تخمین مدل نرخ سقوط بازار مالی در ایران با تاکید بر رفتارهای پویای شاخص سهام آزاد شناور و بازده نقدی

نویسندگان

    معصومه دارابی گروه علوم اقتصادی، واحد کرج، دانشگاه آزاد اسلامی، البرز، ایران
    غلامرضا زمردیان * گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. Zomordian@gmail.com
    بهمن بنی مهد گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، البرز، ایران
    میرفیض فلاح شمس گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

کلمات کلیدی:

نرخ سقوط بازار مالی , رفتارهای پویای , شاخص سهام آزاد شناور , بازده نقدی , شاخص صنعت

چکیده

به جرات می‌توان گفت ریزش‌های یکباره بازارهای مالی در صد سال گذشته یکی از اتفاقات بزرگ جوامع انسانی بوده است؛ اتفاقی که علاوه بر ضرر رساندن به گروه عظیمی از سرمایه‌گذاران سبب تصمیم‌های بزرگی نیز شده است. رخداد بحران¬های مالی اخیر در سطح جهان و به¬دنبال آن، ریزش یکباره قیمت سهام شرکت¬ها در بازارهای مالی و متضرر شدن تعداد زیادی از سرمایه¬گذاران، توجه بسیاری از پژوهشگران و محققان مالی را به موضوع سقوط بازارهای مالی و پیش¬بینی آن جلب کرده است. سقوط قیمت بازارهای مالی ضرر و زیان قابل توجهی به ثروت سرمایه گذاران وارد می¬کند و باعث کاهش اعتماد آنها به بازار سرمایه می¬شود. در این مطالعه به بررسی موضوع تخمین مدل نرخ سقوط بازار مالی در ایران با تاکید بر رفتارهای پویای شاخص سهام آزاد شناور و بازده نقدی با استفاده از اقتصاد سنجی سریهای زمانی پرداخته شده است. دوره زمانی تحقیق حد فاصل سالهای 1375 تا 1402 در ایران می باشد. تخمین مدل با استفاده از تکنیک خودرگرسیون برداری با وقفه های توزیعی گسترده ARDL صورت پذیرفته است. این مطالعه از منظر هدف کاربردی و از منظر ماهیت تحلیلی توصیفی می باشد همچنین در دسته تحقیقات پس رویدادی قرار گرفته است. مطابق با نتیجه تخمین مدل شاخص سهام آزاد شناور دارای ضریبی برابر با 0.173730- می باشد و احتمال محاسباتی برای این ضریب برابر با 0.0046 می باشد که نشان از تاثیر معنادار در سطح اطمینان 95% درصد بر نرخ سقوط بازار مالی در ایران طی دوره زمانی تحقیق دارد. ضریب متغیر شاخص بازده نقدی در مدل برابر 0.213467- می باشد و احتمال متناظر با آن برابر با 0.0061 می باشد که نشان می دهد شاخص بازده نقدی نیز بر نرخ سقوط بازار مالی در ایران دارای تاثیر معنادار در بازه خطای 5درصد می باشد. ضرایب متغیرهای شاخص 50 شرکت برتر بورس، شاخص مالی و شاخص صنعت (با یک دوره وقفه) به ترتیب برابر با 0.949789- و 0.755780- و 0.514797- می باشند و احتمالات محاسباتی برای این ضرایب به ترتیب برابر با 0.0018 و 0.190 و 0.0212 می باشند که نشان از این موضوع دارد که این متغیرها نیز بر نرخ سقوط بازار مالی در ایران دارای تاثیر منفی و معنادار در سطح اطمینان 95 درصد می باشند.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Abbasi Sir, S., Hashemi Gohar, M., & Faizi, A. (2022). Modeling the factors underlying the behavior of shareholders in the securities market Tehran (Study case: Isfahan Mobarake Steel Company). Modern Researches in Decision Making, 7(1).

Agustia, D., Abdi Muhammad, N., & Permatasari, Y. (2020). Earnings management, business strategy, and bankruptcy risk: evidence from Indonesia. Heliyon, 6(2), e03317. https://doi.org/10.1016/j.heliyon.2020.e03317

Akarsu, S., & Suer, Ö. (2022). How investor attention affects stock returns? Some international evidence. Borsa Istanbul Review, 22(3), 616-626. https://doi.org/10.1016/j.bir.2021.09.001

Akbulut, O. Y., & Hepşen, A. (2021). Finansal Performans ve Pay Senedi Getirileri Arasındaki İlişkinin Entropi ve CoCoSo ÇKKV Teknikleriyle Analiz Edilmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 6(3), 681. https://doi.org/10.30784/epfad.945770

Akono, H., Karim, K., & Nwaeze, E. (2019). Analyst rounding of EPS forecasts and stock recommendations. Advances in Accounting, 44, 68-80. https://doi.org/10.1016/j.adiac.2018.10.002

Akyildirim, E., Bariviera, A. F., Nguyen, D. K., & Sensoy, A. (2022). Forecasting high-frequency stock returns: A comparison of alternative methods. Annals of Operations Research. https://doi.org/10.1007/s10479-021-04464-8

Alnafea, M., & Chebbi, K. (2022). Does investor sentiment influence stock price crash risk? Evidence from Saudi Arabia. The Journal of Asian Finance, Economics and Business, 9(1), 143-152.

