پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,652 |
| تعداد مقالات | 13,415 |
| تعداد مشاهده مقاله | 30,728,922 |
| تعداد دریافت فایل اصل مقاله | 12,121,317 |
بررسی تأثیر چرخه های تجاری و تکانه های فناوری سرمایه ای بر بازده سهام در بورس اوراق بهادار تهران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مدیریت دارایی و تامین مالی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 6، دوره 8، شماره 3 - شماره پیاپی 30، مهر 1399، صفحه 103-122 اصل مقاله (1.06 M) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مقاله پژوهشی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| شناسه دیجیتال (DOI): 10.22108/amf.2020.118715.1454 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| منصور زراءنژاد* 1؛ مسعود خداپناه2؛ ابراهیم انواری3؛ نساء گودرزی زاده4 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1استاد، گروه اقتصاد، دانشکدۀ اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2دانشیار گروه علوم اقتصادی دانشکده اقتصاد و علوم اجتماعی دانشگاه شهید چمران اهواز، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3استادیار، گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 4کارشناس ارشد، گروه اقتصاد، دانشکدۀ اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| هدف: یکی از معیارهای اساسی تصمیمگیری برای خرید و فروش اوراق بهادار در بورس اوراق بهادار، بازده سهام است؛ به همین دلیل بررسی عوامل مؤثر بر بازده سهام ضروری است. تکانه‌های فناوری سرمایه‌ای و چرخه‌های تجاری از عوامل تأثیرگذار بر بازده سهام هستند؛ از این رو هدف این مقاله بررسی تأثیر چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام در بورس اوراق بهادار تهران است. روش: نمونۀ آماری بررسیشده، تمامی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران طی دورۀ زمانی 1370 تا 1397 است. دادهها با استفاده از مدل خودرگرسیون با وقفههای گسترده، تجزیه و تحلیل و روابط کوتاهمدت و بلندمدت بین متغیرهای موجود برآورد شده است. نتایج: براساس نتایج این پژوهش چرخه‌های تجاری، تکانه‌های فناوری سرمایه‌ای و نرخ بهره در بلندمدت، اثر مثبت و معناداری بر بازده سهام دارند. . | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژه‌ها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| بازده سهام؛ چرخه های تجاری؛ تکانه های فناوری سرمایه ای؛ خودرگرسیون با وقفه های گسترده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
مقدمه. ازنظر اقتصادی، بازارهای مالی از دو بخش بازار پول و بازار سرمایه تشکیل میشوند. بازار پول، بازار مبادلۀ منابع کوتاهمدت با حداکثر سررسید یک دورۀ مالی (معمولاً بهطور معمول یک سال) است و بازار سرمایه مختص به منابع بلندمدت است و امکان مبادلۀ منابع را میان دارندگان مازاد منابع و متقاضیان منابع فراهم میکند. هرکشور برای رسیدن به رشد و توسعۀ اقتصادی به سرمایهگذاریهای کلان نیازمند است؛ بنابراین وجود بازار سرمایه‌ای کارآمد لازمۀ تأمین مالی بلندمدت طرحهای اساسی هر کشور است. در ایران رکن اصلی بازار سرمایه، بورس اوراق بهادار است. بورس اوراق بهادار با تجهیز منابع مالی به فرصتهای کارای سرمایه‌گذاری، علاوهبر آنکه از فشار تقاضا میکاهد، تواناییهای تولید و عرضه اقتصاد را بهنحو مناسبی شکوفا میکند. برآیند این دو حرکت زمینهساز فضای مطلوب برای سرمایه‌گذاری و رشد اقتصادی است (یانگ[1]، 2019؛ نوسر و کوگلر[2]، 1998). یکی از معیارهای مهم در تصمیمگیری برای خرید و فروش اوراق بهادار در بورس اوراق بهادار، بازده سهام است. بازده سهام بهتنهایی دارای محتوای اطلاعاتی است و بسیاری از سرمایهگذاران در تجزیه و تحلیل مالی و پیشبینی از آن استفاده میکنند )هندریکسون و ونبردا[3]، 1992؛ عسکرنژاد نوری، 1397). فعالیتهای سازمان بورس اوراق بهادار زمینه را برای تشویق مردم به سرمایه‌گذاری در سهام شرکتها و جذب نقدینگی و هدایت آن در چرخۀ اقتصادی فراهم میکند. امروزه بهدلیل گسترش فعالیتهای اقتصادی، توسعۀ بازارهای مالی و سرمایه‌گذاری برای رسیدن به بازده مطلوب اهمیت فراوانی دارد (مکمیلان[4]، 2019؛ حیدری، محمدزاده و رفاحکهریز، 1397). برای تصمیمگیری درست و بهموقع و کسب سود مورد انتظار، دسترسی به اطلاعات درست و بهموقع و تجزیه و تحلیل دقیق بسیار مهم است. ازجمله اطلاعات مالی مورد انتظار، اطلاعات مربوط به بازده سهام است؛ به همین دلیل بررسی عوامل مؤثر بر بازده سهام ضروری است. بازده سهام تحتتأثیر چرخه‌های تجاری[5] و تکانه‌های فناوری سرمایه‌ای[6] است (پرابهیش و ویدیا[7]، 2018). چرخه‌های تجاری[8] نوعی نوسانهای باقاعده و منظم در فعالیتهای کلان اقتصادی کشور است و اغلب بهوسیلۀ بنگاههای تجاری سازماندهی می‌شود. چرخه‌های تجاری ازطریق سودآوری مورد انتظار سرمایه‌گذاری، بر بازده سهام تأثیر میگذارد؛ مثلاً رونق اقتصادی ممکن است منجر به افزایش تقاضای کل و افزایش تقاضا برای سرمایه‌گذاری شود. این امر به نوبۀ خود بر قیمت سرمایه، نرخ سودآوری مورد انتظار و بازده سهام تأثیر میگذارد. براساس مطالعات انجامشده دربارۀ چرخه‌های تجاری و بازده سهام، چرخه‌های تجاری بر بازده سهام تأثیر میگذارد (بالورز، کوسیمانو و مکدونالد [9]، 1990؛ کمپل و دیبولد[10]، 2009). تکانه‌های فناوری سرمایه‌ای[11] عاملی کلیدی برای رشد اقتصادی است و از پیشرفتهای فناوری در تولید کالاهای سرمایه‌ای جدید نشأت میگیرد (دوگان[12]، 2019؛ کوگان و پاپانیکولائو[13]، 2014). نوآوری فناوری عاملی کلیدی و اصلی برای رشد اقتصادی است. پیشرفتهای فناوری قدرت تغییر فضای بازار را دارند. اثر نوآوری‌های فناوری بر همۀ شرکتها یکسان نیست؛ برخی از شرکتها از این نوآوری نفع میبرند و بعضی دیگر سهم بازار خویش را از دست میدهند؛ بنابراین تکانه‌های فناوری سرمایه‌ای و بازده سهام به هم مرتبط هستند. ارتباط بین تکانه‌های فناوری سرمایه‌ای و بازده سهام حاکی از تأثیر تکانه‌های فناوری سرمایه‌ای ازطریق پژوهش و توسعه، ثبت اختراعات، تغییرات در بهرهوری عوامل و قیمت سهام، بر بازده سهام است (بلدندل، گریفیت و رینن [14] ، 1999؛ کوکبوم و گریلیچس[15]، 1988)؛ همینطور تکانه‌های فناوری سرمایه‌ای خود موجب تغییر در روند چرخه‌های تجاری می‌شود؛ به این صورت که پیشرفتهای تکنولوژی و فناوری، تجهیزات سرمایه‌ای جدید را ارزانتر و تقاضای سرمایه‌گذاری و نوسانهای تولید را افزایش میدهد (گرینوود، هرکویتس و کرسل[16] ، 1997-2000)؛ بنابراین با پیشرفت در فناوری، سرمایه‌گذاری در بخش کالای سرمایه‌ای، تولید کالای سرمایه‌ای، رونق اقتصادی و بازده سهام افزایش مییابد. جنبۀ نوآوری این پژوهش که بر اهمیت آن میافزاید این است که باوجود تأثیر چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام، تاکنون تأثیر همزمان این دو متغیر، در یک مدل، بر بازده سهام در بورس اوراق بهادار تهران بررسی نشده است. در سطح مطالعات جهانی، برخی مطالعات تأثیر همزمان چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام را بررسی کرده است (پرابهیش و ویدیا، 2018). این پژوهش طی دورۀ زمانی 1370 تا 1397 به روش اقتصادسنجی دادههای سری زمانی و مدل اقتصادسنجی خودرگرسیون با وقفههای گسترده[17] انجام شده است. در بخش دوم این مقاله مبانی نظری تأثیر چرخه‌های تجاری بر بازده سهام، تأثیر تکانه‌های فناوری سرمایه‌ای بر بازده سهام و پیشینۀ پژوهشهای مرتبط با آنها و همینطور مبانی نظری استفادهاز بازده اضافی سهام بیان شده است. بخش سوم روش اقتصادسنجی پژوهش را بررسی میکند. در بخش چهارم یافتههای پژوهش ارائه می‌شود. نتیجهگیری و پیشنهادها در بخش پایانی آمده است.
مبانی نظری. اعتقاد بر این است که بازده سهام را برخی از متغیرهای کلان اقتصادی تعیین میکنند (رنگوید[18]، 2006؛ کمپل و شیلر[19]، 1988). مطالعات نظری برای تبیین ماهیت تغییرات و نوسانهای بازار سهام و عوامل تعیینکنندۀ شاخصهای قیمتی بازار سهام منجر به ارائۀ الگوهای قیمتگذاری شده است. این الگوها نحوۀ اثرگذاری عوامل مختلف بر قیمت سهام و کانالهای این تأثیرگذاری را بررسی میکنند. اهمیت قیمتگذاری داراییهای مالی باعث پیدایش نظریهها و الگوهای گوناگون در نیمقرن اخیر شده است (مارکویتز[20]، 1952؛ شارپ[21]، 1964؛ راس[22]، 1976)؛ همینطور در اتخاذ تصمیم سرمایه‌گذاری در بازار سهام نخستین و مهمترین عامل فراروی سرمایهگذاران، شاخص قیمت سهام است؛ از این رو آگاهی از عوامل مؤثر بر قیمت سهام اهمیت فراوانی دارد. گان[23] (2006) عوامل مؤثر بر قیمت سهام را بهصورت زیر طبقهبندی میکند: عوامل درونی: آن دسته از عوامل مؤثر بر قیمت سهام که در ارتباط با تصمیمات شرکت است. این عوامل شامل عایدی هر سهم[24] (EPS)، سود تقسیمی هر سهم[25] (DPS)، نسبت قیمت بر درآمد ( P/E)، افزایش سرمایۀ تجزیۀ سهام و عوامل درونشرکتی دیگر است. عوامل بیرونی: عواملی که در خارج از اختیارات مدیریت بنگاه است و بهنحوی بر فعالیت آن تأثیر میگذارد. این عوامل آن دسته از وقایع، حوادث و تصمیماتی است که در خارج از بنگاه رخ میدهد، بر قیمت سهام اثرگذار است و به دو دستۀ عوامل سیاسی و عوامل اقتصادی تقسیم می‌شود. عوامل سیاسی، عواملی نظیر جنگ، صلح، قطع رابطۀ سیاسی و اقتصادی با دیگر کشورها، تغییر ارکان سیاسی و روی کار آمدن احزاب سیاسی رقیب است و همۀ این عوامل بر قیمت سهام تأثیر بهسزایی دارد و عوامل اقتصادی مانند رکود و رونق اقتصادی (ادوار تجاری) نیز، بازار سهام را بهشدت متأثر میکند. چرخه‌های تجاری شامل رونق و رکود اقتصادی است. در وضعیت رونق اقتصادی تقاضا برای سرمایه‌گذاری در بازار سهام افزایش مییابد و درنتیجه قیمت سهام بالا میرود. در شرایط رکود اقتصادی بازار سرمایه نیز دچار رکود می‌شود و در این شرایط سرمایه‌گذاری در داراییهای مالی با درآمد ثابت، به سرمایه‌گذاری در بازار سهام ترجیح داده می‌شود و درنتیجه قیمت سهام پایین میآید. رونق اقتصادی منجر به افزایش تولید و تقاضای کل، کاهش نرخ بهره و افزایش تقاضای سرمایه‌گذاری می‌شود. از آنجا که سهام حاکی از حق مالکیت در شرکت است، افزایش در سرمایه‌گذاری، تقاضا برای سهام را افزایش میدهد و نشاندهندۀ پیشبینی مردم دربارۀ سودآوری آتی بنگاه است (منکیو[26]، 1387). در ادبیات اقتصادی، تداوم در سود از رشد بازده سهام نشأت میگیرد (کری، جی و وردی[27]، 2008). بازده سهام مهمترین منبع اطلاعاتی دربارۀ ارزیابی توانایی سودآوری و جریانهای نقدی آتی است و اغلب از آن برای اندازهگیری سودآوری استفاده می‌شود (داتا، اسکندر- داتا و سینق[28]، 2013). وقتی مردم نسبت به وضیت آتی شرکت خوشبین باشند، سودآوری مورد انتظار، تقاضا برای سهام و درنتیجه قیمت و بازده آن افزایش مییابد. در شرایط رکودی، کاهش تولید و تقاضای کل ازطرفی تقاضا برای سرمایه‌گذاری را کاهش و ازطرفی دیگر نرخ بهره را افزایش میدهد. کاهش در سرمایه‌گذاری، تقاضا برای سهام را کاهش میدهد. وقتی مردم به وضعیت آتی شرکت بدبین باشند، سودآوری مورد انتظار، تقاضا برای سهام، قیمت و بازده سهام کاهش مییابد؛ همینطور با توجه به گسترش ارتباطات مالی بین کشورها، تأثیر چرخه‌های تجاری جهانی بر قیمت سهام بازارهای بورس ملی کاملاً محسوس است (منکیو، 1387). با توجه به مطالب یادشده، براساس مبانی نظری چرخه‌های تجاری نقش تعیینکنندهای در بازار سهام دارند. به نمونهای از مطالعات که تأثیر چرخه‌های تجاری بر بازده سهام را بررسی کرده است، به اختصار اشاره می‌شود. بکیروس، شهزاد، آرولا- هرناندز و یور رحمان[29] (2018) نشان دادند بازده سهام و نوسانهای مربوط به آن با چرخۀ تجاری ارتباط معناداری دارد و حساسیت بازده سهام دربرابر چرخۀ تجاری تنها برای مقادیر شدید مشاهدهشدنی است. این امر حاکی از اهمیت مدلسازی غیرخطی و نوع رفتار درهنگام تحلیل روابط میان بازده سهام و چرخۀ تجاری است. ایکسنگیس[30] (2017) نیز نشان داد متغیر چرخۀ کسبوکار در عدم اطمینان، تغییرات بازده دارایی را توضیح میدهد. براساس آزمون سبد، نوسانهای نااطمینانی با پایداری در محدودۀ 32 تا 128 ماه، منجر به کاهش قیمت در حدود 2 درصد در سال می‌شود و صرف ریسک مربوطه مثبت است. چویدهلی، پاپادیمیتریو و شابی[31] (2016) و نیتسچکا[32] (2013) نشان دادند بین دو متغیر بازده سهام و چرخۀ تجاری رابطۀ معناداری وجود دارد. افضلی (1396) نشان داد سطح نگهداشت وجه نقد بر بازده سهام، طی دورۀ مطالعهشده، دارای تأثیر مثبت و معناداری است و با واردکردن متغیر تعدیلگر چرخۀ تجاری ارتباط بین سطح نگهداشت وجه نقد و بازده سهام همچنان مثبت باقی مانده است؛ اما فاقد معناداری آماری است. بروجنی (1393) نشان داد ارتباط معناداری بین متغیر وابستۀ نرخ بازده و سه متغیر مستقل چرخۀ تجاری، نرخ تورم و نرخ بهره وجود دارد؛ این در حالی است که بین نرخ بازده و چرخۀ تجاری و بین نرخ بازده و نرخ تورم، رابطۀ علیتی دوطرفه و بین نرخ بازده و نرخ بهره رابطۀ علیتی یکطرفه وجود دارد. پیشرفت در فناوری عاملی کلیدی و اصلی برای رشد اقتصادی است. افزایش شدید قیمت سهام در دهۀ 1990 بهطور گسترده به رشد روزافزون بهرهوری در اقتصاد جدید نسبت داده شده است (گرینوود و جوانوویز[33]، 1999؛ هال[34]، 2001). این امر باعث شد ارتباط نوآوری‌های فناوری و قیمت سهام در قالب مدل انتظارات عقلایی تبیین و تحلیل و روی تأثیر پیشرفتهای فناوری بر قیمت سهام تأکید شود (مادسن و داویس[35]، 2006). برخی نیز تأثیر انقلاب فناوری اطلاعات و ارتباطات را از کانال رشد بهرهوری بر بازده سهام در قالب الگوی رشد گوردون، مدلسازی کردهاند (کندی، پالم، پیگات و تیریبلپ[36]، 1998). در ارائۀ این نظریهها، به پیشرفتهای فناوری که موجب تحرک جدی سرمایه‌گذاری و تولید کالاهای سرمایه‌ای می‌شود، بیشتر توجه و از این پیشرفت‌ها به تکانه‌های فناوری سرمایه‌ای تعبیر شد. این تکانهها از کانال پژوهش و توسعه، ثبت اختراعات و تغییرات در بهرهوری بر بازده سهام تأثیر میگذارد (گومز، کوگان و یوگو[37] ، 2009؛ گریلیچس[38]، 1988). تکانه‌های فناوری سرمایه‌ای بهصورت افزایش تولید کالاهای سرمایه‌ای نسبت به تولید کالاهای مصرفی تجلی میکند و ازطریق افزایش سرمایه‌گذاری در بخش کالاهای سرمایه‌ای، بر بازده سهام تأثیر میگذارد (پاپانیکولائو[39]، 2011). بنگاه اقتصادی دراثر تکانه‌های فناوری سرمایه‌ای در تولید کالاهای سرمایه‌ای، ارزش سهام خود را افزایش میدهد (لی[40]، 2013). با توجه به مطالب یادشده، براساس مبانی نظری تکانه‌های فناوری سرمایه‌ای نقش تعیینکنندهای بر بازده سهام دارد. به نمونهای از مطالعات که تأثیر تکانه‌های فناوری سرمایه‌ای بر بازده سهام را بررسی کرده است، به اختصار اشاره می‌شود. گارلاپی و سونگ[41] (2016) نشان دادند تکانه‌های فناوری سرمایه‌ای بازده سهام را در دادههای مقطعی توضیح نمیدهد؛ اما نتایج بررسی دادههای سری زمانی نشان داد تکانه‌های فناوری سرمایه‌ای قدرت توضیح تغییرات بازده سهام را دارد. کوگان و پاپانیکولائو (2013) نشان دادند ویژگیهای شرکت با نسبت فرصتهای رشد به ارزش شرکت همبستگی دارد و تکانه‌های فناوری سرمایه‌ای موجب تفاوت در بازده سهام شرکتها می‌شود. مادسن و داویس (2006) نشان دادند نوآوری‌های فناوری ازطریق پژوهش و توسعه و رشد بهرهوری بر قیمت سهام و درنتیجه بازده سهام تأثیر میگذارد. بلدندل، گریفیت و رینن[42] (1999) نشان دادند افزایش رقابت در بازار محصولات باعث تحریک فعالیتهای نوآورانه می‌شود و نوآوری‌های فناوری و اختراعات بر سهم بازار اثر مثبت و معناداری دارد. شرکتهایی که سهم بازار بیشتری دارند تأثیر نوآوری‌های فناوری بر ارزش بازار بالاتری دارند. گفتنی است که دربارۀ تأثیر تکانه‌های فناوری سرمایه‌ای بر بازده سهام در ایران، مطالعهای یافت نشد. طبق شواهد، در پژوهشهایی که تاکنون انجام شده است، تأثیر تکانه‌های فناوری سرمایه‌ای بر بازده سهام در بورس تهران و همینطور تأثیر همزمان چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام در بورس تهران بررسی نشده است و تنها یک مطالعه تأثیر همزمان چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام را بررسی کرده است. پرابهیش و ویدیا (2018) نشان دادند چرخه‌های تجاری بر بازده سهام تأثیر مثبت دارد؛ اما اثر تکانه‌های فناوری سرمایه‌ای بر بازده سهام نسبتاً ضعیف است. در ادامه، بهطور کوتاه مبانی نظری استفاده از بازده اضافی سهام در جایگاه یکی از شاخصهای اندازهگیری بازده سهام در بورس اوراق بهادار، بیان می‌شود. سرمایهگذاران درهنگام تصمیمات مالی، به مبحث ریسک، قیمت آتی سهام و درنتیجه بازده سهام بهشکل کاملاً متفاوت از نظریههای مالی سنتی توجه میکنند. سرمایهگذاران همواره بهصورت عقلایی عمل نمیکنند و تحت ویژگیهای روانشناختی خود، تصمیمات غیرعقلایی میگیرند؛ به همین دلیل رفتار آنها در انتخاب سبد سهام با هم متفاوت است؛ در این حالت بازده سهام از بازده متوسط بیشتر و سبب ایجاد بازده اضافی سهام می‌شود (دوکاس و لی[43]، 2009)؛ از این رو گروهی از پژوهشگران مالی با پذیرش پدیدههای رفتاری و روانشناختی، نظریۀ مالی جدیدی را با نام نظریۀ مالی رفتاری بنا کردند و نقطۀ عطف جدیدی در زمینههای پژوهشهای مالی به وجود آوردند. نظریۀ مالی رفتاری[44] ترکیبی از اقتصاد کلاسیک و مالی با روانشناسی و علوم تصمیمگیری است و بهدنبال توضیح و تشریح پدیدههای غیرعادی مشاهدهشده در حوزۀ مالی است (فولر[45]، 2000). در نظریۀ مالی رفتاری ویژگیهای قیمت داراییها در جایگاه انحراف از ارزش ذاتی تفسیر میشوند و بیان می‌شود علت این انحرافات وجود سرمایهگذاران غیرعقلایی در اقتصاد است؛ در حالی که در نظریۀ مالی سنتی، عقلانیت کامل سرمایهگذاران و تصمیمگیری برمبنای بیشینهسازی مطلوبیت مورد انتظار دو فرض اساسی است. براساس این نظریه بهدلیل حاکمیت عقلانیت کامل، قیمت اوراق بهادار برابر با ارزش ذاتی و بازار کارا است. در بازاری کارا هیچکدام از استراتژیهای سرمایه‌گذاری بازده اضافی بر بازده تعدیلشده با ریسک ایجاد نمیکند (فاما[46]، 1970)؛ بنابراین از آنجا که در واقعیت، بازار بهصورت عقلایی عمل نمیکند و ناکارا است، نظریۀ مالی سنتی نقض می‌شود و نظریۀ مالی رفتاری استفاده می‌شود که در شرایط غیرعقلایی و ناکارا پدیدههای مالی را توصیف میکند. شاخص اصلی در نظریۀ مالی رفتاری، بازده اضافی است؛ به همین دلیل از میان شاخصهای متعدد در بورس اوراق بهادار، از شاخص بازده اضافی سهام که در این مقاله موضوعیت دارد، در نقش متغیر وابسته استفاده می‌شود. با توجه به مبانی نظری و پیشینۀ مطرحشده، فرضیههای پژوهش به شرح زیر است: فرضیۀ اول: چرخه‌های تجاری ایران بر بازده سهام در بورس اوراق بهادار تهران تأثیر مثبت دارد. فرضیۀ دوم: تکانه های فناوری سرمایه‌ای بر بازده سهام در بورس اوراق بهادار تهران تأثیر مثبت دارد. فرضیۀ سوم: چرخه‌های تجاری جهانی بر بازده سهام در بورس اوراق بهادار تهران تأثیر مثبت دارد.
روش پژوهش. برای بررسی اثر چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام در بورس تهران از روش اقتصادسنجی دادههای سری زمانی، مدل اقتصادسنجی خودرگرسیون با وقفههای گسترده و نرمافزار ایویوز 10 استفاده شده است. برای بررسی اثر چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام، دو مدل بهصورت جداگانه تصریح و تخمین زده می‌شود. مدل اول شامل متغیرهای تکانه‌های فناوری سرمایه‌ای، چرخه‌های تجاری ایران، نرخ بهره و بازده اضافی سهام است. در مدل دوم چرخه‌های جهانی به متغیرهای مدل اول اضافه می‌شود.
در مدل فوق Ri,t نشانگر بازده اضافی سهام در دورۀ است و از دادههای سپردههای سرمایه‌گذاری بلندمدت محاسبه شدهاست. ISTS تکانه‌های فناوری سرمایه‌ای است و بهصورت نسبت قیمت کالای سرمایه‌ای به کالای مصرفی اندازهگیری می‌شود (گرینوود، هرکویتز و کروسل، 1997). فرمول محاسبۀ این شاخص بهصورت است و درآن PI شاخص ضمنی سرمایه‌گذاری و PC شاخص ضمنی مصرف است (ماندلمن، رابانال، روبیو- رامیرز و ویلان[47]، 2011). شاخص ضمنی مصرف از نسبت مصرف نهایی خصوصی (در قیمت جاری) به هزینۀ مصرف نهایی خصوصی (در قیمت ثابت) به دست میآید. شاخص ضمنی سرمایه‌گذاری از نسبت تشکیل سرمایۀ ناخالص ثابت (در قیمت جاری) به تشکیل سرمایۀ ناخالص ثابت (در قیمت ثابت) محاسبه می‌شود. IBCنشانگر چرخه‌های تجاری ایران است و با استفاده از فیلتر آﻣﺎری ﻫﻮدرﻳﻚ - ﭘﺮﺳﻜﺎت[48] به دست میآید. Control بردار متغیرهای کنترلی است که در مدل اول، نرخ بهرۀ داخلی ایران و در مدل دوم نرخ بهرۀ داخلی ایران و چرخه‌های تجاری امریکا (GC) در نقش نمایندۀ چرخه‌های تجاری جهانی را شامل می‌شود[49] (کز، لاکاتوس، اهنسرگ و استوچر[50]، 2017). نرخ بهرۀ داخلی ایران از شاخص نرخ بهرۀ بازار غیرمتشکل پولی و چرخه‌های تجاری امریکا با فیلتر آﻣﺎری ﻫﻮدرﻳﻚ - ﭘﺮﺳﻜﺎت اندازهگیری می‌شود. تمامی دادههای لازم برای این مطالعه از سایت بانک مرکزی ایران و سایت بانک جهانی گردآوری شده است. قبل از برآورد مدل، خواص ریشۀ واحد متغیرها با آزمون استاندارد ریشۀ واحد دیکی فولر تعمیمیافته[51] بررسی شده است. روش تجزیه و تحلیل دادهها، روش خودرگرسیون با وقفههای گسترده و رهیافت آزمون کرانهها[52] است. روش خودرگرسیون با وقفههای گسترده روشی به لحاظ آماری معنادار برای تعیین روابط همانباشتگی در نمونههای کوچک است (پسران و شین[53]، 1999) و برخلاف سایر تکنیکهای همانباشتگی که نیازمند همانباشته از یک مرتبهبودن همۀ توضیحدهندهها هستند، این آزمون نسبت به جمعیبودن متغیرها از درجۀ I(0)[54] و I(1)[55] یا ترکیبی از این دو کاربرد دارد. این روش، به دلیل دوری از مشکلاتی همچون خودهمبستگی و درونزایی، نااریب و کارا است )سیدیکی[56]، 2000). شکل کلی مدل خودرگرسیون با وقفههای گسترده بهصورت زیر است:
بیانگر برداری از متغیرهای توضیحی اثرگذار بر متغیر وابستۀ است. α جزء ثابت، L عملکرد وقفه (مانند: ) و برداری (L-s) از متغیرهای قطعی نظیر عبارت عرض از مبدأ، روندهای زمانی یا متغیرهای برونزا با وقفههای ثابت است. یکی از مسائل مهم در به کار بردن مدل خودرگرسیون با وقفههای گسترده، انتخاب مرتبۀ تابع توزیع وقفه است. پسران و اسمیت[57] (1998) معتقدند استفاده از معیار شوارتز - بیزین[58] در قیاس با سایر معیارهای تصریح مدل، ارجحتر است؛ زیرا این روش در تصریح مدلها، طریقۀ صرفهجویی را در پیش میگیرد. تخمین مدل خودرگرسیون با وقفههای گسترده شامل دو مرحله است. مرحلۀ اول تخمین روابط بلندمدت است. در مرحلۀ اول، برای پیبردن به وجود رابطۀ بلندمدت میان متغیرهای استفادهشده، روش آزمون F، متغیر اضافی را بهوسیلۀ مدلسازی معادلۀ بلندمدت، در جایگاه یک مدل خودرگرسیون برداری از مرتبۀ P بهصورت زیر استفاده میکند:
برداری (K+1) از عرض از مبدأها و برداری (K+1) از ضرایب روند است. آمارۀ F، آزمون این مسئله است که همۀ وقفههای سطح متغیرها برابر صفر هستند؛ به عبارت دیگر در این آزمون فرضیۀ صفر و مقابل آن بهشکل زیر است:
ضریب فزاینده بلندمدت است. دو مقدار بحرانی وقتی متغیرهای مستقل ( ) هستند، شرایط آزمون همجمعی را فراهم میکند. کرانۀ پایین برای رگرسورهای I(0)و کرانۀ بالا برای رگرسورهایI(1) در نظر گرفته شده است. اگر آمارۀ F محاسبهشده از کرانۀ بالای مقدار بحرانی بیشتر باشد، فرضیۀ صفر یعنی وجودنداشتن رابطۀ بلندمدت رد می‌شود. اگر آمارۀ F محاسبهشده از کرانۀ بالای مقدار بحرانی کمتر باشد، فرضیۀ صفر یا وجودنداشتن رابطۀ بلندمدت رد نمیشود. درنهایت اگر آمارۀ F بین کرانۀ بالا و پایین مقادیر بحرانی باشد، نتیجه غیرقطعی خواهد بود. مرحلۀ دوم، تخمین ضرایب بلندمدت و کوتاهمدت است. ضرایب بلندمدت بهشکل زیر محاسبه میشوند:
تخمینهای برای کلیۀ ترکیبات ممکن مقادیر را در معادلۀ (3) برای مدل ARDL انتخابی معرفی میکند. مدل تصحیح خطا مرتبط با با نوشتن معادلۀ (3) برحسب سطوح وقفه داده شده و تفاضل مرتبۀ اول متغیرهای ، و به دست میآید:
مدل تصحیح خطا بهصورت رابطۀ پویای کوتاهمدت تعریف می‌شود:
بیانگر عملکرد وقفه، بعدی از متغیرهای حرکت و بردار جزء خطای تصادفی با میانگین صفر و واریانس کواریانس ثابت است. ، و ضرایب مرتبط با پویاییهای کوتاهمدت با همگرایی بهسمت تعادل را نشان میدهند.
