نقدینگی

ناهنجاری هایی مانند ناهنجاری های تعهدی،ناهنجاری های عرضه اولیهناهنجاری

کالن(۲۰۱۲)

پیتر(۲۰۰۸)

رشد اقتصادی

التون و همکاران(۱۹۹۵)

دروال و همکاران(۲۰۰۹)

معیاری جهت هزینه زندگیتورم

جدول ۲- ۱ مطالعات انجام شده پیرامون مدل های چند شاخصه و عوامل آن ها

شاید واضح ترین مثال از این تاثیرات غیر بازار عامل صنعت باشد. یک مدل چند شاخص به صورت زیر است:

در این مدل NFعامل غیر بازار است و سایر متغیر ها :

= بازده (TR) اوراق بهادار i ؛

= بازده (TR) شاخص بازار؛

= آن بخش از بازده اوراق بهادار i که مستقل از عملکرد بازار است؛

= معیار حساسیت بازده سهام به عامل i؛

= خطای باقیمانده تصادفی.

منطقی است که مدل چند شاخصی بهتر از مدل تک شاخص عمل نماید برای اینکه در این مدل برای تعیین روابط میان بازده سهام از اطلاعات بیشتری استفاده می شود. در نتیجه، مدل چند شاخصی در میان دو مدل مارکوئیتز و شارپ قرار می‌گیرد( تهرانی و نوربخش، ۱۳۸۸،ص ۱۸۲) ۲-۱-۵- مدل سه عاملی فاما و فرنچ

فاما و فرنچ^[۱۹](۱۹۹۲) تجزیه و تحلیل فاما و مک بث(۱۹۷۴) را توسعه دادند، آن ها پی بردند که در طول ۴۰ سال گذشته سهامی که نقش بیشتری را در تغییر پذیری شاخص موزون بورس اوراق بهادار نیویورک^[۲۰] داشته اند، نرخ بازده بیشتری را نیز فراهم نموده اند و مشاهده نمودند که بعد از کنترل اندازه شرکت‌ها رابطه بین متوسط بازده و بتا مستقیم و منفی می شود. در توجیه مطالب فوق فاما و فرنچ(۱۹۹۲) پی بردند که برخلاف بتای سهام که پیش‌بینی کننده بسیار ضعیفی از بازده مورد انتظار آتی است، نسبت ارزش دفتری هر سهم به ارزش بازاری هر سهم، پیش‌بینی کننده خوبی است. بدین صورت که سهام با نسبت های ارزش دفتری به ارزش بازاری بالاتر، نرخ های بازده بیشتری را برای سرمایه گذاران فراهم می‌سازد. لیکن این مطلب ضرورتاً در هر دوره کوتاه مدت صادق نیست؛ به بیان دیگر، در بلند مدت انتظار چنین رفتاری را از بازده سهام خواهیم داشت. فاما و فرنچ با در نظر گرفتن اکثر متغیرهای پیشنهادی در ادبیات موضوع، این چنین نتیجه گیری نمودند که بین سال‌های ۱۹۶۳ و ۱۹۹۰ ، به هنگام در نظر گرفتن بتا با سایر متغیرها، بتا با متوسط بازدهی سهام ارتباطی ندارد و دو متغیر غالب در واقع اندازه و نسبت ارزش دفتری به ارزش بازاری است (راعی و تلنگی، ۱۳۸۷،ص۳۵۲).

در تحقیق فاما و فرنچ که در آن از روش سری زمانی برای شناسایی عواملی که نرخ های بازدهی سهام و اوراق قرضه را تشریح می‌کنند استفاده شده است. پژوهش آن ها نشان می‌دهد که نرخ‌های بازدهی ماهانه سهام با سه عامل در ارتباط اند عامل بازار- عامل اندازه- و عامل ارزش دفتری به ارزش بازار حقوق صاحبان سهام. مدل عاملی آن ها برای سهام در قالب معادله، به شرح زیر است:

عامل اول به طور ساده نرخ بازده اضافی یکی از شاخص های وسیع بازار سهام نسبت به نرخ بازدهی یک ماهه اوراق خزانه است. عامل اندازه (SMB) را می توان به عنوان تفاوت میان نرخ های بازدهی ماهانه دو شاخص در نظر گرفت) شاخص سهام شرکت های کوچک و شاخص سهام شرکت های بزرگ(.عامل ارزش دفتری به ارزش بازار حقوق صاحبان سهام (HML) نیز به عنوان تفاوت میان نرخ بازدهی ماهانه دو شاخص در نظر گرفته می شود. فاما و فرنچ همچنین دو عامل را شناسایی کردند که به نظر می‌رسد نرخ بازدهی ماهانه اوراق قرضه را تشریح می‌کنند. مدل عاملی آن ها برای اوراق قرضه در قالب معادله بشرح زیر است:

این دو عامل عبارتند از عامل ساختار زمانی نرخ های بهره و عامل نکول عامل ساختار زمانی نرخ بهره به طور ساده تفاوت میان نرخ های بازدهی ماهانه اوراق قرضه بلند مدت خزانه و اوراق یک ماهه خزانه است. عامل نکول تفاوت میان نرخ های بازدهی ماهانه سبد سرمایه گذاری اوراق قرضه بلند مدت شرکتی و اوراق قرضه بلند مدت خزانه است( فاما و فرنچ، ۱۹۹۳).

۲-۱-۶- معیار های اندازه گیری ریسک

۲-۱-۶-۱ میانگین موزون یکسان واریانس سهام^[۲۱]

طبق گفته گویل و سانتا کلارا^[۲۲]، واریانس ماهانه سهام iبا استفاده از بازده ماهانه قیمت سهام از طریق ذیل محاسبه می‌گردد:

که در آن Dتعداد روز های معامله در ماه tو rبازده سهام Iدر در روز dاماست. قسمت دوم رابطه در سمت راست تعدیل ‌گری برای خود همبستگی در بازده روزانه با بهره گرفتن از رویکرد فرنچ و همکاران(۱۹۸۷) می‌باشد.

گویل و سانتا کلارا، میانگین واریانس سهام را به صورت میانگین حسابی از واریانس ماهانه بازدهی هر سهم به شکل زیر محاسبه کرد

که در آن Nتعداد های موجود در ماه tاست. گویل و سانتا کلارا با بهره گرفتن از میانگین موزون یکسان واریانس سهام جهت پیش‌بینی دوره آینده بازدهی مازاد بر شاخص موزون یکسان بازار انجام داد.

۲-۱-۶-۲- میانگین ارزش وزنی واریانس سهام^[۲۳]

میانگین ارزش وزنی واریانس سهام با بهره گرفتن از ارزش بازار به صورت زیر محاسبه می‌گردد:

که در آن برای وزنها در دوره t، wاز ارزش بازار هر شرکت iدر دوره t-1و با فرض پایدار بودن این اوزان در دوره tاستفاده می‌گردد.

۲-۱-۶-۳- میانه واریانس سهام^[۲۴]

علاوه بر میانگین موزون یکسان و میانگین موزون ارزش بازار، از میانه واریانس سهام نیز به ‌عنوان معیار دیگری برای محاسبه ریسک استفاده می‌گردد. این معیار عبارت است از ارزش میانی(یا میانگین دو ارزش میانی) واریانس ماهانه سهام زمانی که تمامی سهام ها از کوچک به بزرگ مرتب شده باشند. میانه معیار قوی مرکز توزیع داده ها می‌باشد که نسبت به میانگین حساسیت کمتری به داده های پرت دارد. لازم به ذکر است میانه واریانس سهام به عنوان معیار مناسب ریسک برای بازدهی شاخص ارزش وزنی بازار نیست، اما با این وجودمیتوان به VARبعنوان معیار قویتر ریسک نسبت به VARبه دلیل کاهش اثر داده ای پرت ایجاد شده به وسیله سهام های کوچک دانست.

۲-۱-۶-۴- معیار بسامد پایین میانگین واریانس سهام^[۲۵]

گویل و سانتا کلارا همچنین معیار بسامد پایین میانگین واریانس بازار را ایجاد کرد:

که در آن Nتعداد سهام در ماه t، و rبازده ماهانه سهام iدر ماه tاست. عبارت اول معادله فوق عبارت است از میانگین مجذور بازدهی و عبارت دوم معادله مجذور میانگین ماهانه است(بیل و همکاران،۲۰۰۵،ص۹۰۹) .

معیار بسامد پایین واریانس میانگین وزنی ارزش بازار سهام مشابه بوده ‌به‌استثنای آن که هر سهام با ارزش بازار خود وزن داده شده است:

۲-۱-۶-۵- نوسانات غیرسیستماتیک^[۲۶]

معیارهای تقریبی از واریانس سهام از طریق مجذور بازدهی آن است. معیار های ذکر شده، همگی نمایانگر کل ریسک که شامل دو جزء ریسک سیستماتیک و نوسانات غیر سیستماتیک می‌باشد. جهت درک بهتر سهم نوسانات غیرسیستماتیک در پیش‌بینی بازدهی اضافی بازار، فرض می شود که محرک بازده هر سهام i به وسیله یک عامل یا شوک ویژه شرکت خواهد بود. جهت وضوح بیشتر، معادله تک عاملی زیر فرض می شود: