پیش‌بینی صرف ریسک سهام : شواهد تجربی از مدل ترکیبی PEG

محورهای موضوعی : دانش سرمایه‌گذاری

علی رحمانی ¹ , محمد تشرفی ² , علی ثقفی ³ , صابر شعری ⁴

1 - دانشیار دانشگاه الزهرا، تهران، ایران
2 - دانشجوی دکتری دانشگاه علامه طباطبائی، تهران، ایران
3 - استاد دانشگاه علامه طباطبائی، تهران، ایران
4 - استادیار دانشگاه علامه طباطبائی، تهران، ایران. (نویسنده مسئول)

تاریخ دریافت : 1396/01/28 تاریخ پذیرش : 1396/05/01 تاریخ انتشار : 1396/08/01

کلید واژه: مدل ترکیبی PEG, اثر اندازه, اثر ارزش, اثر PEG, صرف ریسک سهام,

چکیده مقاله :

قیمت‌گذاری دارایی‌های مالی و شناسایی عوامل ریسک مهم، از موضوعات بنیادی تئوری مالی است. در این تحقیق ابتدا با استفاده از بینش‌های مدل CAPM و مدل سه عاملی فاما و فرنچ (1993)، مدل ترکیبی PEG و مدل چهار عاملی توسعه داده شد. با بهره‌گیری از اطلاعات مالی 270 شرکت پذیرفته شده در بورس اوراق بهادار تهران در دوره ابتدای 1385 تا پایان 1393، از روش‌شناسی سه مرحله‌ای و روش‌شناسی پرتفوی‌پژوهی برای محاسبه عوامل ریسک استفاده شد. نتایج حاصل از برآوردها نشان داد اولاً اثر اندازه معکوس، اثر ارزش معکوس و اثر PEG وجود دارد، ثانیاً مدل ترکیبی PEG نمی‌تواند صرف ریسک سهام را توضیح دهد، اما مدل چهار عاملی در مقایسه با سایر مدل‌ها، توانایی بالاتری در توضیح صرف ریسک دارد. فعالان بازار می‌توانند از نتایج این تحقیق برای بهبود عملکرد سرمایه‌گذاری استفاده نمایند و به فعالان دانشگاهی پیشنهاد می‌گردد مدل‌های توسعه داده شده در این تحقیق را مورد آزمون قرار دهند.

چکیده انگلیسی:

Pricing of financial assets and identify important risk factors is one of the fundamental issues of finance theory. In this study, using insights of CAPM and three-factor model (Fama and French, 1993), PEG and four-factor models was developed. Using financial data of 270 companies traded in TSE during the beginning of 2006 to the end of 2014, three-stage methodology and the portfolio study methodology used to calculate the risk factor. The results show that first, there are inverse size effects, inverse value effects and PEG effects, second, PEG model cannot explain stock risk premium, But the four-factor model compared with other models, has higher power for explaining of the risk premium. Market participants can use these results to improve investment performance and academics recommended that test models of the study.