ارزیابی قدرت پیش بینی کنندگی مدل های قیمت گذاری دارایی های سرمایه ای با در نظر گرفتن عامل شفافیت گزارشگری مالی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
با توجه به رشد و توسعه بازارها و ابزارهای مالی، سرمایه گذاران و تحلیلگران مالی نیازمند روش ها و مدل هایی هستند که با استفاده از آنها بتوانند بهترین سهام را با بالاترین بازدهی انتخاب کنند. در این تحقیق به یکی از عوامل اثرگذار بر بازده سهام یعنی شفافیت گزارشگری مالی شرکت با استفاده از سه مدل CAPM، سه عاملی فاما و فرنچ و پنج عاملی فاما و فرنچ پرداخته شده است. عامل شفافیت گزارشگری مالی شرکت با استفاده از شاخص شفافیت بورس تهران اندازه گیری شده است. برای آزمون فرضیه ها از داده های 94 شرکت در دوره زمانی 1387 تا 1396 و رگرسیون سری زمانی استفاده شده است. یافته های تحقیق نشان می دهد که مدل پنج عاملی فاما و فرنچ نسبت به مدل سه عاملی فاما و فرنچ و مدل CAPM، قدرت پیش بینی کنندگی بیشتری دارد. همچنین طبق نتایج در بازار بورس اوراق بهادار تهران، عامل ارزش به عنوان عامل زاید شناخته نشده است. همچنین نتایج نشان می دهد افزودن عامل شفافیت به هر سه مدل، باعث افزایش توان پیش بینی کنندگی هر سه مدل CAPM، مدل سه عاملی فاما و فرنچ و پنج عاملی فاما و فرنچ می شود.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
397 تا 415
لینک کوتاه:
magiran.com/p2118819
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 990,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!