جریان سودآوری ثابت واکنش بیش از اندازه نشان میدهند. حال برای تبیین رابطۀ چولگی سودآوری با بازده آتی سهام، نمودار سودآوری در حالت چوله به راست فرض شده است؛ بدین معنی که دادههای پرت در دنبالۀ راست توزیع قرار گرفته است. در این شرایط مطابق فرض رفتاری دو حالت رخ میدهد؛ حالت نخست بدینصورت است که اگر دادههای پرت بسیار بزرگ باشد، از آنجایی که بیانگر جریان سودآوری پرنوسان است؛ درنتیجه واکنش کمتر از اندازۀ سرمایهگذاران بازده آتی بالایی را ایجاد میکند و حالت دوم بیانگر این است که دادههای پرت کوچک، نشاندهندۀ جریان سودآوری ثابت است که به واکنش بیش از اندازۀ سرمایهگذاران و نهایتاً بازده آتی بالا منجر میشود. در هر دو حالت توزیع سودآوری چوله به راست و ضریب سودآوری مثبت فرض شده است، از اینرو، مطابق فرض رفتاری رابطۀ مستقیم میان چولگی سودآوری با بازده آتی سهام حاصل میشود. درنتیجه، ممکن است سرمایهگذاران کاملاً عقلایی واکنش بیش از اندازه و یا کمتر از اندازه نشان دهند، که این بیشواکنشی و یا کمواکنشی ناشی از عدمتقارن اطلاعاتی است (یوچنگ و شو6، 2017).
بر این اساس میتوان نتیجه گرفت که میانگین و واریانس بازده سهام به تنهایی برای توصیف توزیع بازده کافی نمیباشد. توانایی صورتهای مالی جهت ارزیابی ریسک یکی از موضوعات اساسی برای محققان مالی به شمار می رود (دسینه، تاری وردی و حیدرپور، 1398). این امر باعث شد که محققان توجه خود را به گشتاور سوم و چهارم یعنی چولگی و کشیدگی معطوف نمایند. تحقیقاتی که توسط آردیتی7 (1971)، انجام گرفت نشان میدهد که سرمایهگذاران در ازای پذیرش ریسک سیستماتیک و کشیدگی بیشتر بازده بیشتری دریافت کرده و در مقابل با نگهداشتن سهام با چولگی مثبت از بخشی از بازده مورد انتظار خود صرفنظر میکنند. علاوه بر این بیان گردیده است که کشیدگی و چولگی را نمیتوان بوسیله متنوع سازی از بین برد. بسیاری از محققین اعتبار مدل قیمتگذاری داراییهای سرمایهای را با در نظر گرفتن گشتاورهای بالاتر و نیز تأثیر این گشتاورها را بر قیمت داراییها مورد مطالعه قرار دادهاند به عنوان مثال کراوس و لیتزنبرگر8 (1976)، با افزودن چولگی مدل قیمتگذاری داراییهای سرمایهای را بسط داده و به این نتیجه رسیدند که افزودن چولگی باعث افزایش قدرت تبیین مدل میشود. فرانسیس9 (1975)، نشان داد که چولگی کل در قیمت گذاری سهام تأثیری ندارد. در عین حال کراوس و لیتزنبرگر (۱۹۷۶)، بیان کردند که چولگی سیستماتیک (هم چولگی) در قیمتگذاری سهام مهم است. اخیراً، فرانگ و لای10 (1997)، به این مطلب پی بردند که سرمایهگذاران در مقابل تحمل ریسک سیستماتیک کشیدگی و چولگی اضافه بازدهی را دریافت میکنند. هوانگ و ساچل11 (1997)، گشتاورهای درجه بالاتر را به منظور تعیین اضافه بازده در بازارهای نوظهور در نظر گرفتند. میترا و لاو12 (1998)، چولگی و کشیدگی شاخص بازارهای نوظهور را با بازارهای توسعه یافته مقایسه کردند. با این وجود بسیاری از مطالعات انجام شده در این زمینه در بازارهای نوظهور بر روی شاخص بازار انجام گرفته است و بر روی خود سهام مطالعات خیلی کمی انجام گرفته است. چیائو و همکاران13 (2003)، در این زمینه در تایوان تحقیقی انجام دادند که بین بازدهی سهام و چولگی چنین رابطهای را تائید میکند. آنها به این نتیجه رسیدند که در دورههای صعودی تأثیر چولگی و کشیدگی در توصیف بازدهی سهام نسبت به دورههای نزولی بیشتر است. با توجه به اینکه سرمایهگذاران، سهام با چولگی مثبت و کشیدگی کمتر از نرمال را به سهامی که دارای چولگی منفی و کشیدگی بالاتر از نرمال هستند، ترجیح میدهند، انتظار میرود که بازده با چولگی رابطه منفی و با کشیدگی رابطه مثبت داشته باشد. تهرانی و همکاران (1387)، اظهار داشتند که چولگی نقش مهمی در توصیف بازده سهام در هر دو دوره ایفا مینمایند؛ این در حالی است که در دوره صعودی کشیدگی با بازده رابطه معنی داری دارد ولی در دوره نزولی هیچ رابطه معنی داری بین کشیدگی و بازده وجود ندارد که با توجه به مبانی نظری ارائه شده و تضاد های مطالعاتی فرضیه اول و دوم پژوهش تدوین میگردد.
با استقرار نظریه توجه محدود (کاهنمن ، 1973؛ پاشلر و جانسون، 1998)، مطالعات بسیاری برای بررسی تأثیر توجه سرمایه گذاران بر رفتار معاملات و قیمت دارایی ها آغاز شده است. در این مطالعات دریافتند که با توجه به توانایی شناختی محدود فرد، فقط سهامی كه توجه سرمایه گذاران را به خود جلب می كنند، وارد مجموعه ملاحظه انتخاب سهام سرمایه گذار خواهند شد (خو و همکاران ، 2013). بنابراین، رفتار معاملاتی آنها که تحت تأثیر «توجه محدود» قرار دارد ضعیف تر از رفتار معاملاتی سرمایه گذاران منفرد است. بنابراین، بر اساس این تجزیه و تحلیل ها و تئوری توجه محدود، معتقدیم که سرمایه گذاران انفرادی بیشتر از سرمایه گذاران نهادی به سهام با ویژگی های بارز قمار جذب می شوند و از این رو ترجیحات تجاری آشکارتری را برای سهام قرعه کشی نشان می دهند. زیانگ و همکاران (2019)، در پژوهشی با عنوان توجه سرمایه گذار نهادی و ریسک سقوط قیمت سهام نشان داده اند که شرکتها از ریسک سقوط قیمت آتی سهام در آینده بیشتر رنج خوهند برد، اگر سرمایه گذاران نهادی شان با رویدادهایی از خارج از شرکت منحرف شوند. این تاثیر برای شرکتهایی که دارای مالکیت دولتی هستند، شرکتهایی که مدیران عامل آنها از اعضای هیاتمدیره بوده و شرکتهایی با پوشش تحلیل گر کمتر بیشتر خواهد بود. این تاثیر ناشی از بیتوجهی سرمایه گذاران نهادی بلندمدت است، نه سرمایه گذاران نهادی موقت. از طرفی در دهه 1970، رأس تئوری قیمتگذاری آربیتراژ را پایهگذاری کرد. مفهوم اساسی در نظریه قیمتگذاری آربیتراژ، وجود یک قیمت است، یعنی دو سهمی که ریسک و بازدهی مشابه دارند، نمیتوانند در قیمتهای متفاوت فروخته شوند. تئوري قيمت گذاري آربيتراژ پـيش بيني میکند كـه اخبار عمومي بر نرخ بازدهي همه سهام، اما به ميزان متفاوتي اثر میگذارد. اما مالی سنتی نشان می دهد که بازده سهام بستگی به سطح مقطع ریسک سیستماتیک دارد و نقش عوامل غیر منطقی توسط آربیتراژگران منطقی جبران خواهد شد. از منظر ظهور ناهنجاریها، علاوه بر پیگیری های سرمایه گذاران در خصوص چولگی مثبت سهام، محدودیت های آربیتراژ نیز منجر به ارزش گذاری بیش از حد خواهد شد. به دلیل وجود محدودیت های آربیتراژ در بازار، ارزش گذاری نادرست بیش از حد سهام، نمی تواند فوراً اصلاح شود. در عوض، بازده مثبت کوتاه مدت که ناشی از ارزشگذاری بیش از حد آن است، گرایش مردم به قمار را تشدید می کند و باعث می شود تا سرمایه گذاران بیشتری را برای تعقیب این سهام جذب شده و در نهایت، درجه بیشتری از بازده منفی آتی را ایجاد کند. بنابراین هنگامی که سهامی با محدودیت های بالاتر در مورد آربیتراژ مواجه می شوند، بیش از حد ارزشمند ارزیابی می شوند و صرف منفی متعاقب عدم تقارن بالا در بین سهام هایی که دارای محدودیت های بالاتر برای آربیتراژ هستند، چشمگیر تر خواهد بود. به دلیل محدودیت های مختلف آربیتراژ در دنیای واقعی، رفتارهای آربیتراژ همیشه به طور کامل انجام نمی شوند. بنابراین، برای سهامی با محدودیت بالاتر آربیتراژ، به راحتی نمی توان این ناهنجاری را بلافاصله اصلاح کرد، که از این رو این مسئله تداوم بیشتری خواهد داشت (گو و همکاران ، 2016). این دیدگاه نشان می دهد که محدودیت های آربیتراژ ممکن است ناکارآمدی و تداوم فضای قمار در بورس سهام را تشدید کند. بر این اساس، محدودیت های آربیتراژ نه تنها ظاهر ناهنجاری های قمار را تشدید می کند بلکه تداوم آنها را تشدید می کند. انتقادهاي وارد شده بر مدل قيمت گذاري دارايي هاي سرمايه اي در دهه هاي قبل، چهره اين مدل را كه بنيان آن بر نظريه بازار سرمايه استوار است، خدشه دار نمود. دليل اصلي اين انتقادها مفروضات محدود كننده اي است كه نظريه بر آن استوار مي باشد. با توجه به مبانی نظری ارائه شده فرضیه سوم پژوهش تدوین میگردد.