Amini Mehr, A., Bajalan, S., & Hekmat, H. (2021). A Study on Return Data Behavior in Tehran Stock Exchange and a Regime Change Prediction Method Based on Deep Neural Networks. Financial Management Outlook, 11, 145-171. https://doi.org/10.52547/jfmp.11.34.145

Andrew, X., Chen, Y., & Supasanya, S. (2024). Forecasting Stock Market Crisis Events Using Machine Learning Methods. Crisis Alert.

Arbatli, E. C., Firat, M., Furceri, D., & Verrier, J. (2022). U.S. Monetary Policy Shock Spillovers: Evidence from Firm-Level Data.

Asadi, G., & Kazemi, K. (2018). Study of the Relationship Between Stock Price Crash Risk Using Negative Skewness and Dividend Policy in Companies Listed on Tehran Stock Exchange. Financial Management Outlook, 22, 9-28.

Azadi, K., AzizMohammadlou, H., Tasaddi Kari, M., & Khedmatgozar, H. (2021). The Effect of Financial Statement Readability on Stock Price Crash Risk and Shareholder Behavior. Financial Accounting Knowledge, 8(1), 121-144.

Boshkouh, M., & Keshavarz, F. (2018). Examining the Relationship Between Managerial Overconfidence and Stock Price Crash Risk. Financial Management Strategy, 6(2), 192-217.

Dastgir, M., Sakiani, A., & Salehi, N. (2019). The Effect of Financial Constraints on Stock Price Crash Risk Considering Accruals Effect. Accounting Knowledge Journal, 10(36), 67-90.

Eqtesad, A., & Mohammadi, O. (2023). Portfolio Optimization Through Expected Return Forecasting Using LSTM Neural Network, Random Forest, and ARIMA. Financial Management Outlook, 13(43), 9-28.

Haghighi Naeini, K., Khanjani, M., & Rastgar Sorkheh, M. (2023). A Combined VMD-LSTM Model for Predicting Tehran Stock Market Prices. 1st International Conference on Management, Industrial Engineering, Accounting and Economics Empowerment, Babol.

Hassas Yeganeh, Y., & Moloudi, A. (2011). Corporate Governance and Shareholder Value Creation. Industrial Management Studies, 9(23), 233-261.

Heydarpour, F., & Khajeh Mahmoud, Z. (2014). The Relationship Between EPS Forecasting Characteristics by Management and Risk and Firm Value Aimed at Foresight in Decision-Making. Financial Analysis of Securities, 7(2), 25-46.

Kargar, R., Bayat, A., Mohammadi, A., & Mohammadi, M. (2023). Designing a Financial System Dynamics Model to Predict Performance Variables in Selected Companies on Tehran Stock Exchange. Islamic Economy and Banking Quarterly(44), 407-437.

Nguyen, A. T., & Nguyen, N. T. (2024). How does investor sentiment affect stock market crash risk? Evidence from Asia-Pacific markets. Cogent Economics & Finance, 12(1), 2422959. https://doi.org/10.1080/23322039.2024.2422959

Tamrinia, A., Moradzadeh Fard, M., Nazari, R., & Bani Mahd, B. (2023). A Combined Model for Predicting Financial Crises Based on Free Cash Flows: Evidence from Iran's Capital Market. Investment Knowledge, 12(46), 757-784.

Zhou, L., Chen, D., & Huang, J. (2023). Stock-level sentiment contagion and the cross-section of stock returns. North American Journal of Economics and Finance, 68, 101966. https://doi.org/10.1016/j.najef.2023.101966

Zhu, Y., & Fang, W. (2023). The Complexity Behavior of Big and Small Trading Orders in the Chinese Stock Market. Entropy, 25, 102. https://doi.org/10.3390/e25010102

دانلود

چاپ شده

۱۴۰۳/۰۳/۲۱

ارسال

۱۴۰۲/۱۲/۲۰

بازنگری

۱۴۰۳/۰۲/۱۲

پذیرش

۱۴۰۳/۰۲/۲۰

شماره

نوع مقاله

Articles

ارجاع به مقاله

دارابی م. .، زمردیان غ.، بنی مهد ب. .، و فلاح شمس م. . (1403). تخمین مدل نرخ سقوط بازار مالی در ایران با تاکید بر رفتارهای پویای شاخص سهام آزاد شناور و بازده نقدی. حسابداری، امور مالی و هوش محاسباتی، 2(1)، 32-50. https://jafci.com/index.php/jafci/article/view/112

مقالات مشابه

1-10 از 66

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.