Explain the role of financial and economic variables on stock returns With Markov-switching Model
Subject Areas : Financial Knowledge of Securities Analysis
Atefeh Yazdani Varzi
1
,
erfan Memarian
2
,
ali nabavi
3
1 - Department of Management, Humanities, Islamic Azad University of Babol, Babol, Iran
2 - Assistant Professor of Economics, Islamic Azad University of Babol
3 - Associate Professor of Finance, Islamic Azad University of Babol
Keywords: financial factors, economic factors, Markov-switching model,
Abstract :
In the research, Explain the role of financial and economic variables on stock returns With Markov-switching Model. Based on information collected from the two codal.ir and TSE.ir websites, availability and momentum. contrarian strategies have been dealt with in the market. From among 318 companies from those listed in Tehran Stock Exchange for the period of 2011-2017 and based on restrictions, 108 companies have been selected as research samples. Then, using various statistical models, three statistical models of autoregressive time series (with no help from auxiliary variable), linear regression, and Markov-switching have been applied. Using the model’s goodness of fit criterion, these three models have been compared and the best one has been selected. Based on selected model, stock trading strategy for the next 12 months has been predicted. To collect data and perform statistical analyses, Excel spread sheet, as well as SPSS and R software packages have been used. According to the findings, from among minor variables (base volume, institutional investment, and free float) and major variables (currency and inflation rates), only three variables from minor types (base volume, institutional investment, and free float) have been effective on stock trading strategy; and, these variables can be used as auxiliary variables to predict return on stock and to specify stock trading strategy in future, as a result.
* 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.
_||_