مقاله با موضوع ارزش بازار، غیر سیستماتیک، اوراق قرضه، بازدهی سهام

دانلود پایان نامه ارشد

هر سهم به ارزش بازاری هر سهم، پیش بینی 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 می سازد. 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 1963 و 1990 ، 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 (راعي و تلنگي، 1387،ص352).
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 می کنند استفاده شده است. پژوهش آنها نشان می دهد 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 آنها برای سهام در قالب معادله، به شرح زیر است:
r_(i,t)-r_(f,t)=a_i+β_(i,1) (r_(m,t)-r_(f,t) )+β_(i,2) 〖SMB〗_t+β_(i,3) 〖HML〗_t+ε_(i,t)
عامل اول r_(m,t)-r_(f,t) به طور ساده نرخ بازده اضافی یکی از شاخص های وسیع بازار سهام نسبت به نرخ بازدهی یك 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 کوچك 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 می رسد نرخ بازدهی ماهانه اوراق قرضه را تشریح می کنند. مدل عاملی آنها برای اوراق قرضه در قالب معادله بشرح زیر است:
r_(i,t)-r_(f,t)=a_i+β_(i,1) 〖TERM〗_t+β_(i,2) 〖DEF〗_t+ε_(i,t)
این دو عامل عبارتند از عامل ساختار زمانی نرخ های بهره و عامل نکول عامل ساختار زمانی نرخ بهره (〖TERM〗_t ) به طور ساده تفاوت میان نرخ های بازدهی ماهانه اوراق قرضه بلند مدت خزانه و اوراق یک ماهه خزانه است. عامل نکول (〖DEF〗_t ) تفاوت میان نرخ های بازدهی ماهانه سبد سرمایه گذاری اوراق قرضه بلند مدت شرکتی و اوراق قرضه بلند مدت خزانه است( فاما و فرنچ، 1993).
2-1-6- معیار های اندازه گیری ریسک
2-1-6-1 میانگین موزون یکسان واریانس سهام29
طبق گفته گویل و سانتا کلارا30، واریانس ماهانه سهام iبا استفاده از بازده ماهانه قیمت سهام از طریق ذیل محاسبه می گردد:
V_(i,t)=∑_(d=1)^(D_t)▒〖r_(i,d)^2+〗 2∑_(d=2)^(D_t)▒〖r_(i,d) r_(i,d-1) 〗
که در آن Dتعداد روز های معامله در ماه tو rبازده سهام Iدر در روز dاماست. قسمت دوم رابطه در سمت راست تعدیلگری برای خود همبستگی در بازده روزانه با استفاده از رویکرد فرنچ و همکاران(1987) می باشد.
گویل و سانتا کلارا، میانگین واریانس سهام را بصورت میانگین حسابی از واریانس ماهانه بازدهی هر سهم به شکل زیر محاسبه کرد
〖VAR〗_(ew,t)=1/N ∑_(i=1)^(N_t)▒V_(i,t)
که در آن Nتعداد های موجود در ماه tاست. گویل و سانتا کلارا با استفاده از میانگین موزون یکسان واریانس سهام جهت پیشبینی دوره آینده بازدهی مازاد بر شاخص موزون یکسان بازار انجام داد.
2-1-6-2- میانگین ارزش وزنی واریانس سهام31
میانگین ارزش وزنی واریانس سهام با استفاده از ارزش بازار به صورت زیر محاسبه می گردد:
〖VAR〗_(vw,t)=∑_(i=1)^(N_t)▒w_(i,t) V_(i,t)
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 می گردد.
2-1-6-3- میانه واریانس سهام32
علاوه بر میانگین موزون یکسان و میانگین موزون ارزش بازار، از میانه واریانس سهام نیز بعنوان معیار دیگری برای محاسبه ریسک استفاده میگردد. این معیار عبارتست 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 می باشد 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 بوسیله سهام های کوچک دانست.
2-1-6-4- معیار بسامد پایین میانگین واریانس سهام33
گویل و سانتا کلارا همچنین معیار بسامد پایین میانگین واریانس بازار را ایجاد کرد:
〖VAR〗_(ew,t)^LF=1/N ∑_(i=1)^(N_t)▒〖r_(i,t)^2-(1/N_t ∑_(i=1)^(N_t)▒r_(i,t) )^2 〗
که در آن Nتعداد سهام در ماه t، و rبازده ماهانه سهام iدر ماه tاست. عبارت اول معادله فوق عبارتست از میانگین مجذور بازدهی و عبارت دوم معادله مجذور میانگین ماهانه است(بیل و همکاران،2005،ص909) .
معیار بسامد پایین واریانس میانگین وزنی ارزش بازار سهام مشابه بوده باستثنای آن که هر سهام با ارزش بازار خود وزن داده شده است:
〖VAR〗_(vw,t)^LF=∑_(i=1)^(N_t)▒〖w_(i,t) r_(i,t)^2-(∑_(i=1)^(N_t)▒〖w_(i,t) r_(i,t) 〗)^2 〗

2-1-6-5- نوسانات غیرسیستماتیک34
معیارهای〖VAR〗_(m,t) و〖 VAR〗_(vw,t)، 〖VAR〗_(ew,t) 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 می باشد. جهت درک بهتر سهم نوسانات غیرسیستماتیک در پیش بینی بازدهی اضافی بازار، فرض می شود که محرک بازده هر سهام i بوسیله یک عامل یا شوک ویژه شرکت ε_i خواهد بود. جهت وضوح بیشتر، معادله تک عاملی زیر فرض می شود:
R_(i,t)-r_(f,t)=β_i (R_(m,t)-r_(f,t) )+ε_(i,t)
که در آن Ri,tبازدهی سهام i،Rm,tبازده بازار،rبازده بدون ریسک، وε_i، نوسانات غیرسیستماتیک است. مشابه ریسک کل، نوسانات غیرسیستماتیک نیز با استفاده از واریانس وزنی یکسان، واریانس وزنی ارزش بازار و واریانس میانه ε_i محاسبه می گردد.جهت وضوح بیشتر، نحوه محاسبه نوسانات غیرسیستماتیک به صورت زیر ارائه می گردد:
واریانس وزنی یکسان نوسانات غیرسیستماتیک
〖VAR〗_(ew,t) (ε)=1/N_t ∑_(i=1)^(N_t)▒VAR(ε_(i,t) ) ،
که در آن 〖VAR〗_(ew,t) (ε) برابر است با واریانس وزنی یکسان نوسانات غیرسیستماتیک و ε_(i,t) پسماند هر سهام.

واریانس وزنی ارزش بازار نوسانات غیرسیستماتیک35
〖VAR〗_(vw,t) (ε)=1/N_t ∑_(i=1)^(N_t)▒〖w_(i,t) VAR(ε_(i,t) ) 〗.
که در آن 〖VAR〗_(ew,t) (ε) برابر است با واریانس وزنی ارزش بازار نوسانات غیرسیستماتیک و ε_(i,t) پسماند هر سهام و w_(i,t) وزن هر سهام بر اساس ارزش بازار آن(بیل و همکاران،2005،ص 911).
2-1-7-نوسانات غیر سیستماتیک
2-1-7-1 تعریف نوسانات غیر سیستماتیک
تعاریف مختلفی از نوسانات غیر سیستماتیک در ادبیات موضوع وجود دارد.مالکیل و ژاو36(1997) نوسانات غیر سیستماتیک را به صورت زیر تعریف کردند:
واریانس بازدهی سهام – واریانس شاخص S&P 50037 = نوسانات غیر سیستماتیک
کمبل و همکاران38(2001) و براندت و همکاران39(2008) از اختلاف میان بازده منفرد سهام و بازده صنعت بجای شاخص S&P500 استفاده کردند.اخیرا، پسماند مدل قیمت گذاری دارایی به عنوان نوسانات غیرسیستماتیک مورد استفاده قرار می گیرد. مالکیل و ژاو(2004) و بیل و کاکی40(2008) با استفاده از دو مدل CAPM و مدل سه عاملی فاما و فرنچ سعی در جهت تعریف نوسانات غیر سیستماتیک کردند. اگرچه تمامی تعاریف گفته شده با یکدیگر متفاوت بوده اما تمامی آنها نشان دهنده این موضوع هستند که نوسانات غیرسیستماتیک با تنوع پذیری قابل حذف نخواهد بود. درو و همکاران41(2004) نوسانات غیرسیستماتیک رابه عنوان تفاوت میان ریسک کل و ریسک سیستماتیک تعریف می کند.
2-1-7-2- اهميت نوسانات غيرسيستماتيك
در مقاله اي توسط كمبل و همكاران(2001)42 شواهدي مبني بر رشد اهميت ريسك غيرسيستماتيك در بازار ها ارائه كرد.در اين مقاله، كمبل و همكاران با بكار بردن بازده روزانه سهام در دوره زماني 1962 تا 1997 جهت محاسبه نوسانات تحقق يافته43و تجزيه آن در سه جزءنوسانات وي‍ژه بازار،صنعت و شركت پرداختند. يافته آنان نشان داد كه در دوره زمانی اتخاذ شده، نوسانات بازار و صنعت در سطوح زماني خود باقي مانده، حال آنكه نوسانات ويژه شركت داراي روندي مثبت مي باشد. آنان استدلال کردند که این الگو کاربرد گسترده ای برای ایجاد پرتفولیو خواهد داشت. اولا، با بالارفتن نوسانات غیرسیستماتیک، R2 مدل بازار کاهش خواهد یافت یا به عبارتی همبستگی میان سهام ها کوچکتر شده است.اگرچه ، این الگو مزایای متنوع سازیقوی را ایجاد می کند، و طبق گفته برخی از مطالعات(برای مثال، دورنو و همکاران44،2003)،می تواند به قیمت گذاری کاراتری منجر شود.