در داخل کشور در این زمینه خیری و همکاران (1399)، در پژوهشی با عنوان بیانیه سود، واکنش قیمت سهام و بازده بازار نشان دادند که بازار سهام تحمل فرضیههای بازار کارآمد نیمه قدرتمند را ندارد. بازار با انعکاس شواهدی از بازده غیر طبیعی قابل توجه، و انحراف پس از بیانیه سود در پیرامون تاریخهای بیانیه سود، بسیار کارآمد نشان داده می شود. نتایج قنبری مروست و همکاران (1399)، در بررسی عملکرد نظریه قیمت گذاری آربیتراژ و مدل سه عاملی فاما و فرنچ نشان دهنده برتری نسبی مدل فاما و فرنچ می باشد. حمیدی زاده و همکاران (1398)، در بررسی تاثیر شکاف قیمت بازار سهام بر واکنش بازده سهام به سود شرکتها، عدم تاثیر شکاف قیمت سهام بر رابطه بین سود و بازده سهام، سود و بازده غیرعادی سهام و سود و بازده غیرعادی انباشته سهام را نشان دادند. محمدی و آسیما (1398)، در بررسی قیمتگذاری ریسک غیرسیستماتیک از طریق تبیین ریسک آربیتراژ نشان میدهند که با در نظرگرفتن ریسک آربیتراژ، رابطه میان ریسک غیرسیستماتیک و بازده موردانتظار منفی و معنیدار است. صیادی (1398)، در بررسی رابطه بین خطای پیشبینی سود مدیریت با بازده غیر سهام و ریسک سیستماتیک بیانگر وجود یک رابطه مثبت خطی معنادار بین دو عامل خطای پیشبینی سود و بازده غیرعادی سهام و نبود رابطه خطی بین خطای پیشبینی سود و ریسک سیستماتیک می باشند. هاشمی و همکاران (1397)، در بررسی تاثیر چولگی سودآوری بر پیشبینی بازده سهام نشان میدهند که چولگی سودآوری با در نظر گرفتن سه معیار : سود ناخالص، نسبت سود هر سهم به قیمت و سود خالص بر بازده آتی سهام تاثیر معنادار دارد. رستمی و همکاران (1395)، در پژوهشی با عنوان تحليل رابطه ريسک غيرسيستماتيک و بازده سهام مبتني بر رگرسيون چندک و رهيافت بيزي دریافتند رابطه در چندک هاي پايين ناهمسو، در چندک هاي بالا همسو بوده و در ميانه توزيع رابطه اي مشاهده نميشود. اين نتيجه دلالت بر آن دارد که رابطه غيرخطي و مبتني بر توزيع بازده است. عبدالباقی و سهرابی (1394)، در پژوهشی با عنوان شوکهای ریسک غیر سیستماتیک و بازده مورد انتظار نشان دهنده عدم وجود رابطه معناداری بین ریسک غیر سیستماتیک و بازده است که این امر نشانه تصادفی بودن ریسک غیر سیستماتیک ویژه صنعت میباشند. تهرانی و همکاران (1387)، در بررسي تأثیر چولگي و كشيدگي در توصيف بازده سهام با استفاده از مدل قيمتگذاري داراییهای سرمایهای و مدل سه عاملي فاما و فرنچ دریافتند بر اساس مدل قيمت گذاري داراییهای سرمایهای چولگي نقش مهمي در توصيف بازده سهام در هر دو دوره ايفا مینماید؛ در دوره صعودي كشيدگي با بازده رابطه معنيداري دارد ولي در دوره نزولي هيچ رابطه معنيداري بين كشيدگي و بازده وجود ندارد. اين در حالی است كه در مدل سه عاملي فاما و فرنچ به دلیل حضور عوامل اضافي شامل نسبت ارزش دفتري به ارزش بازار و اندازه، اين ضرايب در هیچکدام از دورهها معني دار نمیباشند.
در خارج از کشور نیز چو و همکاران14 (2020)، در پژوهشی با عنوان اثر علی محدودیتهای آربیتراژ بر ناهنجاریهای قیمتگذاری دارایی و بازده سهام دریافتند که ناهنجاری های موجود در پرتفوی های ساخته شده با سهام آزمایشی در دوره آزمایشی ضعیف تر میشوند و برنامه آزمایشی، بازده ترکیبی بلند مدت و کوتاه مدت را 72 واحد پایه در هر ماه کاهش داد. کیم و همکاران15 (2019)، در بررسی تاثیر ریسک اطلاعات بر رفتار تجاری سهامداران دریافتند سرمایهگذاران در شرکتهای با کیفیت پایین اقلام تعهدی فروش خالص خود را افزایش میدهند. به بیان بهتر فروش خالص سرمایهگذاران با کیفیت اقلام تعهدی احتیاطی و ذاتی مرتبط است. این ارتباط برای سرمایهگذاران خارجی قویتر از سرمایهگذاران داخلی می باشد و این غالبا در شرایط مطلوب اقتصاد کلان مشاهده می گردد. نسیم و همکاران16 (2016) در تحقیقی با عنوان نوسانات ویژه و بازده سهام دریافتند که یک رابطه قوی بین ریسک ویژه و بازده سهام مورد انتظار وجود دارد. برگران و همکاران17 (2016) در تحقیقی با عنوان ریسک غیرسیستماتیک و بازده سهام دریافتند ریسک ویژه پیش بینی کننده بازده در کل دوره و یا در طول ماه نوسانات بالا و یا پایین در بازار یکپارچه نیست. همچنین عدم تأثیر ریسک غیرسیستماتیک در یک محیط چند متغیره منجر به اشتباهات در متغیرهای رگرسیون میشود. الرحاله و همکاران18 (۲۰۱۶)، به بررسی مثبت یا منفی بودن رابطه ریسک غیرسیستماتیک و بازده در بازار سهام سنگاپور پرداختند و دریافتند که نوسانات غیرسیستماتیک بالا به بازده بالا منجر شده است. به این معنا که دارندگان سهام با نوسانات غیرسیستماتیک بالاتر، پاداش بیشتری دریافت می کنند؛ همچنین یافته ها نشان می دهد که رابطه اندازه شرکت و ریسک غیرسیستماتیک منفی است. کانگ و همکاران19 (2015)، در بررسی ارتباط بین ریسک اطلاعاتی حسابداری با هزینه پیشبینی شده برآورد سرمایه سهام دریافتند که اطلاعات حسابداری در هزینه پیشبینی شده سرمایه سهام در کشورهایی با زیرساختهای حقوقی و اقتصادی قوی به خوبی بکار رفته است ولی در کشورهایی که چنین زیرساختی ندارند، این چنین نیست.
چوآ و همکاران20 (2010)، در تحقیقی با عنوان بازده مورد انتظار و نوسانپذیری ویژه به وجود رابطه مثبت معنادار نوسان پذیری غیرسیستماتیک و بازده مورد انتظار پی بردند که ناشی از رابطه آن با بازده غیرمنتظره است. به علاوه، دو عامل نوسانهای غیرسیستماتیک مورد انتظار و نوسانهای غیرسیستماتیک غیرمنتظره همچنان معنادار است. جی بالی و کاکیچی21 (۲۰۰۸) در بررسی رابطه مقطعی بین نوسانات ویژه و بازده مورد انتظار سهام نشان دادند که رابطه قوی معنی داری بین نوسانات ویژه و بازده مورد انتظار وجود دارد. آنها طیف گستردهای از آزمونهای آماری را مورد استفاده قرار دادند و ثابت کردند نوسانات ویژه ماهانه پروکسی دقیقتری نسبت به نوسانات ویژه روزانه برای نوسانات مورد انتظار آینده فراهم میکند و با اطمینان نتیجه گیری کردند که ریسک ویژه به طور منفی با بازده مورد انتظار آینده رابطه ندارد. آنگ و همکاران22 (۲۰۰۶)، با بررسی رابطه میانگین بازده و نوسان پذیری غیر سیستماتیک نشان دادند، سهام با نوسانهای غیر سیستماتیک بالا، از بازده پایینی برخوردار است. آنها این آزمون را با کنترل اثرات اندازه، نسبت ارزش دفتری به ارزش بازار، مومنتوم و نقد شوندگی نیز انجام دادند و دریافتند، نتایج فوق کماکان برقرار است. مالکیل و زوو23 (۲۰۰۶)، در بررسی رابطه بازده و نوسانپذیری غیر سیستماتیک در بازار سهام ایالات متحده و ژاپن دریافتند نوسانهای غیر سیستماتیک از قدرت توضیح دهندگی بیشتری نسبت به هر کدام از معیارهای بتا و اندازه شرکت برخوردار است.
3- فرضیههای پژوهش
با توجه به عنوان پژوهش و چارچوب نظری فرضیه پژوهش به صورت زیر ارائه میگردد:
فرضیه 1 : با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل قیمتگذاری داراییهای سرمایه ای، بازده آتی سهام کاهش می یابد.
فرضیه 2: با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل پنج عاملی فاما و فرنچ، بازده آتی سهام کاهش می یابد.
فرضیه 3: تاثیر گشتاورهای ریسک غیرسیستماتیک بر بازده آتی سهام با افزایش همزمان توجهات محدود سهامداران و محدودیت های آربیتراژ تشدید می شود.
4- روششناسی پژوهش
1-4. جامعه آماری و انتخاب نمونه
جامعه آماری، این پژوهش شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد که طی سالهای 1391 الي 1398 در بورس اوراق بهادار تهران حضور داشتهاند که بر اساس روش حذف سیستماتیک تعداد 152 شرکت به عنوان نمونه آماری پژوهش جهت آزمون فرضیه آماري انتخاب شده است.
