نوع مقاله : مقاله پژوهشی
نویسندگان
1 کارشناسی ارشد مدیریت مالی، دانشکده مدیریت، واحد الکترونیکی دانشگاه آزاد اسلامی، تهران مرکز، ایران،
2 استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه نهاوند، نهاوند، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
This study investigates, for the first time,the herding behavior effect on the excessive market idiosyncratic volatility in the industries listed on the Tehran Stock Exchange. We use daily data of 105 firms in 21 industries for the period 2008 to 2020, which covers the stock price bubbles and nuclear sanctions against Iran. The result sof the modified cross-sectional absolute deviation(CSAD) model show that during such turmoil periods, herding does not exist in the whole market, but is observed in eight industries. Moreover, because of the fear of larg elosses during market turmoil, investors ignore their own information to imitate the decisions of in form edtraders, and, in turn, herding in thirteen industries. Moreover, the findings of the modified GJR-GARCH model highlight that herding has a different effect on volatility across the different industries. In particular, her dingnegatively affect tsthe conditional idiosyncratic volatility in fourteen industries along withthe whole market. Furthermore, because the larger trading volume results in higher informed trading,trading volume turnover egatively affects the conditional idiosyncratic volatility in sixteenin dustries.
کلیدواژهها [English]
بررسی و توضیح حرکات پویای بازارهای مالی چالشی است که توجه پژوهشگران را به خود جلب کرده است. مدلهای قیمتگذاری داراییهای سرمایهای (CAPM) بیان میکنند تحت فرض انتظارات عقلایی، سرمایهگذاران میتوانند داراییهای مالی را بهدرستی قیمتگذاری کنند؛ اما در واقعیت، بنا به دلایل مختلفی ازجمله ناکاملبودن بازارها برخی سرمایهگذاران بهجای تکیهبر اطلاعات و اعتقادات خویش، استراتژیهای اتخاذشدۀ سایرین را دنبال میکنند و بهگونهای رفتار گلهای[1] را به نمایش میگذارند. کشف رفتار گلهای بهخودیخود شواهدی است که ﻓرﺿﻴﮥ رفتار عقلایی در بازار را نقض میکند [27].
در چنین شرایطی که نظریههای مالی کلاسیک نمیتوانند نوسانات قیمت داراییها را توضیح دهند، پژوهشگران به دنبال یافتن پاسخ در نظرﻳﺔ مالی رفتاری خواهند بود. درحقیقت، مالی رفتاری بهدرستی توانسته است توضیحات پذیرفتنی و واقعبینانهای برای نوسانپذیری مازاد بازار فراهم کند؛ با این فرض که واکنشهای سرمایهگذاران نسبت به حوادث، نوساناتی در سطح بازار تولید میکند که در مقایسه با اثر خود حوادث، قویتر عمل میکند [8]. دلیل اینکه سرمایهگذاران به رفتار گلهای میپردازند این است که یا از خود اطلاعاتی ندارند، یا بر این تصورند که سایر مشارکتکنندگان در بازار به اطلاعات برتری دسترسی دارند. این افکار و اعتقادات اشتباه بین سرمایهگذاران سرایت میکند و موجب انحراف قیمتها از ارزشهای کارا میشود. حال چنانچه بازار نتواند قیمت سهام را به سمت مقادیر بنیادی تعدیل کند، نوسانپذیری مازاد سهام تولید میشود که میتواند نوسانپذیری در بازار را نیز بهطور چشمگیری تقویت کند و افزایش دهد [26]. درواقع، چون رفتار گلهای همواره با کاهش ناهمگنیها میان سرمایهگذاران همراه است، واگرایی قیمتها از مقادیر تعادلی را موجب میشود [32]؛ بنابراین، رفتار جمعی سرمایهگذاران ﺗﺄثیر منفی بر ثبات بازار سهام دارد.
برخلاف نوسانپذیری سیستماتیک، نوسانپذیری غیرسیستماتیک که به ویژگیهای خاص شرکت مربوط میشود، با متنوعسازی پورتفوی حذف میشود؛ اما به دلیل ناکاملبودن بازارها سرمایهگذاران فردی عملاً نمیتوانند پورتفوهای کاملاً متنوع داشته باشند؛ ازاینرو، به کسب بازده از ریسک خاص اوراق بهادار موجود در پورتفوهایشان توجه دارند [30]. پس نوسانپذیری غیرسیستماتیک هنوز نیازمند بررسی در پژوهشهای آکادمیک است.
رفتار گلهای در بازارهای اوراق بهادارِ نوظهور و کوچک، شایعتر است. برخلاف بازارهای کشورهای توسعهیافته، بورس اوراق بهادار تهران ازنظر اطلاعاتی کارا نیست و در این بازار سرمایهگذاران نهادی بهطور غیرعقلایی برخلاف ارزشهای بنیادی بازار به معامله میپردازند که عامل اصلی به وجود آمدن رفتار گلهای و در پی آن، افزایش نوسانپذیری غیرسیستماتیک بازار است. وجود رفتار گلهای میتواند پیآمدهای منفی در این بازار به همراه داشته باشد و موقعیت آن را برای سرمایهگذاری در سطح کشور و منطقه خراب کند؛ ازاینرو، بررسی اهمیت رفتار گلهای سرمایهگذاران و ارتباط آن با نوسانپذیری غیرسیستماتیک در بورس اوراق بهادار تهران اهمیت زیادی دارد.
همانگونه که مرور ادبیات در بخش مبانی نظری و ﭘﯿﺸﯿﻨﮥ پژوهش نشان میدهد، راﺑﻂﮥ بین رفتار گلهای و نوسانپذیری غیرسیستماتیک شرطی عمدتاً برای سایر کشورها بهویژه بازارهای سهام توسعهیافته بررسی شده است؛ با این حال، هم به نتایج مشخصی راجع به وجود رفتار گلهای دست نیافتهاند ([29]، [14]، [6])؛ ازاینرو، این پژوهش به دنبال تعمیم مطالعات تجربی برای بازار سرماﻳﺔ نوظهور ایران است.
بهعلاوه، تا کنون مطالعهای یافت نشد که رفتار گلهای و ارتباط آن با نوسانپذیری غیرسیستماتیک شرطی را برای بورس اوراق بهادار تهران انجام داده باشد. بلاسکو و همکاران [11] معتقدند استفاده از مدلهای نوسانپذیری شرطی دیدگاه جامعتری از مفهوم نوسانپذیری فراهم میکند. این در حالی است که پژوهشهای انجامشده این مهم را با استفاده از نوسانپذیری غیرشرطی مطالعه کردهاند ([6]، [23]).
بهویژه اینکه در این پژوهش، ﺗﺄثیر رفتار گلهای بر نوسانپذیری غیرسیستماتیک علاوه بر کل بازار، در سطح صنایع مختلف در بورس اوراق بهادار تهران بررسی میشود. مرور ادبیات پژوهش بیانکنندۀ این است که تا کنون رفتار گلهای و اثر آن بر نوسانپذیری غیرسیستماتیک در سطح صنایع در بورس اوراق بهادار تهران بررسی نشده است. در پایان، در این مطالعه برای نخستینبار، با در نظر گرفتن دورههای آشفتگی بازار[2]، شامل دورههای حباب قیمتی بازار اوراق بهادار تهران و تحریمهای هستهای علیه ایران، به بررسی تأثیر آن بر رفتار گلهای و نوسانپذیری غیرسیستماتیک میپردازد.
در این پژوهش، برای رسیدن به اهداف فوق، معیار رفتار گلهای انحراف مطلق مقطعی[3] (CSAD) چانگ و همکاران [12] استفاده میشود. همچنین، به پیروی از متدولوژی بنسایدا [10]، فرم تعمیمیاﻓﺘﺔ مدل CSAD بهگونهای در نظر گرفته میشود که شامل حجم معاملات و احساسات سرمایهگذاران بهعنوان محرکهای رفتارهای گلهای نیز شود. بهعلاوه، در این پژوهش، مدل GJR-GARCH نیز بهگونهای تعمیم داده شده است که بینش جدیدی از تأثیر رفتارهای گلهای و تغییرات حجم معاملات بر نوسانپذیری شرطی بهعنوان معیاری از نوسانپذیری غیرسیستماتیک شرطی را فراهم کند؛ در این صورت، راﺑﻂﮥ بین ریسک خاص یک شرکت و رفتار سرمایهگذاران عمیقتر بررسی میشود.
نتایج تجربی این پژوهش برای سرمایهگذاران و مدیران پورتفوی در راستای متنوعسازی ریسکها، مدیران شرکتهای فعال در بازار اوراق بهادار تهران و نیز سیاستگذاران برای آنالیز عملکرد سیستمهای مالی بسیار مفید است. درحقیقت، بررسی ﺗﺄثیر رفتار انسان بر بازارهای مالی اهمیت زیادی دارد؛ زیرا به درک نحوﮤ واکنش بازار که ناشی از عوامل بنیادی نیست، کمک میکند.
در اداﻣﺔ این پژوهش، مبانی نظری و ﭘﯿﺸﯿﻨﮥ تجربی پژوهش، فرضیههای پژوهش، روش پژوهش، مدل پژوهش و دادههای آماری معرفی میشوند. سپس یافتههای پژوهش و در انتها نتیجهگیری و پیشنهادهای آتی ارائه میشوند.
مبانی نظری و ﭘﻴﺸﯿﻨﺔ پژوهش
یافتهها و شواهد تجربی در ادبیات نشان میدهند رفتار گلهای میان صنایع مختلف متفاوت است. درواقع، این رفتار ممکن است تنها برخی صنایع را به علت سبک خاص آن صنعت، کیفیت سرمایهگذاران فعال در هر صنعت و غیره ﻣﺘﺄثر کند؛ بنابراین، بررسی گسترده دربارۀ رفتار گلهای در سطح کل بازار گمراهکننده است و ادبیات موجود بر اهمیت تقسیمبندی صنایع برای بررسی و تحلیل رفتار گلهای تأکید دارد. هو [22] ادعا میکند انتشار اطلاعات میان شرکتهای موجود در یک صنعت بیشتر است؛ زیرا این شرکتها ازنظر محصولات تولیدی و نوآوریهای تکنولوژیکی به یکدیگر نزدیکترند. سرمایهگذاران نیز قادر خواهند بود اطلاعات دربارﮤ یک شرکت خاص را از روی اطلاعات موجود دربارﮤ سایر شرکتها در همان صنعت، پیشبینی کنند؛ ازاینرو، برای آنها مناسبتر است که تصمیمگیریهای خود راجع به معاملاتشان را بر مبنای تجزیهوتحلیل در سطح صنایع قرار دهند. لیتیمی [28] نتیجه گرفت سرمایهگذاران در بازار سهام فرانسه تنها در برخی صنایع به رفتار جمعی میپردازند. به همین ترتیب، ژنگ و همکاران [38] رفتار گلهای را برای نُه کشور آسیایی بررسی کردند و نتیجه گرفتند رفتار گلهای در صنایع تکنولوژی و مالی شایعتر است؛ اما در صنعت تسهیلات عمومی[4] به نسبت شیوع کمتری دارد. همچنین، یافتههای بنسایدا [10] نشان میدهند اثر رفتار گلهای بر نوسانپذیری ممکن است میان صنایع مختلف بسته به گروه سرمایهگذارانی که در هر صنعت به معامله میپردازند و اطلاعات دریافتی آنها متفاوت باشد؛ ازاینرو، بررسی رفتار گلهای بهطور گسترده در سطح کل بازار میتواند گمراهکننده باشد. دهقانی و ساپیان [16] دریافتند رفتار گلهای تنها به صنعت تکنولوژی منحصر شده است. جبکا و وهار [19] معتقدند زمانی که بازارها در سطح کلی در نظر گرفته میشوند، رفتار گلهای ناپدید میشود؛ اما هنگامی که صنایع مختلف اقتصادی بهطور مجزا در نظر گرفته میشود، رفتار گلهای در برخی از آنها پدیدار میشود.
شاﺧﺔ دیگر پژوهشهای تجربی نشان میدهد رفتار گلهای در بازارها طی دورههای آشفتگی مالی مشاهده میشود. دمیرر و همکاران [17] برطبق نظرﻳﺔ زیانگریزی سرمایهگذاران[5] توضیح میدهند که تابع مطلوبیت سرمایهگذاران بهگونهای است که گریز آنها از زیان نسبت به کسب بازده، بیشتر است. بر اساس این، شواهدی از رفتار گلهای را طی دورههای رکود بازار در تایوان یافتند. باتمونخ و همکاران [9] با استفاده از معیار CSAD، رفتار گلهای را در بازار سهام مغولستان طی دورههای بحران مالی نتیجه گرفتند. آرجون و همکاران [4] نشان دادند گرایش به رفتار گلهای در شرایط رونق بازار سهام سنگاپور شایعتر است. بنسایدا [10] نشان داد رفتار گلهای طی دورههای استرس مالی در 10 صنعت فعال در بازار سهام آمریکا شایعتر است. اکونومو و همکاران [18] دریافتند برخلاف کشور اسپانیا رفتار گلهای در بازارهای آمریکا، پرتغال و ایتالیا طی دورههای بحران مالی وجود دارد. آنها همچنین نشان دادند رفتار گلهای در کشور یونان تنها در رونق بازار مشهود است.
همچنین، احساسات سرمایهگذاران طی دورههای آشفتگی بازار عامل مهمی در تقویت رفتار گلهای است. درواقع، سرمایهگذاران برای مقابله با ترس ناشی از نوسانات منفی بازار و جلوگیری از زیانهای شدید، به تقلید از سایر معاملهگران متمایل میشوند ([29]، [36]، [13])؛ برای نمونه، هادسون و همکاران [24] نشان دادند احساسات سرمایهگذاران بر رفتار گلهای در کشور بریتانیا ﺗﺄثیر میگذارد. بنسایدا [10] نخستینبار شاخص احساسات سرمایهگذاران را در نظر گرفته و ارتباط آن را با رفتار گلهای بررسی کرده است.
بهعلاوه، اعتقاد بر این است که رفتار گلهای میتواند بر نوسانپذیری شرطی بازده ﺗﺄثیرگذار باشد. اگر رفتار گلهای در بازار سهام وجود داشته باشد، یک گروه از سرمایهگذارانِ احتمالاً مطلع، سهام خاصی را معامله میکنند که اطلاعاتش بهطور اختصاصی دردسترس قرار دارد. این سرمایهگذاران توسط سایر معاملهگرانِ ناآگاه تقلید و دنبال میشوند که درنتیجه، حجم معاملات مربوط به آن سهام خاص افزایش مییابد. مسلماً با بالارفتن حجم معاملات، نوسانپذیری قیمت سهام مدنظر افزایش مییابد؛ اما چنانچه تعداد سهمهای معاملهنشده همواره بیشتر از تعداد سهمهای معاملهشده باشد، متوسط نوسانپذیری کل بازار کاهش مییابد [25]. بهعلاوه، اثر رفتار گلهای بر نوسانپذیری ممکن است میان صنایع مختلف بسته به گروه سرمایهگذارانی که در آن صنعت معامله میکنند و اطلاعاتی که دریافت میکنند، متفاوت باشد. وا و فان [35] نشان دادند رفتار گلهای بسته به سطوح مختلف نوسانپذیری غیرسیستماتیک، الگوهای متفاوتی نشان میدهد. بنسایدا [10] نیز اثرات متفاوت رفتار گلهای را بر نوسانپذیری غیرسیستماتیک در صنایع مختلف آمریکا نتیجه گرفتند. هانگ و همکاران [23]، بالسیلار و همکاران [6] و بلاسکو و همکاران [11] در پژوهشهای تجربی خویش با استفاده از مدل GARCH، شواهدی مبنی بر وجود یک رابطه بین حرکات گلهای و نوسانپذیری غیرسیستماتیک شرطی یافتند. هولمس و همکاران [21] دریافتند رفتار گلهای ارادی[6] طی دورههای نوسانپذیری پایین شایعتر است.
بهعلاوه، اعتقاد بر آن است که در شرایط وجود رفتار گلهای، حجم معاملات میتواند ﺗﺄثیر معناداری بر نوسانپذیری داشته باشد. بنسایدا [10] استدلال میکند با افزایش حجم معاملات، سرمایهگذاران مطلع به معاملات بیشتر گرایش پیدا میکنند و با توجه به اینکه هرچه اندازﮤ معاملات بزرگتر باشد، معاملات آگاهانه بیشتر خواهد شد، نوسانپذیری در بازار کاهش مییابد؛ درنتیجه، وقتی رفتار گلهای در بازار وجود داشته باشد، معاملات حجیم، نوسانپذیری بازدﮤ بازار را بهطور منفی ﻣﺘﺄثر میکند؛ اما لیتیمی و همکاران [29] معتقدند زمانی که تعداد سرمایهگذاران مطلع در یک صنعت کمتر از سایر صنایع باشد، یا زمانی که سرمایهگذاران نتوانند معاملهگران مطلع را از معاملهگران ناآگاه تمییز دهند، پس نمیتوانند بازار را به رفتار گلهای تحریک کنند؛ ازاینرو، حجم معاملات ﺗﺄثیر مثبت بر نوسانپذیری دارد. بنا به دیدگاه چانگ و لی [15] با توجه به اینکه حجم معاملات از اطمینان بیشازحد ﻧﺸﺄت میگیرد، موجب افزایش نوسانپذیری میشود.
