بررسی رفتار رمه ای متغیر زمان در بورس اوراق بهادار تهران با استفاده از مدل امتیاز خود رگرسیونی تعمیم یافته

محورهای موضوعی : پژوهش های مالی و رفتاری در حسابداری

محمدابراهیم سماوی ¹ , هاشم نیکومرام ² , مهدی معدنچی زاج ³ , احمد یعقوب نژاد ⁴

1 - گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه مدیریت مالی، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی ، تهران، ایران
4 - گروه حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران ایران.

تاریخ دریافت : 1400/12/04 تاریخ پذیرش : 1400/12/29 تاریخ انتشار : 1400/12/01

کلید واژه: مدلسازی مالی, رفتار رمه‌ای, پیش‌بینی توزیع بازدهی, مالی رفتاری, مدل امتیاز خود رگرسیونی تعمیم یافته,

چکیده مقاله :

رفتار توده‌وار یا رمه‌ای یکی از مهم‌ترین سوگیری‌های رفتاری است که در بازارهای مالی وجود دارد و از عوامل شکل‌دهنده بحران‌های مالی است. با توجه به اینکه رفتار رمه‌ای به صورت مستقیم بر قیمت اثر می‌گذارد، از این رو پیش‌بینی قیمت بر اساس داده‌های قیمتی گذشته نشان از وجود رفتار رمه‌ای در بازار دارد. این مقاله با هدف بررسی وجود رفتار رمه‌ای در بورس اوراق بهادار تهران مدلی زمان متغیر غیرخطی نوینی به نام امتیاز خود رگرسیونی تعمیم یافته (GAS) ارائه کرده و با مدل-های غیرخطی سنتی GARCH و AR نیز قیاس شده است. در راستای پیش‌بینی بازدهی شاخص بورس اوراق بهادار تهران جهت تشخیص وجود رفتار رمه‌ای، از داده‌های قیمتی طی بازه 1390 الی 1399 استفاده شده است. توان و دقت پیش‌بینی توزیع بازدهی مدل نوین GAS با نتایج مدل‌های غیرخطی GARCH و AR در داده‌های درون و برون نمونه‌ای جهت تشخیص وجود رفتار رمه‌ای قیاس شده است. نتایج پژوهش در آزمون‌های درون و برون نمونه‌ای نشان دهنده دقت بالاتر مدل نوین GAS نسبت به مدل‌های سنتی GARCH و AR در پیش‌بینی توزیع بازدهی روزانه شاخص کل بورس اوراق بهادار تهران بوده و همچنین وجود رفتار رمه‌ای در بازار سرمایه ایران تایید شده است.

چکیده انگلیسی:

Herd behavior is one of the most important behavioral biases in financial markets and is one of the determinants of financial crises. Given that herd behavior directly affects price, presenting a model based solely on past prices, with good predictability, indicates the existence of market herd behavior. This article aims to investigate the existence of herd behavior in Tehran Stock Exchange and presents a new nonlinear variable time model called Generalized Autoregressive Score (GAS) and has been compared with traditional GARCH and AR nonlinear models. in order to predict the distribution of return of the total index of the stock exchange during the period 2010 to 2020. The results of modeling for the asset by the new GAS model are compared with the results of the GARCH and AR models and their performance is tested for inside and outside the sample. ample in the internal and external tests show that the new GAS model is more accurate than the traditional GARCH and AR models in predicting the daily return distribution of the total index of the Tehran Stock Exchange and also the presence of herd behavior in Iran's capital market has been approved.