یافتهها نتایج آزمون ریشۀ واحد دیکی - فولر تعمیمیافته نشان میدهد بهجز نرخ بهرۀ داخلی ایران که با یکبار تفاضلگیری، ایستا می‌شود، بقیۀ متغیرها در سطح ایستا هستند؛ بنابراین متغیرها ترکیبی از مرتبۀ جمعی صفر و یک ( I(0)و I(1) ) هستند. آزمون کرانهها، معناداری کلی رگرسیون را در بلندمدت نشان میدهد. بههنگام محاسبۀ آمارةF برای تعداد مشاهدات بالا (1000=n) از مقادیر بحرانی که پسران، شین و اسمیت[59] (2001) ارائه دادهاند، برای دادههای بین 30 تا 80 از مقادیر بحرانی که نارایان[60] (2005) و کاتیرچی اغلو[61] (2009) ارائه دادهاند و برای تعداد مشاهدات کمتر از 30 از آمارۀt ارائهشده توسط پسران و همکاران (2001) استفاده می‌شود. بر این اساس، از آنجا که در این پژوهش تعداد مشاهدات در مدل اول 22=n و در مدل دوم 21=n، کمتر از 30 بوده است، از آمارۀt ارائهشده توسط پسران و همکاران (2001) استفاده شده است. نتایج این آزمون برای دو مدل بررسی شد. طبق نتایج، قدرمطلق آمارۀ t محاسبهشده از قدرمطلق حد بالای ارزش بحرانی ارائهشده توسط پسران و همکاران (2001) در سطح 5 درصد بیشتر است. از آنجایی که اگر قدرمطلق آمارۀ t محاسبهشده بیشتر از قدرمطلق حد بالای ارزش بحرانی به دست آید، وجود رابطۀ بلندمدت تأیید می‌شود، فرضیۀ صفر مبتنیبر وجودنداشتن رابطۀ بلندمدت با اطمینان 95 درصد پذیرفته نمیشود. این نشان میدهد رابطۀ همجمعی یا بلندمدت میان متغیرهای مدل وجود دارد. پس از اطمینان از وجود رابطۀ بلندمدت، ضرایب و روابط بلندمدت تفسیر می‌شود. نتایج تخمین حاصل از برآورد رابطۀ بلندمدت در دو مدل، در جدول 1و 2 آمده است. براساس نتایج جدول 1، در مدل اول اثر متغیر چرخه‌های تجاری ایران (IBC) بر بازده اضافی سهام در بلندمدت مثبت و ازنظر آماری در سطح خطای 10 درصد، معنادار است. نسبت تغییرات بازده اضافی سهام به چرخه‌های تجاری ایران 010/0 است؛ یعنی با افزایش یک واحدی چرخه‌های تجاری ایران، بازده اضافی سهام بهطور میانگین 010/0 درصد افزایش مییابد. درواقع، بازده اضافی سهام در دوران رونق اقتصادی افزایش و در دوران رکود اقتصادی کاهش مییابد؛ زیرا در دورۀ رونق اقتصادی، افزایش در تولید و تقاضای کل ازطرفی تقاضا برای سرمایه‌گذاری را افزایش و ازطرفی دیگر نرخ بهره را کاهش میدهد. افزایش در سرمایه‌گذاری، تقاضا برای سهام را افزایش میدهد و وقتی مردم به وضعیت آتی شرکت خوشبین باشند، سودآوری مورد انتظار، تقاضا برای سهام، قیمت آن و درنتیجه بازده سهام افزایش مییابد. این نتیجه، با نتایج پژوهش پرابهیش و ویدیا (2018)، جانسون[62] (1999) و بالورز، کوسیمانو و مکدونالد (1990) که نشاندهندۀ تأثیر مثبت چرخه‌های تجاری بر بازده سهام است، مطابقت دارد. اثر متغیر تکانه‌های فناوری سرمایه‌ای (IST) بر بازده اضافی سهام در بلندمدت مثبت و ازنظر آماری معنادار است. کشش بازده اضافی سهام به تکانه‌های فناوری سرمایه‌ای 020/0 است؛ یعنی با افزایش یک درصدی تکانه‌های فناوری سرمایه‌ای، بازده اضافی سهام بهطور میانگین 020/0 درصد افزایش مییابد. درواقع، بازده اضافی سهام هنگام تکانه‌های فناوری مثبت سرمایه‌ای افزایش و هنگام تکانه‌های فناوری منفی سرمایه‌ای کاهش مییابد؛ زیرا تکانه‌های فناوری سرمایه‌ای بهصورت افزایش تولید کالاهای سرمایه‌ای نسبت به تولید کالاهای مصرفی تجلی میکند و ازطریق افزایش سرمایه‌گذاری در بخش کالاهای سرمایه‌ای بر بازده سهام تأثیر میگذارد. این نتیجه، با نتایج پژوهش کوگان و پاپانیکولائو (2014) و پاپانیکولائو (2011) مطابقت دارد و نشاندهندۀ تأثیر مثبت تکانه‌های فناوری سرمایه‌ای بر بازده سهام است. براساس جدول 2، در مدل دوم اثر متغیرهای چرخۀ تجاری ایران بر بازده اضافی سهام در بلندمدت نیز مثبت و ازنظر آماری معنادار است. نسبت تغییرات بازده اضافی سهام به چرخۀ تجاری ایران 008/0 است؛ یعنی با افزایش یک واحدی چرخۀ تجاری ایران، بازده اضافی سهام بهطور میانگین 008/0 درصد افزایش مییابد. اثر متغیر تکانه‌های فناوری سرمایه‌ای بر بازده اضافی سهام در بلندمدت مثبت و ازنظر آماری معنادار است. کشش بازده اضافی سهام به تکانه‌های فناوری سرمایه‌ای 019/0 است؛ یعنی با افزایش یک درصدی تکانه‌های فناوری سرمایه‌ای، بازده اضافی سهام بهطور میانگین 019/0 درصد افزایش مییابد. اثر متغیر نرخ بهرۀ ایران بر بازده اضافی سهام در بلندمدت نیز مثبت و ازنظر آماری معنادار است. کشش بازده اضافی سهام به نرخ بهرۀ ایران 87/1 است؛ یعنی با افزایش یک درصدی نرخ بهرۀ ایران، بازده اضافی سهام بهطور میانگین 87/1 درصد افزایش مییابد. اثر تغییر چرخه‌های تجاری جهانی (GC) بر بازده اضافی سهام در بلندمدت مثبت و ازنظر آماری معنادار است. نسبت تغییرات بازده اضافی سهام به چرخه‌های تجاری جهانی 014/0 است؛ یعنی با افزایش یک واحدی چرخه‌های تجاری جهانی، بازده اضافی سهام 014/0 درصد افزایش مییابد. درواقع بازده اضافی سهام در دوران رونق اقتصادی جهان افزایش و در دوران رکود اقتصادی جهان کاهش مییابد. این نتیجه، با نتایج پژوهش نیتسچکا (2014)، کوپر و پریستلی (2012) و گو[63] (2006) مطابقت دارد و نشاندهندۀ تأثیر مثبت چرخه‌های تجاری جهانی بر بازده سهام است. در ادامه برای بررسی اینکه تعدیل عدم تعادلهای کوتاهمدت بهسمت تعادل بلندمدت به چه صورت انجام می‌شود، از مدل تصحیح خطا استفاده شده است. نتایج حاصل از تخمین مدل تصحیح خطا در جدول 3 و 4 ارائه شده است. ضریب جملۀ تصحیح خطا در مدل اول، 929/0- و در مدل دوم 703/0- به دست آمده است. این مقادیر برای دو مدل بررسیشده به ترتیب بدین معنا است که در هر دوره 9/92 و 3/70 درصد از عدم تعادل در بازده اضافی سهام تعدیل یافته و بهسمت روند بلندمدت خود نزدیک شده است. بهمنظور حصول اطمینان از اعتبار نتایج، آزمونهای معتبر واریانس ناهمسانی، نرمالیتی، خودهمبستگی و تصریح فرم تبعی مدل برای بررسی فرضهای کلاسیک و نیز بهمنظور بررسی پایداری مدلها، آزمونهای مجموع تجمعی باقیماندههای تکراری[64] و مجموع تجمعی مربعات باقیماندههای تکراری[65] در مدلهای ARDL(3, 3, 3, 0) و ARDL(5, 3, 3, 3, 3) بررسی شدند. نتایج آزمونهای تشخیصی و ثبات پارامترها به ترتیب در جدول 5 و 6 و نمودارهای 1 تا 4 ارائه شده است. از آنجایی که در مدل اول احتمال مربوط به تمامی آزمونها از 5 درصد بزرگتر نیست، مدل برآوردی، فرضهای کلاسیک را نقض میکند و از آنجایی که در مدل دوم احتمال مربوط به تمامی آزمونها بزرگتر از 5 درصد است، فرضیۀ صفر این آزمونها مبتنیبر وجودنداشتن خودهمبستگی، وجود نرمالیتی، وجودنداشتن ناهمسانی واریانس و تورشنداشتن تصریح رد نمیشود و مدل برآوردی فرضهای کلاسیک را تأیید میکند. ضرایب برآوردی در مدل اول از مرز 5 درصد عبور کرده است و نشان از بیثباتی ضرایب دارد؛ در حالی که ضرایب برآوردی در مدل دوم باثباتند و بر صحت نتایج الگوی برآوردشده دلالت میکند؛ بنابراین براساس نتایج آزمونهای تشخیصی، مدل دوم نسبت به مدل اول ارجحتر است و تنها مدل دوم مطمئن و استنباطشدنی است.
جدول (1) نتایج تخمین حاصل از برآورد رابطۀ بلندمدت ARDL(3, 3, 3, 0)
جدول (2) نتایج تخمین حاصل از برآورد رابطۀ بلندمدت ARDL(5, 3, 3, 3, 3)
جدول (3) نتایج برآورد مدل تصحیح خطا برای مدل اول
جدول (4) نتایج برآورد مدل تصحیح خطا برای مدل دوم
جدول (5) نتایج حاصل از آمارههای تشخیص مدل اول
جدول (6) نتایج حاصل از آمارههای تشخیص مدل دوم
نتایج و پیشنهادها. بازده سهام خود بهتنهایی دارای محتوای اطلاعاتی است و بیشتر سرمایهگذاران بالفعل و بالقوه در تجزیه و تحلیل مالی و پیشبینی از آن استفاده میکنند؛ بنابراین شناسایی عوامل مؤثر بر بازده سهام در بورس اوراق بهادار اهمیت ویژهای دارد. انتظار میرود چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای تأثیر شایان توجهی بر بازده سهام بورس اوراق بهادار داشته باشند. در این مطالعه بازده سهام تمامی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران طی دورۀ زمانی 1370 تا 1397 بررسی شد و تأثیر چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام با استفاده از روش اقتصادسنجی دادههای سری زمانی و مدل اقتصادسنجی خودرگرسیون با وقفههای گسترده برآورد و آزمون شد. نتایج پژوهش نشان داد در مدل اول چرخه‌های تجاری ایران با ضریب 010/0، تکانه‌های فناوری سرمایه‌ای با ضریب 020/0 و نرخ بهرۀ ایران با ضریب 33/1 در بلندمدت اثر مثبت بر بازده اضافی سهام دارند و در مدل دوم چرخه‌های تجاری ایران با ضریب 008/0، تکانه‌های فناوری سرمایه‌ای با ضریب 019/0، نرخ بهرۀ ایران با ضریب 87/1 و چرخۀ تجاری جهانی با ضریب 014/0 در بلندمدت بر بازده اضافی سهام تأثیر میگذارند. ضرایب جملات تصحیح خطای به دست آمده در هر دو مدل به ترتیب نشان میدهد، در هر دوره 9/92 و 3/70 درصد از عدم تعادل در بازده سهام تعدیل و به روند بلندمدت خود نزدیک شده است. درنهایت نتایج آزمونهای تشخیصی در مدل دوم بر صحت نتایج مدل برآوردشده دلالت دارد؛ در حالیکه این نتایج در مدل اول نشاندهندۀ اطمیناننداشتن به پارامترها و مدل برآورد شده است؛ از این رو در این پژوهش، مدل دوم قابلیت استفاده و استنباط دارد. در پژوهش حاضر به لحاظ نظری استدلال شد که چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای بر بازده سهام تأثیر مثبت دارند و با توجه به نتایج حاصل از تجزیه و تحلیل مربوط به سه فرضیه گفته می‌شود چرخه‌های تجاری ایران، تکانه‌های فناوری سرمایه‌ای و چرخه‌های تجاری جهانی بر بازده سهام در بلندمدت تأثیر مثبت و معناداری دارند؛ بهعبارتی نتایج پژوهش با مبانی نظری مطابقت دارد. نتایج فرضیۀ اول ازمنظر تأثیر چرخه‌های تجاری ایران بر بازده سهام منطبق با نتایج بکیروس، شهزاد، آرولا- هرناندز و یوررحمان (2018)، پرابهیش و ویدیا (2018)، ایکسنگیس (2017)، چویدهلی، پاپادیمیتریو و شابی (2016)،کمپل و دیبولد (2009)، جانسون (1999)، بالورز، کوسیمانو و مکدونالد (1990)، افضلی (1396) و بروجنی (1393) است. نتایج فرضیۀ دوم ازمنظر تأثیر تکانه‌های فناوری سرمایه‌ای بر بازده سهام منطبق با نتایج گارلاپی و سونگ (2016)، کوگان و پاپانیکولائو (2013)، مادسن و داویس (2006)، بلدندل، گریفیت و رینن (1999) وکوکبوم و گریلیچس (1988) است. نتایج فرضیۀ سوم ازمنظر تأثیر چرخه‌های تجاری جهانی بر بازده سهام منطبق با نتایج نیتسچکا (2013)،کوپر و پریستلی (2012) و گو (2006) است. بهعبارتی، نتایج پژوهش با مطالعات انجامشده در یک راستا است. با توجه به نتایج به دست آمده، به مدیران مالی بنگاهها، تصمیمگیران عالی مالی و اقتصادی کشور و دستاندرکاران بورس توصیه می‌شود تا پیشبینی روند آتی چرخه‌های تجاری و تکانه‌های فناوری سرمایه‌ای را در تحلیلها مدنظر قرار دهند. این عامل به افزایش بازده و سودآوری سرمایهگذاران منجر خواهد شد؛ بهعلاوه برای وجود محیط تصمیمگیری شفاف و باکیفیت توصیه می‌شود تا ازطریق نظارت بیشتر بر کیفیت و شفافیت اطلاعات مالی شرکتهای فعال در بورس اوراق بهادار، آنها را به ارائۀ اطلاعاتی باکیفیت و شفاف ملزم کند و برای جلب اعتماد سرمایهگذاران، الزاماتی را برای افشای اطلاعات لازم در زمینۀ محدودیتهای تأمین مالی از سوی شرکتها قرار دهد. این پژوهش نیز مانند بسیاری از پژوهشها، محدودیتهایی به این شرح دارد: شفافنبودن ارائۀ اطلاعات مالی شرکتهای فعال در بورس اوراق بهادار و محدودیت دسترسی به اطلاعات مالی شرکتها و دادههای بورسی که موجب تعمیمناپذیری نتایج پژوهش برای سایر شرکتها می‌شود.
[1]. Yang [2]. Neusser and Kugler [3]. Hendriksen and Van Breda [4]. McMillan [5]. Business Cycles [6]. Investment-Specific Technology Shocks (IST) [7]. Prabheesh and Vidya [8] . منظور از تکانه‌های فناوری سرمایه‌ای، پیشرفت‌ها و نوآوری‌های فناوری است که ازطریق ایجاد سهام سرمایه‌ای جدید موجب تحرک سرمایه‌گذاری در تولید کالاهای سرمایه‌ای می‌شود. [9]. Balvers [10]. Campbell and Diebold [12]. Dogan [13]. Kogan and Papanikolaou [14] .Blundell, Griffith and Reenen [15]. Cockburn and Griliches [16]. Greenwood, Hercowitz and Krusell [17]. Autoregressive Distributed Lag Model (ARDL) [18]. Rangvid [19]. Campbell and Shiller [20]. Markowitz [21]. Sharpe [22]. Ross [23]. Gan [24]. Earnaning Per Share [25]. Dividennds Per Shere [26]. Mankiw [27]. Core, Guay & Verdi [28]. Datta, Iskandar-Datta & Singh [29]. Bekiros, Shahzad, Arreola-Hernandez & Ur Rehman [30]. Xyngis [31]. Choudhry, Papadimitriou & Shabi [32]. Nitschka [33]. Greenwood & Jovanovic [34]. Hall [35]. Madsen & Davis [36]. Kennedy, Palerm, Pigott & Terrible [37]. Gomes, Kogan & Yogo [38]. Griliches [39]. Papanikolaou [40]. Li [41]. Garlappi & Song [42]. Blundell, Griffith & Reenen [43]. Doukas & Li [44]. Behavioral finance [45]. Fuller [46]. Fama [47]. Mandelman, Rabanal, Rubio-Ramirez & Vilan 2.کشور امریکا برای اقتصاد جهانی مهم و اثرگذار و چرخۀ‌تجاری امریکا و جهان بر هم منطبق است. ضریب همبستگی میان چرخه‌های تجاری امریکا و چرخه‌های تجاری جهانی حدود 80 درصد است و نشان از همبستگی معنی‌دار میان این دو دارد؛ از این رو در این پژوهش از چرخه‌های تجاری امریکا در جایگاه نمایندۀ چرخه‌های تجاری جهانی استفاده شده است. نتایج آزمون همبستگی چرخه‌های تجاری جهانی و امریکا در پیوست (1) آمده است. [50]. Kose, Lakatos, Ohnsorge & Stocke [51]. Augmented Dickey-Fuller (ADF) [52]. Bound Test [53]. Pesaran & Shin [54]. Integrated of degree zero [55]. Integrated of degree one [56]. Siddiki [57]. Pesaran & Smith [58]. Schwarz Bayesian information criterion (SBC) [59]. Pesaran, Shin & Smith [60]. Narayan [61]. Katircioglu [62]. Johnson [63]. Guo [64]. CUSUM [65]. CUSUMQ | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
افضلی، م. (1396). تأثیر چرخۀ تجاری بر رابطۀ بین نگهداشت وجه نقد و بازده سهام در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران، (پایاننامۀ کارشناسی ارشد)، دانشکدۀ علوم اقتصادی و اداری، دانشگاه مازندران. بروجنی، م. (1393). بازده سهام و تغییرات چرخۀ تجاری در ایران، (پایاننامۀ کارشناسی ارشد)، دانشکدۀ ریاضی و کامپیوتر، دانشگاه شیخ بهایی. حیدری، ح.، محمدزاده، ی.، و رفاحکهریز، آ. (1397). بررسی تأثیر نرخ ارز بر بازده سهام صنعت دارو در بورس اوراق بهادار تهران با استفاده از رهیافت مارکف سوئیچینگ. فصلنامۀ علمی - پژوهشی مدیریت دارایی و تأمین مالی، 6(2)، 56-35. https://dx.doi.org/10.22108/amf.2017.21420. عسگرنژاد نوری، ب. (1397). عوامل مؤثر در بازده سهام شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران: رویکرد فراتحلیل. فصلنامه علمی - پژوهشی مدیریت دارایی و تأمین مالی، 6(1)، 35-5. https://dx.doi.org/10.22108/amf.2017.21193. منکیو گریگوری، ان. (1389). مبانی علم اقتصاد (چاپ سوم). ترجمۀ حمیدرضا ارباب. تهران: غزال.
References Afzali, M. (2017). The Impact of the Business Cycle on the Relationship between Cash Holdings and Stock Returns on Listed Companies of Tehran Stock Exchange Market. Master thesis, Faculty of Economics and Administrative sciences Mazandaran University. (In Persian) Asgarnezhad Nouri, B. (2017). Factors affecting stock return of firms listed in Tehran Stock Exchange: Meta-analysis approach. Asset Management and Financing. 6(1): 25-50. https://dx.doi.org/10.22108/amf.2017.21193. (In Persian) Balvers, R. J., Cosimano, T. F., & McDonald, B. (1990). Predicting stock returns in an efficient market. Journal of Finance. 45(4): 1109–1128. https://doi.org/10.1111/j.1540-6261.1990.tb02429.x. Bekiros, S., Shahzad, J. H., Arreola-Hernandezc, J., & Ur Rehmand, M. (2018). Directional predictability and time-varying spillovers between stock markets and economic cycles. Economic Modelling. 69: 301- 312. DOI: 10.1016/j.econmod.2017.10.003. Blundell, R., Griffith, R., & Reenen, J. V. (1999). Market share, market value and innovation in a panel of British manufacturing firms. The Review of Economic Studies. 6(3): 529–554. DOI:10.1111/1467-937X.00097. Borojeni, M. (2015). Stock Returns and Changes in The Business Cycle in Iran. M.S thesis, School of Mathematics and Computer Sciences, Sheikhbahai University. (In Persian) Campbell, J., & Shiller, R. J. (1988). Cointegration and tests of present value models. Journal ofPolitical Economics. 9(5): 1062–1088. http://dx.doi.org/10.1086/261502. Campbell, S. D., & Diebold, F. X. (2009). Stock returns and expected business conditions: Half century of direct evidence. Journal of Business and Economic Statistics. 27(2): 266–278. https://doi.org/10.1198/jbes.2009.0025. Choudhry, T., Papadimitriou, F. I., & Shabi, S. (2016). Stock market volatility and business cycle: Evidence from linear and nonlinear causality tests. Journal of Banking & Finance. 66: 89-101. DOI: 10.1016/j.jbankfin.2016.02.005. Cockburn, I., & Griliches, Z. (1988). Industry effects and appropriability measures in the stock market’s valuation of R&D and patents. American Economic Review. 78(2): 419-23. Cooper, I., & Priestley, P. (2012).The world business cycle and expected returns. Review of Finance. 17(3): 1029–1064. https://doi.org/10.1093/rof/rfs014. Core, J., Guay, W., & Verdi, D. (2008). Is accruals quality a priced risk factor? Journal of Accountingand Economics. 46(1): 2-22. http://dx.doi.org/10.1016/j.jacceco.2007.08.001. Datta, S., Iskandar-Datta, M., & Singh, V. (2013). Product market power, industry structure, and corporate earnings management. Journal of Banking and Finance. 37(8): 3273-328. DOI: 10.1016/j.jbankfin.2013.03.012. Dogan, A. (2019). Investment specific technology shocks and emerging market business cycle dynamics. Review of Economic Dynamics. 34: 202- 220. https://doi.org/10.1016/j.red.2019.03.012. Doukas, J., & Li, M. (2009). Asymmetric asset price reaction to news and arbitrage risk. Review of Behavioral Finance. 1(1-2): 23-43. https://doi.org/10.1108/19405979200900002. Fama, E., (1970). Efficient capital markets: A review of theory and empirical work. Journal of Finance. 25(2): 383-417. DOI: 10.2307/2325486. Fuller, R. J. (2000). Behavioral finance and the sources of alpha. Journal of Pension Plan Investing. 2(3): 2-24. Gan, C. (2006). Macroeconomic variables and stock market interactions: Newzeland evidence. Investment Management and Financial Innovations. 3(4): 89-101. Garlappi, L., & Song, Z. (2016). Can investment shocks explain the cross-section of equity returns? Management Science, Forthcoming. Downloaded from http://english.ckgsb.edu.cn/sites/default/files/files/Paper2_GarlappiSong2016_MS.pdf. https://doi.org/10.1287/mnsc.2016.2542. Gomes, J. F., Kogan, L., & Yogo, M. (2009). Durability of output and expected stock returns. Journal of Political Economy. 