اگرچه ادبیات در زمینۀ راﺑﻂﮥ بین رفتار گلهای و نوسانپذیری غیرسیستماتیک بسیار گسترده است، مطالعات تجربی انجامگرفته در ایران تنها وجود رفتار گلهای را در بورس اوراق بهادار تهران بررسی کردهاند. عربمازار یزدی و همکاران [3] با استفاده از مدلهای CSSD و CSAD و مدل مبتنی بر بتا در ساختار فضای حالت، ﺗﺄثیرناپذیری تغییرات حجم مبادلات بازار بر اندازﮤ انحراف مطلق مقطعی بازدﮤ شرکتها را نتیجه گرفتند. پورزمانی [2] در چارچوب مدل کریستیه و هانگ [14]، رفتار تودهوار سرمایهگذاران نهادی را در دورههای رکود بازار نتیجه گرفت. ایزدینیا و حاجیاننژاد [1] با استفاده از رویکرد انحراف معیار مقطعی[7] (CSSD)، به شواهدی مبنی بر وجود رفتار تودهوار در بورس اوراق بهادار تهران طی دورههای پر نوسان بازار دست نیافتند.
نخست، برخلاف مطالعات تجربی خارجی و داخلی فوق، در این پژوهش، نوسانپذیری غیرسیستماتیک شرطی بازده در بورس اوراق بهادار تهران، نخستینبار با استفاده از مدل GJR-GARCH تخمین زده میشود. دوم، در این مطالعه، شکاف موجود در ادبیات رفتارهای گلهای و ارتباط آن با حجم معاملات و احساسات سرمایهگذاران پُر شده و تأثیر این روابط مقطعی برای نوسانپذیری غیرسیستماتیک در سطح صنایع فعال، علاوه بر کل بازار اوراق بهادار تهران، عمیقتر بررسی شده است. در پایان، در این پژوهش برای نخستینبار، با در نظر گرفتن دورههای آشفتگی بازار[8]، شامل دورههای حباب قیمتی بازار اوراق بهادار تهران و تحریمهای هستهای علیه ایران، به بررسی تأثیر آن بر رفتار گلهای و نوسانپذیری غیرسیستماتیک میپردازد. به علت نبود ادبیات در زمینۀ اثر رفتار گلهای بر نوسانپذیری غیرسیستماتیک، این پژوهش به دنبال بررسی عمیق این موضوع در سطح صنایع فعال در بورس اوراق بهادار تهران است.
فرضیههای پژوهش
با توجه به مطالب بیانشده، فرضیههای پژوهش به شرح زیر مطرح میشوند:
فرﺿﻴﮥ اول: رفتار گلهای طی دورههای حباب قیمت سهام و بحران هستهای در بورس اوراق بهادار تهران وجود دارد.
فرﺿﻴﮥ دوم: احساسات سرمایهگذاران طی دورههای آشفتگی بازار، رفتار گلهای را تقویت میکند.
فرﺿﻴﮥ سوم: رفتار گلهای موجب کاهش نوسانپذیری غیرسیستماتیک شرطی میشود.
فرﺿﻴﮥ چهارم: افزایش حجم معاملات موجب کاهش نوسانپذیری غیرسیستماتیک شرطی میشود.
روش پژوهش
جاﻣﻌﺔ آماری در نظر گرفته شده در این پژوهش، ﻛﻠﻴﺔ شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران (بدون احتساب شرکتهای فرابورس) طی دورﮤ زمانی 1/1/1387 الی 29/12/1398 است که ویژگیهای زیر را دارند: دادههای مورد نیاز در این پژوهش طی دورﮤ بررسیشده برای شرکتها وجود داشته باشند و ارزش دفتری منفی نداشته باشند. برای سهولت مقاﻳﺴﺔ نتایج بهدستآمده بین شرکتها و صنایع، شرکتهایی که سال مالی آنها پایان اسفندماه نبوده یا طی دورﮤ پژوهش تغییر کرده باشد، از نمونه حذف شدند. به دلیل آنکه حوزﮤ مطالعه، رفتار گلهای است، جاﻣﻌﺔ آماری مجاز شامل شرکتهای سرمایهگذاری و بیمهای و بانک و واسطهگریهای مالی نیز شده است. همچنین، محاﺳﺒﺔ معیار CSAD نیازمند این است که شرکتها بهگونهای انتخاب شوند که در هر صنعت دستکم دو شرکت با شرایط فوق قرار بگیرد. با اعمال فیلترهای فوق و در نظر گرفتن شرکتهای با وضعیت نماد مجاز، جاﻣﻌﺔ آماری دردسترس شامل تعداد 145 شرکت در بورس اوراق بهادار تهران شد. برای تعیین حجم نمونه با استفاده از فرمول کوکران در سطح خطای 5 درصد، تعداد 105 شرکت بهعنوان نمونه به دست آمدند. با توجه به اینکه انتخاب نمونه براساس فرمول کوکران انجام شد، نتایج حاصل از کل این نموﻧﺔ آماری انتخابی به بازار تعمیم داده میشود.
این 105 شرکت نمونه، در قالب 21 صنعت فعال در بورس اوراق بهادار تهران مطابق نگارﮤ (1) قرار میگیرند. دادههای مورد نیاز در این پژوهش، بهصورت روزانه از نرمافزار رهآورد نوین و نرمافزار آمار همراه مرکز آمار ایران، جمعآوری شدند. برای انجام فرضیههای پژوهش از نرمافزارهای Excel2016 و Eviews10 استفاده میشود.
|
نگارﮤ 1. تعداد شرکتهای موجود در نمونه به تفکیک صنعت
منبع: یافتههای پژوهش |
مدل رفتار گلهای CSAD
اگر سرمایهگذاران در بازار به رفتار گلهای بپردازند و یکدیگر را تقلید کنند، بازدﮤ سهام هر شرکت به سمت مقدار متوسط روند بازار همگرا میشود. پس رفتار گلهای براساس راﺑﻂﮥ منفی غیرخطی بین متغیرهای انحراف معیار مقطعی CSAD و مجذور متوسط بازدﮤ بازار ، به شرح راﺑﻂﮥ (1) تعیین میشود:
|
|
رابطه (1) |
که در آن، CSAD معرف معیار انحراف مطلق مقطعی چانگ و همکاران [12] از رفتار گلهای سرمایهگذاران است. آنها این معیار را بر مبنای مدل CAPM و به شرح راﺑﻂﮥ (2) تعریف کردهاند:
|
رابطه (2) |
|
معیار CSAD برای هر صنعت و با در نظر گرفتن سهمهای خاص آن صنعت محاسبه میشود، بازدﮤ مشاهدهشدۀ سهم شرکت i در روز t است، متوسط بازدﮤ مقطعی پورتفوی کل بازار متشکل از تعداد سهم در زمان t است. در این پژوهش، به پیروی از تان و همکاران [33] و بنسایدا [10]، برای محاﺳﺒﺔ متوسط بازده بازار از رویکرد هموزن استفاده میشود. بهعلاوه، برای محاﺳﺒﺔ بازدﮤ سهام هر شرکت i، از سری قیمت تعدیلشده با افزایش سرمایه و سود نقدی به شرح راﺑﻂﮥ (3) استفاده میشود:
|
|
رابطه(3) |
که در آن، و بهترتیب معرف قیمت پایه و قیمت روز شرکت و منظور از DPS سود نقدی پرداختی است. بهعلاوه، بازدﮤ روزاﻧﮥ بازار نیز با استفاده از شاخص کل بورس اوراق بهادار تهران، TEPIX، به شرح راﺑﻂﮥ (4) محاسبه میشود:
|
|
رابطه(4) |
اگر رفتار گلهای وجود داشته باشد، انتظار میرود در راﺑﻂﮥ (1) ضریب منفی و ازنظر آماری معنادار باشد.
