Investor Sentiment and the Momentum of Excess Stock Returns

Articles in Press

Document Type : Research Paper

Authors

1 Assistant Professor, Department of Accounting, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran

2 Ph.D. Candidate, Department of Accounting, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran

Abstract

The behavioral finance perspective challenges the Efficient Market Hypothesis by asserting that investor decision-making is not driven solely by rationality and profit maximization. Instead, behavioral biases, such as investor sentiment, significantly influence investment decisions and, consequently, stock prices and returns. Accordingly, this study investigates the impact of investor sentiment on the momentum of excess stock returns in both the short and long term within the Tehran Stock Exchange. A screening method was employed to select a sample of 169 listed firms. These firms were analyzed using multivariate regression models with panel data from 2011 to 2022 for the first hypothesis and from 2011 to 2020 for the second and third hypotheses, controlling for year and industry effects. The findings indicate that investor sentiment positively affects the momentum of excess returns in the short term but exerts a negative impact in the long term. Furthermore, the results suggest that investor sentiment has a stronger influence on the momentum of excess returns for smaller firms than for larger firms over the long term.
Keywords: Investor Sentiment, Momentum, Behavioral Finance Approach, Excess Stock Returns
JEL classification: G41, G12, C23, E44
 
Introduction
Behavioral finance challenges the Efficient Market Hypothesis by arguing that investors’ decisions are not driven solely by rational analysis (Mehrani et al., 2023) but are also influenced by psychological factors—most notably investor sentiment—that can distort stock prices and returns (De Long et al., 1990). Accordingly, this study investigates the impact of investor sentiment on the momentum of excess stock returns in both the short and long term, and explores how this effect varies with firm size in the Tehran Stock Exchange, a developing market (Romoozi et al., 2024; Talebzadeh & Sadeghi, 2020) characterized by limited arbitrage opportunities, restrictions on foreign investment, and short-selling constraints (Han & Li, 2017). These market frictions limit rational traders’ ability to quickly correct sentiment-driven mispricing, suggesting that investor sentiment positively affects short-term excess return momentum (H1). Over longer horizons, accumulated deviations from fundamental values trigger arbitrage activity, gradually correcting prices, so investor sentiment is expected to negatively affect long-term excess return momentum (H2). Additionally, smaller firms are harder to value and more prone to speculative trading, making them more sensitive to sentiment. Thus, investor sentiment’s effect on long-term excess return momentum is stronger for small firms than for large firms (H3). By testing these hypotheses, the study contributes to behavioral finance literature and provides insights for investors seeking to identify sentiment-driven return patterns in emerging markets.
 
 
 
Materials & Methods
Using a systematic screening procedure, a final sample of 169 non-financial firms listed on the Tehran Stock Exchange (TSE) was selected. The hypotheses were tested through multivariate panel-data regressions, controlling for year and industry effects. The analysis period spans 2011–2022 for the first hypothesis and 2011–2020 for the second and third hypotheses. The extended period for the first hypothesis reflects the requirements of the long-term excess-return momentum measure, which is based on 36-month forward returns, whereas short-term momentum relies on 12-month forward returns. Accordingly, forward returns from 2021–2023 were incorporated as appropriate. The final dataset includes 24,336 firm-month observations for short-term tests and 20,280 firm-month observations for long-term tests. The empirical model employed in this study is adapted from Han & Li (2017). Excess-return momentum was calculated using cumulative excess returns, defined as realized returns minus the risk-free rate. Investor sentiment (S) was measured using a composite index constructed through principal component analysis (PCA), following Hajiannejad (2023), Tohidi (2020), Ferreira et al., (2021), Khan & Ahmad (2019), Ling et al., (2010), and Baker & Wurgler (2006, 2007), while macroeconomic variables (Z) were included as control variables.
 
Findings
The results show that investor sentiment significantly influences excess return momentum across different time horizons and firm sizes. Descriptive statistics indicate that average investor sentiment was slightly positive over the study period, while cumulative excess returns exhibited variation across both short- and long-term horizons. Panel regressions—estimated using GLS with cross-sectional weights and White period–clustered covariance to address heteroskedasticity and serial correlation—reveal systematic patterns. In the short term, investor sentiment has a positive and statistically significant effect on excess return momentum, confirming Hypothesis 1 at the 1% level. In the long term, however, the effect becomes negative and significant, supporting Hypothesis 2. This shift in sign reflects a clear mean-reversion pattern, whereby return gradually reverse toward their fundamental value as the investment horizon lengthens. Separate estimations for large and small firms show that the long-term coefficient of investor sentiment is negative for both groups, but considerably larger in absolute value for small firms. A Z-test confirms that the long-term influence of sentiment on excess return momentum is significantly stronger for small firms than for large firms at the 1% level, thereby supporting Hypothesis 3. Overall, all three hypotheses are validated at the 99% confidence level.
 
Discussion & Conclusion
Short-term expectations of significant gains or losses drive retail and sentiment-driven investors toward aggressive buying or selling. Information asymmetry and structural market frictions amplify these fluctuations and slow price correction, generating momentum that causes stocks to continue upward or downward trends. Consequently, investor sentiment exerts a positive effect on short-term excess return momentum, consistent with Han & Li (2017) and Seok et al., (2019). Over the long run, as prices deviate from intrinsic values, rational and analysis-driven investors are better positioned and increasingly inclined to engage in corrective trading. These actions reduce sentiment pressures and allow the market to gradually revert toward fundamental equilibrium. The effect is particularly pronounced for smaller firms with limited analyst coverage, lower liquidity, and subjective valuation. These results are consistent with Baker et al., (2012) and Baker & Wurgler (2006, 2007). These findings suggest that short-term traders may benefit from periods of elevated positive sentiment, whereas long-term investors should prioritize fundamental analysis and avoid decisions driven solely by sentiment. For smaller firms, prudent decision-making and enhanced disclosure are essential. Regulators and asset managers can mitigate sentiment-induced volatility by improving transparency, expanding analytical coverage, and integrating sentiment indicators into risk management. The study’s main limitations include reliance on a single sentiment index, potential influence of uncontrolled external factors, and constraints from sample screening. Future research could employ alternative sentiment measures, include additional macro-level controls, and examine whether effects vary across industries or market cycles to better understand patterns of returns influenced by sentiment in emerging markets.

Keywords

Main Subjects

Full Text

مقدمه

در رویکرد مالی‌ سنتی و رویکرد مالی رفتاری بحث گسترده‌ای دربارۀ قیمت‌گذاری دارایی‌ها میان پژوهشگران وجود دارد (Han & Li, 2017). رویکرد مالی سنتی و فرضیۀ بازار کارا بر پایۀ نظریۀ انتخاب عقلایی شکل‌ گرفته‌‌ است و بیان می‌کند که قیمت دارایی‌ها بازتابی از تمامی اطلاعات در دسترس بازار است؛ بر این اساس، سرمایه‌گذاران منطقی با بهره‌گیری از فرصت‌های آربیتراژی، هرگونه قیمت‌گذاری نادرست ناشی از عوامل احساسی را حذف می‌کنند و درنتیجه، قیمت‌ها در سطح ارزش‌های بنیادی خود حفظ می‌شود (Kim & Ha, 2010; Han & Li, 2017; Mehrani et al., 2023)؛ اما براساس رویکرد مالی رفتاری، تصمیم‌گیری سرمایه‌گذاران صرفاً عقلایی نیست، بلکه مقوله‌های دیگری همچون سویه‌های رفتاری سرمایه‌گذاران نیز در این زمینه دخیل است (Mehrani et al., 2023). درواقع، در این رویکرد به نابسامانی‌های موجود در بازارهای مالی پرداخته می‌شود که با استفاده از نظریه‌های مالی سنتی توجیه‌پذیر نیست (Borjidolatabadi, 2008). نظریه‌پردازان مالی رفتاری معتقدند که احساسات به دلیل وجود محدودیت آربیتراژ، موجب انحراف سیستماتیک قیمت سهام از ارزش‌ بنیادی آن می‌شود (De Long et al., 1990).

احساسات سرمایه‌گذاران به باورها و انتظاراتی اشاره دارد که لزوماً بر پایۀ منطق و تحلیل عقلایی استوار نیست و از خلق‌وخو، نگرش و برداشت ذهنی برخی از سرمایه‌گذاران سرچشمه می‌گیرد. این احساسات با مخدوش‌کردن رابطۀ میان ریسک سیستماتیک و بازدۀ موردانتظار در مدل قیمت‌گذاری دارایی‌های سرمایه‌ای، می‌تواند به قیمت‌گذاری نادرست سهام منجر شود (Morck et al., 1990; Kaplanski & Levy, 2010; Yu & Yuan, 2011; Antoniou et al., 2016; Rajabi et al., 2024).

