بسط مدل‌های عاملی قیمت‌گذاری q فاکتور و q فاکتور تعدیل‌شده با عامل رشد ـ سرمایه‌گذاری مورد انتظار با استفاده از عامل بازده مورد انتظار

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

2 دانشیار، گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

3 استادیار، گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

چکیده

هدف: شناسایی مدل درست قیمت‌گذاری دارایی، نه تنها بازده سهام را توضیح می‌دهد، بلکه باعث افزایش توانایی پیش‎بینی بازده غیرعادی خواهد شد. هدف پژوهش حاضر، ارزیابی امکان بهبود عملکرد مدل‌های مورد بررسی پژوهش با اضافه‌کردن عامل بازده مورد انتظار است.
روش: در این پژوهش از داده‌های 345 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس طی بازه زمانی 1385 تا 1398 استفاده شد. سپس، بر پایه نظریه مصرف و اصول و مفروضات حسابداری، ویژگی‌های حسابداری اثرگذار بر رشد سود و بازده سهام شناسایی و به‌دنبال آن به‌صورت تجربی آزمون شدند. در ادامه، ویژگی‌های مربوطه در یک عامل تحت عنوان عامل بازده مورد انتظار خلاصه شد تا در بسط مدل‌های چندعاملی قیمت‌گذاری استفاده شود. در نهایت، دارایی‌های آزمون در دو دسته، با لحاظ‌کردن ویژگی بازده مورد انتظار شرکت و بدون لحاظکردن ویژگی بازده مورد انتظار شرکت، طبقه‌بندی شدند.
یافته‌ها: موارد متعددی از هر دو گروه دارایی‌های آزمون نشان می‌دهد، بسط مدل‌های مورد بررسی پژوهش با عامل بازده مورد انتظار، موجب افزایش ارزش احتمال آماره GRS، کاهش آماره GRS و افزایش ضریب تعیین تعدیل شده آنها می‌شود که این موضوع حاکی از بهبود عملکرد و افزایش شایان توجه قدرت توضیح‌دهندگی مدل‌های حاوی عامل بازده مورد انتظار نسبت به مدل‌های متناظر آنها است.
نتیجه‌گیری: نتایج پژوهش نشان می‌دهد اضافه‌شدن عامل بازده مورد انتظار به مدل‌های مورد بررسی پژوهش باعث شده تا عملکرد این مدل‌ها در توضیح الگوهای مختلف بازده سهام بهبود یابد که این تفاوت عملکرد از لحاظ قدرت توضیح‌دهندگی برای دارایی‌های آزمونی که با استفاده از ویژگی بازده مورد انتظار تشکیل شده، مطلوب‌تر است.

کلیدواژه‌ها

عنوان مقاله [English]

Developing Q-factor and Adjusted Q-factor Pricing Models by the Expected Investment Growth Factor using an Expected Return Factor

نویسندگان [English]

  • Sanaz Aalamifar 1
  • Abdollah Khani 2
  • Hadi Amiri 3
1 Ph.D. Candidate, Department of Accounting, Faculty of Administrative Science & Economics, University of Isfahan, Isfahan, Iran.
2 Associate Prof., Department of Accounting, Faculty of Administrative Science & Economics, University of Isfahan, Isfahan, Iran.
3 Assistant Prof., Department of Economic, Faculty of Administrative Science & Economics, University of Isfahan, Isfahan, Iran.
چکیده [English]

Objective: Identifying the correct asset pricing model has long been an important topic in the thematic literature of financial economics. Such a model not only explains stock returns but also increases the ability to predict abnormal returns. The first models for estimating returns date back to the 1960s, when Markowitz (1952)'s new theory of securities attracted the attention of researchers. The first model for estimating returns was The capital asset pricing model (CAPM) which was presented by William Sharp (1964). In his research, William Sharp showed that return on asset was a function of line of market risk premium. But from 1975 to 1990, deviations and anomalies related to the CAPM model gradually became apparent. Following the recognition of these anomalies in accounting, in this study, based on the research of Penman and Zhou (2018), a expected return factor based on accounting characteristics is introduced. The purpose of this research is to evaluate the possibility of improving the performance of q-factor and adjusted q-factor with the expected investment growth factor’s models for explaining the difference between stock returns by adding the expected return factor based on accounting characteristics.
Methods: This is an applied research in terms of purpose and an inferential and descriptive research, in terms of method. To achieve the research objective, data of 345 companies enlisted in the Tehran Stock Exchange (TSE) and Iran Farabourse market, from 2006 to 2020, were gathered. Then based on consumption theory and accounting principles and assumptions, accounting characteristics affecting earnings growth and expected return were identified. After, the data was experimentally tested. In the following, the relevant characteristics in a factor are summarized as the expected return factor based on accounting characteristics to be used in the development of multi-factor pricing models. Finally, to evaluate the performance of multi-factor asset pricing models, test assets were classified into two categories (once considering the expected return, and once without considering the company’s expected return factor).
Results:Numerous cases from both groups of test assets showed that the expansion of q-factor and adjusted q-factor with the expected investment growth factor’s models with the expected return factor based on accounting characteristics increases the probability value of GRS statistic, decreases GRS statistic, and increases their adjusted coefficient of determination. This indicated an improvement in performance and a considerable increase in the explanatory power of models containing the expected return factor based on accounting characteristics compared to their respective models.
Conclusion: The results of this research showed that the added expected return factor based on accounting characteristics to q-factor and adjusted q-factor with the expected investment growth factor’s models improves their performance in explaining the stock returns. Also, the test assets that considered the company’s expected return characteristic performed better compared to those that did not.

کلیدواژه‌ها [English]

  • Multi-factor asset pricing model
  • Expected return
  • Investment
  • Expected investment growth

مراجع

اصولیان، محمد؛ حسن‎نژاد، محمد؛ سمیعی تبریزی، پدرام (1398). بررسـی مـدل تعـدیل‎شـده قیمـت‎گـذاری دارایـی‎هـای سرمایه‎ای با عامل نقدشوندگی در بازارهای صعودی و نزولی بورس اوراق بهادار تهران. تحقیقات مالی، 21(2)، 293-320.
ایزدی نیا، ناصر؛ ابراهیمی، محمد؛ حاجیان نژاد، امین (1393). مقایسه مدل سه عاملی فاما و فرنچ با مدل چهار عاملی کارهارت در تبیین بازده سهام شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه مدیریت دارایی و تأمین مالی، 2(3)، 17- 28.
بابالویان، شهرام؛ مظفری، مهردخت (1395). مقایسه قدرت پیش‎بینی مدل پنج عاملی فاما و فرنچ با مدل‎های چهار عاملی کارهارت و q عاملی HXZ در تبیین بازده سهام. فصلنامه دانش مالی اوراق بهادار، 9(30)، 17- 32.
عیوضلو، رضا؛ قهرمانی، علی؛ عجم، علیرضا (1395). بررسی عملکرد مدل پنج عاملی فاما و فرنچ با استفاده از آزمون GRS. تحقیقات مالی، 18(4)، 691-714.
عیوضلو، رضا؛ هاشمی، یاسمن و قربانی، امیرعلی (1399). مدل قیمت‌گذاری چندعاملی در بازار سرمایه ایران. فصلنامه چشم‎انداز مدیریت مالی، 10(32)، 9-32.
میرزایی، مهدی؛ بت‎شکن، محمود؛ خانی، عبداله (۱۳۹۹). معرفی و آزمون عامل چرخه عمر به ‎منزله عامل مؤثر در توسعه الگوهای چندعاملی قیمت‎گذاری با استفاده از رویکرد رگرسیون‎های پوششی. فصلنامه مدیریت دارایی و تأمین مالی، ۸(۳)، ۸4-۵3.
میرزایی، مهدی؛ خانی، عبداله؛ بت‎شکن، محمود (1398). ﺑﺴﻂ ﻣﺪل‎های عاملی ﻗﻴﻤﺖ‎‎ﮔﺬاری دارایی‎ها با استفاده از چرخه عمر شرکت. تحقیقات مالی، 21(4)، 545-569.
هاشمی، سید‎عباس؛ صمدی، سعید؛ هادیان، ریحانه (1396). ارزیابی تأثیر عامل محدودیت مالی بر توان تبیین بازده سهام توسط مدل‌های سه عاملی فاما و فرنچ، چهارعاملی کارهارت و پنج عاملی فاما و فرنچ. فصلنامه حسابداری مالی، 9(34)، 1-34.
 
References
Asness, C., & Frazzini, A. (2013). The devil in HML’s details. Journal of Portfolio Management, 39(4), 49–68.
Asness, C., Frazzini, A., & Pedersen, L. (2019). Quality Minus Junk. Review of Accounting Studies, 24(1), 34-112.
Babalooyan, SH., & Mozaffari, M. (2016). To Compare the Explanatory Power of the Five-Factor Fama French Model with Carhart and q-Factor Models: Evidences from Tehran Stock Exchange. Financial Knowledge of Securities Analysis, 9(30), 17-32. (in Persian)
Ball, R., Gerakos, J., Linnainmaa, J., & Nikolaev, V. (2016). Accruals, cash flows, and operating profitability in the cross section of stock returns. Journal of Financial Economics, 121(1), 28–45.
Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance, 52(1), 57-82.
Chen, L., Novy-Marx, R., & Zhang, L. (2011). An Alternative Three-Factor Model. Working paper, Washington University in St. Louis, University of Rochester and The Ohio State University.
Doornik, J. (2009). An Object-Oriented Matrix Language Ox 6. London: Timberlake Consultants Press and Oxford: www.doornik.com.
Doornik, J., & Ooms, M. (2007). Introduction to Ox: An Object-Oriented Matrix Language. Uk: Timberlake Consultants Press.
Eyvazloo, R., Ghahramani, A., & Ajam, A. (2016). Analyzing the Performance of Fama and French Five-factor Model Using GRS Test. Financial Research Journal, 18(4), 691-714.  (in Persian)
Eyvazloo, R., Hashemi, Y., Qorbani, A. (2020). Multi-Factor asset pricing model in Iranian Capital Market. Journal of Financial Management Perspective, 10(32), 9-32. (in Persian)
Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns. Journal of Finance. 47(2), 427-465.
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. (2018). Choosing Factors. Journal of financial economics, 128(2), 234-253.
Fama, E. F., & MacBeth, J. D. (1973). Risk, return and equilibrium: Empirical tests. Journal of Political Economy, 81(3), 607–636.
Fama, E.F., French, K.R. (2015). A five-factor asset pricing model. Journal of Financial Economics, 116(1), 1–22.
Fan, S., & Yu, L. (2013). Does the Alternative Three-Factor Model Explain Momentum Anomaly Better in G12 countries?. Journal of Finance & Accountancy, 12.
Fazzari, S., Hubbard, G., & Petersen, B. (1988). Financing constraints and corporate investment. Brookings Papers of Economic Activity, 1, 141–195.
Gibbons, M., Ross, S., & Shanken, J. (1989). A Test of the Efficiency of a Given Portfolio. Econometrica, 57(5), 1121-1152.
Gilchrist, S., & Himmelberg, C.P. (1995). Evidence on the role of cash flow for investment. Journal of Monetary Economics, 36(3), 541-572.
Hashemi, S. A., Samadi, S., & Hadian, R. (2017). Evaluation of the Effect of Financial Constraints Factor on Explanatory Power of Fama-French Three-Factor Model, Carhart Four-Factor Model and Fama-French Five-Factor Model. quarterly financial accounting journal, 9(34), 1-34. (in Persian)
Hayashi, F. (1982). Tobin’s marginal q and average q: A neoclassical interpretation. Econometrica, 50(1), 213–224.
Hou, K., Mo, H., Xue, C., & Zhang, L. (2017). The economics of value investing. working paper, The Ohio State University.
Hou, K., Mo, H., Xue, C., & Zhang, L. (2018). q5. Charles A. Dice Center Working Paper No. 2018-10; Fisher College of Business Working Paper No. 2018-03-010.
Hou, K., Xue, C., & Zhang, L. (2015). Digesting anomalies: An investment approach. Review of Financial Studies, 28(3), 650–705.
Izadinia, N., Ebrahimi, M., & Hajiannejad, A. (2014). A Comparison between basic Fama and French three Factor model and basic Carhart four factors Model in Explaining the Stock return on Tehran Stock Exchange.  Asset Management and Financing, 2(3), 17-28.
(in Persian)
Keynes, J. M. (1936). The General Theory of Employment, Interest, and Money. New York: Harcourt Brace Jovanovich.
Lamont, O. (2000). Investment Plans and Stock Returns. Journal of Finance, 55(6), 2719-2745.
Lucas, R. E., & Prescott, E. C. (1971). Investment under uncertainty. Econometrica, 39(5), 659–681.
Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77-91.
Miller, M., & Modigilani, F. (1961). Dividend Policy, Growth and the Valuation of Shares. Journal of Business, 34(4), 411-433.
Mirzaie, M., Botshekan, M., & Khani, A. (2020). Introducing and Testing Firm's Life Cycle as a New Factor in Developing Multifactor Asset Pricing Models using Spanning Regression Approach. Asset Management and Financing, 8(3), 53-84. (in Persian)
Mirzaie, M., Khani, A., & Botshekan, M. (2020). Developing Multifactor Asset Pricing Models Using Firm's Life Cycle. Financial Research Journal, 21(4), 545-569. (in Persian)
Mussa, M. L. (1977). External and internal adjustment costs and the theory of aggregate and firm investment. Economica, 44, 163-178.
Ohlson, J. (1995). Earnings, book values, and dividends in security valuation. Contemporary Accounting Research, 11(2), 661–687.
Osoolian, M., HassanNezhad, M., & Samiee Tabrizi, P. (2019). An Investigation on liquidity Risk in Bullish and Bearish of Tehran Security Exchange Market: Insights from liquidityadjusted CAPM. Financial Research Journal, 21(2), 293-320. (in Persian)
Pastor, L., & Stambaugh, R.F. (2003). Liquidity risk and expected stock returns. Journal of Political Economy, 111(3), 642–685.
Penman, S. (2016). Valuation: Accounting for Risk and the Expected Return. Abacus, 52(1), 106-130.
Penman, S., & Yehuda, N. (2019). A Matter of Principle: Accounting Reports Convey Both Cash-Flow News and Discount-Rate News. Management Science, 65(12), 5449-5956.
Penman, S., & Zhang, X.  (2018). A Theoretical Analysis Connecting Conservative Accounting to the Cost of Capital. Unpublished paper, Columbia University and University of California, Berkeley.
Penman, S., & Zhu, J. (2018). A Fundamental Factor Model. working paper, Columbia University and Fudan University.
Racicot, F. & Theoret, R. (2016). The q-factor Model and the Redundancy of the Value Factor: An Application to Hedge Fund. Journal of Asset Management, 17(7), 526-539.
Sharpe, W. E. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, 19(3), 425-442.
Stambaugh, R. F. & Yuan, Y. (2017). Mispricing Factors. The Review of Financial Studies, 30(4), 1270–1315.
Tobin, J.  (1969). A general equilibrium approach to monetary theory. Journal of Money, Credit, and Banking, 1(1), 15–29.
تحقیقات مالی
دوره 23، شماره 4
1400
صفحه 593-624

فایل ها

هم رسانی

ارجاع به این مقاله

آمار