مدل CSAD تعمیمیافته از رفتارهای گلهای
براساس مطالبی که در بخش مبانی نظری بیان شد و به پیروی از بنسایدا [10]، در این پژوهش راﺑﻂﮥ (1) بازبینی شد و سه متغیر جدید تغییرات حجم معاملات ، متغیر موهومی که ﺗﺄثیر دورههای بحران هستهای و حبابهای قیمتی بازار اوراق بهادار تهران را در مدل برجسته کند و شاخص احساسات که درجه و میزان ناآرامی و ترس سرمایهگذاران را اندازه بگیرد، به شرح راﺑﻂﮥ (5) به آن اضافه میشود:
|
رابطه (5) |
|
|
|
|
که در آن، متغیر تغییرات حجم معاملات سهم ، از تقسیم حجم معاملات سهم در روز t، بر ارزش بازار در روز t تعریف میشود. متغیر شاخص احساسات سرمایهگذاران ، با توجه به دردسترس بودن اطلاعات از بازار اوراق بهادار تهران، براساس شاخص احساسات بازار سرمایه[9] (EMSI) باندوپازایا و جونز [7] به شرح راﺑﻂﮥ (6) محاسبه میشود:
|
رابطه (6) |
|
که در آن است. همچنین، متغیرهای و بهترتیب رﺗﺒﺔ بازدﮤ روزانه و رﺗﺒﺔ نوسانپذیری تاریخی[10] (متوسط انحراف معیار بازدﮤ روزانه از بازدﮤ پنج روز قبل) برای سهام شرکت i هستند. و بهترتیب متوسط رﺗﺒﺔ بازده و رﺗﺒﺔ نوسانپذیری کل سهام موجود در نمونهاند.
دورﮤ نموﻧﺔ در نظر گرفته شده در این پژوهش متشکل است از حوادث مهمی ازقبیل: 1) حباب قیمت سهام در بورس اوراق بهادار تهران و 2) بحران هستهای ناشی از آمریکا و غرب علیه فعالیتهای هستهای ایران؛ ازاینرو، متغیر موهومی طی دو دورﮤ آشفتگی فوق، مقدار یک و در غیر این صورت، مقدار صفر میگیرد.
در پایان، ضریب منفی در راﺑﻂﮥ (5) دلالت بر وجود یک راﺑﻂﮥ منفی بین CSAD و حجم معاملات و ازاینرو امکان رفتار گلهای دارد.
رفتار گلهای و نوسانپذیری غیرسیستماتیک شرطی بازار
براساس مطالب بیانشده، در این مطالعه، نوسانپذیری غیرسیستماتیک شرطی متوسط بازدﮤ بازار براساس رویکرد GJR-GARCH نامتقارن گلوستون و همکاران [20] و با استفاده از روش حداکثر راستنمایی تخمین زده میشود. به پیروی از بنسایدا [10]، دو متغیر تغییرات حجم معاملات و CSAD به معادﻟﮥ واریانس مدل GJR اضافه میشوند تا امکان بررسی ﺗﺄثیر آنها بر متوسط نوسانپذیری غیرسیستماتیک شرطی بازار به شرح راﺑﻂﮥ (7)، فراهم شود:
|
که در آن c یک جایگزین برای متوسط بازدﮤ بازار است و جملات خطای بهطور مستقل و یکسان تحت توزیع t استیودنت با درﺟﺔ آزادی توزیع شدهاند. ضرایب ، و مقید به مثبتبودن با شرط هستند. ضریب اثر اهرم را نشان میدهد که برای شوکهای منفی، ، وزن بیشتری بر نوسانپذیری شرطی قرار داده میشود. انتظار میرود اگر رفتار گلهای وجود داشته باشد، ضریب منفی باشد. همچنین، در بازارهای متمرکز و کوچک انتظار میرود حجم معاملات، نوسانپذیری بازار را بهطور منفی ﻣﺘﺄثر ( ) کند.
یافتههای پژوهش آمار توصیفی آمارههای توصیفی در نگارﮤ (2) نشان میدهند طی |
|
دورﮤ بررسیشده، مقدار میانگین ﻛﻠﻴﺔ متغیرها بهشدت مثبت است. برطبق آمارﮤ جارک - برا J-B، فرﺿﻴﺔ صفر نرمالبودن برای ﻫﻤﺔ متغیرها ازجمله متوسط بازدﮤ بازار رد میشود. این در حالی است که مقدار چولگی فقط برای شاخص احساسات منفی به دست آمده است که بیانکنندۀ این است که توزیع این متغیر چوله به چپ است؛ اما سایر متغیرها توزیع چوله به راست دارند. مقدار کشیدگی نیز برای ﻫﻤﺔ متغیرها ازجمله بازدﮤ بازار، بزرگتر از 3 به دست آمده است؛ به این معنا که دنباﻟﮥ توزیع این متغیرها نسبت به توزیع نرمال، مسطحتر است. در کنار این شواهد، اثر اهرمی که به موجب آن، نوسانپذیری از شوکهای منفی در مقایسه با شوکهای مثبت ﺗﺄثیر بیشتری میپذیرد، بهطورمعمول در بازارهای مالی مشاهده میشود [20]. پس در کل، شواهد تجربی فوق، استفاده از مدل GJR-GARCH نامتقارن تحت توزیع t استیودنت را برای مدلسازی بازدﮤ شرکتها و نیز بازدﮤ بازار توجیه میکنند[11]. |
نگارﮤ 2. آمارههای توصیفی متغیرهای پژوهش
|
متغیر |
|
|
|
|
|
|
میانگین |
001355/0 |
05-E80/7 |
032762/0 |
5284/732 |
029552/0 |
|
مینیمم |
056703/0- |
000000/0 |
11-E46/7 |
740000/4 |
888234/2- |
|
ماکزیمم |
109515/0 |
011994/0 |
196026/1 |
263/9173 |
241890/1 |
|
انحراف معیار |
008727/0 |
000300/0 |
038680/0 |
2451/825 |
165877/0 |
|
چولگی |
849438/0 |
73258/23 |
153940/7 |
564317/3 |
858791/4- |
|
کشیدگی |
93015/15 |
1336/872 |
2348/203 |
25711/21 |
37860/90 |
|
جارک - برا J-B |
3/409597 |
09+E82/1 |
0/6812156 |
48/64711 |
0/761995 |
منبع: یافتههای پژوهش
برازش مدل CSAD تعمیمیافته
در این پژوهش، برای تخمین مدل CSAD تعمیمیافته، ابتدا متغیر موهومی تعریف میشود. بدین منظور، از آزمون ADF سوپریمم تعمیمیافته[12] (GSADF) ([31]) استفاده میشود. نتایج آزمونGSADF که نخستینبار برای دادههای روزانه بورس اورق بهادار تهران دادههای روزانه طی دورﮤ 1/1/1387 الی 29/12/1398 اعمال شدهاند؛ این نتایج در نگارﮤ (3) و نمودار (1) گزارش شدهاند. بدین منظور، از سری زمانی لگاریتم شاخص کل قیمت سهام TEPIX، واقعیشده بر مبنای شاخص قیمت مصرفکننده CPI به سال پاﻳﺔ 1390 استفاده میشود[13]. درخور ذکر است شاخص CPI با استفاده از نرمافزار EViews10 از ماهانه به روزانه تبدیل شده است.
بر طبق نتایج، فرض صفر رﻳﺸﺔ واحد، رد و فرض جانشین مبنی بر وجود حباب در بورس اوراق بهادار تهران طی بازﮤ زمانی 1387 الی 1398 پذیرفته میشود. با توجه به نمودارِ آمارﮤ آزمون (منحنی آبی رنگ) و نمودارِ مقادیر بحرانی در سطح 95% (منحنی قرمز رنگ) نتیجه گرفته میشود که بورس اوراق بهادار تهران درمجموع، در 52 دوره رفتار انفجاری داشته که چشمگیرترین آنها مربوط به بازههای زمانی 2/12/1388 تا 22/3/1390 و 29/2/1392 تا 24/2/1393 بهترتیب با تعداد با تعداد 430 و 384 روز بوده است. در این پژوهش، تاریخ بحران هستهای نیز در دورﮤ پیشین تحریمها 1391 تا 1392 و دورﮤ جدید تحریمها 1397 تا 1398 در نظر گرفته شده است.
