ارزیابی تفاوتِ تناوب‌های درونی بیوریتمیک سرمایه‌گذاران با تشکیل پرتفوی براساس سهام ارزشی

الموضوعات : دانش مالی تحلیل اوراق بهادار

مهدی درویشان ¹ (دانشجوی دکتری، گروه حسابداری، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران)
محمدرضا عبدلی ² (دانشیار، گروه حسابداری، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران)
محمد مهدی حسینی ³ (استادیار، گروه مهندسی برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران)
اسماعیل علی بیکی ⁴ (استادیار، گروه مهندسی برق، واحد علی آباد کتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران)

تاريخ الإرسال : 06 السبت , شوال, 1443 تاريخ التأكيد : 02 الأربعاء , ربيع الأول, 1444 تاريخ الإصدار : 02 الإثنين , ذو القعدة, 1444

الکلمات المفتاحية: تناوب‌ِ درونی بیوریتمی, تشکیل پرتفوی, سهام ارزشی,

ملخص المقالة :

امروزه فراتر از نظریه‌های کلاسیک مالی/رفتاری، علم بیوریتم به عنوان مجموعه ای از علل عاطفی؛ ادراکی و حتی جسمی، مبنایی برای تصمیم‌گیری‌های مالی و سرمایه‌گذاری می‌تواند تلقی گردد. در واقع این علم براساس یک نمودار سینوسی حالت فرد را با توجه به قرار گرفتن فرد در یکی از نقاط مثبت؛ منفی و بحرانی نشان می‌دهد که بر تصمیم‌گیری‌های فردی می‌تواند موثر تلقی گردد. هدف این پژوهش ارزیابی تفاوتِ تناوب‌های درونی بیوریتمیک سرمایه‌گذاران با تشکیل پرتفوی براساس سهام ارزشی می‌باشد. این پژوهش در بازه زمانی ۶ ماه به‌طور منفصل و ۲ ماه در قالب ۴ بازه زمانی ۱۵ روزه به منظور بررسی تفاوتِ تناوب‌های درونی بیوریتمیک سرمایه‌گذاران نهادی انجام شد. در این پژوهش تعداد ۶۰ نفر از سرمایه‌گذاران نهادی که در قالب ۴ گروه ۱۵ نفر به منظور قرار گرفتن در سه سیکل بیوریتمی جسمی؛ عاطفی و ذهنی انتخاب و از طریق آزمون‌های مانوا چند متغیره، تحلیل واریانس اندازه‌های مکرر و همچنین آزمون‌های تعقیبی مورد بررسی قرار گرفتند. ابزار پژوهش برای سنجش تشکیل پرتفوی سهام ارزشی، نسبت ارزش دفتری به ارزش بازار و تفکیک سهام شرکت‌ها به دو بخش رشدی و ارزشی بود و برای سنجش قرار گرفتن تناوب‌های درونی بیوریتمیک سرمایه‌گذاران از نرم‌افزار بیوریتم () در سیستم عامل اندروید و ای او اس () استفاده شد. نتایج نشان داد، سرمایه‌گذارانی که در دوره ی تناوبی ذهنی و عاطفی در منطقه مثبت قرار دارند، نسبت به سرمایه‌گذارانی که در در منقطه منفی و بحرانی قرار دارند، جهتِ تشکیل پرتفوی بیشتر تمایل به استفاده از سهام ارزشی دارند.

المصادر:

اسدی، غلامحسین.، اسلامی بیدگلی، سعید (1393). مقایسة عملکرد راهبردهای ارزشی و رشدی؛ نسبت‌های منفرد و سنجه‌های ترکیبی، فصلنامه تحقیقات مالی، دوره 16، شماره 1، بهار و تابستان، 1-24.

سنگانی، محمدحسین.، عبدلی، محمدرضا.، ولیان، حسن. (1400). بررسی سیکل تناوبیِ بیوریتمیکِ شناختی در کیفیت قضاوت حرفه‌ای حسابرسان، پژوهش‌های تجربی حسابداری، (۱)۱: 101-120

شیرازیان، زهرا. (1395). بررسی رابطه میان بیوریتم سهام‌داران و خطای تصمیم‌گیری مالی در بورس اوراق بهادار تهران، دانش مالی تحلیل اوراق بهادار، 9(32): 51-66.

صالحی، اله کرم.، صالحی، برزو (1395). مقایسه توان توضیح‌دهندگی مدل‌های سه عاملی و پنج عاملی فاما و فرنچ در تبیین بازده سهام ارزشی و رشدی، فصلنامه علمی پژوهشی دانش سرمایه‌گذاری، ۱۹(۳): 129-143.

فلاح‌پور، سعید.، گل ارضی، غلامحسین.، فتوره‌چیان، ناصر. (1392). پیش‌بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایۀ الگوریتم ژنتیک در بورس اوراق بهادار تهران، تحقیقات مالی، 15(2): 269-288

فیروزدهقان، محمد.، سعیدی، هادی.، محمدی، شعبان.، الهی، قاسم. (1398). انتخاب پرتفوی با داده‌های فرکانس بالا: الویت‌های ریسک‌گریزی نسبی ثابت و اثرنقدینگی، مهندسی مالی و مدیریت اوراق بهادار، 10(38): 180-214.

Al-Khallil, W, Y., Qader, A, H. (2014). Evaluation of the biological rhythm during physical, emotional and mental cycle, Asia Pacific Conference on Performance Analysis of Sport, 10(3): 21-34.

Aminvaziri, S., Irandoost, M. (2015). Surveying Relationship between Biorhythm and Making Error in Buying Stock in Tehran Stock Exchange, International Letters of Social and Humanistic Sciences, 64(2):126-132 https://doi.org/10.18052/www.scipress.com/ILSHS.64.126

Bai, Zh. Li, H., McAleer, M., and Wong. W. (2016^a). Spectrally corrected estimation for high-dimensional Markowitz mean–variance optimization. In Tinbergen Institute Discussion Paper, TI 2016-025/III. Amsterdam: Tinbergen Institute.

Bradshaw, C. W., J, R. (1982). Validity of Biorhythms for predicting death. Journal of Psychology, 111(2): 39-41.

Carvey, D, W., Nibler, R. G. (1977). Biorhythms cycles and the incidence of industrial accidents, Personnel Psychology, 30(4): 447-454

Chen, D, H., Chen, Ch, D., Wu, S, Ch. (2014). VaR and the cross-section of expected stock returns: An emerging market evidence, Journal of Business Economics and Management 15(3):441-459 https://doi.org/10.3846/16111699.2012.744343

Dharani, M., Hassan, M., Abedin, M, Z., Ismail, M, A. (2021). Does a search attention index explain portfolio returns in India? Borsa Istanbul Review, https://doi.org/10.1016/j.bir.2021.04.003

Haugen R (2010). The New Finance: Overreaction, Complexity, and Uniqueness, 5th Edition, Prentice Hall, New Jersey.

Hines, T, M. (1998). Comprehensive review of biorhythm theory, Psychol Rep, 83(1): 19-64. DOI: 10.2466/pr0.1998.83.1.19

Khalil, T, M., Kurucz, Ch, N. (1997). The Influence of ‘Biorhythm’ on Accident Occurrence and Performance, Ergonomics, 20(4): 389-398. https://doi.org/10.1080/00140137708931641

Kistner, W. G (1995). Growth versus Value Investment Strategies. Healthcare Financial Management, 49(7).

Lucey, B, M., and Dowling, M, M. (2004). Weather, Biorhythms and Stock Returns-Some Preliminary Irish Evidence (October 2004). Available at SSRN: https://ssrn.com/abstract=345000 or http://dx.doi.org/10.2139/ssrn.345000

Moldovan, E., Enoiu, R, S., Ruxanda, R, A., Leibovici, A., Kinetotherapist, B. (2011). The Influence of the Human Biorhythm in the Performance Sport Activity. Gymnasium: Vasile alecsandri, university of bacau, 32(12): 34-46.

Murgea, A. (2016). Seasonal affective disorder and the Romanian stock market, Economic Research-Ekonomska Istraživanja, 29(1): 177-192. https://doi.org/10.1080/1331677X.2016.1164924

O'Conner, B. P. (2011). The structure & dynamics of the biorhythm, Sarah Matthews (Trans) NY: hill and Wang.

O'Connor, B, P., Molly, K. (1991). A Test of the Intellectual Cycle of the Popular Biorhythm Theory, the Journal of Psychology, 125(3): 291-299. https://doi.org/10.1080/00223980.1991.10543293

O'Scope, S. (1976). Biorhythm: your personal three‐phase cycle, Journal of Education & Training, 18(6): 178-180. https://doi.org/10.1108/eb001924

Park, H. (2021). Financial behavior among young adult consumers: the influence of self-determination and financial psychology, Young Consumers, 22(4): 597-613. https://doi.org/10.1108/YC-12-2020-1263

Rapp, A. (2019). Sentiment versus mood: a conceptual and empirical investigation, Journal of Capital Markets Studies, 3(1): 6-17. https://doi.org/10.1108/JCMS-03-2019-0014

Reiter-Gavish, L., Qadana, M., Yagil, J. (2021). Investors' personal characteristics and trading decisions under distressed market conditions, Borsa Istanbul Review, https://doi.org/10.1016/j.bir.2021.04.005

Ruxandra, T. (2021). Is the Investor’s Biorhythm Affecting the Stock Market? Springer Proceedings in Business and Economics, in: David Procházka (ed.), Digitalization in Finance and Accounting, 2(2): 71-82, https://doi.org/10.1007/978-3-030-55277-0_7

Saket, R, K., Kaushik, WCSP, Singh, C, G. (2011). Biorhythmic Analysis to Prevent Aviation Accidents. In: Jain L, Aidman E, Abeynayake C, editors. Innovations in Defence Support Systems -2: Springer Berlin Heidelberg: 207-40.

Su, L. (2020). Motion Analysis of Human Biorhythm Based on Cosine Model, Radioelectronics and Communications Systems, 63(1): 299–307 (2020). https://doi.org/10.3103/S0735272720060035

Thompson, T, H. (2020). An instructional note to obtain an efficient portfolio with a short sale restriction, Managerial Finance, Vol. ahead-of-print No. ahead-of-print. https://doi.org/10.1108/MF-07-2020-0400

Valcanover, V, M., Sonza, I, B., da Silva, W, V. (2020). Behavioral Finance Experiments: A Recent Systematic Literature Review, SAGE Open, 5(4): 1-16. https://doi.org/10.1177/2158244020969672

Vazifedust, H., Alizadeh, A., Dehghan, A., & Azad, I. (2013). Study of Biorhythm Cycles That Influence on Decision Qualities of Investment Managers in Mutual Fund of the Iranian Capital Market.

Wang, D. (2018). The effect of psychological and biological factors on financial choices, FACULTY OF BUSINESS, LAW AND ART, School of Business.

Wang, M, Y. (1999). Multiple-Benchmark and Multiple-Portfolio Optimization, Financial Analysts Journal, 55(1): 63-72. https://doi.org/10.2469/faj.v55.n1.2242

Wong, W., Chow, Sh., Hon, T, Y., and Woo, K. (2018). Empirical study on conservative and representative heuristics of Hong Kong small investors adopting momentum and contrarian trading strategies. International Journal of Revenue Management, forthcoming.

Zahera, S.A. and Bansal, R. (2018). Do investors exhibit behavioral biases in investment decision making? A systematic review, Qualitative Research in Financial Markets, 10(2): 210-251. https://doi.org/10.1108/QRFM-04-2017-0028