2-4. مدل و متغیرهای پژوهش
جهت اظهار نظر درباره فرضیه اول پژوهش مدل رگرسیونی (1) و (2) برای گشتاورهای ریسک غیرسیستماتیک بالا و پایین تخمین زده میشود:
(1) |
|
(2) |
|
H0: ɑ1, α2≤0
H1:( ɑ1, α2) high,t < (ɑ1, α2) ligh,t
H0: ɑ1, α2≤0
H1:( ɑ1, α2) high,t < (ɑ1, α2) ligh,t
جهت اظهار نظر درباره فرضیه دوم پژوهش مدل رگرسیونی (4) و (5) برای گشتاورهای ریسک غیرسیستماتیک بالا و پایین تخمین زده میشود:
(4) |
|
(5) |
|
H0: ɑ1, α2≤0
H1:( ɑ1, α2) high,t < (ɑ1, α2) ligh,t
جهت اظهار نظر درباره فرضیه سوم پژوهش به مدل رگرسیونی فوق متغیرهای تعدیل گر محاسبه و افزوده شد.
مدل رگرسیونی سطح بالای محدودیت آربیتراژ و توجهات محدود سهامداران
(6)
مدل رگرسیونی سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران
(7)
H0: ɑ1, α2≤0
H1:( ɑ1, α2) high,t < (ɑ1, α2) ligh,t
مدل رگرسیونی سطح بالای محدودیت آربیتراژ و توجهات محدود سهامداران
(8)
مدل رگرسیونی سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران
(9)
H0: ɑ1, α2≤0
H1:( ɑ1, α2) high,t < (ɑ1, α2) ligh,t
جهت بررسی این فرضیه؛ابتدا شرکتها را به چهار دسته شرکتهای با سطح محدودیت آربیتراژ بالا(نیمه بالاتر از میانه نمونه) و شرکتهای با سطح پایین محدودیت آربیتراژ(نیمه پایین تر از میانه نمونه) و نیز شرکتهای با سطح بالای توجهات محدود سهامداران (نیمه بالاتر از میانه نمونه) و شرکتهای با سطح پایین توجهات محدود سهامداران (نیمه پایینتر از میانه نمونه) تقسیم میکنیم؛سپس شرکتهایی را که همزمان در سطح بالای محدودیت آربیتراژ و سطح بالای توجهات محدود سهامداران میباشند،را به عنوان شرکتهایی که همزمان توجهات محدود سهامداران و محدودیتهای آربیتراژ بالا دارند انتخاب و به همین ترتیب شرکتهایی را که همزمان در سطح پایین محدودیت آربیتراژ و سطح پایین توجهات محدود سهامداران میباشند،را به عنوان شرکتهایی که همزمان توجهات محدود سهامداران و محدودیتهای آربیتراژ پایین دارند؛انتخاب می گردند؛ سپس مدلهای مربوط به فرضیات اول و دوم به صورت مجزا در دو سطح شرکتهای با سطح محدودیت آربیتراژ و توجهات محدود سهامداران بالا و شرکتهای با سطح پایین محدودیت آربیتراژ و سطح پایین توجهات محدود سهامداران به صورت مجزا تخمین زده و نتایج با یکدیگر مقایسه میشود.
در مدل های مذکور داریم:
:بازده آتی سهام (متغیر وابسته)
بازده های واقعی، از نرم افزار «ره آورد» استخراج خواهند شد. در این نرم افزار جهت محاسبه بازده های سهام روزانه از رابطه (10) استفاده شده است:
(10) |
|
α = درصد افزایش سرمایه؛ = P t+1قیمت در زمان t+1؛ = P tقیمت در زمان t؛ D = سود نقدی پرداخت شده؛ : بازده بدون ریسک که در این تحقیق از نرخ سود اوراق مشارکت بانک مرکزي به عنوان نرخ بازده بدون ریسک استفاده می شود.
: فاکتورهای اندازه گیری گشتاور های ریسک غیرسیستماتیک (متغیر مستقل):
در این پژوهش منظور از گشتاورهای ریسک غیرسیستماتیک؛ چولگی و کشیدگی ریسک غیرسیستماتیک می باشد که به شرح زیر اندازه گیری می شود:
Skew: چولگی ریسک غیرسیستماتیک؛ براي محاسبه ي ضریب چولگی از فرمول (11) استفاده میشود که به محاسبهي ضریب چولگی به طریقه گشتاورها معروف است:
(11) |
|
(12) |
|
بنابراین بر اساس فرمول چولگی، چولگی ریسک غیرسیستماتیک به صورت مدل (13) اندازه گیری میشود:
(13) |
|
SKEW : چولگی ریسک غیرسیستماتیک شرکت i در سال t؛ تعداد روزهایی که بازده آنها محاسبه شده است؛ میانگین ریسک غیرسیستماتیک شرکت i در سال t ؛ ریسک غیرسیستماتیک شرکت i در روز θ
کشیدگی همان مقدار اوج یا بلندي را نسبت به توزیع نرمال نشان مـیدهد که در این پژوهش براي محاسبه ي ضریب کشیدگی هر پرتفوي از فرمول (14) استفاده می شـود:
(14) |
|
(15) |
|
بنابراین بر اساس فرمول کشیدگی، کشیدگی ریسک غیرسیستماتیک به صورت زیر اندازه گیری می شود:
(16) |
|
:کشیدگی ریسک غیرسیستماتیک؛ میانگین ریسک غیر سیستماتیک شرکت i در سال t ؛ ریسک سیستماتیک شرکت i در روز θ؛ تعداد روزهایی که بازده آنها محاسبه شده است. برای محاسبه ریسک غیر سیستماتیک نیز داریم:
در پژوهش حاضر با دو مدل مطرح شده، ریسک غیر سیستماتیک اندازه گیری می شود:
1- مدل قیمت گذاری دارایی های سرمایه ای: در ابتدا براي محاسبه ریسک، از رابطه قیمت گذاري داراییهاي سرمایه اي در مدل (17) استفاده شده است:
(17) |
|
Rm: بازده پرتفوي بازار؛ بازده داراییهاي بدون ریسک؛ Βi: ریسک سیستماتیک؛ بازده مورد انتظار داراییهاي iبا تخمین رابطه مذکور،β به عنوان معیار ریسک سیستماتیک استخراج میشود و خطاها نیز به عنوان معیار ریسک غیرسیستماتیک در نظر گرفته شده است (طالب نیا و همکاران، 1394).
2- مدل پنج عامله فاما و فرنچ که در مدل (18) ارائه شده است:
(18) | Ri,t- Rf,t= α1 +β1(Rm,t- Rf,t) +β2SMBi,t+β3HMLi,t+β4RMWi,t+β5CMAi,t+€ |
Ri,t:نرخ بازده ورقه بهادار یا پرتفوی در دورهt؛ Rf,t:نرخ بازده بدون ریسک، Rm,t:عامل بازار، SMBi,t:عامل اندازه؛ HMLi,t:عامل ارزش دفتری به بازار؛ RMWi,t:عامل سودآوری که از تفاوت بین بازده سهام شرکتها با سودآوری بالا و سهام شرکتها با سودآوری کم به دست می آید.
CMAi,t:عامل سرمایه گذاری که از تفاوت بین بازده سهام شرکتها با سرمایه گذاری بالا و سهام شرکتهای با سرمایه گذاری پایین به دست می آید.:به ترتیب واکنش عوامل بازار، اندازه، ارزش دفتری به بازار، سودآوری و سرمایه گذاری پرتفوی iو بازده خاص دارایی پرتفوی i با میانگین صفر میباشند. در پژوهش آنـگ و همكـاران (2006)ريسك غيرسيسـتماتيك به صـورت پسماندهاي حاصل از مدل سه عاملي فاما و فرنچ در نظر گرفته شده است. با الهام از آنها در اين پژوهش، ريسك غيرسيستماتيك، پسماندهاي حاصل از مدل پنج عاملي فاما و فرنچ در نظر گرفته شده است (حزبی و همکاران، 1395).
متغیرهای کنترلی:
الف- اندازه شرکت: برابر است با لگاریتم طبیعی ارزش بازار سهام. ب- ارزش دفتری به ارزش بازار سهام.
متغیرهای تعدیلگر:
بر اساس پژوهش چنگ و همکاران (2019) بی توجهی سهامداران نهادی(توجه محدود)؛ از طریق رابطه (19) محاسبه می شود:
(19) |
|
J : jامین سهامداران نهادی شرکت i در دوره t-1 Nt−1 : تعداد سهامداران نهادی شرکت i در دوره t-1
:متغیر دامی است که برابر است با یک در صورتی که صنعت مذکور در بین صنایع نمونه دارای قدر مطلق بیشترین بازده باشد و در غیر این صورت برابر است با صفر.
:ضریب اهمیت سرمایه گذار نهادی (ارزش بازار سهام )در صنعت برای سهامدار j در دوره t-1
· : ضریب اهمیت سرمایه گذار نهادی (ارزش بازار سهام )در سطح شرکت در دوره t-1 که به صورت مدل (20) محاسبه می شود:
(20) |
|
: درصد سهام نگهداری شده توسط سهامدار نهادی j در شرکت i
: ارزش بازار پرتفوی(وزن) سهامدار نهادی j در شرکت i
: رتبه بندی بر اساس دهک(از یک تا 10)برای شاخص
: رتبه بندی بر اساس دهک(از یک تا 10)برای شاخص (چنگ و همکاران، 2019).
در بررسی فعالیت آربیتراژ بر اساس پژوهش چان و همکاران (2017) از 3 معیار برای پروکسی هزینه معاملات آربیتراژ استفاده میگردد، این سه معیار مشتمل بر شاخصهای آمیهود (2002) نقدشوندگی (ILLIQ)، قیمت سهام (PRICE)و شکاف قیمت پیشنهادی خرید و فروش (BIDASK)، میباشد.به طور خلاصه، بالا بودن شاخص نقدشوندگی آمیهود (نقدشوندگی پایین) و شکاف قیمتی و همچنین پایین بودن قیمت سهام یک شرکت، آربیتراژ را برای شرکت سخت تر کرده و منجر به افزایش محدودیت در آربیتراژ می گردند.
