استخراج شاخص ترکیبی گرایش احساسی در بورس اوراق بهادار تهران

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار گروه مدیریت مالی، دانشکده معارف اسلامی و مدیریت، دانشگاه امام صادق علیه السلام، تهران، ایران

چکیده

هدف: در مالی کلاسیک جایگاهی برای بروز احساسات معامله‌گران وجود ندارد؛ اما پارادایم مالی رفتاری نشان می‌دهد در برخی مواقع، تغییرات قیمت اوراق بهادار هیچ دلیل بنیادی ندارد و گرایش احساسی سرمایه‌گذار نقش مهمی در تعیین قیمت‌ها بازی می‌‎کند.
روش: احساسات سرمایه‌گذار، گرایش فعالان بازار برای بورس‌بازی تعریف شده است و این گرایش ممکن است به وضعیت روان‌شناختی ذهن سرمایه‌گذاران مرتبط باشد. با توجه به اینکه معامله‌گران اختلال‌زا با تأثیرگرفتن از احساسات و هیجانات بازار تصمیم‌گیری می‌کنند، برای تبیین رفتار این نوع معامله‌گران، از شاخص گرایش احساسی استفاده می‌شود. شاخص‌های گرایش احساسی به دو روش مستقیم (به روش پیمایشی) و غیرمستقیم (ازطریق تحلیل آمار و داده‌‌های بازار) استخراج می‌شوند.
نتایج: این پژوهش با توجه به پژوهش‌های گذشته و شرایط بازار سهام ایران، به روش تحلیل مؤلفه‌های اساسی، متغیرها و نماگرهای احساسی مختلفی را برای استخراج شاخص ترکیبی احساسی برای معامله‌گران اختلال‌زا در بورس اوراق بهادار تهران بررسی و تحلیل کرده است که درنهایت، با توجه به مقدار ویژۀ مؤلفۀ مشترک اول و بار عاملی (ضرایب) متغیرها، از سه متغیر در شاخص نهایی استفاده شد. این سه متغیر عبارت‌اند از: حجم ماهانۀ معاملات خرد به حجم کل معاملات سهام، حجم ماهانۀ معاملات آنلاین به حجم کل معاملات سهام و حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار.

کلیدواژه‌ها


عنوان مقاله [English]

Extracting Composite sentiment Index for Tehran Stock Exchange

نویسنده [English]

  • Mohammad Tohidi
Assistant Professor, Department of Financial Management, Faculty of Islamic Studies and Management, Imam Sadiq (a.s) University, Tehran, Iran
چکیده [English]

Objective:Hardly are traders inclined to indicate sentiment in the classical finance, however the behavioral finance paradigm shows that in some cases stock price changes have no fundamental triggers, and just the emotional tendency of the investors play the stimulant role in determining prices.
Method: Investor sentiment is defined as the tendency of market participants for speculation and this tendency can be related to the psychological state of the minds of investors. Given the fact that distressed traders are influenced by their emotions and the total emotion of the market, emotional tendency indicators are used to explain the behavior of these types of traders. In this research, the emotional tendency indicators are extracted in two ways: direct approach (survey method) and indirect approach (through the analysis of statistics and market data).
Results:Furthermore, this study, based on literature review and stock market conditions in Iran, applied the principal component analysis method (PCA) with different sentiment variables and indicators for extracting a composite sentiment index for extracting noise traders in Iranian stock market. Regarding the special value of the first component and the factor load (coefficients) of the variables, three variables are used in the final index. These three variables are: "Monthly volume of retail transactions by the volume of total stock trades", "Monthly volume of online transactions by the volume of total stock trades", and "Monthly volumes of stock trades by wholesalers and wholesalers by the volume of total market transactions".

کلیدواژه‌ها [English]

  • Sentiment Index
  • Behavioral Finance
  • Composite Index
  • Principal Component Analysis
  • Tehran Stock Exchange

مقدمه.

در مالی کلاسیک از تأثیر احساسات معامله‌گران بر بازار چشم‌پوشی و ادعا می‌شود که در بازارهایِ با رقابت بالا، رفتارهای معاملاتی غیربهینه مانند توجه به سیگنال‌های غیرمرتبط با ارزش بنیادین به‌سرعت حذف خواهند شد و معامله‌گران غیرعقلایی ازطریق نیروهای آربیتراژ در بازار، از بازار حذف می‌شوند (باربریس[1] و تالِر[2]، ۲۰۰2؛ اشلیفر[3] و ویشنی[4]، ۱۹۹۷). مالی کلاسیک پیرامون دو محور اصلی می‌چرخد که این دو با یکدیگر به وجودنداشتن فرصت‌های آربیتراژ بلندمدت اشاره دارند:

1-        بازارهای مالی، کارآیی اطلاعاتی دارند.

2-        معامله‌گران بازار عقلایی‌اند.

وجود خلاف قاعده‌ها، نوسانات بیش از حد و حباب‌ها ازجمله مواردی است که طی چند دهۀ اخیر شک و تردید نسبت به فرضیۀ بازار کارا را افزایش داده است. برخی دانشمندان مالی رفتاری وجود معامله‌گران غیرعقلایی (اختلال‌زا)[5] را در بازارهای مالی اثبات کرده‌اند که سبب فاصلۀ بازار از کارآیی می‌شود؛ درواقع، در ادبیات مالی رفتاری، وجود نوسان بیشتر ممکن است نشان‌دهندۀ وجود معامله‌گران اختلال‌زای بیشتر در بازار و تمایل یا توانایی کمتر آربیتراژگران برای خنثی‌کردن اثر آنها باشد که سبب کاهش کارآیی سیستم قیمت‌گذاری بازار می‌شود (دِلانگ[6]، اشلیفر، سامرز[7] و والدمن[8]، ۱۹۸۹). این معامله‌گران اختلال‌زا به‌طور کامل عقلایی رفتار نمی‌کنند و ممکن است بر مبنای احساسات به جای اطلاعات دادوستد کنند؛ اما تلقی خود آنان این است که اطلاعات باارزشی برای کسب سود در بازار دارند (بلک[9]، 1986)؛ درنتیجه، انتظارات معامله‌گران اختلال‌زا دربارۀ بازدهی‌ دارایی به نوسانات در احساسات، حساس است؛ یعنی آنها در برخی دوره‌ها بازدهی موردانتظار را بیش از حد و در برخی دوره‌ها کمتر تخمین می‌زنند و توزیع معاملاتشان در دارایی‌های مختلف تصادفی نیست؛ بنابراین، سنجش احساسات معامله‌گران، از موضوعات مالی رفتاری است که پژوهش‌های گسترده‌ای دربارۀ آن انجام و سنجه‌های گوناگونی در ادبیات پژوهش ارائه شده است؛ بدون اینکه تعیین شود کدام سنجه باید استفاده شود (بیر[10] و زوآیی[11]، 2011).

این پژوهش درصدد است براساس پژوهش‌های مختلف انجام‌شده در کشورهای مختلف برای سنجش شاخص گرایش احساسی و با توجه به محدودیت‌های دسترسی به داده‌ها و مشورت با صاحب‌نظران، متغیرهایی برای سنجش غیرمستقیم احساسات و هیجانات در بازار سهام ایران انتخاب و به روش تحلیل مؤلفه‌های اساسی[12] (PCA)، یک شاخص ترکیبی گرایش احساسی استخراج کند.

 

مبانی نظری.

در فرضیۀ بازار کارا، نوسان قیمتی نشان‌دهندۀ اطلاعات جالب‌توجهی است که در بازار جریان دارد و در قیمت تعادلی منعکس می‌شود (گروسمن[13]، ۱۹۷۶). در مالی کلاسیک، انحرافات شناختی و باورهای گمراه‌کننده‌ای که سبب گرفتن تصمیمات معاملاتی غیربهینه می‌شوند، به‌سرعت با ورود آربیتراژگرانِ تهاجمی حذف می‌شوند (باربریس و تالِر، ۲۰۰2). طبق نظر طرفداران فرضیۀ بازار کارا (فاما[14]، ۱۹۶۵)، دو نوع بازیگر متمایز در بازار حضور دارند: یکی معامله‌گران اختلال‌زا که حرفه‌ای نیستند و گاهی غیرعقلایی و با تأثیرگرفتن از احساسات و هیجانات، رفتار و قیمت‌های دارایی‌ها را از ارزش ذاتی‌شان دور می‌کنند. دیگری آربیتراژگران عقلایی[15] که معامله‌گران حرفه‌ای محسوب می‌شوند و این توانایی را دارند که ارزش بنیادی دارایی‌ها را به‌درستی تخمین بزنند و ارزش دارایی‌ها را در بازار به قیمت بنیادی‌شان نزدیک کنند؛ بنابراین، آربیتراژگران منطقی نیرویی در برابر معامله‌گران اختلال‌زا محسوب می‌شوند و درصددند قیمت‌های بازار را برخلاف معامله‌گران اختلال‌زا به ارزش ذاتی‌شان نزدیک کنند. معامله‌گران اختلال‌زا براساس سیگنال خارجی و اطلاعات غیردقیقی معامله می‌کنند که متفاوت از اطلاعات است. این سیگنال همان احساسات است؛ یعنی انتظاراتی که عقلایی نیستند و در معرض انحراف‌های شناختی و رفتاری قرار دارند. این احساسات و هیجانات ممکن است معامله‌گران اختلال‌زا را وادار به گرفتن موقعیت‌های غیرعقلایی کنند و به‌دنبال آن ازطریق معاملاتی که انجام می‌دهند، سبب انحراف قیمت‌ها از ارزش ذاتی‌شان شوند.

کینز[16] (1936) بیان می‌کند که بازار در معرض امواجی از احساسات خوش‌بینانه و بدبینانه است که دلیل قانونی و مشروعی برای آن و مبنای محکمی برای محاسبۀ دقیق آن وجود ندارد. احساسات بازار نگرش عمومی معامله‌گران نسبت به اوراق بهادار یا کل بازار را نشان می‌دهد. احساسات سرمایه‌گذاران گرایش فعالان بازار برای بورس‌بازی است و این نگرش ممکن است با وضعیت روان‌شناختی ذهن سرمایه‌گذاران مرتبط باشد. با توجه به اینکه معامله‌گران اختلال‌زا با تأثیرگرفتن از احساسات و هیجانات بازار تصمیم‌گیری می‌کنند، برای تبیین رفتار این نوع معامله‌گران از شاخص گرایش احساسی استفاده می‌شود. شاخص یا نماگر احساسی، نماگر عددی یا گرافیکی است که احساسات یک گروه از معامله‌گران نسبت به بازار یا اقتصاد را نشان می‌دهد. شاخص‌ها یا نماگرهای احساسی، میزان خوش‎بینی یا بدبینی معامله‌گران نسبت به وضعیت فعلی و آیندۀ بازار را نشان می‌دهند. این پژوهش به‌دنبال آن است که شاخصی برای گرایش احساسی معامله‌گران بازار ارائه دهد.

دو نوع شاخص احساسی وجود دارد: مستقیم و غیرمستقیم که در ادامه هر یک از آنها به‌تفصیل معرفی می‌شوند. شاخص‌های مستقیم از سرمایه‌گذاران در یک گروه خاص مانند سرمایه‌گذاران خرد یا نویسندگان روزنامه‌ها و خبرنامه‌ها دربارۀ انتظارات و احساساتشان نسبت به بازار به‌صورت پیمایشی نظرسنجی می‌کنند. این شاخص‌های احساسی پیمایشی درصددند با پرسش از سرمایه‌گذاران دربارۀ میزان خوش‌بینی آن بتوانند بینش و چشم‌انداز آیندۀ سرمایه‌گذاران غیرعقلایی را به دست آورند. شاخص یواس بی/گالاپ[17] از سرمایه‌گذاران خرد به‌صورت تصادفی پیمایش می‌کند و شاخص احساسی هوش سرمایه‌گذاران[18] از نویسندگان خبرنامه‌های مالی پیمایش به عمل می‌آورد. براون[19] و کلیف[20] (۲۰۰4) از این شاخص پیمایشی برای پیش‌بینی بازدهی‌های سهام استفاده کرده‌اند.

شاخص‌های غیرمستقیم، انتظارات سرمایه‌گذاران در یک گروه خاص را با تحلیل آمار و ارقام بازار که منعکس‌کنندۀ رفتار آن گروه است، تفسیر می‌کنند. بیشتر متغیرهای احساسی مبتنی بر داده‌های بازار از معماهای مالی مانند تنزیل واحدهای صندوق‌های دارای سرمایۀ بسته و قیمت‌گذاری زیر ارزش عرضه‌های عمومی اولیه مشتق می‌شوند. جالب‌توجه است که هیچ سنجه‌ای به‎‌تنهایی، خالص احساسات سرمایه‌گذاران را نشان نمی‌دهد؛ بلکه هر کدام به‌صورت ناکامل بخشی از مؤلفۀ احساسی را شامل می‌شود و بخش دیگر آن ممکن است شامل مؤلفه‌های خاص و غیرمرتبط با احساسات باشد (بیکر[21] و وُوگلر[22]، ۲۰۰۶؛ لینگ[23]، نارانجو[24] و شیک[25]، ۲۰۱۰). بسیاری از پژوهش‌ها از روش غیرمستقیم و مبتنی بر داده‌ها و اطلاعات بازار برای محاسبۀ گرایش احساسی استفاده کرده‌اند که در این بین برخی پژوهش‌ها به‌دنبال سنجش شاخص گرایش احساسی برای تک‌سهم بوده‌اند؛ ازجمله پژوهش هیجین[26]، دوجین[27] و دووان[28] (2017) که هدف آن سنجش گرایش احساسی برای هر سهم است و گرایش احساسی عمومی بازار را نمی‌سنجد. در این پژوهش با توجه به شرایط و محدودیت‌های بازار کره (تعداد اندک عرضه‌های عمومی اولیه و صندوق‌های با سرمایۀ بسته و اندک‌بودن سود نقدی پرداختی نسبت به قیمت سهم)، از چهار سنجۀ احساسی شامل شاخص قدرت نسبی[29]، شاخص خط روان‌شناختی[30]، لگاریتم حجم معاملات[31] و نرخ گردش معاملات تعدیل‌شده[32]استفاده شده است؛ اما بسیاری از پژوهش‌ها، به‌دنبال محاسبۀ شاخص گرایش احساسی برای کل بازار بوده‌اند. بیکر و ووگلر (2006) از پنج متغیرِ حجم معاملات براساس گردش معاملات بازار سهام نیویورک[33]، پرمیوم سود نقدی، تنزیل واحدهای صندوق با سرمایۀ بسته، تعداد و بازدهی روز اول عرضه‌های عمومی اولیه و میزان سهام در کل انتشار اوراق بدهی و سهام جدید، لینگ و همکاران (2010) از شش متغیرِّ تنزیل واحدهای صندوق با سرمایۀ بسته، گردش معاملات سهام، تعداد عرضه‌های عمومی اولیه، متوسط بازدهی روز اول عرضه‌های عمومی اولیه، نسبت انتشار سهام به کل انتشار سهام و بدهی و پرمیوم سود نقد، چوانگ‌ژیا[34]، ژین[35]، ژیاگوانگ[36] و هو[37] (2014) از پنج متغیرِ متوسط نرخ تنزیل واحد صندوق با سرمایۀ بسته[38] (نرخ تفاوت میان ارزش خالص دارایی صندوق و قیمت بازاری واحد صندوق)، تعداد عرضه‌های عمومی اولیه[39]، متوسط بازدهی‌های روز اول عرضه‌های عمومی اولیه[40]، تعداد حساب‌های سهامداری جدید بازشده[41] و نرخ گردش معاملات یک سهم[42]، چودری[43]، شارمین[44] و رحمان[45] (2014) از پنج متغیرِ شاخص معاملاتی[46]، حجم معاملات، تعداد عرضه‌های عمومی اولیه در هر ماه، تعداد حساب مالکین منفعتی و میانگین متحرک و وینمور مازویونا[47] (2015) از سه متغیرِ حجم کل معاملات هفتگی به‌‌منزلۀ شاخص هفتگی گرایش احساسی کل بازار، حجم کل معاملات هفتگی برای هر سهم به‌‌منزلۀ شاخص گرایش و احساس سرمایه‌گذاران نسبت به یک سهم خاص، برای محاسبۀ شاخص گرایش احساسی به روش تحلیل مؤلفه‌های اساسی استفاده کرده‌اند. پی اِن[48] (2019) نیز با استفاده از سه نماگر شاخص گرایش احساسی، CCI وVIX  بازار، ازطریق آزمون همبستگی پیرسون، رابطۀ میان بازدهی سهام و هر یک از سه متغیر گرایش احساسی را آزموده است.

برخی پژوهش‌ها نیز از ترکیبی از روش‌های مستقیم و غیرمستقیم برای محاسبۀ گرایش احساسی استفاده کرده‌اند. بیر و زوآیی (2011) در پژوهش «سنجش احساسات سرمایه‌گذار بازار سهام»، از شش متغیر مستقیم و غیر مستقیم گرایش احساسی شامل شاخص پیمایشی اعتماد سرمایه‌گذار دانشگاه میشیگان، شاخص پیمایشی هوش سرمایه‌گذار، تعداد عرضه‌های عمومی اولیه در ماه، بازدهی‌های روز اول عرضه‌های عمومی اولیه، خالص جریانات نقدی جدید صندوق‌های سرمایه‌گذاری مشترک سهام آمریکا و تنزیل واحدهای صندوهای با سرمایۀ بسته استفاده کرده‌اند. عزیزخان[49] و احمد[50] (2019) یک شاخص گرایش احساسی مستقیم با نام شاخص حجم جستجوی گوگل (GSVI)[51] و نه متغیر غیرمستقیم به‌کار برده‌اند که عبارت‌اند از: تعداد عرضه‌های عمومی اولیه، تنزیل صندوق‌های با سرمایۀ بسته، نرخ کاهش - افزایش[52]، پرمیوم سود نقدی، نسبت قیمت به حقوق صاحبان سهام، نرخ بهره، گردش معاملات سهام، شاخص گردش پول[53] و شاخص قدرت نسبی.

گاهی گرایش احساسی و هیجانات ممکن است ناشی از تغییر برخی عوامل بنیادین باشد؛ بنابراین، برخی پژوهش‌ها برای استخراج گرایش احساسی ناشی از عوامل غیر بنیادین، به‌دنبال خالص‌سازی احساسات و حذف اثرات عوامل بنیادین بوده‌اند. گلاشکوو[54] (2006) از شش متغیرِ پرمیوم سود نقدی، تنزیل واحدهای صندوق با سرمایۀ بسته، جریانات ورودی و خروجی صندوق‌های سرمایه‌گذاری، تعداد عرضه‌های عمومی اولیه، بازدهی روز اول عرضه‌های عمومی اولیه و میزان اعتبار استقراضی برای سنجش گرایش احساسی استفاده کرده و تأثیر عوامل بنیادین بر هر یک از سنجه‌های احساسی را بالا سنجیده است تا سنجۀ احساسی استخراج‌‎شده به‌صورت خالص مرتبط با احساسات غیرمرتبط با عوامل بنیادین باشد. این عوامل بنیادین عبارت‌اند از: رشد در شاخص تولید صنعتی، رشد در مصرف کالاهای بادوام، کالاهای بی‌دوام و خدمات و رشد در اشتغال. بیکر و ووگلر (2007) در پژوهشی با استفاده از همان متغیرهای پژوهش قبلی‌شان (2006) و برای حذف احساسات ناشی از عوامل بنیادین، کار خود را در سه مرحلۀ زیر کامل‌تر کرده‌اند: (1) رگرسیون هر یک از متغیرهای احساسی بر متغیرهای کلان اقتصادی شامل تولید صنعتی، رشد واقعی در مصرف خدمات، کالاهای بادوام و بی‌دوام، رشد در اشتغال و ... برای حذف اثر متغیرهای اقتصاد کلان بر هر یک از متغیرهای احساسی، (2) در نظر گرفتن جزء باقیماندۀ رگرسیون‌ها به‌‌منزلۀ متغیر احساسی خالص، (3) استفاده از روش تحلیل مؤلفه‌های اساسی برای استخراج شاخص ترکیبی گرایش احساسی. چِن[55]، چانگ[56]، تای[57] و شِ[58] (2013) دو متغیر مرتبط با بازار سهام یعنی نرخ گردش معاملات بازار و تعداد حساب‌های سرمایه‌گذاران جدید را به ‌کار برده‌اند و از چهار متغیر اقتصاد کلان برای خالص‌سازی عوامل بنیادین استفاده کرده‌اند که عبارت‌اند از: تغییر در تولید صنعتی، تغییر در عرضۀ پول (M2)، نرخ بهرۀ بین‌بانکی 30‌روزه و نرخ ارز. تحلیل مؤلفه‌های اساسی در این پژوهش سه مرحله دارد: استانداردسازی شش متغیر، به دست آوردن مقادیر ویژه و بردار ویژۀ ماتریس کواریانس آنها و ساخت شاخص احساسی از ترکیب خطی شش متغیر با استفاده از بردار ویژۀ مرتبط با بزرگ‌ترین مقادیر ویژه به‌‌منزلۀ وزن متناظر. وِندربرگ[59] (2015) بیان می‌کند که شاخص‌های پیمایشی گرایش‌های احساسی موجود به‌طور معمول علاوه بر سنجش احساسات ناشی از عوامل غیربنیادین، احساسات ناشی از عوامل بنیادین را نیز در بر می‌گیرند. پیشنهاد او به‌منزلۀ راهکار جایگزین برای سنجش گرایش احساسی، استفاده از الگوی رگرسیون زیر است:

(1)

𝑆𝐸𝑁𝑇𝐼𝑀𝐸𝑁𝑇𝑖,𝑡=𝛼+𝛽1𝐼𝑃𝑖,𝑡

+𝛽2𝐻𝐸𝑖,𝑡+𝛽3𝑆𝑇𝑖,𝑡+𝛽4𝐷𝑌𝑖,𝑡+𝜀𝑖,𝑡

 

در این الگو، با در نظر گرفتن چهار عامل اقتصاد کلان شامل تغییر در لگاریتم طبیعی شاخص تولید صنعتی (𝐼𝑃𝑖,𝑡)، تغییر در لگاریتم طبیعی مخارج خانوارها (𝐻𝐸)، شکاف میان بازدهی اسناد خزانۀ سه‌ماهه و بازدهی اوراق دولتی ده‌ساله (𝑆𝑇) و بازدهی (سود) نقدی (𝐷𝑌)، گرایش احساسی ناشی از عوامل بنیادین و جزء اخلال رگرسیون OLS بالا سنجیده و گرایش احساسی خالص ناشی از عوامل غیربنیادین دانسته شده است.

باندوپازایا[60] و جونز[61] (2006) از روش شاخص گرایش‌های احساسی بازار سرمایه (EMSI)[62]، برای سنجش گرایش احساسی استفاده کرده‌اند. EMSI سنجه‌ای است که مبتنی بر اطلاعات و داده‌های دردسترس، برای بررسی تغییرات قیمتی یک گروه از سهم‌های موجود در شاخص بازار به کار می‌رود. وقایع و اخبار مؤثر بر بازار سهام، سبب تغییرات در این سنجۀ گرایش احساسی سرمایه‌گذار می‌شوند. در این روش برای هر سهم موجود در شاخص، متوسط انحراف معیار استاندارد بازدهی روزانه نسبت به پنج روز گذشته (نوسان تاریخی) برای هر روز دورۀ زمانی مدنظر محاسبه شده است؛ سپس نرخ بازدهی روزانه و نوسان تاریخی رتبه‌بندی می‌شوند و ضریب همبستگی رتبۀ اسپرمن میان رتبۀ بازدهی روزانه برای هر شرکت و رتبۀ نوسان تاریخی بازدهی برای هر شرکت محاسبه و نتیجه در عدد 100 ضرب می‌شود[63].

در پژوهش‌های داخلی نیز حیدرپور، تاری‌وردی و محرابی (2013)، زنجیردار و لیتانی (2018) و زارعی و دارابی (2018) از روش شاخص گرایشهای احساسی بازار سرمایه (EMSI) استفاده کرده‌اند. ستایش و شمس‌الدینی (2016) به روش الگوی رگرسیون چندگانه و با استفاده از شش متغیرِ اثر مومنتوم، اثر برگشت بلندمدت، نرخ بازدهی غیرعادی، نسبت قیمت به سود هر سهم، نسبت قیمت به خالص جریانات نقدی و اندازۀ شرکت و شکرخواه، بولو و حضرتی (2018) به روش تحلیل سری زمانی، با استفاده از پنج متغیرِ گردش مالی بازار، تعداد عرضه‌های اولیه، بازدهی اولین روز عرضه‌‌های سهام، نسبت سهام در تأمین مالی جدید به کل سهام منتشرشده و بدهی بلندمدت و رشد حساب‌های سرمایه‌گذاری، شاخص گرایش احساسی را محاسبه
کرده‌اند.

همان طور که ملاحظه شد، در پژوهش‌های مختلف، با توجه به محدودیت‌های دسترسی به داده‌ها و شرایط خاص بازار اوراق بهادار هر کشور، از گستره‌ای از متغیرها استفاده و خلاصۀ آ‌نها در جدول 1 ذکر شده است.

پژوهش حاضر به‌دنبال آن است تا مشابه سایر پژوهش‌های انجام‌شده، با ترکیب متغیرها و نماگرهای احساسی مختلف، سنجه‌ای ترکیبی برای گرایش احساسی در بازار سهام ایران استخراج کند.ازجمله مزیت‌های این پژوهش نسب به سایر پژوهش‌های داخلی این است که اول، از برخی متغیرهای جدید برای محاسبۀ شاخص گرایش احساسی با توجه به شرایط بازار سهام ایران استفاده شده است. دوم، نماگرهای احساسی استفاده‌شده هم در سطح معامله‌گران حقیقی و هم حقوقی انتخاب شده‌اند. سوم، اثرات عوامل بنیادین از هر یک از متغیرها و نماگرهای احساسی استخراج‌شده حذف شده است.

 

 

جدول (1) متغیرها و نماگرهای استفاده‌شده در سنجش شاخص گرایش احساسی در پژوهش‌های مختلف

متغیرها و نماگرهای استفاده‌شده

پژوهش‌های انجام‌شده

متغیرها و نماگرهای استفاده‌شده

پژوهش‌های انجام‌شده

جریانات صندوق‌های سرمایه‌گذاری

براون و کلیف، 2004؛ فِرازینی[64] و لامونت[65]، ۲۰۰8؛ گلاشکوو، 2006

بازدهی متوسط روز اول عرضۀ عمومی اولیه[66]

بیکِر و وُوگِلِر، 2006؛ یوگِر[67] و تاس[68]، 2012؛ چوانگ‌ژیا و همکاران، 2014؛ لینگ و همکاران، 2010؛ گلاشکوو، 2006؛ شکرخواه و همکاران، 2018

حجم معاملات

واتکینز[69]، 2002؛ وینمور مازویونا، 2015؛ بیکر و ووگلر، 2006 و2007؛ چودری و همکاران، 2014؛ هیجین و همکاران، 2017

تعداد (حجم) عرضه‌های عمومی اولیه[70]

باکِر و وُوگِلِر، 2006؛ چوانگ‌ژیا و همکاران، 2014؛ بیکر و ووگلر، 2006 و 2007؛ لینگ و همکاران، 2010؛ چودری و همکاران، 2014؛ گلاشکوو، 2006؛ شکرخواه و همکاران، 2018؛ عزیزخان و احمد، 2019

میزان گردش معاملات سهام

وُو[71] و هان[72]، 2007؛ چن و همکاران، 2013؛ ژانگ[73] و یانگ[74]، 2009؛ چوانگ‌ژیا و همکاران، 2014؛ لینگ و همکاران، 2010؛ هیجین و همکاران، 2017؛ شکرخواه و همکاران، 2018؛ عزیزخان و احمد، 2019

تنزیل واحدهای صندوق با سرمایۀ بسته[75]

لی[76]، اشلیفر و تالر، 1991؛ چوانگ‌ژیا و همکاران، 2014؛ بیکر و ووگلر، 2006 و 2007؛ لینگ و همکاران، 2010؛ گلاشکوو، 2006؛ عزیزخان و احمد، 2019

تعداد حساب‌های سهامداری جدید افتتاح‌شده

وُو و هان، 2007؛ ژانگ و یانگ، 2009؛ چِن و همکاران، 2013؛ چوانگ‌ژیا و همکاران، 2014

پرمیوم سود نقدی[77]

 

بیکِر و ووگلر، ۲۰۰۶، 2007؛ یوگر و تاس، ۲۰۱۲؛ لینگ و همکاران، 2010؛ گلاشکوو، 2006

 

شاخص نوسان‌پذیری

پی‌اِن، 2019

میزان سهام در کل اوراق منتشرشده

بیکر و ووگلر، 2006،  2007؛ لینگ و همکاران، 2010؛ شکرخواه و همکاران، 2018

شاخص EMSI

باندوپازایا و جونز، 2006؛ حیدرپور و همکاران، 2013؛ زنجیردار و لیتانی، 2018؛ زارعی و دارابی،2018

شاخص قدرت نسبی

عزیزخان و احمد، 2019؛ هیجین و همکاران، 2017

معاملات سرمایه‌گذاران خرد

گِرین‌وود[78] و ناگِل[79]،۲۰۰۶؛ باربِر[80]، اُدین[81] و ژو[82]، 2006

میزان اعتبار استقراضی

گلاشکوو، 2006

 

روش پژوهش

پژوهش حاضر به‌لحاظ هدف، کاربردی و با توجه به روش اجرا توصیفی - همبستگی است. ازآنجا که در ایران شاخص گرایش احساسی پیمایشی وجود ندارد، شاخص گرایش احساسی بازار سهام ایران به‌طور غیرمستقیم و مبتنی بر داده‌های بازار استخراج خواهد شد. براساس پژوهش‌های مختلفی که در کشورهای مختلف برای سنجش شاخص گرایش احساسی انجام شده است و با توجه به محدودیت‌های دسترسی به داده‌ها و مشورت با صاحب‌نظران، هفت متغیر (پنج متغیر مربوط به معامله‌گران خرد و حقیقی و دو متغیر مربوط به معامله‌گران حقوقی) برای سنجش غیرمستقیم احساسات و هیجانات در بازار سهام ایران براساس روش تحلیل مؤلفه‌های اساسی[83] (PCA) در نظر گرفته شد که عبارت‌اند از: حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام[84]، حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام[85]، نسبت ماهانۀ کدهای معاملاتی فعال به کل کدهای معاملاتی بازار[86]، متوسط بازدهی هفتۀ اول عرضه‌های عمومی اولیه[87]، تعداد ماهانۀ عرضه‌های عمومی اولیه[88]، نسبت ارزش ماهانۀ صدور واحدهای صندوق‌های سرمایه‌گذاری در سهام به ارزش ابطال آن[89]، نسبت سهام در سبد صندوق‌های سرمایه‌گذاری و حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار[90]. برخی متغیرهای کنترلی نیز برای حذف اثر عوامل بنیادین در بروز احساسات استفاده شده است که عبارت‌اند از: داده‌های مربوط به متغیرهای اقتصادی شامل تورم[91]، نقدینگی[92]، قیمت سکۀ طلا[93] و نرخ برابری ارز دلار[94]، قیمت نفت برنت[95]. تمام داده‌های پژوهش به‌صورت ماهانه در بازۀ زمانی فروردین 1390 تا بهمن 1395 بررسی شده‌اند. در ادامه هر یک از متغیرها و نماگرهای احساسی استفاده‌شده به‌اختصار تبیین می‌شوند.

الف) حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام (Vs): حجم معاملات حقیقی‌ بازار  نماگر خوبی برای احساسات و هیجانات در بازار است که در پژوهش‌های مختلف استفاده شده است. احتمال اینکه سرمایه‌گذاران خرد و بی‌تجربه در معرض احساسات قرار گیرند، بیشتر از سرمایه‌گذاران نهادی است. باربِر و همکاران (2006) با پژوهش در داده‌های معاملاتی سطح خرد دریافتند که سرمایه‌گذاران خرد سهم‌ها را با نوعی هم‌آواییِ سازگار با احساسات سامان‌مند خریدوفروش می‌کنند.

ب) حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام (Vo): از نسبت‌های استفاده‌شده برای نشان‌دادن احساسات و هیجانات معامله‌گران خرد در بازار سهام، حجم معاملات آنلاین است که نماگر خوبی برای گرایش احساسی است. زمانی که احساس خوش‌بینی و هیجانات در بازار بالاست، حجم معاملات آنلاین افزایش می‌یابد و برعکس زمانی که هیجانات کاهش یابد و احساس بدبینی رایج باشد، حجم معاملات آنلاین کاهش خواهد یافت. این سنجه پس از مشورت با خبرگان و صاحب‌نظران به مجموع متغیرها اضافه شده است.

پ) نسبت ماهانۀ کدهای معاملاتی فعال به کل کدهای معاملاتی بازار (NAC): برخی پژوهش‌ها بیان کرده‌اند که تعداد حساب‌های سهامداری جدید افتتاح‌شده، تقاضا برای سهامداری در بازار سهام را انعکاس می‌دهد. هنگامی که گرایش‌های احساسی سرمایه‌گذاران بالاست، اشتیاق برای ورود به بازار افزایش می‌یابد و به‌‎‌دنبال آن تعداد حساب‌های سهامداری جدید افزایش خواهد یافت. برعکس با کاهش گرایش‌های احساسی، این اشتیاق برای افتتاح حساب کمتر خواهد شد. وُو و هان (2007) و ژانگ و یانگ (2009) پیشنهاد می‌کنند که این سنجه ممکن است معیار مناسبی برای گرایش‌های احساسی سرمایه‌گذاران در بازار سهام باشد.

در این پژوهش به جای کدهای معاملاتی جدید - که در پژوهش‌های مختلفی استفاده شده است (وُو و هان، 2007) و ژانگ و یانگ (2009) - داده‌های مربوط به تعداد کدهای فعال مدنظر قرار گرفت. منظور از کدهای فعال، کدهایی است که دست‌کم 4 معامله در ماه (هر هفته یک معامله) انجام داده باشند. این نسبت نشان می‌دهد با افزایش احساسات و هیجانات معامله‌گران در بازار، تعداد کدهای فعال بیشتر خواهد شد. در این پژوهش این نسبت پس از نظرسنجی از خبرگان و براساس شرایط بازار سهام ایران به‌‌منزلۀ جایگزین کدهای جدید انتخاب شده است.

ت) متوسط بازدهی هفتۀ اول عرضه‌های عمومی اولیه (RIPO)[96]: بیکر و وُوگلر (2006) این شاخص را متغیر خوبی برای نشان‌دادن گرایش احساسی سرمایه‌گذاران ذکر کرده‌اند. عرضه‌های عمومی اولیه گاهی چنان بازدهی‌های چشمگیری روی اولین روز معاملاتی‌شان به دست می‌آورند که دلیلی غیر از اشتیاق و هیجان سرمایه‌گذاران برای آن وجود ندارد. متوسط بازدهی‌های روز اول که فراز و فرودهایی را نشان می‌دهد، همبستگی بالایی با حجم عرضه‌های عمومی اولیه دارد که شاخص احساسات در نظر گرفته می‌شود. عرضه‌های عمومی اولیه به‌طور معمول در مواقعی افزایش می‌یابد که گرایش احساسی سرمایه‌گذاران بالاست (یوگِر و تاس، 2012). در ایران با توجه به محدودیت دامنۀ نوسان، با نظر صاحب‌نظران و خبرگان به جای بازدهی روز اول، بازدهی پنج روز اول (هفتۀ اول کاری) در نظر گرفته شده است.

ث) تعداد ماهانۀ عرضه‌های عمومی اولیه (NIPO)[97]: عرضه‌های عمومی اولیه فرایند انتشار سهام یک شرکت برای اولین بار در بازار سهام برای تشکیل سرمایۀ موردنیاز برای فعالیت‌های توسعه‌ای است. با افزایش گرایش‌های احساسی بازار، قیمت سهام شروع به رشد می‌کند و عرضه‌های عمومی اولیه شتاب می‌گیرد و سبب ایجاد عرضه‌های عمومی بیشتر در طول دوره‌های با گرایش‌‎های احساسی بالا می‌شود. ازسوی دیگر، هنگامی که گرایش‌های احساسی و هیجانات بازار پایین است، بازار سهام میزان انتشار سهام جدید را کند می‌کند یا به‌کلی به حالت تعلیق درمی‌آورد. برخی پژوهش‎ها مانند بیکر و وُوگلر (۲۰۰۶) بیان می‌کنند که تعداد عرضه‌های عمومی اولیه، شاخص خوبی برای سنجش گرایش احساسی سرمایه‌گذاران بازار است.

ج) نسبت ارزش ماهانۀ صدور واحدهای صندوق‌های سرمایه‌گذاری در سهام به ارزش ابطال آن (Ninfe): جریانات نقدی ورودی و خروجی به صندوق‌های مشترک سرمایه‌گذاری به‌‌منزلۀ متغیر برای احساسات سرمایه‌گذاران استفاده می‌شود و تغییرات در جریانات سرمایه‌ای به صندوق‌ها نشان‌دهندۀ گرایش احساسی بالا و پایین سرمایه‌گذاران است. براون و کلیف (۲۰۰۴) پیشنهاد کرده‌اند که جابه‌جایی‌های سرمایه‌گذاران میان صندوق‌های سهام رشدی ریسکی و صندوق‌های با درآمد ثابت بدون ریسک ممکن است به‌‌منزلۀ سنجۀ گرایش احساسی سرمایه‌گذار استفاده شود. براساس نظر خبرگان جریان ورودی و خروجی صندوق‌های با درآمد ثابت در ایران علاوه بر احساسات، به‌شدت از سیاست‌های پولی و اعتباری بانک مرکزی در تعیین نرخ سود بانکی تأثیر می‌گیرد؛ بنابراین، تنها جریانات نقدی ورودی و خروجی به صندوق‌های سرمایه‌گذاری در سهام در نظر گرفته شد.

برخی پژوهش‌ها مانند چاکراوارتی[98] (2001) و کارو[99] (2008) مطرح می‌کنند که معامله‌گران خرد[100]، جزء معامله‌گران نوفه‌ای قرار می‌گیرند؛ در حالی‌ که سرمایه‌گذاران نهادی معامله‌گران مطلع محسوب می‌‌شوند. با وجود این، پژوهش‌های مختلفی مانند ویلمن[101]، فنتون[102]، نیکلسون[103] و سوآن[104] (2006) و پودولسکی[105]، کالو[106] و دوآنگ[107] (2009) درمی‌یابند که معامله‌گران نهادی ازجمله مدیران صندوق‌ها و مدیران سبد همیشه عقلایی رفتار نمی‌کنند و بیشتر در فعالیت‌های معامله‌گری نوفه‌ای درگیرند؛ بنابراین، در این پژوهش دو نسبت که به‌طور خاص رفتار هیجانی و احساسی در برخی معامله‌گران نهادی (شامل مدیران صندوق‌ها و سبدها) را نشان می‌دهند، اضافه شده است. نسبت‌های زیر با بررسی پژوهشگر و نظرسنجی از خبرگان حاصل شده است:

الف) نسبت سهام در سبد صندوق‌های سرمایه‌گذاری (Ef): این نسبت بیان‌کنندۀ این است که وقتی احساسات و هیجانات در بازار بالا باشد و جوّ خوش‌بینی در بازار وجود داشته باشد، مدیران صندوق‌ها (چه صندوق‌های با درآمد ثابت و چه صندوق‌های سهامی) و سبدها تمایل بیشتری به نگهداری سهام (با توجه به حد نصاب‌ها و محدودیت‌های مقرراتی) در سبد خود دارند و زمانی که احساسات و هیجانات فروکش کند، این تمایل کمتر خواهد شد.

ب) حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار (Vf): همان ‌طور که حجم معاملات خرد حقیقی‌های بازار، نماگری برای گرایش احساسی معامله‌گران خرد در نظر گرفته شده است، در اینجا نیز حجم معاملات حقوقی‌ها (به‌طور خاص صندوق‌ها و شرکت‌های سبدگردانی) به‌‌منزلۀ نماگری برای نشان‌دادن گرایش‌های احساسی این دسته در نظر گرفته شده است.


جدول (2) متغیرها و نماگرهای مربوط به گرایش احساسی

نماگرهای مربوط به گرایش احساسی

معامله‌گران خردو حقیقی

حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام (Vs)

حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام (Vo)

نسبت ماهانۀ کدهای معاملاتی فعال به کل کدهای معاملاتی بازار (NAC)

متوسط بازدهی هفتۀ اول عرضه‌های عمومی اولیه (RIPO)

نسبت ارزش ماهانۀ صدور واحدهای صندوق‌های سرمایه‌گذاری در سهام به ارزش ابطال آن (Ninfe)

نماگرهای مربوط به گرایش احساسی

معامله‌گران نهادی و حقوقی

نسبت سهام در سبد صندوق‌های سرمایه‌گذاری (Sf)

حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار (Vf)

 

 

برای خالص‌سازی احساسات و حذف اثرات عوامل بنیادین، از الگوی سری زمانی ARIMA استفاده شده است؛ بدین صورت که برای هر یک از متغیرها و نماگرهای احساسی الگوی ARIMA، استخراج و سپس جزء اخلال و پسماند هر الگو به‌‌منزلۀ متغیر و نماگر احساسی خالص در نظر گرفته و در روش تحیل مؤلفه‌های اساسی استفاده شد. روش تحلیل مؤلفه‌های اساسی روشی است که در آن، متغیرهای موجود در فضای چندحالتۀ همبسته به یک مجموعه از مؤلفه‌های غیرهمبسته خلاصه می‌شوند که هر یک از آنها ترکیب خطی از متغیرهای اصلی‌اند. مؤلفه‌های غیرهمبستۀ به‌دست‌آمده مؤلفه‌های اساسی نامیده شده‌اند که از بردارهای ویژۀ ماتریس کواریانس یا ماتریس همبستگی متغیرهای اصلی به دست می‌آیند (مهتدی، حجازی، حسینی و مؤمنی، 2017). رگرسیون متغیرهای اندازه‌گیری‌شده روی متغیرهای مکنون وزن‌هایی فراهم می‌آورد که بارهای عاملی[108] نامیده می‌شود؛ به عبارت دیگر، عامل سازه‌ای[109] است که به‌وسیلۀ بار عاملی آن تعریف می‌شود (کلاین[110]، 2005). در ادامه مرحل اجرای روش پژوهش به‌طور خلاصه تبیین می‌شود.

 

مرحلۀ اول: تغییر متغیرها به مؤلفه با استفاده از محاسبۀ مقادیر و بردارهای ویژه

به‌طور معمول با تشکیل k معادله و k مجهول، k مؤلفۀ مدنظر از بین داده‌ها استخراج می‌شود؛ روش کار به این صورت است که واریانس موجود در ماتریس همبستگی به k مقدار ویژه تبدیل می‌شود. هر مقدار ویژه نشان‌دهندۀ سهم مؤلفۀ مدنظر از واریانس کل است و هر یک از مؤلفه‌ها ترکیب خطیk  متغیر است. اولین جزء بزرگ‌ترین مقدار (درصد) واریانس را توضیح و دومین جزء بزرگ‌ترین درصد از میزان واریانس باقی‌مانده پس از کسر واریانس مربوط به مؤلفۀ اول را نشان می‌دهد و درنهایت، مؤلفه‌ها کل واریانس را توضیح می‌دهند و به این ترتیب اهمیت مؤلفه‌ها مشخص می‌شود. مقادیر ویژه (λ)، از معادلۀ 2 به دست می‌آید. در معادلۀ 2،I  ماتریس واحد و A ماتریس ضرایب است. (شیخ‌الاسلامی، باقری‌‎خلیلی و محمودآبادی، 2012).

(2)

 

 

مرحلۀ دوم: انتخاب مؤلفههای مناسب با استفاده از معیارهای موجود

در این مرحله باید از بین مؤلفه‌های شناسایی‌شده در مرحلۀ قبل، مناسب‌ترین مؤلفه انتخاب شود. معیار انتخاب، میزان توضیح واریانسِ کل به‌وسیلۀ هر مؤلفه است. این معیار اصولاً در قالب مفهوم مقادیر ویژۀ بردارهای همبستگی بیان می‌شود. قاعدۀ سرانگشتی این است که تنها مؤلفه‌هایی باقی می‌مانند که مقادیر ویژۀ آنها یک یا بیشتر از آن است (محدث، 2010). در این پژوهش با توجه به اینکه هدف شاخص‌سازی است، مطابق پژوهش‌های مشابه انجام‌شده، مؤلفۀ اول شاخص ترکیبی در نظر گرفته می‌شود.

 

مرحلۀ سوم: محاسبۀ ماتریس ضرایب امتیاز عناصر

این ماتریس بر پایۀ بردارهای ویژۀ متغیرها و با استفاده از معادلۀ 3 محاسبه می‌شود. به ازای هر مقدار ویژۀ محاسبه‌شده، یک بردار ویژه محاسبه می‌شود. این بردارها درواقع، ضرایب متغیرها در معادلات مربوط به مؤلفه‌ها هستند. بعد از محاسبۀ مقدار ویژه، با معادلۀ 3، بردار مرتبط محاسبه می‌شود. در این معادله X بردار ویژه است.

(3)

           

 

یافته‌ها

همان ‌طور که در پژوهش‌های مختلف اشاره شده است، گاهی گرایش احساسی و هیجانات ممکن است ناشی از تغییر برخی عوامل بنیادین باشد (بِیکر و وُوگلر، 2007)؛ بنابراین، برای خالص‌سازی احساسات و حذف اثرات عوامل بنیادین، پس از تعدیل فصلی[111] و حذف اثرات تقویمی فصلی[112] هر یک از سری‌های زمانی، الگوی سری زمانی ARIMA برای هر یک از متغیرها و نماگرهای احساسی استخراج‌شده اجرا و جزء اخلال و پسماند هر الگو به‌منزلۀ شاخص گرایش احساسی خالص در نظر گرفته شد. برای الگوهای سری زمانی نماگرهای گرایش احساسی غیر ازRIPO  که مقادیر مثبت و منفی دارد، از لگاریتم متغیر استفاده می‌شود. در ادامه ابتدا برای آزمون مانایی هر یک از سری‌های زمانی استفاده‌شده، آزمون ریشۀ واحد KPSS انجام شده است که نتایج نشان‌دهندۀ مانابودن همۀ متغیرها و نماگرهای احساسی است. در مرحلۀ بعد برای تشخیص و شناسایی الگوی ARIMA و تعیین مرتبۀ الگو از روش باکس - جنکینز استفاده می‌شود که شامل سه مرحلۀ تشخیص، تخمین و بازبینی است و مهم‌ترین ابزار برای تشخیص مرتبه و بسندگی الگو، استفاده از تابع خودهمبستگی و خودهمبستگی جزئی است. براساس مراحل ذکرشده، الگو‌های سری زمانی ARIMA استخراج‎‌شده برای هر یک از نماگرهای احساسی در جدول 3 مشاهده می‌شود.

 

 

جدول (3) تخمین الگوی ARIMA برای هر یک از متغیرهای گرایش احساسی

الگوی سری زمانی ARIMA برای لگاریتم کدهای معاملاتی فعال (NAC)

متغیر

ضریب

انحراف معیار

آمارۀ t

احتمال متغیر

C

7640/0-

1444/0

9950/32-

00/0

AR(1)

8454/0

0760/0

1245/11

00/0

SIMASQ

0315/0

0061/0

1736/5

00/0

الگوی ARIMA برای بازدهی پنج روز اول عرضه‌های عمومی اولیه (RIPO)

C

9205/7

1696/1

7722/6

000/0

MA(1)

2524/0

1175/0

1487/2

0352/0

MA(2)

2674/0-

1190/0

2473/2-

0279/0

الگوی ARIMA برای لگاریتم نسبت حجم معاملات آنلاین به حجم کل معاملات (VO)

C

0142/2-

6639/0

0337/3-

0034/0

AR(1)

9886/0

0234/0

301/42

000/0

MA(1)

4854/0-

1095/0

4314/4-

000/0

SIGMASQ

0499/0

0087/0

7380/5

000/0

الگوی ARIMA برای لگاریتم نسبت حجم معاملات خرد به حجم کل معاملات (VS)

C

8053/0-

1549/0

1990/5-

000/0

AR(1)

9348/0

0620/0

0766/15

000/0

MA(1)

6039/0-

1417/0

2620/4-

0001/0

SIGMASQ

0423/0

0061/0

9265/6

000/0

الگوی ARIMA برای لگاریتم نسبت ارزش ماهانۀ صدور واحدهای صندوق‌های سرمایه‌گذاری در سهام به ارزش ابطال آن (NINFE)

C

0197/0

2004/0

0983/0

9219/0

AR(1)

3139/0

1024/0

0636/3

0032/0

SIGMASQ

2645/1

2409/0

0629/5

00/0

الگوی ARIMA برای نسبت سهام در سبد صندوق‌های سرمایه‌گذاری (Sf)

C

923/3

039/0

563/99

000/0

AR(1)

168/1

098/0

918/11

000/0

AR(2)

317/0-

093/0

415/3-

001/0

SIGMASQ

002/0

0003/0

285/6

000/0

الگوی ARIMA برای حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار (Vf)

C

161/4-

118/0

248/35-

000/0

AR(1)

597/0

077/0

779/7

000/0

SIGMASQ

146/0

023/0

47/6

000/0

 

 

