نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری حسابداری، دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.
2 دانشیار گروه حسابداری، دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.
3 استادیار گروه حسابداری، دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.
4 استادیار گروه مدیریت، دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.
چکیده
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Because the risk of falling stock prices has a significant impact on investment decisions and the optimal allocation of resources, it is essential to understand the factors affecting this phenomenon and its underlying factors. Based on the rational stock pricing structure in the Iranian capital market, this study measures the risk of falling stock prices and its alignment with price bubbles. To analyze and test the research hypothesis, data related to 30 companies admitted to the Tehran Stock Exchange for the period 1390-1401 were extracted. For this study, the stock price fall measurement model was estimated for the sample companies, and then its efficiency was measured and evaluated with the Kupiec test, and it was confirmed at a 95% confidence level. After estimating the capital assets pricing models, this study used Bartlett, Lunn, and Brown-Forside tests to assess the alignment between falling stock prices and bubbles. The results showed that there is no alignment between the variance of the risk of falling stock prices and bubbles based on the rational stock pricing structure in our country's context. Therefore, in our country, falling stock prices in line with price bubbles are not based on rational stock pricing.
Introduction
The subject of falling stock prices is a complex, ambiguous, multifaceted, and widespread phenomenon that cannot be attributed to a specific factor with certainty. A stock price crash is a phenomenon in which the stock price undergoes a sharp and sudden adjustment, followed by a very large and unusual negative change in the stock price, and is considered a phenomenon synonymous with negative skewness in stock returns. Based on theoretical foundations, the risk of falling stock prices is influenced by a range of internal and external factors such as financial variables, business strategies, managerial ability, information asymmetry, macroeconomic variables, political connections, investors' feelings, and fulfilling social responsibilities of the company. Nevertheless, in the accounting and financial literature, the risk of falling stock prices is mainly due to the accumulation and maintenance of negative news by management and its sudden release in the market, creating negative shocks and the formation of changes in investors' beliefs about the company's value, and as a result, the successive reduction of prices and the fall of stock prices. It seems that the occurrence of the phenomenon of falling stock prices, regardless of the reason or consequences, is rooted in the formation of a price bubble and incorrect pricing due to the effect of the underlying factor(s) that cause it. The formed price bubbles cause incorrect pricing and prevent asset valuation based on capital asset pricing models. Given that in previous research, stock price bubbles have been evaluated and measured in several ways, but so far in domestic research, no research has been done to measure price bubbles through capital asset pricing models. Based on this, the basic question of the current research is whether there is an alignment between the risk of falling stock prices and price bubbles based on the rational stock pricing structure in the environmental conditions of our country.
Methods & Material
The current research is of a quantitative type and because it is based on the description of the real relationships between the existing data that is expressed in the form of a model, it is considered descriptive research. For this purpose, first, the real aspects of the relations are known and then the model is presented based on the hypothesis and the relevant relations. In this research, first, to complete the theoretical foundations, the library method and the study of reliable sources were used. Then, to collect the research data, Rahavard Novin software and the official website of the Tehran Stock Exchange Company were used. The time domain of the research is the period between 2011 and 2022. The statistical population of the research is the companies admitted to the Tehran Stock Exchange. Next, using a simple random sampling method, 30 companies admitted to the Tehran Stock Exchange were selected as the research sample.
Funding
In the recent research, following the research of Chen et al. (2001) and Andror et al. (2016), first the stock price fall measurement model was estimated for the sample companies of the research and then the validity of the model was evaluated with the Kupiec test and it was confirmed at a confidence level of 95%. In the following, after estimating the capital assets pricing models. To measure the alignment of the risk of falling stock prices with bubbles based on the rational stock pricing structure, Bartlett, Levenr, and Brown-Forsythe tests were used. The results of the equality test of the variance of the stock price fall risk with the price bubbles based on the rational stock pricing structure showed that there is no alignment between the stock price fall risk variance and the bubbles based on the rational stock pricing structure. These results show that in the environmental conditions of our country, standard financial models, in which non-emotional investors always force market prices to equal their expected utility, cannot provide a complete insight into asset pricing anomalies in the conditions of collapse and price bubbles. In other words, in our country, the condition of falling stock prices in line with the formed price bubbles is not based on rational stock pricing.
Conclusion & Results
Based on the results of the recent research, it was determined that the behavior model of investors in the environmental conditions of our country is not consistent with classical and logical financial models, and is more related to behavioral financial models that are based on mass behavior and the induction of feelings and emotions, which are defined as false beliefs about future cash flows and risks, and significantly affect the price of assets, and subsequently cause the market to go out of balance. In sum, recent evidence has violated the concept of market efficiency and recognized the impact of psychological biases on investor behavior and asset prices. The results of this research are in line with the research of Fang et al. (2022) and Perdomo Strauch (2020). They showed that the reaction of market prices to changes in the discount rate and the hypothesis of market efficiency are not aligned. In this regard, while paying attention to behavioral models, it is suggested that to protect the interests of investors, encouraging and directing indirect investment in the capital market and using specialized consulting services to find the right entry and exit point to the market should be on the agenda and should be given special attention to investors so that the effects of emotions and emotional decisions can be controlled to some extent.
کلیدواژه‌ها [English]
موضوع سقوط قیمت سهام طی سالهای اخیر و به‌ویژه پس از وقوع بحران‌های مالی و اقتصادی بین‌المللی، توجه بسیاری از محققان مالی را در سطح بین‌الملل به خود جلب کرده و با اهتمام ویژه‌ای درخور توجه قرار گرفته است؛ با وجود این، توافق کمتری دربارة علل و پیامدهای آن حاصل شده است. اساساً موضوع سقوط قیمت سهام پدیده‌ای پیچیده، مبهم، چندوجهی و گسترده است؛ ازاین‌رو، اختلاف‌نظرها و بحث‌ها دربارة پاسخ‌های بالقوه دربارة پدیده سقوط قیمت سهام نشان می‌دهند نمی‌توان به‌طور قطعی علل خاصی را به وقوع این رویداد نسبت داد (Ouzan, 2020). سقوط قیمت سهام پدیده‌ای است که در آن قیمت سهام دچار تعدیل شدید و ناگهانی می‌شود و در پی آن یک تغییر منفی بسیار بزرگ و غیرمعمول در قیمت سهام رخ می‌دهد و به‌عنوان پدیده‌ای مترادف با چولگی منفی در بازده سهام در نظر گرفته می‌شود (طباطبایی و همکاران، 1399). درحالی‌که هیچ تعریف عددی خاصی از سقوط بازار سهام وجود ندارد، این اصطلاح معمولاً در مواردی به کار می‌رود که در آن شاخص‌های عمده بازار سهام بیش از 10 درصد از ارزش خود را در یک دوره زمانی نسبتاً کوتاه از دست می‌دهند (lang wei, 2023). برخی محققان دیگر نیز سقوط قیمت سهام را معادل کاهش ۲۰ درصدی یا بیشتر قیمت سهام در چند روز یا حداکثر در چند هفته بیان کرده‌اند (Barro, 2017). به‌طور مشابه زینگ و همکاران (2021) بیان کردند بازده واقعی تجمعی در دامنه منفی ۲۵ درصد یا بیشتر نشان‌دهندة احتمال سقوط یا ریزش قیمت سهام است. مبتنی بر مبانی نظری، ریسک سقوط قیمت سهام تأثیرگرفته از طیفی از عوامل متعدد درونی و بیرونی نظیر متغیرهای مالی (ولی‌زاده و همکاران، 1401)، استراتژی‌های تجاری (HabibHasan & Monzur, 2017)، توانایی مدیریتی (kim et al., 2016)، عدم تقارن اطلاعاتی (Benmelech, 2010)، متغیرهای کلان اقتصادی (Akinkuotu, 2013)، ارتباطات سیاسی (Jin et al., 2016)، احساسات سرمایه‌گذاران (xu et al., 2020) و ایفای مسئولیت‌های اجتماعی شرکت (Dumitrescu & Zakriya, 2021) است. با وجود این، همان‌طور که اشاره شد نمی‌توان با قطعیت پدیده سقوط را به عامل خاصی نسبت داد و این موضوع بیان‌کنندة پیچیدگی و اهمیت بررسی این پدیده است. در ادبیات حسابداری و مالی، ریسک سقوط قیمت سهام عمدتاً به انباشت و نگهداری اخبار منفی توسط مدیریت و انتشار ناگهانی آن در سطح بازار و ایجاد شوک‌های منفی و شکل‌گیری تغییر در باورهای سرمایه‌گذاران دربارة ارزش شرکت و درنتیجه کاهش پی‌درپی قیمت‌ها و سقوط قیمت سهام نسبت داده شده است. به نظر می‌رسد بروز پدیده سقوط قیمت سهام، به هر دلیل یا ناشی از هر پیامدی که باشد، ریشه آن در شکل‌گیری پدیده حباب قیمتی و قیمت‌گذاری نادرست ناشی از تأثیر عامل یا عوامل زمینه‌ای و ایجادکنندة آن است. به عبارت دیگر، ریسک سقوط قیمت سهام معلول و علت آن یعنی پدیده حباب قیمت‌ها است. حبابی‌شدن قیمت سهام نیز تأثیرگرفته از قیمت‌گذاری نادرست سهام است و باعث ایجاد تفاوت بین ارزش ذاتی یک سهم و ارزش برآوردشدة آن سهم توسط سرمایه‌گذاران می‌شود. با توجه به اینکه درنهایت تمام حباب‌های بازار سهام تخلیه و منفجر خواهند شد، متعاقب آن پدیده سقوط قیمت سهام و ریزش ناگهانی قیمت‌ها اتفاق خواهد افتاد (Ni & Zhu, 2020). چنین رفتاری در شاخص‌های سهام بسیاری از بازارها مشاهده می‌شود. بلانچارد و واتسون (1982) در توضیح چولگی منفی بازده سهام ناشی از سقوط قیمت سهام، مدل حباب تصادفی قیمت سهام را براساس نظریه بازارهای کارا و انتظارات عقلایی مطرح کردند. براساس نظریه‌های مالی نوین، ارزش یک سهم با جمع ارزش فعلی جریانات نقدی آتی آن برابر است. همچنین، براساس فرضیه بازار کارا، قیمت سهام در یک بازار کارا برابر یا در محدوده ارزش ذاتی آن در نوسان است؛ اما در بعضی مواقع بر اثر یک شوک یا یک تکانه نظیر انتشار اطلاعات جدید، قیمت‌ها بدون هیچ توجیه بنیادی و اقتصادی به گونه چشمگیری افزایش می‌یابند. از این فرایند در ادبیات مالی با عنوان حباب قیمتی یاد می‌شود (ولی‌زاده و همکاران، 1401). حباب‌های قیمتی شکل‌گرفته باعث قیمت‌گذاری نادرست و مانع از ارزش‌گذاری دارایی‌ها مبتنی بر مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای می‌شود (Zhou, 2019). در این میان، مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای، سهم اساسی در توضیح‌دادن و وسعت‌بخشیدن به مفهوم قیمت دارایی‌ها دارند و همچنین، به‌عنوان معیاری برای درک رابطه علت و معلولی بین قیمت دارایی‌ها و رفتار سرمایه‌گذاران براساس متغیرهای توضیحی بازار، صنعت و اطلاعات خاص هستند (امینی فرد و همکاران، 1399). گالبرایت در کتاب معروف خود با عنوان سقوط بزرگ 1929 در اهمیت توجه به ساختار قیمت‌گذاری منطقی سهام استدلال می‌کند که حباب بازار سرمایه در دهه 1920 و متعاقب آن سقوط بزرگ سال 1929 ناشی از فاصله‌گرفتن از ساختار قیمت‌گذاری منطقی سهام و تمرکز بر عناصر غیرمنطقی، افراطی و شیدایی سرمایه‌گذاران شکل گرفت. با عنایت به اینکه در پژوهش‌های پیشین، حباب‌های قیمتی سهام به روش‌های متعددی سنجش و اندازه‌گیری شده‌اند، تاکنون در پژوهش‌های داخلی هیچ پژوهشی حباب‌های قیمتی را ازطریق مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای اندازه‌گیری نکرده است که از این منظر جنبه نوآوری برای پژوهش اخیر نیز محسوب می‌شود. براساس این، سؤال اساسی پژوهش حاضر این است که آیا در شرایط محیطی کشور ما بین ریسک سقوط قیمت سهام و حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام هم‌راستایی وجود دارد یا خیر.
مبنای نظری و پیشینه پژوهش
ازنظر تئوری، ریسک سقوط قیمت سهام مبتنی بر این استدلال است که مدیریت به‌دلایل متعددی مانند ترسیم دورنمای مثبتی از وضعیت مالی و عملکرد شرکت، طرح‌های پاداش و موقعیت‌های شغلی مدیران، اتخاذ رویه‌های حسابداری متهورانه و ... انگیزه دارند که اخبار منفی را برای یک دوره طولانی پنهان و ذخیره کنند؛ زیرا افشای اخبار منفی می‌تواند تأثیر معکوسی بر موارد بالا داشته باشد و در عوض تا حد ممکن سعی در تسریع و انعکاس اخبار خوب دارند. همچنین، حجم اخبار منفی که مدیران می‌توانند انباشته کنند، نامحدود نیست؛ علت این است که وقتی حجم اخبار منفی انباشته‌شده به آستانه معینی می‌رسد، نگهداری و عدم افشای آن برای مدت زمان طولانی‌تر غیرممکن و پرهزینه خواهد بود؛ ازاین‌رو، همواره یک سطح نهایی برای انباشته‌کردن اخبار منفی در شرکت وجود دارد؛ بنابراین، زمانی که مدیران دیگر نتوانند اخبار منفی اضافی را پنهان کنند، توده اخبار منفی به نقطه اوج می‌رسد و به یکباره تمام شوک‌های منفی انباشته‌شده وارد بازار و منتشر می‌شود. این امر سرمایه‌گذاران را به تغییر در باورهای خود دربارة ارزش شرکت و درنتیجه قیمت سهام شرکت ملزم می‌کند. پیامد این امر به یک نوسان بزرگ و منفی در قیمت سهام منجر می‌شود که از آن به‌عنوان پدیده ریسک سقوط قیمت سهام نام برده می‌شود (Chauhan, 2020 Harper, 2020؛).
در پژوهش‌های انجام‌شده، مکانیسم‌های زیربنایی خطر سقوط قیمت سهام عمدتاً به دو دسته عدم تجانس در اعتقادات سرمایه‌گذاران دربارة ارزش‌های اساسی شرکت و رفتارهای فرصت‌طلبانه مدیران شرکت محدود شده است (فخاری و نصیری، 1399). به اعتقاد هانگ و آستین (2003)، ناهمگونی در باورهای سرمایه‌گذاران، یکی از محرک‌های اساسی سقوط قیمت سهام قلمداد می‌شود. این رویکرد مبتنی بر این موضوع است که علایق، باورها، اهداف، نگرش‌ها و انتظارات سرمایه‌گذاران متفاوت است. گروهی از آنها خوشبین و گروهی دیگر بدبین هستند؛ عده‌ای ریسک‌گریز و عده‌ای ریسک‌پذیر هستند. برخی از آنها اهداف کوتاه‌مدت و برخی دیگر اهداف بلندمدت را برای استراتژی سرمایه‌گذاری در شرکت دنبال می‌کنند. باوجود تفاوت در نگرش‌ها، در الگوهای اقتصادی مالی سنتی فرض می‌شود تصمیم‌گیرندگان به‌صورت کاملاً عقلایی رفتار می‌کنند و همیشه در پی بیشینه‌کردن مطلوبیت مورد انتظار خود هستند. به عبارت دیگر، دو پایه اصلی در پارادایم سنتی مالی، عقلانیت کامل عوامل و تصمیم‌گیری‌های مبتنی بر بیشینه‌سازی مطلوبیت مورد انتظار است. این در حالی است که گاهی در عالم واقع مشاهده می‌شود که تصمیم‌گیرندگان دست به انتخاب‌هایی می‌زنند که الزاماً با بیشینه‌سازی مطلوبیت مورد انتظار آنها سازگار نیست و با رفتارهای عقلایی اقتصادی همخوانی ندارد. بررسی و مطالعه رفتار سرمایه‌گذاران در این مدل تصمیم‌گیری، عمدتاً بیان‌کنندة مدل‌های تصمیم‌گیری مبتنی بر الگوهای مالی رفتاری توجیه‌پذیر است که مبتنی بر القای احساسات و هیجانات سرمایه‌گذاران و تبعیت از رفتار توده‌وار است. سوگیری‌های رفتاری ناشی از این مدل تصمیم‌گیری که فاقد تحلیل‌های اقتصادی است، در کنار ناهمگونی در باورهای سرمایه‌گذاران، به تقویت معامله‌های اخلال‌زا و تغییر چشمگیر در رفتار بازیگران بازار و متعاقب آن قیمت‌گذاری نادرست منجر خواهد شد. با توجه به اینکه قیمت دارایی‌های مالی بر تخصیص منابع در اقتصاد بسیار اثرگذار است، هرگونه اختلال و انحراف گسترده در بازار سرمایه به عدم تخصیص بهینه منابع منجر خواهد شد (Boqiang Lin & Nan wu, 2023). ژو و همکاران (2020) بیان کردند اگر معامله‌های اخلال‌زا در بازار غلبه پیدا کنند، متعاقب آن به احتمال زیاد بازار سقوط خواهد کرد. آوری و زمسکی (1998) نشان دادند رفتار توده‌وار به قیمت‌گذاری نادرست دارایی‌ها و شکل‌گیری پدیده حباب قیمت‌ها و در پی آن سقوط قیمت سهام منجر خواهد بود. دربارة رفتار فرصت‌طلبانه مدیریت، تحقیقات موجود در ادبیات حسابداری وابسته به استدلال‌های مبتنی بر تئوری نمایندگی به‌منظور انگیزه‌های مدیریتی برای احتکار و پنهان‌کردن اخبار بد است. براساس تئوری نمایندگی و در راستای اقدامات فرصت‌طلبانه مدیریت به‌منظور افزایش منافع شخصی نظیر کسب پاداش بالاتر، حسن شهرت بیشتر و حفظ موقعیت شغلی، کماکان انگیزه‌های مربوط به تأخیر در انتشار اخبار بد در نزد مدیران وجود دارد. به اعتقاد کوتاری (2009)، در شرایط تضاد منافع بین مدیران و سرمایه‌گذاران، مادامی که هزینه عدم افشای اخبار منفی و انباشت آنها در داخل شرکت، کمتر از منافع آن باشد، مدیران انگیزه دارند اخبار منفی را در داخل شرکت انباشت کنند و آنها را افشا نکنند. با وجود این، زمانی که مدیریت دیگر نتوانند اخبار منفی اضافی را پنهان کنند، توده اخبار منفی انباشته‌شده در قالب شوک‌های منفی به یکباره وارد بازار می‌شود و پیامد آن به یک نوسان بزرگ، غیرعادی و منفی در قیمت سهام منجر می‌شود که به آن پدیده ریسک سقوط قیمت سهام می‌گویند (Chauhan,2020 Harper, 2020؛). اساساً انسداد اطلاعات نامطلوب و عدم تقارن اطلاعاتی ناشی از آن همواره باعث قیمت‌گذاری نادرست سهام و بروز پدیده حباب قیمتی می‌شود. به بیان دیگر، پدیده چولگی منفی بازده سهام ناشی از سقوط قیمت‌ها از مدل قیمت‌گذاری نامناسب دارایی‌ها و شکل‌گیری حباب تصادفی قیمت سهام تبعیت می‌کند (Hu et al., 2020). روبین و ژانگ (2015) بیان کردند الزاماً انسداد اخبار منفی توسط مدیریت نمی‌تواند ناشی از اقدامات فرصت‌طلبانه مدیریت باشد. آنها استدلال کردند برخی اوقات مدیریت ممکن است در راستای اهداف سازمان و مبتنی بر اتخاذ رویه‌های مجاز حسابداری در چارچوب استانداردهای پذیرفته‌شده و همچنین، سایر جنبه‌های دیگر مانند ویژگی‌های شرکت، موارد مرتبط با اشتغال، ریسک دعاوی حقوقی و ... اقدام به بیش‌نمایی عملکرد شرکت ازطریق به تعویق انداختن در انتشار اخبار بد و تسریع در اخبار خوب کنند.
در هر صورت صرف‌نظر از قصد و نیت خیرخواهانه یا فرصت‌طلبانه مدیریت، انسداد اخبار منفی در شرکت باعث پدیده عدم تقارن اطلاعاتی می‌شود. عموماً عدم تقارن اطلاعات، پدیده‌ای منفی است و باعث ایجاد تفاوت بین ارزش ذاتی سهام و ارزش برآوردشدة آن سهام توسط سرمایه‌گذاران می‌شود که از مجرای قیمت‌گذاری نادرست دارایی‌های سرمایه‌ای و شکل‌گیری حباب قیمتی، موجب تصمیم‌گیری‌های نامناسب اقتصادی توسط سرمایه‌گذاران می‌شود. به‌طور کلی چنانچه مدیریت بتواند با موفقیت جریان اطلاعات منفی را در بازار سهام مسدود کند، توزیع بازده سهام در بازار، با قیمت‌گذاری نادرست و ایجاد حباب قیمتی نامتقارن می‌شود (Hutton et al., 2009).
مفهوم حباب از اوایل قرن هفدهم وارد ادبیات اقتصادی شده است. از آن زمان تاکنون از نمونه‌های متعددی به‌عنوان دوران حباب قیمتی یاد شده است. شواهدی وجود دارد که قدیمی‌ترین حباب قیمتی گسترده مربوط به فروپاشی حباب قیمت گل لاله در هلند در سال ۱۶۳۷ و سقوط قیمت سهام شرکت دریای جنوب در انگلستان در سال ۱۷۲۰ است که از آن به‌عنوان آشوبی فراموش‌نشدنی در حافظه تاریخی مردم هلند و انگلستان یاد می‌شود (Chauhan , 2020؛Harper, 2020).
حباب نوعی پیامد حاصل از سرمایه‌گذاری محسوب می‌شود که ضعف بعضی از تحلیل‌های روانشناسی سرمایه‌گذاران را شرح می‌دهد (Zhou et al., 2019). این پدیده، بخشی از جریان قیمت دارایی محسوب می‌شود که با اصول و عوامل بنیادی که علت تغییرات قیمت دارایی محسوب می‌شوند، توصیف‌ناپذیر است (Xing et al., 2021). حباب پیچیده‌ترین اختلال گریبان‌گیر بازار سرمایه است. اساساً حباب را افزایش قیمت دارایی در یک فرایند مستمر می‌توان تعریف کرد که مبتنی بر آن، افزایش اولیه قیمت، انتظار افزایش‌های آتی قیمت را به دنبال دارد و به جذب خریداران جدید منجر می‌شود؛ اما معمولاً پس از مدتی، این افزایش قیمت با انتظارات معکوس و درنتیجه کاهش ناگهانی قیمت‌ها همراه است که اغلب زمینه‌ساز سقوط قیمت‌ها و بحران‌های مالی می‌شود (راسخی و همکاران، 1395). تمام حباب‌های بازار سهام درنهایت منفجر می‌شوند؛ به این معنی که قیمت سهام به‌طور ناگهانی و به‌شدت کاهش می‌یابد (Ni & Zhu, 2020). چنین رفتاری در شاخص‌های سهام بسیاری از بازارها مشاهده می‌شود. هو و همکاران (2020)، نشان دادند حباب‌های بازار سرمایه ازطریق کانال‌های انتقال غیرمستقیم اثرات منفی بر اقتصاد واقعی دارد. نگرانی ایجاد حباب در بازار به این دلیل است که باعث قیمت‌گذاری نادرست و فاصله‌گرفتن ارزش ذاتی دارایی‌ها از ارزش بازاری آنها و عدم تخصیص بهینه منابع می‌شود (Lang Wei & Yiling Zhang, 2023). به عبارت دیگر، حباب قیمتی شکل‌گرفته مانع از ارزش‌گذاری دارایی‌ها مبتنی بر مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای می‌شود (Zhou at al., 2019). بر همین اساس استدلال می‌شود که تشکیل حباب قیمتی یا قیمت‌گذاری نادرست می‌تواند زمینه‌ساز بروز پدیده سقوط سهام شود. به عبارت دیگر، حبابی‌شدن قیمت سهام، با تأثیر از قیمت‌گذاری نادرست سهام اتفاق می‌افتد؛ ازاین‌رو، بررسی آثار شوک‌ها پیامدهای مهمی برای نظریه‌های پرتفوی و مدل‌های قیمت‌گذاری دارایی دارد. در این راستا، مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای، سهم اساسی در توضیح‌دادن و وسعت‌بخشیدن به مفهوم قیمت دارایی‌ها دارند و همچنین، معیاری برای درک رابطه علت و معلولی بین قیمت دارایی‌ها و رفتار سرمایه‌گذاران براساس متغیرهای توضیحی بازار، صنعت و اطلاعات خاص شرکت هستند. کیم و همکاران (2016) در پژوهش خود نشان دادند سرمایه‌گذاران بازگشت سرمایه بالاتری را برای سهام با چولگی منفی بیشتر انتظار دارند که نشان می‌دهد چولگی یک عامل ریسک قیمت‌گذاری است. الزهرانی (2014) بیان کرد قیمت‌گذاری نادرست سهام زمانی رخ می‌دهد که قیمت سهام از ارزش بنیادی آن متفاوت باشد که بخش چشمگیری از این قیمت‌گذاری نادرست در فقدان شفافیت اطلاعاتی در سطح شرکت رخ می‌دهد. جارو (2018) یک مدل قیمت‌گذاری دارایی سرمایه‌ای (CAPM) را در بازاری استنتاج می‌کند که در آن قیمت دارایی‌ها می‌تواند نوسانات قیمت و حباب‌های قیمتی را نشان دهد. نتایج این پژوهش نشان دادند رابطه بازده و ریسک متفاوت است که به وجود حباب‌های قیمتی و تعداد و مقدار فاکتورهای ریسک سیستماتیک با ریسک غیر صفر وابسته است. به‌طور مشابه جانگ و کانگ (2018) در پژوهش خود نشان دادند سقوط قیمت‌ها ناشی از قیمت‌گذاری بیش‌ازحد سرمایه‌گذاران نهادی می‌تواند باشد. پردومو استراوچ (2020) در پژوهشی موضوع حباب‌های قیمت دارایی‌ها را براساس مدل‌های نظری بررسی کرد و نشان داد عدم تقارن اطلاعات دربارة وجود حباب‌های قیمت دارایی، معامله‌گران را وادار به پیگیری تداوم حباب‌ها می‌کند. همچنین، عنوان شد معامله‌گران بیشتر اوقات ریسک‌گریز هستند و لزوماً به‌طور مناسب به پیام‌های هماهنگی واکنش نشان نمی‌دهند و گاهی اوقات به وضوح رفتار غیرمنطقی دارند. جانگ و همکاران (2018) احتمال پیش‌بینی بازده‌های منفی شدید (ریزش) ازطریق معیار قیمت‌گذاری بیش‌ازحد را بررسی کردند. آنها نشان دادند سهامی که بیش‌ازحد قیمت‌گذاری می‌شوند، معمولاً بازده‌های پایینی دارند و به احتمال زیاد بازده‌های منفی بالایی تجربه می‌کنند. همچنین، آنها دریافتند سرمایه‌گذاران نهادی که مهارت بیشتری در احتمال و پیش‌بینی سقوط قیمت سهام دارند، عملکرد بهتری نسبت به دیگران دارند و این نشان می‌دهد آنها در زمان‌بندی حباب‌ها و ریزش سهام تجربه دارند. یافته‌های دیگر پژوهش نشان می‌دهند سرمایه‌گذاران آگاه ممکن است در شرایط قیمت‌گذاری اشتباه، معامله نکنند. با توجه به آنچه بیان شد، در راستای دستیابی به اهداف پژوهش و مبتنی بر مبانی نظری ذکرشده، فرضیه پژوهش به شکل زیر بیان می‌شود:
بین سقوط قیمت سهام و حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام رابطه مثبت و معناداری وجود دارد.
با بررسی پژوهش‌های داخلی، تاکنون در هیچ پژوهشی تأثیر حباب قیمتی سهم بر ساختار قیمت‌گذاری و وابستگی آن با ریسک سقوط قیمت سهام بررسی نشده است؛ ازاین‌رو، در این پژوهش برای نخستین‌بار وابستگی سقوط قیمت سهام و ارتباط آن با ساختار قیمت‌گذاری منطقی سهام بررسی می‌شود. بررسی و تحلیل ابعاد این موضوع که نتیجه آن ذی‌نفعانی مانند سرمایه‌گذاران، فعالان بازار و نهادهای ناظر را منتفع می‌کند، به‌عنوان یک پژوهش تجربی حائز اهمیت است. اهمیت بررسی این موضوع به‌ویژه در شرایط محیطی کشور ما و برای بورس اوراق بهادار جوان و کم‌عمقی که به‌شدت از تکانه‌های اقتصادی و غیراقتصادی تأثیر می‌پذیرد و به فراز و فرودهای فراوانی منجر می‌شود، دو چندان است؛ به‌طوری‌که درک روابط بین ساختار قیمت‌گذاری سهام تا حد زیادی دربارة تصمیم‌گیری مرتبط با سرمایه‌گذاری در این دارایی‌ها در شرایط شکل‌گیری حباب قیمتی به‌منظور پرهیز از سرمایه‌گذاری احساسی و تشکیل پرتفوی بهینه برای به حداقل رساندن ریسک سرمایه‌گذاری کمک به‌سزایی می‌کند.
روش پژوهش
پژوهش حاضر از نوع کمی است و به‌دلیل آنکه مفاهیم پژوهش به‌صورت عینی در دنیای خارجی وجود دارد، در گروه تحقیقات اثبات‌گرایی است. روش این پژوهش مبتنی بر توصیف روابط واقعی میان داده‌های موجود است (توصیف آنچه که هست) که در قالب الگو بیان می‌شود؛ بدین ترتیب، پژوهش در زمره تحقیقات توصیفی به شمار می‌رود. برای این منظور، نخست جنبه‌های واقعی روابط شناخته شده و سپس الگو بر مبنای فرضیه و روابط مربوطه ارائه شده است. در این پژوهش ابتدا برای تکمیل مبانی نظری، از روش کتابخانه‌ای و مطالعه منابع معتبر استفاده شده است. سپس برای گردآوری داده‌های پژوهش، از نرم‌افزار ره‌آورد نوین و سایت رسمی شرکت بورس اوراق بهادار تهران استفاده شده است. قلمرو زمانی پژوهش، بازه زمانی بین سالهای ۱۳۹۰ تا ۱401 است. جامعه آماری پژوهش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. در ادامه، با استفاده از روش نمونه‌گیری تصادفی ساده، تعداد 30 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران به‌عنوان نمونه پژوهش انتخاب شدند. براساس قضیه حد مرکزی2 (CLT) که پایه بسیاری از محاسبات و روابط مربوط به نمونه‌گیری و تحلیل آماری است، اگر تعداد نمونه‌ها بزرگ‌تر یا مساوی 30 باشد، توزیع میانگین نمونه‌ها، توزیع نرمال در نظر گرفته می‌شود. قضیه حد مرکزی بر این فرض استوار است که میانگین 30 متغیر تصادفی که هرکدام واریانس و میانگین تعریفشده و محدود دارند، به‌طور تقریبی از توزیع نرمال پیروی می‌کند.
مدل‌های پژوهش
در این پژوهش ابتدا مدل‌های مختلف قیمت‌گذاری دارایی‌ها برحسب روش گشتاورهای تعمیم‌یافته استخراج می‌شوند. معمولاً در معادلاتی که در تخمین آنها اثرات غیرقابل مشاهدة خاص هر شرکت و وجود وقفة متغیر وابسته در متغیرهای توضیحی مشکل اساسی است، از تخمین‌زن گشتاور تعمیم‌یافته (GMM) استفاده می‌شود که مبتنی بر مدل‌های پویای پانلی است.
قیمت‌گذاری دارایی‌های سرمایه‌ای یک مدل رگرسیونی قیمت‌گذاری است که معادله آن به شرح زیر است:
رابطه (1)
CAPM:
رابطه (2)
Fama& French Threefactors
رابطه (3)
+
در رابطه (1)، Rit نرخ بازده بدون ریسک، β ضریب حساسیت و صرف ریسک است.
در رابطه (2)، = ضریب حساسیت عامل اندازه و = ضریب حساسیت (HMLit-Rf) عامل ارزش است. در رابطه (3)، = ضریب حساسیت صرف عامل سودآوری و = ضریب حساسیت صرف عامل سرمایه‌گذاری است.
در این روابط ، Ri و Rf به‌ترتیب بیان‌کنندة میانگین بازده بازار سهام، میانگین بازده ماهانة سهام شرکت‌ها و نرخ بازده بدون ریسک است. SMB، عامل اندازه است که از تفاوت بین میانگین بازده مجموعة سهام شرکت‌های کوچک و مجموعة سهام شرکت‌های بزرگ به دست می‌آید (تفاوت بین شرکت‌های نمونه و شرکت‌های پذیرفته‌شده در شاخص 30 شرکت بزرگ). HML، عامل ارزش است که از تفاوت بین میانگین بازده‌های مجموعة سهام شرکت‌هایی با نسبت ارزش دفتری به ارزش بازار بالا و مجموعة سهام شرکت‌هایی با نسبت ارزش دفتری به ارزش بازار پایین به دست می‌آید (تفاوت بین بازده شرکت‌های نمونه و بازده شاخص 50 شرکت بزرگ). RMV، عامل سودآوری است که از تفاوت بین بازده سهام شرکت‌ها با سودآوری بالا و سهام شرکت‌ها با سودآوری کم به دست می‌آید (تفاوت بین بازده شرکت‌های پذیرفته‌شده در شاخص بازار اول منهای شرکت‌های پذیرفته‌شده در شاخص بازار دوم). CMA، عامل سرمایه‌گذاری است که از تفاوت بین بازده سهام شرکت‌های با سرمایه‌گذاری بالا (جسورانه) و سهام شرکت‌های با سرمایه‌گذاری پایین (محافظه‌کار) به دست می‌آید (تفاوت بین بازده شرکت‌های نمونه و بازده شاخص شناوری). عامل مهم و تعیین‌کننده در این مدل ضریب بتا است. ضریب بتا میزان حساسیت بازده اضافی مورد انتظار یک دارایی را نسبت به بازده اضافی مورد انتظار بازار را مشخص می‌کند.
: بیان‌کنندة جزء اختلال هر شرکت است که چنانچه بالاتر از میانگین کل اختلال مدل باشد، نشان‌دهندة حباب است.
خطر سقوط قیمت سهام: برای اندازه‌گیری خطر سقوط قیمت سهام مشابه پژوهش چن و همکاران (2001) و اندرو و همکاران (2016) از رابطه (4) استفاده شده است. براساس این، ابتدا میانگین بازده ماهانه خاص شرکت‌ها محاسبه می‌شود و سپس داده‌های مربوط به آن به دو دسته کمتر از صفر (منفی) و بیشتر از صفر (مثبت)، تفکیک و انحراف معیار هرکدام به‌طور مجزا محاسبه می‌شود. سپس برای محاسبه Duvol از رابطه ذیل استفاده می‌شود:
رابطه (4)
در این رابطه، Down برابر با انحراف معیار مشاهدات کمتر از میانگین و Up نشان‌دهندة انحراف معیار مشاهدات بزرگ‌تر از میانگین برای بازده خاص شرکت i در سال t است. در این معادله ارزش‌های بالای Duvol نشان‌دهندة خطر سقوط قیمت سهام بالا است.
یافته‌های پژوهش
آمار توصیفی
آمار توصیفی متغیرهای پژوهش شامل اطلاعات مربوط به شاخص‌های مرکزی (میانگین و میانه)، شاخص پراکندگی (حداکثر، حداقل و انحراف معیار) و شاخص‌های توزیع (ضریب کشیدگی و ضریب چولگی) در نگاره (1) ارائه شده است. برای مثال، مقدار میانگین به‌عنوان اصلی‌ترین شاخص مرکزی، برای متغیر بازده سهام 23/0 است که با توجه به انحراف معیار (15/0) از نوسان‌پذیری بالایی برخوردار است. همچنین، میانگین متغیر بازده بازار 37/0 و مقدار حداقل و حداکثر آن به‌ترتیب 20/0- و 51/0 است که با توجه به انحراف معیار (10/0) نوسان بالایی دارد. در بین متغیرهای پژوهش عامل سودآوری و بازده بازار به‌ترتیب با انحراف معیار 94/0 و 10/0 بیشترین و کمترین میزان پراکندگی را دارند.
نگاره 1. آمار توصیفی متغیرهای پژوهش
Figure (1): Descriptive statistics of research variables
|
چولگی |
کشیدگی |
انحراف معیار |
حداقل |
حداکثر |
میانه |
میانگین |
نام متغیر |
|
11/1 |
2/۰9 |
15/0 |
31/0- |
52/1 |
19/0 |
23/0 |
بازده سهام |
|
71/3 |
62/1 |
10/0 |
20/0- |
51/0 |
22/0 |
37/0 |
بازده بازار |
|
06/4 |
18/1 |
14/0 |
53/0- |
32/1 |
10/0 |
11/0 |
عامل اندازه |
|
54/3 |
43/1 |
14/0 |
45/0- |
32/1 |
11/0 |
13/0 |
عامل ارزش |
|
29/1 |
13/1- |
94/0 |
82/1- |
16/0 |
01/0 |
06/0 |
عامل سودآوری |
|
05/1 |
74/1 |
14/0 |
39/0- |
30/1 |
11/0 |
13/0 |
عامل سرمایه‌گذاری |
منبع: یافته‌های پژوهش
قبل از تخمین مدل لازم است مانایی (پایایی، سکون یا ایستایی) متغیرها بررسی شود. آزمون مانایی عمدتاً به‌منظور جلوگیری از رگرسیون‌های کاذب انجام میگیرد. یک متغیر، وقتی مانا است که میانگین، واریانس و کوواریانس آن در طول زمان ثابت باقی بماند. آزمون ریشه واحد، یکی از معمول‌ترین آزمون‌هایی است که برای تشخیص مانایی استفاده می‌شود. اساس آزمون ریشه واحد بر این منطق استوار است که وقتی در یک فرایند خودرگرسیونی مرتبه اول باشد، در آن صورت، سری نامانا است. در این آزمون فرض صفر دلیل بر وجود ریشه واحد و نامانایی است و حالت مطلوب زمانی اتفاق می افتد که فرض صفر رد شود. با توجه به اینکه قدرت آزمون‌های ریشه واحد به تغییرات کل در داده‌های استفاده‌شده (هم ازنظر تعداد مشاهدات و هم ازنظر تنوع آنها) بستگی دارد، آزمون‌های ریشه واحد پانل قدرتمندتر از آزمون‌های ریشه واحد سری زمانی استاندارد هستند. در چارچوب آزمون ریشه واحد پانل، دو نسل از آزمون‌ها وجود دارند. این آزمون‌ها عبارت‌اند از آزمون ریشه واحد لوین، لین و چو (LLC) و آزمون ایم، پسران و شین (IPS). فرض اساسی ِآزمون LLC ، وجود یک فرایند ریشه واحد در بین مقاطع است؛ درحالی‌که آزمون IPS، این امکان را فراهم می‌کند که ناهمگونی بین اثرات فردی وجود داشته باشد؛ به همین دلیل، به آزمون IPS، آزمون ریشه واحد ناهمگن گویند.
نگاره 2. آزمون‌های ایستایی لوین، لین وچو
Figure (2) static tests of Levin , Lin and Chui
|
نوع آزمون ریشه |
آماره |
مقدار احتمال |
|
لوین، لین و چو |
86/94- |
00/0 |
منبع: یافته‌های پژوهش
بر طبق نتایج حاصل از نگاره (2)، شواهد ناشی از انجام آزمون ایستایی لوین، لین و چو عمدتاً دلالت بر عدم وجود ریشه واحد برای مقادیر متغیرها در سطح اطمینان 95 درصد دارد؛ بنابراین، فرض اساسی آزمون ایستایی لوین، لین و چو (LLC) که وجود یک فرایند ریشه واحد بین مقاطع است، با سطح اطمینان 95 تأیید نمی‌شود.
نگاره 3. آزمون‌های ایستایی ایم، پسران و شین
Figure (3) static tests of Im, Pesaran and Shin
|
مقداراحتمال |
آماره |
آزمون ریشه |
|
00/0 |
70/71- |
ایم، پسران و شین |
|
00/0 |
68/14- |
بازده سهم |
|
00/0 |
72/14- |
بازده بازار |
|
00/0 |
41/19- |
عامل اندازه |
|
00/0 |
93/33- |
عامل ارزش |
|
00/0 |
54/61- |
عامل سودآوری |
|
00/0 |
38/19- |
عامل سرمایه‌گذاری |
با توجه به نتایج آزمون ایستایی ایم، پسران و شین در نگاره (3)، چون مقدار احتمال آماره آزمون برای تمامی متغیرهای پژوهش کوچک‌تر از 05/0 است، متغیرهای پژوهش طی دوره پژوهش در سطح پایا یعنی I(0) بوده‌اند و میانگین و واریانس متغیرها در طول زمان و کوواریانس متغیرها بین سالهای مختلف ثابت بوده است؛ درنتیجه، استفاده از این متغیرها در مدل باعث به وجود آمدن رگرسیون کاذب نمی‌شود.
آزمون هم‌انباشتگی
در این پژوهش به‌منظور بررسی آزمون هم‌انباشتگی در مدل‌های به‌کاررفته، از روش ارائه‌‌شده توسط کائو (1991) استفاده شده است. این آزمون با استفاده از آماره آزمون‌های دیکی فولر (DF) و آماره دیکی – فولر تعمیم‌یافته (ADF) انجام می‌شود. در این آماره‌ها فرضیه صفر برابر با عدم وجود هم‌انباشتگی و فرضیه مخالف آن وجود هم‌انباشتگی بین متغیرهای مدل است. نتایج آزمون هم‌انباشتگی کائو با استفاده از آماره ADF برای مدل تخمینی، در نگاره (4) نشان داده شده است.
نگاره 4. آزمون هم‌انباشتگی کائو
Figure (4) Kao cointegration test
|
نوع آزمون |
آماره |
مقدار احتمال |
|
آماره دیکی - فولر تعمیم‌یافته |
63/10- |
00/0 |
منبع:یافته‌های پژوهش
نتایج جدول فوق نشان می‌دهند فرضیه صفر در سطح اطمینان 95 درصد برای مدل تأیید نمی‌شود؛ بنابراین، براساس آماره ADF آزمون کائو، هم‌انباشتگی در تمام مدل‌ها برقرار است؛ از این رو، مشکل رگرسیون کاذب در مدل‌های تخمینی وجود نخواهد داشت.
برآورد خطر سقوط قیمت سهام
برای پیش‌بینی مدل خطر سقوط قیمت سهام ابتدا باید میانگین شرطی و جملات اختلال مربوط به معادله میانگین را برآورد کرد. برای این منظور مدل خودرگرسیون میانگین متحرک انباشته3 انتخاب شده است. مدل خودرگرسیون میانگین متحرک انباشته، یکی از انواع مدل‌های پیش‌بینی خطی اقتصادی مبتنی بر متدولوژی باکس - جنکینز است. تأکید این روش پیش‌بینی، براساس مدل‌های تک معادله‌ای و معادلات همزمان نیست که بر تجزیه و تحلیل احتمالی استوار هستند. برخلاف مدل‌های رگرسیونی که در آنها Yt (متغیر وابسته) با استفاده از متغیرهای توضیحی X (X1,X2,…,XK) توضیح داده می‌شوند، در مدل‌های مبتنی بر روش باکس – جنکینز، متغیر Yt با استفاده از مقادیر گذشته (با وقفه یا با وقفه گذشته) از متغیر Y و جملات خطای استوکاستیک توضیح داده می‌شوند. براساس این روش، تعداد جملات خودرگرسیون میانگین متحرکی انتخاب می‌شود که بتواند بهترین پیش‌بینی از سقوط قیمت سهام را داشته باشد. به‌منظور برآورد و تصریح مدل، با استفاده از برنامه‌نویسی تعدادی از معادلات تخمین زده شدند و در ادامه با استفاده از روش باکس - جنکینز و استفاده از توابع خودهمبستگی (a.c.f) و خودهمبستگی جزئی (p.a.c.f) مدل آزمایشی شناسایی می‌شود. سپس پارامترهای مدل آزمایشی برآورد می‌شوند. با اعمال هر دو فرایند اتورگرسیو و میانگین متحرک در داده‌ها، در مرحلة بعد معنی‌داری پارامترها آزمون می‌شود و این عملیات برای چندین مدل آزمایشی انجام می‌شود و درنهایت، مناسب‌ترین مدل‌ها براساس معیارهای آکائیک - شوارتز انتخاب می‌شوند. در نگاره (5)، بهترین تخمین‌های مدل خودرگرسیون میانگین متحرک انباشته براساس معیارهای مذکور برآورد شده‌اند. گفتنی است تمامی سری‌های انباشته از مرتبه یک حداکثر بوده‌اند؛ بنابراین، مدل‌های برآوردشده محسوب می‌شوند.
نگاره 5. معادله میانگین بر مبنای خودرگرسیون میانگین متحرک انباشته
Figure (5) average equation based on autoregression average moving cumulative
|
مرتبه |
LogL |
AIC* |
BIC |
HQ |
|
(1,4) |
256279/2117 |
102825/1- |
0914/1- |
0988/1- |
|
(4,2) |
371300/2117 |
102363/1- |
0893/1- |
0977/1- |
|
(3,2) |
370699/2116 |
102363/1- |
0909/1- |
0983/1- |
|
(2,4) |
260596/2117 |
102305/1- |
0892/1- |
0977/1- |
|
(2,2) |
210599/2114 |
101756/1- |
0920/1- |
0983/1 |
|
(4,4) |
849676/2117 |
101568/1- |
0852/1- |
0958/1 |
|
(4,3) |
367643/2116 |
101316/1- |
0866/1- |
0961/1- |
|
(3,4) |
138778/2116 |
101196/1- |
0865/1- |
0960/1- |
|
(3,3) |
497940/2114 |
100861/1- |
0878/1- |
0962/1- |
|
(1,3) |
969060/2111 |
100585/1- |
0908/1- |
0971/1- |
|
(1,2) |
624386/2101 |
095701/1- |
0875/1- |
0928/1- |
|
(2,3) |
889238/2102 |
095317/1- |
0839/1- |
0913/1- |
|
(4,1) |
210221/2094 |
090781/1- |
0794/1- |
0867/1- |
|
(2,1) |
100487/2076 |
082362/1- |
0742/1- |
0795/1- |
|
(3,1) |
612483/2076 |
082107/1- |
0723/1- |
0786/1- |
|
(0,4) |
938378/2073 |
080710/1- |
0709/1- |
0772/1- |
|
(0,3) |
930747/2071 |
080183/1- |
0720/1- |
0773/1- |
|
(1,1) |
908175/2065 |
077558/1- |
0710/1- |
0752/1- |
|
(0,2) |
106556/2055 |
071914/1- |
0654/1- |
0696/1- |
|
(0,1) |
604913/2012 |
050225/1- |
0453/1- |
0485/1- |
|
(4,0) |
189708/1957 |
018129/1- |
0083/1- |
0146/1- |
|
(3,0) |
109439/1902 |
991434/0- |
9833/0- |
9885/0- |
|
(2,0) |
941770/1828 |
953719/0- |
9472/0- |
9514/0- |
|
(1,0) |
463210/1720 |
897551/0- |
8927/0- |
8958/0- |
|
(0,0) |
978679/1361 |
710728/0- |
7075/0- |
7096/0- |
منبع: یافته‌های پژوهش
در این پژوهش برای انتخاب بهترین مدل در میان تعداد محدودی از مدل‌ها، از معیارهای آکائیک - شوارتز (AIC)، بیزی - شوارتز (BIC)، هنان کوئین (HQ) و لاک (LOGL) استفاده شده است. معیار AIC به‌عنوان یک شاخص سنجش و انتخاب مدل مناسب، کیفیت هر مدل را نسبت به هریک از مدل‌های دیگر بهتر تخمین می‌زند و انتخاب بهترین پیش‌بینی معادله میانگین را فراهم می‌کند؛ ازاین‌رو، در این پژوهش از معیار AIC استفاده شده است. AIC براساس نظریه اطلاعات بنا شده است. هنگامی که یک مدل آماری برای نشان‌دادن فرایندی استفاده می‌شود که داده‌ها را تولید می‌کند، نمایش تقریباً هرگز دقیق نخواهد بود؛ بنابراین، برخی از اطلاعات با استفاده از مدل، برای نشان‌دادن فرایند از بین خواهد رفت. AIC مقدار نسبی اطلاعات ازدست‌رفته توسط یک مدل معین را تخمین می‌زند. هرچه یک مدل اطلاعات کمتری را از دست بدهد، کیفیت آن مدل بالاتر خواهد بود. علاوه بر تخمین مقدار اطلاعات ازدست‌رفته توسط یک مدل، AIC به مبادله بین خوب‌بودن تناسب مدل و سادگی مدل نیز می‌پردازد. با توجه به نتایج نگاره (5) و خروجی AIC، خودرگرسیون میانگین متحرک انباشته (1,4) انتخاب شد. پس از استخراج معادله میانگین، مقادیر مثبت و منفی آن برای استفاده در رابطه 4، به‌منظور سنجش سقوط بازار سهام استفاده می‌شود. در جدول ذیل همان‌طور که مشاهده می‌شود ستون سنجش سقوط بازار سهام برحسب شرکت‌های نمونه ارائه شده است.