1) شاخص نقد شوندگی آمیهود24 (2002) که در مدل (21) ارائه شده است:
(21) |
|
: حجم ریالی معاملات در روز t ؛ : بازده شرکت در روز t
معیارهای دوم و سوم قیمت سهام و شکاف قیمتی میباشند. مطالعات نشان می دهند که قیمت سهام یک ارتباط منفی با شکاف قیمت پیشنهادی خرید و فروش دارد. از آنجا که شکاف قیمتی یک اندازهگیری مشترک از هزینه معاملات میباشد، در این پژوهش از هر دو معیار قیمت سهام و شکاف قیمتی به عنوان پروکسیهای هزینه معاملات استفاده شده است:
2) قیمت هر سهم در زمان بسته شدن (PRICEit)
3) شکاف قیمتی (BIDASKit): از طریق مدل (22) محاسبه میشود:
(22) |
|
bid: میانگین قیمت پیشنهادی خرید سهام شرکت i در دورۀ t ؛ ask: میانگین قیمت پیشنهادی فروش سهام شرکت i در دورۀ t ؛ price: قیمت هر سهم در زمان بسته شدن.
"پس از محاسبه سه فاکتور مذکور،بر اساس روش تجزیه و تحلیل مولفههای اصلی،یک شاخص برای آن استخراج میگردد؛و سپس بر اساس خاصیت میانه به دو نیم تقسیم میکنیم؛نیمه بالاتر از میانه دادههای با هزینه معاملات آربیتراژ بالا و نیمه پایین تر از میانه داده های با هزینه معاملات آربیتراژ پایین می باشد. " (چان و همکاران، 2017)
5- تحلیل دادههای پژوهش
این قسمت مشتمل بر دو گفتار اصلی است: گفتار نخست به آمار توصیفی اختصاص دارد که در آن داده های پژوهشی با استفاده از شاخص های مرکزی و پراکندگی تشریح می گردند. در گفتار دوم نیز پس از تعیین الگوی داده های مورد بررسی و آزمون فرضیات مدل های رگرسیونی و اطمینان از برقراری آنها معادله رگرسیون برازش گردیده و فرضیه های پژوهش مورد آزمون قرار می گیرند
1-5 یافته های توصیفی
جدول 1- شاخص های آمار توصیفی متغیرهای پژوهش برای گشتاورهای ریسک غیرسیستماتیک بالا
عنوان متغیرها شاخصهای توصیفی | بازده آتی سهام | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | اندازه شرکت | ارزش دفتری به ارزش بازار سهام |
Rit+1_Rft | IS SKEW | IS KURT | IS SKEW5 | IS KURT5 | SIZE | BM | |
میانگین | 1/2780 | 0/9594 | 0/0891 | 0/7435 | 0/1070 | 14/565 | 0/3360 |
میانه | 1/3176 | 0/9151 | -0/3755 | 0/7318 | -0/1919 | 14/317 | 0/2539 |
ماکسیمم | 3/4900 | 2/1322 | 2/7905 | 2/2042 | 2/9838 | 20/688 | 3/8946 |
مینیمم | -0/8500 | -0/5158 | -1/6383 | -1/4454 | -1/6258 | 10/616 | 0/0032 |
انحراف معیار | 0/8537 | 0/6454 | 1/2494 | 0/7853 | 1/2245 | 1/6972 | 0/3313 |
چولگی | -0/1038 | 0/0045 | 0/8699 | -0/1630 | 0/7403 | 0/5756 | 4/0201 |
کشیدگی | 2/7013 | 2/4637 | 2/4607 | 2/7358 | 2/6670 | 3/3556 | 31/697 |
مشاهدات | 608 | 608 | 608 | 608 | 608 | 608 | 608 |
منبع: (یافتههای پژوهشگر)
جدول 2- شاخص های آمار توصیفی متغیرهای پژوهش برای گشتاورهای ریسک غیرسیستماتیک پایین
عنوان متغیرها شاخصهای توصیفی | بازده آتی سهام | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | اندازه شرکت | ارزش دفتری به ارزش بازار سهام |
Rit+1_Rft | IS SKEW | IS KURT | IS SKEW5 | IS KURT5 | SIZE | BM | |
میانگین | 0/9642 | 0/8495 | -0/0336 | 0/4289 | -0/1398 | 14/248 | 0/4827 |
میانه | 1/0235 | 0/8297 | -0/3710 | 0/4190 | -0/3895 | 14/016 | 0/3901 |
ماکسیمم | 3/5400 | 2/1169 | 2/7731 | 2/2042 | 2/9838 | 19/189 | 4/0317 |
مینیمم | -0/8573 | -0/5158 | -1/6383 | -1/4454 | -1/6258 | 10/132 | 0/0104 |
انحراف معیار | 0/8098 | 0/6326 | 1/1328 | 0/7747 | 1/0428 | 1/6022 | 0/4022 |
چولگی | 0/0038 | 0/0571 | 0/9372 | -0/1196 | 0/7968 | 0/6186 | 2/8331 |
کشیدگی | 2/6657 | 2/3490 | 2/7753 | 2/8182 | 3/1006 | 3/3207 | 17/261 |
مشاهدات | 608 | 608 | 608 | 608 | 608 | 608 | 608 |
منبع: (یافتههای پژوهشگر)
جدول 3- شاخص های آمار توصیفی متغیرهای پژوهش با سطح محدودیت آربیتراژ بالا و نیز با سطح بالای توجهات محدود سهامداران
عنوان متغیرها شاخصهای توصیفی | بازده آتی سهام | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | اندازه شرکت | ارزش دفتری به ارزش بازار سهام |
Rit+1_Rft | IS SKEW | IS KURT | IS SKEW5 | IS KURT5 | SIZE | BM | |
میانگین | 1/1115 | 0/8668 | -0/0784 | 0/5757 | -0/0579 | 14/401 | 0/4208 |
میانه | 1/1300 | 0/8885 | -0/4351 | 0/6121 | -0/2101 | 13/895 | 0/3529 |
ماکسیمم | 3/3787 | 2/1322 | 2/7905 | 2/1850 | 2/9213 | 20/688 | 3/8946 |
مینیمم | -0/8500 | -0/5158 | -1/6383 | -1/4454 | -1/6258 | 10/765 | 0/0032 |
انحراف معیار | 0/9402 | 0/6238 | 1/1016 | 0/7819 | 1/0655 | 1/8179 | 0/3886 |
چولگی | 0/0340 | -0/1820 | 0/9007 | -0/4249 | 0/6034 | 0/7490 | 3/5176 |
کشیدگی | 2/3494 | 2/5675 | 2/7395 | 3/1245 | 2/8596 | 3/3676 | 27/274 |
مشاهدات | 268 | 268 | 268 | 268 | 268 | 268 | 268 |
منبع: (یافتههای پژوهشگر)
جدول 4- شاخص های آمار توصیفی متغیرهای پژوهش با سطح محدودیت آربیتراژ پایین و نیز با سطح پایین توجهات محدود سهامداران
عنوان متغیرها شاخصهای توصیفی | بازده آتی سهام | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | گشتاورریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | گشتاورریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | اندازه شرکت | ارزش دفتری به ارزش بازار سهام |
Rit+1_Rft | IS SKEW | IS KURT | IS SKEW5 | IS KURT5 | SIZE | BM | |
میانگین | 1/1114 | 1/0300 | 0/2842 | 0/6883 | 0/0597 | 14/307 | 0/3641 |
میانه | 1/2100 | 0/9430 | -0/2045 | 0/5533 | -0/3051 | 14/249 | 0/2906 |
ماکسیمم | 3/2800 | 2/1322 | 2/7905 | 2/2042 | 2/9838 | 18/524 | 2/3507 |
مینیمم | -0/7417 | -0/4942 | -1/6383 | -1/4454 | -1/5846 | 11/088 | 0/0375 |
انحراف معیار | 0/6362 | 0/6554 | 1/3093 | 0/7656 | 1/2324 | 1/3000 | 0/2886 |
چولگی | -0/2722 | 0/0556 | 0/6700 | 0/1196 | 0/7712 | 0/3226 | 3/4577 |
کشیدگی | 3/1335 | 2/0913 | 2/0113 | 2/4781 | 2/6035 | 3/1318 | 20/725 |
مشاهدات | 268 | 268 | 268 | 268 | 268 | 268 | 268 |
منبع: (یافتههای پژوهشگر)
2-5. آزمون پایایی متغيرهاي پژوهش
جهت بررسی پایایی متغیرها، از آزمونهاي ريشهي واحد ديکي فولرتعميم استفاده شده که نتایج در جدول (5)، ارائه گردیده است:
جدول 5- نتايج آزمون ریشه واحد دیکی فولرتعمیم یافته
مقادیر بحرانی در سطوح اطمینان مختلف | آماره دیکیفولر | متغیر علامت اختصاری | |||||
1درصد | 5درصد | 10درصد | |||||
-3/44092 | -2/86609 | -2/56925 | -10/6307 | Rit+1_Rft | بازده آتی سهام | گشتاورهای ریسک غیرسیستماتیک بالا | |
-3/44089 | -2/86608 | -2/56924 | -9/07548 | IS SKEW | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | ||
-3/44089 | -2/86608 | -2/56924 | -8/75857 | IS KURT | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | ||
-3/44089 | -2/86608 | -2/56924 | -9/07293 | IS SKEW5 | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | ||
-3/44089 | -2/86608 | -2/56924 | -8/79865 | IS KURT5 | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | ||
-3/44091 | -2/86609 | -2/56925 | -11/0101 | SIZE | اندازه شرکت | ||
-3/44089 | -2/86608 | -2/56924 | -24/0833 | BM | ارزش دفتری به ارزش بازار سهام | ||
-3/44091 | -2/86609 | -2/56925 | -11/4633 | Rit+1_Rft | بازده آتی سهام | گشتاورهای ریسک غیرسیستماتیک پایین | |
-3/44089 | -2/86608 | -2/56924 | -7/83712 | IS SKEW | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدلCAPM | ||
-3/44089 | -2/86608 | -2/56924 | -7/88250 | IS KURT | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | ||
-3/44091 | -2/86609 | -2/56925 | -8/27165 | IS SKEW5 | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | ||
-3/44089 | -2/86608 | -2/56924 | -9/23804 | IS KURT5 | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدلFF5 | ||
-3/44091 | -2/86609 | -2/56925 | -8/94222 | SIZE | اندازه شرکت | ||
-3/44089 | -2/86608 | -2/56924 | -21/7334 | BM | ارزش دفتری به ارزش بازار سهام |
منبع: (یافتههای پژوهشگر)
-3/45490 | -2/87224 | -2/57254 | -14/9475 | Rit+1_Rft | بازده آتی سهام | محدودیت آربیتراژ بالا و نیز با سطح بالای توجهات محدود سهامداران |
-3/45490 | -2/87224 | -2/57254 | -8/13894 | IS SKEW | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | |
-3/45490 | -2/87224 | -2/57254 | -8/30748 | IS KURT | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | |
-3/45490 | -2/87224 | -2/57254 | -8/01380 | IS SKEW5 | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدلFF5 | |
-3/45490 | -2/87224 | -2/57254 | -9/14813 | IS KURT5 | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | |
-3/45500 | -2/87228 | -2/57257 | -7/74883 | SIZE | اندازه شرکت | |
-3/45490 | -2/87224 | -2/57254 | -17/3666 | BM | ارزش دفتری به ارزش بازار سهام | |
-3/45490 | -2/87224 | -2/57254 | -10/2326 | Rit+1_Rft | بازده آتی سهام | سطح محدودیت آربیتراژ پایین و نیز با سطح پایین توجهات محدود سهامداران |
-3/45490 | -2/87224 | -2/57254 | -7/74082 | IS SKEW | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدلCAPM | |
-3/45490 | -2/87224 | -2/57254 | -7/63170 | IS KURT | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | |
-3/45500 | -2/87228 | -2/57257 | -8/617414 | IS SKEW5 | گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | |
-3/45490 | -2/87224 | -2/57254 | -7/37119 | IS KURT5 | گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | |
-3/45490 | -2/87224 | -2/57254 | -9/37152 | SIZE | اندازه شرکت | |
-3/45490 | -2/87224 | -2/57254 | -14/1530 | BM | ارزش دفتری به ارزش بازار سهام |
براساس مقادیر ارائه شده در جدول (5)، قدر مطلق آماره دیکی فولر از تمامی مقادیر بحرانی در سطوح اطمینان مختلف بیشتر است در نتیجه تمامی متغیرها در سطح مانا هستند اين بدان معني است که ميانگين و واريانس متغيرها در طول زمان و کوواريانس متغيرها مختلف ثابت بوده است. در نتيجه استفاده از اين متغيرها در مدل باعث به وجود آمدن رگرسيون کاذب نمي شود.
2-5. ثابت بودن واریانس جمله خطا (باقیمانده ها)
جهت بررسی ناهمسانی واریانس باقیمانده ها، از آزمون وایت استفاده شده که نتایج در جدول (6)، ارائه گردیده است:
جدول 6- نتايج آزمون وایت
ردیف | نوع آماره | مقدار آماره | احتمال | ||
فرضیه 1 | گشتاورهای ریسک غیرسیستماتیک پایین | آماره F | 1/121207 | 0/2627 | |
گشتاورهای ریسک غیرسیستماتیک بالا | آماره F | 1/307172 | 0/1917 | ||
فرضیه 2 | گشتاورهای ریسک غیرسیستماتیک پایین | آماره F | 1/401931 | 0/1615 | |
گشتاورهای ریسک غیرسیستماتیک بالا | آماره F | 1/051582 | 0/2934 | ||
فرضیه 3 | سطح محدودیت آربیتراژ بالا با سطح بالای توجهات محدود سهامداران | CAPM | آماره F | 1/244432 | 0/2145 |
FF5 | 0/874923 | 0/3824 | |||
سطح محدودیت آربیتراژ پایین با سطح پایین توجهات محدود سهامداران | CAPM | آماره F | 1/529371 | 0/1138 | |
FF5 | 0/747721 | 0/4553 |
منبع: (یافتههای پژوهشگر)
بر اساس مقادیر ارائه شده در جدول (6)، در این آزمون فرض بر ناهمسانی واریانس باقیمانده ها است که با توجه به جدول فوق سطح معنی داری آماره F برای فرضیه های پژوهش بیشتر از 5% است وفرض ما مبنی بر وجود همسانی واریانس در فرضیه های پژوهش پذیرفته می شود.
براساس سایر آزمون ها خود همبستگی در فرضیه ها وجود نداشت. همچنین بین متغیرهای مستقل همبستگی وجود نداشت و متغیر بازده آتی سهام از توزیع نرمال برخوردارمی باشد.
3-5. خلاصه تجزیه و تحلیل فرضیه پژوهش
نتایج حاصل از فرضیه اول پژوهش در جدول (7) ارائه شده است:
جدول 7- خلاصه نتایج الگوی 1 با استفاده از روش مقطعی
|
| گشتاورهای ریسک غیرسیستماتیک بالا | گشتاورهای ریسک غیرسیستماتیک پایین | ||||||||||
ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ||||||
عرض از مبدأ | α0 | -3/601 | 0/2385 | -15/097 | 0/0000 | -2/8517 | 0/2620 | -10/882 | 0/0000 | ||||
گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | IS SKEW | -0/5877 | 0/0804 | -7/3087 | 0/0000 | -0/4880 | 0/0877 | -5/5600 | 0/0000 | ||||
گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | IS KURT | -0/1923 | 0/0414 | -4/6466 | 0/0000 | -0/1668 | 0/0486 | -3/4290 | 0/0006 | ||||
اندازه شرکت | SIZE | 0/3242 | 0/0143 | 22/580 | 0/0000 | 0/2586 | 0/0159 | 16/190 | 0/0000 | ||||
ارزش دفتری به ارزش بازار سهام | BM | -0/6334 | 0/0725 | -8/7334 | 0/0000 | -0/6010 | 0/0634 | -9/4701 | 0/0000 | ||||
ضریب تعیین | 0/596904 | 0/455286 | |||||||||||
ضریب تعیین تعدیل شده | 0/594230 | 0/451672 | |||||||||||
F-آماره | 223/2299 | 126/0007 | |||||||||||
سطح معناداری | 0/000000 | 0/000000 | |||||||||||
دوربین واتسون | 2/374823 | 2/116299 |
منبع: (یافتههای پژوهشگر)
در جدول (7)، احتمال آماره t برای ضریب ثابت و ضرایب متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل قیمتگذاری داراییهای سرمایهای ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل قیمتگذاری داراییهای سرمایهای ، اندازه شرکت و ارزش دفتری به ارزش بازار سهام بر بازده آتی سهام با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین کمتر از 5% است؛ لذا ارتباط فوق از لحاظ آماري معنيدار ميباشد. و ضریب برآورد شده توسط نرم افزار برای متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل قیمتگذاری داراییهای سرمایهای ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل قیمتگذاری داراییهای سرمایهای بر بازده آتی سهام با . گشتاورهای ریسک غیرسیستماتیک بالا به ترتیب برابر ( 59/0- و 19/0-)و . گشتاورهای ریسک غیرسیستماتیک پایین به ترتیب برابر (49/0- و 17/0-) و معنادار می باشد. ضريب تعيين تعدیل شده قدرت توضيح دهندگي متغيرهاي مستقل را نشان ميدهد که در مدلهای با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین قادر است به ترتیب به ميزان 59 % و 45% تغييرات متغير وابسته را توضيح دهند. احتمال آماره F بيانگر اين است که کل مدل از لحاظ آماري معنيدار ميباشد. با توجه به فرضیه چون گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) محاسبه شده بر اساس مدل قیمتگذاری داراییهای سرمایهای ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار دارد و با توجه به ضرایب منفی متغیر گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) بر اساس مدل قیمتگذاری داراییهای سرمایهای ، وجود رابطه معکوس بین گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) بر اساس مدل قیمتگذاری داراییهای سرمایهای با بازده آتی شرکت استنتاج میشود. پس فرض H0 رد میشود. یعنی با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل قیمتگذاری داراییهای سرمایهای، بازده آتی سهام با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین کاهش می یابد.