در گام بعد پسماند هر یک از الگو‌های ARIMA جزء تصادفی گرایش احساسی در نظر گرفته و در ساخت شاخص ترکیبی گرایش احساسی به روش تحلیل مؤلفۀ اساسی (PCA) از آن استفاده شده است. در مرحلۀ اول پسماند الگو‌های ARIMA برای تمام متغیرها و نماگرهای ذکرشده در جدول 1 برای استخراج شاخص ترکیبی به روش PCA استفاده شد و مؤلفۀ اول به‌‌منزلۀ شاخص ترکیبی بررسی شد. مقدار ویژه (درصد واریانس مؤلفۀ اول)، 31 درصد از کل بود که عدد نسبتاً کوچکی است. مقادیر بار عاملی (ضرایب) EVF، ERIPO و ESF منفی بود که با توجه به ادبیات پژوهش، توجیه‌پذیر نیست؛ زیرا علامت همۀ این متغیرها براساس ادبیات پژوهش باید با گرایش احساسی در بازار هم‌راستا باشد؛ بدین معنا که افزایش این متغیرها نشان‌دهندۀ افزایش احساسات و کاهش این متغیرها نشان‌دهندۀ کاهش احساسات در بازار سهام باشد. منفی‌بودن مقدار بار عاملی برخی متغیرها نشان‌دهندۀ این است که غیر از هیجانات و احساسات تصادفی، عوامل ناشناختۀ دیگری نیز بر این متغیرها تأثیرگذارند؛ بنابراین، این متغیرها از شاخص ترکیبی کنار گذاشته شدند. در گام بعد PCA برای چهار متغیر باقی‌مانده استخراج و دوباره مؤلفۀ مشترک اول به‌‌منزلۀ شاخص ترکیبی مدنظر بررسی شد که مقدار ویژه (درصد واریانس مؤلفۀ اول) به 5/53 درصد افزایش یافت و همۀ مقادیر بار عاملی (ضرایب) متغیرها در مؤلفۀ اول مثبت بودند؛ اما ضریب مربوط به ERIPO، 002/0 بود که بسیار کوچک بود و می‌توان از آن چشم‌پوشی کرد؛ بنابراین، این متغیر نیز از شاخص ترکیبی کنار گذاشته و دوباره روش تحلیل مؤلفۀ اصلی برای سه متغیر باقی‌مانده در جدول 4 اجرا شد.

 

 

جدول (4) متغیرهای گرایش احساسی نهایی استفاده‌شده در استخراج شاخص ترکیبی

نماگرهای مربوط به گرایش احساسی

معامله‌گران خرد

حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام (Vs)

حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام (Vo)

نماگرهای مربوط به گرایش احساسی

معامله‌گران نهادی و حقوقی

حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار (Vf)

 

 

جدول 5، درصد واریانس کل تبیین‌شده به‌وسیلۀ مؤلفه‌های مشترک استخراج‌شده را نمایش می‌دهد. در سمت راست این جدول، اطلاعات مربوط به میزان واریانس توضیح داده‌شده به‌وسیلۀ هر مؤلفه ارائه شده است. برای سهولت استفاده، درصد واریانس مربوط به هر مؤلفه و درصد واریانس به‌صورت انباشته ارائه شده است. در سمت چپ این جدول، مؤلفه‌ای که از بین کل مؤلفه‌ها، مقدار واریانس توضیح ‌داده‌شدۀ بالای یک دارد، به‌منزلۀ مؤلفۀ منتخب دوباره ارائه شده است. مطابق داده‌های این جدول، مقدار ویژۀ مؤلفۀ مشترک اول (PCA1) به‌‌منزلۀ شاخص ترکیبی مدنظر به 37/71 درصد افزایش یافت که نشان می‌دهد شاخص ترکیبی استخراج‌شده 37/71 درصد واریانس کل را تبیین خواهد کرد و مقدار مطلوبی است.

در جدول 6، میزان تأثیر هر متغیر در تخمین مؤلفۀ مشترک اول در قالب ضرایب امتیاز عناصر (بار عاملی) ارائه شده است. همان ‌طور که ملاحظه می‎‌شود، بار عاملی (ضرایب) تک‌تک متغیرها در شاخص ترکیبی محاسبه‌شده از 6/0 بالاتر شد.

بنابراین، شاخص ترکیبی نهایی گرایش احساسی ازطریق روش تحلیل مؤلفه‌های اساسی (PCA) به شرح زیر است:

 

 


جدول (5) درصد واریانس کل تبیین‌‎شده به‌وسیلۀ مؤلفه‌های مشترک استخراج‌شده

مؤلفه

بردارهای ویژۀ اولیه

ویژگی‌های مربوط به شاخص ترکیبی انتخابی

(مؤلفۀ مشترک اول)

کل

درصد از واریانس

درصد تجمعی از واریانس

کل

درصد از واریانس

درصد تجمعی از واریانس

1

141/2

366/71

366/71

141/2

366/71

366/71

2

708/0

610/23

976/94

 

 

 

3

151/0

024/5

00/100

 

 

 

 

جدول (2) ضرایب (بار عاملی) متغیرها در مؤلفۀ مشترک اول

متغیرها و نماگرهای احساسی

نسبت حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار سهام

(EVF)

نسبت حجم معاملات آنلاین به حجم کل معاملات بازار سهام

(EVO)

نسبت حجم معاملات خرد به حجم کل معاملات سهام

(EVS)

بار عاملی (ضرایب) مؤلفۀ مشترک اول

(PCA1)

661/0

916/0

929/0

 

 

نتایج و پیشنهادها.

همان ‌طور که اشاره شد، در نظریۀ مالی سنتی احساسات معامله‌گران هیچ نقشی در قیمت سهام، بازده تحقق‌یافته و بازده موردانتظار ندارد؛ اما دیدگاه مالی رفتاری نشان می‌دهد برخی تغییرات قیمت اوراق بهادار، هیچ دلیل بنیادی ندارد و گرایش احساسی سرمایه‌گذار، نقش مهمی در تعیین قیمت‌ها بازی می‌کند و آربیتراژگران منطقی، به‌دلیل ریسک بالا در برگرداندن قیمت‎‌ها به سطح بنیادی پرتکاپو نیستند و قیمت‌‍گذاری نادرست اصلاح نخواهد شد. از این جهت گرایش احساسی، نقش مهمی در تعیین قیمت‌ها و تبیین بازده ایفا می‌کند. گرایش احساسی ممکن است به وضعیت روان‌شناختی ذهن سرمایه‌گذاران مرتبط باشد و با توجه به اینکه معامله‌گران اختلال‌زا با تأثیرگرفتن از احساسات و هیجانات بازار تصمیم‌گیری می‌کنند، برای تبیین رفتار این نوع معامله‌گران، از شاخص گرایش احساسی استفاده می‌شود.

شاخص‌ها و نماگرهای احساسی به معامله‌گران کمک می‌کنند میزان خوش‌بینی یا بدبینی عموم سرمایه‌گذاران و معامله‌گران را نسبت به شرایط اقتصاد و بازار بدانند. این نماگرها و شاخص‌ها روندها، دارایی‌ها و کل اقتصاد را از منظر فعالان و معامله‌گران بازار تحلیل می‌کنند و زمانی که هم‌جهت با تحلیل روندها حرکت کنند، به تأیید و تقویت روند ایجادشده کمک می‌کنند. ازسوی دیگر، سیاست‌گذاران و نهادهای نظارتی نیز قادرند از شاخص‌های گرایش احساسی در کنار داده‌های دیگر برای تعیین جهت و سمت‌وسوی آیندۀ بازار استفاده کنند تا بتوانند سیاست‌های خود را به‌موقع و متناسب با روند بازار اعمال کنند.

در این پژوهش با تأکید بر متغیرها و نماگرهای احساسی که بیشترین کاربرد را در پژوهش‌های مختلف خارجی داشته‌اند و با توجه به محدودیت‌های دسترسی به داده‌ها و مشورت با صاحب‌نظران، متغیرهایی برای سنجش غیرمستقیم احساسات و هیجانات در بازار سهام ایران در نظر گرفته شد. این متغیرها عبارت بودند از: حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام، حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام، نسبت ماهانۀ کدهای معاملاتی فعال به کل کدهای معاملاتی بازار، متوسط بازدهی هفتۀ اول عرضه‌های عمومی اولیه، تعداد ماهانۀ عرضه‌های عمومی اولیه، نسبت ارزش ماهانۀ صدور واحدهای صندوق‌های سرمایه‌گذاری در سهام به ارزش ابطال آن، نسبت سهام در سبد صندوق‌های سرمایه‌گذاری و حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار؛ درنهایت، به روش تحلیل مؤلفه‌های اساسی، شاخص ترکیبی گرایش احساسی استخراج شد. معیار برای تعیین مؤلفۀ مشترک اول، مقدار ویژه (درصد واریانس مؤلفۀ اول) و مقادیر بار عاملی (ضرایب) متغیرها در مؤلفۀ اول بود که درنهایت، براساس این معیار، سه متغیر زیر از متغیرهای ذکرشده در شاخص نهایی باقی ماند: حجم ماهانۀ معاملات خرد به حجم کل معاملات بازار سهام و حجم ماهانۀ معاملات آنلاین به حجم کل معاملات بازار سهام (به‌منزلۀ نماگرهای احساسی معامله‌گران خرد) و حجم ماهانۀ معاملات سهام به‌وسیلۀ صندوق‌ها و شرکت‌های سبدگردان به حجم کل معاملات بازار (به‌منزلۀ نماگرهای احساسی معامله‌گران نهادی). همان‌ طور که اشاره شد، گاهی گرایش احساسی و هیجانات ممکن است ناشی از تغییر برخی عوامل بنیادین باشد؛ بنابراین، برای خالص‌سازی احساسات و حذف اثرات عوامل بنیادین، پس از تعدیل فصلی و حذف اثرات تقویمی فصلی هر یک از سری‌های زمانی، الگوی سری زمانی ARIMA برای هر یک از متغیرها و نماگرهای احساسی استخراج‌شده اجرا و جزء اخلال و پسماند هر الگو، شاخص گرایش احساسی خالص در نظر گرفته شد.

