نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه مدیریت مالی و حسابداری، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.

2 مربی، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران.

3 کارشناس ارشد، گروه مدیریت مالی و حسابداری، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.

چکیده

یکی از روش‌های تحلیل بازار، استفاده از رویکرد استراتژی‌های مومنتوم و معکوس است؛ ازجمله استراتژی‌های مومنتوم و معکوس صنعت که سعی می‌کند با استفاده از اطلاعات گذشته، عملکرد آتی را در رابطه با بازده سرمایه‌گذاری در صنعت‌های مختلف بورس اوراق بهادار پیش‌بینی و بازده بیشتر ایجاد کند؛ بنابراین مومنتوم صنعت ادعا می‌کند صنایعی که در گذشتۀ نزدیک عملکرد و بازده خوب یا بدی داشته‌اند در آینده نیز این بازده را ارائه خواهند کرد. برای بررسی سودمندی استراتژی‌های ذکرشده، جامعۀ آماری پژوهش شامل 37 صنعت در بازۀ زمانی 1386 تا 1396 در مقاطع ماهانه بوده که در 60 استراتژی در بازه‌‌های زمانی مختلف، تشکیل و نگهداری سبدها، آزمون برابری میانگین‌های سبدها و آزمون همسانی واریانس انجام شده است. نتایج حاکی از آن است که هرکدام از این رویکردها در دورۀ زمانی مشخصی، برتر است. در قالب دوره‌های کوتاه‌تر، به‌ویژه پنج دورۀ تشکیل و نگهداری یک‌ماهه و سه‌ماهه، تشکیل نه‌ماهه و نگهداری شش‌ماهه، تشکیل 12‌ماهه و نگهداری یک‌ماهه و سه‌ماهه، مومنتوم صنعت سودمندی معناداری نسبت به معکوس صنعت داشته است؛ اما در مواردی که دورۀ نگهداری طولانی‌تر ( بیش از یک سال) می‌شود، استراتژی معکوس بازده بیشتری نسبت به استراتژی مومنتوم داشته است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of the Profitability of Momentum and Reversal Strategies of Industry in the Capital Market of Iran

نویسندگان [English]

  • Mohammad Esmaiel Fadaie Nejad 1
  • Reza Farahani 2
  • Mohammad Mhoseynabadi 3

1 Associate Professor, Department of Financial Management and Accounting, Faulty of Management and Accounting, Shahid Beheshti university, Tehran, Iran.

2 Instructor, Department of Financial and Banking group, Faculty of Management and Accounting, Allame Tabatabayee University, Tehran, Iran.

3 Master of Financial Management, Department of Management and Accounting, Faulty of Management and Accounting, Shahid Beheshti university, Tehran, Iran.

چکیده [English]

Abstract:
Momentum and reverse strategies are two influential methods of market analysis that aim to predict future performance in different industries and to generate excess returns, applying historical information. The industry momentum claims the industries experiencing good (bad) performance in the past will provide this return in the future as well. We intend to examine the usefulness of the mentioned strategies. Moskowitz and Grinblatt (1999) focused on 20 industries and labeled three industries with the highest return as winning industries and three industries with the lowest return as losing industries. Also, Grobys and Kolari (2019) selected twentieth highest and lowest return as winning and losing industries. In this study, the statistical population includes all industries in the Tehran Security Exchange, during the years 2007 to 2017. Based on this research, a diverse set of portfolios of different industries has been examined separately for winners and losers at different times, in which the winning industries are the five industries with the highest return and the losing industries are the five industries with the lowest return. After calculating the returns of the winning and losing industries every month in 37 industries, quarterly, six-month, twelve-month, and twenty-four-month cumulative returns have been calculated as a sample and used to perform the tests. The general hypothesis of the research is that the return of the previous winner portfolios formed in the Fi period and holding in the Hj period is equal to the return of the previous loser portfolios formed in the Fi period and holding in the Hi period. The method of testing the hypothesis of this research is the test of comparing the means of two societies for two momentary and reverse industry strategies. To compare the returns of strategies, t-test and Leven variance homogeneity test were used, and to test the hypotheses, SPSS software was used. Comparison of 30 different scenarios of portfolio returns in different formation and holding periods indicates that out of 30 cases, in 22 cases the industry momentum strategy is superior, which has happened often in shorter periods. For example, during the one-month formation and holding period (F1, H1) of the portfolio, the momentum strategy at the 95% confidence level is more profitable than the reverse strategy. In addition, in 8 cases, the reverse momentum of the industry has been more useful, most of which occurred in the holding periods of one year or more. Comparisons show that, with increasing the period of portfolio formation, the returns of these two strategies are balanced and gradually in the holding periods of one year and more, the superiority of the reverse momentum strategy is evident. In total, in 8 cases, the difference in the profitability of the two strategies is significant, and in 5 cases are related to the momentum strategy, consisted of periods (F1, H1), (F1, H3), (F9, H6), (F12, H1), (F12, H3) and in other periods including (F3, H24), (F9, H24) and (F12, H24) reverse strategy had a significant advantage. The statistical sample of this study consists of 37 industries in the period from 2007 to 2017 in monthly periods, applying 60 strategies in terms of Formation and Hold of portfolios in diverse periods. To investigate the profitability of such strategies, the equality of means hypotheses and the homogeneity of variance test were examined. The results indicate that each of these approaches is superior over a certain period. In some shorter periods, the momentum of the industry has excess returns than the reverse industry; however, when the Hold period is longer than one year, the reverse strategy tends to be more profitable than the momentum strategy. In similar studies, Moskowitz and Grinblatt (1999) showed that in shorter periods, only the momentum profitability of the industry is higher. Grobys and Kolari (2019) also concluded that industry portfolios that had more returns in forming periods significantly had higher returns in the forming periods than portfolios that performed poorly in the period. The main finding of Huberg and Philips ‌ (2018) also indicates the momentum profitability of the industry. The results of the present study also reveal that in most of the shorter periods, the industry momentum has been more profitable than the industry reverse momentum, which is consistent with the results of the above researches, although this advantage is not statistically significant in all cases.
Keywords: Industry momentum strategy, Industry reveres strategy, Portfolio management, Behavioral finance.
 
Introduction:
There are two important and practical strategies among individual and institutional investors, analysts and, market participants, the momentum strategy of industry and the reverse of industry. Generally, according to the momentum strategy, the positive or negative of past returns will continue for a period of the future. According to the reverse strategy, Investors are likely to make mistakes since recent price trends are reversing. In these strategies, future performance is tried to create more return by using the past, predicted performance. These strategies are opposed to the market efficiency hypothesis, as the return on stock at different times has a special behavior and investors can get more returns than market returns without bearing more risk and only by using the right investment strategy.
 
Material & Methods:
In this survey, the statistical population includes all industries in the Iranian capital market during the years 2007 to 2017. Based on the available data, a diverse portfolio of different industries of winners and losers in different times has been examined. The winner industries are the five industries that have the highest returns and the loser industries are the five industries with the lowest returns, in which the weighted average of the companies in each industry is taken into account in terms of cash inflows. The portfolio returns of past winners formed in period (F) and held in period (H) is equal to the portfolio returns of past losers formed in period F and held in period H. Of course, this hypothesis, due to the different periods F and H, includes more sub-hypotheses, each of which will be tested in this survey.
 
Finding:
Based on the comparison and test of the average returns of momentum and reverse strategies in different periods of Form and Hold, the results obtained are given in the table below. In a comparison of each scenario, the superior strategy is identified, and in cases where the average return of the strategy is significantly different at the level of 95% and 99% confidence interval, is marked with(*) and(**).
 
Summary of strategy scenarios based on average return of portfolios




H24


H12


H9


H6


H3


H1


 




reverse


momentum


momentum


momentum


momentum *


momentum *


F1




reverse *


momentum


momentum


momentum


momentum


momentum


F3




reverse


momentum


momentum


momentum


reverse


reverse


F6




reverse **


momentum


momentum


momentum *


momentum


momentum


F9




reverse **


reverse


momentum


momentum


momentum *


momentum *


F12




 
Conclusions & Results:     
In this study, the profitability of two momentum and reverse industry strategies is evaluated and compared. Comparison of returns of 30 different scenarios of portfolios, in different periods of Form and Hold for momentum and reverse strategy, indicates that in most of the shorter periods, industry momentum has more profitability than reverse momentum, but in higher Hold periods, with increasing Form period, these two Strategies are balanced in terms of profitability, and when the Hold period is longer than one year, the reverse momentum of the strategy is dominant. To sum it up, in 8 cases, the difference in the profitability of the two strategies is statistically significant, of which 5 cases are related to the momentum strategy and the rest are related to the reverse strategy.
Compared to similar studies in other countries such as Moskowitz and Grainblatt (1999) which showed that only the momentum return of the industry is higher in shorter periods of time, The present study reveals that in the shorter periods, almost the return of momentum industry is higher than the inverse momentum. Also, Grubies and Kolari (2019) concluded that industry portfolios that performed better returns in the last period had significantly higher returns in Hold periods than portfolios that performed fewer returns in that period. Also, the main finding of Huberg and Phillips (2018) indicates the momentum profitability of the industry. The results of this study show that in most of the shorter periods, the momentum strategy of the industry has been superior, which is consistent with the results of the above research, although this superiority is not statistically significant in all cases.

کلیدواژه‌ها [English]

  • Industry Momentum Strategy
  • Industry Reveres Strategy
  • Portfolio Management
  • Behavioral finance

مقدمه

دو استراتژی مهم و کاربردی در میان سرمایه‌گذاران فردی و نهادی، تحلیلگران و فعالان بازار استراتژی مومنتوم صنعت[1] و معکوس صنعت[2] است. به‌طور کلی طبق استراتژی مومنتوم، بازده مثبت یا منفی گذشته تا دورۀ مشخصی از آینده نیز همچنان تداوم خواهد داشت. طبق استراتژی معکوس، عوام و اکثریت بازار اشتباه می‌کنند؛ در حالی که روندهای اخیر قیمت‌ها برمی‌گردند. در این دو گروه استراتژی، سعی بر این است که عملکرد آتی با استفاده از عملکرد گذشته، پیش‌بینی و بازده بیشتر ایجاد شود. این استراتژی‌ها درمقابل فرضیۀکارایی بازار قرار می‌گیرند و آن را به چالش می‌کشند. برخلاف فرضیۀ بازار کارا که زیربنای نظریه مالی مدرن است، بازده سهام عادی در بازه‌های زمانی مختلف، دارای رفتار خاصی است و سرمایه‌گذاران بدون تحمل ریسک بیشتر و تنها با به‌کارگیری راهبرد سرمایه‌گذاری مناسب، بازدهی بیش از بازده بازار به دست می‌آورند.

در بازارهای سرمایۀ دنیا دو استراتژی معاملۀ مومنتوم و معکوس که به تحلیل تکنیکال معروف بوده‌اند، امروزه درحال تأییدگرفتن از سرمایه‌گذاران بنیادگرا و حتی جامعۀ دانشگاهی هستند (Fadaie Nejad and Sadeghi, 2006).تعداد زیادی از مطالعات مالی، این موضوع را بررسی می‌کنند و ادبیات گسترده‌ای در این باره شکل ‌گرفته است. این استراتژی‌ها بر روانشناسی، رفتار جمعیت و جو بازار متکی هستند. استراتژی‌های سرمایه‌گذاری مومنتوم صنعت که سهام صنایع برندۀ گذشته را خریداری و سهام صنایع بازندۀ گذشته را می‌‌فروشند، بسیار سودآور به نظر می رسند (Moskowitz & Grinblatt, 1999). برپایۀ یافتۀ اصلی هوبرگ و فیلیپس[3] (2018)، سودمندی مومنتوم صنعت به‌طور چشمگیری بیشتر از نتایج پژوهش‌‌های قبلی بوده است. نتایج برخی از پژوهش‌های دیگر نشان‌دهندۀ اثربخشی مومنتوم مبتنی‌بر توده‌واری صنعت است؛ به طوری که وجود مومنتوم بازده کوتاه‌مدت دربارۀ سبد‌های برنده با توده‌واری زیاد در مقایسه با سبد‌های بازنده با توده‌واری کم، مشهود است. اثر مومنتوم بیشتر مربوط به موقعیت خرید سبد‌های برنده با توده‌واری زیاد و موقعیت فروش سبد‌های بازنده با توده‌واری کم است که مبین تشدید مومنتوم در شرایط توده‌واری زیاد است .(Abdolbaghi Ataabadi 2019).

 

مبانی نظری

برای دستیابی به سودمندی بیشتر در بازار سهام لازم است صنعت‌های مختلف تحلیل و با انتخاب صنعت مناسب در هر مقطع زمانی از استراتژی‌های مومنتوم و معکوس صنعت استفاده شود. در استراتژی مومنتوم صنعت، بازده بیشتر با خرید سهام در صنعت برندۀ گذشته و فروش سهام در صنعت بازندۀ گذشته به دست می‌‌آید. مومنتوم صنعت در انتهایی پیوستار قرار می‌گیرد، از خودهمبستگی مثبت در بازده دارایی‌ها در میان‌مدت حکایت دارد و به معنای ادامه‌‌یافتن روندهای اخیر است. در استراتژی معکوس صنعت، توصیه می‌شود در صنعت، سهام دارای عملکرد خوب در گذشته، به فروش برسد و سهام با عملکرد ضعیف خریداری شود؛ یعنی توصیه می‌شود سهامی خریداری شود که درحال حاضر بازار نسبت به آن بدبین است و سهامی فروخته شود که بازار نسبت به آن بسیار خوش‌بین است. طبق گزارش‌‌های منابع علمی متعدد، بازده‌های گذشته، بازده‌های آینده را پیش‌بینی می‌کنند. تداوم قیمت سهام در افقی متوسط اغلب به سوگیری رفتاری سرمایه‌گذاران مانند اعتمادبه‌نفس بیش ‌از حد، خوداتکایی، محافظه‌کاری و غیره مربوط می‌شود؛ به طوری که روند پیش رو بیشتر ادامه می‌یابد یا واکنش کمی به اطلاعات جدید نشان داده می‌شود (Gong, 2017) .

توضیحاتی که پژوهشگران مختلف برای این پدیده‌ها ارائه داده‌اند، عبارتند از:

1- دسته‌ای از پژوهشگران مانند جگادیش و تیتمن (1933)[4] استدلال می‌کنند که بازده‌های استراتژی‌های مختلف فقط معادل جبران منصفانۀ ریسک است.

2- دسته‌ای از پژوهشگران ازجمله کنراد و کاول[5] (1998) استدلال می‌کنند که سودمندی استراتژی‌های مومنتوم شناسایی‌شده فقط به‌‌دلیل تفاوت‌های مقطعی بازده مورد انتظار است و با کمک سری‌های زمانی از بین می‌رود.

3- عده‌ای استدلال می‌کنند که این سودها حاصل داده‌‌کاوی[6] هستند. طرفداران این ادعا بر این اعتقادند که سودهای مومنتوم و حتی بقیۀ بی‌نظمی‌ها، حاصل داده‌کاوی تعمدی هستند (Hon and Tonks 2003).

4- دسته‌ای بزرگ‌تر از پژوهشگران بر این اعتقادند که این بی‌نظمی‌ها درمقابل فرضیۀ کارایی بازار قرار می‌گیرند و سعی می‌کنند براساس مدل‌های رفتاری این پدیده را توضیح دهند و توجیه کنند. این گروه، رفتارهای غیرمنطقی و غیرعقلایی را دلیل این پدیده معرفی می‌کنند (فدایی‌‌نژاد و صادقی، 1384).مومنتوم از زمان انتشار نتایج مطالعۀ جگادیش و تیتمن (1933) به‌خوبی شناخته شد؛ کسانی که نشان دادند وقتی سهام براساس بازده خود در دورۀ دوماهه تا 12‌‌ماهه به‌صورت دهک رتبه‌بندی می‌شود، سبد در دهک رتبۀ اول در سال بعد نیز به عمکرد خوب نسبت به سبد دهک پایین ادامه می‌دهد (Gang, Liu & Liu, 2015). جگادیش و تیتمن (2001) اعتقاد دارند که بازار به‌طور سیستماتیک به اطلاعات کوتاه‌مدت راجب شرکت‌ها عکس‌العمل بیش‌ از اندازه نشان می‌دهد. در این رویکرد ادعا می‌شود که سرمایه‌گذاران با خرید سهام برندۀ گذشته و فروش سهام بازندۀ گذشته، بازده بیشتر کسب می‌کنند و این خود باعث عکس‌العمل بیش‌ از اندازه به اطلاعات اخیر می‌شود.

استراتژی مومنتوم در تک‌سهم یا در مجموعه‌ای از دارایی‌های یکسان با ایجاد سبدهای بلندمدت، کوتاه‌مدت یا به سبک شبیه‌سازی براساس عملکرد گذشته به کار گرفته می‌شود. اثر مومنتوم به‌طور مقطعی در بین مجموعۀ سبد‌های یکسانی از دارایی‌ها مثل اوراق بدهی یا سهام و براساس عملکرد قبلی آنها شامل بازده قبلی یا معیارهای ریسک و بازده مشاهده می‌شود (Teplova & Mikova, 2015). نشان داده ‌شده که مومنتوم فراگیر شده است و نه ‌تنها در تک‌سهم‌ها در حالت داده‌های مقطعی وجود دارد، در داده‌های سری‌های زمانی نیز وجود دارد و همچنین در صنعت هم مومنتوم رخ می‌دهد. برای پژوهش دربارۀ این پدیده، مدل‌های رفتاری و مبتنی‌بر ریسک زیاد برای تشریح علت آن مطرح‌شده‌اند (Gang, Liu & Liu, 2015).

ماسکویتز و گرینبلات[7] (2002) نشان دادند که استراتژی مومنتوم به‌طور اساسی نتیجه‌‌شده از عوامل صنعت است؛ به عبارتی سودمندی استراتژی‌های مومنتوم تک‌سهم‌ها، اساساً به‌وسیلۀ استراتژی مومنتوم صنعت توضیح داده می‌شود؛ یعنی استراتژی‌های مومنتومی که سهام را از صنعت‌های برندۀ گذشته می‌خرند و سهام صنعت‌های بازندۀ گذشته را می‌فروشند، به‌طور معناداری سودمند هستند و همۀ سودمندی حاصل از استراتژی‌های مومنتوم تک‌سهم را احراز می‌کنند. طبق یافتۀ ماسکویتز و گرینبلات (2002) شواهد محکمی در دوام مؤلفه‌های بازده صنعت وجود دارد، این مؤلفه‌‌ها سودمندی شایان توجهی ایجاد می‌کنند و ممکن است نسبت به استراتژی‌های مومنتوم تک‌سهم سودآوری بیشتری ایجاد کنند. سبد‌های صنعت، مومنتوم معنا‌داری را حتی بعد از کنترل اندازۀ شرکت، ارزش دفتری به ارزش بازار حقوق صاحبان سهام (BE/ME)، مومنتوم تک‌سهم، پراکندگی مقطعی نسبت به میانگین بازده و آثار خرد ساختاری بالقوه نشان می‌دهند. هنگامی که بازده‌ها برای تأثیرات صنعت تعدیل می‌شوند، سودمندی ناشی از تک‌سهم، به‌‌طور شایان توجهی ضعیف‌تر است و در بیشتر موارد ازلحاظ آماری معنا‌دار نیست؛ بنابراین استراتژی‌های مومنتوم صنعت سودمند‌تر از استراتژی‌های مومنتوم تک‌سهم هستند.

گرینبلات و ماسکویتز (1999)[8]، مومنتوم را در بازده‌های صنعت ارزیابی کردند. آنها سبدهای موزونی براساس ارزش متشکل از صنایع گوناگون تشکیل دادند و سهام را براساس بازده‌های گذشتۀ آن صنعت رتبه‌بندی کردند. آنها پی بردند که شش ماه بعد از شکل‌گیری سبد، صنایع با مومنتوم زیاد در مقایسه با صنایع با مومنتوم کم بهتر عمل می‌کنند. آنها به‌‌منظور ارزیابی حدی که مومنتوم صنعت به سودهای کلی مومنتوم کمک می‌کند، عملکرد استراتژی یک صنعت را به‌‌صورت تصادفی بررسی کردند. به‌طور خاص، آنها شرکت‌های موجود در صنایع برنده و بازنده را با سایر شرکت‌هایی که در این صنعت‌ها نبودند جایگزین کردند؛ اما این شرکت‌ها دارای همان بازده‌های دورۀ رتبه‌بندی بودند که شرکت‌های جایگزین‌‌شده داشتند و سبدهای صنعت تصادفی نیز دارای همان سطوح بازده در گذشته بودند که سبدهای برنده و بازنده داشتند؛ با این ‌حال ماسکوویتز و گرینبلات به این نتیجه رسیدند که استراتژی مومنتوم صنعت تصادفی آنها بازده‌هایی نزدیک به صفر ایجاد می‌کند. برمبنای این شواهد، آنها نتیجه گرفتند که استراتژی مومنتوم، از مومنتوم صنعت و نه از مومنتوم مختص شرکت سود می‌برد.

بونی و وماک (2008)[9] نتیجه گرفتند که اطلاعات موجود در توصیه‌‌های تحلیلگران در شناسایی قیمت‌‌گذاری نادرست سهام شرکت‌‌های فعال در صنعتی خاص، به‌طور کامل ارزشمند است؛ اما همین اطلاعات برای پیش‌‌بینی بازده آتی سهام شرکت‌‌های حاضر در سایر صنایع چندان ارزش ندارد (Kamali 2007). بالز و همکاران[10] (2019) نشان دادند سرمایه‌گذاران خارجی، مؤسسات مالی و به‌ویژه صندوق‌های مشترک سرمایه‌گذاری، معامله‌‌گران مومنتوم هستند؛ در حالی که خانوارها و افراد خصوصی معامله‌‌گران معکوس هستند. مشاهدات معامله‌‌گران مومنتوم در طی زمان نشان‌دهندۀ افزایش اساسی در فروش سهام بازنده توسط سهامداران خارجی و مؤسسات در زمان کاهش بازار است؛ به‌ویژه وقتی رکود بزرگ وجود دارد. تپلووا و میکووا[11] (2015) نشان دادند سرمایه‌گذاران باید الگوی فصلی را برای افزایش سود سبد در نظر بگیرند‌.

ناوی - مارکس[12] (2010) یافت که مومنتوم قیمتی، یک خلاف قاعدۀ مومنتوم درآمد را آشکار می‌کند؛ به ‌عبارت ‌دیگر خلاف قاعدۀ مومنتوم عمل می‌کند؛ زیرا سرمایه‌گذاران به‌طور سیستماتیک واکنش ضعیف به درآمد شگفت‌انگیز نشان می‌دهند. ناوی - مارکس سپس نشان داد بعد از کنترل مومنتوم درآمد، مومنتوم برمبنای قیمت زیاد غیرعادی نیست (Gray & Vogel, 2016).

طبق یافتۀ گانگ[13] (2017) مومنتوم در افق زمانی متوسط، دارای اثرگذاری قوی‌تری در صنایع رقابتی بالاتر است. این اثر با این فرضیه مطابقت دارد که اطلاعات موجود در شرکت‌های دارای صنایع بسیار رقابتی، مبهم است و از این ‌رو فضای بیشتری برای تورش‌های رفتاری وجود دارد که منجر به اثر مومنتوم می‌شود؛ همچنین اثر مومنتوم معکوس، در کوتاه‌مدت در صنایع بسیار متمرکز رخ داده است.

گروبایس و همکاران[14] (2018) مطرح کردند با وجود اینکه اغلب مقالات بر حوزۀ مومنتوم قیمت تمرکز دارند، گرینبلات و ماسکویتز (1999) بازده حاصل از استراتژی خرید سهام شرکت‌ها در صنایعی که در طی دورۀ گذشته برنده بودند و فروش سهام شرکت‌ها در صنایع بازنده را بررسی کردند. آنها نتیجه گرفتند آثار مومنتوم به‌طور عمده از عوامل صنعتی ناشی می‌شود و نشان دادند استراتژی مومنتوم صنعت به‌طور گسترده‌ای سودآوری استراتژی‌های مومنتوم تک‌سهم را توضیح می‌دهد. اسلامی بیدگلی و همکاران (1389) نشان دادند با به‌کارگیری راهبرد سرمایه‌گذاری متناسب با افق زمانی مدنظر، امکان به دست آوردن بازدهی بیش از بازده بازار وجود دارد. برپایۀ بررسی‌های انجام‌شده در بازۀ زمانی سه تا 12 ماه، پدیدۀ تداوم بازده یا مومنتوم در رفتار بازده سهام عادی وجود دارد. سودآوری این راهبرد سرمایه‌گذاری در بسیاری از بازارهای توسعه‌یافته و برخی بازارهای نوظهور اثبات شده است. این پژوهش بازده حاصل از به‌کارگیری این راهبرد سرمایه‌گذاری در بورس اوراق بهادار تهران را بررسی کرده، نشان‌‌دهندۀ سودآوری راهبرد سرمایه‌گذاری مومنتوم در بورس اوراق بهادار تهران است و در تمامی راهبردهای سرمایه‌گذاری مومنتوم آزمون‌‌شده، میانگین بازده ماهانۀ سبد برنده در دورۀ نگهداری از میانگین بازده ماهانۀ سبد بازنده در همین دوره بیشتر است.

قالیباف اصل و همکاران (1389) نشان دادند استراتژی شتاب قیمت در بازه‌های زمانی سه، شش و 12ماهه و استراتژی شتاب سود در بازه‌های زمانی سه و شش‌ماهه در بورس اوراق بهادار تهران سودآور هستند؛ اما سودآوری استراتژی شتاب سود در دورۀ زمانی یک‌ساله تأیید نشده است؛ همچنین در دورۀ زمانی سه و شش‌ماهه متغیرهای مستقل مدل، توجیه‌کنندۀ بازده اضافی ناشی از شتاب قیمت هستند؛ اما در دورۀ زمانی یک‌ساله عوامل دیگری غیر از متغیرهای مستقل ذکرشده در مدل، در کسب بازده اضافی حاصل از شتاب قیمت تأثیرگذارند.

سعیدی و باقری (1389) به این نتیجه رسیدند که میانگین بازده سبد سهام بازنده پس از 12 ماه تفاوت معنادار آماری دارد و بیشتر از سهام برنده است. رحمانی و سرهنگی (1390) با تحلیل عوامل مؤثر بر استراتژی‌های معاملاتی مبنی‌‌بر بازده سهام در بورس اوراق بهادار تهران، نتیجه گرفتند که استراتژی‌های مومنتوم در دوره‌های زمانی کمتر از سه ماه وجود دارد و توان ایجاد بازده غیرنرمال را دارد؛ بنابراین فرضیۀ واکنش کمتر از حد تأیید می‌شود.

فلاح شمس و عطایی (1392) کارایی معیارهای استراتژی شتاب (مومنتوم) در انتخاب سبد مناسب را مقایسه و برای ارزیابی استراتژی مومنتوم، سبد برنده و بازنده از 50 شرکت فعال بورس اوراق بهادار تهران را انتخاب و ارزیابی کردند. طبق نتایج، با استفاده از استراتژی شتاب برپایۀ معیارهای مبتنی‌بر ریسک تعدیل‌شده، امکان انتخاب سبد مناسب در بورس اوراق بهادار تهران وجود دارد و معیار M3 عملکرد بهتری نسبت به بازار نشان داده است. بزرگ اصل و صاحبقران (1392) معتقدند با بررسی نیروی حرکت سود برحسب صنایع مختلف، بازده اضافی کسب می‌شود؛ همچنین میزان ارتباط این پدیده‌ها با گذشت زمان کم‌رنگ می‌شود و در یک بازۀ زمانی یک‌ساله تقریباً از بین می‌روند.

پژوهش شریعت‌‌پناهی و همکاران (1393) بیانگر سودآوری سرمایه‌گذاری معکوس براساس معیارهای مدنظر بوده است؛ همین‌طور اگرچه معیار بازده تجمعی، بیشترین بازده کل را برای سرمایه‌گذار ایجاد کرده است، بهترین بازده تعدیل‌شده برحسب ریسک برای معیارهای پاداش - ریسک به ‌دست‌ آمده است. جعفرزاده و همکاران (1393) نتیجه گرفتند که میانگین بازده سبد سهام بازنده در دوره‌های یک‌ساله و کمتر تفاوت معنادار آماری و بیشتر از سهام برنده ندارد.

موسوی شیری و همکاران (1394) نشان دادند در بیشتر راهبردهای سرمایه‌گذاری مومنتوم آزمون‌شده، سبدی که در دوره‌های تشکیل سه، شش، نه و 12 ماه گذشته بهترین عملکرد را داشته است، در بیشتر بازه‌های زمانی دورۀ نگهداری یعنی سه، شش، نه و 12‌ماهه، به عملکرد بهتر خود نسبت به سبد دارای بدترین عملکرد در دوره‌های سه، شش، نه و 12 ماه گذشته، ادامه می‌دهد؛ همچنین بین حجم معاملات و میانگین بازده متغیر رابطه‌ای وجود ندارد؛ در حالی که بین مازاد بازده بازار و مازاد بازده سبد برنده رابطۀ معناداری وجود دارد.

گل‌‌ارضی و همکاران (1395) نشان دادند عملکرد روش‌های میانگین متحرک و مومنتوم تفاوت معناداری با یکدیگر ندارند و با وجود بازده مثبت در برخی از صنعت‌ها، بازده اضافی معناداری نسبت به روش خرید و نگهداری ایجاد نمی‌کنند. اصولیان و همکاران (1395) نیز نتیجه‌گیری کردند بازده حاصل از استراتژی مومنتوم به سطوح رفتار جمعی بستگی دارد. صنایع برنده با سطح رفتار جمعی زیاد، به‌طور معناداری بازده آتی بیشتری از صنایع برنده با سطح رفتار جمعی کم ایجاد می‌کند؛ همین‌طور صنایع بازنده با درجۀ رفتار جمعی زیاد، به‌طور معناداری بازده آتی کمتری از صنایع بازنده با درجۀ رفتار جمعی کم ایجاد می‌کند. این متقارن‌نبودن رابطۀ بین رفتار جمعی و بازده مومنتوم نشان‌دهندۀ عامل مهمی در سودآوری استراتژی‌های بدون هزینۀ مومنتوم است و پیشنهاد می‌دهد که سطح رفتار جمعی باید در پیاده‌سازی استراتژی‌های مومنتوم صنایع لحاظ شود.

 

روش‌‌ پژوهش

با الگو قراردادن روش ماسکویتز و گرینبلات (2002) که در 20 صنعت مطالعه‌شده، سه صنعت با بیشترین بازده را صنایع برنده و سه صنعت با کمترین بازده را صنایع بازنده منظور کرد و همچنین روش گروبایس و کولاری[15] (2019) که در آن بیستک صنعت‌های برنده و بازنده را انتخاب کرد، در این پژوهش نیز جامعه‌‌ای آماری استفاده شده است که شامل کلیۀ صنعت‌های بورسی در بازار سرمایۀ ایران طی سال‌‌های 1386 تا 1396، با داده‌های موجود در زمان پژوهش، می‌‌شود و براساس آن مجموعۀ متنوعی از سبد صنعت‌های مختلف به تفکیک برنده و بازنده در مقاطع مختلف زمانی بررسی شده است. منظور از صنعت‌‌های برنده، پنج صنعت با بیشترین بازده و منظور از صنعت‌‌های بازنده، پنج صنعت با کمترین بازده است که میانگین وزنی بازده شرکت‌‌های هر صنعت با احتساب آوردۀ نقدی لحاظ شده است.

در پژوهش گروبایس و کولاری (2019) دورۀ نگهداری سبد صنعت‌های برنده و بازنده در افق زمانی طولانی‌تر لحاظ شده است و در این پژوهش نیز به‌‌منظور ارزیابی اثر مومنتوم و معکوس صنعت، بازده سبد صنعت‌های برنده و بازنده به‌صورت ماهانه در 37 صنعت بورسی در دوره‌های مختلف طی سال‌های 1386 تا 1396 محاسبه و سپس بازده‌های تجمعی سه‌ماهه، شش‌ماهه، 12‌ماهه و 24‌ماهه در جایگاه نمونه انتخاب و برای اجرای آزمون‌‌ها به کار گرفته شده است.

پرسش اصلی پژوهش حاضر این است که آیا استراتژی سرمایه‌گذاری براساس عملکرد دورۀ تشکیلF[16] و دورۀ نگهداری[17]H، بازده بیشتر در صنعت‌های مختلف ایجاد می‌کند یا نه.

بنابراین فرضیۀ کلی به شرح زیر آزمون قرار می‌شود:

بازده سبد خرید برندگان گذشته که در دورۀ F تشکیل شده است و در دورۀH  نگهداری می‌شود، با بازده سبد خرید سهام بازندگان گذشته که آن هم در دورۀ F تشکیل شده است و در دورۀ H نگهداری می‌شود، برابر است؛ البته این فرضیه با توجه به دوره‌های زمانی متفاوت F و H شامل فرضیه‌های فرعی بیشتری است که هریک از آنها در ادامه آزمون می‌شوند. نتیجه‌گیری دربارۀ فرضیۀ اصلی با توجه به جمع‌‌بندی حاصل از فرضیه‌های فرعی انجام خواهد شد. با محاسبۀ بازده‌های ماهانه و نیز بازده‌های تجمعی سه، شش، 12 و 24‌ماهه در صنعت‌ها، اقدام به تشکیل سبد‌هایی برمبنای بازده خرید در دورۀ F، نگهداری آن در دورۀ H و محاسبۀ بازده آن در این دوره‌ها شده است. سبد‌ها به این ترتیب تشکیل می‌شوند که ابتدا صنعت‌ها براساس بازده خرید دورۀ F از کمترین به بیشترین بازده مرتب می‌شوند؛ سپس متوسط پنج صنعت با کمترین بازده را بازده سبد بازنده و متوسط پنج صنعت با بیشترین بازده را بازده سبد برنده در نظر می‌‌گیرند و هریک از دو گروه سبد برنده و بازندۀ خریداری‌‌شده، برای دورۀ  Hنگهداری می‌شوند که در این دوره‌ها، بازده سبدها محاسبه می‌شود؛ به این ترتیب برای انجام آزمون‌ها و مقایسۀ استراتژی‌های مومنتوم و معکوس، سبدهای مختلف صنعت با وزن برابر در افق‌‌های زمانی مختلف تشکیل می‌شود.

روش آزمون فرضیۀ اصلی این پژوهش، آزمون مقایسۀ میانگین‌های دو جامعه برای دو استراتژی مومنتوم و معکوس صنعت است. آزمون مدنظر برای هریک از حالت‌های مختلف در دورۀ تشکیل F و دورۀ نگهداری H در قالب فرضیه‌‌های فرعی انجام می‌‌شود. برای مقایسۀ بازده استراتژی‌های مختلف از آزمون تی - استیودنت[18] و آزمون همسانی واریانس لون[19] و برای آزمون فرضیه‌‌های مدنظر از نرم‌افزار SPSS استفاده شده است.

 

یافته‌‌ها

به‌طور کلی در پژوهش حاضر به پیروی از جگادیش و تیتمن (1993)، ماسکویتز و گرینبلات (2002)، فدایی‌نژاد و صادقی(1384) و گروبایس و کولاری (2019)، 60 استراتژی در قالب فرضیۀ اصلی پژوهش در افق‌های زمانی مختلف آزمون و با توجه به دورۀ تشکیل یک، سه، شش، نه و 12‌ماهه و دورۀ نگهداری یک، سه، شش، نه، 12 و 24‌ماهه نتایج در پنج قسمت ارائه ‌شده است:

 

1- سبد‌های با دورۀ تشکیل یک‌ماهه (F1) و نگهداری آن در دوره‌های زمانی یک تا 24ماهه:

در این حالت که شامل شش استراتژی است، در هریک از استراتژی‌ها به تفکیک آزمون مقایسۀ میانگین‌ها با توجه به دوره‌های زمانی نگهداری یک تا 24 ماه به تفکیک به شرح زیر انجام شده است. خلاصۀ آمار توصیفی استراتژی‌ها و آزمون فرض برابری میانگین سبد‌ها در جدول 1 آورده شده است.

1-1- استراتژی دورۀ تشکیل یک ماه و نگهداری یک‌ماهه (F1 و H1) :در این حالت، عملکرد بازده صنعت یک ماه قبل، بازده دورۀ تشکیل و بازده یک ماه بعد، بازده صنعت در دورۀ نگهداری لحاظ می‌شود و با این شرایط میانگین بازده صنعت سبد‌های تشکیل‌شده (شامل 132 سبد) در دو حالت مومنتوم و معکوس مقایسه و آزمون می‌شود. نتایج نشان می‌دهد در دورۀ یک‌ماهه میانگین بازده سبد‌های برنده 81/5 درصد و میانگین بازده سبد‌های بازنده 65/1 درصد بوده است. آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس، با استفاده از آزمون تی انجام شده است که در جدول 1 نشان می‌دهد در سطح اطمینان 95 درصد تفاوت بازده سبد‌ها در دو حالت مومنتوم و معکوس معنا‌دار‌ است.

2-1- استراتژی دورۀ تشکیل یک ماه و نگهداری سه‌ماهه (F1 و H3): در این استراتژی، میانگین بازده سبد‌های برنده 93/13 درصد و میانگین بازده سبد‌های بازنده 13/8 درصد بوده است. آزمون معنا‌داری‌ تفاوت میانگین‌ها با فرض برابری واریانس، در سطح اطمینان 95 درصد، تفاوت معنا‌داری‌ بازده سبد‌ها در دو حالت مومنتوم و معکوس را نشان می‌دهد.

3-1- استراتژی دورۀ تشکیل یک ماه و نگهداری شش‌ماهه (F1 و H6): در این حالت میانگین بازده سبد‌های برنده، 30/24 درصد و میانگین بازده سبد‌های بازنده 17/19 بوده است؛ اما آزمون معنا‌داری‌ تفاوت میانگین‌ها با فرض برابری واریانس، نشان می‌دهد بازده سبد‌ها در دو حالت مومنتوم و معکوس تفاوت معنا‌داری‌ ندارند.

4-1- استراتژی دورۀ تشکیل یک ماه و نگهداری نه‌ماهه (F1 و H9): مشابه حالت قبل، در این استراتژی نیز میانگین بازده سبد‌ها در دو حالت مومنتوم و معکوس به ترتیب 88/34 درصد و 78/28 درصد بوده است و با فرض برابری واریانس‌ها، آزمون مقایسۀ میانگین‌ها تفاوت معنا‌داری‌ با هم ندارند.

5-1- استراتژی دورۀ تشکیل یک ماه و نگهداری 12‌ماهه (F1 و H12): میانگین بازده سبد‌ها در دو حالت مومنتوم و معکوس به ترتیب 28/47 درصد و 31/36 درصد بوده است؛ همچنین با فرض برابری واریانس‌ها، بازده سبد‌ها در دو حالت مومنتوم و معکوس تفاوت معنا‌داری‌ ندارند.

6-1- استراتژی دورۀ تشکیل یک ماه و نگهداری 24‌ماهه (F1 و H24): در این حالت میانگین بازده سبد‌ها در دو حالت مومنتوم و معکوس 89/85 درصد و 59/92 درصد بوده است؛ همچنین با وجود تفاوت میانگین مومنتوم و معکوس، آزمون فرض مقایسۀ میانگین‌ها، به لحاظ آماری معنا‌داری‌ نیست.

مقایسۀ شش استراتژی ذکرشده نشان می‌دهد وقتی دورۀ تشکیل یک ماه و دورۀ نگهداری متفاوت است، تا دورۀ نگهداری یک‌‌ساله، همواره استراتژی مومنتوم، بازده بیشتری از معکوس دارد و در بازۀ زمانی 24 ماه، استراتژی معکوس برتری دارد؛ اما با توجه به کفایت حجم نمونه، در قالب حالت‌ها تفاوت معناداری بین بازده دو استراتژی مومنتوم و معکوس وجود ندارد.

 

 

جدول (1) آزمون فرض برابری میانگین‌‌ها برای استراتژی‌های دارای دورۀ تشکیل یک‌ماهه و دورۀ نگهداری یک تا 24 ماه

Table (1) Statistical hypothesis testing of equality of means of strategies with one-month Formation period and one to 24 month of Holding.

استراتژی

میانگین

آزمون برابری واریانس

آزمون برابری میانگین‌ها

مومنتوم

معکوس

F

معناداری

t

درجۀ آزادی

معناداری

F1,  H1

81/5

65/1

68/0

41/0

23/2

262

03/0

F1,  H3

93/13

13/8

51/2

12/0

98/1

262

05/0

F1,  H6

30/24

17/19

55/0

46/0

34/1

262

18/0

F1,  H9

89/34

78/28

69/0

41/0

28/1

262

20/0

F1,  H12

28/47

31/36

43/3

06/0

94/1

262

05/0

F1,  H24

89/85

59/92

23/3

07/0

68/0-

262

50/0

 

 

2- سبد‌های با دورۀ تشکیل سه‌ماهه (F3) و نگهداری آن در دوره‌های زمانی یک تا 24‌ماهه:

این حالت نیز شامل شش استراتژی می‌شود که در هریک از استراتژی‌ها به تفکیک آمار توصیفی و آزمون مقایسۀ میانگین‌ها شامل 130 سبد می‌‌شود و در جدول 2 آورده شده است.

1-2- استراتژی دورۀ تشکیل سه ماه و نگهداری یک‌ماهه (F3 و H1): در این استراتژی، میانگین بازده سبد‌ها در دو حالت مومنتوم و معکوس محاسبه شده و مقدار آن به ترتیب 60/7 درصد و 97/2 درصد بوده است که نشان می‌دهد استراتژی مومنتوم بازده بیشتری دارد. آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس نشان می‌دهد در سطح اطمینان 95 درصد، بازده سبد‌ها در حالت مومنتوم و معکوس تفاوت معنا‌داری‌ ندارند.

2-2- استراتژی دورۀ تشکیل سه ماه و نگهداری سه‌ماهه (F3 و H3): در اینجا میانگین بازده سبد‌ها در دو حالت مومنتوم و معکوس به ترتیب 48/12 درصد و 67/8 درصد بوده است و آزمون مقایسۀ میانگین‌های سبدها در دو استراتژی، تفاوت معنا‌داری‌ را نشان نمی‌دهد.

3-2- استراتژی دورۀ تشکیل سه ماه و نگهداری شش‌ماهه (F3 و H6): میانگین بازده سبد‌های دو حالت مومنتوم و معکوس 52/22 درصد و 16/19 درصد بوده است؛ اما آزمون مقایسۀ میانگین‌ها، تفاوت معنا‌دار آماری ندارند.

4-2- استراتژی دورۀ تشکیل سه ماه و نگهداری نه‌ماهه (F3 و H9): در این حالت میانگین بازده سبد‌های استراتژی مومنتوم و معکوس به ترتیب 99/32 درصد و 09/27 درصد بوده است؛ ولی آزمون مقایسۀ میانگین‌ سبدها، تفاوت معنا‌داری‌ ندارند.

5-2-استراتژی دورۀ تشکیل سه ماه و نگهداری 12‌ماهه (F3 و H12): میانگین بازده سبد‌های موجود در دو حالت مومنتوم و معکوس 02/46 درصد و 91/36 درصد بوده است؛ اما با وجود برتری استراتژی مومنتوم، اختلاف بازده آنها معنا‌دار‌ نیست.

6-2- استراتژی دورۀ تشکیل سه ماه و نگهداری 24‌ماهه (F3 و H24): میانگین بازده سبد‌های دو حالت مومنتوم و معکوس به ترتیب 95/77 درصد و 71/97 درصد بوده است. در این حالت برخلاف حالت‌های قبل، بازده مومنتوم معکوس بر بازده مومنتوم فزونی یافته است و تفاوت میانگین‌ها با فرض نامساوی‌‌بودن واریانس در سطح اطمینان 95 درصد، معنادار است؛ یعنی در این حالت بازده استراتژی معکوس حدود 20 درصد بیشتر از استراتژی مومنتوم است.

 

 

جدول (2) آزمون فرض برابری میانگین‌‌ها برای استراتژی‌های دارای دورۀ تشکیل سه‌ماهه و نگهداری یک تا 24 ماه

Table (2) Statistical hypothesis testing of equality of means of strategies with 3-month Formation period and one to 24 month of Holding.

استراتژی

میانگین

آزمون برابری واریانس

آزمون برابری میانگین‌ها

مومنتوم

معکوس

F

معنا‌داری

t

درجۀ آزادی

معنا‌داری

F3,  H1

60/7

97/2

05/3

084/0

78/1

258

076/0

F3,  H3

45/12

67/8

43/3

065/0

33/1

258

183/0

F3,  H6

52/22

16/19

13/1

288/0

83/0

258

406/0

F3,  H9

99/32

09/22

46/0

499/0

24/1

258

215/0

F3,  H12

02/46

91/36

91/0

340/0

65/1

258

100/0

F3,  H24

95/77

71/97

30/9

003/0

09/2-

234

038/0

 

 

3- سبد‌های با دورۀ تشکیل شش‌ماهه (F6) و نگهداری آن در دوره‌های زمانی یک تا 24‌ماهه:

این حالت شامل شش استراتژی می‌شود که در هریک از استراتژی‌ها آزمون مقایسۀ میانگین‌های 127 سبد با توجه به دوره‌های زمانی نگهداری یک تا 24 ماه به تفکیک انجام شده است. خلاصۀ آمار توصیفی و آزمون فرض برابری میانگین سبد‌ها در جدول 3 آورده شده است.

1-3- استراتژی دورۀ تشکیل شش ماه و نگهداری یک‌ماهه (F6 و H1): میانگین بازده سبد‌های تشکیل‌شده در دو حالت مومنتوم و معکوس 51/10 درصد و 06/12 درصد بوده است و برخلاف حالت‌‌های قبل استراتژی معکوس برتری دارد. آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس نشان می‌دهد بازده مومنتوم و معکوس تفاوت معنا‌داری‌ ندارند.

