ریسک دنباله و بازده مازاد سهام: شواهدی از ناهنجاری‌های مومنتوم و ریسک غیرسیستماتیک

اقتصاد مالی

دوره 18، شماره 66، فروردین 1403، صفحه 253-276   

نوع مقاله: علمی پژوهشی

شناسه دیجیتال (DOI): 10.30495/fed.2024.709348

نویسندگان

مصطفی رمضانی شریف آبادی¹؛ سعید علی احمدی^{* 1}؛ مهدی آقابیک زاده²

¹گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.

²گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران

چکیده

چکیده
ناهنجاری­های بازار سرمایه ناشی از عواملی است که در مدل­های قیمت­گذاری دارایی سرمایه­ای مورد توجه قرار نگرفته است. از استدلال­های مطرح شده برای توضیح ناهنجاری­ها، تئوری ارزش افراطی است. بر مبنای تئوری ارزش افراطی، ریسک دنباله رویداد نامطلوبی است که می­تواند  تاثیر منفی بر بازده مازاد سهام داشته باشد. از این رو، هدف پژوهش حاضر بررسی تاثیر ترکیب ناهنجاری­های مومنتوم و ریسک غیرسیتماتیک با ریسک دنباله بر بازده مازاد سهام است. در پژوهش حاضر از دو معیار ریسک دنباله تجمعی و ریسک کوواریانس دنباله ترکیبی برای محاسبه ریسک دنباله استفاده شده است. روش نمونه­گیری در این پژوهش حذف سیستماتیک و دوره زمانی پژوهش سال­های 1385 تا 1398 انتخاب گردیده است. تعداد شرکت­های نمونه شامل 136 شرکت پذیرفته­شده در بورس اوراق بهادار تهران می­باشد و از رگرسیون 5 عاملی فاما و فرنچ (2015) برای آزمون فرضیه­های پژوهش استفاده گردید. نتایج پژوهش حاکی از این است که ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله بر بازده مازاد سهام تاثیر مثبت و معناداری دارد. بنابراین، سرمایه­گذاران با ترکیب این پرتفوی می­توانند در بازار سرمایه ایران بازدهی کسب نمایند. همچنین، نتایج پژوهش نشان داد که ترکیب پرتفوی مومنتوم و ریسک دنباله منجر به بازده مازاد سهام نمی­گردد. در کل، نتایج پژوهش نشان داد که برای توضیح وجود ناهنجاری ریسک غیرسیتماتیک می­توان از ریسک دنباله استفاده نمود

کلیدواژه‌ها

واژه‌های کلیدی: ناهنجاری مومنتوم؛ ناهنجاری ریسک غیرسیستماتیک؛ ریسک دنباله و بازده مازاد سهام. طبقه بندی JEL : G1؛ G10؛ G12

اصل مقاله

https://doi.org/10.30495/fed.2023.1941992.2557

 

ریسک دنباله و بازده مازاد سهام: شواهدی از ناهنجاری­های مومنتوم

 و ریسک غیرسیستماتیک

 

تاریخ دریافت: 25/09/1402                  تاریخ پذیرش: 13/11/1402

مصطفی رمضانی شریف آبادی[1] سعید علی احمدی*[2] مهدی آقابیک زاده[3]

 

چکیده

ناهنجاری­های بازار سرمایه ناشی از عواملی است که در مدل­های قیمت­گذاری دارایی سرمایه­ای مورد توجه قرار نگرفته است. از استدلال­های مطرح شده برای توضیح ناهنجاری­ها، تئوری ارزش افراطی است. بر مبنای تئوری ارزش افراطی، ریسک دنباله رویداد نامطلوبی است که می­تواند  تاثیر منفی بر بازده مازاد سهام داشته باشد. از این رو، هدف پژوهش حاضر بررسی تاثیر ترکیب ناهنجاری­های مومنتوم و ریسک غیرسیتماتیک با ریسک دنباله بر بازده مازاد سهام است. در پژوهش حاضر از دو معیار ریسک دنباله تجمعی و ریسک کوواریانس دنباله ترکیبی برای محاسبه ریسک دنباله استفاده شده است. روش نمونه­گیری در این پژوهش حذف سیستماتیک و دوره زمانی پژوهش سال­های 1385 تا 1398 انتخاب گردیده است. تعداد شرکت­های نمونه شامل 136 شرکت پذیرفته­شده در بورس اوراق بهادار تهران می­باشد و از رگرسیون 5 عاملی فاما و فرنچ (2015) برای آزمون فرضیه­های پژوهش استفاده گردید. نتایج پژوهش حاکی از این است که ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله بر بازده مازاد سهام تاثیر مثبت و معناداری دارد. بنابراین، سرمایه­گذاران با ترکیب این پرتفوی می­توانند در بازار سرمایه ایران بازدهی کسب نمایند. همچنین، نتایج پژوهش نشان داد که ترکیب پرتفوی مومنتوم و ریسک دنباله منجر به بازده مازاد سهام نمی­گردد. در کل، نتایج پژوهش نشان داد که برای توضیح وجود ناهنجاری ریسک غیرسیتماتیک می­توان از ریسک دنباله استفاده نمود.

واژه‌های کلیدی: ناهنجاری مومنتوم، ناهنجاری ریسک غیرسیستماتیک، ریسک دنباله و بازده مازاد سهام.

طبقه بندی JEL : G1، G10، G12

 

 

1- مقدمه

سرمایه­گذاران به دنبال بهینه­سازی تصمیم­های سرمایه­گذاری با ایجاد پرتفوی کارآمد در چارچوب میانگین- واریانس هستند. آن­ها با استفاده از مدل­های قیمت­گذاری مبتنی بر ریسک به عنوان اولین اصل در بررسی فرصت­های سرمایه­گذاری، به پرتفوهای کارآمد دست می­یابند. مدل مبتنی بر ریسک و بازده خطی است و بازده مازاد مورد انتظار به متغیرهای مورد استفاده در مدل بستگی دارد (ایوب و همکاران[4]، 2020). علاوه بر این، درک بازده مورد انتظار توسط متخصصان حرفه­ای جهت  مدیریت سبد سرمایه­گذاری و متخصصان دانشگاهی برای افزایش نظریه­های قیمت­گذاری دارایی از طریق مطالعه شرایط بازارهای مختلف بسیار با اهمیت است (گائو و همکاران[5]، 2019). همچنین، بسیاری از پژوهش­ها نشان داده اند که بازده بازار سهام از توزیع نرمال پیروی نمی­کند و دارای دنباله­هایی بزرگتر از حد پیش­بینی شده است (فاما[6]، 1965).  با این حال، از زمانی که پژوهشگران دانشگاهی دریافتند که بازده بازار اغلب مفروضات توزیع نرمال را نقض می­کند، در ادبیات قیمت­گذاری دارایی­ها رابطه بین ریسک دنباله[7] و بازده مورد انتظار دارایی­ها اهمیت بیشتری یافته است. در واقع، سرمایه­گذاران ریسک­گریز در مقایسه با بازده دارایی­هایی که در بخش مرکزی توزیع نرمال بازده قرار می­گیرند، به بازده دارایی­های دنباله توجه بیشتری دارند. این توجه بیشتر عمدتا به این دلیل است که رویدادهای دنباله می­توانند منجر به کاهش قابل­توجه در ارزش سبد سهام سرمایه­گذار شود (آنگ و همکاران[8]، 2006). رویدادهای دنباله نشان­دهنده حالت­هایی است که در آن سرمایه­گذاران بازده مورد انتظار بالاتری را برای دارایی­هایی که ممکن است در اثر رویداد دنباله در معرض زیان قرار بگیرند را مطالبه می­کنند. بنابراین ریسک دنباله می­تواند تأثیر زیادی بر قیمت دارایی­ها داشته باشد، حتی اگر به ندرت رخ دهند (کاراگیانیس و تولیکاس[9]، 2019). ریسک دنباله که نشان دهنده زیان در منفی­ترین قسمت توزیع بازده سبد سهام است (بنسون و همکاران[10]، 2013)، دارای توزیعی نامتقارن به شکل توزیع پارتو[11] است (ابورا و آریزوی[12]، 2019). در واقع، پژوهش­های اخیر قیمت­گذاری دارایی­ها مانند آگاروال و همکاران[13] (2017) نشان دادند که در بازده مقطعی دارایی­ها، صرف ریسک دنباله وجود دارد (کاراگیانیس و تولیکاس، 2019). در مدل­های تئوری قیمت­گذاری دارایی­ها مشخص شده است که ریسک غیرقابل تنوع از دیدگاه یک سرمایه­گذار، منجر به درخواست صرف ریسک می­شود. پژوهش­ها در مورد قیمت­گذاری دارایی­های چندین روش جایگزین برای شناسایی عوامل ریسک پیشنهادکرده است که اکنون تعداد کمی از آن­ها مانند بازده بازار و مومنتوم[14] در بین دانشگاهیان گسترده شده­اند (فاما و فرنچ[15]، 1993، کارهارت[16]، 1997). علاوه بر این عوامل، پژوهش­های اخیر نشان داده است که نوسان­های کل، نوسان­های ریسک غیرسیستماتیک[17] و نقدینگی بازار نیز از عوامل قیمت­گذاری هستند(آنگ و همکاران[18]، 2009). از این­رو، ارزیابی ارتباط میان نوسان­ها و ناپایداری بازارهای مالی عامل مهمی در فرایند مدیریت ریسک است (امام­وردی و جعفری، 1398).  همچنین، دنیل و موسکوویچ[19] (2016) استدلال کردند که به کارگیری استراتژی­های مومنتوم در هنگام کاهش شدید بازار سهام، می­تواند منجر به ضررهای سنگینی شود. آن­ها رابطه غیرخطی بازده و نوسان­های بازار در گذشته را مورد بررسی قرار می­دهند. یافته­های تجربی آن ها نشان می­دهد که حساسیت بازده مومنتوم به بازده مازاد بازار سهام، هم به تحقق بازده مازاد بازار در گذشته و هم به بازده مازاد بازار در زمان حال و نوسان­های آن بستگی دارد. نتایج پژوهش­ گائو و همکاران (2019)  حاکی از این است که رابطه منفی بین ریسک دنباله و بازده سهام وجود داردکه این موضوع مشابه معمای نوسان ریسک غیرسیستماتیک در پژوهش آنگ و همکاران (2009) است. برای بررسی این­که آیا معمای نوسان ریسک غیر سیستماتیک می­تواند توسط ریسک دنباله توضیح داده شود، لانگ و همکاران[20] (2019) نوسان ریسک غیرسیستماتیک را به مدل پژوهش خود اضافه کردند. یافته­های آن­ها نشان داد که نوسان­های ریسک غیرسیستماتیک می­تواند تأثیر منفی قیمت­گذاری ریسک دنباله در بازارهای بین المللی را توضیح دهد. دیویس و بهانسالی[21] (2010) دریافتند که ایمن­سازی سبد سهام در برابر ریسک دنباله می­تواند سودآوری سبد سهام را افزایش دهد، زیرا پرتفوی ایمن شده در برابر ریسک دنباله امکان تخصیص بهتر دارایی­ها را فراهم می­کند. علاوه بر این، نتایج پژوهش فاما و فرنچ (1989) حاکی از این است که بازده مورد انتظار در طول زمان متغیر است. بازده مورد انتظار در دوره­های سقوط بازار افزایش می­یابد تا بتواند ریسک پذیرفته­شده سرمایه­گذاران را جبران کند. در نهایت، کلی و جیانگ[22] (2014) نشان دادند که ریسک دنباله با بازده مورد انتظار، رابطه مثبت و معناداری دارد. با توجه به مطالب بالا هدف اصلی پژوهش حاضر بررسی تاثیر ترکیب ناهنجاری مومنتوم و ریسک غیرسیستماتیک با ریسک دنباله بر بازده مازاد سهام است. نتایج این پژوهش علاوه بر بسط مفاهیم مرتبط با ریسک دنباله، به تشکیل پرتفوهای سرمایه­گذاری با ناهنجاری مومنتوم و ریسک غیرسیستماتیک کمک می­کند. همچنین، نتایج این پژوهش می­تواند تئوری ارزش افراطی که مبتنی بر ریسک دنباله است را برای توضیح وقوع ناهنجاری­های ریسک غیر سیستماتیک و مومنتوم مورد استفاده قرار دهد. در ادامه گفتار، ابتدا مبانی نظری و پیشینه پژوهش بیان می­گردد و مطابق با آن­ها فرضیه­های پژوهش تدوین می­شود. در ادامه روش پژوهش و یافته­های پژوهش مطرح می­گردد. در پایان به بیان نتیجه­گیری و پیشنهادهای پژوهش پرداخته شده است.

پیشینه پژوهش 

در ادامه برخی از پژوهش­های داخلی و خارجی که با موضوع پژوهش مرتبط است مورد بررسی قرار می­گیرد.

1-2- پیشینه خارجی

اوگبونا و اولوسویه[23] (2021) پژوهشی را با عنوان ریسک دنباله و قابلیت پیش­بینی بازده با توجه به اطلاعات مربوط به ریسک دنباله انجام دادند. آن­ها قابلیت پیش­بینی پانزده سهام اصلی در منطقه آسیا و اقیانوسیه از ریسک دنباله را با استفاده از چهار نوع مدل تطبیقی مورد بررسی قرار دادند. دوره زمانی پژوهش از سال 2015 تا سال 2021 می­باشد و از مدل­های بهینه (گارچ نامتقارن و غیرمستقیم) برای ایجاد ریسک دنباله استفاده شده است. نتایج پژوهش آن­ها نشان داد که ریسک خاص هر کشور بیشترین تاثیر مثبت را یر بازده دارد. همچنین، ریسک دنباله در روزهای بد باعث افزایش کوتاه­مدت بازده منفی شده و در روزهای خوب اثرات آن به طور کامل از بین می­رود.

سان و همکاران (2021) در پژوهشی به بررسی عواملی پرداختند که باعث ایجاد ریسک دنباله در بازار سهام چین می­شود. دوره زمانی پژوهش آن­ها شامل سال­های 1996 تا 2020 می­باشد. نتایج پژوهش آن­ها نشان داد در صورتی­که سهام با سرمایه کوچک از بازار چین حذف شود، بین ریسک دنباله و بازده مورد انتظار رابطه منفی و معنادار وجود دارد. همچنین، نتایج آن­ها نشان داد سوگیری های روانشناختی و رفتاری، عدم واکنش سرمایه­گذاران به اخبار بد، ترجیح نسبی ریسک دنباله و احساسات بالا دلایل رابطه منفی ریسک دتباله و بازده مورد انتظار سهام است.

ابورا و آریزوی(2019) در پژوهشی تاثیر ریسک دنباله را بر روی پرتفوهای مرتب شده بر اساس ناهنجاری­های مومنتوم و نوسان ریسک غیرسیستماتیک مورد بررسی قرار می­دهند. این پژوهش در ایالات متحده و در دوره زمانی 1963 تا 2013 انجام شده است. نتایج آن ها نشان می­دهد پرتفوی­هایی که شامل سهام با نوسان ریسک سیستماتیک بالا و سهام با مومنتوم پایین باشند، دارای بتای ریسک دنباله منفی و معنادار هستند. همچنین تجزیه و تحلیل مقطعی آن­ها در سطح سهام فردی نشان می­دهد که ریسک دنباله به توضیح ناهنجاری­های قیمت­گذاری به ویژه نوسان ریسک غیرسیستماتیک کمک می­کند.

لانگ و همکاران[24] (2018) در پژوهشی به بررسی تاثیر ریسک دنباله غیرسیستماتیک بر بازده مورد انتظار در بازار سهام چین، براساس نظریه ارزش افراطی پرداختند. دوره زمانی پژوهش آن­ها از ژانویه 1997 تا دسامبر 2015 بوده و از روش تجزیه­و­تحلیل پرتفوی و رگرسیون مقطعی استفاده نمودند. نتایج پژوهش آن­ها نشان داد بین ریسک دنباله غیرسیستماتیک و بازده مورد انتظار در بازار سهام چین پس از کنترل سایر معیارهای ریسک ازجمله اندازه، مومنتوم و نقدینگی رابطه منفی و معناداری وجود دارد.

بولرسلو و همکاران (2015) در پژوهشی با عنوان صرف ریسک دنباله و قابلیت پیش­بینی بازده، توانایی صرف ریسک دنباله را در پیش­بینی بازده مورد بررسی قرار دادند. آن­ها داده­های مورد نباز خود را از سه منبع مختلف در ایالات متحده جمع­آوری نمودند. دوره پژوهش آن­ها از ژانویه 1996 تا آگوست 2013 برای مجموعا 4445 روز معاملاتی انجام گرفت. برای تجزیه­ و­تحلیل فرضیه­های پژوهش از رگرسیون سری زمانی چندگانه استفاده نمودند. نتایج آن­ها نشان داد قدرت توضیحی رگرسیون­هایی که برای پیش­بینی بازده مورد استفاده قرارگرفت، با اضافه کردن اجزای ریسک دنباله به عنوان یک متغیر پیش­بینی کننده مستقل افزایش می­یابد.