نگاره 6. سنجش سقوط بازار سهام
Figure (6) measuring the fall of the stock market
|
شرکت |
بازده‌های منفی |
بازده‌های مثبت |
سنجش سقوط بازار سهام |
|
افرانت |
105716/0 |
1363/0 |
2543/0- |
|
البرز دارو |
061954/0 |
0844/0 |
3558/0- |
|
پتروشیمی شیراز |
051467/0 |
1045/0 |
7087/0- |
|
کارتن ایران |
096109/0 |
1388/0 |
3672/0- |
|
دارو امین |
067902/0 |
1265/0 |
6222/0- |
|
درخشان تهران |
107796/0 |
1441/0 |
2904/0- |
|
فیبر ایران |
116917/0 |
1517/0 |
2605/0- |
|
فولاد مبارکه اصفهان |
075055/0 |
1144/0 |
4211/0- |
|
قطعات اتومبیل ایران |
094894/0 |
1484/0 |
4474/0- |
|
کفرا |
110655/0 |
1357/0 |
2039/0- |
|
کاشی و سرامیک سینا |
101739/0 |
1202/0 |
1667/0- |
|
گلتاش |
085247/0 |
1233/0 |
3690/0- |
|
گروه بهمن |
144981/0 |
1636/0 |
1207/0- |
|
حفاری شمال |
120669/0 |
1531/0 |
2383/0- |
|
پارس مینو |
09744/0 |
1758/0 |
5903/0- |
|
ایران تایر |
06712/0 |
1125/0 |
5163/0- |
|
ایران ترانسفورماتور |
068271/0 |
1010/0 |
3913/0- |
|
لاستیک سهند |
06869/0 |
1018/0 |
3937/0- |
|
صنایع ملی مس |
060749/0 |
1014/0 |
5122/0- |
|
نفت پارس |
066165/0 |
1151/0 |
5537/0- |
|
پارس سوئیچ |
13004/0 |
1856/0 |
3559/0- |
|
سایپا |
064619/0 |
1034/0 |
4701/0- |
|
خدمات انفورماتیک |
05052/0 |
0860/0 |
5316/0- |
|
فرآوری مواد معدنی |
12041/0 |
1292/0 |
0704/0- |
|
توسعه معادن روی |
10183/0 |
0982/0 |
0295/۰- |
|
قند نیشابور |
08255/0 |
1232/0 |
4003/0- |
|
شهید قندی |
09793/0 |
1497/0 |
4246/0- |
|
سیمان خزر |
121953/0 |
2014/0 |
5016/0- |
|
سیمان تهران |
081651/0 |
1433/0 |
5622/0- |
|
تایدواتر |
08511/0 |
1195/0 |
3392/0- |
منبع: یافته‌های پژوهش
در ادامه به‌منظور ارزیابی کارایی مدل برآوردی سنجش سقوط بازار سهام، از آزمون کوپیک4 و آماره نسبت راستنمایی (LR) استفاده شده است. اولین راه منطقی برای ارزیابی توانایی پیش‌بینی مدل برآوردشده، شمارش تعداد دفعاتی است که مقدار زیان واقعی از مقدار زیان پیش‌بینی‌شده توسط مدل بیشتر است. چنانچه مقدار زیان واقعی از زیان برآوردشده توسط مدل بیشتر باشد، این رخداد یک شکست (تخطی) محسوب می‌شود و اگر زیان واقعی کوچک‌تر از زیان برآوردشده باشد، یک موفقیت (عدم تخطی) ثبت می‌شود. کوپیک (1955) به‌منظور بررسی فرضیه اخیر، آزمون نسبت احتمال شکست را پیشنهاد کرد که ازطریق تعداد تخطی‌ها بر کل تعداد پیش‌بینی‌ها به دست می‌آید (Chan et al., 2020)؛ ازاین‌رو، در این پژوهش از آزمون کوپیک به‌منظور ارزیابی کارایی مدل سنجش سقوط بازار استفاده شده است.
در این آزمون پس از محاسبه آماره نسبت راستنمایی (LR)، مقدار آماره این آزمون با مقدار بحرانی مقایسه می‌شود؛ در صورتی که مقدار آماره کوچک‌تر از مقدار بحرانی باشد، فرضیه صفر مبنی بر مناسب‌بودن معیار سنجش سقوط سهام در سطح معنی‌داری مدنظر پذیرفته می‌شود و درنتیجه نتایج مدل فوق قابل استناد و مناسب هستند. آزمون فرضیه‌های تحقیق عبارت‌اند از:
H0: سنجش معیار سقوط سهام مناسب است.
H1: سنجش معیار سقوط سهام مناسب نیست.
نگاره 7. نتایج آزمون کوپیک برای سنجش کارائی معیار سقوط سهام برآوردشده
Figure (7) Kupiec test results to measure the efficiency of the estimated stock fall criterion
|
نتایح فرضیه |
مقدار بحرانی |
آماره LR |
شرکت |
|
تأیید فرضیه H0 |
49/18 |
7754/0 |
افرانت |
|
تأیید فرضیه H0 |
49/18 |
7006/0 |
البرز دارو |
|
تأیید فرضیه H0 |
49/18 |
4923/0 |
پتروشیمی شیراز |
|
تأیید فرضیه H0 |
49/18 |
6927/0 |
کارتن ایران |
|
تأیید فرضیه H0 |
49/18 |
5368/0 |
دارو امین |
|
تأیید فرضیه H0 |
49/18 |
7480/0 |
درخشان تهران |
|
تأیید فرضیه H0 |
49/18 |
7706/0 |
فیبر ایران |
|
تأیید فرضیه H0 |
49/18 |
6563/0 |
فولاد مبارکه اصفهان |
|
تأیید فرضیه H0 |
49/18 |
6393/0 |
قطعات اتومبیل ایران |
|
تأیید فرضیه H0 |
49/18 |
7649/0 |
کفرا |
|
تأیید فرضیه H0 |
49/18 |
8465/0 |
کاشی و سرامیک سینا |
|
تأیید فرضیه H0 |
49/18 |
6914/0 |
گلتاش |
|
تأیید فرضیه H0 |
49/18 |
8863/0 |
گروه بهمن |
|
تأیید فرضیه H0 |
49/18 |
7880/0 |
حفاری شمال |
|
تأیید فرضیه H0 |
49/18 |
5542/0 |
پارس مینو |
|
تأیید فرضیه H0 |
49/18 |
5967/0 |
ایران تایر |
|
تأیید فرضیه H0 |
49/18 |
6762/0 |
ایران ترانسفورماتور |
|
تأیید فرضیه H0 |
49/18 |
6746/0 |
لاستیک سهند |
|
تأیید فرضیه H0 |
49/18 |
5992/0 |
صنایع ملی مس |
|
تأیید فرضیه H0 |
49/18 |
5748/0 |
نفت پارس |
|
تأیید فرضیه H0 |
49/18 |
7005/0 |
پارس سوئیچ |
|
تأیید فرضیه H0 |
49/18 |
6249/0 |
سایپا |
|
تأیید فرضیه H0 |
49/18 |
5877/0 |
خدمات انفورماتیک |
|
تأیید فرضیه H0 |
49/18 |
9320/0 |
فرآوری مواد معدنی |
|
تأیید فرضیه H0 |
49/18 |
6529/۰ |
توسعه معادن روی |
|
تأیید فرضیه H0 |
49/18 |
6701/0 |
قند نیشابور |
|
تأیید فرضیه H0 |
49/18 |
6540/0 |
شهید قندی |
|
تأیید فرضیه H0 |
49/18 |
6055/0 |
سیمان خزر |
|
تأیید فرضیه H0 |
49/18 |
5700/0 |
سیمان تهران |
|
تأیید فرضیه H0 |
49/18 |
7123/0 |
تایدواتر |
منبع: یافته‌های پژوهش
همان‌طور که در نگاره بالا ملاحظه می‌شود، مقدار بحرانی آزمون کای دو (آماره آزمون کوپیک دارای توزیع کای دو با یک درجه آزادی است) در سطح معنی‌داری 05/0 برابر 49/18است. مقدار آماره LR محاسبه‌شده برای تمامی شرکت‌ها کوچک‌تر از مقدار بحرانی است؛ براساس این، گفتنی است فرضیه صفر پژوهش (سنجش معیار سقوط سهام مناسب است)، در سطح اطمینان 95 درصد تأیید می‌شود. به عبارت دیگر، عملکرد این معیار برای تبیین سنجش سقوط قیمت سهام در سطح اطمینان 95 درصد برای شرکت‌ها قابل استناد است.
ساختار قیمت‌گذاری منطقی سهام
همان‌طور که در بخش روش تحقیق بیان شد، برای برآورد مدل‌های ساختار قیمت‌گذاری منطقی سهام، از روش گشتاورهای تعمیم‌یافته استفاده شده است. این روش یکی از روش‌های تخمین مناسب در داده‌های تابلویی است و همچنین، اثرات تعدیل پویای متغیر وابسته را در نظر میگیرد. اگر مشکل درون‌زایی بین متغیر یا متغیرهای توضیحی نیز وجود داشته باشد، این روش با به‌کارگیری متغیرهای ابزاری این نقیصه را برطرف می‌کند. در این روش به‌منظور حفظ سازگاری ضرایب برآوردشده لازم است برای تشخیص معتبربودن متغیرهای ابزاری تعریفشده در مدل، از آزمون سارگان استفاده شود. براساس این آماره، در صورت رد فرضیه صفر، متغیرهای ابزاری تعریفشده برای رفع همبستگی بین اثرات ثابت و متغیر وابسته وقفه‌دار معتبر نیستند و لازم است از متغیرهای ابزاری مناسب‌تری برای رفع این همبستگی استفاده شود. مقدار آماره آزمون سارگان با ارزش احتمال 05/0 دلالت بر عدم رد فرضیه صفر و معتبربودن متغیرهای ابزاری تعریفشده در مدل‌ها دارد؛ زیرا مقدار این آماره آزمون نشان می‌دهد متغیرهای ابزاری تعریفشده با جملات اخلال، همبستگی ندارند و بنابراین، متغیر ابزاری تعریفشده معتبر هستند.
نگاره 8. نتایج برازش مدل قیمت‌گذاری دارایی سرمایه‌ای
Figure (8) the results of fitting the capital asset pricing model
|
مقدار احتمال |
آماره-t |
ضریب |
متغیر |
|
00/0 |
64/28 |
35/1 |
بازده بازار |
|
12/0 |
آزمون سارگان |
||
|
66/0 |
ضریب تعیین |
||
|
56/1 |
آماره دوربین - واتسون |
||
نگاره 9. نتایج برازش مدل قیمت‌گذاری دارایی سه‌عاملی فاما - فرنچ
Figure (9) fitting results of Fama-French three-factor asset pricing model
|
مقدار احتمال |
آماره-t |
ضریب |
متغیر |
|
00/0 |
44109/47 |
814569/1 |
بازده بازار |
|
00/0 |
52286/97 |
992083/1 |
عامل اندازه |
|
00/0 |
8559/133 |
813934/1 |
عامل ارزش |
|
52/0 |
آزمون سارگان |
||
|
2/2 |
آماره دوربین - واتسون |
||
|
34/0 |
ضریب تعیین |
||
نگاره 10. نتایج برازش مدل قیمت‌گذاری دارایی پنج عاملی فاما و فرنچ
Figure (10) The results of fitting the Fama and French five-factor asset pricing model
|
مقدار احتمال |
آماره-t |
ضریب |
متغیر |
|
0000/0 |
01035/84 |
299340/1 |
بازده بازار |
|
0000/0 |
6134/104 |
۰19446/2 |
عامل اندازه |
|
0000/0 |
2550/144 |
827421/1 |
عامل ارزش |
|
7390/0 |
333169/0 |
233380/0 |
عامل سودآوری |
|
0000/0 |
6652/176 |
828639/1 |
عامل سرمایه‌گذاری |
|
26/0 |
آزمون سارگان |
||
|
91/1 |
آماره دوربین - واتسون |
||
|
90/0 |
ضریب تعیین |
||
منبع: یافته‌های پژوهش
در تحلیل گشتاورهای تعمیم‌یافته، به‌خصوص زمانی که متغیرها در طول یک فاصله زمانی مطالعه می‌شوند، ممکن است تغییر داده‌ها در طول زمان از الگوی خاصی پیروی کند؛ برای تشخیص این الگو از آزمون دوربین واتسون استفاده شده است. با توجه به نتایج تحقیق که در نگاره 8 تا 10 مشاهده می‌شوند، مقدار آماره این آزمون بیش از 5/1 است که نشان‌دهندة عدم همبستگی سریالی در مدل است. همچنین ضریب تعیین، قدرت توضیح‌دهندگی مدل را نشان می‌دهد؛ یعنی نشان می‌دهد چند درصد تغییرات متغیر وابسته توسط متغیرهای توضیحی تبیین شده‌اند. نتایج نگاره 8 تا 10 بیان‌کنندة قدرت توضیح‌دهندگی مناسب مدل است. همچنین، نتایج به‌دست‌آمده از نگاره 8 تا 10 نشان می‌دهند در سطح اطمینان 95 درصد، آماره t محاسبه‌شده برای متغیرهای بازده بازار، عامل اندازه، عامل ارزش و عامل سرمایه‌گذاری (به‌جز عامل سودآوری) بزرگ‌تر از مقدار بحرانی (96/1) است. در ادامه، به‌منظور آزمون آماره سارگان فرضیه‌های زیر مطرح می‌شوند:
H0: جملات خطا با متغیرهای ابزاری همبستگی ندارند.
H1: جملات خطا با متغیرهای ابزاری همبستگی دارند.
برای تأیید آزمون سارکان5، آماره با درجه آزادی (k-q)، در سطح اطمینان ۹۵ درصد محاسبه می‌شود. اگر آماره محاسبه‌شده از کای اسکوئر جدول استاندارد کمتر باشد، فرض صفر تأیید می‌شود و مدل معتبر است. همچنین، اگر سطح معناداری بالاتر از ۰۵/0 به دست آید، مدل معتبر تشخیص داده می‌شود. با توجه به نتایج به‌دست‌آمده، فرضیه صفر مبنی بر عدم همبستگی جملات خطا با متغیرهای ابزاری تأیید می‌شود.
همسویی ریسک سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام
به‌منظور آزمون همسویی ریسک سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام از آزمون‌های بارتلت6، لون7 و براون - فورساید8 استفاده شده است. از معروف‌ترین آزمون‌های مرتبط با همسویی واریانس‌ها، آزمون‌های بارتلت، لون و براون - فورساید هستند که در حد وسیعی استفاده می‌شوند. ازجمله دلایل برتری این آزمون‌ها نسبت به سایر آزمون‌ها این است که برای واریانس‌های با درجه آزادی یکسان یا متفاوت می‌توانند استفاده شوند. این آزمون‌ها مبتنی بر آزمون نسبت واریانس هستند. آزمون نسبت واریانس برای بررسی برابر بودن یا نبودن دو واریانس استفاده می‌شود. قاعده کلی دربارة این آزمون‌ها این است که اگر سطح معناداری به‌دست‌آمده کمتر از 05/0 باشد، فرض H0 مبنی بر برابری واریانس‌ها رد می‌شود و برعکس. همچنین، نتایج برازش آزمون بارتلت، لون و براون - فورساید محاسبه‌شده با مقادیر این آماره‌ها در جدول با درجات آزادی K و N-K در سطح خطای 5 درصد را می‌توان مقایسه کرد. اگر آماره آزمون بارتلت، لون و براون - فورساید محاسبه‌شده بیشتر از مقادیر جدول باشد، مقدار عددی تابع آزمون در ناحیه بحرانی قرار میگیرد و فرض صفر رد می‌شود و برعکس.
برای انجام این آزمون، از فرضیه‌های صفر و جایگزین زیر استفاده می‌شود:
H0: واریانس ریسک سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام برابر است.
H1: واریانس ریسک سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام برابر نیست.
در ادامه، نتایج حاصل از آزمون برابری واریانس خطر سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام در نگاره (11) ارائه شده‌اند:
نگاره 11. آزمون برابری واریانس خطر سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام
Figure (11) Equality of variance test of the risk of falling stock prices with price bubbles based on the rational stock pricing structure
|
روش |
درجه آزادی |
مقدار |
سطح معناداری |
|
|
بارتلت |
3 |
617/697 |
00/0 |
|
|
لون |
116/3 |
182/25 |
00/0 |
|
|
براون - فورساید |
116/3 |
028/22 |
00/0 |
|
|
طبقه‌بندی |
||||
|
متغیر |
تعداد |
انحراف معیار |
میانگین قدر مطلق - تفاضل میانه |
|
|
حباب بر مبنای قیمت‌گذاری دارایی سرمایه‌ای |
30 |
0167/0 |
0139/0 |
|
|
حباب بر مبنای مدل سه عاملی فاما و فرنچ |
30 |
0004/0 |
0003/0 |
|
|
حباب بر مبنای مدل پنج عاملی فاما و فرنچ |
30 |
0006/0 |
0005/0 |
|
|
معیار سقوط |
30 |
230220/0 |
15675/0 |
|
منبع: یافته‌های پژوهش
با توجه به نتایج به‌دست‌آمده در نگاره (11)، مشخص شد سطح معناداری آزمون‌های بارتلت، لون و براون - فورساید کمتر از 05/0 است؛ بنابراین، شواهد کافی به‌منظور رد فرضیه صفر مبنی بر برابربودن واریانس ریسک سقوط قیمت سهام با حباب‌های مبتنی بر ساختار قیمت‌گذاری منطقی سهام فراهم شد که این امر بیان می‌کند بین واریانس ریسک سقوط قیمت سهام و حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام همسویی وجود ندارد.
