ارائه مدل نیمه‌پارامتریک قیمت‌گذاری ریسک غیرسیستماتیک با تبیین ریسک آربیتراژ

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، مالی ـ بانکداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

2 استادیار، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

چکیده

هدف: در علم مالی، رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار به معمایی تبدیل شده است. در حالی که بر اساس تئوری مدرن پرتفوی، رابطه میان ریسک و بازده مورد انتظار مثبت است، نتایج بسیاری از پژوهش‌ها، بر رابطه منفی میان متغیرهای یادشده دلالت دارد. علاوه بر این، بسیاری از مطالعات انجام‌شده به بررسی عوامل اثرگذار بر این رابطه پرداخته‌اند. در این پژوهش نیز تلاش شده است که رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار، از طریق تبیین ریسک آربیتراژ به‌عنوان عامل اثرگذار بر رابطه یاد شده، در بازه زمانی فروردین 1386 تا اسفند 1396 به بحث و بررسی گذاشته شود.
روش: در این پژوهش برای برآورد ریسک غیرسیستماتیک، مدل پنج عاملی فاما و فرنچ به‌کار گرفته شده است. همچنین، با استفاده از روش‎های تحلیل پرتفوی و رگرسیون مقطعی فاما ـ مکبث، به سؤال پژوهش پاسخ داده و فرضیه‌ها آزمون می‌شوند.
یافته‌ها: با استفاده از مدل پنج عاملی فاما و فرنچ که بر اساس رگرسیون کرنل چندجمله‎ای موضعی پیاده‌سازی شده، ریسک غیرسیستماتیک برآورد شده است. همچنین، برای برآورد شاخص ریسک آربیتراژ نیز، از یک محدودیت معاملاتی موجود در بورس ایران و سایر متغیرهای متداول اندازه‌گیری ریسک آربیتراژ استفاده شده است.
نتیجه‌گیری: نتایج نشان ‎می‌دهد علاوه بر اینکه ریسک غیرسیستماتیک دارای قیمت است، رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار نیز منفی است. همچنین، ریسک آربیتراژ، متغیر اثرگذار بر شدت و معنا‎داری رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار معرفی می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Semi-parametric Model of Idiosyncratic Volatility Pricing by Explaining the Arbitrage Risk

نویسندگان [English]

  • Mehdi Asima 1
  • Reza Eyvazloo 2
1 PhD. Candidate, Department of Banking Finance, Faculty of Management, University of Tehran, Tehran, Iran.
2 Assistant Prof., Department of Financial Management, Faculty of Management, University of Tehran, Tehran, Iran.
چکیده [English]

Objective: The relationship between idiosyncratic volatility and expected return in finance has become a puzzle. While, based on modern portfolio theory, the relationship between risk and expected return is positive, many studies find a negative relationship between these variables. In addition, many studies have examined the factors affecting this relationship. In this paper, we have examined the relationship between idiosyncratic volatility and the expected return through explanation of the arbitrage risk as a factor affecting the relationship in the period from 2007-2017.
Methods: In this study, a five-factor Fama-French model has been used to estimate idiosyncratic volatility. In order to answer the research question and hypothesis testing, portfolio analysis and Fama-Macbeth regression methods have been used.
Results: The idiosyncratic volatility was estimated using the Fama-French five-factor model, which was implemented based on the local polynomial kernel regression. Also, for estimating the arbitrage risk index, a trading limit on the Iran stock exchange and other common variables of arbitrage risk measurement are also used.
Conclusion: The results show that in addition to idiosyncratic volatility pricing, the relationship between idiosyncratic volatility and expected return is negative. Also, the arbitrage risk is confirmed as an effective variable on the severity and significance of the relationship between idiosyncratic volatility and expected return.

کلیدواژه‌ها [English]

