تحقیقات حسابداری و حسابرسی

تحقیقات حسابداری و حسابرسی

اثر تعدیل‌کنندۀ نوسان بازار مالی بر رابطۀ میان میانگین -واریانس بازده سهام

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی دکتری حسابداری ،گروه حسابداری، واحد‌ مبارکه، دانشگاه آزاد اسلامی، اصفهان، ایران
2 استادیار،گروه حسابداری، واحد‌ مبارکه، دانشگاه آزاد اسلامی، اصفهان،ایران
10.22034/iaar.2024.196693
چکیده
نوسان بازار مالی یک شاخص مهم برای اندازه‌گیری خطر در بازار است که تأثیر مهمی در تصمیم سرمایه‌گذاران جهت سنجش خطر، مدیریت سبد سرمایه‌گذاری و قیمت‏گذاری دارد و دغدغه مشترک تنظیم‏کنندگان مقررات دولتی، سرمایه‌گذاران و بازارهای سرمایه است. مبادله میانگین واریانس در دوره‌های که نوسان بازار مالی قوی است همبستگی منفی‌بین بازده سهام و تغییرات نوسانات وجود دارد، زیرا بازده مورد انتظار با واریانس شرطی بازده در دوره‌ای که نوسانات ضعیف است مرتبط است. هدف این پژوهش ارائه مدلی مبتنی براثر تعدیل‌کننده نوسان بازار مالی و رابطه میانگین واریانس بازده سهام است. جامعه آماری این پژوهش را شرکت­های پذیرفته­شده در بورس اوراق بهادار تهران تشکیل می‏دهد که بر اساس روش حذفی سیستماتیک، تعداد 112 شرکت طی سال­های 1400-1394 به‌عنوان حجم نمونه انتخاب شده است. روش گردآوری ‏اطلاعات به‌صورت کتابخانه­ای و میدانی می­باشد. تجزیه‌وتحلیل داده­را با استفاده از مدل رگرسیونی چندمتغیره ارائه شده در پژوهش به کمک نرم افزار‏استتا و ایویوزانجام شد. نتایج حاصل از آزمون فرضیات ‏پژوهش نشان داد نوسانات بازار مالی رابطه معناداری با میانگین واریانس بازده سهام دارد. مقدار نوسان کل نیز بر میانگین واریانس پیش‌بینی‌نشده بازده سهام تأثیر مثبت داشته که نشان می‌دهد که قیمت سهام موردتوجه سرمایه‌گذاران به بازار سهام بوده و باعث کاهش ریسک سرمایه‌گذاری و شوک‌های نامطلوب بازار سهام افزایش حجم معاملات بازده سهام نیز افزایش داشته است. همچنین متغیرهای نرخ ارز، تورم، رشد تولید واقعی توانسته است میانگین واریانس بازده سهام را افزایش دهند.
کلیدواژه‌ها

  1. ابراهیمی، سید کاظم، و فاطمه جلالی. (1398). "بررسی تأثیر گرایش احساسی سرمایه‌گذار و نوسان پذیری غیرسیستماتیک بر قیمت‌گذاری نادرست سهام". فصلنامه راهبرد مدیریت مالی 8 (28): 217-189.
  2. حسینی، سید علی، و فاطمه مرشدی. (1398). "تأثیر احساس سرمایه‌گذاران بر پویایی معاملات بورس اوراق بهادار". فصلنامه پژوهش‌های حسابداری مالی و حسابرسی 11 (44): 22- 1.
  3. خوش کار، فرزین، و نبوی چاشنی سید علی. (1396). "شاخص های مدل اختیارات سرمایه گذاری و تاثیر ان بر بازده سهام". فصلنامه تحقیقات حسابداری و حسابرسی، انجمن حسابداری ایران، 14 (55): 174-159.
  4. خیری، محمد، و مقدم اسماعیل‌پور. (1396). "بررسی نوسانات ناگهانی ارزش سهام در بازار بورس اوراق بهادار تهران باتکیه‌بر ترجیحات سرمایه‌گذاران و کیفیت اطلاعات حسابداری". فصلنامه دانش حسابداری 10 (35): 66-57.
  5. ستایش، محمدحسین، و کاظم شمس‌الدینی. (1395). "بررسی رابطة بین گرایش احساسی سرمایه‌گذاران و قیمت سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران". مجله پیشرفت‌های حسابداری دانشگاه شیراز 3 (70): 125- 103. 
  6. عباسی، ابراهیم، و اشرفی مجید. (1401). "بررسی رفتار بشر دوستانه شرکت و کارایی سرمایه گذار". فصلنامه تحقیقات حسابداری و حسابرسی، انجمن حسابداری ایران، 14 (55): 76-55.
  7. کیا مهر، علی و محمدحسن جنانی. (1399). "بررسی نقش ناهنجارهای بازار سهام در قیمت‌گذاری دارایی‌های سرمایه‌ای". فصلنامه اقتصاد مالی، 14(53):212-193
  8. محسنی، حسین، و مهدی صادقی شاهدانی. (1398). "سرریز نوسان نرخ ارز بر بازار سرمایه در ایران". فصلنامه نظریه‌های کاربردی اقتصادی 6 (1): 96-77.
  9. Angabini, A., & Wasiuzzaman, S. (2011). "GARCH models and the financial crisis-A study of the Malaysian". The International Jou-rnal of Applied Economics and Fin-ance Vol. 5 No, 3, 226-236.
  10. Antoniou, C., Doukas, J. A., & Subrahmanyam, A. (2015). "Investor Sentiment, Beta, and the Cost of Equity Capital". Management Science 62(2): 347-367.
  11. Bhowmik, R., & Wang, S. (2020). "Stock market volatility and return analysis", A systematic literature review. Entropy, 22(5), 522.
  12. Bi, J., Jin, H., & Meng, Q. (2018). "Behavioral Mean-Variance Portfolio Selection". European Journal of Operational Research 271(2): 644-663.
  13. Chi Seng Pun. (2018). "Time-Consistent Mean-Variance Portfolio Selection with Only Risky Assets". Economic Modelling 18(5):1-12.
  14. Chiu, W. J. (2013). "Can Corporate Governance Mitigate the Adverse Impact of Investor Sentiment on Corporate Investment Decisions? Evidence from Taiwan". Asian Journal of Finance & Accounting 5(2): 101-126
  15. De Bondt, W. F., Muradoglu, Y. G., Shefrin, H., & Staikouras, S. K. (2008). "Behavioral Finance: QuoVadis?", Journal of Applied Finance (Formerly Financial Practice and Education) 18(2):7-21.
  16. Dhankar, R. S. (2019). "Investor Sentiment and Returns". In Capital Markets and Investment Decision Making (pp. 211-225). Springer, New Delhi.
  17. Fu, J., Wu, X., Liu, Y., & Chen, R. (2021). "Firm-specific investor sentiment and stock price crash risk". Finance Research Letters, 38, 101442.
  18. Gang, H. Shuzhen, Z. Haifeng, G. (2020). "The Nonlinear Relationship between Investor Sentiment, Stock Return, and Volatility". Discrete Dynamics in Nature and Society. Volume 2020, Article ID 5454625, 11pages.
  19. Gong, X., Zhang, W., Wang, J., & Wang, C. (2022). "Investor sentiment and stock volatility: new evidence". International Review of Financial Analysis,
  20. He, Z. (2022). "Asymmetric impacts of individual investor sentiment on the time-varying risk-return relation in stock market". International Review of Economics & Finance, 78, 177-194.
  21. He, Z., He, L., & Wen, F. (2019). "Risk Compensation and Market Returns: The Role of Investor Sentiment in the Stock Market". Emerging Markets Finance and Trade 55(3):704-718.
  22. Kim, T., & Ha, A. (2010, August). "Investor Sentiment and Market Anomalies". Journal op finance 16(2):1645-1680
  23. Klemola, A. (2019). "Internet Search-Based Investor Sentiment and Value Premium". Finance Research Letters35(6):1-6.
  24. Lee, P. E. (2019). "The Empirical Study of Investor Sentiment on Stock Return Prediction". International Journal of Economics and Financial Issues 9(2): 1-19.
  25. León, D., Aragón, A., Sandoval, J., Hernández, G., Arévalo, A., & Niño, J. (2017). "Clustering Algorithms for Risk-Adjusted Portfolio Construction". Procedia Computer Science 108(6): 1334-1343.
  26. Liston, D. P. (2016). "Sin Stock Returns and Investor Sentiment". The quarterly review of economics and finance 59(3): 63-70.
  27. Liu, S. (2015). "Investor Sentiment and Stock Market Liquidity". Journal of Behavioral Finance 16(1): 51-67.
  28. Long, W., Zhao, M., & Tang, Y. (2021). "Can the Chinese volatility index reflect investor sentiment?",International Review of Financial Analysis, 73, 101612.
  29. Maqsood, A., Safdar, S., Shafi, R. and Lelit, N. J. (2017). "Modeling Stock Market Volatility using GARCH Models: A Case Study of Nairobi Securities Exchange (NSE)". Open Journal of Statistics, 7(2):369-381.
  30. Mian, G. M., & Sankaraguruswamy, S. (2012). "Investor Sentiment and Stock Market Response to Earnings News". The Accounting Review 87(4): 1357-1384.
  31. Piccoli, P., da Costa Jr, N. C., da Silva, W. V., & Cruz, J. A. (2018). "Investor Sentiment and the Risk–Return Tradeoff in the Brazilian Market". Accounting & Finance 58(4): 599-618.
  32. Qin, Z. (2018). Mean-Variance Model for Portfolio Optimization Problem InThe Simultaneous Presence of Random and Uncertain Returns.European Journal of Operational Research 245(2): 480-488.
  33. Rongjun Yanga, Lin Yub, Yuanjun Zhaoc, d, Hongxin Yue, Guiping Xuf, Yiting Wud,
  34. Ryu, D., Kim, H., & Yang, H. (2017). "Investor Sentiment, Trading Behavior and Stock Returns". Applied Economics Letters 24(12): 826-830.
  35. Smales, L. A. (2017). "The Importance of Fear: Investor Sentiment and Stock Market Returns". Applied Economics 49(34): 3395-3421.
  36. Wang, W. (2018). "The Mean–Variance Relation and the Role of Institutional Investor Sentiment". Economics Letters 168(6): 61-64.
  37. Woodbury, G. (2021). "The Application of Mean-Variance Relationships to General Recognition Theory", (Doctoral dissertation, Miami University).
  38. Zainudin, R., Mahdzan, N.S., & Yet, C.H. (2018). "Dividend policy and stock price volatility of industrial products firms in Malaysia". International Journal of Emerging Markets, 13(1), 203-217.
  39. Zhang, C., Wu, X., Deng, H., & Zhang, H. (2022). "A time-varying study of Chinese investor sentiment, stock market liquidity and volatility: Based on deep learning BERT model and TVP-VAR model". arXiv preprint arXiv:2205.05719.
  40. Zhengkai Liug. (2019). "Big Data Analytics for Financial Market Volatility Forecast Based on Support Vector Machine". International Journal of Information Management 26 (8):1-11.