نگارﮤ (4)، نتایج رگرسیون حاصل از تخمین مدل CSAD تعمیمیافته در راﺑﻂﮥ (2) را گزارش میدهد. از نگارﮤ فوق ملاحظه میشود مقدار بهدستآمده برای ضریب برای 14 صنعت علاوه بر کل بازار، منفی و معنادار ازنظر آماری است. ضریب حجم معاملات ، برای 9 صنعت از 21 صنعت بهاستثنای کل بازار، منفی و معنادار به دست آمد که نشان میدهد در این صنایع، در شرایط نااطمینانی، سرمایهگذاران با اطلاعات محدود تقلید از استراتژیهای معاملاتی سایر سرمایهگذاران را انتخاب میکنند که اهمیت ﺗﺄثیر حجم معاملات بر گرایش به رفتار گلهای را برجسته میکند.
بر طبق نتایج در نگارﮤ (4)، ضریب بهاستثنای کل بازار برای 8 صنعت از 21 صنعت، منفی و معنادار ازنظر آماری به دست آمده است؛ ازاینرو، نتیجه گرفته میشود طی دورههای بحران هستهای و حباب بازار اوراق بهادار، تنها در برخی صنایع، بازدﮤ صنعت محرک رفتار گلهای بوده است؛ یعنی فرﺿﻴﺔ اول پژوهش فقط برای 8 صنعت از 21 صنعت بهاستثنای بازار در سطح خطای 95% پذیرفته میشود.
باوجود اینکه تغییرات حجم معاملات محرک رفتار گلهای در 9 صنعت بهاستثنای سطح کل بازار است، صرفنظر از اینکه بازار در شرایط آشفتگی قرار داشته باشد یا خیر (به علت منفیبودن ضریب )، طی دورههای آشفتگی مالی، تغییرات حجم معاملات در 12 صنعت رفتار گلهای را تقویت میکند؛ زیرا ضریب مربوط به این صنایع منفی و معنادار ازنظر آماری به دست آمده است.
نگارﮤ 3. نتایج آزمون GSADF
|
P- مقدار |
آمارﮤ t |
سطح اطمینان |
|
|
0000/0 |
301236/7 |
||
|
442829/2 |
99% |
مقادیر بحرانی آزمون |
|
|
414838/2 |
95% |
||
|
365859/2 |
90% |
||
منبع: یافتههای پژوهش
نمودار 1. تعیین دورههای حبابی در شاخص کل قیمت بورس اوراق بهادار تهران
بر طبق نتایج در نگارﮤ (4)، ضریب بهاستثنای کل بازار برای 8 صنعت از 21 صنعت، منفی و معنادار ازنظر آماری به دست آمده است؛ ازاینرو، نتیجه گرفته میشود طی دورههای بحران هستهای و حباب بازار اوراق بهادار، تنها در برخی صنایع، بازدﮤ صنعت محرک رفتار گلهای بوده است؛ یعنی فرﺿﻴﺔ اول پژوهش فقط برای 8 صنعت از 21 صنعت بهاستثنای بازار در سطح خطای 95% پذیرفته میشود.
باوجود اینکه تغییرات حجم معاملات محرک رفتار گلهای در 9 صنعت بهاستثنای سطح کل بازار است، صرفنظر از اینکه بازار در شرایط آشفتگی قرار داشته باشد یا خیر (به علت منفیبودن ضریب )، طی دورههای آشفتگی مالی، تغییرات حجم معاملات در 12 صنعت رفتار گلهای را تقویت میکند؛ زیرا ضریب مربوط به این صنایع منفی و معنادار ازنظر آماری به دست آمده است.
نگارﮤ 4. نتایج تخمین مدل رفتار گلهای تعمیمیافته
|
صنعت |
عرض از مبدأ |
|
|
|
|
|
|
|
|
کل صنایع |
*4362/933 (59658/34) |
*6190/589 (9592/104) |
*5/184782- (060/9401) |
*0837/570 (1704/203) |
*45868/79- (715111/9) |
*1/185581 (872/9883) |
*136/3528- (6840/291) |
*99956/69 (978958/9) |
|
استخراج کانههای فلزی |
*681/1856- (9476/106) |
*461/3920- (7231/153) |
*7/256939- (62/25438) |
*08+E68/4- (17639409) |
*70390/20 (155252/1) |
*6/373412 (74/42309) |
*08+E70/7 (23653234) |
*32814/22- (166035/1) |
|
محصولات کاغذی |
*2905/104- (33518/11) |
*59/91904 (790/3665) |
*08+E04/2- (0/1883937) |
*12+E28/3 (10+E76/3) |
*38749/13 (171904/0) |
*08+E97/1 (0/2492307) |
*12+E57/1- (11+E13/1) |
091868/0 (313828/0) |
|
فرآوردههای نفتی، کک و سوخت هستهای |
*590/7786 (7229/831) |
**15274036 (0/7929343) |
*10+E24/1- (09+E74/1) |
*09+E01/3 (08+E14/1) |
*62767/46 (386232/8) |
*10+E25/1 (09+E04/2) |
*09+E46/2- (08+E41/4) |
*33875/49- (937113/4) |
|
لاستیک و پلاستیک |
*98/21277 (2757/136) |
*83/74973- (6461/775) |
*0/8461769- (9/808664) |
*10+E14/1- (09+E89/1) |
*33823/90 (58248/26) |
*10996901 (0/816945) |
*10+E42/1 (09+E89/1) |
*2911/129- (58608/26) |
|
فلزات اساسی |
*22/12449 (1998/303) |
*/4424892 (0/242551) |
*08+E14/7 (73067607) |
**10+E57/2 (10+E41/1) |
*7302/209- (25761/39) |
*09+E96/1- (08+E20/1) |
*11+E66/7- (11+E72/3) |
*5394/118 (97894/38) |
|
ساخت محصولات فلزی |
*41/12768 (21603/67) |
*4/159212 (073/2097) |
*09+E38/1 (28502825) |
*09+E85/1- (20570153) |
*14324/96 (912545/0) |
*09+E41/1- (28168060) |
*09+E18/5 (33311720) |
*67924/67- (393153/1) |
|
دستگاههای برقی |
*53/13995 (96180/27) |
*/2112170- (48/52379) |
*09+E01/4- (23599568) |
*11+E27/4 (08+E84/5) |
*428963/0- (002723/0) |
*10+E75/1- (08+E07/2) |
*09+E18/5- (36490351) |
*496186/0- (001379/0) |
|
خودرو و ساخت قطعات |
*49/46599 (491/4514) |
*9/379817- (470/5328) |
*37765296- (12033563) |
08+E17/1 (08+E49/3) |
*4955/295- (74992/69) |
*42239445 (14614380) |
*09+E55/1- (08+E48/1) |
*5414/277 (83016/62) |
|
محصولات غذایی و آشامیدنی بهجز قند و شکر |
*22/14911 (105/1623) |
**5/145992 (10/83688) |
*22770041- (10338260) |
*07-E30/1 (09-E93/2) |
*40910/84 (14229/15) |
*47233364 (/5918324) |
*07-E20/1- (09-E79/2) |
*6652/181- (30323/32) |
|
مواد و محصولات دارویی |
*075/5508 (4540/509) |
*8/667682- (44/41543) |
*32614239 (11461234) |
*10+E25/3 (09+E69/9) |
*32519/24- (630589/5) |