با توجه به نتایج پژوهش حاضر و پژوهش‌های قبلی، پیشنهاد می‌شود شاخص‌های احساسی به روش مستقیم و پیمایشی نیز محاسبه و استخراج شوند، شاخص گرایش احساسی برای تک‌سهم نیز محاسبه شود و نقش گرایش احساسی در بازدهی سهام، نوسان بازدهی و بروز حباب آزمون شود.

این پژوهش با محدودیت‌هایی روبه‌رو بوده است. ازجمله این محدودیت‌ها، نداشتن دسترسی عمومی به برخی داده‌ها و اطلاعات مربوط به متغیرهای انتخابی پژوهش بود؛ بنابراین، ازطریق مکاتبه با سازمان بورس و اورق بهادار، شرکت سپرده‌گذاری مرکزی و تسویۀ وجوه و شرکت پردازش اطلاعات مالی پارت، داده‌ها و اطلاعات موردنیاز به دست آورده شد که این امر زمان‌بر بود. به‌علاوه با توجه به شرایط بازار سرمایۀ ایران، استفاده از برخی متغیرهای رایج گرایش احساسی استفاده‌شده در پژوهش‌های متعدد خارجی برای بازار سهام ایرن مناسب نبود. برای نمونه در این پژوهش به جای کدهای معاملاتی جدید - که در پژوهش‌های مختلفی به آنها اشاره شده است - داده‌های مربوط به تعداد کدهای فعال مدنظر قرار گرفت؛ زیرا در بازۀ زمانی پژوهش، افزایش کدهای معاملاتی جدید لزوماً به‎‌دلیل افزایش گرایش احساسی و هیجانی نبوده است و دلایل دیگری نیز مانند ثبت و معاملۀ سایر اوراق بهادار مانند اسناد خزانۀ اسلامی، حق تقدم تسهیلات مسکن و ... اثرگذار بوده است؛ دربارۀ تفسیر کدهای فعال، نظرهای متفاوتی وجود داشت که با مشورت با خبرگان، کدهایی در نظر گرفته شد که دست‌کم 4 معامله در ماه (هر هفته یک معامله) انجام داده باشند. یکی از شاخص‌های پرکاربرد دیگر در پژوهش‌های مختلف، بازدهی روز اول عرضه‌های عمومی اولیه بود. در ایران با توجه به محدودیت دامنۀ نوسان، با نظر صاحب‌نظران و خبرگان به جای بازدهی روز اول، بازدهی پنج روز اول (هفتۀ اول کاری) در نظر گرفته شد. سنجۀ دیگر استفاده‌شده در پژوهش‌های مختلف برای گرایش احساسی، جابه‌جایی‌های سرمایه‌گذاران میان صندوق‌های سهام رشدی ریسکی و صندوق‌های با درآمد ثابت بدون ریسک است. براساس نظر خبرگان با توجه به اینکه جریان ورودی و خروجی صندوق‌های با درآمد ثابت در ایران علاوه بر احساسات، به‌شدت از سیاست‌های پولی و اعتباری بانک مرکزی در تعیین نرخ سود بانکی تأثیر می‌گیرد، تنها جریانات نقدی ورودی و خروجی به صندوق‌های سرمایه‌گذاری در سهام در نظر گرفته شد.



[1]. Barberis

[2]. Thaler

[3]. Shleifer

[4]. Vishny

[5]. Noise traders: معامله‌گران اختلال‌زا، اصطلاح برای معامله‌گرانی است که تصمیمات معاملاتی‌شان را دربارۀ خرید و فروش بدون توجه به تحلیل‌های بنیادی یا توصیه‌های حرفه‌ای انجام می‌دهند. معاملات به‌وسیلۀ معامله‌گران اختلال‌زا تحریک‌آمیز است و به‌طور معمول به‌صورت هیجانی و غیرعقلایی انجام می‌شود. این دسته از معامله‌گران روندها را دنبال می‌کنند و به اخبار خوب و بد واکنش بیش از حد نشان می‌دهند.

[6]. De Long

[7]. Summers

[8] .Waldmann

[9]. Black

[10]. Beer

[11]. Zouaoui

[12]. Principal component analysis

[13]. Grossman

[14]. Fama

[15]. Rational arbitragers

[16]. Keynes

[17]. UBS/gallup index

[18]. Investors intelligence sentiment index

[19]. Brown

[20]. Cliff

[21]. Baker

[22]. Wurgler

[23]. Ling

[24]. Naranjo

[25]. Scheick

[26]. Heejin

[27]. Doojin

[28]. Doowon

[29] .Relative strength index (RSI)

[30]. Psychological line index (PLI)

[31]. logarithm of trading volume (LTV)

[32] .Adjusted turnover rate (ATR)

[33]. NYSE stock market

[34]. Chuangxia

[35]. Xin

[36]. Xiaoguang

[37]. Hu

[38]. Average cosed-end fund discount (CEFD)

[39]. Number on IPOs (NIPO)

[40]. Average first-day returns on IPOs (RIPO)

[41]. The number of new investor accounts for shares (NIA),

[42]. The turnover rate (TURN)

[43]. Chowdhury

[44]. Sharmin

[45] .Rahman

[46]. TRIN

[47]. Winmore Mazviona

[48]. Pei-En

[49]. Aziz Khan

[50]. Ahmad

[51]. The Google search volume index (GSVI)

[52]. Advance-decline (AVDC)

[53]. Money flow index (MFI)

[54]. Glushkov

[55]. Chen

[56]. Chong

[57]. Tai

[58]. She

[59]. Wendeberg

[60]. Bandopadhyaya

[61]. Jones

[62]. Equity market sentiment index

[63].

RirوRiv: رنکینگ بازدهی روزانه و نوسان تاریخی برای اوراق بهادار i ام.

: رنکینگ بازدهی میانگین و نوسان تاریخی جمعی.

[64]. Frazzini

[65]. Lamont

[66]. Average first-day returns on IPOs (RIPO)

[67]. Uygur

[68]. Tas

[69]. Watkins

[70]. Number on IPOs (NIPO)

[71]. Wu

[72]. Han

[73]. Zhang

[74]. Yang

[75]. Closed-end fund discount (CEFD)

[76]. Lee

[77]. Dividend premium

[78]. Greenwood

[79]. Nagel

[80]. Barber

[81]. Odean

[82]. Zhu

[83]. تحلیل مؤلفه‌های اساسی روشی است که غالباً برای بررسی گروهی از متغیرهای همبسته به کار می‌رود. مهم‌ترین کاربردهای این روش‌، تجزیه و تحلیل نماگرهای چندگانه، شاخص‌سازی و کاهش داده‌هاست.

[84]. داده‌‌ها از معاونت نظارت بر بورس‌ها و ناشران دریافت شده است.

[85]. داده‌‌ها از معاونت نظارت بر بورس‌ها و ناشران دریافت شده است.

[86]. داده‌ها از شرکت سپرده‌گذاری مرکزی و تسویۀ وجوه دریافت شده است.

[87]. داده‌ها از سایت رسمی شرکت بورس و فرابورس استخراج شده است.

[88]. داده‌ها از سایت رسمی شرکت بورس و فرابورس استخراج شده است.

[89]. داده‌ها از شرکت پردازش اطلاعات پارت دریافت شده است.

[90]. داده‌ها از شرکت پردازش اطلاعات پارت دریافت شده است.

[91]. از سایت رسمی بانک مرکزی جمهوری اسلامی ایران استخراج شده است.

[92]. از سایت رسمی بانک مرکزی جمهوری اسلامی ایران استخراج شده است.

[93]. از سایت رسمی بانک مرکزی جمهوری اسلامی ایران استخراج شده است.

[94]. از سایت رسمی بانک مرکزی جمهوری اسلامی ایران استخراج شده است.

[95]. از سایت ادارۀ انرژی آمریکا (U.S. Energy Information Administration) استخراج شده است.

[96]. Average first-week returns on IPOs (RIPO)

[97]. The number on IPOs (NIPO)

[98]. Chakravarty

[99]. Kurov

[100]. Retail traders

[101]. Willman

[102]. Fenton

[103]. Nicholson

[104]. Soane

[105]. Podolski

[106]. Kalev

[107]. Duong

[108]. Factor loading

[109]. Construct

[110]. Kline

[111]. Seasonal adjustment

[112]. مؤلفۀ تعدیل‌شدۀ فصلی نتیجۀ حذف مؤلفۀ فصلی (شامل مؤلفۀ اثرهای تقویمی) از یک سری زمانی است. اگر هیچ یک از اثرات فصلی و تقویمی در داده‌های اصلی وجود نداشته باش ، سری تعدیل‌شدۀ فصلی همان داده‌های اصلی است.

حیدرپور، ف.، تاری‌وردی، ی.، و محرابی، م. (1392). تأثیر گرایش احساسی سرمایه‌گذاران بر بازده سهام. فصلنامۀ علمی - پژوهشی دانش تحلیل اوراق بهادار، 6 (17)، 13-1.
زارعی، ع.، و دارابی، ر. (1397). تأثیر گرایش‌های احساسی سرمایه‌گذاران بر افشای اختیاری در بازار سرمایۀ ایران. پژوهش‌های حسابداری مالی وحسابرسی، 10 (37)، 158-131.
زنجیردار، م.، و لیتانی، م. (1397). تأثیر گرایش‌های احساسی سرمایه‌گذاران و میزان استقراض شرکت بر انحراف از سرمایه‌گذاری موردانتظار. دانش سرمایه‌گذاری، 7 (27)، 58-39.
ستایش، م.، و شمس‌الدینی، ک. (1395). بررسی رابطۀ بین گرایش احساسی سرمایه گذاران و قیمت سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. پیشرفت‌های حسابداری، 8 (1)، 125-103.
شکرخواه، ج.، بولو، ق.، و حضرتی، عا. (1396). اثر گرایش‌های احساسی سرمایه‌گذاران برقیمت سهام با توجه به سطح شفافیت شرکتی. پژوهش‌های تجربی حسابداری، 7 (2)، 31-1.
شیخ‌الاسلامی، ع.، باقری‎‌خلیلی، ف.، و محمودآبادی، ع. (1391). "«کاهش متغیرهای ورودی در فرایند مدل‌سازی تصادفات آزادراه‌ها با استفاده از روش تجزیه و تحلیل مؤلفۀ اصلی. مهندسی حمل و نقل، 3 (4)، 338-325.
محدث، ف. (1389). روش تحلیل مؤلفه‌های اساسی و بررسی عوامل: مطالعۀ موردی استخراج شاخص قیمت دارایی‌ها و بررسی اثر آن بر تورم. بانک مرکزی جمهوری اسلامی ایران، ادارۀ بررسی‌ها و سیاست‌های اقتصادی، آدرس دست‌یابی: https://cbi.ir/datedlist/4274.aspx
مهتدی، الف.، حجازی، ر.، حسینی، ع.، و مؤمنی، م. (1397). به‌کارگیری تکنیک (تحلیل مؤلفه‌های اصلی) در داده‌کاهی متغیرهای مؤثر بر بازده سهام. پژوهش‌های حسابداری مالی و حسابرسی، 10 (37)، 52-25.
 
References
Aziz Khan, M., & Ahmad, E. (2019). Measurement of investor sentiment and Its bi-directional contemporaneous and lead–lag relationship with returns: Evidence from Pakistan. Sustainability, MDPI, Open Access Journal, 11 (1), 1-20. Doi: 10.3390/su11010094.
Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross section of stock returns. Journal of Finance, 61 (4), 1645–1680. Doi: 10.3386/w10449.
Baker, M., & Wurgler, J. (2007). Investor sentiment in the stock market. Journal of Economic Perspectives, 21 (2), 129-152. Doi: 10.1257/jep.21.2.129.
Bandopadhyaya, A., & Jones, A. (2006). Measuring investor sentiment in equity markets. Journal of Asset Management, 7, 208–215. https://doi.org/10.1057/palgrave.jam.224021.
Barber, B. M., Odean, T., & Zhu, N. (2006). Do noise traders move markets? EFA 2006 Zurich Meetings Paper, 47 Pages, Available at SSRN: https://ssrn.com/abstract=869827, https://dx.doi.org/10.2139/ssrn.869827
Barberis, N., & Thaler, R. (2002). A survey of behavioral finance, NBER Working Paper No. 9222. Doi: 10.3386/w9222.
Beer, F., & Zouaoui, M. (2011). Measuring investor sentiment in the stock market. Working Papers CREGO 1110901, Université de Bourgogne, CREGO EA7317 Centre de recherches en gestion des organisations. http://dx.doi.org/10.2139/ssrn.1939527.
Black, F. (1986). Noise. Journal of Finance, 41, 529-543. https://doi.org/10.1111/j.1540-6261.1986.tb04513.x.
Brown, G. W., & Cliff, M. T. (2004). Investor sentiment and the near term stock market. Journal of Empirical Finance, 11 (1), 1-27. https://doi.org/10.1016/j.jempfin.2002.12.001.
Chakravarty, S. (2001). Stealth trading: Which traders’ trades move stock prices. Journal of Financial Economics, 61, 289–307. https://doi.org/10.1016/S0304-405X(01)00063-0.
Chen, H., Chong, T., Tai, L. & She, Y. (2013). A principal component approach to measuring investor sentiment in China. MPRA Paper 54150, University Library of Munich, Germany. https://doi.org/10.1080/14697680903193389.
Chowdhury, H., Sharmin, R., & Rahman, M. (2014). Effect of sentiment on the Bangladesh stock market returns. 12th EBES Conference, Nanyang Technological University, Singapore. Doi:10.2139/ssrn.2416223.
Chuangxia, H., Xin, Y., Xiaoguang, Y., & Hu, Sh. (2014). An empirical study of the effect of investor sentiment on returns of different industries, mathematical problems in engineering. Research Article, 45, 1-11. https://doi.org/10.1155/2014/545723.
De Long, J. A., Schleifer, L. Summers, L. H. & Waldmann, R. (1989). The size and incidence of the losses from noise trading. Journal of Finance, 44, 681-696. Doi: 10.2307/2328777.
Fama, E. (1965). The behaviour of stock market prices. Journal of Business, 38 (1), 34–105. Doi: 10.1086/294743.
Frazzini, A., & Lamont, O. A. (2008). Dumb money: Mutual fund flows and the cross-section of stock returns. Journal of Financial Economics, Elsevier. 88 (2), 299-322. Doi: 10.3386/w11526.
Glushkov, D. (2006). Sentiment beta. Available at SSRN: https://ssrn.com/abstract=862444. https://doi.org/10.2139/ssrn.862444.
Greenwood, R., & Nagel, S. (2006), Inexperienced investors and bubbles. Harvard University working paper.
Grossman, S. (1976). On the efficiency of competitive stock markets where traders have diverse information. Journal of Finance, 31, 573-585. doi.org/10.1111/j.1540-6261.1976.tb01907.x
Heejin, Y., Doojin, R., & Doowon, R. (2017). Investor sentiment, asset returns and firm characteristics: Evidence from the Korean Stock Market. Investment Analysts Journal, 46 (2), 132-147. https://doi.org/10.1080/10293523.2016.1277850.
Heidarpoor, F., Tariverdi, Y., & Mehrabi, M. (2013). The investigation of emotional attitudes of shareholders in stock efficiency. Journal of Scientific and Research of Financial Knowledge of Securities Analysis. 17, 2-13. (In Persian).
Keynes, J. M. (1936). The General Theory of Employment, Interest and Money. New York: Harcourt Brace & World.
Kline, R. B. (2005). Principles and Practice of Structural Equation Modeling. New York: Guilford Press.
Kurov, A. (2008). Information and noise in financial markets: Evidence from the E‐Mini index futures. Journal of Financial Research, Southern Finance Association; Southwestern Finance Association, 31 (3), 247-270. https://doi.org/10.1111/j.1475-6803.2008.00239.x.
Lee, C. M. C., Shleifer, A., & Thaler, R. H. (1991). Investor sentiment and the closed‐end fund puzzle. The Journal of Finance, 46, 75-109. Doi: 10.1111/j.1540-6261.1991.tb03746.x.
Ling, D. C., Naranjo, A., & Scheick, B. (2010). Investor sentiment and asset pricing in public and Pprivate markets, 46th annual Areuea Conference paper. Available at SSRN: https://ssrn.com/abstract=1717110.
Mohaddeth, F. (2010). Principal component analysis and surveying factors. Case study: Extracting assets price index and studying Its effect on inflation. Central Bank of Iran, https://cbi.ir/datedlist/4274.aspx. (In Persian).
Mohtadi, A., Hejazi, R., Hosseini, A., & Momeni, M. (2017). Application of principal component analysis in data reduction of variables affecting stocks returns, Financial Accounting and Auditing Researches, 10 (37), 25-52. (In Persian).
Pei-En, L. (2019). The empirical study of investor sentiment on stock return prediction. International Journal of Economics and Financial Issues, 9 (2), 119-124. https://doi.org/10.32479/ijefi.7528.
Podolski, E., Kalev, P. S., & Duong, H. N. (2009). Deafened by noise: Do noise traders affect volatility and returns? 21st australasian finance and banking conference 2008 Paper, Available at SSRN: https://ssrn.com/abstract=1253042 or http://dx.doi.org/10.2139/ssrn.1253042. 2008. Paper, Available at SSRN: https://ssrn.com/abstract=1253042 or http://dx.doi.org/10.2139/ssrn.1253042
Setayesh, M., & Shamsedini, K. (2016). “An investigation of the relationship between investor sentiment and price stocks in Tehran Stock Exchange (TSE). Journal of Accounting Advances, 70, 103-125. (In Persian).
Sheikholeslami, A., Baqeri Khalili, F., & Mahmoodabadi, A. (2012). Application of principal component analysis as a variables reduction technique in freeway accident prediction models; A case study. Journal of Transportation Engineering, 3 (4), 325-338. (In Persian).
Shekarkhah, J., Bolu, Q., & Hazrati, A. (2018). Corporate transparency and impact of investor sentiment on stock prices. Empirical Research in Accounting, 7 (2), 1-31, Doi: 10.22051/jera.2017.12034.1458.
Shleifer, A., & Vishny, R. W. (1997). The limits of arbitrage. The Journal of Finance, 52 (1), 35-55. https://doi.org/10.1111/j.1540-6261.1997.tb03807.x.
Uygur, U., & Taş, O. (2012). Modeling the effects of investor sentiment and conditional volatility in international stock markets. Journal of Applied Finance & Banking, 2 (5), 239-260.
Watkins, B. (2002). Investor Sentiment, Trading Patterns and Return Predictability. (Electronic Thesis or Dissertation). Retrieved from https://etd.ohiolink.edu.
Wendeberg, A. (2015). Can Investor Sentiment Help Explain Stock Market Crises? (Master's Degree). Lund University Libraries, H1 - Department of Economics.
Willman, P., Fenton, M., Nicholson, N., & Soane, E. (2006). “Noise trading and the management of operational risk; Firms, traders and irrationality in financial markets. Journal of Management Studies, 43 (6), 1357–1374. https://doi.org/ 10.1111/j.1467-6486.2006.00648.x.
Winmore Mazviona. B. (2015). Measuring investor sentiment on the zimbawe stock exchange. Asian Journal of Economic Modelling, 3 (2), 21-32. Doi: 10.18488/journal.8/2015.3.2/8.2.21.32.
Wu, Y., & Han, L. Y. (2007). Imperfect rationality, sentiment and closed-end-fund puzzle. Economic Research Journal, 42 (3), 117–129.
Zanjirdar, M., & Leitani, M. (2018). Influence of emotional trends of investors and the company's borrowing on deviations from expected investment. Investment Knowledge Journal, 7 (27), 58-39. (In Persian).
Zarei, A., & Darabi, R. (2018). The impact of investors investment on voluntary disclosure in the cpaital market of Iran. The Financial Accounting and Auditing Researches, 10 (37), 131-157. (In Persian).
Zhang, Q. & Yang, S. (2009). Noise trading, investor sentiment volatility and stock returns. System Engineering Theory and Practice, 29 (3), 40-47. https://doi.org/ 10.1016/S1874-8651(10)60010-5.