 

2-2- پیشینه داخلی

شهرزادی و همکاران (1398)  به بررسی تاثیر ریسک دنباله چپ بر بازده مازاد مورد انتظار پرداختند.  دوره زمانی انجام پژوهش 1388 تا 1396 و تعداد نمونه شامل 120 شرکت پذیرفته شده در بورس اوراق بهادار تهران است. نتایج پژوهش آنها نشان داد که ریسک دنباله چپ اثر منفی و معناداری بر بازده مازاد مورد انتظار می‌گذارد. تفاوت اصلی پژوهش حاضر با این پژوهش این است که ناهنجاری های مومنتوم و ریسک غیر سیتماتیک مورد بررسی قرار نگرفته است. همچنین، روش اندازه گیری متغیر ریسک دنباله متفاوت از این پژوهش است.

دولو و غلامی(1396) در پژوهشی مدل پنج عاملی فاما و فرنچ را آزمون نمودند و آن را با مدل های سه عاملی و چهار عاملی مورد مقایسه قرار می دهند. برای انجام این پژوهش نمونه ای شامل 184 شرکت پذیرفته شده در بورس اوراق بهادار تهران را طی سال های 1380 تا 1393 مورد بررسی قرار داده و برای آزمون مدل مذکور از رویکرد تحلیل پرتفوی و آزمون گیبنز و همکاران(1989) استفاده می کنند. نتایج پژوهش آنها نشان می دهد که عوامل سودآوری عملیاتی و میزان سرمایه گذاری می تواند بازده پرتفوی را توضیح دهد و بطور کلی مدل پنج عاملی فاما و فرنچ بهتر از سایر مدل ها بازده مازاد سهام در بورس اوراق بهادار تهران را توضیح می دهد.

رمضانی و کامیابی (1395) در پژوهشی به مقایسه مدل شش عاملی و مدل­های قیمت­گذاری دارایی­های سرمایه­ای درتوضیح بازده مورد انتظار سهام پرداختند. دوره زمانی پژوهش آن­ها از سال1380 تا سال 1394 می­باشد و  توضیح­دهندگی مدل پنج عاملی فاما و فرنچ را با افزودن عامل مومنتوم مورد آزمون قرار دادند. نتایج پژوهش نشان داد افزودن عامل مومنتوم به مدل پنج عاملی موجب افزایش توان توضیح­دهندگی آن نخواهد شد. همچنین توانایی مدل پنج عاملی در تبیین بازده سهام بیش از مدل چهارعاملی است و عامل ارزش در بورس اوراق بهادار تهران معنادار می­باشد.

بابالویان و مظفری (1395) در پژوهشی به بررسی مقایسه قدرت پیش­بینی مدل پنج عاملی فاما و فرنچ با مدل چهار عاملی کارهارت پرداخته­اند. نمونه پژوهش شامل 100 شرکت پذیرفته­شده در بورس تهران و دوره زمانی آن از سال 1389 تا سال 1393 می­باشد. نتایج پژوهش نشان داد از بین عامل­های مومنتوم، سودآوری، سرمایه­گذاری، بتا، اندازه و ارزش، عامل­های سرمایه­گذاری و مومنتوم در بورس اوراق بهادار تهران بر بازده سهام تاثیرگذار نیست.

 

مبانی نظری و فرضیه های پژوهش

در اقتصاد مالی سرمایه­گذاری در بازار سرمایه از اهمیت بالایی برخوردار است. از این رو، پیش­بینی قیمت سهام و بازده مورد انتظار سرمایه­گذاران نیازمند توجه ویژه­ای است (دولو و حیدری، 1396). در نظریه پرتفوی مدرن، تخصیص بهینه دارایی از طریق حداکثرکردن نسبت پاداش (بازده) به ریسک در چارچوب میانگین-واریانس انجام می­شود. از آنجا که ریسک دنباله می­تواند در عملکرد سرمایه­گذاران ریسک­گریز بسیار موثر باشد، بهینه­سازی میانگین می­تواند یک استراتژی ناکارآمد باشد. زیرا واریانس یا انحراف معیار سنتی تفاوت بین دنباله مثبت و منفی را تشخیص نمی­دهد (لاو و همکاران[25]، 2021). بنابراین با توجه به این که ویژگی مشترک بازارهای مالی در طول دهه گذشته افزایش نوسان­ها یا ریسک آن­ها بوده است (آلن و همکاران[26]، 2013)،  ریسک دنباله نقشی اساسی در بسیاری از حوزه­های مالی مانند مدیریت ریسک و قیمت­گذاری دارایی­ها و توسعه بازارهای سهام ایفا می­کند (سان و همکاران[27]، 2021). بهانسالی[28] (2014) بیان می­کند که ریسک دنباله در سطح پرتفوی تقریبا همیشه ریسک سیستماتیک است و روابط بین دارایی­ها از طریق سایر عوامل ریسک، موجب افزایش ریسک دنباله می­شود. همچنین، احتمال وقوع رویدادهای دنباله از شدت تاثیرگذاری آن­ها اهمیت کمتری داشته و ریسک دنباله یک تصمیم برای تخصیص دارایی است. اهمیت رویدادهای دنباله­ای در تصمیم­های سرمایه­گذاری توسط نظریه چشم­انداز[29] نیز توضیح داده شده است (تورسکی و کاهنمن[30]، 1992). بدین­صورت که اگر سرمایه­گذاران تصمیم­های سرمایه­گذاری در بازارهای سهام را با توجه به پیش­بینی اثر تمایل از ریسک­های دنباله اتخاذ کنند، در صورت افت بازده سهام، متوجه ضررهای خود نخواهند شد (بنارتزی و تالر[31]، 1995).  از طرفی پس از سال 2000  بسیاری پژوهشگران از تئوری ارزش افراطی[32] برای مدل­سازی رفتار دنباله استفاده کرده­اند. در مدیریت ریسک با استفاده از نظریه ارزش افراطی، به دلیل تمرکز بر روی دنباله تابع توزیع تخمین بهتری از ریسک ارائه خواهد شد (بابالویان و همکاران، 1399). تئوری ارزش افراطی تقریب متغیرهای تصادفی را در امتداد دنباله بالا و پایین تقریب می­زند و در پژوهش­های تجربی برای اندازه­گیری ریسک دنباله ناشی از توزیع غیر­شرطی بازده مورد استفاده قرار می­گیرد (ماساچی[33]، 2017). ماریموتو و همکاران[34] (2009) مدل­های تئوری ارزش افراطی را در بازارهای انرژی به کار گرفتند و نشان دادند که این مدل­ها در مقایسه با سایر روش­های سنتی مانند گارچ[35] توانایی بالاتری در تخمین ریسک دنباله دارند. هوانگ و همکاران[36] (2012) با استفاده از باقیمانده­های مدل چهار عاملی کارهارت (1997) نشان دادند که ریسک دنباله غیرسیستماتیک توانایی بالایی در تعیین بازده سهام دارد. با این حال، توانایی ریسک دنباله سیستماتیک را برای پیش­بینی بازده سهام منفرد مورد بررسی قرار ندادند. اخیرا، کلی و جیانگ (2014) معیاری را برای اندازه­گیری ریسک دنباله متغیر با زمان از داده­های مقطعی سهام ارائه کردند. نتایج آن­ها نشان می­دهدکه ریسک دنباله توانایی پیش­بینی بازده مازاد سهام را دارد. همچنین، میزان قرارگرفتن پرتفوها در معرض ریسک دنباله می­تواند بازده مقطعی سهام را پیش­بینی کند. به علاوه چواپاتراکول و همکاران[37] (2018) نشان دادند رابطه بین ریسک دنباله متغیر با زمان و بازده سهام از نظر آماری مثبت و معنادار است. بنابراین، وقتی که بازده در محدوده میانگین و پایین­تر از آن قرار می­گیرد، افزایش ریسک دنباله موجب بازده مازاد سهام می­شود. در نتیجه سرمایه­گذاران با هدف کسب بازده بالاتر، دارایی هایی که دارای ریسک دنباله بالاتری هستند را در پرتفوی خود نگهداری می کنند(ابورا و آریزوی، 2019).

ادبیات ناهنجاری[38] از دهه 1990 با انجام پژوهش­های متعددی که با هدف بررسی ناکارآمدی بازارها و تشخیص ناهنجاری­های مختلف در قیمت سهام انجام شد، مورد توجه قرار گرفت (روسی[39] ، 2015). ناهنجاری­ها را می­توان به عنوان الگوهای مبتنی بر بازده گذشته تعریف کرد که توسط مدل­های مبتنی بر ریسک پیش­بینی نشده است (کوتر و مک­گیور[40]، 2018). همچنین، شوورت[41] (2002) وجود ناهنجاری­های بازار را به دلیل ناکارآمدی بازار یا به دلیل نقص مدل پایه قیمت­گذاری تعربف می­کند. ناهنجاری­ها در بازارهای مالی معمولا از طریق پژوهش­های تجربی آشکار می­شوند. فاما (1970) این واقعیت را بیان کرد که آزمون­های کارآیی بازار، فرضیه موجود در مورد بازده مورد انتظار دارایی را نیز مورد آزمون قرار می دهند. بنابراین، هرگاه یافته­ های پژوهش نشان دهنده ناکارآمدی بازار باشد، ممکن است شواهدی مبنی بر نامناسب بودن مدل قیمت­گذاری دارایی ارائه دهد. همچنین، فاما (1998) بیان می­کند که ناهنجاری­های بازار، حتی ناهنجاری­های طولانی مدت، به دلیل اینکه به طور تصادفی بین واکنش ناچیز و واکنش بیش از حد تقسیم می­شوند، شاخصی برای ناکارآمدی بازار نیستند. ناهنجاری­های بازار الگوهایی هستند که بیشتر اوقات منجر به بازده غیرعادی می­شوند. از آنجا که این الگوها بر اساس اطلاعات منعکس شده درگزارش­های مالی صورت می­گیرد، می­تواند بیان کرد که ناهنجاری­های بازار چالشی برای شکل نیمه قوی بازار است. بنابراین، تحلیل بنیادی برای سرمایه­گذاران ارزشمند است (سودارول و ولمورگان[42]، 2015). چوردیا و همکاران[43] (2014) نشان می­دهند که ناهنجاری­ها به تدریج در طول زمان کاهش می­یابند. آن­ها این نتایج را به عنوان بهبود کارایی اطلاعاتی پیرامون متغیرهای ناهنجاری تفسیر می­کنند.

نتایج پژوهش مرتون[44] (1987) حاکی از این است که اگر در بازاری که سرمایه­گذاران دسترسی محدودی به اطلاعات دارند ناهنجاری وجود داشته باشد، سهام با نوسان غیرسیستماتیک بالا بازده مورد انتظار بالایی فراهم می­کند. زیرا سرمایه­گذاران نمی­توانند ریسک خاص شرکت را به طور کامل متنوع کنند. لوی[45] (1978) از نظر تئوریک نشان می­دهد که اگر سرمایه­گذاران دارایی­های زیادی را در پرتفوی خود نداشته باشند، ریسک غیرسیستماتیک بر قیمت تعادلی دارایی­ها تأثیر می­گذارد. مالکیل و ژو[46] (1997) شواهدی را ارائه می­دهند که نشان می­دهد اوراق بهادار با نوسان ریسک غیرسیستماتیک بالاتر، بازده متوسط بالاتری دارند. با این حال، آن­ها سطح مشخصی برای صرف نوسان ریسک غیرسیستماتیک خود ارائه نمی­دهند. همچنین، نتایج مالکیل و ژو (2002) نشان می­دهد که رابطه مثبت و معناداری بین ریسک غیرسیستماتیک و بازده مورد انتظار مقطعی در سطح شرکت وجود دارد. اشپیگل و وانگ[47] (2005) بر توان پیش­بینی خارج از نمونه نوسان ریسک غیرسیستماتیک و نقدینگی تمرکز کردند و دریافتند که بازده مورد انتظار سهام با افزایش سطح ریسک غیرسیستماتیک و کاهش نقدینگی سهام افزایش می­یابد. یافته­های آن­ها نشان می­دهد که نقدینگی و ریسک غیرسیستماتیک نقش عمده­ای در تعیین بازده سهام دارند، اما تأثیر ریسک غیرسیستماتیک بسیار قوی­تر است. برخی از مدل­های رفتاری، مانند باربریس و هوانگ[48] (2001)، نیز پیش­بینی می­کنند که سهام با نوسان ریسک سیستماتیک بالاتر، باید بازده مورد انتظار بالاتری داشته باشند. استدلال­های مختلف پیرامون مساله ارتباط منفی بین نوسان ریسک غیرسیستماتیک و بازده شامل وارونگی بازده کوتاه مدت[49] (هوانگ و همکاران[50]، 2009)، سودهای شگفت انگیز[51] (جیانگ و همکاران[52]، 2009)، چولگی ریسک غیرسیستماتیک[53] (بویر و همکاران[54]، 2010)، میانگین واریانس بتا[55] (چن و پتکووا[56]، 2012)، اطلاعات ناقص (برادا و هوگنایر[57]، 2013)، و نظریه چشم انداز (بوترا و هور[58]، 2015) است.  ریسک دنباله ممکن است از طریق عدم اطمینان با ریسک غیرسیستماتیک ارتباط داشته باشد. این ارتباط ناشی از نوسان­های بالاتر در بازده سهام می­باشد. همچنین، در صورتی که فرصت­های مورد انتظار برای سرمایه­گذاری ثابت باشد، با افزایش عدم اطمینان و نوسان در بازار، شرکت­ها سرمایه­گذاری خود را به تأخیر می­اندازند (کیم و کونگ[59]، 2017). بالتوسن و همکاران[60] (2018) از نوسان­های ناپایدار به عنوان عدم اطمینان سهام استفاده کردند. نتایج آن­ها نشان داد که عدم اطمینان ناشی از نوسان­ها می­تواند منجر  به توضیح بازده مقطعی سهام شود. از طرفی نوسان­ها ارتباط نزدیکی با گشتاور مرتبه چهارم توزیع بازده دارد. بنابراین، با افزایش عدم اطمینان و نوسان­های ناپایدار، دنباله­های توزیع بر نوسان ریسک غیرسیستماتیک تأثیر می­گذارد. از این رو، نوسان ریسک غیرسیستماتیک سهام با ریسک دنباله مرتبط می­باشد. کلی و جیانگ (2014) دریافتند که ریسک دنباله و ریسک غیرسیستماتیک اجزای متفاوت بازده سهام هستند. اما آن­ها رابطه بین ریسک دنباله و ریسک غیرسیستماتیک را بررسی نکردند. نتایج پژوهش ابورا و آریزوی(2019) نشان داد که ترکیب ناهنجاری ریسک غیرسیستماتیک و ریسک دنباله بر مازاد بازده سهم تاثیر دارد.

بر این اساس فرضیه اول پژوهش به شرح زیر بیان می شود:

فرضیه اول: با ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله در بورس اوراق بهادار تهران می­توان بازده مازاد بر ریسک بدست آورد.

لوی[61] (1967) از جمله اولین پژوهش­هایی است که سودآوری استراتژی­های مومنتوم قیمت سهام را مورد بررسی قرار داد. با این وجود، تا قبل از پژوهش جگادیش و تیتمن[62] (1993) در ادبیات علمی توجه کمی به مومنتوم شده است. استراتژی­های قدرت نسبی[63]، که به آن­ها استراتژی­های مومنتوم قیمت نیز گفته می­شود، در بین معامله­گران محبوب است. به نظر می­رسد کسانی که از تحلیل بنیادی استفاده می­کنند، مومنتوم را در تصمیم­های معاملاتی خود لحاظ می­کنند. مومنتوم قیمت سهام را می­توان به عنوان تمایل سهام به ادامه دار بودن بالاترین (کمترین) بازده گذشته توصیف کرد. استراتژی­های مومنتوم قیمت به مفهوم نگهداری طولانی­مدت سهامی که در گذشته سودآور بوده و نگهداری کوتاه­مدت سهامی که در گذشته زیان­ده بوده است، می­باشد. این استراتژی­ها به طور متوسط بازده غیرعادی بالایی دارند اما به ندرت زیان­های هنگفتی نیز ایجاد می­کنند (کنت وهمکاران[64]، 2012). توضیح­های موجود درباره اثر مومنتوم به طور عمده ماهیتی رفتاری دارند و از مدل­های ناقص و به روزرسانی شده از انتظارات سرمایه­گذاران برای پاسخ به مسائل جدید استفاده می­کنند (هونگ و استین[65]، 1999). این توضیح­ها بر این فرض استوار است که آربیتراژ[66] محدود بوده و بنابراین آربیتراژکنندگان نمی­توانند سودآوری ظاهری استراتژی­های مومنتوم را از بین ببرند (هیرشلیفر[67]، 2001). از طرفی مومنتوم ممکن است با عواملی مانند ارزش یا سایر عوامل ریسک مرتبط باشد. در واقع، ارزش و مومنتوم با یکدیگر رابطه منفی دارند (اسنس و همکاران[68]، 2013). مهمتر از همه، پژوهش­های تجربی نشان می­دهد که اثر مومنتوم با اقدامات ریسکی مانند چولگی سیستماتیک (هاروی و صدیق[69]، 2000) و ریسک دنباله (ابورا و آریزوی،2019) مرتبط است زیرا استراتژی مومنتوم می­تواند زیان­های با احتمال وقوع پایین اما از نظر مبلغی زیاد را ایجاد کند. کلی و جیانگ (2014) نشان دادند که صرف ریسک دنباله در کنترل عامل ریسک مومنتوم موثر است. دنیل و مسکوویچ (2016) اعتقاد دارند که استراتژی مومنتوم شکست می­خورد زیرا آن­ها سهام­های با بتای منفی بزرگ دارند. آن­ها دریافتند که در هنگام سقوط بازار، سهام­های با بتای بالا هم­جهت با بازار کاهش می­یابند. در حالی که سهام­های با بتای پایین، در زمان سقط بازار عملکرد بهتری دارند. باروسو و سانتاکلار[70] (2015) دریافتند که استراتژی مومنتوم به دنبال کاهش شدید و در هنگام ریزش بازار، بدترین سقوط­ها را تجربه می­کند و این موضوع برای سرمایه­گذاران ناخوشایند است. نتایج پژوهش ابورا و آریزوی(2019) نشان داد که ترکیب ناهنجاری مومنتوم با ریسک دنباله بر بازده مازاد سهام تاثیر دارد.

