مقایسه عملکرد مدل فاما و فرنچ و شبکه های عصبی مصنوعی

مهندسی مالی و مدیریت اوراق بهادار

مقاله 6، دوره 3، شماره 11، تیر 1391، صفحه 103-118   

نویسندگان

ناصر شمس¹؛ سمیرا پارسائیان²

¹استادیار دانشکده مهندسی صنایع ، دانشگاه صنعتی امیرکبیر

²کارشناس ارشد مهندسی مالی، دانشگاه علم و فرهنگ

چکیده

پیش بینی نرخ بازدهی سهام, همواره به عنوان یکی از مهم ترین مباحث بازار های مالی مطرح بوده است. این مقاله ، به مقایسه مدل سه عاملی فاما و فرنچ و مدل شبکه عصبی رگرسیون عمومی، برای پیش بینی بازدهی سهام شرکتهای بورس اوراق بهادار تهران در قلمرو زمانی بین سالهای 1378 تا 1388 می پردازد. با استفاده از دو فرضیه که فرضیه اول دقت مدلها را در پیش بینی بازده ماهانه سهام  شرکتهای هدف، و فرضیه دوم دقت مدلها را در پیش بینی بازدهی ماهانه شش پرتفوی تشکیل شده بر اساس اندازه و نسبت ارزش دفتری به ارزش بازار، مقایسه می کند، و معیار حداقل مربعات خطا، دقت دومدل مقایسه می گردد. نتایج نشان می دهد که بین میانگین خطای مدل ها در پیش بینی بازدهی سهام شرکتها  و پرتفوی های تشکیل شده اختلاف معنی داری وجود دارد، که این اختلاف حاکی از برتری مدل شبکه عصبی رگرسیون عمومی بر مدل فاما و فرنچ در پیش بینی بازدهی سهام شرکتها و پرتفوی ها می باشد.

کلیدواژه‌ها

مدل سه عاملی فاما و فرنچ (FF)؛ شبکه عصبی رگرسیونی عمومی(GRNN)؛ صرف ریسک بازار؛ صرف ریسک اندازه؛ صرف ریسک ارزش