اعتبار سنجی مدل ریسک نامطلوب و ریسک مطلوب با توجه به متغیرهای روانشناختی در پیش بینی نوسانات بازار در بازار سرمایه ایران
محورهای موضوعی : مدیریت
حسن رضایی کنگی
1
,
مهدی محمد باقری
2
*
,
حجت بابایی
3
,
علی رییس پور رجبعلی
4
1 - دانشجوی دکتری گروه مدیریت صنعتی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان ، ایران
2 - استادیار گروه مدیریت ، واحد کرمان ، دانشگاه آزاد اسلامی، کرمان ، ایران
3 - استادیارگروه ریاضی ، واحد کرمان ، دانشگاه آزاد اسلامی، کرمان ، ایران
4 - استادیار، گروه اقتصاد، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران
کلید واژه: ریسک نامطلوب, ریسک مطلوب, متغیرهای روانشناختی, نوسانات بازار.,
چکیده مقاله :
هدف از انجام این پژوهش، بررسی اعتبار مدل ریسک نامطلوب و ریسک مطلوب با توجه به متغیرهای روانشناختی در پیش‌بینی نوسانات بازار در بازار سرمایه ایران بود. این پژوهش از طریق روش کمّی انجام شد. جامعه آماری در بخش اول کمّی سرمایه گذاران مالی و حسابداری هستند که تعداد آنها نامحدود است و براساس نمونه‌گیری نامحدود فرمول کوکران تعداد 384 نفر در نظر گرفته شد. در بخش دوم کمّی برای سطح بندی و بررسی روابط علی ابعاد از روش مدل‌سازی ساختاری تفسیری (ISM) استفاده شد كه مشارکت کنندگان در این مرحله شامل 10 نفر از مديران مالی و بورسی با سابقه 10سال به بالا و سابقه مديريتي حداقل ده ساله و رشته تخصصی آنان مدیریت مالی و حسابداری بود، انتخاب شده است. در این پژوهش برای گردآوری داده‌های پژوهش از ابزار پرسشنامه و برای تجزیه و تحلیل داده‌ها از نرم‌افزار Smart PLS استفاده گردیده است. نتایج این پژوهش با استفاده از روش معادلات ساختاری، ارتباط معناداری بین مؤلفه‌های ریسک نامطلوب و ریسک مطلوب با توجه به متغیرهای روانشناختی در پیش‌بینی نوسانات در بازار سرمایه ایران را نشان داده است.
This research aimed to investigate the validity of the adverse risk and favorable risk model with regard to psychological variables in predicting market fluctuations in the Iranian capital market. This research was done using the quantitative method. The statistical population in the first quantitative part is financial and accounting investors, whose number is unlimited, and based on the unlimited sampling of Cochran's formula, the number of 384 people was considered. In the second quantitative part, the Interpretive Structural Modeling (ISM) method was used to stratify and examine the causal relationships of the dimensions, and the participants in this stage included 10 financial and stock managers with experience of 10 years or more and a management experience of at least ten years and a specialized field. They were selected for financial management and accounting. In this research, a questionnaire tool was used to collect the data, and Smart PLS software was used to analyze the data. The results of this research, using the method of structural equations, have shown a significant relationship between the components of unfavorable risk and favorable risk about psychological variables in predicting fluctuations in the Iranian capital market.
Abzari, M., Samadi, S., & Teymouri, H. (2007). Study of factors affecting investment risk and return in financial products. Monthly Rond, 54-55, 123-152. [In Persian]
Baghaei Hosseinabadi, A. (2002). Risk: Theoretical Foundations, Applications and the Necessity of Understanding It. Management Development, 29, 24-28. [In Persian]
Baradaran, M., Abedinpour, A., & Mirmohammadi-Shoktaei, S. M. (2013). Investigating the role of different levels of corporate governance on moderating the risk-return relationship in companies listed on the Tehran Stock Exchange. Quarterly Journal of Management and Accounting Research, 2(4). [In Persian]
Barro, R. J., & Liao, G. Y. (2021). Rare disaster probability and options pricing. Journal of Financial Economics, 139(3), 750–769. https://doi.org/10.1016/j.jfineco.2020.10.001
Desineh, M., Heydarpour, F., & Tariverdi, Y. (2022). Adverse Earnings Risk and Market-Based Measures of Earnings Characteristics. Investment Knowledge, 10(40), 241-257. [In Persian]
Hashemi, S. A., & Bakrani, K. (2011). The effect of ownership structure and corporate governance system on capital structure decisions of companies listed on the Tehran Stock Exchange. Quarterly Journal of Financial Accounting, 3(9), 1-18. [In Persian]
He, J., Chang, H., Chen, T., & Shih-Kuei, L. (2023). Upside and downside correlated jump risk premia of currency options and expected returns. Financ Innov, 9(1). https://doi.org/10.1186/s40854-023-00493-3
Lu, Y., Xiao, D., & Zheng, Z. (2023). Assessing stock market contagion and complex dynamic risk spillovers during COVID-19 pandemic. Nonlinear Dyn, 111, 8853–8880. https://doi.org/10.1007/s11071-023-08282-4
Mirabbasi, Y., Nikomaram, H., Saeedi, A., & Haghshenas, F. (2018). Investigating the efficiency of portfolio optimization based on adverse risk and favorable potential and psychological variables. Financial Engineering and Securities Management, 9(34), 305-333. [In Persian]
Rad Kaftroudi, H., Gholizadeh, M. H., & Fadaei, M. (2019). Explaining the relationship between the combination of adverse risk and favorable risk in predicting market return fluctuations. Financial Engineering and Securities Management, 11(45), 373-388. [In Persian]
Raei, R., Ahmad. (2010). Advanced Investment Management (4 ed.).Organization for the Study and Compilation of Humanities Textbooks for Universities (SAMAT). Center for Research and Development of Humanities. [In Persian]
Sadeghi, M., Soroush, A., & Farhanian, M. J. (2010). Investigating the volatility, desirable risk and undesirable risk criteria in the capital asset pricing model: Evidence from the Tehran Stock Exchange. Financial Research Journal, 12(29), 59-78. [In Persian]
Sarabadani, A., Baghani, A., Hamidian, M., Imamverdi, Q., & Noorollahzadeh, N. (2024). The role of macroeconomic variables in the uncertainty of Tehran Stock Exchange with the approach of using risk filtering, MCMC simulation and ARDL approach. Investment Knowledge, 13(49), 1-26. [In Persian]
Shahrzadi, M., & Foroughi, D. (2023). Analysis of the persistence of the negative relationship between adverse risk and expected future returns. Asset Management and Financing, 10(1), 1-24. [In Persian]
Traut, J. (2023). What we know about the low-risk anomaly: a literature review. Financ Mark Portf Manag, 37, 297–324.
Xiang, Y., & Borjigan, S. (2023). Downside and upside risk spillovers between financial industry and real economy based on linear and nonlinear networks. International Review of Economics & Finance, 88, 1337-1374. https://doi.org/10.1016/j.iref.2023.07.066