Posted on: ژانویه 6, 2019 Posted by: مدیر سایت Comments: 0

ویژگی های آماری بازده سهام:پایان نامه در مورد هوش هیجانی

ویژگی های آماری بازده سهام

با توجه به پژوهش بنیادی مندلبروت[1] (1963) و فاما[2] (1965) و محققان زیادی گزارش کردند که توزیع تجربی بازده سهام عمدتا غیر نرمال است. به خصوص کشیدگی سری های زمانی بازده سهام بزرگتر از توزیع نرمال است. توزیع بازده سهام می تواند دارای چولگی باشد خواه به طرف راست و یا خواه به طرف چپ و واریانس بازده سهام در طول زمان ممکن است پایدار نبوده و  نوسان واقعی به صورت خوشه ای ارائه می شود.

محققان این مسئله را به عنوان تداوم نوسان بازار سهام در نظر گرفته و تحلیلگران مالی آن را عدم قطعیت یا ریسک خطاب می کنند. نوسان از طریق واریانس و کوواریانس اندازه گیری می شود و این مسئله دهه هاست که مورد پذیرش قرار گرفته است (چونگ[3]˓ 1999). به منظور انتخاب یک مدل نوسان مناسب˓ ما باید ایده مناسبی در زمینه انتخاب ویژگی های تجربی که مدل باید اتخاذ نماید داشته باشیم. چند مورد از مشخصات مهم برای بازده های دارایی در زیر ارائه شده است.

 

2-1-7-1  دنباله بزرگ

بازده دارایی لپتوکورتیک[4] است (نرمال ولی با کشیدگی بیشتر از تابع نرمال). طبق مدلهای بازده دارایی بازده های دارایی دارای توزیعی با دنباله بزرگ هستند و به عنوان توزیعی مستقل مدل سازی می شوند. این مشخصه توسط مندلبورت (1963)˓ فاما ( 1963˓-1965 )˓ کلارک[5] (1973) و بلتبرگ و گوندس[6] (1974) مستند شده است. برای درک هرچه بهتر این تابع (لپتوکورتیک)˓ نمودار 1 ارائه شده است.

[1] Mandelbrot

[2] Fama

[3] chong

[4] Leptokurtic

[5] Clark

[6] blattberg and  gonedes

 

تمایش تابع

-1-7-2  نوسان خوشه ای

نوسان خوشه ای توسط مندلبورت در سال (1963) عنوان شد. این پدیده زمانی که بازده دارایی ها در طول زمان ترسیم می شوند قابل مشاهده است. بازده های دارای نوسان خوشه ای و دنباله بزرگ رابطه ای بسیار نزدیک با یکدیگر دارند. نمودار زیر نمونه ای از نوسانات خوشه ای مربوط به بازده دارایی ها است

 

نوسان خوشه ای

-1-7-3  اثر اهرمی

تئوری اثر اهرمی به رابطه منفی بازده سهام با ریسک دلالت دارد. یعنی اگر بازده سهام افزایش پیدا کند میزان نوسانات سهام کاهش خواهد یافت و در صورت کاهش بازده سهام میزان نوسانات بنگاه افزایش خواهد یافت. اثر اهرمی ابتدا توسط بلک (1976) مطرح شد. او معتقد بود که تغییرات ساختار سرمایه بنگاه یا به عبارتی تغییر نسبت بدهی به دارایی (نسبت اهرم) در میزان نوسانات سهام بنگاه موثر است. بلک نشان داد که تغییر ارزش بنگاه در حالی که موجب کاهش ارزش دارایی ها می شود تاثیر  چندانی بر ارزش بدهی های بنگاه ندارد. کاهش ارزش بنگاه بیشتر موجب کاهش ارزش دارایی و سهام بنگاه می شود. بنابراین نسبت اهرم افزایش می یابد و این افزایش احتمالا افزایش نوسانات سهام را موجب خواهد شد.

 

2-1-7-4  دوره های غیرتجاری

اطلاعاتی که در زمان بسته شدن بازارهای مالی گردآوری می شوند در زمان دوباره باز شدن بازارها منعکس می شوند. برای مثال اطلاعاتی که با یک نرخ پایداردر طول زمان انباشته می شود واریانس بازده ها در طول یک دوره از جمعه تا دوشنبه (تعطیلی بازار) سه برابر  واریانس بازده ها از دوشنبه تا سه شنبه (تعطیلی بازار) است. طبق فاما (1965) و رول و فرنچ[1] (1986) اطلاعات در تعطیلی بازار با سرعتی پایینتر نسبت به زمانی که آنها باز و فعال هستند انباشته می شوند. انحرافات بعد از آخر هفته ها و تعطیلات بیشتر هستند اما نه به اندازه زمانی که سرعت انباشت اطلاعات ثابت است. برای مثال رول و فرنچ (1986) پی بردند که نوسان در زمانی که بازارها فعال هستند به طور متوسط در هر ساعت 70 بار نسبت به زمانی که بازارها غیرفعالند بیشتر است.

 

2-1-7-5  رویدادهای قابل پیش بینی

انتشار قابل پیش بینی اطلاعات مهم با نوسان بالای مربوط به رویدادهای گذشته مرتبط است. برای مثال کرنل[2] (1978)  ˓پتل و ولفسن [3](1981˓ 1979) نشان دادند که نوسان بازده سهام موسسات فردی در اطراف زمان اعلام سود بالا است  و هاروی و هوانگ[4] (1991 -1992) پی بردند که درآمد ثابت و نوسان مبادلات خارجی در طول دوره هایی که تجارتهای سنگین از طریق بانک مرکزی انجام می شود یا زمانی که اخبار متغیرهای کلان اقتصادی منتشر شود بیشتر است. همچنین تغییرات قابل پیش بینی غیرتجاری در نوسان هم وجود دارد. یک توضیح برای نوسان بالا در روزهای فعال بازار اطلاعات انباشته شده است (همانطور که در بالا عنوان شد) اما توضیح نوسان در روزهای غیر فعال بازار بسیار دشوارتر است.

 

2-1-7-6  نوسان و همبستگی سریالی

لبارون[5] )1992)  به وجود رابطه معکوس شدیدی بین نوسان و همبستگی سریالی برای شاخص های سهام و مبادلات ارزی پی برد. یافته های بالا به صورت برجسته ای با انتخاب دوره زمانی نمونه˓ شاخص بازار معیار نوسان و وقوع وقفه اندازه گیری قوی تر می شود.

 

2-1-7-7  جهت حرکت در نوسانات

بلک[6] (1976) ذکر کرد که در حالت کلی زمانی که نوسانات تغییر می کنند همگی آنها تمایل دارند تا در جهت همسانی تغییر کنند.چندین بررسی این گفته را در بازار سهام حمایت می نمایند. انجل[7] (1990) نشان داد که تغییرات نوسانات اوراق قرضه آمریکا به طور تنگاتنگی دز طول دوران سررسیدشان با یکدیگر ارتباط دارند. توده تغییرات در نوسان تنها در میان دارایی های یک بازار رخ نمی دهد بلکه در میان بازارهای مختلف نیز می توانیم این پدیده را شاهد باشیم. برای مثال اسکورت[8] (1989) دریافت که نوسانات بازار سهام آمریکا و اوراق قرضه با یکدیگر حرکت نموده و انجل و ساسمل[9] (1993)  و هاماوو[10] (1990) ارتباط میان تغییرات نوسان در بازارهای سهام بین المللی را کشف نموده اند.

همانطور که بولرسلو [11] (1994) بیان کرد این واقعیت که نوسانات حرکتی همزمان دارند برای مدلسازان نوید بخش است چرا که تنها تعداد کمی از فاکتورهای مربوط ممکن است قادر باشند بسیاری از انحرافات موقتی را در واریانس های شرطی و کوواریانس بازده دارایی ها توصیف نمایند که این˓ اساس مدل ARCH می باشد.

 

2-1-7-8  متغیرهای کلان اقتصادی و نوسان

ارزشهای سهام شدیدا با سلامت اقتصاد گره خورده است. بنابراین این طبیعی است که انتظار داشته باشیم معیارهای  نامطمئن اقتصادی مثل واریانسهای شرطی تولیدات صنعتی˓ نرخهای بهره و رشد پول در توضیح تغییرات در نوسان بازار سهام به ما کمک نمایند. (بولرسلو ˓ 1994)

اسکورت (1989)  پی برد که اگرچه نوسان سهام به سرعت در دوره رکود و بحران های اقتصادی افزایش می یابد و در دوران توسعه کاهش می یابد رابطه بین متغیرهای کلان اقتصادی که با عدم قطعیت همراه هستند و نوسان سهام به طرز شگفت انگیزی ضعیف است.از طرف دیگر گلوستن [12](1993) از رابطه ای مثبت و قوی بین نوسانات بازده سهام و نرخهای بهره سخن به میان آورد.

 

تا آغاز سال 1980ویِزگی های بالا  توسط بیشتر سری های زمانی ساده و سنتی و دیگر مدلها که به منظور مدلسازی و پیش بینی نوسان ایجاد شده مورد خطاب قرار نگرفت. اگرچه بر اساس مسائل ذکر شده در بالا در 1982 انجل مدل ARCH  را پیشنهاد و ایجاد کرد.این روش در محافل علمی با تایید همه جانبه ای مواجه شد.

 

[1] Roll and french

[2] Cornell

[3] Patell  and wolfson

[4] harvey and huang

[5] Lebaron

[6] Black

[7]  Engle

[8] Schwert

[9] Engle  and susmel

[10] Hamao

[11] Bollerslev

[12] Glosten

 

Categories: