فهرس المقالات Fama and French tree-factor model.

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - مقایسه و تحلیل واکنش بازده آتی سهام به مدل‌های سنجش گشتاورهای ریسک غیرسیستماتیک(پیش بینی مقایسه ایی با شبکه عصبی)
  رقیه طالبی
  میانگین و واریانس بازده سهام به‌تنهایی برای توصیف توزیع بازده کافی نمی‌باشد. بنا به اعتقاد مارکویتز، توجه به گشتاورهای بالاتر نظیر چولگی و کشیدگی به‌عنوان شاخص ریسک به‌جای واریانس، نتایج دقیق‌تری را به همراه دارد؛ لذا باتوجه‌به تضادهای مطالعاتی بررسی واکنش بازده سهام به أکثر

  میانگین و واریانس بازده سهام به‌تنهایی برای توصیف توزیع بازده کافی نمی‌باشد. بنا به اعتقاد مارکویتز، توجه به گشتاورهای بالاتر نظیر چولگی و کشیدگی به‌عنوان شاخص ریسک به‌جای واریانس، نتایج دقیق‌تری را به همراه دارد؛ لذا باتوجه‌به تضادهای مطالعاتی بررسی واکنش بازده سهام به مدل‌های سنجش گشتاورهای ریسک غیرسیستماتیک (مدل قیمت‌گذاری دارایی‌های سرمایه‌ای و مدل سه عاملی فاما و فرنچ) قابل‌توجه بود. همچنین با تعیین مدل رگرسیونی برتر، مقایسه قدرت مدل برتر رگرسیونی با مدل شبکه های عصبی صورت گرفت. بدین منظور از بین شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بر اساس روش حذف سیستماتیک تعداد 152 شرکت به‌عنوان نمونه آماری (در قلمرو زمانی سال‌های بین 1392 تا 1400) انتخاب شد. نتایج نشان داد با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل قیمت‌گذاری دارایی‌های سرمایه‌ای و مدل سه عاملی فاما و فرنچ، بازده آتی سهام کاهش می‌یابد؛ این نتایج در راستای مفاهیم تئوری کارایی بازار سرمایه قابل‌توجیه است. دیگر نتایج حاکی از آن است که تفاوت ریسک غیرسیستماتیک مورد انتظار محاسبه شده با این دو مدل معنادار است؛ بنابراین قدرت گشتاورهای ریسک غیرسیستماتیک مورد انتظار محاسبه شده با مـدل قیمت‌گذاری دارایی سرمایه ای، کمتر از مـدل سه عاملی فاما و فرنچ است. با مقایسه ضریب تعیین مدل شبکه عصبی و رگرسیون خطی میتوان گفت الگوی مبتنی بر شبکه های عصبی عملکرد بهتری در پیش بینی بازده آتی سهام بر اساس گشتاورهای ریسک غیرسیستماتیک نسبت به رگرسیون خطی دارد. تفاصيل المقالة