*53432355- (20518298) |
10+E43/1- (10+E00/1) |
*12460/17- (227223/6) |
|
محصولات شیمیایی |
*14/30579 (424/4155) |
*3/300674- (30/88245) |
*08+E01/2- (13362755) |
**08+E90/6- (08+E58/3) |
*7410/106- (906259/7) |
*08+E25/2 (14348808) |
*09+E06/1- (60098744) |
*63500/57 (50233/15) |
|
کاشی و سرامیک |
*35/20369 (67668/18) |
*/3782966- (062/5100) |
*08+E65/3 (9/979694) |
*09-E32/1- (10-E34/2) |
*15074/50- (153431/2) |
*08+E32/2- (1/763618) |
*08-E26/4 (10-E92/3) |
*20747/14- (144072/2) |
|
سیمان، آهک و گچ |
*51/37738 (906/2987) |
*55/63641- (287/8387) |
*10044978- (0/968777) |
*09+E63/2- (08+E46/4) |
*12134/24- (531664/2) |
*/4001684 (7/485435) |
*08+E09/6 (84235994) |
*54546/24- (594189/2) |
|
سایر محصولات کانی غیرفلزی |
*50/42650 (303/1449) |
*/9318383 (2/476527) |
*09+E02/2 (08+E27/1) |
*10+E10/6 (10+E99/2) |
*3540/447- (23093/15) |
*09+E97/2- (08+E73/2) |
*11+E02/1- (10+E25/4) |
*5747/276 (64789/14) |
|
بانکها و مؤسسات اعتباری |
*940/6272- (2880/256) |
*6/433125- (780/1989) |
*37638716- (5/296338) |
*09-E82/7 (09-E33/2) |
*4309/394- (36434/18) |
*53517273 (7/561009) |
*09-E37/4 (10-E69/7) |
*2898/532 (08817/32) |
|
واسطهگریهای مالی و پولی |
*25/35077 (9850/196) |
*7/125813- (727/1686) |
*13301674- (4/223537) |
*10+E56/2- (09+E97/1) |
*5465/127 (692176/8) |
*/4845446 (6/235710) |
*10+E67/3 (09+E96/1) |
*5093/156- (690163/8) |
|
حملونقل، انبارداری و ارتباطات |
*489/3623 (84044/12) |
*/7870870- (59/14192) |
*09+E76/2 (/6807547) |
*10+E64/4- (09+E74/1) |
*7101/417 (383453/0) |
*09+E15/2- (/6213199) |
*10+E82/3- (09+E64/2) |
*2320/294- (468739/0) |
|
مخابرات |
*411/2218 (1211/178) |
*37/12774- (1616/515) |
*1/500577- (72/18519) |
*09+E76/3 (08+E01/2) |
*59521/21- (700493/1) |
*4/539380 (69/13960) |
*09+E29/3- (08+E39/2) |
*268826/2 (778477/0) |
|
بیمه و صندوق بازنشستگی بهجز ﺗﺄمین اجتماعی |
*017/2827- (13100/12) |
*/5770454 (1/122433) |
*11+E41/2- (10+E45/3) |
*08+E23/8- (/5133199) |
*36443/19 (221151/0) |
*11+E51/6 (10+E81/3) |
*08+E82/7 (/5156421) |
*942525/0- (100635/0) |
|
رایانه و فعالیتهای وابسته به آن |
*497/3363- (218/1645) |
*27/68017- (44/10975) |
*08+E94/1 (14712322) |
*09+E88/1 (24981850) |
*3673/347 (90472/20) |
*08+E90/1- (14926371) |
*09+E09/4- (08+E93/1) |
*72994/62 (646858/5) |
|
ماشینآلات و تجهیزات |
*58/31548 (147/2719) |
*/2983973- (944/5394) |
*08+E52/1- (/7970688) |
**12+E97/7 (12+E20/4) |
*2664/162- (08788/11) |
*08+E31/2 (/4634326) |
*11+E50/6 (10+E81/3) |
*4519/532- (990034/8) |
منبع: یافتههای پژوهش؛ اعداد قرار داده شده در پرانتز، مقادیر انحراف معیار آمارﮤ t استیودنت و علامتهای * و ** بهترتیب معناداری در سطح 95% و 90% هستند.
بهعلاوه، واردکردن متغیر شاخص احساسات سرمایهگذاران، رفتار گلهای را طی دورههای آشفتگی در 13 صنعت بهاستثنای کل بازار تقویت کرده است. مقدار ضریب مربوط به متغیر برای صنعت فلزات اساسی، صنعت خودرو و ساخت قطعات، صنعت محصولات شیمیایی، صنعت سایر محصولات کانی غیرفلزی، صنعت بانکها و مؤسسات اعتباری، صنعت مخابرات و صنعت رایانه و فعالیتهای وابسته به آن، مثبت و معنادار ازنظر آماری به دست آمده است. پس فرﺿﻴﺔ دوم پژوهش فقط برای 13 صنعت از 21 صنعت و بهاستثنای بازار، در سطح خطای 95% پذیرفته میشود.
رفتار گلهای و برازش مدل GJR-GARCH تعمیمیافته
نتایج تخمین مدل GJR-GARCH تعمیمیافتۀ راﺑﻂﮥ (7) در نگارﮤ (5) گزارش شدهاند. ملاحظه میشود رفتار گلهای، نوسانپذیری شرطی غیرسیستماتیک متوسط بازدﮤ صنعت را در 14 صنعت کاهش داده است؛ بهاستثنای صنعت فلزات اساسی، صنعت ساخت محصولات فلزی، صنعت مواد و محصولات دارویی، صنعت محصولات شیمیایی، صنعت سیمان، آهک و گچ، صنعت بانکها و مؤسسات اعتباری و صنعت رایانه که ضرایب برای آنها یا مثبت است یا ازنظر آماری معنادار نیستند؛ ازاینرو، فرﺿﻴﺔ سوم پژوهش برای 14 صنعت از 21 صنعت، علاوه بر بازار، در سطح خطای 95% پذیرفته میشود.
متغیر تغییر حجم معاملات نیز نوسانپذیری غیرسیستماتیک را در 16 صنعت علاوه بر کل بازار، بهطور منفی ﻣﺘﺄثر میسازد. پس فرﺿﻴﺔ چهارم پژوهش نیز برای 16 صنعت در کنار کل بازار، در سطح خطای 95% پذیرفته میشود. به هر حال، برای صنعت استخراج کانههای فلزی، صنعت محصولات کاغذی، صنعت محصولات شیمیایی، صنعت مخابرات و صنعت بیمه و صندوق بازنشستگی، ضریب ازنظر آماری مثبت به دست آمده است. میتوان اینگونه توضیح داد که یا در این صنایع احتمالاً تعداد سرمایهگذاران مطلع نسبت به سایر صنایع کمتر است، یا سرمایهگذاران در این صنایع نمیتوانند معاملهگران مطلع را از نامطلع تمییز دهند؛ درنتیجه، نمیتوانند بازار را به سمت رفتار گلهای تحریک کنند؛ زیرا معاملات حجیم بر سهام خاص این صنایع چندان چشمگیر نیست.
در پایان، بر طبق یافتههای لیتیمی و همکاران [29] در شرایط پایینبودن نوسانپذیری، انتظار میرود رفتار گلهای در بازار شایعتر باشد؛ ازاینرو، راﺑﻂﮥ منفی بین رفتار گلهای و نوسانپذیری شرطی شواهدی از وجود رفتار گلهای است.
