ساختار پویای همبستگی؛ ریسک و بازده سهام

نوع مقاله: مقاله علمی

نویسندگان

1 استادیار، گروه مدیریت مالی و حسابداری، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

2 کارشناس‌ارشد، گروه مدیریت مالی و حسابداری، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

چکیده

هدف: پویایی کوواریانس بازده دارایی‌ها همواره یکی از حوزه‌های چالش‌برانگیز مالی بوده است. الگو‌های مالی رفتار کوواریانس را در طی زمان تحلیل می‌کنند؛ اما الگو‌های اقتصادسنجی تنها رفتار واریانس را در گذر زمان بررسی می‌کنند. نخستین الگویی که رفتار کوواریانس را در طی زمان تحلیل می‌کند، الگوی گارچ چندمتغیره است که به‌دلیل نیاز به تخمین پارامتر زیاد، بسیار از آن انتقاد شده است. هدف این پژوهش، بررسی تأثیر ساختار پویای همبستگی بازده سهام بر ریسک سیستماتیک، غیرسیستماتیک و بازده سهام است.
روش: به همین منظور نمونه‌ای متشکل از 148 شرکت‌ پذیرفته‌‎شده در بورس اورق بهادار تهران طی سال‌های 1393-1382 بررسی و برای آزمون روابط ذکرشده از الگوی گارچ استفاده شده است.
نتایج: براساس نتایج به‌دست‌آمده، سهامی که در گذشته با عوامل فراگیر بازار (مومنتوم، بازار، اندازه، ارزش) همبستگی بالایی دا‌شته است، ریسک سیستماتیک، غیرسیستماتیک و بازده پایین‌تری دارد. احتمال مشاهدۀ رابطۀ معنادار همبستگی و ریسک غیرسیستماتیک سهام با گردش پایین‌تر (شاخص شفافیت اطلاعاتی) دور از انتظار نیست؛ اما این ارتباط برای شرکت‌های کوچک‌تر تصور نمی‌شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Dynamic Correlation Structure; Securities Risk and Return

نویسندگان [English]

  • Maryam Davallou 1
  • marzieh khosravi 2
1 Assistant Professor of Financial Management, School of Management and Accounting, Shahid Beheshti University, Tehran, Iran
2 MSc of Financial Management, Shahid Beheshti University, Tehran, Iran
چکیده [English]

Objective: Modelling dynamic nature of covariance of assets return almost always is a challenging area of finance. Econometrics models just pay attention to variance behavior longitudinally, however, core of numerous finance models need the analysis of the total covariance structure of returns.
Method: Among the first models that analyze covariance behavior are multivariate GARCH models which were criticized for the need to estimate a large number of parameters. This paper is aimed to investigate the effect of stock return dynamic correlation structure on systematic risk, idiosyncratic risk and average stock return. To this end, a sample of 148 listed companies in Tehran Stock Exchange is examined during 2003 to 2014. GARCH framework is used for testing this claim.
Results: According to the results, securities that were highly correlated with market wide risk factors in the past are likely to have low systematic risk, idiosyncratic risk and average return at present. It can be expected there is significant relationship between idiosyncrstic risk and correlation for lower turnover stock (information transparency proxy) although there is no relationship for smaller firms.

کلیدواژه‌ها [English]

  • Dynamic correlation
  • Securities risk
  • Correlation risk
  • Market risk factors

مقدمه.

سال‌هاست که در ادبیات مالی بر پویایی (تغییر) ساختار همبستگی بازده اوراق بهادار تأکید شده است[1] (آنگ و بکائرت[2]، 2002؛ آنگ و چن[3]، 2002؛ برترو و میر[4]، 1990؛ کالبرگ و پاسکوآریلو[5]، 2008؛ کینگ و وادهوآنی[6]، 1990؛ کوچ و کوچ[7] 1991؛ لی، لین و یانگ[8]، 2011). نخستین الگو‌هایی که بر تغییرات طی زمان واریانس بازده سهام تأکید کردند، الگوی‌ آرچ[9] (انگل[10]، 1982) و نسخۀ تعمیم‌یافته آن یعنی الگوی گارچ[11] (بولرسو[12]، 1986) است. طبق این دو الگو، واریانس بازده سهام در طول زمان تغییر می‌کند و توسط مقادیر گذشتۀ خود و مجذور جزء اخلال گذشته تعیین می‌شود. رفتار مذکور را می‌توان با ورود تصادفی اطلاعات توضیح داد که سبب وابستگی زمانی واریانس بازده می‌شود؛ اما بسیاری از الگو‌های اصلی مالی ازجمله الگوی قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) و الگوی قیمت‌گذاری آربیتراژ (APT)، بر تحلیل کوواریانس بازده مبتنی است؛ در حالی‌ که الگو‌های آرچ/گارچ تنها رفتار واریانس را در نظر می‌گیرند.

برای رفع این مشکل، نسخه‌های متعددی از الگو‌های گارچ چندمتغیره ارائه شده است؛ اما مشکل عمدۀ بیشتر این الگو‌ها، نیاز به برآورد تعداد زیادی پارامتر است. کاهش تعداد پارامترها ممکن است به روش‌های مختلفی صورت گیرد؛ روش‌هایی مانند اعمال محدودیت‌های معین در الگو شامل فرض ‌انباشتگی[13] کوواریانس‌ها، استفاده از شروط گشتاوری اضافی در تابع درست‌نمایی شرطی مرتبۀ اول یا تحمیل ساختار عاملی بازده در چهارچوب آرچ عاملی[14]. الگو‌های آرچ عاملی با اقبال ویژه‌ای روبه‌رو ‌شد؛ زیرا طبق الگو‌های اصلی قیمت‌گذاری دارایی نظیر الگوی قیمت‌گذاری دارایی‌های سرمایه‌ای و الگوی قیمت‌گذاری آربیتراژ، بازده اوراق بهادار تابع خطی عوامل ریسک است. اگر ساختار کوواریانس بازده در واقعیت تابع الگو‌های از پیش تصریح‌شدۀ مذکور نباشد، مزیت کاهش تعداد پارامتر این الگو‌ها به هزینۀ خطای تصریح احتمالی تمام می‌شود. مهم‌ترین نگرانی، آن است که همبستگی سهام در دوران رکود اقتصادی، بالاتر و در شرایط رونق، پایین‌تر است. این یافتۀ تجربی نشان می‌دهد ریسک نسبی بازده در حال تغییر است و این امر به‌طور کامل در الگو‌های فعلی گارچ منظور نمی‌شود؛ به همین دلیل، وازلوبنیا و مشچریاکف[15] (2014) برای احتساب ساختار پویای همبستگی بازده[16] از رویکردی متفاوت با آرچ/گارچ استفاده کرده‌اند؛ بدین صورت که ابتدا همبستگی بازده سهام را با عوامل ریسک فراگیر[17] محاسبه و سپس از آن به‌منزلۀ نهادۀ ورودی الگوی گارچ استفاده کرده‌اند. مزیت رویکرد مذکور آن است که همبستگی بازده سهام و عوامل ریسک فراگیر قادر است به‌طور آزادانه و بدون هیچ محدودیتی تغییر کند. به این ترتیب، خطای تصریح ساختار کوواریانس کاهش می‌یابد. مزیت اخیر ممکن است به هزینۀ خطای تخمین تمام شود؛ زیرا کوواریانس‌ها باید برآورد شود. برای بیرون‌رفتن از این مسئله، از برآورد غلتان استفاده می‌شود تا نسبت به بزرگی اندازۀ نمونه اطمینان حاصل شود. شواهد ارائه‌شده توسط پژوهشگرانی نظیر آنگ و بکائرت (2002) و آنگ و چن (2002) نشان می‌دهد همبستگی بازده اوراق بهادار در طول زمان متغیر است؛ به‌طوری که در شرایط رونق، کاهش و در دوران رکود افزایش می‌یابد. تغییر همبستگی بازده در طول زمان سبب می‌شود سرمایه‌گذاران به‌ویژه در شرایط رکود قادر به حذف ریسک غیرسیستماتیک نباشند. در این صورت، ریسک غیرسیستماتیک قیمت‌گذاری می‌شود.

سهامی که همبستگی بالایی با بازار (عوامل فراگیر ریسک) دارد، به ‌احتمال بیشتری از شوک‌های همبستگی سایر اوراق بهادار اثر گرفته است و ریسک سیستماتیک و غیرسیستماتیک بالاتری دارد. بر این اساس، انتظار می‌رود تغییرات همبستگی قادر باشد بر بازده مقطعی سهام تأثیر بگذارد. احتمال وجود رابطۀ معنادار ریسک همبستگی و ریسک سهام در شرکت‌هایی بالاتر است که شفافیت اطلاعاتی پایین‌تری دارند. شفافیت اطلاعاتی پایین‌تر سبب تأخیر انعکاس اطلاعات جدید در قیمت سهام ‌می‌شود. ازطرف دیگر، موجب می‌شود اثر شوک‌های ناشی از تغییر همبستگی برای مدت طولانی‌تری تداوم یابد؛ زیرا هنوز اطلاعات جدید در قیمت سهام منعکس نشده است و به‌دنبال آن همبستگی تاریخی (بازده با عوامل ریسک) حاوی اطلاعات جدید نخواهد بود. درنتیجه تأثیر تغییر همبستگی تاریخی بازده (با عوامل فراگیر ریسک) بر سهام با شفافیت اطلاعاتی پایین‌تر، طولانی‌تر است (وازلوبنیا و مشچریاکف، 2014).

بر این اساس، هدف پژوهش حاضر بررسی رابطۀ تغییرات همبستگی بازده سهام با ریسک سیستماتیک، غیرسیستماتیک، میانگین بازده و پرداختن به این مسئله است که آیا اثر همبستگی سهام با عوامل فراگیر قادر به توضیح رابطۀ ریسک غیرسیستماتیک و میانگین بازده سهام است یا خیر؛ بنابراین، سؤالات پژوهش بدین شرح است: آیا رابطۀ همبستگی تاریخی بازده با ریسک سهام و میانگین بازده به‌لحاظ آماری معنا‌دار است؟ آیا در صورت وجودنداشتن شفافیت اطلاعاتی، رابطۀ مذکور برقرار است؟ آیا ساختار پویای همبستگی قادر است رابطۀ ریسک غیرسیستماتیک و بازده سهام را تبیین کند؟

به‌علاوه، به‌جای همبستگی زوجی اوراق بهادار از همبستگی اوراق بهادار انفرادی با عوامل ریسک فراگیر استفاده شده است؛ زیرا ریسک سیستماتیک که برای سرمایه‌گذاران مربوط‌تر است، براساس این کوواریانس‌ها تعریف می‌شود.

 

مبانی نظری.

بالغ بر 60 سال پیش، وقتی مارکوویتز[18] (1952) با طرح نظریۀ جدید سبد برای نخستین بار راهکار تعیین سبد بهینه را ارائه کرد، تحقق دو فرض متضاد ریسک‌گریزی و سیری‌ناپذیری را با معرفی مفهوم تنوع‌بخشی امکان‌پذیر دانست. کارکرد اصلی تنوع‌بخشی زمانی حاصل می‌شود که به همبستگی بین بازده دارایی‌ها توجه شود. سرمایه‌گذاران عقلایی هنگام تشکیل سبد در پی دارایی‌هایی هستند که همبستگی پایین‌تری داشته باشند تا بدین طریق، حداکثر منافع تنوع‌بخشی حاصل شود. نکتۀ مهم آن است که از دیدگاه سرمایه‌گذاران، تنوع‌بخشی تنها در بازارهای نزولی مطلوب است؛ زیرا همبستگی بالاتر در شرایط صعودی سبب افزایش قیمت دارایی‌ها و رشد ارزش سبد می‌شود. این در حالی است که شواهد تجربی موجود، عکس این موضوع را تأیید می‌کند و نشان می‌دهد همبستگی سهام در بازارهای نزولی نسبت به بازارهای صعودی بالاتر است. این بدان مفهوم است که در بازار نزولی همۀ دارایی‌های سبد با افت ارزش روبه‌رو می‌شود؛ در حالی که همبستگی پایین‌تر حاکم بر بازارهای صعودی به مفهوم آن است که بازده دارایی‌های سبد به‌صورت همزمان افزایش نمی‌یابد (اندرسن و هانسن[19]، 2010). شواهد ارائه‌شده توسط برخی پژوهش‌های تجربی نظیر گوئتزمن، لی و رونهورست[20] (2005) نشان می‌دهد همبستگی در گذر زمان دستخوش تغییر شده است و این امر سبب تغییر منافع حاصل از تنوع‌بخشی می‌شود. به گمان لانجین و سولنیک[21] (2001) و آنگ و بکائرت (2002) همبستگی بازده دارایی‌ها در شرایط بحران مالی افزایش می‌یابد. افزایش همبستگی بازده دارایی‌ها سبب کاهش منافع تنوع‌بخشی برای سرمایه‌گذاران و افزایش نوسان‌پذیری بازار می‌شود. اگر فرصت‌های تنوع‌بخشی در شرایطی کاهش یابند که بازار به‌شدت به آنها نیاز دارد، سرمایه‌گذاران درصدد مصون‌سازی در برابر این شرایط برمی‌آیند. اگر همبستگی بازده دارایی‌ها عامل ریسک سیستماتیک باشد، سرمایه‌گذاران تمایل دارند بابت اوراق بهاداری که در شرایط همبستگی بالا متضمن پرداخت‌های بالاتری است، صرف ریسک بپردازند (کریشنان، پتکوا و ریچکن[22]، 2009). به عقیدۀ آنگ، چن و زینگ[23] (2006) نگرش سرمایه‌گذاران نسبت به سود و زیان با یکدیگر متفاوت است. در نتیجه، وجود همبستگی بالاتر دارایی‌ها در بازار نزولی به مفهوم آن است که سرمایه‌گذاران بابت اینگونه دارایی‌ها پاداش بالاتری مطالبه می‌کنند؛ بنابراین، بازده موردانتظار دارایی‌های مذکور بالاتر از بازده موردانتظار برآوردشده طبق الگو‌هایی نظیر الگوی قیمت‌گذاری دارایی‌های سرمایه‌ای است. به همین دلیل، پژوهشگرانی مانند آنگ و همکاران (2006) یا هانگ ، تو و ژوآ[24] (2007) کاربرد الگوهای قیمت‌گذاری سنتی را در صورت وجود عدم تقارن همبستگی به چالش کشیدند (اندرسن و هانسن، 2010).

بولرسلو، انگل و وولدریچ[25] (1988) با بررسی ثبات ماتریس کوواریانس شرطی در طول زمان شواهدی ارائه می‌کنند که نشان می‌دهد کوواریانس شرطی در طول زمان ثابت نبوده است و یکی از عوامل تعیین‌کنندۀ صرف ریسک سهام است. لانجین و سولنیک (2001) با استفاده از نظریۀ ارزش آستانه‌ای، ساختار همبستگی بازارهای سهام بین‌المللی را در دوره‌های رونق و رکود بررسی کردند. آنها با استفاده از داده‌های پنج بازار سهام شامل ایالات ‌متحده، بریتانیا، فرانسه، آلمان و ژاپن به شواهدی دست یافتند که نشان‌دهندۀ افزایش همبستگی بازده سهام در شرایط رکود و کاهش آن در شرایط رونق است. هانگ و همکاران (2007) ازطریق آزمون عدم‌تقارن همبستگی بازده سهام نشان می‌دهند تغییرات مشترک بازده در شرایط رکود بیش از دوران رونق است. کریشنان و همکاران (2009) ادعا می‌کنند سرمایه‌گذاران بابت سهامی که با افزایش همبستگی، عملکرد بالاتری دارد، صرف ریسک بالاتری پرداخت می‌کنند. آنها در بررسی قیمت‌گذاری همبستگی بازده دارایی‌ها دریافتند همبستگی مذکور توسط سرمایه‌گذاران به‌صورت صرف ریسک منفی در نظر گرفته می‌شود. این یافته نشان‌دهندۀ ترجیح سرمایه‌گذاران به سرمایه‌گذاری در سهامی است که با افزایش همبستگی و کاهش مزایای تنوع‌بخشی روبه‌روست.

دریسن، مانهوت و ویلکو[26] (2009) اثر شوک‌های همبستگی بازار سهام را بر بازده اختیار معامله بررسی کردند و نشان دادند ریسک همبستگی دارا‌یی‌هایی که در زمان افزایش همبستگی عملکرد مناسبی دارد، سبب ایجاد بازده منفی می‌شود؛ زیرا افزایش همبستگی بازار سبب کاهش تنوع‌بخشی می‌شود. بالی[27] و انگل (2010) با استفاده از الگوی همبستگی پویای شرطی انگل (2002) الگوی قیمت‌گذاری دارایی سرمایه‌ای شرطی مرتون[28] (1973) را آزمون کردند. آنها در پی آزمون توان توضیحی بازده موردانتظار سهام توسط کوواریانس شرطی، شواهدی مبنی بر وجود رابطۀ مثبت و معنا‌دار بین متغیرهای اخیر یافتند. تا زمانی که فرصت‌های سرمایه‌گذاری تصادفی باشد، سرمایه‌گذاران برای مصون‌سازی تغییرات نامطلوب مجموعه فرصت‌های ممکن، سرمایه‌گذاری‌های خود را تعدیل می‌کنند. نتایج به‌دست‌آمده ضمن تأیید قیمت‌گذاری کوواریانس بازده سهام با عامل ارزش، نشان می‌دهد کوواریانس بازده سهام با عوامل مومنتوم و اندازه قیمت‌گذاری نمی‌شود. شواهد تجربی بسیاری نشان‌دهندۀ تغییرات طی زمان ریسک در بازارهای مالی است. از آنجا که تغییر نوسانات بازار منعکس‌کنندۀ تغییر همبستگی و متوسط نوسانات سهام انفرادی است، در صورت قیمت‌گذاری ریسک کل بازار می‌توان استدلال کرد نوسانات سهام و ریسک همبستگی قیمت‌گذاری می‌شود. بوراسچی، کوسووسکی و تروجانی[29] (2011) قیمت‌گذاری ریسک همبستگی را در صندوق‌های پوشش ریسک بررسی کردند. آنها با استفاده از رویکرد فاما و مک‌بث[30] (1973)، الگوی هشت‌عاملی تعمیم‌یافتۀ فونگ - هسیه[31] را با افزودن ریسک همبستگی آزمودند و نشان دادند صرف ریسک همبستگی، منفی و از نظر آماری معنا‌دار است. وازلوبنیا و مشچریاکف (2014) رابطۀ بین تغییرات همبستگی با ریسک و میانگین بازده سهام را بررسی کردند. آنها اثر معنا‌دار تغییر همبستگی را بر ریسک سیستماتیک و غیرسیستماتیک حدود یک‌سوم سهام بازار تأیید کردند. رابطۀ اخیر به‌طور معمول مثبت است؛ یعنی سهامی که همبستگی بالایی با عوامل ریسک بازار داشته باشد، ریسک آتی بالاتری دارد. بازده سهام به‌طور مستقیم از همبستگی تاریخی تأثیر نمی‌گیرد و به‌طور غیرمستقیم ازطریق ریسک سهام متأثر می‌شود. بارونیک، کوسندا و واچا[32] (2016) با استفاده از رویکرد موجک و سری زمانی، همبستگی پویای بین طلا، نفت و سهام را برسی کردند. آنها نشان دادند یکی از ویژگی‌های غالب دورۀ بررسی‌شده، تغییر همبستگی است؛ اما پس از بحران سال 2008 همبستگی بین هر سه دارایی افزایش یافته است. اوزتک و اوکال[33] (2017) برای پی‌بردن به ماهیت پویای همبستگی، به الگو‌سازی تغییرات طی زمان همبستگی در بازار سهام و کالا پرداختند. آنها در جستجوی روند افزایشی همبستگی و اثر نوسانات و اخبار بازار در ساختار همبستگی بودند. نتایج حاصل از این پژوهش نشان داد نوسانات بالای بازار در طول بحران‌های مالی، منبع اصلی همبستگی بالای این دو بازار است.

باقرزاده و سالم (2015) نشان دادند دارایی‌هایی که با تلاطم شرطی بازار همبستگی بالایی دارد، بازده موردانتظار پایین‌تری دارد. راعی، فرهادی و شیروانی (2012) نشان دادند بتاها و کوواریانس‌ها در طول زمان متغیر است. رابطۀ درگذر زمان غیرمستقیمی نیز بین بازده و ریسک وجود دارد که معناداری آماری بالایی دارد؛ بنابراین، کوواریانس شرطی (بتای شرطی) قادر است بازده موردانتظار سهام را پیش‌بینی ‌کند؛ اما الگوی قیمت‌گذاری دارایی سرمایه‌ای در گذر زمان برقرار نیست. امیری، همایونی‌فر، کریم‌زاده و فلاحی (2015) همبستگی متغیر با زمان بین نفت، سکه و نرخ ارز را بررسی کردند. آنها با استفاده از داده‌های ماهانۀ قیمت نفت، سکه و نرخ ارز، همبستگی متغیر با زمان دارایی‌های مذکور را با استفاده از روش همبستگی شرطی پویای گارچ (DCC-GARCH) بررسی کردند. نتایج به‌دست‌آمده نشان ‌داد همبستگی شرطی بین دارایی‌ها در طی زمان، متغیر است و بحران مالی جهانی سبب تغییرات چشمگیری در پویایی همبستگی بین دارایی‌های مدنظر شده است. پاکیزه (2011) در بررسی رابطۀ بازده سهام و تلاطم مبتنی بر الگو‌های آرچ و گارچ در بورس اوراق بهادار تهران و برخی بازارهای بین‌المللی شواهدی ارائه کرد که برخلاف CAPM نشان‌دهندۀ وجود رابطۀ معکوس بین بازده و تلاطم است.

 

روش پژوهش

نمونۀ آماری پژوهش شامل همۀ شرکت‌های جامعه است که زیان‌ده نباشند[34]، جزء شرکت‌های مالی و سرمایه‌گذاری، بانک‌ها، بیمه‌ها و شرکت‌های هلدینگ نباشند[35] و داده‌های مورد نیاز آنها در دسترس باشد.
بر این اساس، متوسط تعداد شرکت‌های نمونه به 148 رسید[36]. دورۀ زمانی پژوهش سال‌های 1382 تا 1393 است. داده‌های موردنیاز پژوهش شامل نرخ بازده بدون ریسک، بازده بازار، بازده سهام، ارزش بازار سهام، تعداد سهام معامله‌شده، ارزش دفتری سهام، ارزش کل دارایی‌ها، ارزش کل بدهی‌ها، سود هر سهم، تعداد سهام جاری، درصد مالکیت نهادی‌ و ارزش دفتری حقوق صاحبان سهام است که 5 دادۀ اول از سایت رسمی شرکت مدیریت فناوری بورس تهران و سایر داده‌ها از سایت کدال استخراج ‌شده است. ذکر این نکته ضروری است که برای رفع تبعات ناشی از مشاهدات دورافتاده، داده‌ها در سطوح 1 و 99 درصد به کف و سقف نزدیک شده است.

پژوهش‌هایی نظیر کالبرگ و پاسکوآریلو (2008) و لی و همکاران (2011) نشان‌دهندۀ تغییر همبستگی بازده در گذر زمان است. الگوی گارچ چندمتغیره به‌منزلۀ اولین الگوی ارائه‌شده برای احتساب تغییر رابطه بین دارایی‌ها، مستلزم برآورد تعداد زیادی پارامتر است. رفع این مشکل از طریق اعمال محدودیت بر تعداد پارامترها، سبب بروز خطای تصریح می‌شود؛ در حالی‌ که الگوهای مالی برای احتساب رابطۀ بین دارایی‌ها از تحلیل کوواریانس بازده استفاده می‌کنند، الگو‌های آرچ و گارچ تنها تغییرات طی زمان واریانس بازده را منظور می‌کنند. به همین دلیل، از روش متفاوتی برای ملحوظ‌کردن ساختار پویای همبستگی بازده استفاده می‌شود. بدین مفهوم که از همبستگی بازده سهام با عوامل فراگیر ریسک به‌منزلۀ نهادۀ‌ ورودی الگوی گارچ استفاده و رابطۀ پویایی همبستگی با ریسک و میانگین بازده سهام بررسی می‌شود. همانند وازلوبنیا و مشچریاکف (2014) و فاما و فرنچ[37] (2004) برای مشاهدۀ تغییرات همبستگی و تأثیر آن بر ریسک و بازده در طول زمان، دورۀ زمانی پژوهش (1393 تا 1385) به سه دورۀ فرعی 3 ساله 1387-1385، 1390-1388، 1393-1391 تقسیم می‌شود و آزمون‌های مرتبط به‌تفکیک هر یک از دوره‌های فرعی و کل دورۀ زمانی انجام می‌شود.

تأثیر همبستگی بر ریسک سیستماتیک، غیرسیستماتیک، میانگین بازده و رابطۀ ریسک غیرسیستماتیک - بازده هدف این مقاله بررسی تأثیر همبستگی تاریخی سهام انفرادی با عوامل ریسک فراگیر بر ریسک غیرسیستماتیک، ریسک سیستماتیک و میانگین بازده سهام است. ازطرف دیگر، به‌دنبال پاسخ به این سؤال است که آیا اثر همبستگی تاریخی بر ریسک غیرسیستماتیک قادر به توضیح رابطۀ معماگونۀ ریسک غیرسیستماتیک و بازده سهام است یا خیر. آزمون موارد فوق در چهارچوب الگوی گارچ انجام می‌شود؛ زیرا امکان برآورد ریسک سیستماتیک/غیرسیستماتیک و رابطۀ بین همبستگی تاریخی و هر یک از انواع ریسک را در الگویی واحد فراهم می‌کند.

اثر همبستگی تاریخی بر ریسک غیرسیستماتیک: اثر همبستگی تاریخی بر ریسک غیرسیستماتیک در چهارچوب الگوی قیمت‌گذاری (1) با پسماند GARCH(1,1) آزمون می‌شود.

 

 

(1)

 

که در آن  بازده اضافی سهام i در زمان t،  بازده عامل بازار،  عامل اندازه،
 عامل ارزش فاما و فرنچ،  عامل مومنتوم کارهارت[38] (1997)،  واریانس پسماند  که ریسک غیرسیستماتیک سهام i در دورۀ t است و
 همبستگی بازده سهام i با عامل بازار  طی 3 سال گذشته است. به کمک الگوی (1) می‌توان اثر همبستگی تاریخی بازده سهام با عامل بازار را بر ریسک غیر‌سیستماتیک (که با  اندازه‌گیری می‌شود) آزمود[39]. انتظار می‌رود سهامی که همبستگی بیشتری با بازار داشته است، ریسک غیرسیستماتیک بالاتری داشته باشد؛ زیرا با شدت بیشتری از شوک سایر اوراق بهادار بازار تأثیر می‌گیرد. برای آزمون قوت نتایج، در الگوی (2) علاوه بر اثر همبستگی بازده سهام با ریسک بازار، همبستگی بازده با سایر عوامل فراگیر ریسک نیز بر ریسک غیر‌سیستماتیک در نظر گرفته می‌شود.

 

 

(2)

 

که در آن ، ،  اثر همبستگی بازده سهام به ترتیب با عامل اندازه، ارزش و مومنتوم را بر ریسک غیر‌سیستماتیک می‌سنجند. همبستگی‌های اخیر برای سرمایه‌گذاران اهمیت زیادی دارد؛ زیرا اندازه، ارزش و مومنتوم به‌منزلۀ عوامل اصلی تعیین ریسک سیستماتیک پذیرفته شده است.

پژوهش‌هایی نظیر آمیهود و مندلسون[40] (1986)، آمیهود (2002)، پاستور و استمبا[41] (2003) و آچاریا و پدرسن[42] (2005) تأثیر نقدشوندگی بر بازده سهام را تأیید می‌کنند؛ بنابراین، برای آزمون قوت نتایج نسبت به اثرات احتمالی تغییر نقدشوندگی، ریسک غیرسیستماتیک براساس پسماند الگوی پنج‌عاملی تعدیل‌شده با نقدشوندگی محاسبه‌ ‌می‌شود و اثر همبستگی بر ریسک غیرسیستماتیک دوباره با استفاده از الگوی (3) آزمون می‌شود[43].

 

 

(3)

 

پس از برازش هر یک از الگو‌های (1)، (2) و (3)، براساس تحلیل فراوانی ضرایب معنادار همبستگی
(با عوامل فراگیر)، دربارۀ رابطۀ ریسک غیرسیستماتیک و همبستگی تاریخی قضاوت می‌شود. معنا‌داری اقتصادی اثر همبستگی بر ریسک غیرسیستماتیک در هر یک از الگو‌های مذکور، مانند وازلوبنیا و مشچریاکف (2014) به‌صورت زیر محاسبه می‌شود[44]:

معناداری اقتصادی

که در آن  ضریب همبستگی (در هر یک از الگو‌های (1) تا (3))، همبستگی بازده با عوامل فراگیر (ارزش، مومنتوم، اندازه، بازار) و N تعداد شرکت‌هایی است که بین ریسک غیرسیستماتیک و همبستگی آنها رابطۀ معناداری برقرار است. این معیار، متوسط تغییرات ریسک سهام ناشی از همبستگی تاریخی را می‌سنجد و با واریانس بازده مقایسه می‌کند.

اثر همبستگی بر ریسک سیستماتیک: می‌توان استدلال کرد سهامی که در گذشته با عوامل ریسک فراگیر همبسته بوده است، به‌احتمال زیادتری از شوک‌های همبستگی تأثیر می‌گیرد؛ زیرا بیش از سایر سهام با بازار همبسته است؛ بنابراین، باید ریسک سیستماتیک بالاتری داشته باشد. برای بررسی اثر پویایی همبستگی با عامل ریسک بازار ( ) بر ریسک سیستماتیک، الگوی (4) در چهارچوب الگوی گارچ برازش می‌شود.

 

 

 

 

(4)

 

در این الگو، ریسک عامل بازار  همراه با همبستگی تاریخی  دستخوش تغییر می‌شود؛ بنابراین،  اثر همبستگی (بازده سهام با عامل ریسک بازار) بر ریسک ‌سیستماتیک را نشان می‌دهد.

تا زمانی که ریسک سیستماتیک در گذر زمان تغییر کند، در صورت نادیده‌‎انگاشتن تغییر مذکور مسئلۀ ناهمسانی واریانس بروز می‌کند. در الگوی گارچ، مشکل ناهمسانی واریانس شرطی لحاظ می‌شود. ذیل الگوی گارچ، واریانس خطا می‌تواند طی زمان تغییر کند؛ بنابراین، نگرانی اخیر برطرف می‌شود.

در آزمون قوت براساس الگوی (5)، علاوه بر اثر همبستگی تاریخی بازده سهام بر ریسک بازار، اثرات همبستگی بازده سهام بر سایر عوامل ریسک شامل اندازه، ارزش و مومنتوم بر ریسک سیستماتیک نیز منظور می‌شود.

 

 

(5)

 

 

 

 

 

 

سؤالی که در الگوی (5) آزمون می‌شود این است که آیا همبستگی تاریخی با بازار، اندازه، ارزش و مومنتوم قادر است بتای بازار (ریسک سیستماتیک) سهام را تغییر دهد یا خیر. در صورت همبستگی بالای سهام با عوامل ریسک اصلی، انتظار می‌رود سهام مذکور ریسک سیستماتیک بالایی داشته باشد.

برای آزمون قوت نتایج نسبت به درنظرگرفتن نقدشوندگی به‌منزلۀ عامل ریسک فراگیر، الگوی (6) برازش می‌شود.

 

 

 

(6)

 

در الگوی (6) امکان کنترل تغییر ریسک نقدشوندگی فراهم می‌شود.

رابطۀ ریسک سیستماتیک و همبستگی تاریخی براساس تحلیل فراوانی ضرایب حساسیت معنا‌دار بررسی می‌شود. معناداری اقتصادی اثر براساس رابطۀ زیر محاسبه می‌شود:

معناداری اقتصادی

که در آن  ضریب عامل ریسک بازار در الگو‌های (4)، (5) و (6)،  عامل ریسک بازار،  همبستگی بازده با عامل ریسک بازار و N تعداد شرکت‌هایی است که رابطۀ ریسک سیستماتیک و همبستگی تاریخی آنها ازنظر آماری معنادار است. معنا‌داری اقتصادی محاسبه‌شده با دامنۀ بتاهای سهام نمونه مقایسه می‌شود.

اثر همبستگی تاریخی بر بازده سهام: برای بررسی تأثیر مستقیم همبستگی تاریخی بر متوسط بازده سهام و آزمون قیمت‌گذاری اثر همبستگی، الگوی (7) در چهارچوب الگوی گارچ برازش می‌شود.

 

 

(7)

 

که در آن  اثر همبستگی تاریخی (بازده سهام با عامل بازار) بر میانگین بازده سهام است. انتظار می‌رود وابستگی تاریخی بیشتر با بازار، بر بازده جاری سهام تأثیر بگذارد؛ بدین مفهوم که  معنادار باشد؛ سپس از طریق الگوی (8) ثبات نتایج این آزمون نسبت به همبستگی تاریخی بازده سهام با عوامل اندازه، ارزش و مومنتوم بررسی می‌شود.

 

 

 

 

(8)

 

آنچه در الگوی (8) آزمون می‌شود این است که آیا ریسک همبستگی با بازار، اندازه، ارزش و مومنتوم قیمت‌گذاری می‌شود یا خیر. برای بررسی ثبات نتایج نسبت به تغییرات نقدشوندگی، الگوی (9) برازش می‌شود.

 

 

 

 

(9)

 

ضریب موردتوجه در الگوی بالا همانند الگوی (7)  است؛ با این تفاوت که در معادلۀ میانگین الگوی (9) عامل نقدشوندگی لحاظ شده است[45]. معنا‌داری اقتصادی اثر بر مبنای رابطۀ زیر محاسبه می‌شود. این معیار متوسط تغییرات بازده سهام ناشی از اثر همبستگی تاریخی را می‌سنجد و با واریانس و میانگین بازده کل سهام نمونه مقایسه می‌کند.

= معنا‌داری اقتصادی

که  ضریب اثر همبستگی بر بازده
(از رگرسیون‌های (7)، (8) و (9))،  همبستگی بازده با عوامل فراگیر (مومنتوم، اندازه، ارزش و بازار) و
N تعداد شرکت‌های دارای رابطۀ معنادار بین بازده سهام و همبستگی است.

اثر همبستگی تاریخی بر رابطۀ بازده - ریسک غیرسیستماتیک: شواهد تجربی مربوط به رابطۀ ریسک‌ غیرسیستماتیک و بازده، متناقض است. می‌توان استدلال کرد که ابهام رابطۀ ریسک غیرسیستماتیک - بازده ناشی از نادیده‌انگاشتن تأثیر پویایی همبستگی بر رابطۀ اخیر است؛ به سخن دیگر، اثر همبستگی بر ریسک غیرسیستماتیک قادر به توضیح رابطۀ مبهم بازده و ریسک مذکور است. برای این منظور، ابتدا رابطۀ ریسک غیرسیستماتیک و بازده ازطریق الگوی (10) بررسی می‌شود. در الگوی میانگین تحلیل مذکور از رویکرد گارچ استفاده می‌شود تا اثر ریسک غیرسیستماتیک به‌صورت مستقیم بر بازده سهام سنجیده شود. این اثر توسط ضریب حساسیت  اندازه‌گیری می‌شود. اثر همبستگی در الگوی (10) منظور نمی‌شود.

 

 

 

 

 

(10)

 

بررسی اثر همبستگی تاریخی بر رابطۀ بازده - ریسک غیرسیستماتیک از طریق برازش الگوی (11) محقق می‌شود؛ به عبارت دقیق‌تر، به این پرسش پاسخ داده می‌شود که آیا افزودن همبستگی تاریخی (بازده سهام با عامل بازار) به الگوی (11)، احتمال مشاهدۀ رابطۀ معنا‌دار ریسک غیرسیستماتیک و میانگین بازده (معناداری ) را کاهش می‌دهد یا خیر.

 

 

 

(11)

 

با مقایسۀ الگو‌های (10) و (11) می‌توان اثر همبستگی را بر رابطۀ ریسک غیرسیستماتیک - بازده مشخص کرد. برای آزمون ثبات نتایج نسبت به سایر عوامل ریسک فراگیر شامل ارزش، اندازه و مومنتوم، الگوی (12) برازش می‌شود.

 

 

 

(12)

 

 

نتایج الگوی (12) باید با الگوی بدون اثر همبستگی (الگوی 10) مقایسه شود تا مشخص ‌شود آیا احتساب همبستگی با سایر عوامل ریسک فراگیر می‌تواند بر رابطۀ ریسک غیرسیستماتیک - بازده تأثیر بگذارد یا خیر. برای آزمون قوت یافته‌ها نسبت به تغییر نقدشوندگی، الگوی (13) بدون اثر همبستگی برآورد می‌شود.

 

(13)

 

احتساب همزمان اثر نقدشوندگی و همبستگی ازطریق الگوی (14) انجام می‌شود:

 

 

 

(14)

 

با مقایسۀ الگو‌های (14) و (13) با الگو‌های (11) و (10) می‌توان قوت نتایج حاصل از اثر همبستگی را بر رابطۀ ریسک غیرسیستماتیک - بازده آزمون کرد.

از جمله مشکلات بازار‌های توسعه‌نیافته نظیر بورس اوراق بهادار تهران، وجود مسئلۀ «معاملات غیرهمزمان» است. حذف شرکت‌هایی که تعداد معاملات آ‌نها از حد معینی پایین‌‌تر باشد، از جمله راهکارهایی است که تأثیر این مسئله را کاهش می‌دهد. این رویه به پیروی از هوآنگ، لیو، ری و ژانگ[46] (2010) در نظر گرفته شده است. از آنجا که الگوی معینی برای تعیین حداقل تعداد مشاهدات دورۀ تخمین وجود ندارد، سه محدودیت الزام حداقل 24، 28 و 32 مشاهدۀ ماهانۀ غیرصفر طی دورۀ تخمین3‌ ساله برای برازش همۀ رگرسیون‌ها به‌استثنای الگوی پاستور و استمبا (2003) اعمال می‌شود.

اثر وجودنداشتن شفافیت اطلاعاتی بر رابطۀ همبستگی تاریخی و ریسک سهام: برخی شواهد تجربی نشان می‌دهد اثر همبستگی تاریخی بر ریسک شرکت‌های دارای شفافیت اطلاعاتی پایین‌تر، به‌لحاظ آماری معنادار است. طولانی‌شدن انعکاس اطلاعات جدید در قیمت سهام شرکت‌های با شفافیت اطلاعاتی پایین‌تر، موجب می‌شود اثر شوک‌های همبستگی بر ریسک سهام طولانی‌تر شود. از آنجا‌ که از اندازه و گردش سهام در بیشتر موارد به‌منزلۀ معیار شفافیت اطلاعاتی استفاده می‌شود، انتظار می‌رود اثر همبستگی تاریخی بر ریسک سهام شرکت‌هایی بالاتر باشد که گردش سهام آنها پایین‌تر و اندازۀ آنها کوچک‌تر است. به گمان کائو، سیمین و ژائو[47] (2008) می‌توان ریسک بالای سهام را ناشی از فرصت‌های رشد (که با نسبت B/M اندازه‌گیری می‌شود) دانست؛ زیرا مدیران تمایل دارند از این فرصت‌ها برای افزایش ارزش شرکت استفاده کنند. به عقیدۀ براون و کاپادیا[48] (2007) و دنیس و استریکلند[49] (2004) اهرم مالی ازطریق افزایش احتمال ورشکستگی سبب افزایش ریسک می‌شود. وی و ژانگ[50] (2006) چنین استدلال می‌کنند که سود هر سهم بر ریسک سهام اثر می‌گذارد؛ زیرا سود عامل تعیین‌کنندۀ بازده سهام شرکت است. مالکیل و ژو[51] (2003) نشان می‌دهند سرمایه‌گذاران نهادی می‌توانند سبب افزایش ریسک سهام شوند. با توجه به تأیید رابطۀ ویژگی‌های شرکتی یادشده با ریسک سهام، می‌توان استدلال کرد که ویژگی‌های مذکور قادرند بر رابطۀ همبستگی و ریسک تأثیر بگذارند؛ بنابراین، اثر برخی ویژگی‌های شرکتی مؤثر بر ریسک نظیر نسبت ارزش بازار به ارزش دفتری (B/M)، اهرم مالی، سود هر سهم و سرمایه‌گذاران نهادی کنترل می‌شود. این متغیرها در اصل به ریسک فعلی و گذشتۀ شرکت مرتبط است که به‌نوبۀ خود بخشی از همبستگی بررسی‌شده است. بنابراین، ویژگی‌های شرکتی ممکن است سبب رابطۀ بین همبستگی و ریسک شود؛ پس باید اثرات آن کنترل شود.

برای بررسی اثر تغییرات همبستگی بر ریسک سهام با شفافیت اطلاعاتی پایین‌تر، باید تأثیر شفافیت اطلاعاتی بر رابطۀ همبستگی با ریسک بررسی ‌شود. برای انجام این مهم، از رگرسیون لجستیکی استفاده می‌شود که متغیر وابستۀ آن براساس علامت و معناداری رابطۀ همبستگی با ریسک غیرسیستماتیک/ سیستماتیک تعیین می‌شود؛ بدین روش که در صورت مثبت‌بودن و معناداری اثر همبستگی بر ریسک غیرسیستماتیک (ضریب حاصل از برازش الگوی گارچ)، متغیر وابسته برابر یک و در غیر این صورت، برابر صفر است. دربارۀ ریسک سیستماتیک نیز به همین شیوه عمل می‌شود. متغیر‌های مستقل رگرسیون لجستیک شامل گردش سهام و اندازه به‌منزلۀ شاخص‌های شفافیت اطلاعاتی شرکت است. اهرم مالی، سود هر سهم، نسبت ارزش بازار به ارزش دفتری و درصد مالکیت اشخاص حقوقی به‌منزلۀ متغیرهای کنترل لحاظ می‌شوند[52]. ضرایب حاصل از رگرسیون‌های لجستیک نشان‌دهندۀ اثر هر یک از ویژگی‌های شرکت به‌ویژه شفافیت اطلاعاتی بر احتمال مشاهدۀ رابطۀ مثبت و معنا‌دار بین همبستگی (بازده سهام با عوامل فراگیر) است و ریسک را اندازه‌گیری می‌کند. بدین مفهوم که هر یک از ویژگی‏های شرکت به چه میزان در بروز رابطۀ مثبت و معنادار بین ریسک سهام و همبستگی، اثرگذار است. علاوه بر این، برای بررسی اثر شفافیت اطلاعاتی بر شدت رابطۀ همبستگی تاریخی با ریسک سهام از رگرسیون توبیت استفاده می‌شود. این رگرسیون شباهت بسیاری به رگرسیون لجستیک دارد؛ با این تفاوت که به‌جای استفاده از یک عدد گسسته به هنگام مثبت و معناداری ضریب مدنظر در الگوی گارچ، از اعداد پیوستۀ مرتبط استفاده می‏کند؛ اما در غیر این صورت، از همان عدد گسسته (0) به‌منزلۀ متغیر وابسته استفاده می‌کند. در الگوی لجستیک، تنها مثبت و معناداری ضریب الگوی گارچ اهمیت دارد؛ اما در الگوی توبیت علاوه بر مثبت و معناداری، مقدار ضریب نیز مهم است.

اثر همبستگی (بازده سهام با عامل بازار) بر ریسک غیرسیستماتیک در الگوی (1) بررسی شد. برای بررسی اثر شفافیت اطلاعاتی بر رابطۀ همبستگی و ریسک غیرسیستماتیک، از ضریب برآوردی متغیر همبستگی در الگوی مذکور به‌منزلۀ متغیر وابسته استفاده ‌شده است و با احتساب ویژگی‌های شرکت به‌منزلۀ متغیر مستقل، رگرسیون لجستیک (3-1) برازش می‌شود تا اثر هر یک از ویژگی‌های شرکت در مشاهدۀ رابطۀ مثبت و معنادار بین ریسک غیرسیستماتیک و همبستگی سنجیده شود. متغیر وابستۀ رگرسیون لجستیک در صورت مثبت و معنا‌داری ضریب حاصل از الگوی گارچ (1) برابر یک و در غیر این صورت برابر صفر است.

(1)

 

 

 

(1-1)

 

(2-1)

 

(3-1)

 

(4-1)

 

که متغیر وابستۀ باینری است که تأثیر همبستگی (بازده سهام با عامل بازار) بر ریسک غیرسیستماتیک را می‌سنجد،  نسبت مالکیت اشخاص حقوقی[53]،  اندازۀ شرکت،  نسبت ارزش بازار به ارزش دفتری،  اهرم مالی،  سود هرسهم و  گردش سهام است. الگوی (1-1) با استفاده از رگرسیون لجستیک و الگوی (2-1) با استفاده از رگرسیون توبیت برازش می‌شود. در الگوی (3-1) نیز معیار اندازۀ شرکت، ارزش دفتری کل دارایی‌هاست. در الگوی
(4-1) تنها تأثیر ناشی از شفافیت اطلاعاتی بدون احتساب متغیرهای کنترل بررسی می‌شود. بدین طریق، می‌توان اثر هر یک از ویژگی‌های شرکتی و شفافیت اطلاعاتی را بر رابطۀ همبستگی با ریسک غیرسیستماتیک بررسی کرد. همین رویه برای الگوهای (2) تا (6) نیز تکرار می‌شود. بدین مفهوم که برای بررسی اثر شفافیت اطلاعاتی بر رابطۀ همبستگی با ریسک سیستماتیک از رگرسیون لجستیک استفاده می‌شود که متغیر وابستۀ آن براساس مثبت و معناداری ضریب همبستگی در الگوی گارچ تعریف می‌شود.

در آزمون‌های مربوط به کل دوره برای کنترل اثر مربوط به زیردوره‌ها بر معادلۀ رگرسیونی (میانگین و واریانس) از متغیر مجازی استفاده ‌شده است. بدین صورت که اگر سهام در زیردورۀ اول باشد:  و اگر سهام در زیردورۀ دوم باشد:  و در نهایت اگر سهام در زیر دورۀ سوم باشد:  است. متغیرهای پژوهش حاضر به‌شرح جدول (1) محاسبه و اندازه‌گیری می‌شود.

جدول (1) نحوۀ اندازه‌گیری متغیرها

نام متغیر

نحوۀ محاسبه

بازده اضافی سهام ( )

بازده سهام به‌صورت لگاریتم نسبت قیمت تعدیل‌شده بابت سود نقدی و افزایش سرمایه در زمان t و t-1 محاسبه ‌می‌شود و برای به‌دست‌آوردن بازده اضافی، نرخ بدون ریسک از آن کسر می‌شود.

بازده بدون ریسک ( )

نرخ سود اوراق مشارکت بانک مرکزی به‌منزلۀ نرخ بازده بدون ریسک در نظر گرفته شده است.

بازده بازار

براساس لگاریتم طبیعی نسبت شاخص قیمت در زمان t به شاخص t-1 محاسبه می‌شود.

عامل بازار ( )

بازده اضافی بازار که از مابه‌التفاوت نرخ بازده بدون ریسک و بازده بازار حاصل می‌شود.

عامل اندازه (SMB)

در چهارچوب فاما و فرنچ (1993) و براساس تفاوت بازده سبد سهام بزرگ و سهام کوچک محاسبه می‌شود.

 

عامل ارزش (HML)

براساس فاما و فرنچ (1993) و از مابه‌التفاوت بازده سبد سهام ارزشی و سبد سهام‌ رشدی به دست می‌آید.

 

عامل مومنتوم (UMD)

بر مبنای تفاضل بازده سبد سهام برنده و سبد سهام بازنده محاسبه می‌شود.

ریسک غیرسیستماتیک

براساس واریانس پسماند ( ) حاصل از الگوی کارهات (1997) محاسبه می‌شود.

ضریب همبستگی بازده اضافی

سهام و عوامل فراگیر ریسک

( )

برای تخمین ضرایب همبستگی ماهانه از داده‌های ماهانۀ 3 سال گذشته استفاده می‌شود؛ به‌طوری ‌که ضریب همبستگی فروردین 85 با استفاده از داده‌های فروردین 82 تا اسفند 84 و ضریب همبستگی اردیبهشت 85 با استفاده از داده‎های اردیبهشت 82 تا فروردین 85 و درنهایت همبستگی اسفند 93 با استفاده از داده‌های اسفند 90 تا بهمن 93 محاسبه می‌شود.

اندازه

براساس لگاریتم طبیعی ارزش بازار سهام در پایان دوره محاسبه می‌شود.

نسبت ارزش بازار به ارزش دفتری

از حاصل تقسیم ارزش بازار سهام بر ارزش دفتری شرکت محاسبه می‌شود.

اهرم مالی

حاصل تقسیم کل بدهی‌ها بر مجموع دارایی‌هاست.

سود هر سهم ( )

عبارت از سود خالص تقسیم بر تعداد سهام جاری شرکت است.

گردش سهام

از حاصل تقسیم تعداد سهام معامله‌شده بر تعداد سهام جاری شرکت به دست می‌آید.

نسبت مالکیت حقوقی‌ها

برابر درصد مالکیت حقوقی سهام شرکت در پایان سال است.

نقدشوندگی

برای محاسبۀ نقدشوندگی از الگوی پاستور و استمبا (2003) استفاده می‌شود. این معیار حاصل تجمیع نقدشوندگی کل سهام موجود در بازار است. برای محاسبۀ تغییرات نقدشوندگی بازار در هر ماه، نخست نقدشوندگی ماهانۀ هر سهم ( ) با برازش الگوی (15) در چهارچوب رگرسیون سری زمانی حاصل می‌شود.

(15)

 

که  مابه‌التفاوت بازده سهام و بازده بازار،  بازده سهام  در روز  ماه ،  بازده بازار در روز  ماه ،  علامت بازده اضافی سهام  در روز  ماه ،  حجم ریالی مبادله سهام  در روز  ماه  و  نقدشوندگی سهام  در ماه  است. ذکر این نکته ضروری است که الگوی (15) برای سهامی برازش می‌شود که در هر ماه دست‌کم 15 مشاهدۀ غیرصفر داشته باشد. برای اندازه‌گیری نقدشوندگی بازار در ماه ، از میانگین موزون نقدشوندگی سهام  در ماه  ( ) استفاده می‌شود. عامل وزن‌دهی  شامل  که برابر مجموع حجم معاملۀ کل‌ سهام مشمول ماه  در آخرین روز معاملاتی آنها در ماه  و  برابر مجموع حجم معاملۀ کل سهام مشمول در فروردین اولین سال دوره‌های 3‌ساله است؛ بنابراین، نقدشوندگی ماهانۀ بازار براساس الگوی (16) محاسبه می‌شود.

(16)

 

که  نقدشوندگی سهام  در ماه  (حاصل از رابطۀ (17))،  تعداد شرکت‌های مشمول ماه  و  نقدشوندگی بازار در ماه  است.

 

یافته‌ها.

میانگین ارزش دارایی‌های سهام نمونه برابر با
4380 میلیون ریال است که با اعمال محدودیت سختگیرانۀ دست‌کم 32 مشاهده، به 4930 میلیون ریال رسیده است؛ به این ترتیب، شرکت‌های بزرگ‌تری را شامل می‌شود. ارزش حقوق صاحبان سهام نیز با روندی مشابه از 3640 میلیون ریال (محدودیت 24 ماه) به
4220 میلیون ریال افزایش می‌یابد (محدودیت 32 ماه). به‌طور متوسط حدود 57 درصد دارایی‌های شرکت‌های نمونه از محل بدهی تأمین مالی شده است که در پایین‌ترین حالت، به حدود 12 و در بالاترین حد ممکن، به حدود 94 درصد می‌رسد. متوسط نسبت ارزش بازار به ارزش دفتری نمونه برابر 15/2 است. گردش سهام همزمان با افزایش محدودیت الزام حداقل مشاهده از 232/0 به 26/0 افزایش می‌یابد. میانگین مالکیت حقوقی شرکت‌های نمونه حدود 72 درصد است.

در بررسی اثر پویایی همبستگی بر ریسک غیرسیستماتیک، با توجه به اینکه الگوها برای هر یک از سهام نمونه طی دوره‌های تخمین 3‌ساله برازش ‌شده است، نتایج به‌دست‌آمده به‌صورت درصد سهامی گزارش می‌شود که رابطۀ بررسی‌شده دست‌کم در سطح خطای 5 درصد ازنظر آماری معنادار است. نتایج حاصل از بررسی اثر پویایی همبستگی بر ریسک غیرسیستماتیک در جدول (2) ملاحظه‌می‌شود.

 

جدول (2) نتایج حاصل از بررسی اثر همبستگی بر ریسک غیرسیستماتیک

                       

متغیرها/ فواصل زمانی

الگوی 3

الگوی 2

الگوی 1

الزام دست‌کم 24 مشاهده

5/22

40

9/25

4/44

5/19

3/28

6/23

2/41

26

36

6/19

1/39

1387-1385

8/21

4/34

4/22

1/43

25

4/46

5/18

7/32

8/28

1/44

1/17

7/25

1390-1388

2/27

7/37

25

4/46

1/29

9/47

27

1/52

8/23

3/33

9/22

4/34

1391-1393

5/40

58

5/30

9/55

2/36

9/56

9/18

2/36

5/30

8/50

1/17

2/59

1393-1385

الزام دست‌کم 28 مشاهده

8/21

38

5/22

35

2/22

25

8/26

29

23

33

6/19

39

1387-1385

3/23

37

6/22

43

9/26

44

17

30

3/30

43

17

27

1390-1388

6/26

36

4/27

47

6/28

44

5/28

50

2/24

35

6/22

33

1391-1393

37

52

2/30

58

8/42

60

19

36

2/37

56

37

58

1393-1385

الزام دست‌کم 32 مشاهده

3/26

47

8/17

25

4/21

25

31

35

9/25

9/25

26

44

1387-1385

2/21

34

5/17

28

6/14

29

8/13

22

6/26

38

3/10

24

1390-1388

5/23

34

4/20

43

7/28

44

2/28

49

2/27

36

5/21

33

1391-1393

5/32

50

3/32

62

9/41

58

1/16

32

3/30

52

3/19

55

1393-1385

                                   

 

 

جدول (2) نشان‌دهندۀ درصدی از سهام نمونه است که اثر همبستگی تاریخی بر ریسک غیرسیستماتیک آن دست‌کم در سطح خطای 5 درصد به‌لحاظ آماری معنادار است. هر ردیف، نتایج حاصل از آزمون رابطۀ اخیر در یکی از دوره‌های تخمین 3‌ساله را نشان می‌دهد. ردیف آخر هر قسمت بیان‌کنندۀ رگرسیون‌های برازش‌شده طی کل دورۀ زمانی بررسی‌شده است. الگو‌های (1) تا (3) براساس شمارۀ الگوی موردنظر در بخش روش‌شناسی مشخص شده است. ستون  درصد سهام حائز اثر معنادار همبستگی با عامل بازار بر ریسک غیرسیستماتیک است، بدون آنکه برای اثرگذاری منظور ‌شود. طبق نتایج منعکس در
الگوی (1) جدول (2) در صورت اعمال محدودیت الزام دست‌کم 24 مشاهده، بین 26 تا 59 درصد سهام نمونه متضمن اثر معنا‌دار همبستگی با عامل بازار بر ریسک غیرسیستماتیک است. در بیشتر موارد، علامت رابطۀ مذکور منفی است؛ به‌طوری که در همۀ دوره‌ها و در همۀ الگو‌های (1)، (2) و (3) اثر معکوس همبستگی با عوامل فراگیر بر ریسک غیرسیستماتیک غلبه می‌کند؛ بنابراین، سهامی که در گذشته همبستگی بالایی با عامل بازار داشته باشد، احتمالاً ریسک غیرسیستماتیک پایین‌تری دارد. برای ارزیابی معناداری اقتصادی اثر مذکور، از میانگین قدرمطلق حاصل‌ضرب ضریب برآوردی همبستگی تاریخی و همبستگی تاریخی  استفاده می‌شود. استفاده از قدرمطلق ناشی از آن است که به میانگین اندازۀ اثر، صرف ‌نظر از علامت آن توجه می‌شود. این معیار نشان‌دهندۀ میانگین تغییر ریسک سهام ناشی از اثر همبستگی تاریخی است. اثر مدنظر حدود 01/0 است که حدود 4/47 درصد واریانس بازده ماهانۀ سهام (12/2 درصد) است؛ بنابراین، اثر یادشده به‌لحاظ اقتصادی معنادار است. در الگوی (2) علاوه بر همبستگی تاریخی با عامل بازار، همبستگی با عوامل اندازه، ارزش و مومنتوم نیز لحاظ ‌شده است. با احتساب محدودیت دست‌کم 24 مشاهده و طبق نتایج منعکس زیر الگوی (2) جدول (2)، مشخص می‌شود همبستگی با سایر عوامل ریسک به اندازۀ عامل بازار برای ریسک غیرسیستماتیک سهام اهمیت دارد. در این صورت، نسبت سهام دارای رابطۀ معنادار بین ریسک غیرسیستماتیک و همبستگی با عامل بازار بین 33 تا 51 درصد است و اثر همبستگی با عامل اندازه بین 33 تا 52 درصد، همبستگی با عامل ارزش بین 28 تا 57 درصد و تأثیر همبستگی با مومنتوم در 43 تا 56 درصد سهام نمونه بر ریسک غیرسیستماتیک معنادار است. اثر همبستگی با عامل مومنتوم بر ریسک غیرسیستماتیک مهم‌تر از سایر عوامل است؛ زیرا فراوانی معناداری اثر مذکور بیش از سایر عوامل ریسک است. ریسک ناشی از تغییر همبستگی با عامل بازار برابر با 015/0، با عامل اندازه 0078/0، با عامل ارزش 0105/0 و با عامل مومنتوم برابر با 0154/0 است. این تغییرات برای عامل بازار 7/70 درصد، برای عامل اندازه 36 درصد، برای عامل ارزش 49 درصد و برای عامل مومنتوم 72 درصد واریانس بازده سهام است؛ بنابراین، اثر همبستگی تاریخی با سایر عوامل فراگیر بر ریسک غیرسیستماتیک به‌لحاظ اقتصادی نیز معنادار است[54]. احتساب همبستگی با سایر عوامل ریسک سبب افزایش معناداری اقتصادی می‌شود. به‌طور کلی، به نظر می‌رسد همبستگی با مومنتوم مهم‌ترین عامل تعیین‌کنندۀ ریسک غیرسیستماتیک باشد و عوامل بازار، ارزش و اندازه در اولویت‌های بعدی قرار گیرد. ستون آخر محدودیت دست‌کم 24 مشاهدۀ جدول (2) حاوی آزمون قوت نتایج نسبت به اثر عامل نقدشوندگی است؛ به سخن دیگر، نتایج الگویی است که در آن علاوه بر بازار، اندازه، ارزش و مومنتوم اثر نقد‌شوندگی نیز در نظر گرفته شده است. در الگوی مذکور، معناداری اثر همبستگی تاریخی با عامل بازار برای حدود 68 درصد سهام نمونه برقرار است. متوسط تغییر ریسک سهام ناشی از این همبستگی حدود 0181/0 است که حدود 85 درصد واریانس بازده سهام است و معناداری اقتصادی اثر همبستگی را با عامل بازار بر ریسک غیرسیستماتیک تأیید می‌کند. مقایسۀ نتایج‌ الگو‌های (1)، (2) و (3) نشان می‌دهد شمار شرکت‌های دارای اثر معنادار همبستگی با عامل بازار بر ریسک غیرسیستماتیک در صورت احتساب نقدشوندگی افزایش می‌یابد و معناداری اقتصادی آن به‌طرز چشمگیری افزون می‌شود. با تشدید محدودیت الزام حداقل مشاهده از 24 به 32، معناداری اثر همبستگی بر ریسک غیرسیستماتیک کاهش می‌یابد. یافتۀ اخیر تأییدکنندۀ اثر قوی‌تر همبستگی بر ریسک غیرسیستماتیک شرکت‌‌هایی است که وقفه‌های معاملاتی بیشتری دارند.

نتایج حاصل از آزمون اثر همبستگی تاریخی بر ریسک سیستماتیک در جدول (3) ملاحظه می‌شود.

 

جدول (3) نتایج حاصل از بررسی اثر همبستگی تاریخی بر ریسک سیستماتیک

                       

متغیرها/ فواصل زمانی

الگوی 6

الگوی 5

الگوی 4

الزام دست‌کم 24 مشاهده

7/4

7/5

1/16

2/23

7/13

5/22

9/13

4/25

8/13

7/25

7/10

7/16

1387-1385

8/13

1/18

2/12

4/21

7/9

8/18

1/6

8/13

7/9

15

11

5/12

1390-1388

2/10

1/16

2/12

9/20

5/11

3/22

9/9

6/17

1/15

7/22

11

4/21

1391-1393

3/10

6/18

7/9

5/18

3/13

4/24

8/11

6/22

7/15

27

5/16

2/19

1393-1385

الزام دست‌کم 28 مشاهده

2/3

3/4

1/15

3/20

4/14

7/21

16

7/22

15

25

6/8

16

1387-1385

7/12

3/18

9/11

9/20

1/9

5/17

7/6

4/13

9/9

14

2/11

8/12

1390-1388

5/10

5/16

8/12

22

1/12

5/23

4/10

5/18

8/15

8/23

5/16

6/21

1391-1393

4/9

6/17

9/10

8/17

8/13

25

9/10

5/22

6/16

8/27

9

2/18

1393-1385

الزام دست‌کم 32 مشاهده

6/1

3/3

18

24

3/17

25

5/19

1/26

2/14

4/20

7

14

1387-1385

4/14

9/18

9/11

1/21

1/7

2/12

1/8

3/13

7

1/11

11

12

1390-1388

6/10

4/16

1/13

1/22

5/11

1/23

5/10

3/19

3/16

1/24

1/17

9/21

1391-1393

5/12

8/18

2/12

4/20

5/12

8/18

5/14

8/20

7/18

1/27

8/9

6/17

1393-1385

                               

 

 

ساختار جدول (3) همانند جدول (2) است. الگو‌های آزمون‌شده در جدول اخیر نیز براساس شمارۀ معادلات مرتبط در بخش روش‌شناسی مشخص ‌شده است. درصد سهام متضمن اثر معنادار همبستگی تاریخی بر ریسک سیستماتیک پایین‌تر از اثر آن بر ریسک غیرسیستماتیک است. بدین مفهوم که احتمال تغییر ریسک سیستماتیک در واکنش به شوک‌های تاریخی ساختار همبستگی بازده، در مقایسه با ریسک غیرسیستماتیک پایین‌تر است. چنانکه تنها همبستگی عامل بازار در الگوی گارچ منظور شود (الگوی 4)، حدود 12 تا 22 درصد سهام، رابطۀ معنا‌داری بین همبستگی تاریخی و ریسک سیستماتیک تجربه می‌کند. معناداری اقتصادی رابطۀ مذکور معادل 713/0 است. با توجه به اینکه بتای سهام نمونه به‌طور عمده در دامنۀ 02/1 تا 733/0- قرار می‌گیرد، می‌توان ادعا کرد اثر همبستگی تاریخی بر ریسک سیستماتیک ازلحاظ اقتصادی چشمگیر است. با احتساب سایر عوامل اصلی ریسک نظیر ارزش، اندازه و مومنتوم در الگوی (5)، درصد سهام دارای رابطۀ معنا‌دار بین همبستگی و ریسک سیستماتیک با افزایش ناچیزی به 15 تا 27 می‌رسد. معنا‌داری اقتصادی این اثر برابر با 98/0 و بالاتر از الگوی (4) است. تأثیر همبستگی تاریخی با عامل اندازه بر بتای 14 تا 25 درصد سهام نمونه دارای اثر اقتصادی معادل 401/0 است. اثر همبستگی بازده با عوامل ارزش و مومنتوم بر بتا به ترتیب در 18 تا 25 درصد و 18 تا 23 درصد سهام نمونه به‌لحاظ آماری معنادار است. اثر اقتصادی آنها به ترتیب برابر 645/0 و 824/0 است که با توجه به دامنۀ بتای سهام، هر دو ضریب ازنظر اقتصادی معنادار است. در ستون آخر محدودیت الزام دست‌کم 24 مشاهدۀ جدول (3) نتایج حاصل از احتساب عامل نقد‌شوندگی ملاحظه می‌شود. درصد سهام دارای رابطۀ معنا‌دار بین همبستگی تاریخی (با عامل بازار) و ریسک سیستماتیک بین 6 تا 18 درصد نمونه (پایین‌تر از الگوی 4) و متوسط معنا‌داری اقتصادی آن 87/0- است؛ بنابراین، اگرچه نتایج اصلی در صورت احتساب نقدشوندگی مانند قبل برقرار است، ضریب مدنظر ازلحاظ اقتصادی معنادار نیست. نسبت‌های مذکور در دوره‌های فرعی دستخوش تغییر ‌شده و بین عوامل ریسک، همبسته است. کاهش معاملات غیرهمزمان شرکت‌های نمونه (با افزایش محدودیت دست‌کم 24 مشاهده به 32)، سبب کاهش معناداری اثر همبستگی بر ریسک سیستماتیک می‌شود. اثر معاملات غیرهمزمان بر ریسک غیرسیستماتیک، قوی‌تر از ریسک سیستماتیک است. طبق نتایج منعکس‌شده در جدول (3) در صورت اعمال محدودیت‌ها در همۀ محدودیت‌ها و در بیشتر زیردوره‌ها، علامت رابطۀ مذکور منفی است؛ به‌طوری که برای نمونه اثر همبستگی با عامل بازار بر ریسک سیستماتیک 5/16 درصد سهام نمونه طی دورۀ زمانی 1385 تا 1393، منفی است و تنها 7/2 درصد سهام، اثر مثبت دارد؛ بنابراین، سهامی که در گذشته همبستگی بالایی با عامل بازار داشته است، احتمالاً ریسک سیستماتیک پایین‌تری دارد.

نتایج حاصل از بررسی تأثیر مستقیم همبستگی تاریخی با عوامل فراگیر بر بازده سهام در جدول (4) ملاحظه می‌شود.

 

جدول (4) نتایج حاصل از بررسی همبستگی بر میانگین بازده

                       

متغیرها/ فواصل زمانی

الگوی 9

الگوی 8

الگوی 7

الزام دست‌کم 24 مشاهده

8/10

3/16

9/12

2/21

4/13

22

8/12

5/20

16

5/23

6/8

3/17

1387-1385

9/8

2/14

6/11

4/19

7/13

2/25

12

20

2/13

1/19

1/5

7/11

1390-1388

2/6

1/10

1/7

3/14

1/13

3/21

6/10

7/19

7/12

2/21

4

2/8

1391-1393

8/12

8/19

2/11

4/20

2/14

4/20

4/9

8/15

7/14

2/21

7/11

3/22

1393-1385

الزام دست‌کم 28 مشاهده

10

1/17

7/14

22

6/11

6/24

3/13

7/22

7/17

21

8/9

8/19

1387-1385

9/9

7/15

4/8

18

2/13

24

2/11

1/18

8/12

4/18

3/7

1/13

1390-1388

8/6

6/10

6/6

13

5/13

22

9/10

3/19

1/13

9/21

3/4

3/8

1391-1393

3/11

7/17

2/10

9/16

3/15

17

8

7/14

3/13

8/18

3/12

9/21

1393-1385

الزام دست‌کم 32 مشاهده

8/9

6/17

5/12

8/18

7/12

17

7/9

6/14

20

2/22

3/8

7/16

1387-1385

1/9

3/15

2/7

7/16

2/14

5/23

6/10

9/14

1/11

2/16

8

1/14

1390-1388

7/6

1/10

2/7

7/12

12

4/19

9

1/19

2/12

8/20

6/4

6/8

1391-1393

3/11

17

8/9

14

10

14

3/8

6/14

2/14

3/16

2/10

4/20

1393-1385

                             

 

 

نتایج حاصل از برازش الگو‌های (7) تا (9) که با توجه به شمارۀ معادلات مرتبط در بخش روش‌شناسی شماره‌گذاری شده است، مبنی بر آزمون تأثیر همبستگی بر بازده سهام در جدول (4) ملاحظه می‌شود. در صورت اعمال محدودیت الزام دست‌کم 24 مشاهده و منظورکردن همبستگی با عامل بازار، فراوانی سهام دارای رابطۀ معنا‌دار همبستگی تاریخی با میانگین بازده، بین 8 تا 22 درصد است. اثر اقتصادی رابطۀ مذکور حدود 435/0 است که در مقایسه با انحراف معیار بازده (145/0) و میانگین بازده (9/0) ازنظر اقتصادی چشمگیر است. چنانکه همبستگی با عوامل بازار، اندازه، ارزش و مومنتوم در نظر گرفته ‌شود، درصد سهام دارای رابطۀ معنا‌دار بین همبستگی تاریخی با عامل بازار و میانگین بازده به 19 تا 23 درصد، برای همبستگی با عامل اندازه به 15 تا 20 درصد، برای همبستگی با عامل ارزش به 20 تا 25 درصد و برای همبستگی با عامل مومنتوم به 14 تا 21 درصد می‌رسد. اثر اقتصادی همبستگی‌ها به ترتیب برای عامل بازار 725/0، برای عامل اندازه 36/0، برای عامل ارزش 478/0 و برای عامل مومنتوم معادل 362/0 است که نشان‌دهندۀ معنا‌داری این ضرایب ازلحاظ اقتصادی است. برای رسیدن به اطمینان از قوت نتایج، اثر نقدشوندگی در الگوی (8) منظور می‌شود. در این صورت، اثر همبستگی تاریخی با عامل بازار بر میانگین بازده 10 تا 20 درصد سهام نمونه ازنظر آماری معنادار است. اثر اقتصادی رابطۀ اخیر برابر با 353/0 است که معنا‌دار است. همبستگی بازده با عوامل فراگیر بر حدود 20 درصد از بازده سهام موجود در بازار تأثیر می‌گذارد. بدین ترتیب، می‌توان از تغییرات همبستگی تاریخی با عوامل فراگیر ارزش، اندازه، مومنتوم و بازار برای پیش‌بینی میانگین بازده سهام استفاده کرد. همان طور که از نتایج منعکس‌شده در جدول (4) مشخص است، در بیشتر موارد رابطۀ مذکور منفی است؛ بنابراین، سهامی که در گذشته همبستگی بالایی با عوامل فراگیر داشته است، احتمالاً بازده پایین‌تری دارد.

نتایج حاصل از آزمون تأثیر همبستگی بر رابطۀ بازده - ریسک غیرسیستماتیک[55] در جدول (5) ملاحظه‌ می‌شود.

 

جدول (5) نتایج حاصل از بررسی تأثیر همبستگی بر رابطۀ بازده - ریسک غیرسیستماتیک

الگوی 14

الگوی 13

الگوی 12

الگوی 11

الگوی 10

متغیرها/ فواصل زمانی

                   

الزام دست‌کم 24 مشاهده

2/5

11

6/10

20

7/6

12

3/4

8

7

9

1387-1385

1/4

11

9/13

26

6/4

10

1/8

15

15

26

1390-1388

7/10

16

5/12

20

9/8

15

4/8

11

4/16

26

1391-1393

4/8

11

7/7

10

2/8

11

2/10

19

8/9

19

1393-1385

الزام دست‌کم 28 مشاهده

3/8

11

2/12

18

8/6

12

1/4

7

8

11

1387-1385

7/5

12

6/13

26

9/5

4/10

9

16

9/14

26

1390-1388

3/11

15

7/11

20

6/8

8/13

9/8

12

7/14

25

1391-1393

1/11

15

1/6

9

5/7

11

9

18

5/12

20

1393-1385

الزام دست‌کم 32 مشاهده

6/5

8

3/8

17

9/3

8

7/3

8

3/4

9

1387-1385

2/8

14

3/13

27

2/7

4/9

1/10

16

3/14

26

1390-1388

4/11

15

7/11

19

2/9

8/14

7/8

12

6/14

23

1391-1393

1/11

17

5/4

7

52/10

16

8/10

22

5/15

24

1393-1385

                         

 

 

جدول (5) شامل نتایج حاصل از برازش الگو‌های (10) تا (13) است که با توجه به شمارۀ معادلات مرتبط در بخش روش‌شناسی شماره‌گذاری شده است و بر آزمون تأثیر همبستگی بر رابطۀ ریسک غیرسیستماتیک و بازده سهام در چهارچوب الگوی گارچ مبتنی است. ستون اول جدول (5) (الگوی (10)) نشان‌دهندۀ درصد سهامی است که متضمن رابطۀ معنا‌دار بین ریسک غیرسیستماتیک و بازده سهام است. در دو ستون بعدی، همبستگی تاریخی با عامل بازار (الگوی 11)، عوامل مومنتوم، ارزش، اندازه و بازار (الگوی 12) منظور شده است. الگوی (13) همان الگوی (10) به علاوۀ عامل نقدشوندگی است. لحاظ‌کردن عامل نقدشوندگی در الگوی (11) نیز در قالب الگوی (14) نمایان می‌شود. اگر همبستگی تاریخی قادر به تبیین رابطۀ ریسک غیرسیستماتیک و بازده سهام باشد، باید در صورت لحاظ‌کردن همبستگی با عوامل فراگیر در الگو‌ها، نسبت سهام دارای رابطۀ معنادار بین ریسک و بازده کاهش یابد؛ برای مثال، درصد سهام دارای رابطۀ معنادار ریسک غیرسیستماتیک و بازده زیر الگوی (8) باید پایین‌تر از الگو‌های (11) و (12) باشد. الگو‌های (13) و (14) نشان‌دهندۀ تحلیل قوت نتایج نسبت به نقدشوندگی است. تصریح معادلۀ الگوی (13) همانند الگوی (10) است؛ با این تفاوت که ریسک نقدشوندگی در معادلۀ میانگین الگوی (13) لحاظ شده است. الگوی (14) ماحصل افزودن نقدشوندگی به الگوی (11) است. در صورت قوت نتایج نسبت به ریسک نقدشوندگی، تفاوت بین الگو‌های (13) و (14) باید مشابه تفاوت الگو‌های (10) و (11) باشد. درصد سهام متضمن رابطۀ معنا‌دار بین ریسک غیرسیستماتیک و میانگین بازده در صورت احتساب همبستگی تاریخی با عامل بازار کاهش می‌یابد؛ اما تفاوت آن اندک است (به نتایج الگوهای 10 و 11 توجه فرمایید). با ملحوظ‌کردن همبستگی تاریخی با عوامل بازار، اندازه، ارزش و مومنتوم (الگوی 12)، احتمال معنا‌داری رابطۀ ریسک غیرسیستماتیک - بازده در کل دورۀ زمانی کاهش می‌یابد. در الگوی (14) افزودن همبستگی تاریخی با عامل بازار موجب ‌شده است درصد سهام متضمن رابطۀ معنادار ریسک غیرسیستماتیک و بازده طی دوره‌های فرعی، (نسبت به الگوی 13) کاهش و طی کل دورۀ زمانی افزایش یابد؛ بنابراین، نمی‌توان ادعا کرد همبستگی تاریخی با عوامل ریسک فراگیر مسبب رابطۀ میانگین بازده و ریسک غیرسیستماتیک است؛ اما در برخی الگوها می‌توان اثر همبستگی را تأیید کرد.

نتایج حاصل از بررسی ویژگی‌های شرکتی بر رابطۀ بین تغییرات همبستگی تاریخی با ریسک سهامبرای محدودیت الزام دست‌کم 24 مشاهده در جدول (6) خلاصه‌ شده است.

 

جدول (6) بررسی اثر ویژگی‌های شرکت بر رابطۀ همبستگی با ریسک‌های غیرسیستماتیک و سیستماتیک

ضریب گارچ

عرض از مبدأ

مالکیت نهادی

اندازه

ارزش بازار/ ارزش دفتری

اهرم

سود

هر سهم

گردش

سهام

ضریب تعیین

(الف) اثر ویژگی‌های شرکتی بر رابطۀ همبستگی - ریسک غیرسیستماتیک

(1-1)

 

46/1-

22/0

15- 10

10/0

10/0 -

14-×5- 10

08/0

04/0

(1-2)

 

767032-**

142114

9- 10

2909

16710 -

21 -

246940**

01/0

(1-3)

 

44/1-

26/0

14- 10

11/0

20/0 -

14-×5- 10

05/0

03/0

(1-4)

 

33/1- ***

 

14- 10*

 

 

 

10/0

03/0

(2)

 

32/0

05/0 -

2-×14- 10

08/0

51/2 -*

272×6- 10

36/0 -

07/0

 

 

70/0-

05/0 -

1-×14- 10

04/0 -

20/0 -

83-×6 10

30/1 -***

09/0

 

 

08/1-

04/2 -**

1-×13- 10

08/0 -

90/0

221×6- 10

73/1 -***

17/0

 

 

26/0-

11/0 -

1-×14- 10

21/0 -

67/0 -

67×6- 10

16/1 -***

08/0

(3)

 

33/1-

38/0

3-×14- 10

25/0 -

82/0 -

262×6- 10

38/0

06/0

(ب) اثر ویژگی‌های شرکتی بر رابطۀ همبستگی - ریسک سیستماتیک

(4-1)

 

41/2-**

01/1

3-×14- 10

13/0

08/0 -

306-×6- 10

48/0 -

09/0

(4-2)

 

46/93-**

36/30

1-×12- 10

67/5

42/0

01/0 -

36/16 -

04/0

(3-4)

 

46/2-**

03/1

3-×14- 10

12/0

09/0

325-×6- 10

49/0 -

09/0

(4-4)

 

62/2-***

 

1×14- 10**

 

 

 

29/0

05/0

(5)

 

38/2-***

81/0

2×15- 10

08/0 -

21/0

2-×5- 10

25/0

03/0

 

 

76/1-**

19/0

15- 10

02/0

42/0

11-×5- 10

32/0 -

03/0

 

 

72/1-

64/0 -

15- 10

03/0 -

47/0

82-×6- 10

0

01/0

 

 

72/1-**

07/1

16- 10

0

29/0 -

91-×6- 10

47/0 -

03/0

(6)

 

86/0-

15/0 -

1-×14- 10

01/0

45/1 -

43-×5- 10

94/0 -**

07/0

* معنا‌داری در سطح 10% ** معنا‌داری در سطح 5% ***معنا‌داری در سطح 1%

 

الگوهای منعکس در جدول (6) برحسب شمارۀ ذکرشده در بخش روش‌شناسی ارائه شده است. با این توضیح که الگوهای 1-1 و 4-1 با استفاده از رگرسیون لجستیک و الگوهای 2-1 و 2-4 با استفاده از رگرسیون توبیت برازش می‌شود. الگوی 3-1 و 3-4 نیز معیار اندازۀ شرکت و ارزش دفتری کل دارایی‌هاست. در الگوی 4-1 و 4-4 تنها تأثیر ناشی از شفافیت اطلاعاتی بدون احتساب متغیرهای کنترل بررسی می‌شود. الگو‌های اخیر آزمون قوتی است که بابت هم‌خطی احتمالی متغیرهای اصلی (اندازه و گردش سهام) با سایر متغیرهای کنترل انجام می‌شود. نتایج به‌دست‌آمده نشان می‌دهد رابطۀ به‌شدت معنادار مشخصی بین اندازۀ شرکت و گردش سهام به‌منزلۀ شاخص‌های شفافیت اطلاعاتی و احتمال مشاهدۀ رابطۀ ریسک غیرسیستماتیک-همبستگی شمردنی نیست؛ البته احتمال مشاهدۀ رابطۀ معنادار همبستگی و ریسک غیرسیستماتیک سهام با گردش پایین‌تر دور از انتظار نیست. رابطۀ اخیر از سایر ویژگی‌های شرکتی تأثیر نمی‌گیرد. طبق نتایج منعکس در بخش «ب» جدول (6) متغیر گردش سهام و اندازه به‌منزلۀ شاخص‌های شفافیت اطلاعاتی شرکت‌ها در بیشتر الگوها هیچ‌گونه معنا‌داری آماری ندارد؛ بنابراین، عدم شفافیت اطلاعاتی شرکت قادر نیست احتمال اثر معنا‌دار همبستگی تاریخی بر ریسک سیستماتیک را تعیین کند.

 

نتایج و پیشنهادها.

نتایج پژوهش نشان می‌دهد همبستگی‌ تاریخی بازده با عوامل ریسک فراگیر نظیر مومنتوم، اندازه، ارزش و بازار قادر است بر ریسک غیرسیستماتیک، سیستماتیک و بازده سهام تأثیر بگذارد. شواهد به‌دست‌آمده نشان‌دهندۀ رابطۀ معکوس همبستگی تاریخی با ریسک غیرسیستماتیک، سیستماتیک و بازده سهام است و یافتۀ وازلوبنیا و مشچریاکف (2014) را به چالش می‌کشد. آنها نشان دادند ریسک غیرسیستماتیک و سیستماتیک یک‌سوم سهام موجود در بازار از همبستگی تاریخی با عوامل فراگیر تأثیر می‌گیرد و این رابطه به‌طور معمول، مثبت است؛ یعنی سهامی که در گذشته با عوامل ریسک بازار همبستگی بالایی داشت، ریسک بالاتری دارد و میانگین بازده سهام به‌طور مستقیم از همبستگی تاریخی تأثیر نمی‌گیرد. باید توجه داشت ریسک سیستماتیک و غیرسیستماتیک به‌طور معمول، از منظر الگو‌های قیمت‌گذاری دارایی سنجیده می‌شود. بدیهی است در این صورت، اعتبار الگوی قیمت‌گذاری به‌طور تلویحی پذیرفته می‌شود و سنجه‌های ریسک در چهارچوب آن تعیین می‌شود. بحث اعتبار الگو‌های قیمت‌گذاری یکی از چالش‌های دانش مالی است و نمی‌توان ادعا کرد بازده دارایی و عوامل تبیین‌کنندۀ آن به‌طور صحیح در این الگو‌ها لحاظ شده است. این مسئله به‌ویژه در بازارهای در حال توسعه‌ای نظیر ایران صدق می‌کند. نکتۀ دیگری که دربارۀ ریسک غیرسیستماتیک مطرح است، جایگاه تنوع‌بخشی در سبد سرمایه‌گذاران بورس اوراق بهادار تهران است. طبق آمار شرکت سپرده‌گذاری مرکزی، سبد حدود 67 درصد سرمایه‌گذاران طی سال‌های 1378 تا 1389 تنها شامل یک سهم بوده است. حال آنکه تنها حدود 5 درصد سرمایه‌گذاران سبدی متشکل از 4 سهم یا بیشتر دارند. این امر می‌تواند جایگاه متفاوتی برای قیمت‌گذاری ریسک مذکور ایجاد کند و مستلزم پژوهش‌های بیشتری است. براساس نتایج ارائه‌شده و در تأیید وازلوبنیا و مشچریاکف (2014) نمی‌توان ادعا کرد همبستگی‌های تاریخی با عوامل فراگیر به روشن‌شدن رابطۀ میانگین بازده و ریسک غیرسیستماتیک کمک می‌کند. شواهدی مبنی بر وجود ارتباط بین همبستگی تاریخی شرکت‌های با شفافیت اطلاعاتی پایین‌تر و ریسک غیرسیستماتیک یافت نشد. رابطۀ بین همبستگی تاریخی بازده با عوامل فراگیر و ریسک غیرسیستماتیک شرکت‌های با گردش سهام پایین‌تر ازنظر آماری معنا‌دار است؛ به عبارت دیگر، همبستگی تاریخی بر ریسک غیرسیستماتیک اینگونه شرکت‌ها اثر قوی‌تری دارد. یافته‌های به‌دست‌آمده نشان داد احتمال مشاهدۀ رابطۀ معنادار همبستگی و ریسک غیرسیستماتیک سهام با گردش پایین‌تر دور از انتظار نیست؛ اما این ارتباط برای شرکت‌های کوچک‌تر متصور نیست؛ در حالی ‌که وازلوبنیا و مشچریاکف (2014) نشان دادند بین همبستگی تاریخی و ریسک غیرسیستماتیک شرکت‌های کوچک‌تر رابطۀ معنا‌داری برقرار است. نتایج به‌دست‎‌آمده دربارۀ رابطۀ همبستگی تاریخی و ریسک سیستماتیک، یافته‌های وازلوبنیا و مشچریاکف (2014) را به چالش می‌کشد؛ زیرا آنها نشان دادند رابطۀ همبستگی تاریخی و ریسک سیستماتیک شرکت‌های بزرگ‌تر با گردش سهام پایین‌تر به‌لحاظ آماری معنا‌دار است. این امر ممکن است ناشی از این واقعیت باشد که اندازۀ شرکت شاخص مناسبی برای شفافیت اطلاعاتی نباشد. این مسئله می‌تواند در پژوهش‌های بعدی به‌طور دقیق‌تری بررسی شود. نتایج این پژوهش دربارۀ تأثیر همبستگی تاریخی بر میانگین بازده تأییدکنندۀ نتایج بالی و انگل (2010) و کریشنان و همکاران (2009) است و نشان می‌دهد همبستگی تاریخی به‌صورت منفی قیمت‌گذاری شده است. لزوم بهینه‌سازی سبد برای همۀ فعالان بازار به‌ویژه سرمایه‌گذاران نهادی اهمیت زیادی دارد. تحلیل ایستای سبد بدون درنظرگرفتن تغییرات همبستگی در طی زمان می‌تواند سرمایه‌گذاران را در معرض خطر قرار دهد. تغییرات همبستگی بازده دارایی‌ها بدون بررسی لزوم تجدید ساختار سبد سبب می‌شود ریسک سبد دستخوش تغییر شود و موازنۀ بازده - ریسک از حالت تعادل خارج شود. این امر ممکن است در شرایط افت بازار، زیان‌های زیادی به سرمایه‌گذاران تحمیل کند؛ بنابراین، توصیه می‌شود جایگاه پویایی ساختار همبستگی در بهینه‌سازی سبد مدنظر قرار گیرد.



[1]. تغییر همبستگی بازده اوراق بهادار در گذر زمان سبب بروز «ریسک همبستگی» می‌شود.

[2]. Ang & Bekaert

[3]. Chen

[4]. Bertero & Mayer

[5]. Kallberg & Pasquariello

[6]. King & Wadhwani

[7]. Koch

[8]. Lee, Lin & Yang

[9]. Autoregressive Conditional Heteroskedasticity (ARCH)

[10]. Engle

[11]. Generalized Autoregressive Conditional Heteroskedasticity (GARCH)

[12]. Bollerslev

[13]. Integrated

[14]. Factor ARCH Framework

[15]. Vozlyublennaia & Meshcheryakov

[16]. Dynamic Correlation Structure of Returns

[17]. به‌جای همبستگی زوجی سهام، بر همبستگی سهام با عوامل ریسک بازار تأکید می‌شود؛ زیرا این کوواریانس ازنظر سرمایه‌گذاران برای تعریف ریسک سیستماتیک مربوط‌تر است.

[18]. Markowitz

[19]. Andersen & Hansen

[20]. Goetzmann, Li & Rauwenhorst

[21]. Longin & Solnik

[22]. Krishnan, Petkova & Ritchken

[23]. Xing

[24]. Hong, Tu & Zhou

[25]. Wooldridge

[26]. Driessen, Maenhout & Vilkov

[27]. Bali

[28]. Merton

[29]. Buraschi, Kosowski & Trojani

[30]. Fama & MacBeth

[31]. Fung-Hsieh

[32]. Barunik, Koˇcenda, & V´acha

[33]. Özteka & Öcal

[34]. حذف شرکت‌های زیان‌ده به تبعیت از فاما و فرنچ (1993) برای محاسبۀ عوامل اندازه (SMB) و ارزش (HML) ضروری است.

[35]. در بخشی از این پژوهش از متغیرهای بنیادین شرکت‌ها مانند اهرم مالی استفاده می‌شود. با توجه به تفاوت چشمگیر ساختار سرمایۀ شرکت‌های واسطه‌گری مالی و تفاوت چشمگیر نسبت‌های اهرمی این قبیل شرکت‌ها با شرکت‌های تولیدی، در صورت لحاظ‌کردن این شرکت‌ها در نمونه، مشاهدات آنها نسبت به سایر داده‌ها دورافتاده می‌شد و نتایج حاصل از رگرسیون را مخدوش می‌کرد؛ به همین دلیل شرکت‌های واسطه‌گری مالی از نمونه حذف شد.

[36]. تعداد شرکت‌های نمونه در صورت اعمال محدودیت 24 به‌طور متوسط برابر 172، با اعمال محدودیت 28 برابر 151 و با احتساب محدودیت 32 معادل 121 شرکت است.

[37]. Ferench

[38]. Carhart

.[39] همبستگی تاریخی بازده سهام با ریسک بازار مهم‌ترین عامل ریسک سیستماتیک است؛ بنابراین، تأثیر آن بر ریسک غیرسیستماتیک به‎‌صورت مجزا در نظر گرفته می‌شود.

[40]. Amihud & Mendelson

[41]. Pastor & Stambaugh

[42]. Acharya & Pedersen

[43]. از آنجا که نقدشوندگی بازار به اندازۀ عوامل ریسک بازار، اندازه، ارزش و مومنتوم تغییر نمی‌کند، اثر همبستگی با نقدشوندگی در الگوی گارچ، ناچیز است و به همین دلیل لحاظ نمی‌شود.

[44]. دلیل استفاده از قدرمطلق آن است که متوسط مقدار اثر، صرف‌ نظر از جهت ارزیابی شود.

[45]. برای قضاوت دربارۀ اثر همبستگی تاریخی بر میانگین بازده سهام از تحلیل فراوانی ضرایب معنادار استفاده می‌شود.

[46]. Huang, Liu, Rhee & Zhang

[47]. Cao, simin & Zhao

[48]. Brown  &Kapadia

[49]. Dennis & Strickland

[50]. Wei & Zhang

[51]. Malkiel & Xu

.[52] براندت، براو، گراهام و کومار (2010) نشان می‌دهند نسبت ارزش بازار به ارزش دفتری بالاتر ممکن است نشان‌دهندۀ قیمت پایین‌تر بازار باشد. در این صورت سهام برای سفته‌بازان جذاب‌تر می‌شود و این امر سبب ریسک بالاتر می‌شود. این امر به مفهوم رابطۀ مثبت نسبت ارزش ارزش بازار به ارزش دفتری و ریسک غیرسیستماتیک است. مالکیت نهادی نشان‌دهندۀ میزان افشای اطلاعات و در نتیجه ریسک انتخاب نامناسب است؛ به‌طوری ‌که هرچه میزان مالکیت نهادی بالاتر باشد، اطلاعات بیشتری منتشر می‌‎شود و ریسک انتخاب نامناسب کاهش می‌یابد. مالکان نهادی دسترسی بیشتری به اطلاعات دارند؛ بنابراین، هرچه سهم مالکیت نهادی بالاتر باشد، اطلاعات بهتر و بیشتر در قیمت سهم منعکس می‌شود و این امر سبب کاهش نوسانات سهم می‌شود. مالکیل و ژو (2003) نشان می‌دهند رشد سود موردانتظار هر سهم، نوسانات غیرسیستماتیک را افزایش می‌دهد. به بیان کائو و ژو (2010) پروژه‌های ریسکی‌تر ظرفیت سودآوری بالاتری دارد؛ بنابراین، مشاهدۀ رابطۀ مثبت سودآوری و ریسک غیرسیستماتیک بعید نیست. به همین دلیل، متغیرهای مذکور ممکن است بر احتمال مشاهدۀ ارتباط معنا‌دار بین همبستگی تاریخی و ریسک مؤثر واقع شود؛ بنابراین، اثر آن کنترل می‌شود.

.[53] افزایش مالکیت حقوقی سبب کاهش ریسک غیرسیستماتیک می‌شود؛ زیرا مالکان حقوقی به‌دلیل صرفۀ مقیاس، تخصص و دسترسی بیشتر به اطلاعات، سبب شفافیت اطلاعاتی و نزدیک‌شدن قیمت‌ها به ارزش ذاتی می‌شوند و بدین نحو، سبب می‌شوند نوسانات سهام کاهش ‌یابد.

[54]. بدین مفهوم که اگر ریسک اوراق بهادار به‌دلیل اثر همبستگی تاریخی بازده با عامل بازار، اندازه، ارزش و مومنتوم 1 درصد تغییر کند، واریانس بازده سهام برای عامل بازار 7/70 درصد، برای عامل اندازه 36 درصد، برای عامل ارزش
49 درصد و برای عامل مومنتوم 72 درصد تغییر می‌کند.

[55]. فرضیه‌های الگو‌های مالی کلاسیک مبنی بر تنوع‌بخشی کامل سبد و حذف کامل ریسک غیرسیستماتیک است؛ درنتیجه بازده سهام از ریسک غیرسیستماتیک تأثیر نمی‌گیرد؛ اما اگر نتوان سبد را به علت موانع بازار متنوع کرد، ریسک غیرسیستماتیک بر قیمت تعادلی دارایی تأثیر می‌گذارد. نتایج به‌دست‌آمده از پژوهش‌ها در این زمینه متضاد است. برخی پژوهشگران معتقدند بین ریسک غیرسیستماتیک و بازده رابطه وجود ندارد، برخی عقیده دارند رابطۀ بین ریسک غیرسیستماتیک و بازده، مستقیم است و برخی رابطۀ این دو متغیر را معکوس می‌دانند.

1- باقرزاده، ح. سالم، ع. (1394). رابطۀ بین‌دوره‌ای ریسک و بازده با استفاده از همبستگی‌های شرطی پویا و تغییرات زمانی بتا، فصل نامه مالی دانشگاه تهران، (1)17: 20-1.

2- راعی، ر.؛ فرهادی، ر. و شیروانی، ا. (1390). رابطه در گذر زمان بین بازده و ریسک. شواهدی از الگوی قیمت گذاری دارایی سرمایه ای در گذر زمان،(ICAPM).  چشم انداز مدیریت و حسابداری، 2، 140-125

3-پاکیزه، ک. (1389). تاطم و بازده بازار: شواهدی از بورس اوراق بهادار تهران و بورس های بین الملل، فصل نامه تحقیقات مدل سازی اقتصادی، (2)1،20-1.

4-امیری، ش.؛ همایون‌فر، م.؛ کریم‌زاده، م. و فلاحی؛ م. (1394). بررسی همبستگی پویا بین دارایی‌های عمده در ایران با استفاده از روش DCC-GARCH ، پژوهش‌های رشد و توسعه پایدار (پژوهش‌های اقتصادی). (2)15، 201-183.

References

[1]  Acharya, V., & Pedersen, L. (2005). Asset pricing with liquidity risk. Journal of Financial Economics, 77 (2), 375–410. Doi: 10.1016.

[2]  Amihud, Y. (2002). Illiquidity and stock returns: Cross-section and time-series effects. Journal of Financial Markets, 5, 31–56. Doi=10.1.1.145.9505&rep=rep1& type=pdf.

[3]  Amihud, Y., & Mendelson, H. (1986). Asset pricing and the bid–ask spread. Journal of Financial Economics, 17, 223–249. Doi.org/10.1016/0304-405X (86)90065-6.

[4]  Amiri, S., Homayounifar, M., Karimzadeh, M., & Falahi, M. A. (2015). Examination of dynamic correlation between major assets in Iran by DCC-GARCH approach. Quarterly Journal of Economic Research, 15 (2), 183-201. (in persian).

[5]  Andresen, T., & Hansen, P. R. (2010). Asymmetric Sorrelation of Stock Portfolios Evidence from the Danish Market. (Master Thesis), Copenhagen Business School.

[6]  Ang, A., & Bekaert, G. (2002). International asset allocation with regime shifts. Review of Financial Studies, 15, 1137-1187. https://Doi.org/10.1093/rfs/15.4.1137.

[7] Ang, A., & Chen, J. (2002). Asymmetric correlations of equity portfolios. Journal of Financial Economics, 63, 443–494. https://Doi.org/10.1016/S0304-405X(02)00068-5.

[8] Ang, A., Chen, J., & Xing, Y. (2006). Downside risk. Review of Financial Studies, 19, 1191-1239. DOI: 10.4236/jmf.2018. 81011.

[9] Bagherzadeh, H., & Salem, A. (2015). The intertemporal relationship between risk and return with dynamic conditional correlation and time-varying beta. The Journal of Financial Research, 17 (1), 1-20. (in persian).

[10] Bali, T. G., & Engle, R. (2010). The intertemporal capital asset pricing model with dynamic conditional correlations. Journal of Monetary Economics, 57 (4), 377-390. Doi: 10.1016/j.jmoneco.2010.03. 002.

[11] Barunik, J., Koˇcenda, E., & V´acha, L. (2016). Gold, oil and stocks: Dynamic correlations. International Review of Economics & Finance, 42, 186-201.

[12] Bertero, E., & Mayer, C. (1990). Structure and performance: Global interdependence of stock markets around the crash of October. European Economic Review, 34 (6), 1155-1180. https://Doi.org/10.1016/0014-2921(90)90073-8.

[13] Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31 (3), 307–327. https://Doi.org/10.1016/0304-4076(86) 90063-1.

[14] Bollerslev, T., Engle, R. F., & Wooldridge, J. M. (1988). A capital asset pricing model with time-varying covariances. Journal of Political Economy, 96 (1), 116–131. Doi:10.1086/261527.

[15] Brandt, M. W., Brav, A., Graham, J. R., & Kumar, A. (2010). The idiosyncratic volatility puzzle: Time trend or speculative episode? Review of Financial Studies, 23, 863-899.

[16] Brown, G., & Kapadia, N. (2007). Firm-Specific risk and equity market development. Journal of Financial Economics, 84, 358-388. https://Doi.org/10.1016/j.jfineco.2006. 03.003.

[17] Buraschi, A., Kosowski, R., & Trojani, F. (2011). When there is no place to hide: Correlation risk and the cross-section of hedge fund returns, (Working paper). Available at:http://efa2011.efa-online.org/fisher.osu.edu/blogs/efa2011/files/APE_9_3.pdf. https://Doi.org/10,1111/ j.1540-6261,.2009,.01533.x.

[18] Cao, C., Simin, T., & Zhao, J. (2008). Can growth options explain the trend in idiosyncratic risk? Review of Financial Studies, 21 (6), 2599–2633. https://Doi.org/10.1093/rfs/hhl039.

[19] Cao, X., & Xu, Y. (2010). Long-run idiosyncratic volatilities and cross-sectional stock returns. University of Texas at Dallas. (Working Paper). Available at: https://ssrn.com/abstract=1569945 or http://dx.Doi.org/10.2139/ssrn.1569945.

[20] Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance, 52, 57–82.

[21] Dennis, P., & Strickland, D. (2004). The determinants of idiosyncratic volatility. (Working paper). Available at: http://media.terry.uga.edu/documents/finance/strickland.pdf. Doi/abs/10.1111/j.1540-6261. 2009.01467.x.

[22] Driessen, J., Maenhout, P. J., & Vilkov, G. (2009). The price of correlation risk: Evidence from equity options. The Journal of Finance, 64 (3), 1377–1406.

[23] Engle, R. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50 (4), 987–1007. DOI: 10.2307/1912773.

[24] Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business and Economic Statistics, 20, 339–350.Doi/abs/10.1198/0735001022886 18487.

[25] Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33, 3–56. Doi=10.1.1.139.5892&rep=rep1&type=pdf.

[26] Fama, E. F., & French, K. R. (2004). New lists: Fundamentals and survival rates. Journal of Financial Economics, 73 (2), 229-269. https://Doi.org/10.1016/j.jfineco. 2003.04.001.

[27] Fama, E., & MacBeth, J. (1973). Risk, return and equilibrium: Empirical tests. Journal of Political Economy, 81, 607-636. Doi/abs/10.1086/260061.

[28] Goetzmann, W., Li, L., & Rouwenhorst, G. (2005). Long term global market correlations. Journal of Business, 78, 1-38. DOI: 10.1086/426518.

[29] Hong, Y., Tu, J., & Zhou, G. (2007). Asymmetries in stock returns: Statistical tests and economic evaluation. Review of Financial Studies, 20 (5), 1547–1581. DOI: 10.1093/rfs/hhl037.

[30] Huang, W., Liu, Q., Rhee, S., & Zhang, L. (2010). Return reversal, idiosyncratic risk and expected returns. The Review of Financial Studies, 23 (1), 147-168.

[31] Kallberg, J., & Pasquariello, P. (2008). Time-series and cross-sectional excess comovement in stock indexes. Journal of Empirical Finance, 15, 481–502. https://Doi.org/10.1016/j.jempfin.2007.06.002.

[32] King, M., & Wadhwani, S. (1990). Transmission of volatility between stock markets. Review of Financial Studies, 3, 5-33. http://dx.Doi.org/10.,1093/rfs/3,1,5.

[33] Koch, P. D. & Koch, T. W. (1991). Evolution in dynamic linkages across national stock indexes. Journal of International Money and Finance, 10, 231-251. https://Doi.org/10.1016/0261-5606(91)90037.

[34] Krishnan, C., Petkova, R., & Ritchken, P. (2009). Correlation risk. Journal of Empirical Finance, 16, 353–367.

[35] Lee, S. C., Lin, C. T., & Yang, C. K. (2011). The asymmetric behavior and procyclical impact of asset correlations. Journal of Banking & Finance, 35, 2559–2568. http://dx.Doi.org/10.1016/j.jbankfin. 2011.02.014.

[36] Longin, F., & Solnik, B. (2001). Correlation structure of international equity markets during extremely volatile periods. Journal of Finance, 56, 649-676. DOI: 10.1111/0022-1082.00340.

[37] Malkiel, B. G., & Xu, Y. (2003). Investigating the behavior of idiosyncratic volatility. Journal of Business, 76, 613-644. DOI: 10.1086/377033.

[38] Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7 (1), 77-91. DOI: 10.4236/am.2012.330210.

[39] Merton, R. C. (1973). An intertemporal asset pricing model. Econometrica, 41, 867-887. https://Doi.org/10.1016/0304-405X(79)90016-3.

[40] Oztek, M., & Ocal, N. (2017). Financial crises and the nature of correlation between commodity and stock markets. International Review of Economics & Finance, 48,56-68.

[41] Pakizeh, K. (2011). Volatility and Return (Empirical Evidence from Tehran and International Stock Exchanges). Journal of Economic Modeling Research, 1 (2), 1-20. (in persian).

[42] Pastor, L., & Stambaugh, R. (2003). Liquidity risk and expected stock returns. Journal of Political Economy, 111 (3), 642–685. http://dx.Doi.org/10.1086/374184.

[43] Raei, R., Farhadi, R., & Shirvani, A. (2012). Relation of return and risk in pass of time: Evidence from Intertemporal Capital Asset Pricing Model. Journal of Financial Management Perspective, 2, 125-140. (in persian).

[44] Vozlyublennaia, N., & Meshcheryakov, A. (2014). Dynamic correlation structure and security risk. Journal of Economics and Business, 73, 48-64. http://dx.Doi.org/10.1016/j.jeconbus.2014. 01. 003.

[45] Wei, S., & Zhang, C. (2006). Why did individual stocks become more volatile? Journal of Business, 79 (1), 259–292. DOI: 10.1086/497411.

[47] www.tsetmc.com