0 مقایسه دقت مدل‌های فراابتکاری و اقتصادسنجی در پیش‌بینی سری-های زمانی مالی دارای حافظه بلندمدت (مطالعه‌ی موردی؛ شاخص سهام صنعت سیمان در ایران) Comparing the accuracy of the model Meta heuristic and Econometric in forecasting of financial time series with long-term memory (Case Study, Stock Index of Cement Industry in Iran) https://jfr.ut.ac.ir/article_23824.html 0 داده‌های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می‌شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری‌های زمانی مالی با تناوب بالا می‌شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون R/S و GPH تأیید می‌شود. در ادامه، دقت مدل‌های پیش‌بینی سری‌های زمانی مالی نظیر، ARMA و GARCH که ویژگی حافظه بلندمدت را در مدل‌سازی سری زمانی در نظر نمی‌گیرند و مدل‌هایی مثل ARFIMA و FIGARCH، که این ویژگی را مدنظر قرار می‌دهند، با روش نوین فراابتکاری ارایه شده که ترکیبی از الگوریتم جستجوی هارمونی و سری‌های زمانی فازی وزن‌دار می-باشد به روش پنجره غلتان و با استفاده از معیار ریشه میانگین توان دوم خطاها (RMSE) در بازه‌های زمانی مختلف مورد مقایسه قرار می‌گیرد. نتایج حاصل نشان می‌دهند که روش فراابتکاری ارایه شده در تمامی بازه‌های زمانی نتیجه بهتری از مدل‌های متداول اقتصادسنجی ارایه می‌دهد. 1 Data with high frequency have a particular type of none stationary that is called fractional none stationary. This property causes the emergence of long-term memory in financial time series with high frequency. The existence of long-term memory in cement industry time-series is studied in this paper at first and its presence will be confirmed in a high confidence level by two tests R/S and GPH. Next, the accuracy of financial time-series forecast models such as ARMA and GARCH which don't consider the feature of long-term memory in time series modeling and models such as ARFIMA and FIGARCH that take this feature into account are compared with presented new meta heuristic that is composed of algorithm (harmony search) and weighted fuzzy time series by the way of rolling window and by the use of Root Mean Square Error criteria (RMSE) in different time intervals. The results show that the presented Meta heuristic method submits better result of common econometric models in all time intervals. 1 22 فرناز برزین پور Farnaz Barzinpour استادیار دانشکده مهندسی صنایع دانشگاه علم و صنعت، ایران Iran barzinpour@iust.ac.ir سیدبابک ابراهیمی Seyed Babak Ebrahimi دانشجوی دکترای مهندسی صنایع، دانشگاه علم و صنعت، ایران Iran sepanta1000@yahoo.com سید محمد هاشمی نژاد Seyed Mohammad Hasheminejad دانشجوی دکترای مدیریت مالی دانشگاه تهران، ایران Iran hasheminejad@tse.ir حامد نصر اصفهانی Hamed Nasr Esfahani کارشناسی ارشد مهندسی و مدیریت ساخت دانشگاه علم و صنعت، ایران Iran h_nasr@iust.ac.ir ARFIMA FIGARCH Harmony Search Long memory Return Volatility

0 ارزیابی تأثیر عرضه عمومی سهام شرکت‌های دولتی بر نقدشوندگی سهام در بورس اوراق بهادار تهران An Appraisal on the Effect of Share Issue Privatization on Tehran Stock Exchange Liquidity https://jfr.ut.ac.ir/article_23825.html 0 نقدشوندگی مهم‌ترین جنبه توسعه بازار‌های سهام به‌شمار می‌رود. در این پژوههش اثر خصوصی‌سازی از طریق عرضه عمومی سهام شرکت‌های دولتی بر نقدشوندگی سهام در بورس اوراق بهادار تهران بررسی شده است. با توجه به سه معیار قابل اندازه‌گیری در واگذاری شرکت‌ها از طریق بورس، سه فرضیه بر حسب تعداد شرکت‌های خصوصی شده، تعداد سهام عرضه شده و ارزش ریالی واگذاری‌ها تدوین