تبیین نقش متغیرهای مالی و اقتصادی بر بازده سهام با مدل مارکف سوئیچینگ

الموضوعات : دانش مالی تحلیل اوراق بهادار

عاطفه یزدانی ورزی ¹ (دانشجوی دکتری گروه مدیریت، علوم انسانی، دانشگاه آزاد اسلامی بابل، بابل، ایران)
عرفان معماریان ² (استادیار اقتصاد، دانشگاه آزاد اسلامی بابل)
سیدعلی نبوی چاشمی ³ (دانشیار مالی، دانشگاه آزاد اسلامی بابل)

تاريخ الإرسال : 18 السبت , صفر, 1443 تاريخ التأكيد : 18 السبت , صفر, 1443 تاريخ الإصدار : 15 الإثنين , محرم, 1443

الکلمات المفتاحية: متغیرهای مالی, متغیرهای اقتصادی, مدل مارکوف سوئیچینگ,

ملخص المقالة :

هدف این مقاله تبیین نقش متغیرهای مالی و اقتصادی بر بازده سهام با مدل مارکف سوئیچینگ است. بر اساس اطلاعات جمع‌آوری شده از سایت کدال و TSE.ir، به بررسی وجود استراتژی مومنتوم و معکوس در این بازار پرداخته شد. 318 شرکت از مجموع شرکت‌های فعال در بورس اوراق بهادار تهران که در سال‌های 1391 تا 1397 با توجه به محدودیت ها، 108 شرکت به عنوان نمونه انتخاب شدند. برای پیش بینی استراتژی معامله سهام در 12 ماه آینده از سه مدل آماری سری زمانی اتورگرسیو (بدون استفاده از متغیر کمکی)، مدل رگرسیون خطی و مدل مارکف سوئیچینگ به کار گرفته شدند. یافته های تحقیق نشان می دهد که از بین متغیرهای مالی(حجم مبنا، حجم معاملات، سرمایه گذاری نهادی، سهام شناور آزاد) و متغیرهای اقتصادی(نرخ ارز و تورم) تنها سه متغیر از متغیرهای خرد(حجم مبنا، سرمایه گذاری نهادی و شناور آزاد) بر استراتژی معامله سهام تاثیر گذاشته و می‌توان از این متغیرها به عنوان متغیرهای کمکی جهت پیش‌بینی بازده سهام و در نتیجه تعیین استراتژی معامله سهام در آینده استفاده کرد.

المصادر:

*      اسعدی، عبدالرضا، هدی ایمان طلب(1397)، رابطه سهام شناور آزاد با بازدهی، نقدشوندگی و ارزش شرکتها، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره سی و هفتم، زمستان 1397.

*   ^*سینایی، ح، اژدرپور، ل(1393). بررسی سودمندی استراتژی های شتاب و معکوس در بورس اوراق بهادار تهران. حسابداری مالی، 6(21)، 29-50.

*      ^*خدامی پور، احمد، امیری، اسماعیل(1396)، هزینة معاملات سهام و قیمت سهام : نقش تعدیلی سرمایه‌گذاران نهاد، مجله بررسی های حسابداری، دوره 4، شماره 15.

*      ^*رحمانی، علی، سرهنگی، حجت(1390)، تحلیل عوامل موثر بر استراتژیهای معاملاتی مبتنی بر بازده سهام، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 2، شماره 9، زمستان 1390، صفحه 79-104.

*      ^*فقیهی نژاد، محمد تقی، مینایی، بهروز(1397)، پیش بینی رفتار بازار سهام بر اساس شبکه های عصبی مصنوعی با رویکرد یادگیری جمعی هوشمند، مدیریت صنعتی دانشگاه تهران، دوره 10، شماره 2، صفحه 334-315.

*      صفری، ع، آشنا، م(1398). ارائه مدلی بهینه برای انتخاب سهام براساس استراتژی معاملاتی مومنتوم. دانش مالی تحلیل اوراق بهادار (مطالعات مالی), 12(41 ), 143-153.

