پیش‌بینی نوسانات قیمت سهم و احتمال وقوع بازده‌های حدی
محورهای موضوعی : دانش مالی تحلیل اوراق بهادار
فلور قرشی
1
,
قدرت الله امام وردی
2
,
سیده محبوبه جعفری
3
,
علی باغانی
4
,
یداله نوری فرد
5
1 - دانشجوی دکتری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد واحد تهران جنوب، ایران
2 - استادیار،دانشکده اقتصاددانشگاه آزاد اسلامی واحد تهران مرکز
3 - استادیار، دانشکده اقتصاد وحسابداری، دانشگاه آزاد واحد تهران جنوب
4 - استادیار، دانشکده اقتصاد وحسابداری، دانشگاه آزاد واحد تهران جنوب
5 - استادیار، دانشکده اقتصاد وحسابداری، دانشگاه آزاد واحد تهران جنوب
کلید واژه: بازده‌های حدی, ریسک منحصر بفرد, نوسان شرطی بازده, عامل ریزش مورد انتظار,
چکیده مقاله :
طی سال‌‌های اخیر پژوهشگران به بررسی عوامل تاثیر گذار بر بازده‌های حدی پرداخته‌اند. در این راستا، هدف از این مقاله، پیش‌بینی احتمال وقوع بازده‌های حدی است زیرا سرمایه گذاران با شناخت این گونه بازده‌ها می‌توانند عملکرد پرتفوی شان را بهبود ببخشند. در این مقاله ابتدا بازده‌های حدی شناسایی می‌شوند سپس عوامل ریسک منحصر بفرد شرکت، ریسک نوسان شرطی و عامل ریزش مورد انتظار و سایرمتغیر‌های تاثیر گذار همچون متغیر عمر شرکت، متغیر ارزش دفتری به ارزش بازار، قیمت سهم، حجم معامله و نوسان قیمت ارز ونفت خام بعنوان متغیر‌های مستقل مدل اصلی محاسبه می‌شوند. در نهایت مشخص می‌گردد که دو عامل ریسک منحصر بفرد رابطه معنی‌دار با بازده‌های حدی داشته و نوسان شرطی بازده با بازده‌های مثبت رابطه ندارد اما با بازده‌های حدی منفی رابطه معنی‌داری دارد. عامل ریزش مورد انتظار با بازده‌های مثبت رابطه منفی و با بازده‌های حدی منفی رابطه مثبت دارد.
This study examines the relationship between volatility and the probability of occurrence of expected extreme positive and negative returns in The thehran security market. The purpose of this research is optimation portfolios via hold positive return and eleminate nagative return. Two measures of volatility and the factor of expected shortfall are examined: conditional volatility calculated using an EGARCH model and idiosyncratic volatility based on the Fama and French five-factor model and expected shortfall calculate with smi-parametric metod. This paper is based on regresion probit model and data use from 1382 to 7/1397. A significantly positive relationship is observed between a firm’s idiosyncratic volatility and the probability of occurrence of an extreme return. Other firm characteristics, including firm price, volume and Book-to-Market ratio, are also shown to be significantly related to firm extreme returns. The relationship Between the age factor and exterem return is not found relation. The effects of conditional and expected shortfall are mixed.
* رستمی، محمدرضا؛ مقدس بیات، مریم؛ مقامی، ریحانه. (1395). تحلیل رابطه ریسک غیر سیستماتیک مبتنی بر رهیافت بیزی، چشم‌انداز مدیریت مالی، شماره 16، زمستان 1395، ص 151 ـ 135.
* رادپور، میثم؛ عبده تبریزی، حسین. (1388). اندازه‌گیری و مدیریت ریسک بازار رویکرد ارزش در معرض ریسک.
* قربانی، بهزاد؛ خطیری، محمد. (1393). روند بازده غیر متعارف سهام و نوسان آن در طول زمان، فصلنامه حسابداری مدیریت، جلد 6، شماره 21، ص 110-128.
* Ang, A., Hodrick, R. J., Xing, Y. & Zhang, X. (2006). The cross-section of volatility and expected returns. Journal of Finance, 61(1), 259–299.
* Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2008). High idiosyncratic volatility and low returns: International and further U. S. evidence. Journal of Financial Economics, 91(1), 1–23.
* An, Li. (2014). "Asset Pricing when Traders Sell Extreme Winners and Losers.", Available at SSRN 2355520.
* Bali, T. G. & Cakici, N. (2008). Idiosyncratic volatility and the cross section expected of returns. Journal of Financial and Quantitative Analysis, 43(1), 29–58.
* Bali, T. G., Cakici, N., & Whitelaw, R. F. (2011). Maxing out: Stocks as lotteries and the cross-section of expected returns. Journal of Financial Economics, 99(2), 427–446.
* Beneish, M. D., Lee, M. C., and Tarpley, R. L. (2001). Contextual fundamental analysis through the prediction of extreme returns. Review of Accounting Studies, 6(2-3), 165-189.
* Berggrun, L., Cardonab, E., Lizarzaburuc, E. (2019). Extreme daily returns and the cross-section of expected returns: Evidence from Brazil, Journal of Business Research, 102, 201–211.
* Campbell, J. Y., Sanford, J. G., and Jiang, W. (1992). "Trading volume and serial correlation in stock returns.", No. w4193. National Bureau of Economic Research.
* Conrad, J., Kapadia, N., & Xing, Y. (2014). Death and jackpot: Why do individual investors hold overpriced stocks? Journal of Financial Economics, 113(3), 455–475.
* Engle, R. F., Lilien, D. M. & Robins, R. P. (1987). Estimating time varying risk premia in the term structure: The ARCH-M model. Econometrica, 391–407.
* Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. Journal of Finance, 47(2), 427–465.
* Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 25, 23–49.
* Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics, 116(1), 1–22.
* Fink, J., Fink, K., & He, H. (2010). Idiosyncratic volatility measures and expected return, Available at SSRN 1692315.
* Fodor, A., Krieger, K., Mauck, N., & Peterson, G. (2013). Predicting extreme returns and portfolio management implications. Journal of Financial Research, 36(4), 471–492.
* Fu, F. (2009). Idiosyncratic risk and the cross-section of expected stock returns. Journal of Financial Economics, 91(1), 24–37.
* Goyal, A., and Santa-Clara, P. (2003). Idiosyncratic risk matters!. Journal of Finance, 58,975-1007.
* Guo, H., and Savickas, R. (2006). Idiosyncratic Volatility, Stock Market Volatility, and Expected Stock Returns. Journal of Business and Economics Statistics, 24, 43-56.
* Goetzmann, W., Kumar, A. (2004). Why do individual investors hold under-diversified portfolios?. Unpublished working paper, Yale University. Han, Y., & Lesmond, D. (2011). Liquidity biases and the pricing of cross-sectional idiosyncratic volatility. Review of Financial Studies, 24(5), 1590–1629.
* Huang, W., Liu, Q., Rhee, G., and Zhang, L. (2007). Return Reversals, Idiosyncratic Risk and Expected Returns. Working Paper, University of Hawaii at Manoa.
* Huang, W., Liu, Q., Ghon, R. S., & Zhang, L. (2010). Return reversals, idiosyncratic risk, and expected returns. Review of Financial Studies, 23(1), 147–168.
* Kumari, J., Mahakud, J., Hiremath, G. S. (2017). Determinants of idiosyncratic volatility: Evidence from the Indian stock market. Research in International Business and Finance, 41. 172–184.
* Lehmann, B. N. (1990). Fads, martingales, and market efficiency. The Quarterly Journal of Economics, 105(1), 1-28.
* Malkiel, B., Xu, Y. (2004). Idiosyncratic Risk and Security Returns. Unpublished working paper. Princeton University and University of Texas at Dallas.
* Nelson, D. B. (1991). Conditional heteroscedasticity in stock returns: A new approach. Econometrica, 59(2), 347–370.
* Speigel, M. I., and Wang, X. (2005). Cross-Sectional Variation in Stock Returns: Liquidity and Idiosyncratic Risk, Working Paper, Yale School of Management.
* Switzer, L. N., & Picard, A. (2015). Idiosyncratic volatility, momentum, liquidity, and expected stock returns in developed and emerging markets. Multinational Finance Journal, 19, 169–221.
* Switzer, L. N. Tahaoglu, T., Zhao. Y. (2017). Volatility measures as predictors of extreme returns. Review of Financial Economics 35 (2017) 1–10.
* Tsay, R. S. (2010). Analysis of Financial Time Series (3rd Edition). New York: Wiley.
_||_