عملکرد مدل نیمه پارامتریک قیمت گذاری دارایی در بورس اوراق بهادار تهران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: در مدل های قیمت گذاری دارایی، به طور سنتی فرض شده است که میان بازده و متغیرهای توضیح دهنده، رابطه خطی وجود دارد؛ بنابراین در محیط غیرخطی، تخمین ضرایب این مدل ناسازگار و اریب دار است. در این پژوهش قدرت پیش بینی مدل پنج عاملی فاما و فرنچ غیرخطی و خطی، در بازه زمانی فروردین 1389 تا اسفند 1398 ارزیابی شده است. روش: برای برآورد بازده موردانتظار به روش غیرخطی، از مدل پنج عاملی فاما و فرنچ نیمه پارامتریک استفاده شده است. در مدل دوم، بازده موردانتظار از مدل پنج عاملی فاما و فرنچ به روش خطی برآورد شده است. یافته ها: بازده موردانتظار برآوردشده با بازده تحقق یافته مقایسه شد و از شاخص میانگین قدرمطلق درصد خطا، برای سنجش قدرت پیش بینی مدل های پژوهش استفاده شد. یافته ها نشان می دهد که میانگین شاخص میانگین قدرمطلق درصد خطا، در مدل نیمه پارامتریک کمتر از مدل خطی است. نتیجه گیری: علی رغم خطای کمتر مدل پنج عاملی فاما و فرنچ نیمه پارامتریک نسبت به مدل خطی، اختلاف معناداری میان قدرت پیش بینی این دو مدل مشاهده نشد. بنابراین روش تخمین (خطی یا غیرخطی) تأثیر معناداری در عملکرد مدل پنج عاملی فاما و فرنچ نخواهد گذاشت.Performance of Semi-parametric Asset Pricing Model in Tehran Stock Exchange
Objective In asset pricing models, it was traditionally assumed that there is a linear relationship between return and explanatory variables. Therefore, estimating the coefficient in a nonlinear setting would be inconsistent and bias-oriented. In this study, the predictive power of the nonlinear and linear Fama-French Five Factor Model was estimated in the period from March 2010 to March 2020.
Methods The semi-parametric method was used to estimate the nonlinear expected return in FF Five Factor Model. The expected return was also calculated based on the linear FF Five Factor Model.
Results The estimated return was compared with the realized returns. Then the mean absolute percentage error was used to measure the predictive power of research models. The results show that mean of the mean absolute percentage error in the semi-parametric model is lower than the linear model.
Conclusion Despite the lower error of the semi-parametric FF Five-Factor model compared to the linear model, no significant difference was observed between the predictive power of these two models. Therefore, the estimating methods will not have a significant impact on the predictive power of the Five Factor Model.
تبلیغات