بررسی مطالعات حوزۀ مالی رفتاری نشان می‌دهد که احساسات سرمایه‌گذاران، متناسب با میزان کارایی بازار می‌تواند عاملی تأثیرگذار بر روند حرکت بازدۀ سهام باشد (Hosseini & Morshedi, 2020; Han & Li, 2017; Baker & Wurgler, 2007). روند حرکت بازده به تداوم بازدهی مثبت یا منفی گذشته تا دورۀ مشخصی در آینده اشاره دارد و نشان‌دهندۀ پایداری عملکرد گذشتۀ سهام است؛ بنابراین، سهامی که در دوره‌های گذشته بازدهی بیشتری داشته، خریداری می‌شود و سهامی که بازدهی کمتری داشته است، در معرض فروش قرار می‌گیرد (Fadaeinejad & Sadeghi, 2006; Mousavishiri et al., 2016; Sarraf et al., 2021).

بورس اوراق بهادار تهران، بازاری درحال‌توسعه تلقی می‌شود (Romoozi et al., 2024; Talebzadeh & Sadeghi, 2020). بازارهای درحال‌توسعه در مقایسه با بازارهای توسعه‌یافته با محدودیتهایی اعم از محدودیت آربیتراژ، محدودیت‌ سرمایه‌گذاری خارجی و محدودیت فروش استقراضی روبه‌رو است. در این‌گونه از بازارها، سرمایه‌گذاران حقیقی از قدرت معاملاتی به نسبت بیشتری برخوردارند. این عوامل همراه با هزینه‌های بالای معاملات، مانع از شرکت‌کردن سرمایه‌گذاران منطقی در همسان‌سازی قیمت سهام با ارزش ذاتی آن می‌شود؛ بنابراین، این انتظار می‌رود که احساسات غیرمنطقی تأثیر مثبتی بر روند حرکت بازدۀ مازاد سهام در کوتاه‌مدت داشته باشد (Han & Li, 2017).

با افزایش فاصلۀ قیمت‌ها از ارزش‌های بنیادی و در غیاب آربیتراژ فوری، آربیتراژگران انگیزۀ بیشتری برای ورود به بازار و اصلاح این انحرافات پیدا می‌کنند و درنتیجه آربیتراژ اثربخش‌تر می‌شود (Shleifer & Vishny, 1997). به‌دنبال آن، قیمت‌گذاری نادرست ناشی از احساسات سرمایه‌گذاران فرصت‌هایی برای کسب سود ایجاد می‌کند و به‌تدریج به اصلاح روند قیمتی منجر می‌شود (De Long et al., 1990)؛ بنابراین، در بلندمدت احساسات سرمایه‌گذاران تأثیر منفی بر روند حرکت بازدۀ مازاد سهام دارد (Han & Li, 2017). بیکر و ورگلر (Baker & Wurgler, 2007) این تأثیر را به الگوی بازگشت میانگین در احساسات نسبت می‌دهند؛ یعنی، احساسات در درازمدت کاهش می‌یابد و بازار قیمت‌گذاری نادرست ناشی از احساسات را اصلاح می‌کند. همچنین، شرکت‌های کوچک‌تر بیشتر در معرض احساسات غیرمنطقی هستند و ارزش‌گذاری آن‌ها بیشتر به‌صورت ذهنی انجام می‌شود؛ بنابراین، سهام شرکت‌های کوچک‌تر بیشتر موردتمایل نوسان‌گیران قرار می‌گیرد؛ پس، انتظار می‌رود شرکت‌های کوچک‌تر بیشتر از شرکت‌های بزرگ‌تر تحت‌تأثیر احساسات قرار گیرند (Stambaugh et al., 2012; Baker et al., 2012; Baker & Wurgler, 2006, 2007; Han & Li, 2017; Lee et al., 1991).

اهمیت پژوهش حاضر در آن است که با بررسی تأثیر سوگیری‌های ناشی از احساسات سرمایه‌گذاران بر پیش‌بینی بازار، به غنای ادبیات مالی رفتاری می‌افزاید و به سرمایه‌گذاران در شناسایی فرصت‌های سودآوری بیشتر ازطریق بهره‌گیری آگاهانه از این سوگیری‌ها کمک می‌کند (Fisher & Statman, 2000). این پژوهش با به چالش‌کشیدن دیدگاه پژوهشگرانی چون بیکر و ورگلر (Baker & Wurgler, 2007) مبنی بر تأثیر منفی احساسات سرمایه‌گذاران بر بازدۀ سهام در بیشتر دوره‌های زمانی، ازطریق استخراج شاخص احساسات با بهره‌گیری از متغیرهای نماینده و سنجش تأثیر آن بر روند حرکت بازدۀ مازاد سهام، به گسترش ادبیات در حال تکامل مالی رفتاری کمک می‌کند. براساس مطالبی که شرح داده شد، مسئلۀ اصلی پژوهش حاضر این است که آیا احساسات سرمایه‌گذاران در بازه‌های زمانی کوتاه‌مدت و بلند‌مدت بر روند حرکت بازدۀ مازاد سهام تأثیر گذاشته است و ‌اندازۀ شرکت چگونه ‌این اثر را تحت‌تأثیر قرار می‌دهد؟

 

مبانی نظری

فاما (1970) با طرح فرضیۀ بازار کارا استدلال کرد که سرمایه‌گذاران در بازار سرمایه امکان کسب بازده‌های غیرعادی ازطریق معاملات را ندارند و درنتیجه، «شکست‌دادن بازار» عملاً ممکن نیست (Mehrani et al., 2023; Titan, 2015). به اعتقاد استاتمن (Statman, 1999)، این فرضیه را می‌توان مهم‌ترین دستاورد در چارچوب رویکرد مالی سنتی دانست. براساس این دیدگاه، حتی اگر گروهی از سرمایه‌گذاران رفتارهای غیرعقلایی از خود بروز دهند، این رفتارها به دلیل عدم‌همبستگی کافی، قادر نخواهد بود تا قیمت سهام را از حرکت در مسیر رسیدن به قیمت کارا منحرف سازد (Mehrani et al., 2023). این فرضیه جایی برای نقش احساسات در تصمیم‌گیری‌های مالی باقی نمی‌گذارد (Eslamibidgoli & Kordloie, 2010)؛ بااین‌حال، در دهۀ‌ 1970 میلادی، شواهد تجربی از بروز بی‌قاعدگی‌هایی در بازارهای مالی جهان پرده برداشت. پدیده‌هایی نظیر شکل‌گیری حباب‌های قیمتی در بازار سهام، نوسانات بیش‌از‌حد قیمت‌ها، واکنش‌های افراطی یا تفریطی سرمایه‌گذاران به اطلاعات جدید و اثر روند حرکت، همگی با پیش‌بینی‌های نظریۀ مالی سنتی و فرضیۀ کارایی بازار (به‌عنوان پارادایم غالب آن دوران) سازگار نبودند (Hooshmand & Nezampour, 2023; Hassanpour et al., 2020)؛ در این راستا، کانمن و تورسکی (Kahneman & Tversky, 1979) با معرفی سوگیری‌های شناختی تلاش کردند تا رفتارهای غیرعقلایی و انحرافی سرمایه‌گذاران را تبیین کنند. دره‌من و بری (Dreman & Berry, 1995) نیز فرضیۀ بازار کارا را با اشاره به رفتارهای غیرعقلایی سرمایه‌گذاران به چالش کشیدند. شواهد مؤید وجود بی‌قاعدگی‌ها در بازار چنان گسترده بود که اعتبار نظریه‌های مالی سنتی را با تردیدهای جدی مواجه ساخت؛ تاآنجاکه فاما، بنیان‌گذار فرضیۀ بازار کارا، به وجود این ناهنجاری‌ها اذعان کرد (Hilsenrath, 2004). تداوم این مطالعات زمینه‌ساز شکل‌گیری پارادایم جدیدی در حوزۀ مالی با عنوان «مالی رفتاری» شد (et al., 2020 Hassanpour). مالی رفتاری، پدیده‌‌های غیرعادی (بی‌قاعدگی‌ها) را در حوزۀ مالی تشریح کرده (Fuller, 2000) و بررسی می‌کند که چگونه ویژگی‌های روان‌شناختی و عاطفی افراد بر تصمیم‌گیری‌ها، رفتارها و عملکرد مالی آنان تأثیر می‌گذارد (Fooladi et al., 2022; Kengatharan, 2014). به عبارت دیگر، این رویکرد توضیح می‌دهد که چرا سرمایه‌گذاران ممکن است تصمیمات مالی غیرمنطقی اتخاذ کنند (Sabet et al., 2025).

یکی از فروض بنیادی در مالی رفتاری آن است که تصمیم‌گیری سرمایه‌گذاران تحت‌تأثیر احساسات آنان قرار دارد (Heidarpour et al., 2013). احساسات به خوش‌بینی یا بدبینی بیش از ‌اندازۀ یک فرد اشاره دارد. در روا‌ن‌شناسی، احساسات فعلی افراد بر قضاوتشان دربارۀ رویدادهای آینده تأثیر می‌گذارد (Antoniou et al., 2013). روان‌شناسان و اقتصاددانان در مطالعات خود، به تأثیر احساسات بر تصمیم‌گیری اذعان کرده‌اند (Loewenstein et al., 2001; Finucane et al., 2000). این اهمیت از آنجا ناشی می‌شود که سرمایه‌گذاران هنگام تصمیم‌گیری با فشار زمانی و دشواری در برآورد دقیق ریسک واقعی و بازدۀ موردانتظار دارایی‌های مالی مواجه‌اند (Ganji et al., 2024). در چنین شرایطی، احساسات با تأثیر مستقیم بر رفتارهای معاملاتی می‌تواند به قیمت‌گذاری نادرست سهام بینجامد (Zhang et al., 2023)؛ بنابراین، احساسات سرمایه‌گذاران به‌عنوان یکی از عوامل مؤثر بر بازدۀ سهام شناخته می‌شود (Hosseini & Morshedi, 2020). با این تفاوت که میزان این تأثیر در دوره‌های زمانی مختلف، متفاوت است (Han et al., 2022)؛ در همین راستا، حبیبی و حبیبی سوادکوهی (Habibi & Habibisavadkohi, 2023) نشان دادند که میان احساسات سرمایه‌گذاران و بازدۀ مازاد، رابطه‌ای معنادار وجود دارد. در ادبیات مالی، احساسات سرمایه‌گذاران ازطریق شاخص‌های مختلفی اندازه‌گیری می‌شود که هریک، تنها بخشی از جنبه‌های احساسی را توضیح می‌دهد (Baker & Wurgler, 2006). براساس لیو و همکاران (Liu et al., 2023) و بیکر و ورگلر (Baker & Wurgler, 2006)، روش‌های اندازه‌گیری احساسات را می‌توان در چهار گروه اصلی طبقه‌بندی کرد: 1) شاخص‌های مبتنی بر بازار، 2) شاخص‌های مبتنی بر نظرسنجی، 3) شاخص‌های مبتنی بر رویدادهای خاص و 4) شاخص‌های ترکیبی.

 ازآنجاکه احساسات سرمایه‌گذاران گاه می‌تواند از تغییرات عوامل بنیادی نیز تأثیر پذیرد، برخی از پژوهشگران همچون بیکر و ورگلر (Baker & Wurgler, 2007) و چن و همکاران (Chen et al., 2014) در تلاش بوده‌اند تا با خالص‌سازی احساسات و حذف اثر متغیرهای بنیادی، مؤلفۀ‌ غیر‌بنیادی احساسات را استخراج کنند (Tohidi, 2020).

در ادامۀ مطالعات دربارۀ پدیده‌های غیرعادی در بازارهای مالی، جگادش و تیتمن (Jagadeesh & Titman, 1993) دریافتند سهامی که بهترین (بدترین) عملکرد در دوره‌ای 3 تا 12 ماهه دارد، در طی 3 تا 12 ماه بعدی به عملکرد خوب (ضعیف) ادامه می‌دهد. تنها یک سال بعد، گرینبلات و تیتمن (Grinblatt & Titman, 1994) مشاهدهکردند که صندوق‌های سرمایه‌گذاری مشترک، غالباً تمایل دارند تا سهام با بازدۀ مثبت گذشته را خریداری و سهام با بازدۀ منفی گذشته را به فروش برسانند. در ادامۀ این مطالعات، پژوهشگران مالی رفتاری این الگو را پدیدۀ‌ «روند حرکت سهام» نامیدند که طی آن می‌توان با خرید سهام دارای عملکرد ‌مطلوب در گذشته و فروش سهام با عملکرد ضعیف درگذشته بازدهی غیرعادی به ‌دست آورد (Li et al., 2009). در علم فیزیک به تمایل یک شیء متحرک برای تداوم حرکت، «روند حرکت» یا «تکانه» گفته می‌شود. به عبارتی دیگر، یک جسم در حال حرکت تمایل دارد که همچنان در حرکت باقی بماند، مگر اینکه نیرویی از خارج بر آن وارد شود. همین تشابه میان رفتار قیمت‌ها و پدیدۀ فیزیکی تکانه، دلیل نام‌گذاری این پدیده در بازارهای مالی به‌عنوان «روند حرکت» است (Novy-Marx, 2012; Fadaeinejad & Sadeghi, 2006).

در رویکرد مالی رفتاری، فرض بر آن است که تصمیم‌گیری سرمایه‌گذاران متأثر از احساسات انجام می‌شود. همچنین، اجرای آربیتراژ برای سرمایه‌گذاران منطقی با ریسک زیادی همراه است؛ ازاین‌رو، سرمایه‌گذاران منطقی معمولاً تمایل چندانی به اصلاح انحراف قیمت‌ها از ارزش‌های بنیادی نشان نمی‌دهند؛ درنتیجه، ترکیب احساسات سرمایه‌گذاران و محدودیت‌های آربیتراژ موجب می‌شود تا قیمت دارایی‌ها از ارزش ذاتی خود فاصله بگیرد (Baker & Wurgler, 2007)؛ در این راستا، دی‌لانگ و همکاران (De Long et al., 1990) نشان‌ دادند که احساسات سرمایه‌گذاران غیرمنطقی، بر قیمت و بازدۀ سهام تاثیرگذار است. وارتر (Warther, 1995) معتقد بود که برای آزمون تأثیرگذاری احساسات بر بازدۀ سهام، هیج چارچوب زمانی مناسب وجود ندارد. برای مثال، براون و کلیف (Brown & Cliff, 2004) اثر احساسات بر بازدۀ سهام را در بازۀ زمانی کوتاه‌مدت (کمتر از یک سال) بررسی کردند؛ درحالی‌که اشملینگ (Schmeling, 2009) این رابطه را در بازۀ زمانی بلندمدت (یک تا پنج سال) مطالعه کرد. ازنظر هان و لی (Han & Li, 2017) عدم‌اطمینان در چارچوب زمانی تأثیر احساسات بر بازده، مؤید این موضوع است که تأثیر احساسات بر بازده می‌تواند در بازه‌های زمانی کوتاه‌مدت و بلندمدت متفاوت باشد.

در عمل، سرمایه‌گذاران منطقی معمولاً دارای بازۀ زمانی سرمایه‌گذاری کوتاه‌تری در مقایسه با سرمایه‌گذاران خرد و احساساتی هستند. همچنین، وجود عدم‌قطعیت در رفتار معاملاتی سرمایه‌گذاران احساسی سبب می‌شود که سرمایه‌گذاران منطقی (آربیتراژگران) از متحمل‌شدن زیان‌های مالی سنگین در کوتاه‌مدت نگران باشند؛ زیرا، در شرایط عدم‌قطعیت، ممکن است احساسات سرمایه‌گذاران شدیدتر شود و قیمت‌ها به‌جای برگشت، از سطوح بنیادی فاصله بیشتری بگیرد. این نگرانی، انجام آربیتراژ را با محدودیت مواجه می‌سازد؛ علاوه‌براین، سرمایه‌گذاران احساسی گرایش دارند تا یکدیگر را تقویت کنند. سرمایه‌گذاران جدید به اطلاعات خود وزن کمی‌ داده و به اطلاعات سرمایه‌گذاران قدیمی‌ وزن بیشتری اختصاص می‌دهند که همین امر درنهایت موجب رفتار گله‌ای (گروهی) می‌شود. این رفتار موجب تشکیل موج گسترده‌ای از فعالیت‌های تعقیب روند می‌شود که درنهایت قیمت‌گذاری نادرست ناشی از احساسات را در دوره‌های آتی افزایش می‌دهد. سرمایه‌گذاران منطقی نیز برای اینکه در فروش‌های آتی درمقابل معامله‌گران با بازخورد مثبت سود کسب کنند، با کمک‌گرفتن از پیش‌بینی روندها در آینده، پیش از دیگران اقدام به خرید می‌کنند و به این رفتار گروهی ملحق می‌شوند؛ بدین ترتیب، وجود محدودیت‌ در آربیتراژ و فروش استقراضی همراه با وجود رفتار گروهی سهام‌داران، سبب می‌شود تا رابطه‌ای مثبت بین احساسات سرمایه‌گذار و بازدۀ آتی در کوتاه‌مدت تصور شود. بااین‌حال، شواهد تجربی درخصوص تأثیر احساسات در کوتاه‌مدت در مقایسه با بلندمدت ناچیز است (Han & Li, 2017). براون و کلیف (Brown & Cliff, 2004) با بهره‌گیری از مجموعه‌ای از شاخص‌های احساسات (شامل شاخص‌های فنی و نظرسنجی)، به شواهد ‌اندکی درخصوص تأثیر احساسات بر بازدۀ سهام در بازه‎‌های کوتاه‌مدت (هفتگی و ماهانه) در بازار ایالات متحده دست یافتند. هان و لی (Han & Li, 2017) نیز با بررسی تأثیر احساسات سرمایه‌گذاران بر روند حرکت بازدۀ مازاد سهام در بورس شانگهای و شنزن به این نتیجه رسیدند که این اثر در کوتاه‌مدت مثبت است؛ بر همین اساس، فرضیۀ اول پژوهش به‌صورت زیر تدوین می‌شود:

فرضیۀ اول: احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در کوتاه‌مدت تأثیر مثبت دارد.

 با افزایش انحراف قیمت‌ها از ارزش‌ بنیادی، آربیتراژگران با قدرت بیشتری برای اصلاح این انحراف‌ها وارد عمل می‌شوند (Shleifer & Vishny, 1997)؛ درنتیجه، با کاهش احساسات در بلندمدت و باتوجه‌به الگوی بازگشت به میانگین، بازار به‌تدریج قیمت‌گذاری نادرست ناشی از احساسات را تعدیل می‌کند. امری که درنهایت به تأثیر منفی احساسات سرمایه‌گذار بر بازدۀ‌ آتی منجر می‌شود (Han & Li, 2017)؛ دراین‌خصوص، باربریس و همکاران (Barberis et al., 1998) دریافتند که سطوح بالای احساسات موجب بازدهی کم سهام در دوره‌های بلندمدت می‌شود. براون و کلیف (Brown & Cliff, 2005) نیز به این نتیجه دست یافتند که احساسات در بازۀ زمانی چندساله (بلندمدت) تأثیر منفی بر بازدۀ سهام دارد. بیکر و همکاران (Baker et al., 2012) با ایجاد یک شاخص جهانی و شش شاخص محلی کشورهای آلمان، آمریکا، بریتانیا، ژاپن، فرانسه و کانادا، بیان کردند که در بُعد جهانی و نیز در بُعد محلی، احساسات سرمایه‌گذار بر بازدۀ سهام در بلندمدت تأثیر منفی و معکوسی می‌گذارد. هان و لی (Han & Li, 2017) نیز با بهره‌گیری از شاخص ترکیبی احساسات و نیز با به‌کارگیری متغیر وابستۀ روند حرکت بازدۀ مازاد سهام به این نتیجه رسیدند که تأثیر احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در بلندمدت منفی است؛ بر همین اساس، فرضیۀ دوم پژوهش به‌صورت زیر تدوین می‌شود:

فرضیۀ دوم: احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در بلند‌مدت تأثیر منفی دارد.

در مطالعات مقطعی بازار، شواهد نشان ‌می‌دهد که شرکت‌های کوچک بیش از شرکت‌های بزرگ تحت‌تأثیر احساسات سرمایه‌گذاران قرار می‌گیرد (Lee et al., 1991). بیکر و ورگلر (Baker & Wurgler, 2006) علت تفاوت این تأثیرگذاری را ناشی از دو حالت هم‌پوشان می‌دانند: 1-احساسات متفاوت و آربیتراژ یکسان: در صورتی که سطح آربیتراژ بین شرکت‌های مختلف یکسان باشد، احساسات متفاوت سرمایه‌گذاران می‌تواند تأثیر متمایزی بر بازدۀ سهام شرکت‌های بزرگ و کوچک برجای گذارد. عامل اصلی این تفاوت، ارزش‌گذاری ذهنی سرمایه‌گذاران به سهام است؛ به این معنا که سهامی که ارزش آن کمتر به‌صورت ذهنی برآورد می‌شود، احتمالاً جذابیت کمتری برای نوسان‌گیران دارد و واکنش کمتری به تغییرات احساسی بازار نشان می‌دهد. 2-احساسات یکسان و آربیتراژ متفاوت: در حالتی که احساسات سرمایه‌گذاران در سطح مشابهی قرار دارد، آربیتراژ متفاوت در شرکت‌های بزرگ و کوچک سبب می‌شود تا احساسات بر بازدۀ سهام این شرکت‌ها تأثیر متفاوتی بگذارد. پژوهش‌ها نشان داده‌ است که آربیتراژ به‌ویژه برای سهام‌های جوان، کوچک، بی‌سود و با رشد زیاد، پرهزینه و پرریسک است. در عمل، همان سهامی که سخت‌ترین و پرهزینه‌ترین آربیتراژ را دارد، ارزش‌گذاری آن نیز دشوار‌تر است. در این زمینه، نتایج مطالعات بیکر و ورگلر (Baker & Wurgler, 2006, 2007)، بیکر و همکاران (Baker et al., 2012) و استامباو و همکاران (Stambaugh et al., 2012) یافته‌های لی و همکاران (Lee et al., 1991) را تأیید کرده‌ است؛ بدین معنا که احساسات سرمایه‌گذاران تأثیر بیشتری بر سهام شرکت‌های کوچک در مقایسه با شرکت‌های بزرگ دارد؛ بر همین اساس، فرضیۀ سوم پژوهش به‌صورت زیر تدوین می‌شود:

فرضیۀ سوم: احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد شرکت‌های کوچک‌تر به نسبت شرکت‌های بزرگ‌تر تأثیر بیشتر دارد.

 

روش پژوهش

دورۀ زمانی آزمون فرضیۀ اول، سال‌های 1390 تا 1401 و فرضیه‌های دوم و سوم سال‌های 1390 تا 1399 است. علت طولانی‌تربودن دورۀ زمانی فرضیۀ اول از فرضیه‌های دوم و سوم این است که برای محاسبۀ متغیر «روند حرکت بازدۀ مازاد در بلندمدت» بازدهی 36 ماه آتی لازم است، ولی برای محاسبۀ این متغیر در کوتاه‌مدت صرفاً بازدهی 12 ماه آتی لازم است؛ بنابراین، برای محاسبۀ آن‌ها حسب نیاز از داده‌های سال‌های 1400 تا 1402 استفاده شده است. براساس آمار اعلامی ‌از مدیریت پژوهش، توسعه و مطالعات اسلامی‌ سازمان بورس و اوراق بهادار، در سال 1401 سرمایه‌گذران خرد در بورس اوراق بهادار تهران در مقایسه با فرابورس ایران، درصد بیشتری از نسبت حجم معاملات و نسبت ارزش معاملات سرمایه‌گذاران خرد به کل را به خود اختصاص داده‌اند. باتوجه‌به اینکه تنوع سبد سرمایه‌گذاران خرد کمتر است و انگیزه‌های بیشتری برای نوسان‌گیری در مقایسه با سرمایه‌گذاران حقوقی دارند (Han & Li, 2017)، برای آزمون فرضیه‌ها، داده‌های شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران بهتر و مطلوب‌تر است. برای فرضیۀ سوم، شرکت‌ها باتوجه‌به ارزش بازار سهام در ابتدای سال، به دو دستۀ بزرگ و کوچک دسته‌بندی می‌شوند؛ درنهایت با انجام غربال‌گری از بین شرکت‌های‌ پذیرفته‌شده در بورس اوراق بهادار تهران، 169 شرکت انتخاب شد که 336/24 شرکت-ماه در کوتاه‌مدت و 280/20 شرکت-ماه در بلندمدت تحلیل شده‌اند. روند غربال نمونه در جدول (1) به تفکیک هر محدودیت بیان شده است.

 

جدول (1): روند غربال نمونه

Table (1): Process of sample screening

ردیف

شرح

تعداد

1

تعداد شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران تا پایان سال 1401

568

2

شرکت‌های سرمایه‌گذاری، واسطه‌گری مالی، هلدینگ، بانک‌ها، بیمه‌ها و لیزینگ‌ها

(256)

3

شرکت‌هایی که نماد آنها حذف شده یا توقف فعالیت داشته‌اند یا اطلاعات آنها برای دورۀ موردبررسی در دسترس نیست.

(91)

4

شرکت‌هایی که سال مالی آنها منتهی به 29 اسفند ماه نیست.

(38)

5

شرکت‌هایی که در طی بازۀ زمانی مدنظر تغییر سال مالی داده‌اند.

(14)

مجموع شرکت‌های عضو نمونه

169

به استناد از هان و لی (Han & Li, 2017)، مدل رگرسیون چندعاملی تأثیر احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد در کوتاه‌مدت (از ماه دوم تا ماه دوازدهم آتی) و نیز در بلندمدت (از ماه سیزدهم تا ماه سی و ششم آتی) به شرح رابطۀ (1) است:

                                             رابطه (1)

 

در رابطۀ (1)، متغیر وابستۀ  بیانگر روند حرکت بازدۀ مازاد، متغیر مستقل  بیانگر احساسات سرمایه‌گذاران و ماتریس  بیانگر تعدادی از متغیرهای کنترلی کلان اقتصادی است.

 بیانگر متغیر وابستۀ روند حرکت بازده مازاد سهام است. برای اندازه‌گیری این متغیر، ابتدا با استناد به ایانیلو و گالوپو (Galloppo & Ianniello, 2015)، بازدۀ مازاد از تفاوت بین بازدۀ واقعی و بازدۀ بدون ریسک (سود بانکی یک‌ساله) محاسبه شد و سپس برای محاسبۀ روند حرکت بازدۀ مازاد سهام با استناد به ماهسواران و یُه (Maheswaran & Yeoh, 2005) از بازدۀ تجمعی به شرح رابطۀ (2) کمک گرفته شد که در آن،  بازدۀ مازاد تجمعی شرکت  از ماه n تا ماه m و : بازدۀ مازاد شرکت  در ماه  است.

                                              رابطه (2)

 

 بیانگر متغیر مستقل احساسات سرمایه‌گذاران است. برای محاسبۀ این متغیر، با استناد به بیکر و ورگلر (Baker & Wurgler, 2007)، شاخص ترکیبی احساسات سرمایه‌گذاران براساس رویکرد تحلیل مؤلفۀ اصلی و با انجام سه مرحله محاسبه شد: 1) محاسبۀ متغیرهای نمایندۀ احساسات سرمایه‌گذار: به پیروی از مردانی بلداجی (Mardaniboldaji, 2023)، توحیدی (Tohidi, 2020)، فریرا و همکاران (Ferreira et al., 2021)، خان و احمد (Khan & Ahmad, 2019)، لینگ و همکاران (Ling et al., 2010) و بیکر و ورگلر (Baker & Wurgler, 2006)، این متغیرها عبارت‌اند از: نسبت حجم ماهانۀ خرید حقیقی به حجم کل معاملات بازار (PVI)، نسبت حجم ماهانۀ خرید و فروش حقیقی به حجم کل معاملات بازار (TVI)، متوسط خالص حجم ماهانۀ خرید حقیقی (NPVI)، متوسط خالص ارزش ماهانۀ خرید حقیقی(NPPI) و نسبت تعداد نمادهای مثبت به مجموع تعداد نمادهای مثبت و منفی طی یک ماه (AD)؛ 2) خالص‌سازی: در این مرحله، متغیرهای محاسبه‌شده در مرحلۀ نخست از سایر اطلاعاتی که علاوه‌بر احساسات سرمایه‌گذاران می‌تواند در بر داشته باشد، خالص می‌شوند. برای این منظور، متغیرهای کلان اقتصادی شامل تورم، نقدینگی، قیمت سکۀ طلا، نرخ دلار و قیمت نفت برنت بر هریک از متغیرهای محاسبه‌شده در مرحلۀ نخست رگرس شده و سپس پسماند هر رگرسیون در مرحلۀ بعد استفاده می‌شود (Tohidi, 2020)؛ 3) استخراج شاخص ترکیبی احساسات: به‌منظور ترکیب تعداد زیادی متغیر با ابعاد مختلف و کاهش پیچیدگی داده‌ها از تحلیل مؤلفه‌های اصلی استفاده و شاخص جدیدی به‌صورت ترکیبی خطی ایجاد شد. این شاخص علاوه‌بر حفظ الگوی کلی متغیرهای اولیه، فرایند تحلیل داده‌ها و آزمون فرضیه‌ها را نیز تسهیل می‌کند (Mohtadi et al., 2017). با استفاده از رویکرد تحلیل مؤلفۀ اساسی و با به‌کارگیری نرم‌افزار ایویوز 13 (گزینه Make Principal Component)، گروه وزنی نخست از متغیرهای خالص‌شدۀ احساسات که بخش عمده‌ای از واریانس داده‌ها را پوشش داده است، به یک شاخص ترکیبی احساسات تبدیل شد؛ بدین ترتیب، این شاخص از ترکیب خطیِ پسماندهای ناشی از برازش متغیرهای کلان اقتصادی بر متغیرهای نمایندۀ احساسات (متغیرهای خالص‌شده)، در مقیاس بازار و به‌‌صورت ماهانه، برای دورۀ زمانی 144 ماه به‌صورت رابطۀ (3) به‌ دست آمد:

 رابطه (3)      

در رابطۀ (1)    ماتریسی از متغیرهای کنترلی کلان اقتصادی است. در این ماتریس، درصد تغییرات تولید صنعتی (IPΔ) ابزار و دادۀ‌‌ اقتصادی است که خروجی بخش‌های صنعتی از اقتصاد را‌ اندازه‌‌گیری می‌کند (Bayard et al., 2017). این متغیر، بایستی در رگرسیونِ تأثیر احساسات بر روند حرکت بازدۀ مازاد سهام کنترل شود (Han & Li, 2017). درصد تغییرات تولید ناخالص داخلی (ΔGDP) به‌عنوان معیار برای درصد تغییرات شاخص چرخۀ تجاری است (Harding & Pagan, 2002). چرخۀ تجاری، شکوفایی است که بسیاری از فعالیت‌های اقتصادی را در می‌گیرد و با رکودها و کسادی‎‌ها و آغاز رونق بعدی ادامه می‌یابد (Burns & Mitchell, 1946) که هان و لی (Han & Li, 2017) به کنترل اثرات آن بر روند حرکت بازدۀ مازاد سهام اشاره کرده‌اند. درصد تغییرات تورم (InfΔ) به اعتقاد فاما (Fama, 1981) و مودیگیلیانی و کان (Modigliani & Cohn, 1979) از عوامل تأثیرگذار بر بازدۀ سهام است و به‌صورت افزایش مداوم در قیمت کالاها و خدمات تعریف می‌شود؛ با این فرض که قیمت‌ها در تمام بخش‌های اقتصادی افزایش یافته‌اند (Chioma et al., 2015). درصد تغییرات نقدینگی (ΔLiq) به گواه بسیاری از پژوهش‌ها بر بازدۀ سهام تأثیرگذار است (Rahnamaroodposhti et al., 2005) و از مجموع سپرده‌هـای جـاری، سکـه و اسکنـاس و سپـرده‌هـای غیـر‌دیداری (سپرده‌های سرمایه‌گذاری و پس‌انداز) تشکیل شده است (Heydari & Yousefizadehfard, 2015). درصد تغییرات قیمت سکۀ بهارآزادی طرح جدید (ΔCoin) در بازار طلا و سکه نیز در کنار سایر بازارهای دارایی می‌تواند بر شاخص بازار سهام و به‌دنبال آن بر بازدۀ سهام نیز مؤثر باشد (Eslamloueyan & Zare., 2007). ارتباط بین درصد تغییرات قیمت نفت برنت (ΔBrent) و بازار سهام، تأثیرات مهمی در راهبرد‌های مدیریت سبد سهام دارد؛ بنابراین، قیمت نفت احتمالاً نقش مهمی در پیش‌بینی بازده ایفا می‌کند (You et al., 2017). از درصد تغییرات قیمت نفت برنت به‌عنوان نمایندۀ قیمت نفت استفاده شده است. متغیر دیگر، درصد تغییرات قیمت دلار نیما (DollarΔ) است. دربارۀ ارتباط بین نرخ ارز و قیمت سهام در پژوهش‌های مختلف نظریات و الگوهای متفاوتی وجود دارد که عمدتاً به تأثیرگذاری نرخ ارز بر قیمت سهام (و بازدۀ سهام) دلالت دارد (Kaviani et al., 2020). شایان ذکر است که داده‌های متغیرهای تولید صنعتی، تولید ناخالص داخلی، نقدینگی و تورم از وب‌سایت بانک مرکزی جمهوری اسلامی ایران، داده‌های قیمت سکۀ بهارآزادی طرح جدید و قیمت نفت برنت از وب‌سایت شبکۀ اطلاع‌رسانی طلا، سکه و ارز و داده‌های قیمت دلار نیما از وب‌سایت بورس‌ویو گردآوری شده است.

 

یافته‌ها

جدول (2) شامل اطلاعات مربوط به آمار توصیفی است.

 

جدول(2): آمار توصیفی

Table (2): Descriptive statistics

نام متغیر

میانگین

میانه

حداکثر

حداقل

انحراف معیار

تعداد مشاهدات

احساسات سرمایه‌گذاران

048/0

166/0-

773/4

791/4-

514/1

21877

روند حرکت بازدۀ مازاد سهام درکوتاه‌مدت

501/0

135/0

15/6

668/0-

103/1

21587

روند حرکت بازدۀ مازاد سهام در بلند‌مدت

604/1

379/0

08/21

743/0-

25/3

16996

درصد تغییرات تولید ناخالص داخلی

024/0

022/0

065/0

009/0-

018/0

20070

درصد تغییرات تولید صنعتی

003/0

005/0

031/0

037/0-

017/0

21495

درصد تغییرات قیمت سکۀ تمام بهارآزادی طرح جدید

035/0

018/0

312/0

153/0-

089/0

21913

درصد تغییرات قیمت نفت برنت

003/0

011/0

262/0

234/0-

086/0

21829

درصد تغییرات نرخ دلار نیمایی

023/0

013/0

338/0

243/0-

067/0

21861

درصد تغییرات تورم

01/0

0

157/0

086/0-

054/0

21862

درصد تغییرات نقدینگی

021/0

021/0

045/0

002/0

009/0

21863

یافته‌های جدول (2) نشان می‌دهد که میانگین احساسات سرمایه‌گذاران در طول دورۀ پژوهش مثبت (تقریبا 05/0) بوده است. در کوتاه‌مدت، نیمی از مشاهدات، بازدۀ مازاد تجمعیِ کمتر از 5/13درصد و نیمی دیگر، بیشتر از 5/13درصد داشته‌اند. بیشترین و کمترین مقدار بازدۀ مازاد تجمعی در کوتاه‌مدت (10 ماه) به ترتیب، 615 و 8/66- درصد و در بلندمدت (24 ماه) به ترتیب، 2108 و 3/74- درصد بوده است. بیشترین و کمترین مقدار برای احساسات سرمایه‌گذاران برابر با 773/4 و 791/4- بوده است. همان‌طور که در نمودار (1) نشان داده شده، بیشترین مقدار احساسات در فروردین 1399 به دلیل ورود پول حقیقی و کمترین مقدار آن، در آبان 1390 به دلیل خروج پول حقیقی رخ داده است. شایان ذکر است که به دلیل استفاده از ابزار تریم در ایویوز 13 برای حذف داده‌های پرت، تعداد مشاهدات کمتر از تعداد داده‌های شرکت-ماه ورودی به نرم‌افزار بوده است.

 

نمودار (1): روند تغییرات احساسات سرمایه‌گذاران

Figure 1: Trend of changes in investors' sentiments

 

 

اثرات سال‌ها و صنایع بر روابط بین متغیرها در مدل، با بهره‌گیری از متغیرهای مجازی (year_dum برای کنترل اثرات سال و ind_dum برای کنترل اثرات صنعت) کنترل شده است. همسانی واریانس به‌وسیلۀ آمارۀ وینگز-پوی آزمون شده است. سطح معناداری کمتر از 5% نشان‌دهندۀ ردشدن فرض صفر مبنی بر همسانی واریانس است و درنتیجه الگوی پژوهش دارای ناهمسانی واریانس خطاهاست. برای تخفیف ناهمسانی، مدل‌های رگرسیونی با استفاده از روش GLS با وزن Section-Cross و با بهره‌گیری از ماتریس کوواریانس ضرایب با خوشه‌بندی مقطعی به روش White period، برآورد شدند. سطح معناداری کمتر از %5 آمارۀ‌ کای دو و F لیمر نشان داد که در هر سه مدل، خودهمبستگی مرتبۀ اول وجود دارد که برای تخفیف آن، از ماتریس کوواریانس ضرایب با خوشه‌بندی مقطعی به روش White period استفاده شده است.

درصورت وجود هم‌خطی (همبستگی بین متغیرهای توضیحی)، متغیر به شکل نادرست بی‌معنی نشان داده می‌شود. برای شناسایی از معیار عامل تورم واریانس (VIF) استفاده می‌شود و مقادیر کمتر از 10 نشانگر عدم‌وجود هم‌خطی است (Aflatooni, 2018). نتایج بیانگر عدم‌هم‌خطی بین متغیر‏های مستقل است. جدول (3) خلاصه‌ای از نتایج رگرسیون فرضیۀ نخست را نشان می‌دهد:

 

 

جدول (3): نتایج آزمون فرضیۀ اول پژوهش

Table (3): The results of testing the first hypotheses

 

نام متغیر

نماد

ضریب

خطای استاندارد

آماره t

معناداری

جملۀ ثابت

C

5239/0

0483/0

8552/10

0000/0

احساسات سرمایه‌گذار

S

0960/0

0064/0

9682/14

0000/0

تغییرات تولید صنعتی

ΔIP

5068/3

2494/0

0623/14

0000/0

درصد تغییرات تولید ناخالص داخلی

ΔGDP

7679/6-

8039/0

4192/8-

0000/0

درصد تغییرات قیمت سکۀ تمام بهارآزادی طرح جدید

Δcoin

0801/0-

0846/0

9459/0-

3456/0

درصد تغییرات قیمت نفت برنت

Δbrent

3939/0-

0653/0

0308/6-

0000/0

درصد تغییرات قیمت دلار نیمایی

Δdollar

7054/0

1201/0

8732/5

0000/0

درصد تغییرات تورم

Δinf

5331/8

3057/0

9161/27

0000/0

درصد تغییرات نقدینگی

Δliq

5469/1-

5602/0

7614/2-

0064/0

کنترل اثرات سال

Year_dum

0054/0

0053/0

0287/1

3051/0

کنترل اثرات صنعت

Ind_dum

0025/0

0022/0

1478/1

2527/0

آمارۀ F فیشر

5228/375

0000/0

تعداد مشاهدات

15410

ضریب تعیین

1961/0

ضریب تعیین تعدیل‌شده

1955/0
             

 

باتوجه‌به اینکه معناداری آمارۀ F فیشر برابر با 000/0 است، مدل رگرسیونی در سطح خطای 1درصد معنادار است. ضریب برآوردی متغیر احساسات سرمایه‌گذاران برابر با 096/0 است که این ضریب در سطح خطای 1% معنادار است؛ بنابراین، می‌توان نتیجه گرفت که احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در کوتاه‌مدت تأثیر مثبت دارد. ضریب تعیین این مدل برابر با 1961/0 بوده که باتوجه‌به داده‌های ترکیبی و تصادفی مدل، این مقدار قابل‌قبول است. درکل، باتوجه‌به مطالب فوق و نتایج مندرج در جدول (3) و در سطح اطمینان 99% فرضیۀ اول این پژوهش رد نخواهد شد.

جدول (4) خلاصه‌ای از نتایج رگرسیون فرضیۀ دوم را نشان می‌دهد:

 

جدول (4): نتایج آزمون فرضیۀ دوم پژوهش

Table (4): The results of testing the second hypotheses

 

نام متغیر

نماد

ضریب

خطای استاندارد

آمارۀ t

معناداری

جملۀ ثابت

C

6746/1

1713/0

7759/9

0000/0

احساسات سرمایه‌گذار

S

4961/0-

0169/0

3590/29-

0000/0

درصد تغییرات تولید صنعتی

ΔIP

5568/23

2505/1

8376/18

0000/0

درصد تغییرات تولید ناخالص داخلی

ΔGDP

6599/42-

8829/1

6567/22-

0000/0

درصدتغییرات قیمت سکۀ تمام بهارآزادی طرح جدید

Δcoin

1812/0-

1499/0

2090/1-

2284/0

درصد تغییرات قیمت نفت برنت

Δbrent

8313/2

1701/0

6454/16

0000/0

درصد تغییرات قیمت دلار نیمایی

Δdollar

6511/3-

2928/0

4705/12-

0000/0

درصد تغییرات تورم

Δinf

2777/1

3952/0

2332/3

0015/0

درصد تغییرات نقدینگی

Δliq

2481/72-

1013/3

2961/23-

0000/0

کنترل اثرات سال

Year_dum

3390/0

0154/0

9476/21

0000/0

کنترل اثرات صنعت

Ind_dum

0047/0

0087/0

5442/0

5871/0

آمارۀ F فیشر

3844/206

0000/0

تعداد مشاهدات

11193

ضریب تعیین

1558/0

ضریب تعیین تعدیل‌شده

1551/0
             

باتوجه‌به معناداری آمارۀ F فیشر که برابر با 000/0 است، مدل رگرسیونی در سطح خطای 1درصد معنادار است. ضریب برآوردی متغیر احساسات سرمایه‌گذاران برابر با 4961/0-  بوده که این ضریب در سطح خطای 1% معنادار است؛ بنابراین، باتوجه‌به معنادار و منفی‌بودن ضریب این متغیر می‌توان نتیجه گرفت که احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در بلند‌مدت تأثیر منفی دارد. همچنین ضریب تعیین این مدل برابر با 1558/0 بوده که باتوجه‌به داده‌های ترکیبی و تصادفی مدل، این مقدار قابل‌قبول است. درکل، باتوجه‌به مطالب فوق و نتایج مندرج در جدول (4) و در سطح اطمینان 99% فرضیۀ دوم پژوهش رد نخواهد شد.

برای آزمون فرضیۀ سوم که به‌صورت مقایسۀ بین دو رگرسیون شرکت‌های بزرگ و کوچک است، ابتدا معناداری و جهت و اندازۀ تأثیرگذاری هریک از سبدهای بزرگ و کوچک آزمون شده و پس از آن با آزمون z (جدول 7) نتایج حاصل‌شده مقایسه شد. جدول‌های (5 و 6) خلاصه‌ای از نتایج رگرسیون فرضیۀ سوم را نشان می‌دهد:

 

جدول (5): نتایج آزمون فرضیۀ سوم پژوهش-شرکت‌های بزرگ

Table (5): The results of testing the third hypotheses - Large companies

 

 

نام متغیر

نماد

ضریب

خطای استاندارد

آمارۀ t

معناداری

 

جملۀ ثابت

C

2132/1

2351/0

1611/5

0000/0

 

احساسات سرمایه‌گذار

S

3225/0-

0244/0

2111/13-

0000/0

 

درصد تغییرات تولید صنعتی

ΔIP

5194/15

2695/1

2251/12

0000/0

 

درصد تغییرات تولید ناخالص داخلی

ΔGDP

2820/28-

5410/2

1303/11-

0000/0

 

درصد تغییرات قیمت سکۀ تمام بهارآزادی طرح جدید

Δcoin

8801/0-

1572/0

5979/5-

0000/0

 

درصد تغییرات قیمت نفت برنت

Δbrent

5641/1

2019/0

7470/7

0000/0

 

درصد تغییرات قیمت دلار نیمایی

Δdollar

3017/1-

3069/0

2407/4-

0001/0

 

درصد تغییرات تورم

Δinf

8905/0

7704/0

1558/1

2515/0

 

درصد تغییرات نقدینگی

Δliq

5495/52-

8822/3

5360/13-

0000/0

 

کنترل اثرات سال

Year_dum

2457/0

0233/0

5368/10

0000/0

 

کنترل اثرات صنعت

Ind_dum

0018/0-

0112/0

1591/0-

8740/0

 

آمارۀ F فیشر

6310/76

0000/0

تعداد مشاهدات

3283

ضریب تعیین

1898/0

ضریب تعیین تعدیل‌شده

1873/0

 

 

 

 

جدول (6): نتایج آزمون فرضیۀ سوم پژوهش – شرکت‌های کوچک

Table (6): The results of testing the third hypotheses– Small companies

 

نام متغیر

نماد

ضریب

خطای استاندارد

آماره t

معناداری

جملۀ ثابت

C

6964/2

3483/0

7418/7

0000/0

احساسات سرمایه‌گذار

S

5461/0-

0596/0

1691/9-

0000/0

درصد تغییرات تولید صنعتی

ΔIP

7959/26

1492/4

4580/6

0000/0

درصد تغییرات تولید ناخالص داخلی

ΔGDP

4719/41-

5547/5

4661/7-

0000/0

درصد تغییرات قیمت سکۀ تمام بهارآزادی طرح جدید

Δcoin

7766/0

6025/0

2890/1

2020/0

درصد تغییرات قیمت نفت برنت

Δbrent

7239/2

5301/0

1381/5

0000/0

درصد تغییرات قیمت دلار نیمایی

Δdollar

1953/6-

7385/0

3886/8-

0000/0

درصد تغییرات تورم

Δinf

2044/0

2113/1

1687/0

8665/0

درصد تغییرات نقدینگی

Δliq

3071/101-

4754/8

9530/11-

0000/0

کنترل اثرات سال

Year_dum

3612/0

0392/0

2173/9

0000/0

کنترل اثرات صنعت

Ind_dum

0054/0-

0195/0

2763/0-

7832/0

آمارۀ F فیشر

9459/45

0000/0

تعداد مشاهدات

2320

ضریب تعیین

1660/0

ضریب تعیین تعدیل‌شده

1623/0

 

نتایج جدول (5) نشان می‏دهد که در مدل شرکت‌های بزرگ، معناداری آمارۀ F فیشر برابر با 000/0 بوده که در سطح خطای 1درصد مدل رگرسیونی معنادار است. ضریب برآوردی متغیر احساسات سرمایه‌گذاران برابر با 3225/0- است که این ضریب در سطح خطای 1% معنادار است؛ بنابراین، باتوجه‌به معنادار و منفی‌بودن ضریب این متغیر می‌توان نتیجه گرفت که احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در بلند‌مدت در شرکت‌های بزرگ تأثیر منفی دارد. ضریب تعیین این مدل برابر با 1898/0 بوده که باتوجه‌به داده‌های ترکیبی و تصادفی مدل، این مقدار قابل‌قبول است. براساس نتایج جدول (6) در شرکت‌های کوچک نیز معناداری آمارۀ F فیشر برابر با 000/0 بوده که در سطح خطای 1درصد مدل رگرسیونی معنادار است. ضریب برآوردی متغیر احساسات سرمایه‌گذاران برابر با 5461/0- است که این ضریب در سطح خطای 1% معنادار است؛ بنابراین، باتوجه‌به معنادار و منفی‌بودن ضریب این متغیر می‌توان نتیجه گرفت که احساسات سرمایه‌گذار بر روند حرکت بازدۀ مازاد سهام در بلند‌مدت در شرکت‌های کوچک تأثیر منفی دارد. ضریب تعیین این مدل برابر با 1660/0 بوده که باتوجه‌به داده‌های ترکیبی و تصادفی مدل، این مقدار قابل‌قبول است.

 

جدول (7): نتایج آزمون فرضیۀ سوم پژوهش _ مقایسۀ شرکت‌های بزرگ و کوچک

Table (7): The results of testing the third hypotheses - Comparing of large and small companies

نام

نماد

ضریب

خطای استاندارد

آماره z

معناداری

پرتفوی بزرگ

B_Portfolio

3225/0-

0244/0

4749/3-

000/0

پرتفوی کوچک

S_ Portfolio

5461/0-

0596/0

 

در جدول (7) با انجام آزمون Z به مقایسۀ نتایج رگرسیون شرکت‌های بزرگ و کوچک با یکدیگر پرداخته شد. نتیجۀ این آزمون که به ضرایب و انحراف استاندارد متغیر احساسات سرمایه‌گذار دو رگرسیون مرتبط با شرکت‌های بزرگ و کوچک بستگی دارد، در سطح خطای 1درصد، مقدار آمارۀ z یعنی 4749/3- از مقدار بحرانی یعنی 96/1- کوچک‌تر شده و بنابراین، آمارۀ z در ناحیۀ بحرانی قرار گرفته و معنادار شده است؛ پس، فرض صفر مبنی بر تساوی دو ضریب رد شده و فرض مقابل یعنی بزرگ‌تربودن ضریب شرکت‌های کوچک‌تر تأیید می‌شود و نتیجه گرفته می‌شود که احساسات سرمایه‌گذار بر روند حرکت بلندمدت بازدۀ مازاد سهامِ در شرکت‌های کوچک‌تر، به نسبت شرکت‌های بزرگ‌تر تأثیر بیشتری دارد؛ بنابراین، باتوجه‌به مطالب فوق و نتایج جدول (7) و در سطح اطمینان 99% فرضیۀ سوم این پژوهش رد نخواهد شد.

 