بر این اساس، فرضیه دوم پژوهش به شرح زیر بیان می شود:

فرضیه دوم: با ترکیب پرتفوی مومنتوم و ریسک دنباله در بورس اوراق بهادار تهران می­توان بازده مازاد بر ریسک بدست آورد.

 

روش پژوهش

این پژوهش به لحاظ هدف از نوع کاربردی است و از نظر ماهیت از نوع توصیفی-همبستگی است. داده­های مورد نیاز به منظور آزمون فرضیه­های پژوهش به روش کتابخانه­ای و به صورت ماهانه گرد­آوری شده و از مدل­های رگرسیون چند متغیره برای تجزیه ­و­تحلیل اطلاعات استفاده شده است. جامعه آماری پژوهش حاضر شرکت­های پذیرفته­شده در بورس اوراق تهران و قلمرو زمانی آن، بین سال­های 1385 تا 1398 می­باشد و دوره زمانی مورد استفاده در تخمین مدل های نهایی پژوهش سال 1390 تا 1398است.  برای نمونه­گیری از روش حذف سیستماتیک استفاده شده است. شرکت­هایی به عنوان نمونه انتخاب می­شوند که، سال مالی آن­ها منتهی به پایان اسفند ماه ­باشد، از ابتدا تا انتهای پژوهش در عضویت بورس اوراق بهادار باشد، اطلاعات مورد نیاز برای این شرکت­ها در دسترس باشد، شرکت­ها جزء بانک­ها و موسسات مالی (شرکت­های سرمایه­گذاری، واسطه­گری مالی، شرکت­های هلدینگ) به دلیل ساختار و افشای مالی متفاوت آن­ها نباشد، در دوره زمانی پژوهش، شرکت تغییر سال مالی یا تغییر فعالیت نداده باشد و در نهایت نماد شرکت­های پذیرفته شده در بورس بیش از 3 ماه توقف نداشته باشد. با اعمال این موارد تعداد 136 شرکت به عنوان نمونه پژوهش انتخاب گردید. داده­های مورد نیاز پژوهش از صورت­های مالی و نرم­افزارهای اطلاعاتی استخراج گردیده و از نرم­افزار ایویوز^[71] برای تجزیه­ و­تحلیل اطلاعات استفاده شده است. در این پژوهش به منظور آزمون فرضیه های پژوهش از داده های ماهانه و بر مینای روش رگرسیون سری زمانی منطبق با پژوهش فاما و فرنچ (2015) استفاده شده است.

 

مدل پژوهش و متغیرهای پژوهش

مدل­های ارائه شده در پژوهش ابورا وآریزوی (2019) در تجزیه ­و­تحلیل و آزمون فرضیه­های پژوهش بکارگرفته شده است. این پژوهشگران در پژوهش خود از مدل پنج عاملی فاما و فرنچ (2015) و شاخص ریسک دنباله تجمعی^[72] کلی و جیانگ (2014) و ریسک کوواریانس دنباله ترکیبی^[73] بالی و همکاران^[74] (2014) به عنوان دو معیار جایگزین از ریسک دنباله، استفاده نموده­اند. دارایی­هایی که در این پژوهش مورد آزمون قرار گرفته شامل پرتفوهای طبقه­بندی شده بر اساس ترکیب ریسک دنباله و ناهنجاری­های مومنتوم و ریسک غیرسیستماتیک است. به منظور ارزیابی اعتبار و توانایی مدل­ها در توضیح بازده اضافی پرتفوها از آزمونGRS ^[75] (1989) استفاده شد. آزمونGRS آزمونی بر پایة رگرسیون برای آزمایش عملکرد مدلهای عـاملی خطی است. این آزمون صفر بودن تمام عرض از مبدأها را بررسی می کند. این آزمون نشان می دهد چه میزان از بازده اضافی توسط عرض از مبداء مدل توضیح داده می شود. بنابراین، هر چه این نسبت (ضریب تعیین تعدیل شده GRS) برای مدل مورد بررسی پایینتر باشد، نشانگر کارکرد بهتر مدل است (دولو و غلامی، 1397). به عبارت دیگر، هرچه ضریب تعیین تعدیل شده GRS بیشتر (کمتر) باشد، حاکی از این است که بازده اضافی پرتفوی توسط متغیرهای موجود در مدل پژوهش توضیح داده می شود (نمی شود) و بنابراین ضروری نیست (است) که متغیر به مدل  اضافه شود.  برای سنجش فرضیه­های پژوهش از رگرسیون سری زمانی معادله 1، استفاده می­شود:

 

  (1)           

 

در مدل (1)،  نشانگر  بازده مازاد بر ریسک پرتفوی p در ماه t،  نشانگر متوسط بازده پرتفوی p در ماه t،  نشان­دهنده نرخ بازده بدون ریسک در ماه t، است.  نشانگر عامل بازار،  نشانگر عامل اندازه،  نشانگر عامل ارزش،  مبین عامل سودآوری،  مبین عامل سرمایه­گذاری می­باشد.

بازده مازاد بر ریسک ( ): آزمون مدل پنج عاملی در سطح پرتفوی انجام می­گیرد. به عبارت دیگر متغیر وابسته پژوهش بازده مازاد پرتفوی است.

به منظور تشکیل پرتفوی ریسک غیرسیستماتیک و ریسک دنباله، در پایان هر یک از سال­های پژوهش پس از منظم کردن کل سهام نمونه برحسب مولفه ریسک غیرسیستماتیک، به سه گروه شامل 30 درصد ابتدا، 40 درصد میانی و 30 درصد انتهایی تقسیم می­شوند. در ادامه مستقل از این گروه­بندی، کل نمونه براساس متغیر ریسک دنباله نیز در هر سال به سه گروه طبقه­بندی می­شوند. به گونه­ای که 30 درصد ابتدایی آن پرتفوی کوچک، 40 درصد میانی آن پرتفوی متوسط و 30 درصد انتهایی پرتفوی بزرگ نامیده می­شوند. از ترکیب آن­ها پرتفوی ریسک غیرسیستماتیک و ریسک دنباله ایجاد شده که برای آزمون فرضیه اول مورد استفاده قرار می­گیرد. به منظور تشکیل پرتفوی مومنتوم و ریسک دنباله، در پایان هر یک از سال­های پژوهش پس از منظم کردن کل سهام نمونه برحسب مومنتوم، به سه گروه شامل 30 درصد ابتدا، 40 درصد میانی و 30 درصد انتهایی تقسیم می­شوند. سپس مستقل از این گروه­بندی، کل نمونه براساس متغیر ریسک دنباله نیز در هر سال به سه گروه طبقه­بندی می­شوند. به گونه­ای که 30 درصد ابتدایی آن پرتفوی کوچک، 40 درصد میانی آن پرتفوی متوسط و 30 درصد انتهایی پرتفوی بزرگ نامیده می­شوند. از ترکیب آن­ها پرتفوی مومنتوم و ریسک دنباله ایجاد شده که برای آزمون فرضیه دوم مورد استفاده قرار می­گیرد. همچنین قابل ذکر است که نحوه ابجاد پرتفوها در هر دو متغیر مورد استفاده برای برآورد ریسک دنباله مشابه است. در ادامه نحوه محاسبه ریسک دنباله توضیح داده می­شود.

به منظور سنجش اولین معیار ریسک دنباله از ریسک دنباله تجمعی (TR) پژوهش لانگ و همکاران (2019) و کلی و جیانگ (2014) استفاده گردیده است. این پژوهشگران فرض می­کنند که دنباله پایین توزیع بازده سهام در همه شرکت­ها از قانون قدرت (قابل ذکر است که به توزیع­های قانون قدرت، توزیع­های پارتو نیز می­گویند) پیروی می­کند. آن­ها با استفاده از نظریه ارزش افراطی، ریسک دنباله تجمعی را به صورت زیر محاسبه کردند.

ابتدا، ریسک دنباله ماهانه برای هر یک از سهام بازار به شکل سری­ زمانی برآورد می­شود. برای ماه t، همه بازده­های روزانه سهام در روزهای معامله شده طی آن ماه به عنوان یک نمونه گردآوری می­شوند و شاخص دنباله آن با استفاده از روش توسعه یافته هیل^[76] (1975) به شکل زیر برآورد می­گردد:

   (2)                                                                                               

 

در رابطه 2 ، معرف k امین بازده روزانه است که در زیر آستانه ارزش حدی  در طول ماه t قرار می­گیرد و  تعداد کل این موارد در طول ماه t می­باشد. به تبعیت از کلی و جیانگ (2014)،  برای هر دوره در سطح معناداری 10 و 5 درصد تعریف شده است. سپس، ریسک دنباله شرکت i (مشخص شده با TR) در ماه t برحسب مدل زیر برای هر سهم و بر اساس داده های سری زمانی برآورد می­شود:

(3)                                                                                     

 

که  معرف بازده ماهانه شرکت i در ماه t و  شاخص دنباله­ است که با استفاده از معادله (2) محاسبه شده است. به منظور تخمین  برای سهم i در ماه t، از رگرسیون غلتان با دوره زمانی 60 ماه استفاده می­شود. دوره زمانی مورد استفاده برای  محاسبه متغیر پژوهش از سال 1385 تا 1398 است.  این روش برای تخمین همه شرکت های نمونه پژوهش مورد استفاده قرار می­گیرد. سهامی که ریسک دنباله تجمعی( ) بالاتری دارد، حساسیت بیشتری به ریسک دنباله نشان می­دهد.

 در پژوهش ابورا و آریزوی (2019) دومین معیار ریسک دنباله یعنی ریسک کواریانس دنباله ترکیبی (HTCR) محاسبه می­شود.این پژوهشگران در پژوهش خود از روش بالی و همکاران (2014) استفاده می­کنند. ریسک کواریانس دنباله ترکیبی (HTCR) برحسب گشتاور جزئی پایین^[77] (LPM) مارکوویتز^[78] (1959) برای بازده هر سهم زمانی­که بازده سهام پایین­تر از آستانه­ی مشخص شده ( یعنی 5 یا 10 درصد) است، محاسبه می­گردد. این اندازه­گیری براساس مفهوم نیمه­کواریانس است، زیرا زیان­ها را اندازه­گیری می­کند. از این رو، ریسک کواریانس دنباله ترکیبی (HTCR) کوواریانس بازده سهام و بازده بازار را مشروط به مازاد بازده منفی در سطح سهام محاسبه می­نماید. با استفاده از سطح معناداری 10 یا 5 درصد برای k در توزیع بازده سهامi، ریسک کواریانس دنباله ترکیبی (HTCR) به شکل زیر محاسبه می­شود:

(4)                                                                              

 

در رابطه (4) اندیس m معرف پرتفوی بازار است. به تبعیت از پژوهش بالی و همکاران (2014)، برای اندازه­گیری ریسک دنباله هر سهم از بازده روزانه شش ماه گذشته استفاده گردیده است.

   بیانگر عامل بازار است که از اختلاف بین بازده بازار و بازده بدون ریسک ماهانه بدست می­آید ( ). در این پژوهش بازده ماهانه بدون ریسک با استفاده از اطلاعات بانک مرکزی و از تقسیم نرخ سود سپرده­های بانکی یک ساله به عدد 12 محاسبه شده است. 

 بیانگر فاکتور اندازه است که از مابه­التفاوت متوسط بازده پرتفوی سهام شرکت­های کوچک و پرتفوی سهام شرکت­های بزرگ بدست می­آید.  کل با استفاده از اجزای کوچک­تر با نام­های  که به وسیله روابط زیر بدست می­آیند، محاسبه می­گردد:

(5)                                  

(6)                                     

                                       (7)

                                                          (8)

 بیانگر عامل ارزش دفتری به ارزش بازاراست که از مابه­التفاوت بازدهی پرتفوی سهام با نسبت ارزش دفتری به ارزش بازار بالا و پرتفوی با نسبت ارزش دفتری به ارزش بازار پایین در ماه t محاسبه می­شود. اندازه­گیری فاکتور ارزش ( ) با استفاده از رابطه زیر انجام می­شود:

(9)                                                  

 

 بیانگر عامل سودآوری است که از مابه­التفاوت متوسط بازده پرتفوی با سودآوری عملیاتی بالا و پرتفوی با سودآوری عملیاتی پایین و ترکیب عامل انداره محاسبه می­شود. اندازه­گیری فاکتور سودآوری ( ) با استفاده از رابطه زیر انجام می­شود:

                 (10)                                                  

 بیانگر فاکتور سرمایه­گذاری است که از مابه­التفاوت متوسط بازده پرتفوی با سرمایه­گذاری بالا و پرتفوی با سرمایه­گذاری پایین و ترکیب عامل انداره محاسبه می­شود. اندازه­گیری عامل سرمایه­گذاری ( ) با استفاده از رابطه زیر انجام می­شود:

                (11)                                                         ریسک غیرسیستماتیک ( ): در این پژوهش برای محاسبه ریسک غیرسیستماتیک از مدل بازار استفاده می­شود. برای این منظور ابتدا عرض از مبدا و ضریب مدل بازار در هر ماه به طور مجزا برای هر سهم محاسبه می شود.

                    (12)                                                                 

 

 بیانگر بازده روزانه هر شرکت و   نشان دهنده بازده­ روزانه بازار است. در ادامه، پسماند­های مدل بازار برای روزهای معاملاتی همان سهم محاسبه می­شود و در نهایت، برای محاسبه ریسک غیر سیستماتیک از حاصل­ضرب انحراف­معیار پسماند­های روزانه در مجذور تعداد روز معاملاتی ماهانه محاسبه گردید.

(13)                                                               

 

که در رابطه بالا  بیانگر انحراف معیار پسماند مدل بازار در هر ماه و  نشان­دهنده تعداد روزهای معاملاتی ماهانه است.

مومنتوم ( ): در این پژوهش مومنتوم برای هر ماه، براساس بازده تجمعی یک ماه گذشته محاسبه می­گردد.

 در نهایت با استفاده از مدل پنج عاملی فاما و فرنچ (2015) فرضیه­های پژوهش مورد آزمون قرار گرفت. در صورتی که عرض از مبدا مدل مثبت و معنی دار باشد، انتظار می­رود استراتژی مومنتوم و ریسک غیرسیستماتیک منجر به ایجاد بازده مازاد بر ریسک شود.

 

یافته­های پژوهش

نتایج آمار توصیفی متغیرهای پژوهش در جدول1 ارائه شده است:

 

جدول 1 - آمار توصیفی متغیرهای پژوهش

متغیر­ها	نماد	میانگین	میانه	انحراف­معیار	حداکثر	حداقل
عامل بازار	Rm – Rf	015/0	003/0	067/0	248/0	101/0-
عامل اندازه	SMB	002/0	002/0-	033/0	092/0	071/0-
عامل رشد	HML	039/0-	037/0-	054/0	166/0	222/0-
عامل سودآوری	RMW	001/0	002/0	046/0	118/0	108/0-
عامل سرمایه­گذاری	CMA	006/0	004/0	046/0	161/0	104/0-

منبع: یافته­های پژوهشگر

 

جدول فوق نشان می دهد، میانگین عامل بازار برابر 015/0 و انحراف­معیار آن 067/0 می­باشد.  برای عامل اندازه میانگین 002/0 و انحراف معیار آن 033/0 است. برای عامل رشد میانگین و انحراف معیار به ترتیب 039/0- و 054/0 می­باشد. میانگین و انحراف معیار برای عامل سودآوری به ترتیب برابر 001/0 و 046/0 است. برای عامل سرمایه­گذاری میانگین 006/0 و انحراف معیار آن 046/0 می­باشد. نتایج پژوهش نشان می دهد که شاخص مرکزی میانگین متغیر های پژوهش در نقطه تعادل و مرکز ثقل توزیع هستند و شاخص خوبی برای نشان دادن مرکزیت داده ها ارائه می دهند. همچنین، نتایج متغیر های پژوهش نشان می دهد که در بازار سرمایه ایران عوامل موثر بر مازاد بازده سهام نوسان زیادی دارند.