نگارﮤ 5. نتایج تخمین مدل GJR-GARCH تعمیمیافته
|
صنعت |
Offset |
|
|
|
|
|
CSAD |
d.f. |
|
|
کل صنایع |
105 |
*07-E42/8 (07-E06/4) |
*148114/0 (039815/0) |
*075172/0 (028307/0) |
*832826/0 (030645/0) |
*016336/0- (251551/0) |
*10-E42/5- (10-E66/4) |
*293389/4 (0000/0) |
519332/7- |
|
استخراج کانههای فلزی |
6 |
*07-E13/8 (07-E87/2) |
*157989/0 (040248/0) |
*087748/0 (029873/0) |
*827076/0 (028430/0) |
*015416/0 (049117/0) |
*11-E73/1- (12-E05/8) |
*037715/4 (345307/8) |
432688/7- |
|
محصولات کاغذی |
2 |
*98/20732 (476/1152) |
*055458/0 (021177/0) |
*104110/0 (035114/0) |
*208068/0 (034221/0) |
001608/0 (35460591) |
*361944/0- (020055/0) |
*836281/6 (278159/0) |
03202/12 |
|
فرآوردههای نفتی، کک و سوخت هستهای |
5 |
*20926847 (/2972795) |
*263726/9 (677455/3) |
**12187/14 (0854/0) |
*500283/0 (061346/0) |
*09+E45/8- (08+E42/9) |
*2264/187- (17751/44) |
*000010/2 (06-E34/6) |
59207/10 |
|
لاستیک و پلاستیک |
3 |
*33880494 (/4546593) |
*8300/158 (20154/70) |
*7497/528 (6892/156) |
*572170/0 (047516/0) |
*12+E02/1- (11+E34/1) |
*7730/241- (67981/66) |
*000004/2 (67981/66) |
960783/9 |
|
فلزات اساسی |
5 |
*13868595 (/1930087) |
*61606/15 (704191/4) |
*19357/16- (868643/4) |
*459631/0 (053274/0) |
*12+E35/1- (11+E69/5) |
*1290/458 (00614/76) |
*000261/2 (05-E37/1) |
03010/13 |
|
ساخت محصولات فلزی |
2 |
05-E27/1 (05-E85/2) |
*118863/0- (046313/0) |
*211700/0 (087127/0) |
*998367/0 (000381/0) |
*08+E14/7- (08+E58/2) |
*507453/0 (153889/0) |
*000320/2 (05-E00/7) |
826346/8 |
|
دستگاههای برقی |
4 |
*85697330 (11622857) |
**09714/47 (04783/24) |
*48705/73 (19926/35) |
*544331/0 (053584/0) |
*12+E22/6- (11+E41/5) |
*0220/371- (8746/182) |
*000008/2 (8746/182) |
83887/11 |
|
خودرو و ساخت قطعات |
12 |
*85697330 (11622857) |
**09714/47 (04783/24) |
*48705/73 (19926/35) |
*544331/0 (0000/0) |
*12+E22/6- (11+E41/5) |
*0220/371- (0425/0) |
*000008/2 (06-E34/5) |
83887/11 |
|
محصولات غذایی و آشامیدنی بهجز قند و شکر |
4 |
*7/126353 (305/5702) |
*056393/0 (011077/0) |
*033525/0 (010137/0) |
*070471/0- (013306/0) |
*08-E02/9- (08-E10/3) |
*749488/1- (124519/0) |
*36787/19 (075927/1) |
08423/14 |
|
مواد و محصولات دارویی |
15 |
*/1767427 (7/574166) |
384687/0- (303980/7) |
*2256/140 (51958/40) |
*972812/0 (003323/0) |
*6335/277- (85488/67) |
11+E07/4 (11+E05/1) |
*000106/2 (05-E91/4) |
26960/13 |
|
محصولات شیمیایی |
6 |
*10501881 (/4378478) |
*716313/1- (736860/0) |
*3935/613 (0675/262) |
*255530/0 (028555/0) |
*12+E55/7 (12+E37/3) |
*5558/174 (8339/102) |
*000395/2 (000139/0) |
39459/13 |
|
کاشی و سرامیک |
3 |
*08+E93/6 (83468520) |
*643/2845 (6959/896) |
*417/4099 (165/1316) |
*534714/0 (044722/0) |
*001637/0- (05-E76/9) |
*218/4470- (122/1997) |
*000000/2 (06-E28/2) |
90572/10 |
|
سیمان، آهک و گچ |
8 |
*58634724 (/5691429) |
49342/25- (97139/18) |
*407/3072 (0639/416) |
*424552/0 (033737/0) |
*12+E37/1- (11+E72/2) |
*6747/127 (76241/48) |
*000003/2 (06-E32/4) |
76212/10 |
|
سایر محصولات کانی غیرفلزی |
5 |
*10+E27/1 (09+E37/1) |
*151/3229 (6190/906) |
*247/6753 (730/1794) |
*508120/0 (045664/0) |
*14+E12/3- (13+E25/5) |
*2/128171- (32/20469) |
*000000/2 (06-E11/2) |
33958/13 |
|
بانکها و مؤسسات اعتباری |
5 |
*73/82507 (53/12816) |
**433442/1 (761819/0) |
*5050/104 (45017/18) |
*518856/0 (020566/0) |
*10-E18/4- (11-E17/7) |
**558556/0 (316116/0) |
*000281/2 (05-E49/2) |
732194/8 |
|
واسطهگریهای مالی و پولی |
2 |
*22619624 (/2377097) |
*318/2675 (4260/793) |
836/1206 (2965/888) |
*530051/0 (039482/0) |
*11+E09/6- (10+E25/4) |
*7280/147- (53254/51) |
*000000/2 (06-E11/2) |
328642/7 |
|
حملونقل، انبارداری و ارتباطات |
3 |
*35895780 (/5216972) |
*145/1742 (9477/809) |
*701/2998 (084/1208) |
*540833/0 (064030/0) |
*12+E89/1- (11+E47/1) |
*0944/168- (57485/80) |
*000000/2 (06-E95/1) |
180055/7 |
|
مخابرات |
2 |
*007/2657 (46700/87) |
000129/0 (05-E38/9) |
*000761/0 (000104/0) |
*999900/0- (05-E51/2) |
*09-E03/5 (10-E63/8) |
*002020/0- (000637/0) |
*84506/19 (695773/0) |
613964/9 |
|
بیمه و صندوق بازنشستگی بهجز ﺗﺄمین اجتماعی |
5 |
*85/36621 (519/5202) |
252593/3 (321182/5) |
*54565/57 (07975/14) |
*961521/0 (003878/0) |
2983/885 (0000/1) |
*057373/1- (212219/0) |
*000019/2 (06-E32/8) |
357902/7 |
|
رایانه و فعالیتهای وابسته به آن |
4 |
*9/129656 (44/59663) |
**390845/2 (275182/1) |
**357012/3 (866842/1) |
*539649/0 (022734/0) |
**06-E57/7- (06-E54/4) |
*327498/4 (105041/2) |
*000419/2 (000167/0) |
819036/9 |
|
ماشینآلات و تجهیزات |
4 |
*08+E29/2 (18481977) |
*9402/843 (1547/289) |
*633/2434 (5633/586) |
*355097/0 (033828/0) |
*13+E80/1- (12+E32/1) |
*910/1539- (0478/282) |
*000002/2 (06-E48/3) |
79601/10 |
منبع: یافتههای پژوهش؛ اعداد قرار داده شده در پرانتز، مقادیر انحراف معیار آمارﮤ t استیودنت و علامتهای * و ** بهترتیب معناداری در سطح 95% و 90% هستند.
نتیجهگیری و پیشنهادها
بررسی و توضیح حرکات پویای بازارهای مالی، چالشی است که توجه پژوهشگران را به خود جلب کرده است. ناکاملبودن بازارهای نوظهور موجب میشود برخی سرمایهگذاران بهجای تکیهبر اطلاعات و اعتقادات خویش، استراتژیهای اتخاذشدۀ سایرین را دنبال کنند و رفتار گلهای را به نمایش بگذارند که موجب انحراف قیمتها از ارزشهای کارا میشود. حال چنانچه بازار نتواند قیمت سهام را به سمت مقادیر بنیادی تعدیل کند، نوسانپذیری مازاد تولید میشود.
در ادبیات، راﺑﻂﮥ بین رفتار گلهای و نوسانپذیری غیرسیستماتیک شرطی عمدتاً برای سایر کشورها بهویژه بازارهای سهام توسعهیافته بررسی شده است. در ایران تا کنون مطالعهای یافت نشد که رفتار گلهای و ارتباط آن با نوسانپذیری غیرسیستماتیک را در بورس اوراق بهادار تهران انجام داده باشد. رفتار گلهای در بازارهای اوراق بهادار کوچکتر شایعتر است. برخلاف بازارهای کشورهای توسعهیافته، بورس اوراق بهادار تهران ازنظر اطلاعاتی کارا نیست و سرمایهگذاران نهادی در این بازار، بهطور غیرعقلایی برخلاف ارزشهای بنیادی بازار به معامله میپردازند. وجود رفتار گلهای، پیآمدهای منفی در این بازار به همراه دارد و موقعیت آن را برای سرمایهگذاری در سطح کشور و منطقه خراب میکند؛ ازاینرو، پژوهش پیشرو به دنبال پوشش این شکاف است و برای نخستینبار به مطاﻟﻌﺔ رفتار گلهای و بررسی ﺗﺄثیر آن بر نوسانپذیری غیرسیستماتیک مازاد بازار در سطح صنایع فعال در بورس اوراق بهادار تهران، با درنظر گرفتن دورههای بحرانی شامل حباب قیمت سهام و تحریمهای هستهای میپردازد.
نتایج تجربی حاصل از فرﺿﻴﮥ اول پژوهش نشان میدهند طی دورههای آشفتگی بازار، سرمایهگذاران، تنها در 8 صنعت (از 21 صنعت موجود در نمونه) رفتار گلهای دارند. این نتیجه با یافتههای بنسایدا [10]، ژنگ و همکاران [38] و عربمازار یزدی و همکاران [3] سازگار است که رفتار گلهای را برای برخی صنایع نتیجه گرفتند. ایزدینیا و حاجیاننژاد [1] نیز نبود رفتار تودهوار را در سطح کل بورس اوراق بهادار تهران طی دورههای پُرنوسان بازار نتیجه گرفتند. یافتههای این پژوهش غیرهمراستا با نتایج مطاﻟﻌﺔ پورزمانی [2] است؛ زیرا او رفتار تودهوار سرمایهگذاران نهادی را طی دورههای رکود در سطح کل بورس اوراق بهادار تهران نتیجه گرفت. آزمون تجربی فرﺿﻴﮥ دوم بیانکنندۀ این است که احساسات سرمایهگذاران، فعالانه بر گرایش به رفتار گلهای در 13 صنعت بهجز بازار، ﺗﺄثیرگذار است. ﻧﺘﯿﺠﺔ بهدستآمده با پژوهش هادسون و همکاران [24] و بنسایدا [10] همراستا است. درخصوص ﺗﺄیید فرﺿﻴﮥ یادشده اینگونه استدلال میشود که طی دورههای بحران هستهای و حباب که سرمایهگذاران با وحشت و اضطراب مواجهاند، اطلاعات شخصی خود را نادیده میگیرند و به تقلید از تصمیمهای گرفتهشدۀ معاملهگرانی میپردازند که آنها را مطلع میپندارند و به حرکات گلهای وارد میشوند.