2-3- استراتژی دورۀ تشکیل شش ماه و نگهداری سه‌ماهه (F6 و H3): میانگین بازده سبد‌های تشکیل‌شده در دو حالت مومنتوم و معکوس 98/17 درصد و 37/18 درصد بوده است. استراتژی معکوس برتری اندکی دارد؛ ولی بازده دو استراتژی تفاوت معنا‌داری‌ را نشان نمی‌‌دهد.

 3-3- استراتژی دورۀ تشکیل شش ماه و نگهداری شش‌ماهه (F6 و H6): میانگین بازده سبد‌های تشکیل‌شده در دو حالت مومنتوم و معکوس70/30 درصد و 81/25 درصد بوده است که بیانگر برتری استراتژی مومنتوم است؛ ولی تفاوت آن معنا‌دار‌ نیست.

4-3- استراتژی دورۀ تشکیل شش ماه و نگهداری نه‌ماهه (F6 و H9): میانگین بازده سبد‌های تشکیل‌شده در دو حالت مومنتوم و معکوس 53/42 درصد و 50/35 درصد بوده است و مقایسۀ میانگین‌ها، تفاوت معنا‌داری‌ را نشان نمی‌دهد.

5-3- استراتژی دورۀ تشکیل شش ماه و نگهداری 12‌ماهه (F6 و H12): در این حالت، میانگین بازده سبد‌های استراتژی‌های مومنتوم و معکوس 99/50 درصد و 57/50 درصد بوده است و تقریباً عملکرد یکسان داشته‌اند.

6-3- استراتژی دورۀ تشکیل شش ماه و نگهداری 24‌ماهه (F6 و H24): در این حالت نیز میانگین بازده سبد‌های موجود در دو استراتژی مومنتوم و معکوس 31/88 درصد و 77/115 درصد بوده است و در دورۀ نگهداری طولانی‌تر، استراتژی معکوس دارای بازده به مراتب بیشتری از استراتژی مومنتوم است؛ ولی آزمون مقایسۀ دو میانگین، در سطح اطمینان 95 درصد، تفاوت معنا‌داری‌ را نشان نمی‌دهد.

درمجموع، در هریک از شش استراتژی موجود، در دو استراتژی اول و دوم، استراتژی مومنتوم معکوس برتری جزئی داشته و در استراتژی ششم به‌‌دلیل دورۀ طولانی نگهداری، این برتری بیشتر بوده است و در استراتژی‌های دیگر مومنتوم، برتری نسبی داشته است؛ ولی در هیچ حالتی تفاوت معنادار بین دو استراتژی دیده نمی‌شود.

 

 

جدول(3) آزمون فرض برابری میانگین‌ها برای استراتژی‌های دارای دورۀ تشکیل شش‌ماهه و نگهداری یک تا 24 ماه

Table (3) Statistical hypothesis  testing of equality of means of strategies with 6-month Formation period and one to 24 month of Holding.

استراتژی

میانگین

میانگین

آزمون برابری میانگین‌‌ها

مومنتوم

معکوس

F

معناداری

t

درجۀ آزادی

معناداری

F6 , H1

51/10

06/12

246/0

620/0

13/0

252

894/0

F6 , H3

98/17

37/18

172/0

679/0

04/-

252

972/0

F6 , H6

70/30

81/25

015/0

902/0

45/0

252

656/0

F6 , H9

53/42

50/35

001/0

977/0

65/0

252

515/0

F6 , H12

99/50

57/50

465/0

496/0

04/0

252

967/0

F6 , H24

31/88

77/115

432/2

120/0

85/1-

252

065/0

 

 

4- سبد‌های با دورۀ تشکیل نه‌ماهه (F9) و نگهداری آن در دوره‌های زمانی یک تا 24‌ماهه:

در این حالت با توجه به دوره‌های زمانی نگهداری، به تفکیک برای هریک از استراتژی‌ها میانگین بازده 124 سبد محاسبه شده و آزمون مقایسۀ میانگین‌ها به شرح زیر انجام شده است. خلاصۀآمار توصیفی و آزمون فرض برابری میانگین سبد‌ها در جدول 4 آورده شده است.

1-4- استراتژی دورۀ تشکیل نه ماه و نگهداری یک‌ماهه (F9 و H1): در این دوره، میانگین بازده سبد‌های دو استراتژی مومنتوم و معکوس در دورۀ نگهداری یک‌ماهه 78/5 درصد و 24/2 درصد بوده است. آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس نشان می‌دهد در سطح اطمینان 95 درصد بازده دو استراتژی مومنتوم و معکوس تفاوت معنا‌داری ندارند.

2-4- استراتژی دورۀ تشکیل نه ماه و نگهداری سه‌ماهه (F9 و H3): بازده سبد‌های دو حالت مومنتوم و معکوس 22/14 درصد و 54/8 درصد بوده است؛ اما آزمون مقایسۀ میانگین‌ها، تفاوت معنا‌داری را نشان نمی‌‌دهد.

3-4- استراتژی دورۀ تشکیل نه ماه و نگهداری شش‌ماهه (F9 و H6): میانگین بازده سبدهای دو استراتژی مومنتوم و معکوس به ترتیب 34/26 درصد و 21/17 درصد بوده است که برتری معنادار استراتژی مومنتوم را نشان می‌دهد.

4-4- استراتژی دورۀ تشکیل نه ماه و نگهداری نه‌ماهه (F9 و H9): در این دوره هم میانگین بازده سبدهای دو استراتژی مومنتوم و معکوس 77/35 درصد و 92/30 درصد بوده است؛ ولی این تفاوت ازنظر آماری معنا‌دار نیست.

5-4- استراتژی دورۀ تشکیل نه ماه و نگهداری 12‌ماهه (F9 و H12): میانگین بازده سبد‌های تشکیل‌شده در دو حالت مومنتوم و معکوس 89/46 درصد و71/44 درصد بوده است و تفاوت محسوسی بین دو استراتژی وجود ندارد.

6-4- استراتژی دورۀ تشکیل نه ماه و نگهداری 24‌ماهه (F9 و H24): در این دوره برخلاف دوره‌های قبل، میانگین بازده سبد‌های موجود در دو استراتژی مومنتوم و معکوس 95/72 درصد و 23/114 درصد بوده است که برتری چشمگیر مومنتوم معکوس را نشان می دهد و آزمون تفاوت میانگین‌‌ها با فرض واریانس نامساوی در سطح اطمینان 99 درصد معنا‌دار است.

از شش دورۀ ذکرشده، در پنج حالت اول همواره استراتژی مومنتوم برتری اندکی نسبت به استراتژی معکوس داشته است و در دورۀ نگهداری 6‌ماهه استراتژی مومنتوم و در دورۀ 24‌ماهه، استراتژی معکوس بازده بیشتر و معنادار داشته است.

 

 

جدول(4) آزمون فرض برابری میانگین‌ها برای استراتژی‌های دارای دورۀ تشکیل نه‌‌ماهه و نگهداری یک تا 24 ماه

Table (4) Statistical hypothesis  testing of equality of means of strategies with 9-month Formation period and one to 24 month of Holding.

استراتژی

میانگین

آزمون برابری واریانس

آزمون برابری میانگین‌ها

مومنتوم

معکوس

F

معناداری

t

درجۀ آزادی

معناداری

F9 , H1

87/5

24/2

61/3

059/0

85/1

246

066/0

F9 , H3

22/14

54/8

55/5

019/0

79/1

246

075/0

F9 , H6

34/26

21/17

31/4

039/0

07/2

246

040/0

F9 , H9

77/35

92/30

01/1

316/0

94/0

246

348/0

F9 , H12

90/46

71/44

65/0

421/0

38/0

246

708/0

F9 , H24

95/72

23/114

35

000/0

07/4-

18/192

000/0

 

 

5- سبد با دورۀ تشکیل 12‌ماهۀ گذشته (F12) و نگهداری آن در دوره‌های زمانی یک تا 24‌ماهه:

مقایسۀ میانگین‌های 121 سبد و آزمون مقایسۀ میانگین بازده سبدها در هریک از استراتژی‌های این حالت در جدول 5 آورده شده است.

1-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری یک‌ماهه (F12 و H1): در هریک از دو استراتژی مومنتوم و معکوس، میانگین بازده سبد‌های موجود به ترتیب 27/4 درصد و 07/2 درصد بوده است که به لحاظ آماری تفاوت بازده دو استراتژی، در سطح اطمینان 95 درصد معنا‌دار‌ است.

2-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری سه‌ماهه (F12 و H3): میانگین بازده سبد‌های استراتژی مومنتوم و معکوس 71/12 درصد و 12/8 درصد بوده است؛ اما در آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس، تفاوت بازده معنا‌دار است.

3-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری شش‌ماهه (F12 و H6): در این دوره نیز میانگین بازده سبد‌های نگهداری‌‌شده در دو حالت مومنتوم و معکوس 62/23 درصد و 46/19 بوده است؛ اما آزمون مقایسۀ میانگین‌ها با فرض برابری واریانس، در دو حالت تفاوت معنا‌داری‌ نشان نمی‌دهد.

4-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری نه‌ماهه (F12 و H9): در این دوره، میانگین بازده سبد‌های دو استراتژی مومنتوم و معکوس 16/34 درصد و 79/33 درصد بوده است که تفاوت محسوسی را نشان نمی‌‌دهد.

5-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری 12‌ماهه (F12 و H12): میانگین بازده سبد‌های استراتژی مومنتوم و معکوس به ترتیب 80/44 درصد و 09/52 درصد بوده است که در این دوره، استراتژی معکوس برتری دارد و تفاوت بازده آنها به لحاظ آماری معنادار نیست.

6-5- استراتژی دورۀ تشکیل 12 ماه و نگهداری 24‌ماهه (F12 و H24): میانگین بازده سبد‌های دو حالت مومنتوم و معکوس 06/70 درصد و 54/124 درصد بوده است که بیانگر برتری چشمگیر استراتژی معکوس است؛ همچنین آزمون مقایسۀ دو میانگین، حاکی از تفاوت معنا‌دار‌ بازده دو استراتژی است.

 

 

جدول(5) آزمون فرض برابری میانگین‌ها برای استراتژی‌های دارای دورۀ تشکیل 12ماهه و نگهداری یک تا 24 ماه

Table (5) Statistical hypothesis testing of equality of means of strategies with 12-month Formation period and one to 24 month of Holding.

استراتژی

میانگین

آزمون برابری واریانس

آزمون برابری میانگین‌ها

مومنتوم

معکوس

F

معناداری

t

درجۀ آزادی

معناداری

F12 , H1

28/4

07/2

51/5

020/0

01/2

240

038/0

F12 , H3

71/12

12/8

25/3

073/0

07/2

240

039/0

F12 , H6

62/23

46/19

35/0

556/0

16/1

240

248/0

F12 , H9

16/34

79/33

44/1

232/0

08/0

240

938/0

F12 , H12

80/44

09/52

80/7

006/0

08/1-

5/214

279/0

F12 , H24

06/70

54/124

16/49

000/0

10/5-

3/176

000/0

 

 

مقایسۀ شش استراتژی ذکرشده نشان می دهد اگرچه در دوره‌‌های نگهداری کوتاه‌‌تر، استراتژی مومنتوم بازده بیشتری دارد؛ ولی با افزایش دورۀ نگهداری به‌ویژه یک سال و بیشتر استراتژی مومنتوم معکوس برتری محسوس دارد.

 

 

مقایسۀ بازده سالانۀ استراتژی‌ها

برای بررسی و مقایسۀ بازده سبدها در سناریوهای مختلف، بازده سالانه برای هر حالت محاسبه و خلاصه‌‌ای از 10 سناریوی برتر به لحاظ بازده سالانه در جدول 6 آورده شده است. براساس آن، بیشترین بازده سالانه در دورۀ تشکیل 6‌ماهه و نگهداری یک‌ماهه و در استراتژی معکوس بوده است؛ همچنین در دورۀ تشکیل و نگهداری یک‌ماهه، استراتژی مومنتوم، بازده به مراتب بیشتری از مومنتوم معکوس داشته است. برتری این استراتژی در دورۀ تشکیل یک‌ماهه و نگهداری سه‌ماهه نیز مشهود است؛ اما در دوره‌‌های نگهداری یک سال و بیشتر به‌ویژه 24‌ماهه، استراتژی معکوس همواره برتری داشته است.

 

 

جدول(6) مقایسۀ 10 استراتژی با بیشترین میانگین بازده سالانۀ سبد‌ها

Table (6) Comparison of 10 strategies with the highest average of annual return of portfolios.

استراتژی

نوع سبد

تعداد سبد

بازده دوره

بازده سالانه

F1 , H1

مومنتوم

132

81/5

74/69

معکوس

132

65/1

78/19

F1 , H3

مومنتوم

132

93/13

71/55

معکوس

132

13/8

53/32

F3 , H1

مومنتوم

130

60/7

22/91

معکوس

130

97/2

70/35

F6 , H1

مومنتوم

127

51/10

10/126

معکوس

127

06/12

74/144

F6 , H3

مومنتوم

127

98/17

93/71

معکوس

127

37/18

50/73

F9 , H1

مومنتوم

124

87/5

46/70

معکوس

124

24/2

94/26

F9 , H24

مومنتوم

124

95/72

48/36

معکوس

124

23/114

11/57

F12 , H1

مومنتوم

121

28/4

30/51

معکوس

121

07/2

81/24

F12 , H3

مومنتوم

121

71/12

85/50

معکوس

121

12/8

49/32

F12 , H24

مومنتوم

121

06/70

03/35

معکوس

121

54/124

27/62

 

 

نتایج و پیشنهادها

در این پژوهش سودمندی دو استراتژی مهم و پرکاربرد مدیریت سبد، ارزیابی و مقایسه شد. مقایسۀ 30 سناریوی مختلف بازده سبد‌ها در دوره‌های زمانی مختلف تشکیل و نگهداری برای استراتژی مومنتوم و معکوس، نشان داد در قالب دوره‌های کوتاه‌تر، مومنتوم صنعت سودمندی بیشتری نسبت به مومنتوم معکوس داشته است؛ اما در دوره‌های نگهداری طولانی‌‌تر، با افزایش دورۀ تشکیل، این دو استراتژی به لحاظ بازده متعادل می‌شوند و وقتی دورۀ نگهداری بیشتر از یک سال می‌شود، مومنتوم معکوس استراتژی غالب است. در جدول 7 خلاصۀ نتایج، ازجمله استراتژی‌های برتر ازنظر بازده و تفاوت معنادار بازده آنها در سطح اطمینان 95 درصد (*) و 99 درصد (**) نشان داده شده است؛ برای مثال در حالت تشکیل سبد و نگهداری یک ماه (F1 و H1)، استراتژی مومنتوم در سطح اطمینان 95 درصد، بازده بیشتری از استراتژی معکوس دارد. درمجموع در 8 حالت، تفاوت بازده دو استراتژی معنادار است و 5 حالت آن مربوط به استراتژی مومنتوم و بقیه استراتژی معکوس بوده است.

در مقایسه با پژوهش‌های مشابه در سایر کشورها مانند ماسکویتز و گرینبلات (2002) که نشان دادند در دوره‌های زمانی کوتاه‌تر فقط بازده مومنتوم صنعت بیشتر است، در پژوهش حاضر این نتایج حاصل شده است که در بیشتر دوره‌های کوتاه‌تر، مومنتوم صنعت نسبت به مومنتوم معکوس صنعت سودمندی بیشتری داشته است؛ همچنین گروبایس و کولاری (2019) به این نتیجه رسیدند که سبدهای صنعت دارای عمکرد ماهانۀ بهتر در دورۀ تشکیل، به‌طور معناداری نسبت به سبدهایی که عملکرد ضعیف در دورۀ تشکیل داشته‌اند، دارای بازده‌های بیشتری در دوره‌های نگهداری بوده‌اند؛ همچنین یافتۀ اصلی هوبرگ و فیلیپس (2018) بیانگر سودمندی مومنتوم صنعت بوده است. با بررسی نتایج جدول 7، مشاهده می‌شود که در قالب دوره‌های کوتاه‌تر، استراتژی مومنتوم صنعت برتری داشته است و با نتایج پژوهش‌های ذکرشده همخوانی دارد؛ هرچند این برتری در همه حالت‌ها به لحاظ آماری معنادار نیست. لازم به توضیح است که در قالب مطالعات انجام‌‌شده فقط سودمندی استراتژی مومنتوم بررسی شده است؛ در حالی که در این پژوهش هر دو استراتژی مومنتوم و معکوس صنعت با هم مقایسه شده است.

 

 

جدول (7) خلاصۀ سناریوهای استراتژی‌‌های برتر براساس میانگین سبد‌ها

Table (7) Summary of top strategies scenarios based on average return of portfolios.

H24

H12

H9

H6

H3

H1

 

معکوس

مومنتوم

مومنتوم

مومنتوم

مومنتوم*

مومنتوم*

F1

معکوس*

مومنتوم

مومنتوم

مومنتوم

مومنتوم

مومنتوم

F3

معکوس

مومنتوم

مومنتوم

مومنتوم

معکوس

معکوس

F6

معکوس**

مومنتوم

مومنتوم

مومنتوم*

مومنتوم

مومنتوم

F9

معکوس**

معکوس

مومنتوم

مومنتوم

مومنتوم*

مومنتوم*

F12

 

 

[1]. Industry momentum strategy  

[2]. Industry reverse strategy

[3]. Hoberg & Phillips

[4]. Jegadeesh & Titman

[5]. Conrad & Kaul

[6]. Data Mining

[7]. Moskowitz & Grinblatt

[8]. Grinblatt & Moskowitz

[9]. Boni & womack

[10]. Baltzer et al.

[11]. Teplova & Mikova

[12]. Novy - Marx

[13]. Gong

[14]. Grobys et al.

[15]. Grobys & Kolari

[16]. Form

[17]. Hold

[18]. T-student

[19]. Leven

منابع فارسی
اسلامی بیدگلی، غلامرضا.، نبوی چاشمی، سیدعلی.، یحیی‌‌زاده‌‌فر، محمود. و ایکانی، صدیقه. (1389). بررسی سودآوری استراتژی سرمایه‌گذاری مومنتوم در بورس اوراق بهادار تهران. فصلنامۀ مطالعات کمی در مدیریت، 1، 78-49.
اصولیان، محمد.، دولو، مریم. و فریدی، بابک. (1395). بررسی اثر رفتار جمعی بر بازده مومنتوم درصنایع منتخب. (پایان‌نامۀ کارشناسی ارشد)، دانشگاه شهید بهشتی.
بزرگ اصل، موسی. و صاحبقران، امیرعباس. (1392). پیش‌بینی بازده غیرعادی برمبنای مدل مبتنی‌‌بر شتاب سود و صنعت در بورس اوراق بهادار تهران. فصلنامۀ مطالعات تجربی حسابداری مالی، 11(83)، 67-58.
جعفرزاده، زهرا.، زنجیردار، مجید. و کریمی تبریزی، مهدی. (1393). بررسی امکان به‌کارگیری راهبرد معاملاتی معکوس جهت سرمایه‌گذاری کوتاه‌مدت. دانش مالی تحلیل اوراق بهادار، 7(23)، 11-1.
رحمانی، علی. و سرهنگی، حجت. (1390). تحلیل عوامل مؤثر بر استراتژی‌های معاملاتی مبتنی‌بر بازده سهام. مجلۀ مهندسی مالی و مدیریت اوراق بهادار، 9، 104-79.
فدایی‌‌نژاد، محمداسماعیل. و صادقی، محسن. (1384). بررسی سودمندی استراتژی‌های مومنتوم و معکوس. پیام مدیریت، 17 و 18، 31-7.
سعیدی، علی. و باقری، سعید.‌ (1389). راهبرد سرمایه‌گذاری معکوس در بورس‌ اوراق بهادار‌تهران. نشریۀ تحقیقات مالی، دانشکدۀ مدیریت دانشگاه تهران، 12(30).
شریعت‌‌پناهی، مجید.، سهرابی عراقی، محسن. و شریعتی، عبدالله. (1393). بررسی راهبرد سرمایه‌گذاری معکوس براساس معیارهای پاداش - ریسک انتخاب سهام. تحقیقات مالی دانشکدۀ مدیریت دانشگاه تهران، 16(1)، 128-113.
عبدالباقی عطاآبادی، عبدالمجید.، میرلوحی، سید مجتبی. و عبدالهی، مریم. (1399). اثربخشی مومنتوم مبتنی‌بر توده‌واری صنعت: شواهدی از بورس اوراق بهادار تهران. فصلنامۀ راهبرد مدیریت مالی، دانشگاه الزهرا. 10.22051/JFM.2019.19575.1624.
فلاح شمس، میرفیض. و عطایی، یونس. (1392). مقایسۀ کارایی معیارهای استراتژی شتاب (مومنتوم) در انتخاب پرتفوی مناسب. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 4(16)، 125-109.
قالیباف اصل، حسن.، شمس، شهاب‌الدین. و ساده‌وند، محمدجواد. ‌(1389). بررسی بازده اضافی استراتژی شتاب و قیمت در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 61، 116-99.
کمالی، هاجر. (1385). بررسی استراتژی شتاب و استراتژی معکوس در بورس اوراق بهادار تهران. (پایان‌نامۀ کارشناسی ارشد)، دانشگاه الزهرا.
گل‌‌ارضی، غلامحسین.، بحیرایی، علیرضا. و گرامی اصل، امیر. (1395). مقایسۀ عملکرد روش‌های تکنیکال و مومنتوم در سودآوری سرمایه‌گذاری در بورس اوراق بهادار تهران. (پایان‌نامۀ کارشناسی ارشد)، دانشگاه سمنان.
موسوی شیری، محمود.، صالحی، مهدی.، شاکری، مریم. و بخشیان، عسل. (1394). سودآوری استراتژی مومنتوم و تأثیر حجم معاملات سهام بر آن در بورس اوراق بهادار تهران. فصلنامۀ مهندسی مالی و مدیریت اوراق بهادار، 25، 124-107.
 
References
Abdolbaghi Ataabadi, A., Mirlohi, S. M., & Abdollahi, M. (2019) Effectiveness of Momentum based on Industry Herding: Evidence from Tehran Stock Exchange. Journal of Financial Management Strategy, Articles in Press, 10.22051/JFM.2019.19575.1624. (in Persian)
Baltzer, M., Jank, S., & Smajlbegovic, E. (2019). Who trades on momentum? Journal of Financial Markets, 42, 56-74. 10.1016/j.finmar.2018.08.003.
Boni, L., Womack, K.(2009). Analysts, Industries, and Price Momentum, published online by Cambridge University Press
Bozorge Asl, M., & Sahebgharani, A. (2013). Prediction of abnormal return according profit and industry momentum model in Tehran Stock Exchange. Journal of Empirical Studies in Financial Accounting,10(38), 53-67. (in Persian)
Conrad, J., & Kaul, G. (1998). An anatomy of trading strategies. Review of Financial Studies,11, 489–519. 10.1093/rfs/11.3.489.
Eslami, G., Nabavi , A., Yahyazadeh, M., & Eykani, S. (2011). Survey on Profitability of Momentum in Tehran Stock Exchange. Quantitative Studies in Management, 1, 49-78. (in Persian)
Fadaie Nejad, E., & Farahani. R. (2017). Effects of macroeconomic variables on the Tehran Stock Exchange Market, Financial Economics, 39, 1-26. (in Persian)
Fadaie Nejad, E., & Sadeghi. M. (2006). Survey on profitability of momentum and reverse strategies. Journal of Management Perspective, 17 and 18, 7-31. (in Persian)
Gang, Q., Liu, M., & Liu, Q. (2015). Momentum is really short-term momentum. Journal of Banking & Finance, 50, 169-182. 10.1016/j.jbankfin.2014.10.002.
Ghalibaf, H., Shams. S., & Sadevand. M. (2010). Survey of the Excess Return of Earning and Price Momentum Strategy in TSE. The Journal of Accounting And Auditing Rewiew, 61, 97-114. (in Persian)
Golarzi. Gh., Boheyrayee. A., & Gerami asl, A. (2017). Comparison of Performance of Technical and Momentum Methods in Profitability of Investment in Tehran Stock Exchange. Mcs Thesis, Semnan University. (in Persian)
Gong, Y. (2017). Does the Momentum Strategy Work at the Industry Level? Evidence from the Chinese Stock Market? Journal Emerging Markets Finance and Trade, 53(5), 1-34. 10.1080/1540496X.2016.1264248.
Gray, W. R., & Vogel, J. R. (2016). Quantitative Momentum: A Practitioner's Guide to Building a Momentum-Based Stock Selection System. Business & Economics.
Grinblatt, M., & Moskowitz. T. (1999). Does industry explain momentum? Journal of Finance, 54, 1212-1249.
Grobys, K., Ruotsalainen, J., & Äijo, J. (2018(. Risk-managed industry momentum and momentum crashes. Quantitative Finance. http://www.tandfonline.com/loi/rquf20.
Grobys, K., & Kolari, j. (2019). On Industry Momentum Strategies. Journal of Financial Research, 43(1), 95-115. 10.1111/jfir.12205.
Hoberg, G., & Phillips, G. (2018). Text-Based Industry Momentum. Journal of Financial and Quantitative Analysis, 53(6), 2355-2388.
Hon, M. T., & Tonks. I. (2003). Momentum in the UK stock market. Journal of ultinational Financial Management, 13(1), 43–70. 10.1016/S1042-444X(02)00022-1.
Jafarzadeh, Z., Zanjirdar, M., & Karimi Tabrizi, M. (2014). Investigate possibility of applying Contrarian strategy for short-term investment. financial Knowledge of Securities Analysis, 23, 1-11. (in Persian)
Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling losers: implications for stock marketefficiency. Journal of Financ, 48, 65-91.
Jegadeesh. N., & Titman. S. (2001). Profitability of momentum strategies: an evaluation of alternative explanations. Journal of Finance, 56, 699-720. 10.1111/0022-1082.00342.
Kamali, H. (2007). Exploring the Momentum and Contrarial Strategy in Tehrans Stock Exchange, MA Thesis, Alzahra University.
Moskowitz, T., & Grinblatt, M. (2002). Do Industries Explain Momentum? Journal of Finance, 54(4), 1249-1290.
Mousavi Shiri, M., Salehi, M., Shakeri, M., & Bakhshian, A. (2015). The profitability of momentum strategy and the effect of stock trading Volume on Tehran Stock Exchange. Quarterly Financial Engineering and portfolio Management, 6(25), 106-127. (in Persian)
Novy-Marx, R. (2014) Predicting Anomaly, Performance Politics. Journal of Financial Economics, 112, 137–146.
Osoolian, M., Davaloo, M., & Faridi, B. (2016). Servey on Effect of Herding Behavior on Momentum Return in selected Industries. Msc. in Financial Management Thesis, Shahid Beheshti University. (in Persian)
Rahmani, A., & Sarhangi, H. (2011). Analysis of Factors Affecting Trading Strategies Based on Stock Returns. Quarterly Financial Engineering and portfolio Management, 9, 79-104.
Saeedi, A., & Bagheri, S. (2010). Contrarian Strategy in Tehran Stock Exchange. Financial Research Journal, 12(30), 75-94. (in Persian)
Shariatpanahi. M., Sohrabo Eraghi, M., & Shariati, A. (2014). Contrarian investment strategy based on reward-risk stock selection criteria. Financial Research Journal, 16(1), 113-128. (in Persian)
Teplova, T., & Mikova, E. (2015). New evidence on determinants of price momentum in the Japanese stock market. Research in International Business and Finance, 34, 84-109. 10.1016/j.ribaf.2014.12.001.