این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات مالی، جلد ۲۷، شماره ۱، صفحات ۱۴۰-۱۶۶
عنوان فارسی توسعه مدل‌های چندعاملی قیمت‌گذاری دارایی‌ها با استفاده از رویکرد رگرسیون آستانه‌ای و عوامل مبتنی بر ریسک اعتباری
چکیده فارسی مقاله هدف: پژوهش حاضر به‌دنبال توسعه و بهبود مدل‌های قیمت‌گذاری آستانه‌ای با هدف ارتقای عملکرد مدل‌های چندعاملی رایج در حوزۀ پژوهش‌های قیمت‌گذاری دارایی‌هاست. در سه دهۀ اخیر، روند توسعۀ مدل‌های قیمت‌گذاری در حوزۀ پژوهش مالی، عمدتاً بر مبنای ناهنجاری‌های قیمت‌گذاری بوده است. این مدل‌ها بر اساس مدل‌های قبلی توجیه نمی‌شوند و به‌عنوان عوامل جدید به مدل‌ها اضافه شده‌اند. این روند تکاملی به ظهور صدها عامل مبتنی بر ناهنجاری‌های موجود در مدل‌های پیشین منجر شده است. با توجه به فراوانی متغیرهای احتمالی تأثیرگذار بر بازدهی دارایی‌ها و اهمیت ویژۀ رعایت اصل «اختصار» در توسعۀ مدل‌های قیمت‌گذاری، ضروری است که به‌دنبال مدل‌هایی با حداقل تعداد عامل و بیشترین توضیح‌دهندگی مطلوب باشیم. در راستای اصل فوق، این پژوهش به‌دنبال توسعۀ مدل‌های قیمت‌گذاری آستانه‌ای نوین است که در آن، عامل پیشنهادی به‌صورت هدفمند برای بعضی از شرکت‌ها و نه همۀ آن‌ها مورد استفاده قرار می‌گیرد. با انجام آزمون‌های مقطعی دقیق و رگرسیون مقطعی آستانه‌ای، تأثیر آستانه‌ای متغیرهای کلیدی مانند ریسک اعتباری بر نرخ بازده مورد انتظار با توجه به متغیر آستانۀ نسبت بدهی، به‌طور جامع بررسی می‌شود. انتظار می‌رود که تأثیر متغیرهای ریسک اعتباری یا اضطراب مالی بر نرخ بازده مورد انتظار، برای سطوح مختلف بدهی دارایی‌ها، به‌طور معناداری متفاوت باشد. در صورت معنادار بودن اثر آستانه‌ای نسبت بدهی، می‌توان در آزمون‌های سری زمانی، عامل‌های مربوط به ریسک اعتباری را به‌طور هدفمند، تنها برای دسته‌ای از دارایی‌ها با ویژگی‌های مشخص استفاده کرد. هدف نهایی و اساسی این پژوهش، توسعۀ مدلی نوآورانه است که به‌جای حضور یک عامل به‌صورت صفر و یک در مدل قیمت‌گذاری، حضور عامل برای بعضی از دارایی‌ها را بر اساس شرایط و معیارهای مشخص در نظر بگیرد. روش: برای بررسی عملکرد مدل‌های قیمت‌گذاری آستانه‌ای، از داده‌های شرکت‌های بازار سرمایۀ ایران در بازۀ زمانی 1380 تا 1402 بعد از اعمال فیلترهای رایج برای آزمون مدل‌های قیمت‌گذاری استفاده شده است. به‌منظور بررسی اثر آستانه‌ای در بررسی عملکرد مدل‌های قیمت‌گذاری، از تکنیک‌های رگرسیون آستانه‌ای و برای آزمون فرضیه‌های پژوهش، از آزمون GRS و آماره‌های ، ( ) و ( ) استفاده شده است. یافته‌ها: نتایج به‌دست آمده نشان می‌دهد که متغیر فاصله تا نکول، به‌تنهایی یا در حضور سایر ویژگی‌ها، تحت تأثیر اثر آستانه‌ای نسبت بدهی قرار می‌گیرد؛ به‌طوری که رابطۀ معنادار و منفی (فاصله تا نکول کم معادل بازدهی مورد انتظار بالا) برای سهام با نسب بدهی بالا برقرار است و به نظر می‌رسد، استفاده از اثر آستانه متغیرهای تأثیرگذار بر بازدهی دارایی در رگرسیون‌های مقطعی، امکان بررسی دقیق‌تری از اثر متغیرها بر بازدهی سهام انفرادی را فراهم می‌آورد. همچنین اضافه شدن عامل ریسک نکول به مدل‌های قیمت‌گذاری مورد بررسی، توان توضیح‌دهندگی و قدرت پیش‌بینی مدل‌ها را برای دارایی‌های آزمون با آستانه بدهی بالا افزایش می‌دهد. نتیجه‌گیری: نتایج حاصل نشان می‌دهد که برای رعایت اصل اختصار در مدل‌های قیمت‌گذاری، می‌توان از مدل‌های قیمت‌گذاری آستانه‌ای، برای توسعۀ مدل‌های قیمت‌گذاری و قیمت‌گذاری بخشی از دارایی‌های آزمون با ویژگی‌ها خاص بهره برد و در توضیح‌دهندگی و عملکرد برون نمونه‌ای نتیجه مناسب را دریافت کرد.
کلیدواژه‌های فارسی مقاله نکول،فاصله تا نکول،اثر آستانه‌ای،قیمت‌گذاری دارایی‌ها،
عنوان انگلیسی Developing "Multifactor Asset Pricing Models" Using Threshold Regression Approach and Credit Risk Factor
چکیده انگلیسی مقاله Objective This study aims to develop threshold asset pricing models to enhance the performance of common multi-factor models. Over the past thirty years, asset pricing models have evolved by incorporating pricing anomalies as new factors that previous models could not explain, leading to the introduction of hundreds of such factors. This proliferation underscores the importance of the “parsimony” principle, which advocates for models with minimal factors and maximal explanatory power. Given the abundance of potential variables influencing asset returns, it is essential to seek models that balance simplicity and effectiveness. In line with this principle, this study proposes threshold asset pricing models where the proposed factors are applied selectively to certain companies rather than universally. Through cross-sectional tests and threshold cross-sectional regression analyses, the research examines the threshold effect of variables such as credit risk on expected returns, using the debt ratio as a threshold variable. It is anticipated that the impact of credit risk or financial distress on expected returns will differ across various levels of indebtedness. If the threshold effect of the debt ratio proves significant, credit risk factors can be applied selectively to specific groups of assets with particular characteristics in time-series tests. The ultimate goal is to develop a model that, instead of incorporating factors in a binary manner, considers their presence for certain assets based on threshold conditions. This approach aims to maximize explanatory power while adhering to the parsimony principle, ultimately improving the effectiveness of asset pricing models by using factors only where they are most relevant.   Methods To evaluate the performance of threshold asset pricing models, data from companies in the Iranian capital market (2001-2023) were used after applying common filters. Threshold regression techniques investigated the threshold effect, and the GRS test along with A(|aᵢ|), A(|aᵢ|/|r̄ᵢ|), and AR², tested the research hypotheses.   Results The results demonstrate that the distance-to-default variable, both individually and in conjunction with other characteristics, is influenced by the threshold effect of the debt ratio. Specifically, there is a significant negative relationship—where a lower distance-to-default corresponds to higher expected returns—for stocks with high debt ratios. This indicates that for companies with higher leverage, investors demand greater returns due to the increased risk of default. Utilizing the threshold effect of variables affecting asset returns in cross-sectional regressions allows for a more precise and detailed analysis of how these variables impact individual stock returns. Additionally, incorporating the default risk factor into the examined asset pricing models enhances their explanatory power and predictive ability, especially for test assets with high debt thresholds. This improvement highlights the effectiveness of considering threshold effects in the models, as it increases their ability to accurately predict returns for assets that are more susceptible to default risk due to higher levels of indebtedness.   Conclusion The results suggest that to adhere to the parsimony principle, threshold asset pricing models can be used to develop pricing models and price a subset of test assets with specific characteristics, yielding appropriate results.
کلیدواژه‌های انگلیسی مقاله نکول,فاصله تا نکول,اثر آستانه‌ای,قیمت‌گذاری دارایی‌ها
نویسندگان مقاله هادی قره باغی |
دانشجوی دکتری، گروه مهندسی مالی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

محمود بت شکن |
استادیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

نشانی اینترنتی https://jfr.ut.ac.ir/article_101363_9577e514339be70fe2b23f93fac8292f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات