جریان اطلاعات و پیش بینی پذیری بازده سهام

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

محمد رحیمی ¹ , ابوالفضل شاه آبادی ²

1 - دانشجوی دکتری اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلی سینا، همدان، ایران
2 - دانشیار گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلی سینا، همدان، ایران

تاریخ دریافت : 1393/08/11 تاریخ پذیرش : 1393/10/15 تاریخ انتشار : 1394/07/10

کلید واژه: پیشبینی پذیری, جریان اطلاعات, بازده سهام, خودهمبستگی, نوسان,

چکیده مقاله :

این مطالعه به بررسی نقش جریان اطلاعات در پیشبینی بازده سهام بازار بورس ایران میپردازد. بدین منظورمدلهای تجربی تصریح شده در پژوهش با استفاده از آمار ماهانه دوره زمانی دیماه 9731 تا دیماه 9711 برایبررسی ارتباط مذکور در بورس اوراق بهادار تهران برآورد شدند. نتایج بیانگر آن است در حالی که بازده بازارسهام ایران از قابلیت پیشبینی بالایی برخوردار است، اما منابع پیشبینی پذیری بازده سهام به طور قابل توجهیبسته به سطح جریان اطلاعات موجود در بازار، متفاوت و گوناگون است، بطوریکه اهمیت و ارتباط بخشخودهمبستگی مرتبه اول بسته به نوسان موجود در بازار کاهش یافته و به طور معکوس اهمیت و اعتبار مدل چندعاملی قیمتگذاری دارایی با افزایش نوسانات بازار افزایش مییابد. علاوه بر این، نتایج نشان میدهد در دوره-های دارای اطلاعات بالا در بازار، ریسک بازار محلی و تغییرات در قیمت نفت بازده کل سهام را تحت تأثیر قرارمیدهد

چکیده انگلیسی:

This study explores the role of information flow in stock return predictability in Iranian stock market. The empirically motivated models estimated using the monthly data of the Tehran Stock Exchange (TSE) for the period of 2001:01 to 2011:12. While Iranian stock market return is high predictable, the source of return predictability is shown to vary considerably with information flow. The results show that the relevance of the first-order autocorrelation decreases with volatility and reversely, the relevance of a conditional multifactor asset pricing model increases with volatility in this market. Furthermore, the results indicating that the local market risk and changes in oil price affect the expected aggregate return in periods of high information.

منابع و مأخذ:

اشراق نیای جهرمی، عبدالحمید و نشوادیان،
کامیار ) 9783 (، "آزمایش مدل سه عاملی فاما و
فرنچ در بورس اوراق بهادار تهران"، مجله علمی
و پژوهشی شریف )ویژه مهندسی صنایع،
- .46 71:)41( مدیریت و اقتصاد(، 24
 ،) پیرائی، خسرو و شهسوا، محمدرضا ) 9788
"تأثیر متغیرهای کلان اقتصادی بر بازار بورس
-78:)9( ایران"، فصلنامه پژوهشهای اقتصادی، 1
.29
 راعی، رضا و چاوشی، کاظم ) 9782 (، "پیش
بینی بازده سهام در بورس اوراق بهادار تهران:
مدل شبکه های عصبی مصنوعی و مدل چند
- .77 24:)91( عاملی"، تحقیقات مالی، 1
 مهر آرا، محسن؛ معینی، علی؛ احراری، مهدی و
هامونی، امیر ) 9788 (، "الگوسازی و پیش بینی
شاخص بورس اوراق بهادار تهران و تعیین
متغیرهای مؤثر بر آن"، فصلنامه پژوهشها و
سیاستهای اقتصادی، سال هفدهم، 11 ، صص
- .79 19
 نیکواقبال علی اکبر، گندلی علیخانی نادیا، نادری
اسماعیل ) 9717 (، " ارزیابی مدلهای شبکه
عصبی مصنوعی ایستا و پویا در پیش بینی قیمت
جریان اطلاعات و پیشبینی پذیری بازده سهام
فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار / شماره بیست و هفتم 25
، سهام" دانش مالی تحلیل اوراق بهادار، دوره 3
- . شماره 2 )پیاپی 22 (، صص 19 33
 Adler, M. and Dumas, B. (1983); “International portfolio selection and corporation finance: A synthesis”, Journal of Finance, 38, 925–984.
 Basher, S. A. and Sadorsky, P. (2006); “Oil price risk and emerging stock markets”, Global Finance Journal, 17, 224–251.
 Bekaert, G., Harvey, C. R., Lundblad, C. and Siegel, S. (2011); “What segments equity markets?”, Review of Financial Studies, 24, 3841–3890.
 Ben Naceur, S. and Ghazouani, S. (2007); “Stock markets, banks, and economic growth: Empirical evidence from the MENA region”, Research in International Business and Finance, Vol. 21, Issue 2, 297-315.
 Brandt, M. W. and Wang, L. (2010); “Measuring the time-varying risk-return relation from the cross-section of equity returns”, Working Paper. Duke University.
 Campbell, J. Y. (2000); “Asset pricing at the millennium”, Journal of Finance, 55, 1515–1567.
 Campbell, J. Y. and Thompson, S. B. (2008), “Predicting excess stock returns out of sample: can anything beat the historical average?” Review of Financial Studies, 21, 1509–1531.
 Campbell, J. Y. and Yogo, M. (2006); “Efficient tests of stock return predictability”, Journal of Financial Economics, 81, 27–60.
 Campbell, J.Y. Grossman, S. J. and Wang, J. (1993); “Trading volume and serial correlation in stock returns”, Quarterly Journal of Economics, 108, 905–939.
 Carrieri, F., Errunza, V. and Hogan, K. (2007); “Characterizing world market integration through time”, Journal of Financial and Quantitative Analysis, 42, 915–940.
 Chambet, A. and Gibson, R. (2008); “Financial integration, economic instability, and trade structure in emerging markets”, Journal of International Money and Finance, 27, 654–675.
 Cochrane, J. (2005); “Asset Pricing”, Revised edition. Princeton University Press, Princeton.
 Cowles, A. (1933); “Can stock market forecasters forecast?” Econometrica, 1, 309–324.
 Dangl, T. and Halling, M. (2012); “Predictive regressions with time-varying coefficients”, Journal of Financial Economics, Volume 106, Issue 1, 157–181.
 De Santis, G. and Gerard, B. (1997); “International asset pricing and portfolio diversification with time-varying risk”, Journal of Finance, 52, 1881–1912.
 De Santis, G. and Gerard, B. (1998); “How big is the premium for currency risk?” Journal of Financial Economics, 49, 375–412.
 De Santis, G. and Imrohoroglu, S. (1997); “Stock returns and volatility in emerging financial markets”, Journal of International Money and Finance, 16, 561–579.
 De Santis, G., Gerard, B. and Hillion, P. (2003); “The relevance of currency risk in the EMU”, Journal of Economics and Business, 55, 427–462.
 Fama, E. F. (1965); “The behavior of stock market prices”, Journal of Business, 38, 34-105.
 Ghysels, E., Santa-Clara, P. and Valkanov, R. (2005); “There is a risk-return trade-off after all”, Journal of Financial Economics, 76, 509–548.
 Goyal, A. and Welch, I. (2008); “A comprehensive look at the empirical performance of equity premium prediction”, Review of Financial Studies, 21, 1455–1508.
 Guidolin, M. and Timmermann, A. (2007); “Asset allocation under multivariate regime switching”, Journal of Economic Dynamics and Control, 31, 3503–3544.
 Guo, H. and Whitelaw, R. F. (2006); “Uncovering the risk-return relation in the stock market”, Journal of Finance, 61, 1433–1463.
 Harvey, C. R. (1991); “The world price of covariance risk”, Journal of Finance, 46, 111–157.
 Gupta, R., Modise, M. P., (2013). “Macroeconomic variables and south african stock return predictability.” Economic Modelling 30. 612–622.
 Harvey, C. R. (1995b); “The cross-section of volatility and autocorrelation in emerging markets”, Finanz Markt and Portfolio Management, 9, 12–34.
محمد رحیمی و ابوالفضل شاه آبادی
20 فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار / شماره بیست و هفتم
 Harvey, C. R. (1995a); “Predictable risk and returns in emerging markets”, Review of Financial Studies, 8, 773–816.
 Henkel, S. J., Martin, J. S. and Nadari, F. (2011); “Time-varying short-horizon predictability”, Journal of Financial Economics, 99, 560–580.
 Jensen, M. C. (1969); “Risk, the pricing of capital assets, and the valuation of investment portfolios”, Journal of Business, 42, 167–247.
 Kelly, B. and Pruitt, S. (2012); “Market expectations in the cross section of present values”, University of Chicago, Booth School of Business, Working Paper No. 11-08.
 Kim, J. H., Shamsuddin, A. and Kian-Ping, L. (2011); “Stock return predictability and the adaptive markets hypothesis: evidence from century-long U.S. data”, Journal of Empirical Finance, 18, 868–879.
 Kinnunen, J. (2012); “Risk-return trade-off and serial correlation: Do volume and volatility matter?”, Proceedings of the 2012 Portuguese Finance Network, 7th Finance Conference, 2012.
 Kinnunen, J. (2013); “Dynamic return predictability in the Russian stock market”, Emerging Markets Review, doi: 10.1016/j.ememar.2012.12.001
 P´astor, L. and Stambaugh, R. F. (2009); “Predictive systems: living with imperfect predictors”, Journal of Finance, 64, 1583–1628.
 Pastor, L., Meenakshi, S. and Swaminathan, B. (2008); “Estimating the intertemporal risk-return trade off using the implied cost of capital”, Journal of Finance, 63, 2859–2897.
 Pukthuanthong, K. and Roll, R. (2009); “Global market integration: an alternative measure and its application”, Journal of Financial Economics, 94, 214–232.
 Rapach, D. E. and Zhou, G. (2013); “Forecasting Stock Returns”, Handbook of Economic Forecasting, Volume 2, Part A, 328-383.
 Rapach, D. E., Strauss, J. K. and Zhou, G. (2010); “Out-of-sample equity premium prediction: combination forecasts and links to the real economy”, Review of Financial Studies, 23, 821–862.
 Ross, S. A. (1976); “The arbitrage pricing theory of capital assets pricing.” Journal of Economic Theory, 13, 341-360.
 Saleem, K. and Vaihekoski, M. (2008); “Pricing of global and local sources of risk in Russian stock market”, Emerging Markets Review, 9, 40–56.
 Semmler, W. (2006); “Asset prices, booms and recessions-financial economics from a dynamic perspective”, Second edition, Springer Publishing House, Heidelberg and New York.
 Sentana, E. and Wadhwani, S. (1992); “Feedback traders and stock return autocorrelations: evidence from a century of daily data”, The Economic Journal, 102, 415–425.
 Torous, W., Valkanov, R. and Yan, S. (2005); “On predicting stock returns with nearly integrated explanatory variables”,Journal of Business, 77, 937–966