مقایسه مدلهای قیمت گذاری دارایی سرمایه ای،سه عاملی فاما و فرنچ و شبکه های عصبی مصنوعی در پیش بینی بازار سهام ایران
محورهای موضوعی : پژوهشنامه اقتصاد و کسب و کار
سیده محبوبه جعفری
1
(عضو هئیت علمی دانشگاه آزاد اسلامی واحد تهران جنوب)
جواد میثاقی فاروجی
2
(کارشناسی ارشد مدیریت مالی دانشگاه شهید بهشتی)
میثم احمد وند
3
(دانشجوی دکتری مدیریت مالی دانشگاه علامه طباطبایی)
کلید واژه: شبکه های عصبی مصنوعی, مدل CAPM, مدل سه عاملی فاما و فرنچ, پیش بینی بازدهی سهام,
چکیده مقاله :
در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا 1389 است.در هر بازه سه ماهه از دوره تحقیق،بر اساس اندازه و نسبت ارزش دفتری به ارزش بازار،شرکتهای نمونه به 6 پر تقوی تقسیم و فرضیه های تحقیق بر مبنای این پرتقوی ها آزمون شده است. نتایج به دست آمده نشان می دهد که توان مدل سه متغیره فاما و فرنچ بالاتر از مدلهای قیمت گذاری دارایی های سرمایه ای است:همچنین،مدلهای یک متغیره و سه متغیره شبکه عصبی عملکردی بهتر از مدلهای متناظر دارند
Comparison between the Capital Asset Pricing model,Fama and Ferench three factors model and Artificial Neural Network model in predicting Tehran stock Exchange returns is discussed in this research.the first two models are linear and the following are nonlinear.Four hypotheses have been designed for this purpose.To examine these hypotheses,the expected return was calculated daily during 1383 to 1387 for 110 companies.companies in each quarter have divided to 6 portfolios by size and book to market value factors. Results showed that the performance of Fama &Ferench three factors model is better than Capital Asset pricing model.Also Univariable and Multyvariable Artificial Neural Network models have better performance in compare with their corresponding nonlinear models.