نتایج حاصل از فرضیه دوم پژوهش در جدول (8) ارائه شده است:
جدول 8- خلاصه نتایج الگوی 1 با استفاده از روش مقطعی
|
| . گشتاورهای ریسک غیرسیستماتیک بالا | . گشتاورهای ریسک غیرسیستماتیک پایین | ||||||||
ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ||||
عرض از مبدأ | α0 | -3/8861 | 0/2226 | -17/450 | 0/0000 | -2/8425 | 0/2406 | -11/810 | 0/0000 | ||
گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدلFF5 | IS SKEW5 | -0/2726 | 0/0392 | -6/9413 | 0/0000 | -0/2321 | 0/0355 | -6/5266 | 0/0000 | ||
گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | IS KURT5 | -0/0880 | 0/0242 | -3/6320 | 0/0003 | -0/0724 | 0/0259 | -2/7936 | 0/0054 | ||
اندازه شرکت | SIZE | 0/3537 | 0/0139 | 25/444 | 0/0000 | 0/2818 | 0/0158 | 17/734 | 0/0000 | ||
ارزش دفتری به ارزش بازار سهام | BM | -0/5976 | 0/0676 | -8/8342 | 0/0000 | -0/6176 | 0/0609 | -10/133 | 0/0000 | ||
ضریب تعیین | 0/650461 | 0/488457 | |||||||||
ضریب تعیین تعدیل شده | 0/648143 | 0/485063 | |||||||||
F-آماره | 280/5327 | 143/9464 | |||||||||
سطح معناداری | 0/000000 | 0/000000 | |||||||||
دوربین واتسون | 2/428389 | 2/074990 |
منبع: (یافتههای پژوهشگر)
در جدول (8)، احتمال آماره t برای ضریب ثابت و ضرایب متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل پنج عاملی فاما و فرنچ ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل پنج عاملی فاما و فرنچ ، اندازه شرکت و ارزش دفتری به ارزش بازار سهام بر بازده آتی سهام با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین کمتر از 5% است؛ لذا ارتباط فوق از لحاظ آماري معنيدار ميباشد. و ضریب برآورد شده توسط نرم افزار برای متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل پنج عاملی فاما و فرنچ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل پنج عاملی فاما و فرنچ بر بازده آتی سهام با . گشتاورهای ریسک غیرسیستماتیک بالا به ترتیب برابر (27/0- و 09/0-) و گشتاورهای ریسک غیرسیستماتیک پایین به ترتیب برابر (23/0- و 07/0-) و معنادار میباشد. ضريب تعيين تعدیل شده قدرت توضيحدهندگي متغيرهاي مستقل را نشان ميدهد که در مدلهای با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین قادر است به ترتیب به ميزان 65 % و 49% تغييرات متغير وابسته را توضيح دهند. احتمال آماره F بيانگر اين است که کل مدل از لحاظ آماري معنيدار ميباشد. مقدار دوربین واتسون برای مدلهای با . گشتاورهای ریسک غیرسیستماتیک بالا و پایین به ترتیب به ميزان 42/2 و 07/2 که مقدار این آماره در محدود 5/1 تا 5/2 می باشد بنابراین استقلال پسماندهای مدل مورد تأیید قرار میگیرد. با توجه به فرضیه چون گشتاورهایریسک غیرسیستماتیک (چولگی و کشیدگی) محاسبه شده بر اساس مدل پنج عاملی فاما و فرنچ، ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار دارد و با توجه به ضرایب منفی متغیر گشتاورهای ریسک غیرسیستماتیک )چولگی و کشیدگی) بر اساس مدل پنج عاملی فاما و فرنچ، وجود رابطهی معکوس بین گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) بر اساس مدل پنج عاملی فاما و فرنچ؛ با بازده آتی شرکت استنتاج میشود. پس فرض H0 رد یشود. یعنی با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل پنج عاملی فاما و فرنچ ، بازده آتی سهام با گشتاورهای ریسک غیرسیستماتیک بالا و پایین کاهش می یابد.
5-3-3. آزمون فرضیه سوم پژوهش در جدول (9) و (10) ارائه شده است:
در حالت مدل قیمتگذاری داراییهای سرمایهای
|
| سطح بالای محدودیت آربیتراژ و توجهات محدود سهامداران | سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران | ||||||
ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ||
عرض از مبدأ | α0 | -3/3032 | 0/3967 | -8/3257 | 0/0000 | -3/5454 | 0/3742 | -9/4735 | 0/0000 |
گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل CAPM | IS SKEW | 0/4115 | 0/1381 | 2/9802 | 0/0032 | 0/3347 | 0/1111 | 3/0114 | 0/0000 |
گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل CAPM | IS KURT | -0/3051 | 0/0778 | -3/9195 | 0/0000 | -0/0927 | 0/0352 | -2/6296 | 0/0095 |
اندازه شرکت | SIZE | 0/3021 | 0/0237 | 12/720 | 0/0000 | 0/2955 | 0/0227 | 12/992 | 0/0000 |
ارزش دفتری به ارزش بازار سهام | BM | -0/7151 | 0/1093 | -6/5389 | 0/0000 | -0/2658 | 0/1002 | -2/6514 | 0/0085 |
ضریب تعیین | 0/5170 | 0/5022 | |||||||
ضریب تعیین تعدیل شده | 0/5096 | 0/4946 | |||||||
F-آماره | 69/847 | 65/841 | |||||||
سطح معناداری | 0/0000 | 0/0000 | |||||||
دوربین واتسون | 2/4451 | 2/4027 |
منبع: (یافتههای پژوهشگر)
نتايج حاصل ازتخمين نشان ميدهد که احتمال آمارهt برای ضریب ثابت و ضرایب متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل قیمتگذاری داراییهای سرمایه ای، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل قیمتگذاری داراییهای سرمایه ای، اندازه شرکت و ارزش دفتری به ارزش بازار سهام بر بازده آتی سهام در سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران کمتراز 5% است؛ لذا ارتباط فوق از لحاظ آماري معنيدار ميباشد. و ضریب برآورد شده توسط نرم افزار برای متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل قیمتگذاری داراییهای سرمایه ای و گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل قیمتگذاری داراییهای سرمایه ای بر بازده آتی سهام در سطح بالامحدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب برابر (41/0 و 31/0)و شرکتهای با در سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب برابر (33/0 و 09/0) و معنادار می باشد. ضريب تعيين تعدیل شده قدرت توضيح دهندگي متغيرهاي مستقل را نشان ميدهد که قادر است برای مدل در سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب به ميزان51 % و 49% تغييرات متغير وابسته را توضيح دهند. احتمال آمارهF بيانگر اين است که کل مدل از لحاظ آماري معنيدار ميباشد. برای بررسی استقلال پسماندهای مدلهای برازش شده از آماره آزمون دوربین- واتسون استفاده شد. اگر مقدار این آماره در محدود 5/1 تا 5/2 باشد. استقلال پسماندهای مدل موردتأیید قرار میگیرد، در غیر اینصورت شواهد حاکی از فقدان استقلال یا وجود همبستگی سریالی پسماندهای مدل است. که در اینجا مقدار دوربین واتسون برای مدلهایدر سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب به ميزان 44/2 و 40/2 که مقدار این آماره در محدود 5/1 تا 5/2 میباشد بنابراین استقلال پسماندهای مدل موردتأیید قرار میگیرد . با توجه به فرضیه چون گشتاورهایریسک غیرسیستماتیک (چولگی و کشیدگی) محاسبه شده بر اساس مدل قیمت گذاری داراییهای سرمایه ای ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار دارد.
در حالت مدل پنج عاملی فاما و فرنچ
|
| سطح بالای محدودیت آربیتراژو توجهات محدود سهامداران | سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران | ||||||
ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ضرایب | خطای استاندارد | t آماره- | سطح معناداری | ||
عرض از مبدأ | α0 | -3/4172 | 0/3595 | -9/5031 | 0/0000 | -3/9708 | 0/3148 | -12/610 | 0/0000 |
گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل FF5 | IS SKEW | 0/2821 | 0/0581 | 4/8514 | 0/0000 | 0/1678 | 0/0517 | 3/2430 | 0/0000 |
گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل FF5 | IS KURT | 0/0852 | 0/0411 | 2/0696 | 0/0395 | 0/0486 | 0/0221 | 2/1976 | 0/0312 |
اندازه شرکت | SIZE | 0/3244 | 0/0229 | 14/113 | 0/0000 | 0/3446 | 0/0208 | 16/562 | 0/0000 |
ارزش دفتری به ارزش بازار سهام | BM | -0/7164 | 0/1034 | -6/9223 | 0/0000 | -0/2892 | 0/0892 | -3/2418 | 0/0013 |
ضریب تعیین | 0/5678 | 0/6040 | |||||||
ضریب تعیین تعدیل شده | 0/5611 | 0/5980 | |||||||
F-آماره | 85/727 | 99/553 | |||||||
سطح معناداری | 0/0000 | 0/0000 | |||||||
دوربین واتسون | 2/4176 | 2/4466 |
منبع: یافته های پژوهشگر
نتايج حاصل ازتخمين نشان ميدهد که احتمال آمارهtبرای ضریب ثابت و ضرایب متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل پنج عاملی فاما و فرنچ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل پنج عاملی فاما و فرنچ، اندازه شرکت و ارزش دفتری به ارزش بازار سهام بر بازده آتی سهام در سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران کمتراز5% است؛ لذا ارتباط فوق از لحاظ آماري معنيدار ميباشد و ضریب برآورد شده توسط نرم افزار برای متغیرهای گشتاور ریسک غیرسیستماتیک بر اساس چولگی با مدل پنج عاملی فاما و فرنچ، گشتاور ریسک غیرسیستماتیک بر اساس کشیدگی با مدل پنج عاملی فاما و فرنچ، بر بازده آتی سهام در سطح بالامحدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب برابر (28/0 و 09/0)و شرکتهای با در سطح پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب برابر (17/0 و 05/0) و معنادار می باشد. ضريب تعيين تعدیل شده قدرت توضيح دهندگي متغيرهاي مستقل را نشان ميدهد که قادر است برای مدل در سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب به ميزان 56 % و 60% تغييرات متغير وابسته را توضيح دهند. احتمال آمارهF بيانگر اين است که کل مدل از لحاظ آماري معنيدار ميباشد. برای بررسی استقلال پسماندهای مدلهای برازش شده از آماره آزمون دوربین- واتسون استفاده شد. اگر مقدار این آماره در محدود 5/1 تا 5/2 باشد.استقلال پسماندهای مدل موردتأیید قرار میگیرد، در غیراینصورت شواهد حاکی از فقدان استقلالیا وجود همبستگی سریالی پسماندهای مدل است. که در اینجا مقدار دوربین واتسون برای مدلهایدر سطح بالا و پایین محدودیت آربیتراژ و توجهات محدود سهامداران به ترتیب به ميزان 42/2 و 44/2 که مقدار این آماره در محدود 5/1 تا 5/2 می باشد بنابراین استقلال پسماندهای مدل مورد تأیید قرار میگیرد. با توجه به فرضیه چون گشتاورهایریسک غیرسیستماتیک (چولگی و کشیدگی) محاسبه شده بر اساس مدل قیمتگذاری داراییهای سرمایه ای و پنج عاملی فاما و فرنچ؛ ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار داردو با توجه به اندازه (قدر مطلق) بزرگتر ضرایب متغیرهای گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) بر اساس هر دو مدل در سطح بالاتر همزمان توجهات محدود سهامداران و محدودیتهای آربیتراژ، تشدید میکند. پس فرض H0 برای فرضیه رد میشود. یعنی تاثیر گشتاورهای ریسک غیرسیستماتیک بر بازده آتی سهام با افزایش همزمان توجهات محدود سهامداران و محدودیت های آربیتراژ تشدید می شود.