  • Arbitrage risk
  • Five Factor Fama-French Model
  • Idiosyncratic Volatility Pricing
  • Local Kernel Regression
  • Semi-Paremetric Model
الیاسی، هادی. (1395). بررسی مقایسه‎ای عملکرد مدل‎های قیمت‎گذاری دارایی پنج عاملی و سه عاملی فاما و فرنچ در بورس اوراق بهادار تهران. پایان‎نامه کارشناسی ارشد، دانشکده اقتصاد و مدیریت دانشگاه ارومیه.
بدری، احمد و عرب مازار یزدی، محمد و دولو، مریم. (1393). گشتاورهای مرتبه بالاتر و معمای نوسان‎پذیری غیرسیستماتیک. فصلنامه دانش سرمایهگذاری، 11(3)، 1-23.
دولو، مریم و رجبی، عظیم. (1394). بررسی آناتومیک رابطه بازده سهام و نوسان‌پذیری غیرسیستماتیک: شواهدی از بورس اوراق بهادار تهران. مدیریت دارایی و تأمین مالی، 3(3)، 37-48.
دولو، مریم و فرتوک زاده، حمیدرضا. (1395). تغییرات مقطعی بازده: نقدشوندگی و اثر ریسک غیرسیستماتیک. دانش حسابداری، 7(26)، 85-106.
عرب مازار یزدی، محمد و بدری، احمد و دولو، مریم. (1394). قیمت‎گذاری ریسک غیرسیستماتیک: شواهدی از بورس اوراق بهادار تهران. مطالعات تجربی حسابداری مالی، 12(47)، 23-46.
عرب مازار یزدی، محمد و دولو، مریم و بدری، احمد. (1393). قیمت‎گذاری ریسک غیرسیستماتیک: شواهدی مبتنی بر محتوای اطلاعاتی سود. پژوهشهای تجربی حسابداری، 3(3)، 1-19.
عیوض‎لو، رضا و قهرمانی، علی و عجم، علیرضا. (1395). بررسی عملکرد مدل پنج عاملی فاما و فرنچ با استفاده از آزمون GRS. تحقیقات مالی، 18(4)، 691-714.
قلی‌پور خانقاه، مهدی و عیوض‌لو، رضا و محمودزاده، سعید و رامشگ، مهدی. (1396). بررسی ریسک غیرسیستماتیک و اصطکاک بازار در فرآیند سرمایه‌گذاری. دانش سرمایه‌گذاری، 6 (22)، 13-28.
 
References
Amihud, Y. (2002). Illiquidity and stock returns: cross-section and time-series effects. Journal of financial markets, 5(1), 31-56.
Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2009). High idiosyncratic volatility and low returns: International and further US evidence. Journal of Financial Economics, 91(1), 1-23.
Ang, A., Hodrick, R., Xing, Y., & Zhang, X. (2006). The cross-section of volatility and expected. The Journal of Finance, 61(1), 259-297.
Arabmazar Yazdi, M., Badri, A., & Davallou, M. (2016). Idiosyncratic risk pricing: evidence from Tehran Stock Exchange. Empirical Studies in Financial Accounting Quarterly, 12(47), 23-46. (In Persian)
Arabmazar Yazdi, M., Davallou, M., & Badri, A. (2014). Idiosyncratic risk pricing: evidence based information content of earnings. Journal of Empirical Research in Accounting, 3(3),1-19. (In Persian)
Badri, A., Arabmazar Yazdi, M., & Davallou, M. (2014). Higher moments and idiosyncratic volatility puzzle. Journal Management System,11(3),1-24. (In Persian)
Bali, T. G., Cakici, N., & Whitelaw, R. F. (2011). Maxing out: Stocks as lotteries and the cross-section of expected returns. Journal of Financial Economics, 99(2), 427-446.
Bansal, R., Hsieh, D.A. Viswanathan, S., (1993). A New Approach to International Arbitrage Pricing. Journal of Finance, (48)5, 1719-1747.
Bansal, R., Viswanathan, S. (1993). No Arbitrage and Arbitrage Pricing: A New Approach. Journal of finance, (45)4, 1231-1262.
Blundell, R.,Duncan, A. (1991). Kernel Regression in Empirical Microeconomics. The Journal of Human Resources, (33), 62-87 .
Boyer, B., Mitton, T., & Vorkink, K. (2010). Expected idiosyncratic skewness. Review of Financial Studies, 23(1), 169-202.
Cai, Z., Ren, Y., Yang, B. (2015). A Semiparametric Conditional Capital Asset Pricing Model. Journal of Banking and Finance, (61), 117-126.
Chapman, D. (1997). Approximating the Asset Pricing Kernel. Journal of Finance, (52)4, 1383-1410.
Chen, Z. (2008). Volatility of liquidity, idiosyncratic risk and asset returns. Working Paper.
Chordia, T., Roll, R., & Subrahmanyam, A. (2008). Liquidity and market efficiency. Journal of Financial Economics, 87(2), 249-268.
Davallou, M., Fartookzadeh, H. (2016). Cross-section return changes: Liquidity and unsystematic risk effects. Journal of Accounting Knowledge, 7(26), 85-106. (In Persian)
Davallou, M., Rajabi, A. (2015). An anatomic study of the relationship between stock return and idiosyncratic volatility evidences from Tehran Stock Exchange. Asset Management and Financing, 3(3), 37-48. (In Persian)
Dittmar, R. (2002). Nonlinear Pricing Kernels, Kurtosis Preference, and the Cross-Section of Equity Returns. Journal of Finance, (57)1, 369-403.
Elyasi, H. (2016). Reviewing the performance comparison of five and three factors Fama-French in Tehran Stock Exchange. Master’s degree, Faculty of Economics and Management, Urmia University. (In Persian)
Epanechnikov, V. (1969). Nonparametric Estimates of a Multivariate Probability Density. Theory of Probability and Its Applications, (14)1, 153-158.
Erdos, P., Ormos, M., Zibriczky, D. (2011). Nonparametric and Semiparametric asset pricing. Journal of Economic Modelling, (28)3, 1150-1162.
Eyvazlu, R., Ghahramani, A., Ajam, A. (2017). Analyzing the performance of Fama and French five-factor model using GRS test. Financial Research Journal, 18(4), 691-714. (In Persian)
Fama, E. & J. MacBeth., (1973), Risk, Return, and Equilibrium: Empirical Tests. Journal of Political Economy, 81(3), 607-636.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of financial economics, 33(1), 3-56.
Fama, E. F., & French, K. R. (2015). A Five-Factor Asset Pricing Model. Journal of Financial Economics, 116(1), 1-22.
Fan, J., Yao, Q. (2003). Nonlinear Time Series: Nonparametric and Parametric Methods. New York, Springer-Verlag.
Ferreira, E., Gil-Bazo, J., Orbe, S. (2008). Nonparametric Estimation of Conditional Beta Pricing Models. Working Paper.
Fu, F. (2009). Idiosyncratic risk and the cross-section of expected stock returns. Journal of Financial Economics, 91(1), 24-37.
Gholipur Khanegah, M., Eyvazloo, R., Mahmoodzade, S., Rameshg, M. (2017). Idiosyncratic Risk and Market Friction in Investment Process. Journal of Investment Knowledge, 6(22), 13-28. (In Persian)
Gomez-Gonzalez, J.E., Sanabria-Buenaventura, E.M. (2014). Nonparametric and Semiparametric Asset Pricing: An Application to The Colombian Stock Exchange. Journal of Economic Systems, (38)2, 261-268.
Gu, M., Kang, W., & Xu, B. (2018). Limits of arbitrage and idiosyncratic volatility: Evidence from China stock market. Journal of Banking & Finance, 86, 240-258.
Han, Y., & Lesmond, D. (2011). Liquidity biases and the pricing of cross-sectional idiosyncratic volatility. Review of Financial Studies, 24(5), 1590-1629.
Hardle, W., Muller, M., Sperlich, S., Werwatz, A. (2004). Springer series in statistics: Nonparametric and Semiparametric models. Springer -Verlag.
Huang, W., Liu, Q., Rhee, S. G., & Zhang, L. (2009). Return reversals, idiosyncratic risk, and expected returns. The Review of Financial Studies, 23(1), 147-168.
Kim, K. A., & Park, J. (2010). Why do price limits exist in stock markets? manipulation‐based explanation . European Financial Management, 16(2), 296-318.
Kim, K. A., & Rhee, S. (1997). Price limit performance: evidence from the Tokyo Stock Exchange. Journal of Finance, 52(2), 885-901.
Mashruwala, C., Rajgopal, S., & Shevlin, T. (2006). Why is the accrual anomaly not arbitraged away? The role of idiosyncratic risk and transaction costs. Journal of Accounting and Economics, 42(1), 3-33.
Merton, R. C. (1987). A simple model of capital market equilibrium with incomplete information. The journal of finance, 42(3), 483-510.
Nadaraya, E.A. (1964). On Estimating Regression. Theory of Probability and its Application, (9)1, 141-142.
Pontiff, J. (2006). Costly arbitrage and the myth of idiosyncratic risk. Journal of Accounting and Economics, 42(1-2), 35-52.
Sadka, R., Scherbina, A. (2007). Analyst disagreement, mispricing, and liquidity. The Journal of Finance, 62(5), 2367-2403.
Stambaugh, R. F., Yu, J., & Yuan, Y. (2015). Arbitrage asymmetry and the idiosyncratic volatility puzzle. The Journal of Finance, 70(5), 1903-1948.
Tsay, R. (2010). Analysis of Financial Time Series. John Wiley & Sons.
Watson, G.S. (1964). Smooth Regression Analysis. Sankhya series, (26), 359-372.
Xu, Y., Malkiel, B. G. (2003). Investigating the behavior of idiosyncratic volatility. The Journal of Business, 76(4), 613-645.