بحث و نتیجه‌گیری
اساساً موضوع سقوط قیمت سهام پدیده‌ای پیچیده، مبهم، چندوجهی و گسترده است که نمی‌توان با قطعیت آن را به عامل خاصی نسبت داد. براساس مبانی نظری، ریسک سقوط قیمت سهام تأثیرگرفته از طیفی از عوامل متعدد درونی و بیرونی نظیر متغیرهای مالی (ولی‌زاده و همکاران، 1401)، استراتژی‌های تجاری (HabibHasan & Monzur, 2017)، توانایی مدیریتی (kim et al., 2016)، عدم تقارن اطلاعاتی (Benmelech, 2010)، متغیرهای کلان اقتصادی (Akinkuotu, 2013)، ارتباطات سیاسی ( Jin et al., 2016)، احساسات سرمایه‌گذاران (xu et al., 2020) و ایفای مسئولیت‌های اجتماعی شرکت (Dumitrescu & Zakriya, 2021) است؛ با وجود این، در ادبیات حسابداری و مالی این پدیده به احتکار و انباشت اخبار منفی توسط مدیریت و انتشار و بروز یکباره توده اخبار منفی در قالب شوک‌های منفی به بازار، تغییر در باورهای سرمایه‌گذاران نسبت به ارزش ذاتی سهام و متعاقب آن تعدیل شدید قیمت‌ها و سقوط قیمت سهام نسبت داده شده است. اساساً انسداد اطلاعات نامطلوب و عدم تقارن اطلاعاتی ناشی از آن، باعث ایجاد تفاوت بین ارزش ذاتی سهام و ارزش برآوردشدة آن توسط سرمایه‌گذاران می‌شود و از مجرای قیمت‌گذاری نادرست سهام و شکل‌گیری حباب قیمتی می‌تواند زمینة بروز تصمیم‌گیری‌های نامناسب اقتصادی توسط سرمایه‌گذاران و عدم تخصیص بهینه منابع در اقتصاد را فراهم آورد؛ ازاین‌رو، بررسی همسویی پدیده سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام به‌واسطة تأثیری که بر تصمیمات مرتبط با سرمایه‌گذاری به‌منظور پرهیز از سرمایه‌گذاری احساسی و تشکیل پرتفوی بهینه ایجاد می‌کند، به‌عنوان یک پژوهش تجربی حائز اهمیت است. در این راستا در پژوهش اخیر به پیروی از پژوهش چن و همکاران (2001) و اندرو و همکاران (2016)، ابتدا مدل سنجش سقوط قیمت سهام برای شرکت‌های نمونه پژوهش برآورد شد و سپس با آزمون کوپیک کارایی اعتبار مدل، ارزیابی و در سطح اطمینان 95 درصد تأیید شد. در ادامه، پس از برآورد مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای، به‌منظور سنجش همسویی ریسک سقوط قیمت سهام با حباب‌های مبتنی بر ساختار قیمت‌گذاری منطقی سهام، از آزمون‌های بارتلت، لون و براون - فورساید استفاده شد. همان‌طور که در نگاره (11) ملاحظه شد، نتایج آزمون برابری واریانس ریسک سقوط قیمت سهام با حباب‌های قیمتی مبتنی بر ساختار قیمت‌گذاری منطقی سهام نشان دادند بین واریانس ریسک سقوط قیمت سهام با حباب‌های مبتنی بر ساختار قیمت‌گذاری منطقی سهام همسویی وجود ندارد. این نتایج نشان می‌دهند در شرایط محیطی کشور ما مدل‌های مالی استاندارد که همواره در آن سرمایه‌گذاران غیراحساسی قیمت‌های بازار را وادار به برابرکردن با مطلوبیت مورد انتظار خود می‌کنند، نمی‌توانند بینش کاملی نسبت به ناهنجاری‌های قیمت‌گذاری دارایی‌ها در شرایط سقوط و حباب‌های قیمتی ارائه دهند. به عبارت دیگر، در کشور ما شرایط سقوط قیمت سهام همراستا با حباب‌های قیمتی شکل‌گرفته مبتنی بر قیمت‌گذاری منطقی سهام نیست. با نتایج پژوهش اخیر مشخص شد مدل رفتار سرمایه‌گذاران در شرایط محیطی کشور ما با مدل‌های مالی کلاسیک (که احساسات انسانی را مستثنی می‌کند) همخوانی ندارد و بیشتر به الگوهای‌های مالی رفتاری نزدیک‌تر است که مبتنی بر رفتار توده‌وار و القای احساسات و هیجانات است که به‌عنوان باورهای نادرست به‌طور چشمگیری بر قیمت دارایی‌ها تأثیر می‌گذارد و باعث خروج بازار از تعادل می‌شود؛ برای مثال، در سال 1399 بدون اینکه رویداد اقتصادی خاصی رخ دهد و در اوج شرایط کرونا و تداوم رکود اقتصادی حاکم بر کشور، شاهد هجوم بی‌سابقه سرمایه‌گذاران به بازار سرمایه و اوج شکل‌گیری تصمیم‌گیری‌های مبتنی بر احساسات و رفتار توده‌وار سرمایه‌گذاران بودیم. به‌طور مشابه، در یک یا دو سال اخیر و با توجه به شرایط فوق تورمی حاکم در کشور، کماکان سقوط پی‌درپی قیمت‌ها در بازار سرمایه در هفته‌های متوالی مشاهده می‌شود؛ به‌طوری‌که برخی از سهام شرکت‌ها بدون هیچ منطق اقتصادی و درحالی‌که حباب‌های قیمتی کاملاً تخلیه شده‌اند، با قیمتی به مراتب پایین‌تر از ارزش ذاتی معامله می‌شوند. تجربیات دوران فراز و فرود بازار سرمایه (به‌ویژه تجربه تاریخی سال 1399 و سالهای بعد از آن) بیان‌کنندة نگرش احساسی و بروز رفتار توده‌وار سرمایه‌گذاران برای ورود و خروج به بازار است که متأسفانه در هر دو وضعیت باعث خروج بازار از حالت تعادل شده‌اند. علاوه بر نتایج تجربی پژوهش اخیر، مجموع شواهد و تجربیات محیطی، هم در شرایط سقوط قیمت‌ها و هم در شرایط حبابی‌شدن قیمت‌ها، بیان‌کنندة غالب‌بودن فضای هیجانی و گرایش و تبعیت بازار سرمایه به حاکم‌بودن الگوهای مالی رفتاری به‌جای الگوهای قیمت‌گذاری منطقی است. در مجموع، شواهد اخیر مفهوم کارایی بازار را نقض کرده و تأثیر تعصبات روانی بر رفتار سرمایه‌گذاران و قیمت دارایی‌ها را به رسمیت شناخته است. نتایج این پژوهش همسو با پژوهش فنگ و همکاران (2022) و پردومو استراوچ (2020) است. آنها نشان دادند واکنش قیمت‌های بازار به تغییرات در نرخ تنزیل و فرضیه کارایی بازار همراستا نیستند.
پیشنهادهای پژوهش و محدودیت‌ها
مبتنی بر یافته‌های پژوهش پیشنهاد می‌شود ضمن توجه به برخی نظریه‌های رفتاری کلیدی، برای تکمیل مدل‌های مالی موجود و پیش‌بینی بهتر بازده دارایی‌ها در بازار سرمایه، الگوهای قیمت‌گذاری دارایی‌های سرمایه‌ای رفتاری بررسی شوند. به همین دلیل است که در ادبیات مالی رفتاری، پاردایم قیمت‌گذاری دارایی‌های رفتاری درحال توسعه است و در آینده و به‌ویژه در شرایطی که نااطمینانی اقتصادی غالب باشد، شاهد جایگزینی مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای با مدل‌های قیمت‌گذاری دارایی‌های رفتاری خواهیم بود. این مدل‌ها با تبیین چگونگی تأثیر احساسات و ترجیحات روانشناسی افراد بر شیوه تصمیم‌گیری آنها شرایط بهتری به‌منظور اتخاذ تصمیمات مرتبط با سرمایه‌گذاری، قیمت‌های بازار و بازده سهام ایجاد می‌کنند و به نظر می‌رسد با شرایط محیطی کشور ما همخوانی بیشتری داشته باشند. ضمن توجه به مدل‌های رفتاری، به‌طور مشابه پیشنهاد می‌شود به‌واسطة عدم برخورداری از دانش پایه بخش گسترده‌ای از سرمایه‌گذاران و همچنین عدم رعایت اصول اولیه سرمایه‌گذاری در بازار پیچیده‌ای مانند بازار سرمایه ایران که گاهی تحت تأثیر نااطمینانی سیاست‌های کلان اقتصادی و دخالت‌های مستقیم دولت واقع می‌شود، کماکان توصیه اساسی به‌منظور صیانت از منافع سرمایه‌گذاران، تشویق و هدایت به سرمایه‌گذاری غیرمستقیم در بازار سرمایه و بهره‌گیری از خدمات مشاوره تخصصی به‌منظور نقطه ورود و خروج مناسب به بازار است تا از این طریق آثار هیجانات و تصمیمات احساسی تا حدودی کنترل شود. براساس این، به پژوهشگران آتی پیشنهاد می‌شود در پژوهش‌های مشابه، مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای رفتاری را جایگزین و آزمون کنند.
همچنین، به‌منظور سنجش و پیش‌بینی ریسک سقوط قیمت سهام، از ابزارهای جدید مبتنی بر فناوری اطلاعات مانند هوش مصنوعی و رویکرد داده‌کاوی استفاده شود که از دقت و قدرت تبیین بالاتری برخوردار هستند؛ درنهایت، با عنایت به اینکه دامنه پژوهش، محدود به بررسی شرکت‌های نمونه است، پیشنهاد می‌شود در تعمیم نتایج پژوهش به سایر شرکت‌ها احتیاط لازم به عمل آید.
)