پژوهش حاضر به دنبال تحلیل واکنش بازده سهام به مدلهای اندازه گیری گشتاورهای ریسک غیر سیستماتیک میباشد و در نهایت با توجه به نتایج فرضیه اول به اين نتيجه رسيديم كه گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی) محاسبه شده بر اساس مدل قیمتگذاری داراییهای سرمایهای ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار و معکوس دارد. این نتایج در راستای مفاهیم تئوری کارایی بازار سرمایه میباشد؛ بر اساس مبانی نظری با توجه به نرمالنبودن توزیع بازده سهام، بررسی گشتاورهای بالاتر عوامل مؤثر بر آن نظیر چولگی و کشیدگی ریسک غیرسیستماتیک حائز اهمیت است؛ به علاوه نتایج این پژوهش تاییدی بر مفاهیم تئوری قیمتگذاری داراییهای سرمایهای میباشد؛ از مفروضات اساسی الگوی قیمت گذاری دارایی های سرمایه ای این است که افراد ریسکگریز هستند و تنها نگرانی آنها دو گشتاور اول مرتبط با بازده است و فرض میشود توزیع بازده سهام نرمال است؛ الگوهای مذکور گشتاورهای مرتبههای بالاتر نظیر چولگی بازده را مدنظر قرار نمیدهد؛ در حالی که بنا به اعتقاد مارکویتز در صورت عدمتقارن توزیع بررسیشده، در نظر گرفتن گشتاورهای بالاتر نظیر چولگی نتایج دقیقتری را بههمراه دارد؛که نتایج پژوهش حاضر نیز تاکیدی بر نظریه مارکویتز می باشد. در این راستا بلیتز و همکاران25 (2013) رابطه ای منفی بین ریسک و بازده یافتند؛ لی و همکاران26 (2014) نیز تأکید کردهاند که بازده با چولگی منفی یا مثبت با بازده سهام بالاتر و یا پایینتر همراه است و داراییهای امنتر بازده تعدیل شده با ریسک بیشتری را نسبت به داراییهای با ریسک بالا ارائه میدهند؛ همچنین باربریز و هوانگ27 (2008) بیان کردهاند که سهام با چولگی مثبت میتواند بیشتر از حد ارزیابی شود و میتواند متوسط بازده منفی کسب کند، که با نتایج پژوهش حاضر در یک راستا میباشد، البته اين نكته نيز گفتني است كه مقايسة نتايج پژوهشهاي انجام شده در مكانها و زمانهاي مختلف، از سوي افراد مختلف، هر چند ممكن است از جنبة علمي چندان مناسب به نظر نرسد؛ اما از جنبه بيان سير تكامل تدريجي پژوهشهاي انجام گرفته در حيطة موضوعي خاص، اين موضوع حائز اهميت است. نتايج پژوهشهاي انجام شده در مكانها و زمانهاي مختلف به دست افراد مختلف، ناگزير متأثر از شرايط مختلفي است و همخواني يـا ناهمخواني نتايج پژوهشهاي با موضوع مشابه نميتواند اين شرايط متفاوت را ناديده انگارد. با توجه به فرضیه دوم، گشتاورهای ریسک غیرسیستماتیک (چولگی و کشیدگی)محاسبه شده بر اساس مدل پنج عاملی فاما و فرنچ ﺑﺮ بازده آتی سهام شرکت تاثیر معنادار و معکوس دارد. این نتایج در راستای مفاهیم تئوری کارایی بازار سرمایه قابل توجیه است؛ در بسیاری از استدلال هایی که علیه نظریه کارایی بازار مطرح شده، آمده است الگوهای مشخص و تکرارشونده ای برای قیمت ها وجود دارد. چونگ و ونگ28 (1992)، اظهار داشتند که عدم نرمال بودن توزیع بازده سهام به عنوان یک حقیقت آشکار پذیرفته شده است. بر این اساس میتوان نتیجه گرفت که میانگین و واریانس بازده سهام به تنهایی برای توصیف توزیع بازده کافی نمیباشد. این امر باعث شد که محققان توجه خود را به گشتاور سوم و چهارم یعنی چولگی و کشیدگی معطوف نمایند.
با توجه به فرضیه سوم، نتایج بر اساس مفاهیم تئوری عدم تقارن اطلاعات قابل توجیه است؛ مدیران وقتی کمتر مورد توجه سرمایه گذاران نهادی قرار می گیرند، کمتر نظارت می شوند؛ در واقع به عنوان نظارت کننده های خارجی، سرمایه گذاران نهادی با محدود کردن رفتارهای احتمالی مدیران در خصوص انتشار اخبار، در عدم کاهش قیمت سهام مفید و موثر می باشند؛ بنابراین در صورتی که سرمایه گذاران نهادی به دلیل رویدادهای خارج توجه شان نسبت به داخل شرکت منحرف شده و کمتر به شرکت ها توجه داشته باشند، از نظارت آن ها بر رفتار مدیران شرکت کاسته شود، این امر منجر می شود تا شرکت ها با ریسک بیشتری در خصوص کاهش آتی قیمت سهام رو به رو باشند. وقتی بی توجهی سرمایه گذاران نهادی به مدیران با افزایش محدودیت های آربیتراژ همزمان شود، این اثر تشدید می شود، احتمالاً مدیران از طریق مدیریت سود، اخبار بد را در خصوص شرکت پنهان خواهند نمود که این موضوع می تواند بر بازده سهام تاثیر گذار باشد. در این راستا نتایج پژوهش چو و همکاران (2020)، حاکی از اثر علی محدودیت های آربیتراژ بر ناهنجاری های قیمت گذاری دارایی و بازده سهام می باشد؛ که در راستای نتایج پژوهش حاضر می باشد.
با توجه به فرضیه اول و دوم؛ به استفادهکنندگان اطلاعات از جمله مدیران،سرمایهگذاران و تحلیلگران مالی پیشنهاد میشود که در پیشبینی بازده سهام شرکتها به گشتاورهای بالاتر ریسک نظیر چولگی ریسک منحصر به فرد نیز توجه کرده و صرفاً از مدلهای سنتی ارزشگذاری استفاده نکنند و به تعبیری از فاکتورهای توزیع ریسک نظیر چولگی ریسک منحصر به فرد و نقش آنها در ارزش گذاری سهام و به تبع آن بازده سهام غافل نشوند؛ با توجه به فرضیه دوم؛ جهت آشنا نمودن سرمايهگذاران با فاکتورهای گشتاورهای ریسک غیرسیستماتیک پيشنهاد مي گردد قبـل از اينكه سرمايهگذار اقدام به خريد سهام بنمايد، راهنماي كاملي توسط سازمان بورس اوراقبهادار و يا كارگزارن بورس به آنها ارائه شود تا در موقع خريد يا فروش سهام به فاکتورهای گشتاورهای ریسک غیرسیستماتیک نظیر چولگی و کشیدگی ریسک منحصر به فرد دقت بيشتري نمايند. هممچنین پیشنهاد میشود سازمان بورس اوراقبهادار و سازمان حسابرسی مقررات و استانداردهایی برای افشای هر چه بهتر گشتاورهای ریسک منحصر به فرد که میتواند منجر به تغییر بازده آتی شرکت گردد، تدوین کنند.. به محققان پیشنهاد میگردد در پژوهشهای آتی خود به بررسی مباحث زیر بپردازند:
- پیشنهاد می شود در تحقیقات آتی، به منظور تحقیقات کافی درخصوص استانداردگذاری تحقیق حاضر به صورت صنعت به صنعت و جداگانه انجام شده و براي هر صنعت مدل رگرسیون مخصوص به آن اثبات شود. تا استاندارد تدوین شده احتمالی به صورت دقیقتر مبتنی بر ویژگیهاي صنایع مختلف با منظور کردن این تفاوتها تدوین شود.
- رابطه بین گشتاورهای مرتبه بالا و کارایی قیمت سهام با توجه به ترکیب سهامداران و نوع مالکیت شرکتها مورد بررسی قرار گیرد.
مهمترین مانع پژوهش حاضر، عدم افشای کامل اطلاعات مربوط به متغیرهای پژوهش میباشد. اطلاعات مربوط به کلیه متغیرهای پژوهش برای شرکتهای بورسی به طور کامل در دسترس نیست. از این رو برای جلوگیری از جانبداری نتایج پژوهش، برخی سال- شرکتها از نمونه آماری حذف شدند و این موضوع باعث کاهش حجم نمونه گردید.
منابع
حزبی، هاشم؛ صالحی، اله کرم. (1395). مقایسه قدرت توضیح دهندگی مدل چهار عاملی کرهارت و مدل پنج عاملی فاما و فرنچ در پیش بینی بازده مورد انتظار سهام. مجله مهندسي مالي و مديريت اوراق بهادار. شماره 28. 137-152.
حمیدی زاده، محمدمهدی؛ رضایی، فرزین؛ تربتی، بهنام. (1398). تاثیر شکاف قیمت بازار سهام بر واکنش بازده سهام به سود شرکتها، پنجمین کنفرانس بین المللی علوم مدیریت و حسابداری،تهران.
خیری، سمیرا؛ قیصری، فائزه؛ قربانی، محبوبه. (1399). بیانیه سود، واکنش قیمت سهام و بازده بازار، پنجمین کنفرانس ملی ایده های نوین در فنی و مهندسی، رشت.
دسینه، مهدی. تاری وردی، یداله. حیدرپور، فرزانه. (1398) تأثیر معیارهای مبتنی بر حسابداری ویژگیهای سود بر ریسک نامطلوب سود، پژوهشهايحسابداريماليوحسابرسي ،سالیازدهم، شماره13،صص 153-176.
رستمي، محمدرضا؛ مقدسي بيات، مريم؛ مقامي، ريحانه. (1395). تحليل رابطه ريسک غيرسيستماتيک و بازده سهام مبتني بر رگرسيون چندک و رهيافت بيزي، چشم انداز مديريت مالی، 4(16)، 135- 151.
سرلک، نرگس. فرجی، امید. علی نیا فیروزجاه، فاطمه.(1399). نقش میانجی ریسک سیستماتیک در رابطه بین مسئولیت پذیری اجتماعی و نگهداشت وجه نقد. پژوهشهايحسابداريماليوحسابرسي ، سالدوازدهم، شماره74، پائیز ، صص55-76.
صیادی، سجاد. (1398). بررسی رابطه بین خطای پیش بینی سود مدیریت با بازده غیر سهام و ریسک سیستماتیک،اولین کنفرانس بین المللی مدیریت، تجارت جهانی، اقتصاد، دارایی و علوم اجتماعی، تهران.
طالب نیا، قدرت الله؛ احمدی، سید محسن؛ بیات، مرتضی. (1394). بررسی ارتباط بین کیفیت اقلام تعهدي و ریسک غیرسیستماتیک. پژوهشهاي حسابداري مالی، 24(2)، 33-52.
عبدالباقی، عبدالمجید؛ سهرابی، فاطمه. (1394). شوکهای ریسک غیر سیستماتیک و بازده مورد انتظار شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، سومین کنفرانس بینالمللی پژوهشهای کاربردی در مدیریت و حسابداری، تهران: دانشگاه شهید بهشتی.
قنبری مروست، مجتبی؛ تیو، حمیدرضا؛ آزادی، امیر. (1399). بررسی عملکرد نظریه قیمت گذاری آربیتراژ و مدل سه عاملی فاما و فرنچ در پیش بینی بازده سهام اوراق بهادار تهران، ششمین کنفرانس ملی اقتصاد، مدیریت و حسابداری، شیروان.
کاظمی، محسن. (1392). تاثیر نوسانات غیر سیستماتیک در پیش بینی بازده سهام مطالعه ی موردی: بورس اوراق بهادار تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد صنعتی شاهرود.
کیقبادی،امیررضا. صدیق بهزادی،شادان . (1397). طهماسبی خورنه، سعید .سیف،سمیرا. أثیر کیفیت افشای اطلاعات و عدم تقارن اطلاعاتی بر نوسان پذیری بازده سهام با استفاده از سیستم معادلات همزمان. . پژوهشهايحسابداريماليوحسابرسي، سال دهم، شماره 40، صص69-88.
محمدی، شاپور؛ آسیما، مهدی. (1398). مقاله پژوهشی: قیمتگذاری ریسک غیرسیستماتیک از طریق تبیین ریسک آربیتراژ، راهبرد مدیریت مالی، 7(3)، 1-24.
هاشمی، سید عباس؛ امیری، هادی؛ توکلی، مریم. (1397). تاثیر چولگی سودآوری بر پیشبینی بازده سهام - مورد مطالعه : شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، پژوهشهای حسابداری مالی، 10(3)، 69-86.
Al Rahahleh, Naseem. Adeinat, Iman. Bhatti, Ishaq. (2016). “On Ethnicity Of Idiosyncratic Risk And Stock Returns Puzzle”,Emerald Insight.32,48-68.
Amaya, D., Christoffersen, P., Jacobs, K. & Vasquez, A. (2015). “Does Realized Skewness Predict The Cross-Section Of Equity Returns?”, Journal Of Financial Economics, 118(1), 135-167.
Ang, A, Hodrick, R, Xing, Y And Zhang, X. (2006). “The Cross-Section Of Volatility And Expected Returns”, Journal Of Finance, 61, 259-299.
Arditti, F., (1971). “Another Looks Mutual Fund Performance”. Journal Of Financial And Quantitative Analysis 6,909-912.
Bali, G.Turan And Nusret, Cakici. (2008). “Idiosyncratic Volatility And Cross Section Of Expected Returns”.Journal Of Financial And Quantitative Analysis.Vol.43. No.1.March2008,Pp.29-58.
Bali, T.G., Engle, F., & Murray, Scott. (2016). “Empirical Asset Pricing: The Cross Section Of Stock Return”. John Wiley & Sons.
Barberis, N. And Huang, M. (2008). “Stocks As Lotteries: The Implications Of Probability Weighting For Security Prices”. American Economic Review 98(5):2066–2100.
Berggrun, Edmundo L., Emilio C., (2016). “Idiosyncratic Volatility And Stock Returns: Evidence From The MILA”, Research In International Business And Finance 37 ,422–434
Blitz, D., Pang, J. And Vliet, P.V. (2013). “The Volatility Effect In Emerging Markets”. Emerging Markets Review 16:31–45.
Cheung, Y.L, Wong, K.A., (1992). “An Assessment Of Risk And Return: Some Empirical Findings From The Hong Kong Stock Exchange”. Applied Financial Economics 2,105-114.
Chiao, C., Hung, K., Srirastava, S., (2003). “Taiwan Stock Market And Four-Moment Asset Pricing Model”. Journal Of International Financial Markets, Institutions & Money 3,355-381.
Chu, Yongqiang And Hirshleifer, David, A. And Ma, Liang. (2020). “The Causal Effect Of Limits To Arbitrage On Asset Pricing Anomalies” . Journal Of Finance, Forthcoming, Available At SSRN: Https://Ssrn.Com/Abstract=2696672 Or Http://Dx.Doi.Org/10.2139/Ssrn.2696672.
Chua, C, Goh, J And Zhang, Z. (2010). “Expected Volatility, Unexpected Volatility And The Cross-Section Of Stock Returns”, Journal Of Financial Economics, 2, 103-123.
Francis, J.C.(1975). “Skewness And Investor’s Decisions”. Journal Of Financial And Quantitative Analysis 120,163-176.
Frang, H., Lai, T.Y., (1997). “Co-Kurtsis And Capital Asset Pricing”. Financial Review 32,293-307.
Hwang, S.Satchell, S.E, (1997). “Modelling Emerging Market Risk Premia Using Higher Moments”. Journal Of Finance And Economics 4,271-296.
Kang, Tony. Mark Kohlbeck, Yong Yoo. (2015). “The Relation Between Accounting Information-Based Firm Risk Proxies And Cost Of Equity Capital Across Countries”, Pacific Accounting Review, Vol. 27 Iss 1pp. 69 – 94.
Kim, K. Soon, C. Young Chung, J. Hwon Lee, S. (2019). “Cho, Accruals Quality, Information Risk, And Institutional Investors’ Trading Behavior: Evidence From The Korean Stock Market”, North American Journal Of Economics & Finance (2019), Doi: Https://Doi.Org/10.1016/J.Najef.2019.101081.
Kraus, A., Litzen Berger, R., (1976). “Skewness Performance And Valuation Of Risk Assets”. Journal Of Financial And Quantitative Analysis 14, 1015-1025.
Li, X, Subrahmanyam, A. And Yang, X. (2014). “Investor Behavior And Financial Innovation: A Study Of Callable Bull/Bear Contracts”. SSRN Working Papers.
Malkiel, B. , & Xu, Y. (2006). “Idiosyncratic Risk And Security Returns”. Working Paper, Princeton University.
Markowitz, H.M. (1952). “Portfolio Selection”, Journal Of Finance. Vol. 7, No 1, Pp. 77-91.
Mitra.D, Low, S.K., (1998). “A Study Of Risk And Return In Developed And Emerging Markets From A Canadian In Perspective”. Mis-Atlantic Journal Of Business 34, 75-91.
Naseem Al Rahahleh Iman Adeinat Ishaq Bhatti , (2016). “On Ethnicity Of Idiosyncratic Risk And Stock Returns Puzzle”, Humanomics, Vol. 32 Iss 1 Pp. 48 – 68
Wu, J. And Zhang, L. (2011). “Does Risk Explain Anomalies? Evidence From Expected Return Estimates”.The National Bureau Of Economic Research. No. W15950. Pp. 1-46.
Yuecheng, J., & Shu, Y. (2017). “Profitability Skewness And Stock Return”. Working Paper, Online; Http://Www.Ssrn.Com
Analysis of stock returns response to non-systematic risk torque measurement models With a simultaneous role of arbitrage constraints and limited investor
The mean and variance of stock returns alone are not sufficient to describe the distribution of returns. According to Markowitz, paying attention to higher torques such as skewness and kurtosisas a risk index instead of variance leads to more accurate results. Therefore, due to study contradictions, the study of stock returns reaction to models for measuring non-systematic risk moments was significant. For this purpose, 152 companies were selected( In the time domain of the years between 2013to 2020 ) as a statistical sample from the companies listed on the Tehran Stock Exchange based on the systematic removal method. results showed that by increasing the unsystematic risk torques calculated with the capital asset pricing model and the Fama and French five-factor model reduce future stock returns; These results can be justified in line with the concepts of capital market efficiency theory; Other results showed that the effect of unsystematic risk moments on stock futures is intensified by the simultaneous interaction between limited shareholder attention and arbitrage constraints. These results are based on the concepts of information asymmetry theory and the concepts of attentional limitations theory; Investors are taking risks due to irrational preferences for positively skewed stocks. This puts companies at greater risk for future stock price declines. This effect is exacerbated when institutional investors' disregard for managers coincides with increasing arbitrage restrictions. And managers will hide bad news through earnings management to affect stock returns.The obtained results are consistent with the documents mentioned in the theoretical framework of research and financial literature.
Keyword: Futures stock returns, Third and fourth order torques of unsystematic risk, Capital asset pricing model, Fama and French five-factor model, Limited Stakeholders 'Attention, Arbitration Restrictions.
[1] -Capital Asset Pricing Model
[2] -Factor Model
[3] -Arbitrage Price Theory
[4] - Bali et al
[5] -Markowitz
[6] -Yuecheng & Shu
[7] - Arditti
[8] - Kraus & LitzenBerger
[9] -Francis
[10] Frang & Lai
[11] HWang & Satchell
[12] Mitra & loW
[13] Chiao, & et al
[14] -Chu, & et al
[15] - Kim et al
[16] -Naseem et al
[17] -Berggrun et al
[18] -Al Rahahleh
[19] -Tony Kang et al
[20] - Chua et al
[21] - Bali & Cakici
[22] -Ang , & et al
[23] - Malkiel & Xu
[24] - Amihud
[25] Blitz, & et al
[26] Li, & et al
[27] Barberis & Huang
[28] Cheung & Wong