و تأثیر هر کدام بر نقدشوندگی سهام در بورس مورد آزمون قرار گرفته است. در پژوهش حاضر، درجه نقدشوندگی بورس تهران به‌عنوان متغیر وابسته به‌کار گرفته شده که با استفاده از دو معیار اندازه‌گیری نقدشوندگی شامل نسبت گردش معاملات و سنجه عدم نقدشوندگی آمیهود، نسبت به محاسبه آن اقدام شده است. در ضمن، محاسبه معیار آمیهود بر اساس بازده دو شاخص اصلی بورس تهران، شامل شاخص بازده نقدی و قیمت (تدپیکس) و شاخص کل قیمت (تپیکس)، صورت گرفته که به این ترتیب، مقادیر متغیر وابسته بر اساس دو مدل مجزا و در مجموع با استفاده از سه معیار کلی شامل: مدل مبتنی بر گردش معاملات، مدل مبتنی بر سنجه آمیهود بر اساس شاخص تپیکس و مدل مبتنی بر سنجه آمیهود بر اساس شاخص تدپیکس، محاسبه و در مدل‌سازی نهایی مورد استفاده قرار گرفته است. نتیجه کلی پژوهش بیانگر تأثیر قابل توجه و معنا‌دار انجام خصوصی‌سازی از طریق عرضه عمومی سهام شرکت‌های دولتی در بورس اوراق بهادار تهران بر توسعه و نقدشوندگی این بازار است. 1 Liquidity is the most important aspect of stock markets development. This research investigates the effect of Share Issue Privatization (SIP) on Tehran Stock Exchange (TSE) liquidity. Regarding the three assessable measures in SIP, three hypotheses based on the number of privatized firms, the volume and the value of the sold stocks were defined and tested. In this research, the TSE liquidity is used as dependent variable which is calculated by the use of turnover ratio and Amihud measure. However, the Amihud measure is calculated based on the return of TEPIX and TEDPIX. So, the dependent variable was calculated and used in final modeling by applying the three general measures, including turnover ratio, Amihud measure based on TEPIX and Amihud measure based on TEDPIX. It is generally concluded that SIP through the TSE has a considerable and meaningful effect on development and liquidity of this market. 23 40 رضا تهرانی Reza Tehrani دانشیار دانشکده مدیریت دانشگاه تهران، ایران Iran rtehrani@ut.ac.ir حسین عبده تبریزی Hossein Abdoh Tabrizi رئیس پیشین سازمان بورس و اوراق بهادار، ایران Iran tabrizi@initor.com داود جعفری سرشت Davood Jafari Seresht استادیار دانشکده اقتصاد دانشگاه بوعلی سینا، ایران Iran seresht@initor.com Privatization (SIP) Share Issue Stock Market Liquidiy

0 مدل‎سازی تلاطم بازده نقدی در بورس سهام تهران با استفاده از داده‌های پانل و مدل GARCH مدل‎سازی تلاطم بازده نقدی در بورس سهام تهران با استفاده از داده‌های پانل و مدل GARCH https://jfr.ut.ac.ir/article_78905.html 10.22059/frj.2011.78905 0 مدلسازی تلاطم بازده در بازارهای سهام، از منظر پژوهشگران دانشگاهی و نیز کارپردازان علم مالی، به لحاظ موارد استفاده آن در پیش‌بینی بازده سهام، موضوع با اهمیتی به نظر می‌رسد. این پژوهش با استفادۀ همزمان از مدل GARCH با توجه به ویژگی واریانس ناهمسانی، در کنار استفاده از مزایای داده‌های پانل از جمله درجات آزادی بالاتر، انعطاف‌پذیری بیشتر و کنترل آثار متغیرهای حذف شده یا مشاهده نشده و در نتیجه افزایش دقت تخمین، در پانل‌هایی متشکل از شاخص‌های چندین گروه صنعت به صورت نمونه و سری‌های زمانی مربوط به قیمت سهام شرکت‎های داخل این گروه‌های صنعت در بورس اوراق بهادار تهران در دوره زمانی تیر ماه ۱۳۸۴ تا آبان ماه ۱۳۸۷، با استفاده از روش شناسی کل به جزء بکری (۲۰۰۶) به دنبال بررسی تشابهات و تفاوت‌های ساختار تلاطم بازده سهم‌های درون صنایع یکسان و نیز ساختار تلاطم بازده سهم‌های صنایع غیر یکسان است. نتایج نشان می‌دهد که نمی‌توان ساختار تلاطمی مشابهی را برای سهم‌های موجود در یک گروه صنعت و یا در سطحی بالاتر، برای گروه‌های صنعت نمونه انتخاب شده از بورس سهام تهران، چه از لحاظ میانگین بازده سهام و چه از لحاظ یکسانی ساختار تلاطم بازده یا یکسانی میانگین تلاطم بازده در نظر گرفت. 1 - 41 72 غلامرضا کشاورز حداد GholamReza Keshavarz Haddad دانشیارعلوم اقتصادی، دانشگاه صنعتی شریف. ایران g.k.haddad@sharif.edu آرش بابایی Arash Babaii کارشناس ارشد مهندسی سیستم‌های اقتصادی اجتماعی ایران babaei@sharif.edu Aldrich John (1997). R.A. Fisher and the Making of Maximum Likelihood 1912-1922, Statistical Science 12, 162-176.##Apergis Nicholas (2005). Inflation Uncertainty and Growth: Evidence from Panel Data, Australian Economic Papers, Volume 44, Number 2, pp. 186- 197(12).##Bakry Walid (2006). A Panel in GARCH Analysis of Stock Return Volatility in an Emerging Market a Case Study of Egypt, Western Sydney University PhD Thesis.##Barnes Michelle, Pedro De Lema (1999). Modelling Financial Volatility: Extreme Observations, Nonlinearities and Non Stationarities, Working Paper, Adelaide University, Australia.##Bollerslev Tim (1986). Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics 31, 307.##Bollerslev Tim, Ray Y. Chou, Kenneth F. Kroner (1992). ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence, Journal of Econometrics 52, 5-59.##Brennan Michael J (1986). A Theory of Price Limits in Futures Markets, Journal of Financial Economics 16, 213-33.##Brooks, Robert (2007). Power arch modeling of the volatility of emerging equity markets, Emerging Markets Review 8, 124-133.##Cameron Colin, Pravin Trivedi (2005). Micro econometrics: Methods and Applications (Cambridge University Press, New York).##Cermeno Rodolfo, K. Grier (2005). Conditional Heteroskedasticity andCross-Sectional Dependence in Panel Data: An Empirical Study of Inflation Uncertainty in the G7 countries, Contributions in Economic Analysis, Badi H. Baltagi, Ed., North-Holland. Forthcoming.##Cermeno Rodolfo, M. E. Sanin (2005). Exchange Rate Arrangements and Volatility of Real Exchange Rate Depreciation: Panel evidence for the G7 and 8 Latin American Countries, Documento de Trabajo N. 297, CIDE.##Cermeno Rodolfo, Kevin Grier (2001). Modeling GARCH Processes in Panel data: Theory, Simulations and Examples, Working Paper No. 3, Department of Economics, University of Oklahoma, Norman.##Chappel David, Joanne Padmore, Julia Pidgeon (1998). A Note on ERM Membership and the Efficiency of the London Stock Exchange, Applied Economics Letters 5, 19-23.##De Santis Giorgio, Selahattin Imrohoroglu (1997). Stock Returns and Volatility in Emerging Financial Markets, Journal of International Money and Finance 16, 561-79.##Ding Z, Granger C, Engle R (1993). A Long Memory Property of Stock Market Returns and a New Model, Journal of Empirical Finance 1, 83-106.##Engle Robert F.(1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica 50, 987.##Fama Eugene F (1965). The Behaviour of Stock-Market Prices, Journal of Business 38, 34-105.##Fama Eugene F(1970). Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of Finance 25, 383-417.##French Kenneth R, G. William Schwert, Robert F. Stambaugh (1987). Expected Stock Returns and Volatility, Journal of Financial Economics 19, 3-29.##Glosten Lawrence R, Ravi Jagannathan, David E. Runkle (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, Journal of Finance 48, 1779-1801.##Harris Richard, R Sollis (2003). Applied Time Series Modelling and Forecasting (John Wiley & Sons, Ltd, Chichester, West Sussex, England, Hoboken).##Hausman J. A (1978). Specification Tests in Econometrics, Econometrica 46, 1251- 1371.##Hsiao Cheng (2003). Analysis of Panel Data (Cambridge University Press, Cambridge; New York and Melbourne).##Kitazawa Yoshitsugu (2000). Estimating the Leverage Effect using Panel Data with a Large Number of Stock Issues over a Short-run Daily Period Focus on the Tokyo Stock Exchange, Journal of Financial Management and Analysis 13, 21-27.##Kling, Gerhard (2004). Mergers During the First and Second Phase Globalization: Success, Insider Trading and the Role of Regulation, Unpublished Thesis, Faculty of Economics, Eberhard-Karls-UniversitätAldrich John (1997). R.A. Fisher and the Making of Maximum Likelihood 1912-1922, Statistical Science 12, 162-176.Tübingen, Germany.##Lamoureux Christopher G, William D. Lastrapes (1990). Persistence in Variance, Structural Change, and the GARCH Model, Journal of Business and Economic Statistics 8, 225-34.##Levin Andrew, Chien-Fu Lin (1993). Unit Root Tests in Panel Data: New Results, Economics Working Paper Series 93-56, University of California at San Diego.##Mandelbrot B (1963). The Variation of Certain Speculative Prices, Journal of Business 36, 394-419.##Mele Antonio (2007). Asymmetric stock market volatility and the cyclical behavior of expected returns, Journal of Financial Economics 86, 446-478.##Nelson, Daniel B (1991). Conditional Heteroskedasticity in Asset Returns: A New Approach, Econometrica 59, 347-70.##Neyman J, E. S. Pearson (1928). On the use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference: Part I, Biometrika 20A, 175-240.##Neyman J, Elizabeth L. Scott (1948). Consistent Estimates Based on Partially Consistent Observations, Econometrica: Journal of the Econometric Society 16, 1-32.##Pesaran M, Hashem, Yongcheol Shin, Richard J. Smith (2000). Structural Analysis of Vector Error Correction Models with Exogenous I (1) Variables, Journal of Econometrics 97, 293-343.##Phylaktis Kate, Manolis Kavussanos, Gikas Manalis (1999). Price Limits and Stock Market Volatility in the Athens Stock Exchange, European Financial Management 5, 69.##Poon Ser-Huang, Clive W. J. Granger (2003). Forecasting Volatility in Financial Markets: A Review, Journal of Economic Literature 41, 478-539.##Su, Dongwei, Belton M. Fleisher (1998). Risk, Return and Regulation in Chinese Stock Markets, Journal of Economics and Business 50, 239-56.##Tsay Ruey (2002). Analysis of Financial Time Series (John Wiley & Sons Ltd, Chichester; New York).##Verbeek Marno (2000). A Guide to Modern Econometrics (John Wiley & Sons, Chichester, England).##Wang Peijie (2003). Financial Econometrics: Methods and Models (Routledge, London and New York).##Zakoian Jean-Michel (1994). Threshold Heteroskedastic Models, Journal of Economic Dynamics and Control 18, 931-55.##

0 بررسی روانشناسی اعداد و پدیده «تجمع قیمت‌ها» در بورس اوراق بهادار تهران Investigating the Psychology of Numbers and "Price Clustering" in Tehran Stock Exchange https://jfr.ut.ac.ir/article_23827.html 0 این مقاله در پی ارزیابی نقش روانشناسی اعداد در بازار مالی است و در این راستا به بررسی پدیده «تجمع قیمت‌ها» در قیمت‌های معاملاتی بورس اوراق بهادار تهران می‌پردازد. پدیده تجمع قیمت‌ها یکی از پدیده‌های مشاهده شده در بازارهای مالی است که بیانگر سوگیری‌های روانشناسی یا گرایش به اعداد خاص در بازار است. این پدیده شامل تراکم قیمت‌ها در اعداد خاص و یا رندکردن قیمت‌ها است. این پژوهش در دوره زمانی 77 تا 89 (شامل سه دوره 77-80، 81-84 و 85-89)، انجام شده است که تعداد قابل‌توجهی از قیمت‌های روزانه را بررسی می‌کند. نتایج پژوهش وجود پدیده تجمع قیمتی را تأیید می‌نماید. نتایج نشان می‌دهد، در بورس اوراق بهادار تهران گرایش به معامله در عدد رند صفر بسیار شدید و در بعضی موارد گرایش به عدد پنج و نه، تا حدودی بیشتر از سایر اعداد است. برای سایر اعداد این گرایش تقریباً مشابه است و توزیع یکنواختی برای آن‌ها وجود دارد. همچنین «فرضیه جذابیت» به‌عنوان تبیین‌کننده پدیده تجمع قیمتی در بورس تهران تأیید می‌شود. به‌علاوه این پژوهش «فرضیه تفکیک قیمت‌ها» را برای توضیح پدیده تجمع قیمت‌ها در بورس تهران رد می‌کند. نتایج تشکیل و مقایسه سبدهای دارایی‌ها نشان می‌دهد، رابطه معناداری بین پدیده تجمع قیمتی و قیمت سهام، اندازه شرکت، نقدشوندگی و نوسانات قیمت سهام وجود ندارد. 1 The aim of this paper is analyzing the role of psychology of numbers in financial markets and in this area, investigates the Price Clustering phenomenon in trading prices of Tehran Stock Exchange. Price clustering is one of anomalies that have been observed in financial markets that representative psychological biases or tendency to specific numbers in the market. This phenomenon includes of density of prices in specific numbers or rounding the prices. This research is done in the period of 77 to 89 (including three period of 77-80, 81-84 and 85-89), that survey substantial daily prices. The results of the paper confirm the existence of price clustering. The results show that in Tehran Stock Exchange, tendency to trading at round numbers is intensive and tendency to numbers of 5 and 9 is to some extent more than others. For other numbers this tendency is almost similar and there are uniform distributions for them. Also attraction hypothesis, as one of the explanations of price clustering is accepted. Furthermore, this research is rejected the resolution hypothesis for explaining the price clustering phenomenon in Tehran Stock Exchange. Results of creation and comparison of portfolios are show that there isn't a significant relation between price clustering and stock prices, size of firms, Liquidity of stocks and volatility of prices. 73 98 محمد اسماعیل فدایی نژاد Mohammad- Esmaeel Fadaei-Nejad دانشیار و عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی Iran m-fadaei@sbu.ac.ir محسن صادقی Mohsen Sadeghi دانشجوی دکترای مدیریت مالی دانشگاه شهید بهشتی تهران ایران sadeghi1361@gmail.com Attraction Hypothesis Price Clustering Psychology of Numbers Resolution Hypothesis

0 شناسایی و وزن‌دهی تورش‌های رفتاری سرمایه‌گذاران در بازار بورس اوراق بهادار تهران: رویکرد?AHP فازی Determining and Prioritizing Behavior Biases of Investors in Tehran Stock Exchange Market: a Fuzzy AHP Approach https://jfr.ut.ac.ir/article_23828.html 0 اشراف بر تورش‌های رفتاری باعث می‌شود تا سرمایه‌گذاران با آگاهی بیشتری فرآیند تصمیم‌گیری خود را بررسی نمایند و در صورت مواجهه با تورش‌های گفته شده بتوانند به‌خوبی واکنش نشان داده و از انحراف در تصمیم‌گیری جلوگیری نمایند. در پژوهش حاضر برای وزن‌دهی تورش‌های رفتاری مؤثر در تصمیم‌گیری سرمایه‌گذاران در بازار بورس اوراق بهادار تهران تورش‌های 36 گانه در قالب پنج گروه طبقه‌بندی شده و پس ازتنظیم پرسشنامه وتکمیل توسط خبرگان مالی و بورس اوراق بهادار تهران (استادان دانشگاه و مسئولان کارگزاری‌ها) با به‏کارگیری فرآیند تحلیل سلسله‌مراتبی فازی، اولویت‌بندی شدند. در رتبه‌بندی گروه‌های پنج گانه، گروه‌های "شناختی"، "عاطفی"، "پدیده‌های غیر عادی"، "رفتارهای مکاشفه‌ای" و در نهایت گروه "ترجیحی" به‌ترتیب اولویت‌های اول تا پنجم را کسب نمودند. 1 Having knowledge about behavioral biases, investors are able to evaluate their decision process with more awareness and they can react much better when facing such biases, as a result decisions deviation will be minimized. In this study, 36 different behavioral biases have been categorized into 5 different groups to normalize the effective behavioral biases in the process of decision making of the investors in Tehran Stock Exchange Market. These biases have been normalized and prioritized through using the Fuzzy Analytical Hierarchy Process. In prioritizing the five groups, “cognitive” “emotional”, “unusual phenomena”, “Heuristic behaviors”, and “Errors of preference” groups were in the first to fifth positions. 99 120 سعید فلاح‌پور saeed fallah poor استادیار، دانشکده مدیریت، دانشگاه تهران Iran sfallahpour@gmail.com غلامرضا عبداللهی gholamreza abdollahi کارشناسی ارشد مدیریت مالی، دانشگاه تهران Iran g.abdollahi_ndco@yahoo.com analytical hierarchy process Behavioral Biases Behavioral finance fuzzy logic. Stock exchange market

0 کالبد شکافی بازده نقدی و سرمایه‌ای سهام رشدی و ارزشی در بورس اوراق بهادار تهران The Anatomy of Value and Growth Stocks Capital Gain Return and Dividend Yield in the Tehran Stock Exchange https://jfr.ut.ac.ir/article_23829.html 0 در پژوهش حاضر از یک‌سو به مطالعه‌ی نقش و اثر سهام رشدی و سهام ارزشی در بازده کل، بازده نقدی و بازده ناشی از سود سرمایه‌ای و نیز بررسی ادعای وجود اختلاف بین بازده دو نوع سهم بالا در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران پرداخته شده و از سوی دیگر صحت و سقم فرضیه وجود همگرایی در بازده سهام ارزشی و رشدی در طول زمان مورد پژوهش قرار گرفته است. نمونه آماری پژوهش شامل 70 شرکت در طی دوره زمانی 1381 - 1389 بوده است. در این پژوهش برای مطالعه اثر نوع سهام بر هر یک از عوامل بازدهی از مدل داده‌های تلفیقی ایستا و روش حداقل مربعات تعمیم یافته برآوردی و نیز آنالیز واریانس استفاده شده است. ‌یافته‌های پژوهش نشان می‌دهد، در عین وجود رابطه مثبت بین نسبت ارزش بازار به دفتری(معیار تفکیک سهام به رشدی و ارزشی) با کلیه بازده‌های محاسبه شده، سهام رشدی در مقایسه با سهام ارزشی دارای بازده نقدی و بازده سرمایه-ای بالاتری هستند با این وجود تفاوت معناداری بین بازده نقدی دو نوع سهام مشاهده نشده است. نتایج همچنین بیانگر وجود نوعی همگرایی بین بازده نقدی و بازده سرمایه‌ای دو نوع سهم رشدی و ارزشی در طول زمان است. نتیجه‌ای که نشان می‌دهد هیچ سهمی برای همیشه به‌عنوان سهم رشدی یا ارزشی باقی نمی‌ماند. 1 This study examines the empirical validity of claims that value stocks (stocks with high ratios of book value to price) have higher average returns than growth stocks (stocks with low book-to-market ratios). The analyses are performed using data pertaining to 70 firms for the period 1381-1389 and used the Panel Data methodology. This paper contains significant and consistent results. The results of testing hypotheses for each of the nine years and the pooled sample show that price-to-book ratio and Size are positively related to Stock Return. The results demonstrated that On average, growth stocks have higher Total Return than value stocks, and growth stocks (especially big growth stocks) also have higher average rates of capital gain. The results also demonstrated that the average returns growth portfolios tend to fall in the years after portfolio formation. Conversely, average returns value portfolios tend to rise in the years after portfolio formation, as some value stocks restructure, their profitability improves. 121 146 مهدی میاوقی Mehdi Miavaghi استادیار و عضو هیئت علمی دانشگاه پیام نور، گروه حسابداری ایران m_meshki@pnu.ac.ir فرخ دهدار Farrokh Dehdar کارشناس ارشد حسابداری Iran dehdar@initor.com Growth stocks price-to-book ratio Stock Return Value stocks

0 بی‌قاعدگی‌های دوره‌ای در بازدهی سهام عادی بورس اوراق بهادار تهران (روش باز نمونه‌گیری بوت استراپ ناپارامتریک) Seasonal Anomalies in TEHRAN Stock Exchange Returns Non Parametric Bootstrap Approach https://jfr.ut.ac.ir/article_23830.html 0 به‌دلیل وجود ناهمگنی‌ها در دنیای واقعی، ممکن است قیمت‌ها انحراف قابل توجه و ماندگاری از ارزش‌های بنیادی خود داشته باشند. البته اگر این عناصر ناهمگن اثر چندانی نداشته باشند، قیمت‌های دارایی‌ها و نرخ‌های بازدهی آن‌ها به‌طور عمده توسط عوامل بنیادی اقتصاد و رفتار عقلایی تعیین خواهند شد. در این‌صورت با مشاهده رفتارهای واقعی در بورس اوراق بهادار می‌توان فرصت‌های معاملاتی سودآوری که برای دوره‌هایی ماندگار است را جدا کرد. این شواهد تحت عنوان بی‌قاعد‌گی-های بازار، ارجاع داده می‌شوند. در این پژوهش، روش بازنمونه‌گیری بوت استراپ ناپارامتریک، به-منظور بررسی و پیش‌بینی الگوهای دوره‌ای در بازدهی ماهانه سهام، استفاده شده است. بر طبق نتایج، از بی‌قاعد‌گی‌های مطرح شده در بازارهای سرمایه، اقدام به فروش برای گریز از مالیات و پرده پوشانی، تغییرات دوره‌ای در متوسط بازدهی ماهانه سهام عادی بورس اوراق بهادار تهران طی دوره M11379 تا M121388 را به‌طور قابل توجهی توضیح می‌دهند. همچنین وجود این الگوهای تقویمی در بازدهی که از مهم‌ترین بی‌قاعدگی‌های بازارهای مالی محسوب می‌شوند، با فرضیه کارآیی بازارهادر تناقض است. 1 Because of the heterogeneity in behavior, in the real world prices may deviate substantially and persistently from their fundamental values. Of course, if these heterogeneous elements play a rather minor role then asset prices and rates of return will be determined mainly by economic fundamentals and rational behavior. By observing actual behavior in the stock market one can seek to isolate profitable trading opportunities which persist for some time. This evidence is referred to as stock market anomalies. In this paper, nonparametric bootstrapping procedure is used to analysis average monthly seasonality returns. Evidence suggests several explanations for abnormal returns during 2000: M3 to 2010:M2. Tax-loss Selling, Window dressing anomalies explain the existence of these distinct patterns of returns. Also, existence of those calendar seasonalities as the most important financial market anomalies is often promoted as a conflict with the efficient market hypothesis. 147 167 محسن نظری Mohsen Nazari عضو هیئت علمی دانشکده مدیریت دانشگاه تهران ایران mohsen.nazari@ut.ac.ir الهام فرزانگان Elham Farzanegan دانشجوی دکترای اقتصاد دانشگاه بوعلی سینا همدان Iran farzanegan.elham@gmail.com Abnormal Returns Efficient Market Hypothesis. Financial Behavior Non Parametric Bootstrap Seasonal Anomalies