*      ^*نعمتی، علی، حامد، تنها، نعیم پور، رسول(1395)، بررسی مالکیت نهادی با قیمت سهام، حجم معاملات و بازده سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، دومین کنفرانس بین المللی حسابداری، مدیریت و نوآوری در کسب و کار، رشت، دانشگاه لوتران کالیفرنیا، شهرداری رشت.

*      ^*موسوی شیری، سیدمحمود، صالحی، مهدی، شاکری، مریم، بخشیان، عسل(1394)، سودآوری استراتژی مومنتوم و تاثیر حجم معاملات سهام بر آن در بورس اوراق بهادار تهران،  مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی) :   زمستان 1394 , دوره  6 , شماره  25 ; از صفحه 107 تا صفحه 123 .

*      ^*منصورلکورج کیانوش، طاهری عصمت السادات، یحیی تبار، فاطمه(1390)، بررسی رابطه بین سرمایه گذاران نهادی و بازده سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، نشریه مطالعات کمی در مدیریت، تابستان 1390 , دوره  2 , شماره 2، از صفحه 180 تا 194 .

*      ^*وکیلی فرد، حمیدرضا، جولا، جعفر، بابایی، حمیدرضا(1393)، بررسی تأثیر حجم مبنا بر میزان بازدهی و نقدشوندگی سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، فصلنامه راهبرد مدیریت مالی، دوره 2، شماره4، صفحه 73-59.

*      یحیی زاده فر، م.، و لرستانی، س(1391). بررسی تاثیر حجم معامله بر بازدهی استراتژی های شتاب و معکوس در بورس اوراق بهادار تهران. پژوهش های تجربی حسابداری، 2(6)، 33-47.

*      ^*Dehong, L., Yucong L., Lili, Z., and Peter, L., Rizwan Ullah, Implied volatility forecast and option trading strategy ,International Review of Economics & Finance, 2021, Volume 71 (Pages: 943-954).

*      ^*Hao,Y., Chou, K., Ko ,K., and Yang, N., “The 52-week high, momentum, and investor sentiment”. International Review of Financial Analysis Fi ^*Hutcheson, G. (2011). Ordinary Least-Squares Regression. The SAGEDictionary of Quantitative Management Research, 224-228.nance, 2018, Doi: 10.1016/j.irfa.2018.01.014.

*      ^*Laem, A., and Tom, M., the effect of stock trading volume on capital asset pricing. Journal of Applied Econometrics, 2010, P. 551-565.

*      ^*Gokcen, Ogruk, Carry Trade Strategles With Factor Augmented Macro Fundamentals: A Dynamic Markov-Switching Factor Model, The International Journal of Business and Finance Research, 2016, p.11-28.

*      ^*Qing.Ye., Shengjie, Z., and Jie., Z, Short-selling, margin-trading, and stock liquidity: Evidence from the Chinese stock markets, International Review of Financial Analysis. 2020.

*      ^*Sharma, N., Causal relation between stock return and exchange rate: Evidence from India. Global Journal of Management and Business Research,2016, 15(11), P. 26-32.

*      ^*Suk Bitak, P., and Hongvenia, A, The effect of trading volume on market efficiency, Research in International Business and Finance. 2016, (3), P. 41–51.

*      ^*Sernioasan, M., the effect of macroeconomic variables information on stock prices in South Korea. Intelligent systems in accounting, finance and management, 2015, 21(2), P. 209-223

*      ^*Yunita, I., Nurhakim, A., and Iradianty, A, The effect of profitability and inflation on stock return at pharmaceutical industry at BEI in the period of 2011-2014. First International Conference on Advanced Business and Social Sciences. 2016.

*      ^*Xing. W., Haolei, C., Jianjia, W., Luigi, T., and Vincenzo L., Adaptive stock trading strategies with deep reinforcement learning methods. Information Sciences, 2020, P.142-158.