پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,036 |
| تعداد مشاهده مقاله | 125,508,972 |
| تعداد دریافت فایل اصل مقاله | 98,772,255 |
Modeling Asset Pricing Using Behavioral Variables: Fama-Macbeth Approach | ||
| Interdisciplinary Journal of Management Studies (Formerly known as Iranian Journal of Management Studies) | ||
| دوره 14، شماره 3، مهر 2021، صفحه 547-564 اصل مقاله (835.88 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/ijms.2020.303308.674087 | ||
| نویسندگان | ||
| Mohammad Nasiri؛ Fatemeh Sarraf* ؛ Nowrouz Nourollahzadeh؛ Mohsen Hamidian؛ Yadollah Noorifard | ||
| Department of Accounting, Faculty of Economics and Accounting, Islamic Azad University, South Tehran Branch, Tehran, Iran | ||
| چکیده | ||
| Investors generally make decisions based on risk and stock returns, and their decisions are influenced by two factors, namely macroeconomic variables and microeconomic variables. The behavioral factors affecting investment decisions are investigated in the area of behavioral finance. In other words, behavioral finance focuses on specific human behavior attributes and their utilization in asset pricing. Behavioral asset pricing is the result of applying behavioral finance theories within traditional asset pricing theories. Although there are many asset-pricing models, due to their weaknesses and incompleteness as well as the necessity of investigating behavioral factors, this study attempted to model asset pricing using behavioral models.The population of the study included all listed firms in Tehran Stock Exchange over the years 2008 to 2018, and the sample was selected through systematic elimination of the population. Given these conditions, 141 firms were selected as the sample. The hypotheses were then tested by designing multivariate regression models.The results showed that using Fama-Macbeth approach, accounting information risk, investors’ trading behavior, and investors' sentiments had a significant and direct impact on firms’ stock returns.Thus, it is argued that behavioral variables can play a significant role in Modeling Asset Pricing. | ||
| کلیدواژه‌ها | ||
| Accounting information risk؛ Investors’ trading behavior؛ Investors' sentiment stock returns؛ Fama-Macbeth approach | ||
| عنوان مقاله [English] | ||
| قیمت گذاری دارایی ها با بکار گیری متغیرهای رفتاری :رویکرد فاما -مکبث | ||
| نویسندگان [English] | ||
| محمد نصیری؛ فاطمه صراف؛ نوروز نوراله زاده؛ محسن حمیدیان؛ یدالله نوری فرد | ||
| گروه حسابداری ،دانشکده اقتصاد و حسابداری ، دانشگاه آزاد اسلامی ،واحد تهران جنوب ، تهران ،ایران | ||
| چکیده [English] | ||
| سرمایه گذاران به طور کلی بر اساس ریسک و بازده سهام تصمیم گیری می کنند و تصمیم آنها تحت تأثیر دو عامل متغیرهای کلان اقتصادی و متغیرهای خرد اقتصادی است. عوامل رفتاری مؤثر بر تصمیمات سرمایه گذاری در حوزه مالی رفتاری مورد بررسی قرار می گیرند. به عبارت دیگر ، تأمین مالی رفتاری بر ویژگیهای خاص رفتار انسان و استفاده از آنها در قیمت گذاری دارایی متمرکز است. قیمت گذاری دارایی رفتاری نتیجه اعمال نظریه های مالی رفتاری در نظریه های قیمت گذاری دارایی های سنتی است. علیرغم بسیاری از مدل های قیمت گذاری دارایی ، به دلیل ضعف و ناقص بودن آنها و همچنین لزوم بررسی عوامل رفتاری ، این مطالعه سعی در مدل سازی قیمت گذاری دارایی با استفاده از مدل های رفتاری دارد. جامعه آماری این مطالعه شامل کلیه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 2008 تا 2018 بوده و نمونه گیری از طریق حذف سیستماتیک جامعه انتخاب شده است. با توجه به این شرایط ، 141 بنگاه به عنوان نمونه انتخاب می شوند. گفتنی است این فرضیه ها با طراحی مدل های رگرسیون چند متغیره مورد آزمایش قرار می گیرند. نتایج نشان می دهد که با استفاده از روش فاما مکبث ، ریسک اطلاعات حسابداری؛ رفتار معاملات سرمایه گذاران و احساسات سرمایه گذاران تأثیر معنادار و مستقیمی بر بازده سهام بنگاه ها دارد. بنابراین ، استدلال می شود که متغیرهای رفتاری می توانند نقش مهمی در مدل سازی قیمت گذاری دارایی داشته باشند. | ||
| کلیدواژه‌ها [English] | ||
| ریسک اطلاعات حسابداری, رفتار معاملاتی سرمایه‌گذاران, تمایلات سرمایه‌گذاران, بازده سهام, رویکرد فاما-مکبث | ||
| مراجع | ||
|
Adusei, M. (2014). The Inflation-Stock market returns Nexus: Evidence from the Ghana Stock Exchange. Journal of Economics and International Finance, 6(2), 38-46. Azar, A., & Momeni, M. (2005). Statistics and its application in management. Tehran: Samat. Antypas, A., Caporale, G., Kourogenis, N., & Pittis, N. (2020). Estimation of conditional asset pricing models with integrated variables in the beta specification. Research in International Business and Finance, 52, 101-148. Bozorg Asl, M., & Razavi, S. M. (2008). The relationship between stock returns of listed firms in Tehran Stock Exchange and some macroeconomic variables. Experimental Studies of Financial Accounting, 27, 97-118. Chauhan, Y., Ahmad, N., Aggarwal, V., & Chandrad, A. (2019). Herd behavior and asset pricing in the Indian Stock Market. IIMB Management Review,…[H1] 32(2),143-152doi: https://doi.org/10.1016/j.iimb.2019.10.008. Chen, Z., Lin, W. T., Ma, C., & Tsai, S. (2014). Liquidity provisions by individual investor trading prior to dividend announcements: Evidence from Taiwan. The North American Journal of Economics and Finance, 28, 358–374. Choi, Y., & Lee, S. S. (2017). Realized skewness and future stock returns:The role of information.Economics, 7(3), 359-378. Conrad, J., Robert, F. D., & Eric, G. (2016). Ex ante skewness and expected stock returns. Journal of Finance, 68(1), 85-124. De Long, J., Shleifer, A., Summers, L., & Waldmann, R. (1990). Noise trader risk in financial markets. Journal of Political Economy, 98(4), 703-738. Derakhshandeh, S. H., & Ali Ahmadi, S. (2017). Assessing the role of investors' beliefs on price orientation and trading volume in the capital market. Financial Knowledge of Securities Analysis, 10(33), 51-63. Easley, D., & O'hara, M. (2004). Informationandthe cost of capital. The Journal of Finance, 59, 1553-1583. Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3–56. Fong, W. M., & Toh, B. (2014). Investor sentiment and the MAX effect. Journal of Banking & Finance, 46, 190–201. Hejazi, R., Mir Hossein, M., & DaneshvarFarhad, M. (2015). The impact of market, liquidity, and momentum on major stock price changes. Financial Accounting and Auditing Research, 7(26), 1-19. Higson, A. (2003). Corporate financial reporting-theory & practice. Sage Publications Ltd. Hughes, J. S., & Liu, J. (2007). Information asymmetry, diversification, and cost of capital. TheAccounting Review[H2] ,82(3), 705–729. Jorgensen, B., & Li Jing, S. G. (2012). Earnings dispersion and aggregate stock returns.Journal of Accounting and Economics[H3] ,53(1-2), 53-69. Kardan, B., Vadi’ee, M. H., & ZolfagharArani, M. (2017). The role of investors’ behaviors (sentiments and emotions) in firms valuation. Accounting Knowledge, 8(4), 7-35. Khajavii, S., & Fa’al Qayyum, A. (2016). The role of information dissemination on the relationship between skewness and future stock returns. Financial Research, 18(1), 129-148. Kumar, A., & Lee, C. (2006). Retail investor sentiment and return comovements. Journal of Finance, 61(5), 2451-2486. Lambert, R., Leuz, C., & Verrecchia, R. (2012). Information asymmetry, information precision, and the cost of capital. Review of Finance, 16, 1-29. Li, H., Guo, Y., & Park, S. (2018). Asymmetric relationship between investors' sentiment and stock returns: Evidence from a quantilenon‐causality test. International Reviw of Finance, 17(4[H4] ),617-626, https://doi.org/10.1111/irfi.12120. Lin, S. (2014). A Test of the role of behavioral factors for asset pricing. University Of California. Luo, M., Jiang, D., & Cai, J. (2014). Investor sentiment, product features, and advertising investment sensitivities. Asia-Pacific Journal of Financial Studies, 43(6), 798-837. Paraboni, A., BruttiRighi, M., Vieira, K., & Silveira, V. (2018). The relationship between sentiment and risk in financial markets. Brazilian AdministrationReview[H5] , [online] ,15(1), e170055 http://dx.doi.org/10.1590/1807-7692bar2018170055. Pasquariello, P. (1999). The fama-macbeth approach revisited. New York: New York University–Stern School of Business Working Paper. Raheel, S., & Yan, C. (2017). Information risk, stock returns, and asset pricing: Evidence from China. Accounting Research Journal[H6] , 30(4),379-394 https://doi.org/10.1108/ARJ-04-2015-0057. Ritter, J. R. (2003). Behavioral finance. Pacific-Basin Finance Journal, 11(4), 429-437. Saeedi, A., & Farhanian, M. J. (2015). Fundamentals of behavioral economics and finance (2nd ed.). Exchange Publications. Salehi, M., Hejazi, R., Talibnia, Q. .., & Amiri, A. (2020). Provide an adjusted model of capital asset valuation models using financial distress risk and company life cycle. Financial Management Strategy, 7(24), 95-122. Seif Elahi, R., Kordloui, H., & Dashti, N. (2015). A comparative study of behavioral factors in investing financial assets. Journal of Investment Knowledge Research, 4(15), 33-52. Schiller, R. J. (2014). Speculative asset prices. American Economic Review, 104(6), 1486–1517. Statman, M. (2014). Behavioral finance: Finance with normal people. Borsa Istanbul Review, 14, 65-73. Xin-ke, J. (2014). Comparison and analysis of CAPM and BAPM models. In Xin-ke, J …[H7] (Eds.), International conference on electronic, industrial and control engineering, (pp. 62-65), Shenyang, China.…[H8] Yang, C., & Zhou, L. (2015). Investor trading behavior, investor sentiment and asset prices. North American Journal of Economics and Finance , 34, 42–62. Yang, C.; Zhou, L. (2015). Investor trading behavior, investor sentiment and asset prices. North American Journal of Economics and Finance , 34, 42–62. Zaremba, A., & Konieczka, P. (2017). Momentum, Value, Size and Liquidity Factors in the Polish Market. Retrieved 08 01, 2017, from http://ssrn.com/abstract=2349875. | ||
|
آمار تعداد مشاهده مقاله: 1,071 تعداد دریافت فایل اصل مقاله: 1,529 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب