ارزیابی رابطه بین درماندگی مالی با بازده سهام با استفاده از زنجیره‌ی مارکف مونت کارلو
محورهای موضوعی : مهندسی مالی
1 - گروه اقتصاد، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
کلید واژه: بازده سهام, درماندگی مالی, زنجیره مارکف مونت‌کارلو, الگوریتم متروپلیس-هستینگز,
چکیده مقاله :
روش‌های زنجیره مارکف مونت‌کارلو دسته‌ای از الگوریتم‌هاست است که برای نمونه‌برداری از توزیع‌های احتمالی است که مبنای آن ساختن یک زنجیره مارکف با ویژگی‌های مطلوب است. یکی از الگوریتم‌های رایج زنجیره مارکف مونت کارلو الگوریتم متروپلیس-هستینگز می‌باشد. لذا هدف تحقیق حاضر ارزیابی رابطه درماندگی مالی با بازده سهام با استفاده از الگوریتم متروپلیس-هستینگز در بورس اوراق بهادار تهران می‌باشد. بدین منظور تعداد 151 شرکت از بورس اوراق بهادار تهران در بازه زمانی 1390 تا 1399 با استفاده از روش نمونه‌گیری حذفی سیستماتیک انتخاب شدند. به منظور آزمون فرضیه‌های تحقیق از نرم‌افزار R استفاده شد. همچنین به منظور محاسبه درماندگی مالی از امتیاز Z آلتمن و O اولسون استفاده شد. همچنین در ارزیابی رابطه با استفاده از الگوریتم متروپلیس-هستینگز از دو توزیع پیشین متفاوت برای متغیرهای تحقیق استفاده شد. نتایج تحقیق نشان داد که برای متغیر درماندگی مالی Z آلتمن دقت برآورد درماندگی مالی با توزیع پیشین غیرآگاهی‌بخش بیشتر بود. برای متغیر درماندگی مالی O اولسون، دقت برآورد درماندگی مالی با توزیع پیشین زلنر بیشتر بود. این در حالی هست که در توزیع پیشین غیرآگاهی‌بخش، تاثیر درماندگی مالی معنی دار نبوده، و در حالت توزیع پیشین زلنر معنی دار بوده است.
Monte Carlo Markov chain methods are a set of algorithms for sampling possible distributions based on building a Markov chain with desirable properties. One of the most common Markov Monte Carlo chain algorithms is the Metropolis-Hastings algorithm. Therefore, the purpose of this study is to evaluate the relationship between financial distress and stock returns using the Metropolis-Hastings algorithm in the Tehran Stock Exchange. For this purpose, 151 companies were selected from the Tehran Stock Exchange in the period 2011 to 2020 using systematic elimination sampling method. R software was used to test the research hypotheses. Altman Z and Olson's score were also used to calculate financial distress. Also, in evaluating the relationship using the Metropolis-Hastings algorithm, two different previous distributions for the research variables were used. The results of the study showed that for Altman's financial distress variable, the accuracy of estimating financial distress was higher with the previous non-informed distribution. For O-Olson's financial helplessness variable, the precision of financial distress was higher with Zelner's previous distribution. Meanwhile, in the previous non-informed distribution, the effect of financial distress was not significant and was significant in Zelner's previous distribution.
_||_