بهعلاوه، بررسی تجربی بهدستآمده از آزمون فرﺿﻴﮥ سوم پژوهش نشان میدهد رفتار گلهای بر نوسانپذیری غیرسیستماتیکِ 14 صنعت از 21 صنعت موجود در نمونه، علاوه بر کل بازار ﺗﺄثیر معنادار دارد. این یافته همراستا با ادبیات موجود و پژوهشهای لیتیمی [28] و بنسایدا [10] است. دربارۀ فرﺿﻴﮥ سوم، باید گفت به علت کمتربودن تعداد سهمهایی که در بازار غیرفعال باقیماندهاند و ﻣﺗﺄثر از رفتار گلهای نشدهاند، نوسانپذیری کل بازار کاهش مییابد؛ بنابراین، رفتار گلهای اثر منعکنندهای بر نوسانپذیری متوسط بازده برای کل صنایع دارد. همچنین، ملاحظه میشود ﺗﺄثیر رفتار گلهای سرمایهگذاران بر نوسانپذیری غیرسیستماتیک برای هر صنعت، متفاوت است. در رابطه با فرﺿﻴﮥ چهارم پژوهش، شواهد تجربی بهدستآمده دلالت دارد بر اینکه حجم معاملات، مانع نوسانپذیری غیرسیستماتیک شرطی برای کل بازار و برای 16 صنعت است. این مشاهدﮤ تجربی اینگونه است که با افزایش حجم معاملات در بازار و نیز در این صنایع، سرمایهگذاران آگاه در مقایسه با معاملهگران نامطلع به معاملات بیشتری روی میآورند و با توجه به اینکه هرچه اندازﮤ معاملات بزرگتر باشد، معاملات آگاهانه نیز بیشتر میشود، نوسانپذیری علاوه بر این صنایع، در بازار نیز کاهش مییابد؛ با این حال، حجم معاملات بهطور مثبت بر نوسانپذیری شرطی در 5 صنعت ازجمله صنعت بیمه و صندوق بازنشستگی ﺗﺄثیرگذار است. یک استدلال این است که در این صنایع احتمالاً تعداد سرمایهگذاران مطلع بهنسبت کمتر است، یا اینکه در این صنایع، سرمایهگذاران نمیتوانند معاملهگران مطلع را از دیگر معاملهگران نامطلع تمییز دهند؛ درنتیجه، نمیتوانند بازار را به سمت رفتار گلهای تحریک کنند؛ زیرا معاملات حجیم بر سهام خاص این صنایع چندان چشمگیر نیست؛ بنابراین، در صنایع فوق، نوسانپذیری متوسط بازدﮤ صنعت بهطور مثبت ﻣﺘﺄثر از تغییرات حجم معاملات میشود. در رابطه با نتایج تجربی بهدستآمده مربوط به فرﺿﻴﮥ چهارم، مطاﻟﻌﺔ لیتیمی [28] و بنسایدا [10] یافت شده است که ﺗﺄثیر معنادار حجم معاملات سرمایهگذاران بر نوسانپذیری غیرسیستماتیک را در سطح برخی صنایع و نیز در سطح کل بازار سهام نتیجه گرفتند.
یافتههای این پژوهش میتواند دستاوردهایی نیز برای سیاستگذاران، سرمایهگذاران و مدیران شرکتهای فعال در بورس اوراق بهادار تهران به همراه داشته باشد. با توجه به ﻧﺘﻴﺠﮥ حاصل از فرﺿﻴﮥ اول، نبود رفتار گلهای در سطح کل بازار اوراق بهادار تهران به معنای نبود این رفتار در سطح صنایع فعال نیست. همچنین، نتایج حاصل از فرﺿﻴﮥ دوم پژوهش مبنی بر اینکه طی دورههای آشفتگی و بحران بازار، احساسات سرمایهگذاران محرک رفتار گلهای است، این واقعیت را میرساند که سرمایهگذاران به دلیل نگرانی از مواجهشدن با زیان در دورههای بحران یا مواجهشدن با معاملات پُرریسک، حرکات دستهجمعی نشان میدهند. پس پیشنهاد میشود سیاستگذاران شفافیت در بازار اوراق بهادار تهران را ازطریق چارچوبهای قانونی افزایش دهند تا بتوانند سرمایهگذاران را در داشتن فرصت یکسان دستیابی به اطلاعات ازطریق کانال قانونی با اعتبار بالا مطمئن کنند و ازاینرو، از گرایش به رفتار گلهای جلوگیری کنند. همچنین، با توجه به اینکه رفتار گلهای را نمیتوان بهطور کامل از بازارها حذف کرد، پیشنهاد میشود سرمایهگذاران در زمینۀ تجزیهوتحلیل دانش و اطلاعات مالی توانمند شوند تا بتوانند تصمیمهای سرمایهگذاری پذیرفتنی و عقلایی اتخاذ کنند. این کار کمک میکند تا قیمتها نزدیکتر با مقادیر بنیادی حرکت کنند. همچنین، چون برطبق فرضیههای سوم و چهارم، رفتار گلهای غیرعقلایی سرمایهگذاران و حجم معاملات آنها بر نوسانپذیری بازار ﺗﺄثیرگذار است که میتواند به بیثباتی آن منجر شود، سیاستگذاران بازار میباید مکانیزمی طراحی کنند تا بتواند رفتار گلهای سرمایهگذاران را پیشبینی و از اطلاعات رفتاری بهدستآمده برای طراحی سیاستگذاریهای خود استفاده کنند. این امر موجب ثباتبخشیدن به بازار اوراق بهادار تهران میشود. در پایان، مدیران شرکتها میباید کیفیت و شفافیت صورتهای مالی شرکتها را افزایش دهند تا سرمایهگذاران بتوانند تصمیماتشان را مبتنی بر اطلاعات عمومی دردسترس همگان اتخاذ کنند.
محدودیتهای پیشرو در انجام این پژوهش، کوتاهبودن سری زمانی دادههای شرکتها و حتی دسترسینداشتن به سری زمانی با بازﮤ زمانی کافی برای خیلی از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران است. در اداﻣﺔ این پژوهش پیشنهاد میشود برای بررسی عمیقتر بورس اوراق بهادار تهران، رفتار گلهای میان گروههای سرمایهگذاران ازقبیل تحلیلگران بهعنوان معاملهگران مطلع بازار، سرمایهگذاران نهادی و صندوقهای سرمایهگذاری نیز بهطور مجزا پرداخته شود. همچنین، پژوهشگران میتوانند راﺑﻂﮥ بین رفتار گلهای و نوسانپذیری را برای پورتفوهای مختلفی بررسی کنند که براساس سطوح متفاوت نوسانپذیری تشکیل میشوند. از این طریق میتوانند نحوﮤ ﺗﺄثیرگذاری نوسانپذیری غیرسیستماتیک را بر رفتار گلهای بررسی کنند.
[1]. Herding
[2]. Market Turmoil
[3]. Cross-Sectional Absolute Deviation (CSAD) Measure
[4]. Utility Sector
[5]. Loss Aversion
[6]. Intentional Herding
[7]. Cross-Sectional Standard Deviation
[8]. Market Turmoil
[9]. Equity Market Sentiment Index
[10]. Historical Volatility
[11]. در این پژوهش، برای اطمینان از مانایی متغیرها و جلوگیری از رگرسیون کاذب، آزمون ریشۀ واحد فیلیپس - پرون انجام شده است. همچنین، مدل CSAD در راﺑﻂﮥ (1) نیز برآورد شده است؛ اما با توجه به شیوهناﻣﺔ نگارش مجله مبنی بر محدودیت تعداد صفحات به 20 صفحه، نگارﮤ آزمون ریشه واحد و نگارﮤ نتایج تخمین مدل CSAD ارائه نشده است.
[12]. Generalized Supremum Augmented Dickey-Fuller
[13]. مرکز آمار ایران اطلاعات مربوط به شاخص قیمت مصرفکننده CPI را تنها تا تیر ماه 1398 گزارش کرده است.
)