2-2- پیشینه
پیشینه این پژوهش به چند بخش تقسیم شده است. در بخش اول و دوم ادبیات تحقیق شناسایی رابطه مثبت و منفی میان بازده و نوسانات غیرسیستماتیک به صورت تفکیک شدهو همچنین عوامل موثر و تفسیرهای مرتبط با این رابطه گزارش می شود. در بخش سوم تحقیقات داخلی در حوزه موضوع پژوهش ارائه شده است.
2-2-1-رابطه مثبت میان نوسانات غیر سیستماتیک و بازدهی
مرتون45(1987) مدلی را ارائه کرد که در آن سرمایه گذاران بازدهی مورد انتظار بالا را به عنوان پاداشی برای اتخاذ نوسانات غیرسیستماتیک بالا بدلیل عدم توانایی در متنوع سازی کامل پرتفولیو نیازمند است. مدل قیمت گذاری داراییهای سرمایه ای فرض می کند که سرمایه گذاران می توانند به موقع به تمامی اطلاعات موجود دسترسی پیدا کنند. حال آنکه در واقعیت این فرض به دلیل اندک بودن سهام منتشره یا متمرکز بودن مالکیت آن غیر ممکن خواهد بود. هنگامی که اطلاعات به آسانی در دسترس نباشد، هزینه دستیابی به اطلاعات افزایش یافته و سرمایه گذاران بازده بالاتری را برای هزینه بیشتر تقاضا می کنند(مرتون،1987). علاوه بر آن، به دلیل وجود هزینه معامله در دنیای واقع نگهداری و تغییر سهام در یک پرتفولیو را پرهزینه خواهد کرد(مرتون، 1987). بسیاری از محققین به شواهدی از تئوری و خصوصیات نوسانات غیرسیستماتیک مرتون(1987) دست یافتند. ابتدا،یافته های الکیل و ژاو(1997) نشان داد که نوسانات غیرسیستماتیک با میانگین بازده سالیانه سهام رابطه مثبت و با ارزش بازار سهام های مورد استفاده در شاخصS&P 500 در مدت رابطه منفی دارد. سپس کمپل و همکاران با با بررسی نوسانات غیر سیستماتیک در برابر بازار نشان داد که روند مثبت و روبه بالایی مشاهده شد( کمپل و همکاران، 2001). بر اساس مطالعات کمپل،براندت و همکاران(2008) با محاسبه نوسانات غیرسیستماتیک به صورت مجموع ریشه دوم تفاضل نوسانات روزانه منفرد شرکت و نوسانات صنعت به نتایجی مشابه تحقیقات کمپل دست یافتند.
2-2-2-رابطه منفی میان نوسانات غیر سیستماتیک و بازدهی
مبادله منفی میان ریسک و بازده برای اولین بار توسط هاجن و هاینز(1972) شناسایی شد. یافته آنان را می توان به عنوان نقضی بر رابطه مثبت ارائه شده در اقتصاد مالی دانست. پس از آن مطالعات متعددی انجام شد که حاکی از مبادله منفی میان ریسک و بازده است. از جمله این مطالعات می توان به پژوهش های هاجن و بیکر(1991)، انگ، هودریک و ژیانگ(2006،2009)، بلیتز و ویت(2007) و بیکر و هاجن(2012) اشاره کرد.یافته های تمامی این مطالعات نشان داد که در شرکت ها با ریسک پایین گرایش به میانگین بازدهی نسبت به شرکت ها با ریسک بالا، بیشتر است.
یافته های هاجن و بیکر(1991) نشان داد که رابط منفی میان نوسانات غیرسیستماتیک و بازده در دوره زمانی 1972-1989 وجود دارد. انگ، هودریک و ژیانگ نشان دادند که در فاصله زمانی 1963-2000، سهام هایی با نوسانات غیرسیستماتیک بالا بازدهی پایین تری را نسبت به آنچه بر اساس مدل های پیشین مورد انتظار بوده بدست آورده اند. با اندکی تفاوت در معیار اندازه گیری نوسانات، بلیتز و ویت(2007) نتایج

پایان نامه
Previous Entries مقاله با موضوع بازار سرمایه، بازده سهام، قیمت گذاری، نرخ بهره Next Entries مقاله با موضوع بورس اوراق بهادار، فناوری اطلاعاتی، فناوری اطلاعات، بورس تهران