رابطه بتای بازار سهام با متغیرهای کلان اقتصادی و اطلاعات حسابداری
محورهای موضوعی : دانش سرمایهگذاری
علی رحمانی
1
(عضو هیئت علمی دانشگاه الزهرا)
کامبیز پیکارجو
2
(عضو هیئت علمی دانشگاه آزاد واحد علوم و تحقیقات تهران)
منصوره عزیزی
3
(کارشناس ارشد اقتصاد دانشگاه آزاد واحد علوم و تحقیقات (مسئول مکاتبات))
کلید واژه: ریسک سیستماتیک (بتا), متغیرهای کلان اقتصادی, اطلاعات حسابداری, مدل EGARCH, M-GARCH, روش پنل دیتا,
چکیده مقاله :
تحقیق حاضر با هدف بررسی رابطه ریسک سیستماتیک سهام (بتای بازار) با متغیرهای کلان و اطلاعات حسابداری انجام شده است. تحلیل رگرسیون با استفاده از روش پنل دیتای ایستا و پویا بر روی نمومه ای شامل 61 شرکت عضو بورس و اوراق بهادار طی سال های 1380- 1389 انجام شد. برای برآورد مدل ها، از روش های ای گارچ ، ام گارچ و حداقل مربعات معمولی استفاده گردید. نتایج حاکی از ارتباط برخی متغیرهای کلان و اطلاعات حسابداری با بتای بازار می باشد. در مدل برازش شده با توجه به سطح معناداری متغیرها، مهمترین متغیرهای حسابداری شامل اندازه شرکت ،رشد شرکت و نسبت بدهی ها از نوع اطلاعات حسابداری و متغیرهای رشد تولید ناخالص داخلی، نرخ سود بانکی، تورم، تغییرات قیمت نفت خام و تغییرات نرخ ارز از نوع متغیرهای کلان می باشند.
An empirical analysis is carried out establishing the existent relationship among the stock market (Beta) and (a) macroeconomic and (b) accounting informations. Regression analysis, using static and dynamic panel data estimations, is applied to a sample of 61 listed Iranian firms, between 2001and 2010. Systematic risk is estimated through OLS, EGARCH and M-GARCH models and use TEDPIX index (Tehran Stock Exchange Dividend & Price "total return" Index) as market portfolio. The results show a connection between the systematic risk and the independent variables. The best models are found when we estimate the systematic risk using EGARCH model and applying a combination of macroeconomic and accounting variables. The most important variables explaining the systematic risk are Size (SZ), Growth Rate (GR) and Debt Ratio (DR) from accounting variables and Gross Domestic Product (GDPI),inflation (Change in CPI index), Legal interest rate (LINT), Oil price (Oilprice) and Exchange rate (EXCR). The results vary using different models and might be different if we use a different sample.