 

6-1- آزمون فرضیه­های پژوهش

قبل از تجزیه و تحلیل، مانایی متغیر های پژوهش انجام گردید که مبین مانا بودن متغیر­های پژوهش می­باشد. با توجه به اینکه نتایج آزمون خودهمبستگی نشان­دهنده وجود خودهمبستگی است، برای رفع این مشکل اتورگرسیو مرتبه اول به متغیرهای پژوهش اضافه گردیده است.

 فرضیه اول پژوهش بیانگر این است که ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله بر بازده مازاد بر ریسک تاثیر دارد. نتایج آزمون فرضیه اول در جدول 2 ارائه شده است. 

 

جدول 2- نتایج آزمون فرضیه اول

	ریسک دنباله((5)TR)		ریسک دنباله((10)TR)		ریسک دنباله((5)HTCR)		ریسک دنباله((10)HTCR)
نماد متغیر	ضرایب	آماره t	ضرایب	آماره t	ضرایب	آماره t	ضرایب	آماره t
C	009/0	*250/2	009/0	*103/2	009/0	*388/2	010/0	*342/2
Rm – Rf	949/0	*574/20	965/0	*256/21	961/0	*650/20	950/0	*165/19
SMB	848/0	*995/6	828/0	*685/6	809/0	*487/6	843/0	*467/6
HML	126/0-	602/1-	134/0-	699/1-	135/0-	871/1-	121/0-	510/1-
RMW	104/0-	659/1-	085/0-	395/1-	080/0-	250/1-	077/0-	218/1-
CMA	495/0	*885/6	501/0	*230/7	499/0	*735/6	493/0	*640/6
AR(1)	173/0	*158/3	160/0	*887/2	144/0	*743/2	164/0	*042/3
آماره F		*948/171		*302/174		*842/162		*455/156
ضریب تعیین تعدیل شده	514/0		517/0		500/0		490/0
آماره دوربین واتسون	037/2		038/2		040/2		050/2
*= معنی داری در سطح 5 درصد است.

منبع: یافته­های پژوهشگر

یافته­های مندرج در جدول 2 نشان می­دهد، ضریب عرض از مبدا مدل پنج عاملی فاما و فرنچ (2015) برای ریسک دنباله((5)TR)، ریسک دنباله((10)TR) و ریسک دنباله((5)HTCR) برابر 009/0 و برای ریسک دنباله((10)HTCR) برابر 010/0 است که در دامنه مورد بررسی مثبت و معنادار می­باشد. بنابراین، با توجه به معنادار بودن ضرایب می­توان از طریق ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله بازده مازاد بر ریسک کسب کرد. یافته­ها نشان­دهنده  پذیرش فرضیه اول است. از طرفی آماره F نشان می­دهد مدل معنادار بودن کل مدل است. به علاوه مقدار ضریب تعیین بیانگر توصیف مطلوب متغیر وابسته توسط متغیرهای مستقل می­باشد.

اعتبار و توانایی مدل­ها در توضیح بازده اضافی پرتفوها به وسیله آزمونGRS  مورد سنجش و ارزیابی قرار می­گیرد. نتایج آزمون GRS فرضیه اول در جدول 3 ارائه شده است.

 

جدول 3- نتایج آزمون GRSفرضیه اول

	ضریب  GRS	آماره  آزمون	سطح معنی داری	ضریب تعیین تعدیل شده GRS
مدل ریسک دنباله((5)TR)	007/0	520/68	000/0	564/0
مدل ریسک دنباله((10)TR)	006/0	502/51	000/0	571/0
مدل ریسک دنباله((5)HTCR)	007/0	341/47	000/0	562/0
مدل ریسک دنباله((10)HTCR)	008/0	829/61	000/0	557/0

منبع: یافته­های پژوهشگر

 

نتایج آزمون GRS فرضیه اول نشان می­دهد عرض از مبدأ در پرتفوهایی که از ترکیب ریسک غیرسیستماتیک و ریسک دنباله تشکیل شده است، معنادار می­باشد. بنابراین نشان می­دهد که ترکیب متغیر ریسک غیرسیستماتیک و ریسک دنباله بر بازده مازاد بر ریسک تاثیر داشته باشد. ضرایب تعیین تعدیل شده در جدول 3 برای مدل­های مختلف از 557/0 تا 571/0 متغیر است. این موضوع نشان می­دهد با وجود اینکه قدرت توضیح­دهندگی مدل­ها به یکدیگر نزدیک است، اعتبار مدل ریسک دنباله ((10)HTCR) به دلیل پاین بودن ضریب تعیین تعدیل شده GRS در مقایسه با سایر مدل­ها اندکی بیشتر است.

فرضیه دوم پژوهش بیانگر این است که ترکیب پرتفوی مومنتوم و ریسک دنباله بر بازده مازاد بر ریسک تاثیر دارد. نتایج آزمون فرضیه دوم در جدول 4 ارائه شده است.

یافته­های مندرج در جدول 4 نشان می­دهد ، ضریب عرض از مبدا مدل پنج عاملی فاما و فرنچ (2015) برای ریسک دنباله((5)TR) و ریسک دنباله((5)HTCR) برابر 006/0 و برای ریسک دنباله((10)TR) و ریسک دنباله((10)HTCR) برابر 005/0 است که در سطح خطای 5 درصد معنادار نمی­باشد. بنابراین با ترکیب پرتفوی مومنتوم و ریسک دنباله نمی­توان بازده مازاد بر ریسک بدست آورد. درنتیجه فرضیه دوم پژوهش رد می­شود. به­علاوه، معناداری آزمون F بیانگر اعتبار مدل­های ریسک دنباله بوده و ضریب تعیین تعدیل شده نیز نشانگر قدرت توضیح­دهندگی متغیر های مستقل مدل پنج عاملی می­باشد.

نتایج آزمون GRS فرضیه دوم در جدول 5 گزارش شده است.

 

جدول 4 - نتایج آزمون فرضیه دوم

	ریسک دنباله((5)TR)		ریسک دنباله((10)TR)		ریسک دنباله((5)HTCR)		ریسک دنباله((10)HTCR)
نماد متغیر	ضرایب	آماره t	ضرایب	آماره t	ضرایب	آماره t	ضرایب	آماره t
C	006/0	915/1	005/0	755/1	006/0	789/1	005/0	607/1
Rm – Rf	008/1	*080/25	015/1	*842/26	012/1	*695/25	988/0	*007/25
SMB	745/0	*785/6	735/0	*227/7	739/0	*956/6	750/0	*157/7
HML	168/0-	*467/2-	185/0-	*070/3-	190/0-	*960/2-	189/0-	*134/3-
RMW	062/0-	083/1-	064/0-	113/1-	057/0-	976/0-	063/0-	074/1-
CMA	490/0	*753/7	504/0	*372/8	484/0	*408/7	498/0	*556/7
AR(1)	021/0-	505/0-	023/0-	508/0-	039/0-	793/0-	012/0-	252/0-
آماره F		*790/204		*673/216		*424/196		*005/199
ضریب تعیین تعدیل شده	558/0		572/0		547/0		550/0
آماره دوربین واتسون	998/1		999/1		998/1		999/1
*= معنی داری در سطح 5 درصد است.

منبع: یافته­های پژوهشگر

 

جدول 5 - نتایج آزمون GRSفرضیه دوم

	ضریب  GRS	آماره  آزمون	سطح معنی داری	ضریب تعیین تعدیل شده GRS
مدل ریسک دنباله((5)TR)	006/0	340/11	253/0	562/0
مدل ریسک دنباله((10)TR)	005/0	024/16	066/0	567/0
مدل ریسک دنباله((5)HTCR)	006/0	062/6	395/0	558/0
مدل ریسک دنباله((10)HTCR)	005/0	011/9	303/0	558/0

منبع: یافته­های پژوهشگر

 

نتایج آزمون GRS فرضیه دوم نشان می­دهد که عرض از مبدأ در پرتفوهایی که از ترکیب مومنتوم و ریسک دنباله تشکیل شده معنادار نمی­باشد. از این رو، نتایج آزمون GRS نیز موید این است که فرضیه دوم پژوهش رد می­شود.

 

 

نتیجه­گیری و بحث 

شناسایی و ارزیابی دقیق ریسک در بازارهای مالی می­تواند منجر به تخـصیص مطلوب سرمایه و افزایش کارایی شود. از طرفی افزایش نوسان­ها در بازارهای مالی و بحران­های اقتصادی، منجر به ایجاد رویدادهای نامطلوب و در نتیجه دنباله­های وسیع­تری نسبت به توزیع نرمال می­شود. از جمله ناهنجاری­هایی که می­تواند اثرات ریسک دنباله بر بازده دارایی­ها را تحت تاثیر قرار دهد، مومنتوم و ریسک غیرسیستماتیک است. بنابراین ارزیابی ریسک دنباله در شرایط سقوط بازار با در نظر گرفتن ناهنجاری­های مومنتوم و ریسک غیرسیستماتیک با هدف کسب بازده مازاد از اهمیت بالایی برخوردار است. از این رو، در پژوهش حاضر به بررسی تاثیر ناهنجاری مومنتوم و ریسک غیرسیستماتیک بر رابطه بین ریسک دنباله و بازده مازاد سهام پرداخته شده و بدین منظور دو فرضیه تدوین گردید. نتایج حاصل از آزمون فرضیه اول پژوهش نشان داد که از ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله در بورس اوراق بهادار تهران می­توان بازده مازاد بر ریسک بدست آورد. بر این اساس فرضیه اول پژوهش تایید می­شود. نتایج حاصل از آزمون فرضیه اول با پژوهش ابورا و آریزوی (2019) سازگار است. به عبارت دیگر، نتایج پژوهش حاکی از این است که پیامدهای اقتصادی ناهنجاری ریسک سیتماتیک را می توان در مدل های قیمت گذاری دارایی سرمایه ای بر مبنای متغیر ریسک دنباله توضیح داد. نتایج حاصل از آزمون فرضیه دوم پژوهش نشان داد در بورس اوراق بهادار تهران ترکیب پرتفوی مومنتوم و ریسک دنباله منجر به بازده مازاد بر ریسک نمی­شود. بر این اساس فرضیه دوم پژوهش رد می­شود. نتایج حاصل از آزمون فرضیه دوم با پژوهش ابورا و آریزوی (2019) ناسازگار است. به عبارت دیگر، نتایج نشان می­دهند که عامل مومنتوم ماهانه در بازار سرمایه ایران نتوانسته است اثرات ریسک دنباله را تشدید کند و به کارگیری ترکیب استراتژی مومنتوم و ریسک دنباله برای سرمایه­گذران بازده مازاد ایجاد نکرده است. بنابراین، استفاده از ریسک دنباله برای توضیح اثرات مربوط به ناهنجاری مومنتوم در بازار سرمایه ایران تایید نمی­شود. به عبارت دیگر، در مدل های قیمت گذاری سرمایه ای نمی توان ناهنجاری مومنتوم را با جایگزین کردن متغیر ریسک دنباله توضیح داد.

بر طبق یافته­های حاصل از پژوهش حاضر با توجه به اینکه ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله منجر به بازده مازاد بر ریسک در بورس اوراق یهادار تهران می­شود، به سرمایه­گذاران پیشنهاد می­شود که در سرمایه­گذاری­های خود ترکیب پرتفوی ریسک غیرسیستماتیک و ریسک دنباله را مورد استفاده قرار دهند. به بیان دیگر سرمایه­گذاران با ترکیب شرکت­های با نوسان غیرسیستماتیک بالا و دارای ریسک دنباله می­توانند به بازده بالاتری دست یابند. همچنین، به تحلیل­گران بازار و مدیران شرکت­های سرمایه­گذاری پیشنهاد می­شود در تصمیم­های سرمایه­گذاری آثار توزیع پارتو که باعث ایجاد ریسک دنباله می­شود را مد نظر قرار دهند وبا تدوین استراتژی سرمایه گذاری مناسب اقدام به مدیریت سبد سهام نمایند. در نهایت، به سیاست گذاران و قانون گذاران پیشنهاد می شود که پیامدهای اقتصادی ریسک دنباله وناهنجاری های مومنتوم و ریسک غیر سیتماتیک را در هنگام وضع سیاست گذاری درباره قیمت گذاری داریی سرمایه ای مورد توجه قرار دهند.

به پژوهشگران توصیه می­شود ترکیب سایر ناهنجاری­ها با ریسک دنباله را در پژوهش­های آتی مورد مطالعه قرار قرار دهند. همچنین، می­توانند برای اندازه­گیری ریسک دنباله از سایر معیارها استفاده نمایند.

 

[1]  گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. [e-mail]

[2] گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.  (نویسنده مسئول)[e-mail] 

[3] گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران..   [e-mail]

[4] Ayub et al

[5] Gao et al

[6] Fama

[7] Tail Risk

[8] Ang et al

[9] Karagiannis and Tolikas

[10] Benson et al

[11] Pareto Distribution

[12] Aboura and Arisoy

[13] Agarwal et al

[14] Momentum

[15] Fama and French

[16] Carhart

[17] Idiosyncratic Volatility

[18] Ang et al

[19] Daniel and Moskowitz

[20] Long et al

[21] Davis and Bhansali

[22] Kelly and Jiang

[23] Ogbonna and Olubusoye

[24] Long et al

[25] Law et al

[26] Allen et al

[27] Sun et al

[28] Bhansali

[29]  Perspectives Theory

[30] Tversky and Kahneman

[31] Benartzi and Thaler

[32] Extreme Value Theory

[33] Massacci

[34] Marimutou et al

[35] GARCH

[36] Huang et al

[37] Chevapatrakul et al

[38] Anomaly

[39] Rossi

[40] Cotter and McGeever

[41] Schwert

[42] Sudarvel  and Velmurugan

[43] Chordia et al

[44] Merton

[45] Levy

[46] Malkiel and Xu

[47] Spiegel and Wang

[48] Barberis and Huang

[49] Short Term Rreturn Reversal

[50] Huang et al

[51] Earnings Surprises

[52] Jiang et al

[53] Non Systematic Coskewness

[54] Boyer et al

[55] Average Variance Beta

[56] Chen and Petkova

[57] Berrada and Hugonnier

[58] Bhootra and Hur

[59] Kim and Kung

[60] Baltussen et al

[61] Levy

[62] Jegadeesh and Titman

[63] Relative Strength Strategies

[64] Kent et al

[65] Hong and Stein

[66] Arbitrage

[67] Hirshleifer

[68] Asness et al

[69] Harvey and Siddique

[70] Barroso and Santa-Clara

[71] Eviews

^[72] Aggregate Tail Risk Index

^[73] Hybrid Tail Covariance Risk

^[74] Bali et al

^[75] Gibbons, Ross, and Shanken Test Statistic

[76] Hill

[77] Lower Partial Moment

[78] Markowitz

مراجع

فهرست منابع 

• امام­وردی، قدرت­اله.، جعفری، سیده محبوبه. (1398). اثر بحران­های مالی بر انتقال تکانه و سرریز نوسان میان بازارهای مالی توسعه­یافته و ایران. اقتصاد مالی، 13(47)، 63-84.
• بابالویان، شهرام.، نیکومرام، هاشم.، وکیلی­فرد، حمیدرضا.، رهنمای­رودپشتی، فریدون. (1399). مقایسه ارزش در معرض ریسک سهام تهران با بازارهای سهام بین­المللی با استفاده از نظریه ارزش فرین شرطی. اقتصاد مالی، 52،14 ، 55-80.
• بابالویان، شهرام.، مظفری، مهردخت. (1395). مقایسه قدرت پیش­بینی مدل پنج عاملی فاما و فرنچ با مدل­های چهار عاملی کارهارت و q-عاملی HXZ در تبیین بازده سهام. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، 9، 30، 17-32.
• دولو، مریم.، حیدری، تکتم. (1396). پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک. اقتصاد مالی، 11(40)، 1-24.
• دولو, مریم, غلامی, زهره. (1397). آزمون مدل پنج عاملی؛ شواهدی از بورس اوراق بهادار تهران. دانش سرمایه‌گذاری، 7(26)، 236-221.
• رمضانی، جواد.، کامیابی، یحیی. (1395). مقایسه مدل شش عاملی با مدل­های قیمت­گذاری دارایی سرمایه­ای در تبیین بازده مورد انتظار سرمایه­گذار. پژوهش­های اقتصادی ایران، 22، 70، 207-231.

شهرزادی, مهشید, فروغی, داریوش, امیری, هادی. (1398). اثر ریسک دنباله چپ بر بازده مازاد مورد انتظار و پیامد آن بر استمرار بازده دنباله چپ. تحقیقات مالی، 21(4)، 611-593