117(5): 941-986. http://dx.doi.org/10.1086/648882. Greenwood, J., & Jovanovic, B. (1999). The information-technology revolution and the stock market. American Economic Review, Papers and Proceedings. 89(2): 116-28. DOI: 10.1257/aer.89.2.116. Greenwood, J., Hercowitz, Z., & Krusell, P. (1997). Long-run implications of investment specific technological change. American Economic Review. 87(3): 342–362. Greenwood, J., Hercowitz, Z., & Krusell, P. (2000). The role of investment-specific technological change in the business cycle. European Economic Review. 44: 91–115. https://doi.org/10.1016/S0014-2921(98)00058-0. Griliches, Z. (1988). Productivity Puzzles and R&D: Another Nonexplanation. Journal of Economic Perspectives. 2(4): 9-21. DOI: 10.1257/jep.2.4.9. Guo, H. (2006). The risk-return relation in international stock markets. The Financial Review. 41(4): 565–587. http://dx.doi.org/10.1111/j.1540-6288.2006.00157.x. Hall, R. (2001). Struggling to understand the stock market. American Economic Review. 91(2): 1-11. DOI: 10.1257/aer.91.2.1. Heidari1, H., Mohammadzadeh, Y., Refah-Kahriz, A. (2017). An investigation of the effect of exchange rate on the pharmaceutical industry stock return in Tehran Stock Exchange: An application of the Markov switching approach. Asset Management and Financing. 6(2): 35-56. https://dx.doi.org/10.22108/amf.2017.21420. (In Persian) Hendriksen, E. S., & Van Breda, M. F. (1992). Accounting theory (5th edition). Homewood, IL: Irwin Inc. Hiemstra, C., & Jones, J. D. (1994). Testing for linear and nonlinear granger causality in the stock price-volume relation. Journal of Finance. 49(5): 1639–1664. https://doi.org/10.1111/j.1540-6261.1994.tb04776.x. Johnson, M. F. (1999). Business cycle and the relation between security returns and earnings. Review of Accounting Studies. 9: 93-117. http://dx.doi.org/10.1023/A:1009649018325. Jurado, K., Ludvigson, S. C., & Serena, Ng. (2015). Measuring uncertainty. American Economic Review. 105(3): 1177-1216. DOI: 10.1257/aer.20131193. Katircioglu, S. (2009). Foreign direct investment and economic growth in Turkey: An epirical investigation by the bounds test for co-integration and causality tests. Economic Research. 22(3): 1-8. Kennedy, M., Palerm, A., Pigott, C., & Terrible, F. (1998). Asset prices and monetary policy. OECD Economics Department Working Papers. 188. Kogan, L., & Papanikolaou, D. (2014). Growth opportunities, technology shocks, and asset prices. Journal of Finance. 69(2): 675–718. https://doi.org/10.1111/jofi.12136. Kogan, L., & Papanikolaou, D.(2013). Firm characteristics and stock returns: The role of investment-specific shocks. Review of Financial Studies. 26(11): 2718–2759. https://doi.org/10.1093/rfs/hht026. Kose, M. A., Lakatos, C., Ohnsorge, F., & Stocker, M. (2017). The global role of the U.S. economy: Linkages, policies and spillovers. Policy Research Working Paper. 7962. Li, J. (2013). Explaining the value premium and momentum profits simultaneously. Working Paper. https://doi.org/10.1287/mnsc.2017.2735. Madsen, J. B., & Davis, P. E. (2006). Equity prices, productivity growth and the new economy. Journal of Economics. 116(513): 791–811. https://doi.org/10.1111/j.1468-0297.2006.01112.x. Mandelman, F. S., Rabanal, P., Rubio-Ramirez, J. F., & Vilan, D. (2011). Investment specific technology shocks and international business cycles: An empirical assessment. Review of Economic Dynamics. 14(1): 136–155. DOI: 10.1016/j.red.2010.08.001. Mankiw, G. (2010). Principles of Economics (3th Edition.). Tehran, IL: Ghazal Press. (In Persian) Markowitz, H. (1952). Portfolio selection. The Journal of Finance. 7(1): 77-91. http://dx.doi.org/10.1111/j.1540-6261.1952.tb01525.x. McMillan, D. G. (2019). Predicting firm level stock returns: Implications for asset pricing and economic links. The British Accounting Review. 51(4): 333-351. DOI: 10.1016/j.bar.2019.04.001. Narayan, P. K. (2005). The saving and investment nexus for China: Evidence from cointegration tests. Applied Economics. 37(17): 1979-1990. DOI: 10.1080/00036840500278103. Neusser, K., & Kugler, M. (1998). Manufacturing growth and financial development: Evidence from OECD countries. Review of Economics and Statistics. 80(4): 638-46. DOI: 10.1162/003465398557726. Nitschka, T. (2014). Developed markets business cycle dynamics and time-variation in emerging markets asset returns. Journal of Banking and Finance. 42(5): 76–82. DOI: 10.1016/j.jbankfin.2014.01.035. Nitschka, T. (2013). The impact of (global) business cycle risk on the German and British stock markets: Evidence from the first age of globalization. Review Finance Economics. 22(3): 118–124. DOI: 10.1016/j.rfe.2013.04.003. Papanikolaou, D. (2011). Investment shocks and asset prices. Journal of Political Economics. 119(4): 639–685. https://doi.org/10.1086/662221. Pesaran, M. H., & Smith, R. (1998). Structural analysis of cointegration VARs. Journal Economic Surveys. 12(5): 471-505. https://doi.org/10.1111/1467-6419.00065. Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics. 16(3): 289–326. https://doi.org/10.1002/jae.616. Pesaran, M. H., & Shin, Y. (1999). An autoregressive distributed lag modeling approach to cointegration analysis. In S. Strom, A. Holly & P. Diamond (Eds.). Cambridge: Cambridge University Press. DOI: 10.1017/CCOL0521633230.011. Prabheesh, K. P., & Vidya, C. T. (2018). Do business cycles, investment-specific technology shocks matter for stock returns? Journal of Economic Modelling. 70: 511-524. DOI: 10.1016/j.econmod.2017.09.014. Rangvid, J. (2006). Output and expected returns. Journal of Finance Economics. 81(3): 595–624. https://doi.org/10.1016/j.jfineco.2005.07.010. Ross, S. (1976). The arbitrage theory of capital asset pricing. Journal of Economic Theory. 13(3): 341–360. https://doi.org/10.1016/0022-0531(76)90046-6. Sharpe, W. (1964). Capital asset prices: A theory of market equilibrium. Journal of Finance. 19(3): 425–442. https://doi.org/10.1111/j.1540-6261.1964.tb02865.x. Siddiki, J. U. (2000). Demand for money in Bangladesh: A cointegration analysis. Applied Economics. 32(15): 1977-84. https://doi.org/10.1080/00036840050155904. Xyngis, G. (2017). Business-cycle variation in macroeconomic uncertainty and the cross-Section of expected returns: Evidence for scale-dependent risks. Journal of Empirical Finance. 44: 43–65. https://doi.org/10.1016/j.jempfin.2017.06.001. Yang, Q. (2019). Stock returns and real growth: A Bayesian nonparametric approach. Journal of Empirical Finance. 53: 53-69. DOI: 10.1016/j.jempfin.2019.06.005.
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 1,929 تعداد دریافت فایل اصل مقاله: 675 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||