Analysis of the Persistence of the Negative Relationship between Downside Risk and Expected Excess Returns in Future

Document Type : Research Paper

Authors

1 Post-Doc Researcher, Department of Accounting, Faculty of Administrate and Economic, University of Isfahan, Isfahan, Iran

2 Associate Professor, Department of Accounting, Faculty of Administrate and Economic, University of Isfahan, Isfahan, Iran

Abstract

Abstract
In risky situations, people's behavioral biases may lead them to deviate from rational decisions  leading to a negative relationship anomaly between risk and return. Investors underreact the stock with a recently negative return (exposed to downside risk) resulting in a negative return momentum or the persistence of downside risk in future. In the present study, the negative relationship anomaly between the downside risk and the expected excess return is investigated. Also, the exploration of the relation of firm-specific characteristics and other risk measures with downside risk is investigated for the accurate explanation of the anomaly. In addition, the persistence of downside risk and the relationship between the amount of downside risk and persistence severity are investigated.

Keywords

Main Subjects


مقدمه

فرض کلی در نظریۀ اقتصاد نئوکلاسیک آن است که انسان اقتصادی[1] است و رفتاری عقلایی دارد. به استناد رفتار عقلایی افراد، رابطۀ مثبت بین ریسک و بازده از مفاهیم پایه‌‌ای در نظریه‌‌های مالی شد و ریسک، احتمال وقوع رویدادهای نامطلوب معرفی شد (Markowitz, 1959). براساس نتایج پژوهش‌‌هایی که تاکنون انجام شده است، رفتار افراد در شرایطی که احتمال وقوع رویداد نامطلوب برای آنها وجود دارد، به دو گروه تقسیم می‌‌شود: گروهی از پژوهش‌‌ها می‌‌گویند افراد ریسک نامطلوب را در قیمت‌‌گذاری سهام لحاظ می‌‌کنند؛ بنابراین تعادل بین ریسک و بازده برای آنها برقرار می‌‌ماند (Bawa & Lindenberg, 1977; Ang, Chen & Xing, 2001) و گروه دیگر از پژوهش‌‌ها مدعی هستند افراد ریسک نامطلوب را به‌‌طور کامل در قیمت‌‌گذاری سهام لحاظ نمی‌‌کنند و دچار بیش‌‌قیمت‌‌گذاری می‌‌شوند که در این صورت بده‌‌بستان بین ریسک و بازده به هم می‌‌خورد و ناهنجاری رابطۀ منفی بین ریسک نامطلوب و بازده نمایان می‌‌شود (Atilgan, Bali, Demirtas & Gunaydin, 2019). با توجه به کم‌‌بودن پژوهش‌‌ها در این حوزه، اینکه نتایج کدام گروه به واقعیت نزدیک‌‌تر است، هنوز مبهم است. اگرچه ویژگی‌‌های محیطی کشورها، نمونه‌‌ در نظر گرفته شده است، آزمون‌‌های مربوطه، معیارهای سنجش ریسک و غیره ممکن است به نتایج متفاوتی منجر شود؛ اما برپایۀ یافته‌‌های علمی، نتایج پژوهش‌‌های گروه دوم با واقعیت‌‌ سازگارترند. در علوم اعصاب[2] تأیید شده است که افراد اطلاعات دربارۀ رویدادهای نامطلوب را با تعصبی خوش‌‌بینانه پردازش می‌‌کنند (Sharot, Korn & Dolan, 2011)؛ بنابراین در شرایط وجود ریسک نامطلوب، احتمال وقوع رویداد نامطلوب را کم برآورد می‌‌کنند و با بیش‌‌قیمت‌‌گذاری سهام، متحمل بازده منفی شدیدی می‌‌شوند (Shahrzadi, Foroghi & Amiri, 2020).

ریسک نامطلوب دامنۀ گسترده‌‌ای از نوسان‌‌های کمتر از میانگین، شامل بازده‌‌های کمتر منفی و بازده‌‌های منفی شدید را در بر می‌‌گیرد. بازده‌‌های منفی شدید، ناشی از رویدادهای نامطلوب با احتمال وقوع بسیار کمی هستند که به‌‌طور معمول رخ نمی‌‌دهند (رویدادهای نامطلوب غیر معمول با فراوانی وقوع اندک) و بازده‌‌های کمتر منفی، ناشی از رویدادهای نامطلوب با احتمال وقوع بیشترند که به‌‌طور معمول رخ می‌‌دهند (رویدادهای نامطلوب معمول با فراوانی وقوع بیشتر). شاروت، کورن و دولان[3] (2011) بیان می‌‌کنند که هرچقدر رویداد نامطلوب، غیر معمول‌‌تر باشد، به خوش‌‌بینی غیر واقعی افراد دامن می‌‌زند؛ بنابراین انتظار می‌‌رود افراد در مواجهه با رویداد نامطلوب غیر معمول، بازده منفی شدیدتری را نسبت به رویداد نامطلوب معمول، متحمل شوند؛ بر این اساس بررسی رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار، تبیین جداگانۀ رویداد نامطلوب معمول و رویداد نامطلوب غیر معمول را در بطن خود می‌‌طلبد. پژوهش‌‌هایی که در این حوزه انجام شده است، نه‌‌تنها نتایج متفاوتی از اثر ریسک نامطلوب بر بازده را نشان می‌‌دهد، بررسی ریسک نامطلوب به تفکیک ریسک نامطلوب معمول و غیر معمول را در این حوزه نادیده گرفته است؛ برای مثال آنگ، چن و زینگ[4] (2006)، هاروی، لیو و ژانگ[5] (2016)، بالی، کاکیسی و وایتلاو[6] (2014) و کلی و جیانگ[7] (2014) وجود صرف مثبت برای ریسک نامطلوب را تأیید کردند و لو و ماری[8] (2018)، آتیلگان، بالی، دمیرتاس و گونایدین[9] (2019)، شهرزادی، فروغی و امیری (1398)  و شهرزادی و فروغی (1399) صرف منفی را برای ریسک نامطلوب نشان دادند. آتیلگان، دمیرتاس و گونایدین[10] (2020) نیز نشان دادند هیچ‌‌گونه صرفی برای ریسک نامطلوب وجود ندارد؛ علاوه‌‌بر آن به احتمال استمرار ریسک نامطلوب به تفکیک معمول‌‌بودن یا غیر معمول‌‌بودن ریسک نامطلوب نیز توجهی نشده است[11]. اهمیت موضوع‌‌های نادیده گرفته‌‌شده در این است که ممکن است رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار و شدت استمرار این رابطه، به‌‌طور کلی برای هر رویداد نامطلوبی برقرار باشد یا فقط برای یکی از رویدادهای نامطلوب معمول یا غیر معمول صدق کند که دانستن این مهم، اطلاعات ارزشمندی را برای اتخاذ راهبرد سرمایه‌‌گذاری مؤفق و تصمیم‌‌گیری مناسب در اختیار قرار می‌‌دهد. نکتۀ مهمی که در این بین وجود دارد، آن است که عوامل ریسک یا ویژگی‌‌های شرکتی همبسته با ریسک نامطلوب، ممکن است بر رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار تأثیر بگذارد (ممکن است باعث تشدید یا فروکاهی رابطۀ یادشده شود) و مطالعات چندانی در این رابطه نیز یافت نمی‌‌شود؛ بر این اساس پژوهش حاضر نه‌‌تنها ناهنجاری ریسک نامطلوب به تفکیک احتمال وقوع رویدادهای نامطلوب معمول و غیر معمول و شدت استمرار آنها را تبیین کرده است، با موشکافی همبستگی بین ویژگی‌‌های شرکتی و سایر عوامل ریسک با ریسک نامطلوب، بررسی دقیق رابطۀ بین ریسک نامطلوب و بازده مورد انتظار را امکان‌‌پذیر کرده است. از آنجایی که رویدادهای نامطلوب بیشتر از میزان پیش‌‌بینی منحنی نرمال، درحال رخ‌‌دادن است، نتایج این پژوهش برای اتخاذ راهبرد سرمایه‌‌گذاری مناسب راهگشا است؛ علاوه‌‌بر آن از آنجا که راهنماهای نظری اندکی در این حوزه وجود دارد، پژوهش حاضر باعث بسط مبانی نظری مربوط نیز می‌‌شود.

در ادامه، مبانی نظری پژوهش بررسی شده است؛ سپس روش پژوهش و یافته‌‌ها ارائه شده است و درانتها، با توجه به این یافته‌‌ها، بحث و نتیجه‌‌گیری و پیشنهادهای پژوهش ارائه شده است.

 

مبانی نظری پژوهش

افراد احتمال وقوع رویدادهای نامطلوب را دست کم و برعکس احتمال وقوع رویدادهای مطلوب را دست بالا تخمین می‌‌زنند و علت این امر وجود سازوکار حافظۀ افتراقی برای اطلاعات مطلوب و نامطلوب است که منجر به نبود تقارن در به‌‌روزرسانی باورها در بخش‌‌هایی از مغز انسان می‌‌شود. ایزوما و ادلفز[12] (2011) بیان کردند که برآورد احتمال وقوع رویدادهای مطلوب با فعال‌‌‌‌سازی سه بخش شکنج پیشانی تحتانی چپ[13]، قشر پیشانی میانی[14] و مخچه[15] همبستگی مثبت و برآورد احتمال وقوع رویدادهای نامطلوب با فعال‌‌سازی بخش شکنج پیشانی تحتانی راست[16] همبستگی منفی دارد. نتایج پژوهش شاروت و همکاران (2011) نشان داد حتی اگر افراد با شواهدی مبنی‌‌بر وقوع رویداد نامطلوب، بیشتر از آنچه پیش‌‌بینی می‌‌شود، روبه‌‌رو شوند، مغز آنها در ایجاد سیگنال یادگیری ناکام است و درحقیقت، نوعی همبستگی عصبی قوی در مغز بین تعصب خوش‌‌بینی و مقاومت به یادگیری وجود دارد. به‌‌طور کلی، در موقع یادگیری قشر سینگولیت قدامی[17] با خطای پیش‌‌بینی درگیر می‌‌شود و این خطای پیش‌‌بینی زیربنای مقاومت به یادگیری است؛ بر این اساس افراد به بیش از حد خوش‌‌بین‌‌بودن گرایش دارند (Izuma & Adolphs, 2011)؛ بنابراین سرمایه‌‌گذاران در مواجهه با ریسک نامطلوب به واسطۀ تعصب خوش‌‌بینانه، مرتکب بیش‌‌قیمت‌‌گذاری سهام می‌‌شوند و این امر، بازده منفی شدیدی برای آنها ایجاد می‌‌کند (Shahrzadi & Foroghi, 2020). ریسک نامطلوب دربردارندۀ رویدادهای نامطلوبی است که به‌‌طور غیر معمول و با فراوانی اندک رخ می‌‌دهند و همین‌‌طور شامل رویدادهای نامطلوبی می‌‌شود که به‌‌طور معمول و با احتمال بیشتری نسبت به رویدادهای غیر معمول به وقوع می‌‌پیوندند. در محاسبۀ ریسک نامطلوب، در زمان پیرایش داده‌‌ها از بابت مشاهده‌‌های پرت، به‌‌طور معمول رویدادهای نامطلوب غیر معمول حذف و رویدادهای نامطلوب معمول با فراوانی زیاد باقی می‌‌مانند؛ بنابراین نتایج حاصل، فقط دربردارندۀ اثر رویدادهای نامطلوب معمول می‌‌شود و تفسیر نتایج شاید به‌‌درستی انجام نگیرد. باید در نظر داشت که پژوهش‌‌های مالی با سنجه‌‌های اجتماعی (مانند بازده، اندازۀ بنگاه و غیره) سروکار دارند. در سنجه‌‌های اجتماعی، مشاهده‌‌های بزرگ با فراوانی کم، اهمیت دارند؛ زیرا یک مشاهده به‌‌تنهایی ممکن است بر کل جامعۀ آماری اثری بیرون از تناسب بگذارد (Taleb, 2007)؛ همان‌‌طور که آتیلگان و همکاران (2019) نیز نشان دادند ریسک نامطلوب غیر معمول دارای محتوای اطلاعاتی متفاوت و جداگانه‌‌ است.

دربارۀ قیمت‌‌گذاری ریسک نامطلوب ناشی از رویدادهای معمول و غیر معمول به‌‌طور جداگانه پژوهش‌‌هایی انجام شده است؛ برای مثال پژوهش آتیلگان و همکاران (2019) حاکی از وجود رابطۀ منفی بین ریسک نامطلوب غیر معمول و بازده مورد انتظار بود؛ ولی نگاین[18] (2018) مدعی مثبت‌‌بودن رابطۀ یادشده بود. در ارتباط با ریسک نامطلوب معمول نیز، باوا و لیندنبرگ[19] (1977) به وجود رابطۀ مثبت و پاداش متفاوت و منحصربه‌‌فرد برای این ریسک اشاره کردند؛ اما اخیراً آتیلگان، دمیرتاس و گونایدین[20] (2020) نشان دادند پاداشی برای ریسک نامطلوب معمول وجود ندارد. باوجود درک شهودی ریسک نامطلوب به کمک ادبیاتی که در این زمینه وجود دارد، به‌‌طور کلی پژوهش‌‌های کمی با نتایج ناسازگاری وجود دارد که نشان دهندۀ چگونگی قیمت‌‌گذاری ریسک نامطلوب (معمول و غیر معمول) است؛ بر این اساس فرضیۀ اول پژوهش به شرح زیر تعریف می‌‌شود:

فرضیۀ اول: ناهنجاری رابطۀ منفی بین ریسک نامطلوب و بازده مازاد مورد انتظار وجود دارد.

شایان توجه است که معمای نوسان‌‌پذیری غیر سیستماتیک (Ang., Hodrick, Xing & Zhang, 2006) در ادبیات مالی هنوز حل نشده و ممکن است رابطۀ ریسک نامطلوب معمول یا غیر معمول (یا هردو) و بازده مورد انتظار، از نوسان‌‌پذیری غیر سیستماتیک تأثیر بگیرد. آنگ، هودریک، زینگ و ژانگ[21] (2006) بیان کردند که نوسان بازده سهام در طول زمان تغییر می‌‌کند. این نوسان‌‌های متغیر باعث تغییر در انتظار از بازده آتی و به‌‌دنبال آن تغییر در فرصت‌‌های سرمایه‌‌گذاری می‌‌شود و بده‌‌بستان بین ریسک و بازده را تغییر می‌‌دهد؛ به طوری که سهام‌‌ با حساسیت مثبت و زیاد به ریسک نوسان، متوسط بازده کمی دارد؛ همین‌‌طور کمپبل[22] (1996) و چن[23] (2003) نشان دادند سرمایه‌‌گذاران خواهان پوشش ریسک ناشی از نوسان‌‌پذیری بازار هستند. آنها افزایش نوسان را نشان‌‌دهندۀ وخامت فرصت‌‌های سرمایه‌‌گذاری دانستند و بیان کردند در دوره‌‌هایی که نوسان زیاد است، تمایل همراهی نوسان با حرکات نامطلوب بازار (ریسک نامطلوب) بیشتر است و درواقع، آنها در پژوهش خود به همبستگی مثبت نوسان‌‌پذیری غیر سیستماتیک با ریسک نامطلوب اشاره کردند؛ درمقابل آنگ، چن و زینگ[24] (2006) نشان دادند ریسک نامطلوب، بازده آتی زیادی را پیش‌‌بینی می‌‌کند؛ اما آنچه از نتایج مشاهده شد حاکی از آن بود که وقتی سهام نوسان خیلی زیادی داشته باشد، این رابطه در هم می‌‌شکند. آنها این درهم‌‌شکستگی را به دو اثر نسبت دادند: اول اینکه پیش‌‌بینی ریسک نامطلوب برای سهام‌‌ با نوسان زیاد خیلی دشوار است (خطای اندازه‌‌گیری افزایش می‌‌یابد) و دوم اینکه سهام با نوسان زیاد بازده منفی غیرعادی نشان می‌‌دهد. آتیلگان و همکاران (2019) در پژوهش خود مدعی شدند که ناهنجاری ریسک نامطلوب غیر معمول، توضیح‌‌پذیر با هیچ ناهنجاری دیگری نیست؛ بر این اساس فرضیۀ دوم پژوهش حاضر به شرح زیر مطرح می‌‌شود:

فرضیۀ دوم: نوسان‌‌پذیری غیر سیستماتیک تأثیری بر ناهنجاری رابطۀ منفی بین ریسک نامطلوب و بازده مورد انتظار ندارد.

استمرار ریسک نامطلوب ناشی از رویدادهای غیر معمول در دورۀ آتی را نیز آتیلگان و همکاران (2019) مطرح کردند؛ اما در ارتباط با ریسک نامطلوب ناشی از رویدادهای معمول، شواهدی از استمرار قوی آن در دورۀ آتی یافت نشده است (Atilgan et al., 2020). به‌‌طور کلی، پژوهش‌‌ها نشان می‌‌دهد در دوره‌‌های به‌‌طور معمول یک تا 12 ماهه، قیمت سهام درمقابل اخبار جدید با واکنش کمتر از حد مورد انتظار مواجه است و این پدیده بیشتر برای اخبار بد و نامطلوب رخ می‌‌دهد (Hong, Lim & Stein, 2002; Chan, 2003)؛ به این صورت که سرمایه‌‌گذاران درمقابل سهمی که اخیراً بازده منفی داشته است (خبر جدید نامطلوب)، واکنش کمتر از حد مورد انتظار از خود نشان می‌‌دهند؛ بنابراین اطلاعات منتشرشده دربارۀ سهمی که اخیراً بازده منفی را تجربه کرده است، به‌‌سرعت در قیمت سهم تجلی نمی‌‌یابد و مدت زمانی به طول می‌‌انجامد تا تعدیل قیمت براساس آخرین اطلاعات انجام و قیمت‌‌های جدید جایگزین شود که این باعث مومنتوم بازده منفی یا به اصطلاح استمرار ریسک نامطلوب در دورۀ آتی می‌‌شود؛ درنتیجه به‌‌دنبال آن زیان مجدد در دورۀ بعدی به سرمایه‌‌گذار تحمیل می‌‌شود (Atilgan et al., 2019)؛ بر این اساس فرضیۀ سوم و چهارم این پژوهش به شرح زیر مطرح می‌‌شود:

فرضیۀ سوم: استمرار بازده منفی ناشی از وقوع رویدادهای نامطلوب، در دورۀ آتی وجود دارد.

فرضیۀ چهارم: هرچه بازده ناشی از وقوع رویدادهای نامطلوب منفی‌‌تر باشد، استمرار آن در دورۀ آتی بیشتر است.

 

روش‌‌شناسی پژوهش

مطالعۀ حاضر از نوع پژوهش‌‌های پس‌‌رویدادی است که در آن ناهنجاری ریسک نامطلوب و استمرارپذیری ریسک نامطلوب تبیین و رابطۀ بین میزان ریسک نامطلوب و شدت استمرار آن کنکاش شده است. با توجه به اینکه نتایج این پژوهش ممکن است در تصمیم‌گیری افراد استفاده شود، پژوهش حاضر در دستۀ پژوهش‌های کاربردی قرار می‌گیرد. برای تجزیه و تحلیل فرضیه‌ از مدل‌های رگرسیونی چندمتغیره، آمارۀ t، F، ماتریس انتقال و آزمون نسبت تک‌‌نمونه‌‌ای و آزمون مقایسۀ نسبت‌‌ها استفاده شده است. در این پژوهش از نرم‌‌افزارهای Excel و Stata 15 استفاده شده است. جامعۀ آماری، شرکت‌های پذیرفته‌‌شده در بورس اوراق بهادار تهران در دورۀ زمانی 1388 تا 1397 است. برای تعیین نمونه از روش حذف نظام‌مند استفاده شده است. جامعۀ آماری شامل شرکت‌هایی است که دارای شرایط زیر باشد:

  1. به‌‌منظور جلوگیری از ناهمگن‌‌شدن نمونه، سال مالی شرکت‌ها منتهی به 29 اسفند هر سال باشد؛ 2. شرکت‌های واسطه‌گری مالی، سرمایه‌گذاری و بانک‌ها به‌‌دلیل ماهیت متفاوت عملیات آنها جزء نمونۀ انتخابی نباشد؛ 3. اطلاعات صورت‌های مالی آنها به‌‌طور کامل و پیوسته دردسترس باشد؛ 4. معاملات سهام آنها بیش از شش‌‌ماه در بورس اوراق بهادار تهران متوقف نشده باشد.

با در نظر گرفتن شرایط یادشده، تعداد 120 شرکت در بازۀ زمانی 1388 تا 1397 انتخاب شد.

 

متغیرهای پژوهش و نحوۀ اندازه‌‌گیری آنها

در ادامه و در قالب جدول (1) متغیرهای به‌‌کاررفته و نحوۀ اندازه‌‌گیری آنها ارائه شده است.

 

 

 

 

 

 

 

 

جدول (1) نام متغیرها و نحوۀ اندازه‌‌گیری آنها

Table (1) The names of variables and how to measure them

نام متغیر

نماد متغیر

نحوۀ اندازه‌‌گیری

بازده مازاد سهام

 

تفاوت نرخ ماهانۀ بازده سهام (Ri) و نرخ ماهانۀ بازده بدون ریسک (Rf). برای محاسبۀ Rf  نیز  از نرخ سود سپرده‌‌های کوتاه‌‌مدت استفاده شده است.

بتای نامطلوب

(سنجۀ احتمال وقوع رویداد معمول)               

BETADOWN

مطابق روش آنگ و همکاران (2006) بتای نامطلوب حساسیت هر سهم به شاخص بازار در طول روزهایی را نشان می‌‌دهد که بازده مازاد بازار زیر میانگین خود در طول سال گذشته است (کوواریانس بین بازده مازاد روزانۀ هر سهم و بازده مازاد روزانۀ بازار، تقسیم بر واریانس بازده مازاد روزانۀ بازار در روزهایی که بازده مازاد بازار کمتر از متوسط بازده مازاد بازار در طول سال گذشته است).

ریزش مورد انتظار

(سنجۀ احتمال وقوع رویداد غیر منتظره)

ES

مطابق روش بالی و همکاران (2009) ریزش مورد انتظار برابر با میانگین سادۀ مشاهداتی است که کمتر یا مساوی صدک اول بازده‌‌های روزانۀ هر سهم طی سال گذشته است[25].

بتا

β

به استناد پژوهش باوا و لیندنبرگ (1977) بتای بازار هر سهم در ابتدای ماه t با استفاده از داده‌‌های روزانه طی یک سال گذشته محاسبه شد.

اندازه

SIZE

براساس پژوهش فاما و فرنچ[26] (1992) اندازۀ شرکت ازطریق محاسبۀ لگاریتم طبیعی ارزش بازار شرکت در پایان ماه t به دست آمد (برابر است با تعداد سهام ضرب‌‌در قیمت روز هر سهم).

نسبت ارزش دفتری به ارزش بازار

B/M

به استناد پژوهش فاما و فرنچ (1992) این نسبت براساس نسبت ارزش دفتری حقوق صاحبان سهام به ارزش بازار حقوق صاحبان سهام در پایان ماه t به دست آمد.

توالی روند حرکت قیمت بازده سهام

MOM

براساس پژوهش اسچالمریچ، لپورچر و او[27] (2015) توالی حرکت بازده سهام برابر است با بازده تجمعی سهام که برابر با بازده تجمعی سهام i در طول 11ماه گذشته است.

بازده ماه قبل

STR

برای متغیر بازده ماه قبل از بازده سهام در ماه گذشته استفاده شد.

عدم نقدشوندگی آمیهود

Iliq

طبق پژوهش آمیهود[28] (2002) معیار عدم نقدشوندگی برابر با قدر مطلق بازده روزانۀ سهم تقسیم بر حجم ریالی معامله‌‌شدۀ روزانۀ آن در طول ماه t است.

هم‌‌چولگی

COSK

مطابق با پژوهش بالی، براون، ماری و تنگ[29] (2017) هم‌‌چولگی برابر با حساسیت بازده به تغییر در نوسان‌‌پذیری بازار در طول سال گذشته است.

نوسان‌‌پذیری غیر سیستماتیک

IVOL

به استناد پژوهش آنگ و همکاران (2006) نوسان‌‌پذیری ویژه برابر با انحراف معیار جزء خطای ( ) مدل بازار است.

گفتنی است در پژوهش حاضر به‌‌منظور محاسبۀ بتای نامطلوب از افق 12ماهه استفاده شده است. انتخاب افق 12ماهه به دو دلیل است: اول اینکه نیاز به تعداد زیادی مشاهده است تا فقط دوره‌‌های دارای نوسان منفی بازار، شرط برای محاسبۀ متغیر مربوط تعیین شود. داده‌‌های روزانۀ کمتر از 12ماه، دورۀ خیلی کوتاهی برای تخمین مطمئن از واریانس منفی در اختیار قرار می‌‌دهد (Kothari, Shanken & Sloan, 1995; Ang et al., 2006) و دوم اینکه مطالعاتی همچون فاما و فرنچ[30] (1997)، آنگ و همکاران[31] (2006) و لولن و نلگل[32] (2004) نشان دادند ریسک بازار متغیر است. فواصل زمانی طولانی‌‌تر از 12ماه ممکن است باعث نوفه‌‌دارشدن تخمین بتای شرطی شود.

 

مدل‌های پژوهش

در این بخش مدل‌های استفاده‌‌شده برای آزمون فرضیۀ پژوهش معرفی می‌شود. به‌‌منظور آزمون فرضیۀ اول و دوم پژوهش از مدل رگرسیون فاما و مکبث (1973) مطابق معادلۀ رابطۀ (1) استفاده شده است. در این مدل، از معیار بتای نامطلوب در جایگاه سنجه‌‌ای برای ریسک نامطلوب ناشی از رویدادهای نامطلوب معمول و از معیار ریزش مورد انتظار در جایگاه سنجه‌‌ای برای ریسک نامطلوب ناشی از رویدادهای نامطلوب غیر معمول استفاده شده است. در رابطۀ‌‌ (1) برای تبیین ناهنجاری بین ریسک نامطلوب و بازده مازاد مورد انتظار و همچنین به‌‌منظور مشخص‌‌شدن محتوای اطلاعاتی جداگانۀ ریسک نامطلوب از ویژگی‌‌های شرکت و سایر عوامل ریسک شناخته‌‌شده، ابتدا ریسک نامطلوب روی بازده مازاد مورد انتظار برازش و سپس متغیرهای کنترلی یکی یکی به مدل اضافه شده است.

 

رابطۀ (1)

 

 

در این رابطه‌‌:

( ): بازده مازاد سهام  iدر ماه 1+t، (BETADOWN): بتای نامطلوب، (ES): ریزش مورد انتظار، (Beta): بتای بازار، (size): اندازه، (B/M): نسبت ارزش دفتری به ارزش بازار، (MOM): روند حرکت بازده سهام، (STR): بازده ماه قبل، (Illiq): معیار عدم نقدشوندگی آمیهود، (coskew): هم‌‌چولگی و (IVOL): نوسان‌‌پذیری ویژه است.

به‌‌منظور آزمون فرضیۀ سوم و چهارم پژوهش ابتدا از ماتریس انتقال و سپس از آزمون نسبت تک‌‌نمونه‌‌ای (به‌‌منظور آزمون فرضیۀ سوم) و آزمون مقایسۀ نسبت‌‌ها (به‌‌منظور آزمون فرضیۀ چهارم) استفاده و بدین منظور ابتدا ماتریس انتقالی به شرح زیر تشکیل شد:

مقدار BETADOWN (ES) برای هر سهم به‌‌طور جداگانه در ماه t محاسبه شد؛ سپس سهام‌‌ها براساس مقدار BETADOWN (ES) خود به ترتیب صعودی مرتب ‌‌شد و در 5 سبد قرار گرفت. بدین ترتیب به‌‌صورت ماهانه، 5 سبد براساس معیار BETADOWN (ES) ساخته می‌‌شود؛ به گونه‌‌ای که سبد 1، حاوی سهام‌‌هایی با حداقل مقدار BETADOWN (ES) و سبد 5، حاوی سهام‌‌هایی با حداکثر مقدار BETADOWN (ES) می‌‌شود؛ سپس با کاربست ماتریس انتقال مشخص می‌‌شود چند درصد احتمال دارد سهام‌‌هایی که در سبد i در ماه t است، در همان سبد i در ماه 12+t تکرار شود. پس از تشکیل ماتریس انتقال برای آزمون صحت فرضیۀ سوم، مشخص‌‌شدن این موضوع لازم است که آیا نسبت (احتمال) سهام‌‌هایی که در سبد i در ماه t است و در همان سبد i در ماه 12+t نیز تکرار می‌‌شود با احتمال تصادفی قرارگرفتن سهام‌‌ها در همان سبد برابر است یا نه. گفتنی است که احتمال قرارگرفتن سهام سبد i در سبد j به‌‌طور تصادفی معادل 20 درصد است (تعداد سبد‌‌ها 5 است؛ بنابراین احتمال قرارگرفتن هر سهم در هر سبد با احتمال تصادفی 1 به 5 روبه‌‌رو است)؛ بنابراین به‌‌منظور آزمون فرضیۀ سوم از آزمون نسبت تک‌‌نمونه‌‌ای استفاده شده است. به‌‌منظور آزمون فرضیۀ چهارم پژوهش نیز با استفاده از احتمال‌‌های به‌‌دست‌‌آمده از ماتریس انتقال، آزمون مقایسۀ نسبت‌‌ها (احتمال‌‌ها) انجام شد. این آزمون برای مشخص‌‌کردن آن است که آیا بین نسبت (احتمال) سهام‌ها در سبد با حداکثر ریسک (بازده بیشتر منفی) و نسبت (احتمال) سهام‌ها در سبد با حداقل ریسک اختلاف معناداری وجود دارد یا نه.

 

یافته‌‌ها

در ادامه آمار توصیفی متغیرهای پژوهش و تحلیل آماری ریسک نامطلوب و بازده مازاد مورد انتظار ارائه شده است. براساس نتایج آمار توصیفی متغیرها، میانگین BETADOWN (بتای نامطلوب) برابر با 50/0است که نشان می‌‌دهد متوسط نوسان‌‌های کمتر از میانگین مشاهدات برابر 50/0 بوده است. میانگین متغیر ES1 (ریزش مورد انتظار) برابر 12/0 است که نشان می‌‌دهد فقط یک درصد احتمال دارد شرکت در سال گذشته متوسط زیان روزانه‌‌ای بیشتر از 12 درصد تجربه کرده باشد (اعداد مربوط به معیار ریزش مورد انتظار به‌‌منظور راحتی تفسیر در عدد منفی یک ضرب شده است). با توجه به اینکه BETADOWN مشاهدات موجود فاصلۀ بیشتری از دنبالۀ توزیع را در بر می‌‌گیرد و این مشاهدات نسبت به ES به سمت میانگین تابع توزیع نزدیک‌‌تر است، میانگین BETADOWN نسبت به ES مقدار بزرگ‌‌تری را نشان می‌‌دهد. مقدار کمینه برای متغیر ES برابر با 01/0 و مقدار بیشینۀ آن معادل 43/0 است. مقدار بیشینۀ ES نشان می‌‌دهد شرکتی در نمونه وجود داشته که یک درصد بازده‌‌ روزانه‌‌اش در طول سال گذشته کمتر از 43 درصد بوده است.

به‌‌منظور تحلیل آماری ریسک نامطلوب و بازده مازاد مورد انتظار از تجزیه و تحلیل سبد استفاده شد؛ بر این اساس ابتدا شرکت‌‌ها براساس BETADOWN در هر ماه به‌‌صورت صعودی مرتب و 5 سبد تشکیل شد؛ به طوری که سبد 1 حاوی سهام‌‌هایی با حداقل BETADOWN و سبد 5 شامل سهام‌‌هایی با حداکثر BETADOWN بود (برای سهولت در نمایش و تفسیر نمودار، اعداد بتای نامطلوب در منفی یک ضرب شده است)؛ سپس میانگین ساده و میانگین وزنی بازده مازاد مورد انتظار (در ماه t+1) در هر سبد محاسبه شد. این مراحل به‌‌منظور تشکیل 5 سبد براساس معیار ES نیز به‌‌طور جداگانه تکرار شد. نتایج حاصل از تحلیل سبد براساس معیار BETADOWN و ES با در نظر گرفتن میانگین ساده و موزون بازده مازاد مورد انتظار به ترتیب در جدول (2) و (3) ارائه شده است.

 

جدول (2) نتایج تحلیل سبد‌‌های تشکیل‌‌شده براساس معیار BETADOWN با در نظر گرفتن میانگین بازده مازاد مورد انتظار

Table (2) The results of portfolio analysis based on BETADOWN by considering the average expected excess return

 

P1

P2

P3

P4

P5

P5-P1

آمارۀ t

احتمال آمارۀ t

میانگین BETADOWN

017/0-

008/0-

003/0-

005/0

013/0

030/0

98/16

00/0

میانگین بازده مازاد مورد انتظار

032/0

031/0

028/0

020/0

009/0

023/0-

10/2-

(03/0)

میانگین وزنی بازده مازاد مورد انتظار

002/0

001/0

001/0

001/0

001/0

001/0-

11/2-

03/0

همان‌‌طور که در جدول (2) مشاهده می‌‌شود، میانگین سادۀ بازده مازاد مورد انتظار در p5 (سبد 5) برابر با 009/0 و در p1 (سبد 1) برابر با 032/0 و حاکی از کمتربودن میانگین مازاد مورد انتظار p5 نسبت به p1 است. آمارۀ  t نیز معادل 10/2- است و نشان می‌‌دهد تفاوت بین میانگین بازده مازاد مورد انتظار p5 و p1 معنادار است؛ همچنین میانگین وزنی بازده مورد انتظار p1 و p5 به ترتیب برابر با 002/0 و 001/0 به دست آمد. نتایج نشان داد میانگین وزنی بازده مازاد مورد انتظار P5 نیز کوچک‌‌تر از P1 است و این تفاوت ازلحاظ آماری معنادار است. این نتایج، ناهنجاری رابطۀ منفی بین ریسک نامطلوب (BETADOWN) و بازده مازاد مورد انتظار را نشان می‌‌دهد.

 

جدول (3) نتایج تحلیل سبد‌‌های تشکیل‌‌شده براساس معیار ES با در نظر گرفتن میانگین بازده مازاد مورد انتظار

Table (3) The results of portfolio analysis based on ES by considering the average expected excess return

 

P1

P2

P3

P4

P5

P5-P1

آمارۀ t

احتمال آمارۀ t

میانگین ES

04/0

06/0

08/0

13/0

24/0

20/0

07/33

00/0

میانگین بازده مازاد مورد انتظار

031/0

027/0

024/0

019/0

017/0

014/0-

28/1-

(19/0)

میانگین وزنی بازده مازاد مورد انتظار

003/0

001/0

001/0

001/0

004/0-

007/0-

90/1-

(05/0)

 

همان‌‌طور که در جدول (3) مشاهده می‌‌شود، میانگین بازده مازاد مورد انتظار در p5 (سبد 5) برابر با 017/0 و در p1 (سبد 1) برابر با 031/0 و حاکی از کمتربودن میانگین مازاد مورد انتظار p5 نسبت به p1 است؛ ولی آمارۀ t محاسبه‌‌شده معادل 28/1- است و نشان می‌‌دهد تفاوت بین میانگین بازده مازاد مورد انتظار p5 و p1 ازلحاظ آماری معنادار نیست؛ علاوه‌‌بر این مشاهده می‌‌شود میانگین وزنی بازده مازاد مورد انتظار در p5 (سبد 5) برابر با 004/0- و در p1 (سبد 1) برابر با 003/0 و حاکی از کمتربودن میانگین وزنی مازاد مورد انتظار p5 نسبت به p1 است. آمارۀ t نیز معادل 90/1- است و نشان می‌‌دهد تفاوت بین میانگین بازده مازاد مورد انتظار p5 و p1 معنادار است. در ادامه روند BETADOWN و ES با بازده مازاد مورد انتظار به ترتیب در نمودارهای 1و 3 (با در نظر گرفتن میانگین سادۀ بازده) و در نمودارهای 3 و 4 (با در نظر گرفتن میانگین موزون بازده) نمایش داده شده است.

 

 

نمودار (1) روند BETADOWN و میانگین بازده مازاد مورد انتظار

Figure (1) BETADOWN trend anaverage of expected excess return 

 

 

نمودار (2) روند BETADOWN و میانگین وزنی بازده مازاد مورد انتظار

Figure (2) BETADOWN trend and weighted average of expected excess returns

 

 

نمودار (3) روند ES و میانگین بازده مازاد مورد انتظار

Figure (3) ES trend and average of expected excess returns

 

 

نمودار (4) روند ES و میانگین وزنی بازده مازاد مورد انتظار

Figure (4) ES trend and weighted average of expected excess returns

 

نمودار 1 (3) روند BETADOWN (ES) و میانگین بازده مازاد مورد انتظار را نشان می‌‌دهد. همان‌‌طور که مشاهده می‌‌شود، با حرکت از p1 (سبد 1 با حداقل ریسک) به سمت  p5(سبد 5 با حداکثر ریسک)، BETADOWN (ES) بیشتر و میانگین بازده مازاد مورد انتظار کمتر می‌‌شود. نمودار 2 (4) روند BETADOWN (ES) و میانگین موزون بازده مازاد مورد انتظار را نشان می‌‌دهد. همان‌‌طور که مشاهده می‌‌شود، با حرکت از p1 به سمت p5، BETADOWN (ES) بیشتر می‌‌شود؛ ولی میانگین وزنی بازده مازاد مورد انتظار در تمام سبد‌‌ها به‌‌طور تقریبی نزدیک به هم است و تغییر محسوسی را نشان نمی‌‌دهد. براساس این نتایج، ممکن است ارزش بازار شرکت (در جایگاه یک ویژگی خاص شرکتی) بر رابطۀ منفی بین ریسک نامطلوب و بازده مازاد مورد انتظار تأثیر بگذارد. به پشتوانۀ ادبیات پژوهش، شرکت‌‌هایی با اندازۀ کوچکتر، نسبت ارزش دفتری به ارزش بازار بیشتر، توالی حرکت بازده سهام بیشتر، بازده ماه قبل کمتر، عدم نقدشوندگی کمتر، هم‌‌چولگی کمتر، نوسان‌‌پذیری ویژۀ کمتر و گرایش به بازده مازاد مورد انتظار بیشتری دارند؛ بنابراین برخی از این معیارهای ریسک یا ویژگی‌‌های خاص شرکتی یادشده هدایت‌‌کنندۀ بخشی از رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار بود؛ به عبارت دیگر عامل توضیح‌‌دهندۀ بازده مازاد مورد انتظار فقط ریسک نامطلوب نیست، برخی از معیارهای ریسک یا ویژگی‌‌های خاص شرکتی و همچنین اثر همبستگی بین آنها با ریسک نامطلوب نیز ممکن است بر بازده مازاد مورد انتظار تأثیر بگذارند؛ بنابراین ارتباط متغیرهای اندازه، نسبت ارزش دفتری به ارزش بازار، توالی حرکت بازده سهام، بازده ماه قبل، عدم نقدشوندگی، هم‌‌چولگی و نوسان‌‌پذیری ویژه با ریسک نامطلوب، ازطریق تجزیه و تحلیل سبد بررسی می‌‌شود.

بدین منظور ابتدا شرکت‌‌ها براساس BETADOWN در پایان هر ماه به‌‌صورت صعودی مرتب و 5 سبد تشکیل شد؛ به طوری که سبد 1 حاوی سهام‌‌هایی با حداقل BETADOWN و سبد 5 شامل سهام‌‌هایی با حداکثر BETADOWN است؛ سپس میانگین ویژگی‌‌های خاص شرکتی و عوامل ریسک (به‌‌طور جداگانه) محاسبه شد. این مراحل به‌‌منظور تشکیل 5 سبد براساس معیار ES (ریزش مورد انتظار) نیز به‌‌طور جداگانه تکرار شد. نتایج حاصل از تحلیل سبد (برمبنای ویژگی‌‌های خاص شرکتی و عوامل ریسک) براساس معیار BETADOWN و ES1 به ترتیب در جدول (4) و (5) ارائه شده است.

 

جدول (4) روند BETADOWN با در نظر گرفتن عوامل ریسک و ویژگی‌‌های خاص شرکت

Table (4) The BETADOWN trend by considering the risk factors and the firm- specific characteristics

نام متغیر

نماد متغیر

P1

P2

P3

P4

P5

P5-P1

آمارۀ t

احتمال

بتای نامطلوب

BETADOWN

017/0-

008/0-

003/0-

005/0

013/0

030/0

98/16

(00/0)

بتا

Bata

27/0

55/0

61/0

63/0

49/0

22/0

04/8

(00/0)

اندازه

Size

71/27

48/27

19/27

02/27

03/27

68/0-

18/3-

(00/0)

نسبت ارزش دفتری به ارزش بازار

Bm

63/5

01/6

18/6

92/5

42/6

79/0

78/0

(43/0)

روند حرکت قیمت سهام

Mom

46/0

44/0

48/0

42/0

35/0

11/0-

35/1-

(17/0)

بازده ماه قبل

Str

50/1

60/1

20/1

68/0

18/0

32/1-

36/2-

(01/0)

نقدشوندگی

Ill

02/0

01/0

02/0

01/0

03/0

01/0

91/0

(36/0)

نوسان‌‌پذیری غیر سیستماتیک

Ivol

02/0

02/0

02/0

02/0

03/0

01/0

83/15

(00/0)

هم‌‌چولگی

Coskew

03/0-

06/0-

09/0-

08/0-

04/0

07/0

01/2

(04/0)

 

در جدول (4) مشاهده می‌‌شود که شرکت‌‌هایی با بازده ماه قبل کمتر و اندازۀ کوچک‌‌تر، هم‌‌چولگی و نوسان‌‌پذیری ویژۀ بیشتر، دارای BETADOWN بیشتر هستند. از آنجا که هم‌‌چولگی و نوسان‌‌پذیری ویژه رابطۀ منفی با بازده مازاد مورد انتظار و همبستگی مثبت با BETADOWN دارند، ممکن است ناهنجاری رابطۀ منفی بین ریسک نامطلوب(BETADOWN) و بازده مازاد مورد انتظار ناشی از اثر هم‌‌چولگی یا نوسان‌‌پذیری ویژه باشد.

 

جدول (5) روند ES با در نظر گرفتن عوامل ریسک و ویژگی‌‌های خاص شرکت

Table (5) The ES trend by considering the risk factors and the firm- specific characteristics

نام متغیر

نماد متغیر

P1

P2

P3

P4

P5

P5-P1

آمارۀ t

احتمال

ریزش مورد انتظار

ES

04/0

06/0

08/0

13/0

24/0

2/0

07/33

(00/0)

بتا

Bata

46/0

62/0

55/0

51/0

44/0

02/0-

56/0-

(56/0)

اندازه

Size

32/27

46/27

56/27

42/27

25/27

07/0-

51/0-

(61/0)

نسبت ارزش دفتری به ارزش بازار

Bm

87/5

61/6

90/5

26/5

36/6

49/0

50/0

(61/0)

روند حرکت قیمت سهام

Mom

44/0

52/0

40/0

38/0

45/0

01/0

09/0

(92/0)

بازده ماه قبل

Str

24/1

39/1

27/1

79/0

48/0

76/0-

25/1-

(21/0)

نقدشوندگی

Ill

02/0

01/0

01/0

02/0

03/0

01/0

10/0

(91/0)

نوسان‌‌پذیری غیر سیستماتیک

Ivol

02/0

02/0

02/0

02/0

03/0

01/0

16/22

(00/0)

هم‌‌چولگی

Coskew

13/0-

06/0-

02/0-

04/0-

10/0

23/0

58/4

(00/0)

 

 

 

 

براساس جدول 5، شرکت‌‌هایی با هم‌‌چولگی و نوسان‌‌پذیری ویژۀ بیشتر، دارای ES بیشتر هستند. از آنجا که هم‌‌چولگی و نوسان‌‌پذیری ویژه رابطۀ منفی با بازده مازاد مورد انتظار دارد، ممکن است ناهنجاری رابطۀ منفی بین ریسک دنبالۀ چپ و بازده مازاد مورد انتظار ناشی از اثر هم‌‌چولگی یا نوسان‌‌پذیری ویژه باشد. در ادامه روند ریسک نامطلوب (با توجه به دو معیار BETADOWN و ES) با نوسان‌‌پذیری ویژه و هم‌‌چولگی در نمودارهای 5، 6، 7 و 8 نمایش داده شده است.

 

 

نمودار(5) روند BETADOWN و نوسان پذیری ویژه (IVOL)

Figure (5) BETADOWN trend and idiosyncratic volatility (IVOL)

 

 

 

نمودار(6) روند BETADOWN و هم‌‌چولگی (COSKEW)

Figure (6) BETADOWN trend and coskewness (coskew)

 

 

نمودار(7) روند ES و نوسان‌‌پذیری‌‌ غیر سیستماتیک (IVOL)

Figure (7) ES trend and idiosyncratic volatility (IVOL)

 

 

نمودار(8) روند ES و هم‌‌چولگی (COSKEW)

Figure (8) ES trend and coskewness (coskew)

 

در نمودار 5 (7) مشاهده می‌‌شود با حرکت از p1 به سمت p5، BETADOWN (ES) افزایش و نوسان‌‌پذیری ویژه (IVOL) نیز افزایش می‌‌یابد. در نمودار 6 (8) مشاهده می‌‌شود با حرکت از p1 به سمت p5، BETADOWN (ES) افزایش می‌‌یابد؛ ولی هم‌‌چولگی (COSKEW)، اگرچه در P5 نسبت به P1 بیشتر است، با حرکت از P11 به سمت P55 به‌‌طور کلی الگوی تغییرات منظمی را نشان نمی‌‌دهد.

با توجه به نتایج مشاهده‌‌شدۀ حاصل از تجزیه و تحلیل سبد، به‌‌منظور بررسی دقیق‌‌تر رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار باید اثر هم‌‌چولگی و نوسان‌‌پذیری ویژه کنترل شود. در ادامه با انجام آزمون فرضیۀ اول و دوم پژوهش با استفاده از روش رگرسیون مقطعی فاما و مکبث (1973)، رابطۀ بین ریسک نامطلوب و بازده مازاد مورد انتظار با کنترل هم‌‌چولگی و نوسان‌‌پذیری ویژه نیز بررسی شد.

 

نتایج آزمون فرضیۀ اول و دوم پژوهش

به‌‌منظور آزمون فرضیۀ اول و دوم پژوهش از معادلۀ (1) به روش رگرسیون مقطعی فاما و مکبث (1973) استفاده و نتایج در جدول‌‌ (6) ارائه شده است.

جدول (6) نتایج حاصل از برآورد معادلۀ (1)

Table (6) The results of estimation of equation (1)

 

متغیرها

1

2

3

4

5

6

7

8

9

10

11

BETADOWE

آمارۀ t

(34/8-)

(00/0)

 

(67/7-)

(00/0)

(59/6-)

(00/0)

(51/6-)

(00/0)

(58/6-)

(00/0)

(75/6-)

(00/0)

(54/6-)

(00/0)

(48/6-)

(00/0)

(35/6-)

(00/0)

(34/6-)

(00/0)

احتمال آمارۀ t

ریزش مورد انتظار (ES1)

آمارۀ t

 

(03/11-)

(00/0)

(68/10-)

(00/0)

(92/10-)

(00/0)

(29/9-)

(00/0)

(34/9-)

(00/0)

(45/9-)

(00/0)

(04/9-)

(00/0)

(03/9-)

(00/0)

(71/8-)

(00/0)

(59/8-)

(00/0)

احتمال آمارۀ t

Beta

آمارۀ t

 

 

 

(95/2)

(00/0)

(43/3)

(00/0)

(28/3)

(00/0)

(18/3)

(00/0)

(18/3)

(00/0)

(11/3)

(00/0)

(23/3)

(00/0)

(23/3)

(00/0)

احتمال آمارۀ t

اندازه (Size)

آمارۀ t

 

 

 

 

(28/8-)

(00/0)

(25/8-)

(00/0)

(19/8-)

(00/0)

(30/8-)

(00/0)

(27/8-)

(00/0)

(19/8-)

(00/0)

(50/8-)

(00/0)

احتمال آمارۀ t

نسبت ارزش دفتری به ارزش بازار (BM)

آمارۀ t

 

 

 

 

 

(09/3-)

(00/0)

(07/3-)

(00/0)

(82/2-)

(00/0)

(79/2-)

(00/0)

(36/2-)

(00/0)

(32/2-)

(00/0)

احتمال آمارۀ t

روند حرکت سهام (MOM)

آمارۀ t

 

 

 

 

 

 

(95/1)

(00/0)

(83/2)

(00/0)

(72/2)

(00/0)

(15/3)

(00/0)

(82/3)

(00/0)

احتمال آمارۀ t

بازده ماه قبل (STR)

آمارۀ t

 

 

 

 

 

 

 

(33/4-)

(00/0)

(30/4-)

(00/0)

(52/4-)

(00/0)

(47/4-)

(00/0)

احتمال آمارۀ t

عدم نقدینگی (Illiq)

آمارۀ t

 

 

 

 

 

 

 

 

(20/1-)

(23/0)

(18/1-)

(24/0)

(17/1-)

(24/0)

احتمال آمارۀ t

نوسان‌‌پذیری غیر سیستماتیک (Ivol)

 

 

 

آمارۀ t

 

 

 

 

 

 

 

 

 

(93/2-)

(00/0)

(81/2-)

(00/0)

احتمال آمارۀ t

هم‌‌چولگی (Coskew)

آمارۀ t

 

 

 

 

 

 

 

 

 

 

(15/1-)

(25/0)

احتمال آمارۀ t

متوسط R2

037/0

034/0

066/0

081/0

129/0

136/0

147/0

163/0

174/0

189/0

201/0

در ستون 1 (2) از جدول (6) مشاهده می‌شود که ابتدا اثر BETADOWN (ES) بر بازده مازاد مورد انتظار بدون در نظر گرفتن اثر هیچ متغیر کنترلی، برازش شده است. ضریب‌‌های BETADOWN و ES هرکدام به‌‌طور جداگانه در رگرسیون‌‌های برازش‌‌شده در ستون 1 و 2 به ترتیب ضریب منفی معناداری با آمارۀ t معادل 34/8- و 03/11- را نشان می‌‌دهد که حاکی از آن است که BETADOWN و ES در رگرسیون‌‌های جداگانه توضیح‌‌دهندۀ بازاده مازاد موردانتظار هستند. در ستون 3 جدول (6) مدل رگرسیون با در نظر گرفتن هر دو متغیر BETADOWN و ES برازش شد. ضرایب منفی و معنادار BETADOWN و ES به‌‌طور همزمان در رگرسیون برازش‌‌شده نشان‌‌دهندۀ محتوای اطلاعاتی جداگانه BETADOWN از ES در توضیح بازده مازاد مورد انتظاراست. در ادامه اثر سایر متغیرها در برازش مدل رگرسیونی کنترل شده است. ستون‌های 4 تا 8 شامل نتایج حاصل از برازش مدل‌‌های رگرسیونی است که به ترتیب متغیرهای کنترلی را وارد مدل قبلی کرده است. ضریب متغیر BETADOWN و ES تخمین‌‌زده‌‌شده در تمام مدل‌های برازش‌‌شده به‌‌طور معناداری منفی است. در ستون 9، مدل رگرسیونی با در نظر گرفتن نوسان‌‌پذیری غیر سیستماتیک نیز برازش شد تا مشخص شود آیا ناهنجاری رابطۀ منفی بین ریسک نامطلوب و بازده مازاد مورد انتظار، توضیح‌‌پذیر با ناهنجاری‌‌ نوسان‌‌پذیری غیر سیستماتیک است یا خیر. نتایج نشان می‌‌دهد ضریب BETADOWN و ES در ستون 9 نیز همچنان منفی و با معناداری زیادی برابر با 35/6- و 71/8- است؛ بنابراین نتایج ناهنجاری رابطۀ منفی بین BETADOWN و ES با بازده مازاد مورد انتظار مشاهده شد؛ ضمن اینکه هرکدام از BETADOWN و ES دارای محتوای اطلاعاتی جداگانه‌‌ای نه‌‌تنها از یکدیگر که از سایر ویژگی‌‌های شرکتی و عوامل ریسک شناخته‌‌شده در توضیح بازده مازاد مورد انتظار هستند؛ بر این اساس فرضیۀ اول پژوهش رد نمی‌‌شود؛ همچنین نتایج نشان داد رابطۀ منفی بین BETADOWN و ES با بازده مازاد مورد انتظار ناشی از ناهنجاری‌‌ نوسان‌‌پذیری ویژه نیست؛ بنابراین فرضیۀ دوم پژوهش رد نمی‌‌شود. گفتنی است هم‌‌چولگی نیز در جایگاه عامل ریسک دیگری در ستون 10 اضافه شد؛ ولی در نتایج تغییری ایجاد نکرد (همچنان رابطۀ منفی بین BETADOWN و ES با بازده مازاد مورد انتظار برقرار است) و خود نیز معنادار نبود.

 

نتایج حاصل از آزمون فرضیۀ سوم پژوهش

فرضیۀ سوم پژوهش با کاربست ماتریس انتقال و آزمون نسبت تک‌‌نمونه‌‌ای ارزیابی شد. نتایج ماتریس انتقال و آزمون نسبت تک‌‌نمونه‌‌ای با در نظر گرفتن معیار BETADOWN به ترتیب در جدول (7) و (8) و نتایج حاصل از کاربست ماتریس انتقال و آزمون نسبت تک‌‌نمونه‌‌ای با در نظر گرفتن معیار Es به ترتیب در جدول (9) و (10) ارائه شده است.

 

جدول (7) نتایج حاصل از کاربست ماتریس انتقال با در نظر گرفتن معیار BETADOWN

Table (7) The results of the transfer matrix by considering BETADOWN

سبد

1

2

3

4

5

1

%34

%17

%14

%15

%20

2

%15

%27

%26

%23

%9

3

%12

%27

%28

%22

%11

4

%20

%22

%22

%24

%12

5

%19

%7

%10

%16

%48

 

در جدول (7) مشاهده می‌شود که با در نظر گرفتن معیار BETADOWN به ترتیب 34 درصد (27، 28، 24 و 48 درصد) از سهام‌هایی که در سبد 1 (2، 3، 4 و 5) بود، در همان سبد 1 (2، 3، 4 و 5) در 12ماه بعد باقی ماند. نتایج حاصل از ماتریس انتقال نشان داد احتمال استمرار بازده منفی در دورۀ آتی وجود دارد. برای آزمون صحت اختلاف معنادارداشتن احتمال‌‌های به‌‌دست‌‌آمده از احتمال تصادفی، از آزمون نسبت (احتمال) تک‌‌نمونه‌‌ای استفاده و نتایج آن در جدول 8 ارائه شده است.

 

جدول (8) نتایج آزمون تک‌‌نمونه‌‌ای برای سبد P55 با در نظر گرفتن معیار BETADOWN

Table (8) The results of one sample test of proportion for P55 by considering BETADOWN

سبد

میانگین

انحراف معیار

آمارۀ z

احتمال آمارۀ z

P11

34/0

045/0

63/3

00/0

P22

27/0

042/0

82/1

01/0

P33

28/0

043/0

08/2

00/0

P44

24/0

041/0

14/1

05/0

P55

48/0

048/0

85/6

00/0

 

در جدول (8) مشاهده می‌‌شود که نتایج حاصل از آزمون نسبت تک‌‌نمونه‌‌ای برای P11، P22، P33، P44 و P55 به ترتیب آمارۀ z معناداری معادل 63/3، 82/1، 08/2، 14/1 و 85/6 را نشان می‌‌دهد. نتایج حاکی از آن است که با در نظر گرفتن معیار BETADOWN، احتمال باقی‌‌ماندن سهام‌‌ i در همان سبد i در 12ماه بعد بیشتر از احتمال تصادفی 20 درصد است و ریسک استمرار بازده منفی دورۀ آتی وجود دارد.

جدول (9) نتایج حاصل از کاربست ماتریس انتقال با در نظر گرفتن معیار ES

Table (9) The results of the transfer matrix by considering ES

سبد

1

2

3

4

5

1

%40

%23

%10

%9

%18

2

%25

%36

%22

%12

%5

3

%7

%24

%36

%28

%5

4

%8

%11

%29

%39

%13

5

%20

%6

%3

%12

%59

 

در جدول (9) مشاهده می‌شود که با در نظر گرفتن معیار ES، به ترتیب 40 درصد (36، 36، 39 و 59 درصد) از سهام‌هایی که در سبد 1 (2، 3، 4 و 5) بود، در همان سبد 1 (2، 3، 4 و 5) در 12ماه بعد باقی ماند.

نتایج حاصل از ماتریس انتقال نشان داد احتمال استمرار بازده منفی در دورۀ آتی وجود دارد. برای آزمون صحت اختلاف معنادارداشتن احتمال‌‌های به‌‌دست‌‌آمده از احتمال تصادفی، از آزمون نسبت (احتمال) تک‌‌نمونه‌‌ای استفاده و نتایج آن در جدول 10 نشان داده شده است.

 

جدول (10) نتایج آزمون تک‌‌نمونه‌‌ای برای سبد P55 با در نظر گرفتن معیار ES

Table (10) The results of one sample test of proportion for P55 by considering ES

سبد

میانگین

انحراف معیار

آمارۀ z

احتمال آمارۀ z

P11

40/0

047/0

19/5

00/0

P22

36/0

046/0

15/4

00/0

P33

36/0

046/0

15/4

00/0

P44

39/0

046/0

93/4

00/0

P55

59/0

047/0

13/10

00/0

 

در جدول (10) مشاهده می‌‌شود که نتایج حاصل از آزمون نسبت تک‌‌نمونه‌‌ای برای P11، P22، P33، P44 و P55 به ترتیب آمارۀ z معناداری معادل 19/5، 15/4، 15/4، 93/4 و 13/10 را نشان می‌‌دهد. طبق نتایج، با در نظر گرفتن معیار ES، احتمال باقی‌‌ماندن سهام‌‌ i در همان سبد i در 12ماه بعد بیشتر از احتمال تصادفی 20 درصد است و ریسک استمرار بازده منفی دورۀ آتی وجود دارد. با توجه به نتایج به‌‌دست‌‌آمده از آزمون نسبت تک‌‌نمونه‌‌ای، با در نظر گرفتن معیارهای BETADOWN و ES، احتمال باقی‌‌ماندن سهام‌‌ در P11، P22، P33، P44 و P55 بیشتر از احتمال تصادفی است؛ بر این اساس فرضیۀ سوم پژوهش رد نمی‌‌شود.

 

نتایج حاصل از آزمون فرضیۀ چهارم پژوهش

به‌‌منظور آزمون فرضیۀ چهارم پژوهش از آزمون مقایسۀ نسبت‌‌ها بین نسبت (احتمال) سهام‌ سبد P11 (حداقل ریسک) و P55 (حداکثر ریسک) استفاده شده است. نتایج حاصل از آزمون مقایسۀ نسبت‌‌ها با در نظر گرفتن معیارهای BETADOWN و ES به ترتیب در جدول‌‌ (11) و (12) ارائه شده است.

 

جدول (11) نتایج حاصل از آزمون مقایسۀ احتمال سبد P55 و P11 با در نظر گرفتن معیار BETADOWN

Table (11) The results of two sample test of proportion for P55 and P11 by considering BETADOWN

سبد

میانگین

انحراف معیار

آمارۀ z

احتمال آمارۀ z

P11

34/0

045/0

09/2-

00/0

P55

48/0

048/0

 

در جدول (11) مشاهده می‌‌شود که نتایج حاصل از آزمون مقایسۀ نسبت‌‌ها بین P55 و P11، آمارۀ Z برابر با 09/2- را نشان می‌‌دهد و با توجه به آن فرضیۀ صفر آزمون، مبنی‌‌بر تساوی نسبت (احتمال) دو سبد P55 و P11 رد می‌‌شود؛ به بیان دیگر احتمال اینکه سهام‌‌های سبد 5 (با حداکثر BETADOWN) در همان سبد 5 در 12ماه بعد باقی بماند بیشتر از احتمال این است که سهام‌هایی که در سبد 1 (با حداقل BETADOWN) بود، در همان سبد 1 در 12ماه بعد باقی بماند.

 

جدول (12) نتایج حاصل از آزمون مقایسۀ احتمال سبد P55 و P11 با در نظر گرفتن معیار ES

Table (12) The results of two sample test of proportion for P55 and P11 by considering ES

سبد

میانگین

انحراف معیار

آمارۀ z

احتمال آمارۀ z

P11

40/0

047/0

79/2-

00/0

P55

59/0

047/0

 

در جدول (12) مشاهده می‌‌شود که آزمون مقایسۀ نسبت بین P55 و P11، آمارۀ Z برابر با 97/2- را نشان می‌‌دهد و با توجه به آن، فرضیۀ صفر آزمون مبنی‌‌بر تساوی نسبت (احتمال) دو سبد P55 و P11 رد می‌‌شود. نتایج بیانگر وجود تفاوت معنادار بین نسبت (احتمال) دو سبد P55 و P11 است؛ به بیان دیگر احتمال اینکه سهام‌‌های سبد 5 در همان سبد 5 در 12ماه بعد باقی بماند (P55) بیشتر از احتمال این است که سهام‌هایی که در سبد 1 بود، در همان سبد 1 در 12ماه بعد باقی بماند (P11). براساس نتایج به‌‌دست‌‌آمده از آزمون مقایسۀ نسبت‌‌ها با در نظر گرفتن هر دو معیار BETADOWN و ES فرضیۀ چهارم پژوهش رد نمی‌‌شود.

 

بحث و نتیجه‌‌گیری

در پژوهش حاضر ناهنجاری رابطۀ منفی بین ریسک نامطلوب (معمول و غیر معمول) و بازده مازاد مورد انتظار تبیین و کنکاشی پیرامون ارتباط ویژگی‌‌های شرکتی و سایر عوامل ریسک با ریسک نامطلوب (معمول و غیر معمول) به‌‌منظور تبیین دقیق ناهنجاری یادشده انجام شده است؛ همچنین استمرارپذیری ریسک نامطلوب و رابطۀ بین میزان ریسک نامطلوب و شدت استمرار آن بررسی شده است. یافته‌‌های حاصل از این پژوهش نشان داد ناهنجاری رابطۀ منفی بین ریسک نامطلوب (معمول و غیر معمول) و بازده مازاد مورد انتظار وجود دارد؛ افزون بر آن ریسک نامطلوب (معمول و غیر معمول) محتوای اطلاعاتی جداگانه‌‌ای از ویژگی‌‌های شرکتی و سایر عوامل ریسک دارد و ناهنجاری نوسان‌‌پذیری غیر سیستماتیک نیز توضیح‌‌دهندۀ ناهنجاری ریسک نامطلوب (معمول و غیر معمول) نیست؛ همین‌‌طور ریسک نامطلوب (معمول و غیر معمول) در دورۀ آتی نیز استمرار دارد. گفتنی است که نتایج حاصل از بخش مربوط به وجود ناهنجاری ریسک نامطلوب غیر معمول با نتایج حاصل از پژوهش آتیلگان و همکاران (2019) و پژوهش شهرزادی و همکاران (1398) هماهنگی دارد؛ اما نتایج حاصل از بخش مربوط به وجود ناهنجاری ریسک نامطلوب معمول با یافته‌‌های حاصل از پژوهش بالی، کاکیسی و وایتلاو (2011) و پژوهش هاروی، لیو و ژو (2016) ناسازگار است (اگرچه در پژوهش‌‌های یادشده روش‌‌شناسی‌‌های به‌‌کاررفته متفاوت و چندان قیاس‌‌پذیر نیست)؛ علاوه‌‌بر این نتایج این پژوهش حاکی از آن است که هرچه میزان ریسک نامطلوب (معمول و غیر معمول هرکدام به‌‌طور جداگانه) بیشتر باشد، شدت استمرار آن نیز بیشتر است که به‌‌دلیل موجودنبودن پژوهش مشابه، نتایج این بخش از پژوهش قیاس‌‌پذیر با پژوهش‌‌های پیشین نیست.

براساس نتایج پژوهش حاضر به تحلیلگران و سرمایه‌‌گذاران توصیه می‌‌شود برای اتخاذ راهبرد سرمایه‌‌گذاری مؤفق، تصمیم‌‌گیری دربارۀ پوشش ریسک یا عدم تغییر سبد به امید کسب صرف ریسک شایان توجه وابسته به آن (در صورت وجود)، به محتوای اطلاعاتی ریسک نامطلوب (معمول و غیر معمول) توجه داشته باشند. با توجه به کم‌‌بودن مبانی نظری درزمینۀ ریسک نامطلوب (معمول و غیر معمول) و تلاش پژوهش حاضر به افزودن بر غنای ادبیات موجود، به پژوهشگران پیشنهاد می‌‌شود در پژوهش‌‌های بعدی عوامل توضیح‌‌دهندۀ ریسک نامطلوب (معمول و غیر معمول) برای بسط ادبیات یادشده را شناسایی کنند.

در تفسیر یافته‌‌های پژوهش محدودیت‌‌هایی وجود دارد که باید آنها را در نظر گرفت: اول اینکه، داده‌‌های استفاده‌‌شده از صورت‌‌های مالی در این پژوهش، از بابت تورم، تعدیل نشده است و در صورت تعدیل از این بابت، ممکن است نتایج متفاوتی حاصل شود و دوم اینکه، در این پژوهش از روش حذف نظام‌‌مند استفاده شده است و برخی از صنایع به‌‌دلیل نداشتن ویژگی‌‌های مورد انتظار، از نمونۀ آماری حذف شده‌‌اند؛ از این رو در تعمیم نتایج به کل صنایع باید احتیاط شود.

 

[1]. Homo Economicus

[2]. Neuroscience

[3]. Sharot, korn and dolan

[4]. Ang, Chen and Xing

[5]. Harvey,Liu and Zhu

[6]. Bali, Cakici and Whitelaw

[7]. Kelly and Jiang

[8] .Lu and Murray

[9]. Atilgan, Bali, Demirtas and Gunaydin

[10]. Atilgan, Demirtas and Gunaydin

[11]. آتیلگان و همکاران (2019) و شهرزادی و همکاران (1398) استمرار ریسک نامطلوب ناشی از رویدادهای غیر معمول (با نام ریسک دنبالۀ چپ) را اثبات کردند؛ با وجود این بررسی استمرار ریسک نامطلوب به تفکیک ریسک نامطلوب معمول و ریسک نامطلوب غیر معمول به‌‌طور همزمان در یک دورۀ زمانی و با استفاده از نمونۀ مشابه تاکنون انجام نشده است.

[12]. Izuma and Adolphs

[13]. Left Inferior Frontal Gyrus

[14]. Medial Frontal Cortex

[15]. Cerebellum

[16]. Right Inferior Frontal Gyrus

[17]. Anterior Cingulated Cortex

[18]. Nguyen

[19]. Bawa and Lindenberg

[20]. Atilgan, Demirtas and Gunaydin

[21]. Ang., Hodrick, Xing and Zhang

[22]. Campbell

[23]. Chen

[24]. Ang, Chen and Xing

[25]. به‌‌منظور اندازه‌‌گیری معیار ریزش مورد انتظار، سه رویکرد معرفی شده است: رویکردهای ناپارامتریک، پارامتریک و شبه پارامتریک. از بین رویکردهای یادشده، رویکرد ناپارامتریک فرضیه‌‌های قوی دربارۀ توزیع بازده مشخص نمی‌‌کند و دنباله‌‌های وسیع، چولگی و دیگر ویژگی‌‌های غیر نرمال را در بر می‌‌گیرد. اساس این رویکرد این است که داده‌‌ها تا حد امکان از خود صحبت و از توزیع تجربی بازده اخیر استفاده کنند. رویکرد ناپارامتریک براساس این فرضیه است که آیندۀ نزدیک به اندازۀ کافی مشابه گذشتۀ اخیر خواهد بود؛ بنابراین با استفاده از داده‌‌های گذشته، ریسک در آیندۀ نزدیک پیش‌‌بینی می‌‌شود (Abad, Benito & López, 2014). در برخی پژوهش‌‌ها (Botshekan, Peymani & Karami, 2018) ریزش مورد انتظار را همان ارزش در معرض ریسک شرطی معرفی می‌‌کنند و به جای یکدیگر به کار می‌‌برند؛ اما فقط زمانی که توزیع بازده دنباله‌‌دار است، این دو معیار بدون تفاوت و هر دو، معیار اندازه‌‌گیری منسجم ریسک است؛ ولی در زمانی که توزیع بازده بدون دنباله باشد، ارزش در معرض ریسک شرطی، اصل زیرجمعی را نقض می‌‌کند (Artzner, Delbaen, Eber & Heath, 1999) و تنها ریزش مورد انتظار، معیار اندازه‌‌گیری منسجم ریسک به حساب می‌‌آید (Acerbi & Tasche, 2002).

[26]. Fama and French

[27]. Schulmerich, Leporcher and Eu

[28]. Amihud

[29] . Bali, Broen, Murray and Tang

[30]. Fama and French

[31]. Ang and Chen

[32]. Lewellen and Nagel

Abad, P., Benito, S., & López, C. (2014). A comprehensive review of value at risk methodologies. The Spanish Review of Financial Economics, 12(1), 15-32. https://doi.org/10.1016/j.srfe.2013.06.001
Acerbi, C., & Tasche, D. (2002). On the coherence of expected shortfall. Journal of Banking and Finance, 26(1), 1487–1503. https://doi.org/10.1016/S0378-4266(02)00283-2.
Amihud, Y. (2002). Illiquidity and stock returns: Cross-section and time series effects. Journal of Financial Markets, 5(1), 31–56. https://doi.org/10.1016/S1386-4181(01)00024-6.
Ang, A., Chen, J., & Xing, Y. (2006). Downside risk. The review of financial studies, 19(4), 1191-1239. https://doi.org/10.1093/rfs/hhj035.
Ang, A., Chen, J., & Xing, Y. (2001). Downside risk and the momentum effect (No. w8643). National Bureau of Economic Research. http://www.nber.org/papers/w8643.pdf.
Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2006). The cross‐section of volatility and expected returns. The Journal of Finance, 61(1), 259-299. https://doi.org/10.1111/j.1540-6261.2006.00836.x
Ang, A., Hodrick, R. J., Xing, Y., & Zhang, X. (2009). High idiosyncratic volatility and low returns: International and further U.S. evidence. Journal of Financial Economics, 91(1), 1-23. https://doi.org/10.1016/j.jfineco.2007.12.005.
Artzner, P., Delbaen, F., Eber, J. M., & Heath, D. (1999). Coherent measures of risk. Mathematical Finance, 9(3), 203-228. https://doi.org/10.1111/1467-9965.00068.
Atilgan, Y., Bali, T. G., K., Demirtas, O., & Gunaydin, A. D. (2019). Left-tail momentum: Underreaction to bad news, costly arbitrage and equity returns. Journal of Financial Economics, 135(3), 725-753. https://doi.org/10.1016/j.jfineco.2019.07.006.
Atilgan, Y., Demirtas, K. O., & Gunaydin, A. D. (2020). Predicting equity returns in emerging markets. Emerging Markets Finance and Trade, Published online. https://doi.org/10.1080/1540496X.2020.1822808.
Bali, T. G., Brown, S. J., Murray, S., & Tang, Y. (2017). A lottery demand-based explanation of the beta anomaly. Journal of Financial and Quantitative Analysis, 52(1), 2369-2397. https://doi.org/10.1017/S0022109017000928.
Bali, T. G., Cakici, N., & Whitelaw, R. F. (2011). Maxing out: stocks as lotteries and the cross-section of expected returns. Journal of Financial Economics, 99(1), 427–446. https://doi.org/10.1016/j.jfineco.2010.08.014.
Bali, T. G., Demirtas, K. O., & Levy, H. (2009). Is there an intertemporal relation between downside risk and expected returns? Journal of Financial and Quantitative Analysis, 44(4), 883-909. https://doi.org/10.1017/S0022109009990159.
Bawa, V. S., & Lindenberg, E. B. (1977). Capital market equilibrium in a mean-lower partial moment framework. Journal of Financial Economics, 5(2), 189–200. https://doi.org/10.1016/0304-405X(77)90017-4.
Botshekan, M. H., Peymani, M., & Sadredin Karami, M. M. (2019). Estimate and evaluate non-parametric value at risk and expected shortfall based on principal component analysis in Tehran Stock Exchange. Financial Management Perspective, 8(24), 79-102. (In Persian)
Campbell, J. Y. (1996). Understanding risk and return. Journal of Political Economy, 104(2), 298-345. http://dx.doi.org/10.1086/262026.
Chan, W. S. (2003). Stock price reaction to news and no-news: Drift and reversal after headlines. Journal of Financial Economics, 70(1), 223-260. https://doi.org/10.1016/S0304-405X(03)00146-6.
Davallou, M., & Fartookzadeh, H. (2016). Cross-section return changes: Liquidity and unsystematic risk effects. Journal of Accounting Knowledge, 7(26), 85-106. https://doi.org/10.22103/jak.2016.1533. (In Persian)
Fama, E. F., & French, K. R. (1992). The cross‐section of expected stock returns. The Journal of Finance, 47(2), 427-465. https://doi.org/10.1111/j.1540-6261.1992.tb04398.x.
Fama, E. F., & Macbeth, J. D. (1973). Risk, return and equilibrium: Empirical tests. Journal of Political Economy, 81(3), 607–636. https://doi.org/10.1086/260061.
Harvey, C. R., Liu, Y., & Zhu, H. (2016). and the cross-section of expected returns. Review of Financial Studies, 29(1), 5–68. https://doi.org/10.1093/rfs/hhv059.
Hong, H., Lim, T., & Stein, J. (2000). Bad news travels slowly: size, analyst coverage, and the profitability of momentum strategies. Journal of Finance, 55(1), 265-295. https://doi.org/10.1111/0022-1082.00206.
Izuma, K, & Adolphs, R. (2011). The brain’s rose-colored glasses. Nature Neuroscience, https://www.nature.com/articles/nn.2960.
Kelly, B., & Jiang, H. (2014). Tail risk and asset prices. Review of Financial Studies, 27(1), 2841–2871. https://doi.org/10.1093/rfs/hhu039.
Kothari, S. P., Shanken, J., & Sloan, R. G. (1995). Another look at the cross section of expected stock returns. Journal of Finance, 50(1), 185-224.https://doi.org/10.1111/j.1540-6261.1995.tb05171.x.
Lewellen, J., & Nagel, S. (2004). The conditional CAPM does not explain asset pricing anomalies. Journal of Financial Economics, 82(2), 289-314. https://doi.org/10.1016/j.jfineco.2005.05.012.
Long, H., Jiang, Y., & Zhu, Y. (2018). Idiosyncratic tail risk and expected stock returns: evidence from the Chinese stock markets. Finance Research Letters, 24(1), 129-136. https://doi.org/10.1016/j.frl.2017.07.009.
Lu, Z., & Murray, S. (2019). Bear beta. Journal of Financial Economics, 131(1), 736–760. http://dx.doi.org/10.2139/ssrn.2871737.
Markowitz, H. (1959). Portfolio Selection. New Haven: Yale University Press.
Mentel, G. (2011). Value at Risk W Warunkach Polskiego Rynku Kapitałowego. Cedewu: PlWydawnictwa Fachowe.
Nguyen, D. B. B. (2018). Tail risk and long memory in financial markets. Doctoral dissertation, Hannover: Institutionelles Repositorium der Leibniz Universität Hannover Hannover: Gottfried Wilhelm Leibniz Universität, Diss., 2018, xix, 254 S.  https://doi.org/10.15488/3302.
Nikoo, H., Ebrahimi, K., & Jalali, F. (2020). The relationship between investor sentiment and idiosyncratic risk with stock mispricing: Evidence from Tehran Stock Exchange. Journal of Financial Management Strategy, 28(1), 65-85. https://doi.org/10.22051/jfm.2019.24325.1952. (In Persian)
Schulmerich, M., Leporcher, Y. M., & Eu, C. H. (2015). Management for Professionals. Berlin, Heidelberg: Springer Berlin Heidelberg.
Shahrzadi, M., & Foroghi, D. (2020). Individual investors’ attention to left tail risk. Journal of Asset Management and Financing, 29(2), 69-88.  https://doi.org/10.22108/amf.2020.118954.1460. (In Persian)
Shahrzadi, M., Foroghi, D., & Amiri, H. (2020). The effect of left tail risk on expected excess   returns and its consequences on the persistence of left tail returns. Financial Research Journal, 21(4), 593-611. https://doi.org/10.22059/frj.2019.282102.1006873. (In Persian)
Sharot, T., Korn, C. W., & Dolan, R. J. (2011). How unrealistic optimism is maintained in the face of reality. Nature Neuroscience, 14(11), 1475-1479.
Soleyman, I., & Arabsalehi, M. (2019). Determinants of idiosyncratic volatility of stock returns listed firms in Tehran Stock Exchange. Financial Management Perspective, 9(26), 97-119. (In Persian)
Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. New York: Random House. 
Xu, Z. (2017). Cross-sectional return predictability: The predictive power of return asymmetry, skewness and tail risk. Doctoral dissertation, University of Nottingham. Retrieved from https://ethos.bl.uk/OrderDetails.do;jsessionid=1a80f128da7 b162 bce846c99 65eddee0?uin=uk.bl.ethos.722471