نتایج و پیشنهادها

باتوجه‌به نتیجۀ پژوهش، هر سه فرضیه تأیید شد. احساسات ناشی از احتمال وقوع سود یا زیان چشمگیر در کوتاه‌مدت، سرمایه‌گذاران خرد و احساسی را به سمت خرید یا فروش تهاجمی سوق می‌دهد. در این شرایط، سرمایه‌گذاران احساسیِ تازه‌‌وارد، معمولاً وزن کمتری به اطلاعات شخصی خود و وزن بیشتری به رفتار و تصمیمات سرمایه‌گذاران باتجربه می‌دهند. این نوع واکنش که به «رفتار گله‌ای» معروف است، موجب تشکیل موج گسترده‌ای از تعقیب روند می‌شود. همچنین، وجود عدم‌قطعیت و ساختار بازار سرمایه، موجب محدودیت در اصلاح سریع قیمت‌ها و فرصت‌های آربیتراژ می‌شود که می‌تواند احساسات سرمایه‌گذاران را تشدید کند؛ بنابراین، بروز سوگیری‌های رفتاری همچون رفتار گله‌ای و محدودیت‌ آربیتراژ سبب می‌شود تا قیمت‌ها از ارزش ذاتی خود فاصله بگیرند و فرایند بازگشت به تعادل با تأخیر مواجه شود. فاصله‌گرفتن، خود به روند حرکتی منجر شده، جایی که سهام‌هایی که عملکرد خوب (بد) داشته‌اند، به دلیل خوش‌بینی (بدبینی) برای مدت کوتاهی به روند افزایشی (کاهشی) ادامه می‌دهند؛ بنابراین، می‌توان نتیجه گرفت که احساسات سرمایه‌گذاران بر روند حرکت بازدۀ مازاد سهام در کوتاه‌مدت تأثیر مثبتی دارد. این نتیجه با یافته‌های هان و لی (Han & Li, 2017) در بازار سهام چین و سئوک و همکاران (Seok et al., 2019) در بازار سهام کرۀ جنوبی همسو و منطبق است. با فاصله‌گرفتن قیمت‌ها از ارزش ذاتی خود، سرمایه‌گذاران منطقی و تحلیل‌محور، انگیزه و زمینۀ بیشتری برای انجام معاملات اصلاحی و برگرداندن قیمت‌ها پیدا می‌کنند؛ بنابراین، در بلندمدت، فشارهای ناشی از احساسات تخلیه شده و بازار ازطریق سازوکار بازگشت به میانگین به سمت تعادل بنیادی حرکت می‌کند. به بیان دیگر، احساسات ناپایدار و هیجانی سرمایه‌گذاران، عمدتاً در بازه‌های زمانی کوتاه‌مدت بروز می‌یابد؛ اما در بازۀ بلندمدت، رفتار عقلایی‌تر سرمایه‌گذاران موجب می‌شود که ارزش سهام براساس اصول بنیادی به‌جای احساسات ارزیابی شود و این امر موجب اصلاح ارزش‌گذاری‌های نادرست و کاهش نوسانات رفتاری می‌شود؛ بنابراین، احساسات سرمایه‌گذاران بر روند حرکت بازدۀ مازاد سهام در بلندمدت، تأثیر منفی دارد. این نتیجه با یافته‌های هان و لی (Han & Li, 2017) در بازار سهام چین و بیکر و همکاران (Baker et al., 2012) در بازار سهام آلمان، آمریکا، بریتانیا، ژاپن، فرانسه و کانادا همسو و منطبق است. همچنین، نتایج حاکی‌ازآن است که احساسات سرمایه‌گذاران بر روند حرکت بازدۀ مازاد شرکت‌های کوچک‌تر به نسبت شرکت‌های بزرگ‌تر تأثیر بیشتری دارد. دراین‌خصوص عوامل مختلفی نقش دارند: اولین عامل، ارزش‌گذاری ذهنی شرکت‌های کوچک‌تر به دلیل عدم‌تقارن اطلاعاتی و تکیه به حدس و گمان درخصوص ارزش این‌گونه شرکت‌ها است؛ پس، فقدان تحلیل‌های بنیادی سبب می‌شود تا شرکت‌های کوچک‌تر بیشتر در معرض احساسات قرار گیرند؛ دومین عامل این است که معمولاً شرکت‌های کوچک به نسبت شرکت‌های بزرگ، سهام کمتر، نقدینگی کمتر و به دنبال آن نوسانات بیشتری به‌دلیل حساسیت بیشتر به فشار خرید و فروش دارند؛ سومین عامل، نگرش بیشتر نوسان‌گیران به سهام شرکت‌های کوچک‌تر به‌عنوان سرمایه‌گذاری با ریسک و پاداش بیشتر ‌است که آن را مستعد نوسان‌گیری تصور می‌کنند؛ بنابراین، این هیاهوی بازار، موجب واکنش بیشتر شرکت‌های کوچک به احساسات می‌شود؛ چهارمین عامل، فعالیت بیشتر سرمایه‌گذاران نهادی در شرکت‌های بزرگ‌تر است. آن‌ها راهبرد‌های منطقی‌تر و اصولی‌تر را به کار می‌گیرند که به تثبیت قیمت‌ها و کاهش تأثیر احساسات کمک می‌کند. این نتیجه با یافته‌های هان و لی (Han & Li, 2017) در بازار سهام چین و بیکر و ورگلر (Baker & Wurgler, 2006, 2007) در بازار سهام آمریکا همسو و منطبق است.  

باتوجه‌به نتایج آزمون فرضیۀ اول، پیشنهاد می‌شود که سرمایه‌گذاران از افزایش احساسات خوش‌بینانه در بازار برای کسب سود بیشتر استفاده کنند (به شرط اقدام به‌موقع و داشتن آگاهی لازم از ارزش‌گذاری شرکت‌ها). مدیران شرکت‌های سرمایه‌گذاری و سبدگردان نیز در دورۀ کوتاه‌مدتی که در بازار احساسات مثبتِ قوی وجود دارد، با خرید سهام به وزن سبد سرمایه‌گذاری خود بیفزایند. باتوجه‌به نتایج آزمون فرضیۀ دوم به سرمایه‌گذاران نوسان‌گیر توصیه می‌شود تا برای جلوگیری از زیان با آگاهی و دانش کافی اقدام به انجام معامله در بورس کنند. سرمایه‌گذاران با نگرش نگهداری بلندمدت نیز به تحلیل‌های بنیادی تمرکز کنند و از نگهداری سهام‌هایی اجتناب کنند که بیش از حد قیمت‌گذاری شده‌اند. مدیران شرکت‌های سرمایه‌گذاری و سبدگردان نیز درصورت وجود احساسات مثبت و قوی در بازار، برای کاهش وزن سبد سرمایه‌گذاری خود برای دورۀ بلندمدت پس از آن، آمادگی لازم را داشته ‌باشند. درخصوص نتایج آزمون فرضیۀ سوم به سرمایه‌گذاران پیشنهاد می‌شود تا برای سرمایه‌گذاری در شرکت‌های کوچک‌تر احتیاط بیشتری کنند و با اطلاعات و دانش کافی درخصوص ارزش‌گذاری شرکت‌های به‌خصوص کوچک‌تر اقدام به معامله کنند. همچنین، الزام شرکت‌ها به افشای به‌موقع و کامل اطلاعات مالی می‌تواند عدم‌قطعیت در بازار و محدودیت‌های مربوط به ارزش‌گذاری صحیح دارایی‌ها را کاهش دهد و اثر هیجانات کوتاه‌مدت را بر تصمیمات سرمایه‌گذاران محدود کند؛ در این راستا، توصیه می‌شود نهادهای ناظر بر افشای اطلاعات و سیاست‌گذاران بازار سرمایه با وضع قوانین شفاف‌تر یا ارائۀ طرح‌های تشویقی برای تحلیل‌گران، زمینه را برای ارزش‌گذاری دقیق‌تر شرکت‌ها با استفاده از اطلاعات منتشرشده فراهم آورند. مدیران شرکت‌های سرمایه‌گذاری و سبدگردان نیز برای شرکت‌های کوچک‌تر از تکنیک‌های مدیریت ریسک همچون تعیین حد ضرر و متنوع‌سازی سبد استفاده‌کنند. این موارد زمانی قابلیت عملیاتی پیدا می‌کند که استفاده‌کنندگانِ اطلاعات، توانایی ارزش‌گذاری دارایی‌های سرمایه‌ای را ازجمله اوراق بهادار باتوجه‌به مؤلفه‌های مالی‌رفتاری دارا باشند؛ بنابراین، به تحلیل‌گران بازار سرمایه توصیه می‌شود که در مدل‌های ارزش‌گذاری دارایی‌های سرمایه‌ای (نظیر CAPM)، شاخص احساسات را به‌عنوان یک متغیر توضیحی-رفتاری بگنجانند. در مدل‌های تنزیل جریان‌های نقدی، این شاخص می‌تواند برای تعدیل نرخ تنزیل یا نرخ رشد جریان‌های نقدی استفاده شود؛ بدین‌ترتیب، اثرات هیجانات و خوش‌بینی یا بدبینی بازار به‌طورمستقیم در برآورد ارزش ذاتی دارایی‌های سرمایه‌ای لحاظ می‌شود.

به پژوهشگران آتی نیز پیشنهاد می‌شود که برای محاسبۀ احساسات از شاخص‌های دیگر چون شاخص‌ مبتنی بر نظرسنجی استفاده کنند و متغیرهای کنترلی دیگری را نظیر تراز بازرگانی و کسری بودجۀ دولت به کار گیرند؛ درنهایت پیشنهاد می‌شود که تأثیر احساسات بر روند حرکت بازدۀ مازاد در سطح صنایع گوناگون و در چرخه‌های مختلف بازار سرمایه نیز بررسی شود.

باتوجه‌به وجود شاخص‌های گوناگون برای اندازه‌گیری احساسات، ممکن است نتایج پژوهش با به‌کارگیری شاخص‌های اندازه‌گیری دیگر، متفاوت باشد؛ به همین دلیل، در تعمیم نتایج این پژوهش به جو احساسی حاکم بر بورس اوراق بهادار تهران بایستی احتیاط صورت گیرد. همچنین، ویژگی‌های خاص پژوهش‌های شبه‌تجربی مبتنی بر عدم‌کنترل برخی عوامل مؤثر بر نتایج پژوهش ازجمله تأثیر متغیرهای اقتصادی، سیاسی و وضعیت اقتصاد جهانی است که خارج از دسترس پژوهشگر بوده و ممکن است بر نتایج پژوهش اثرگذار باشد؛ درنهایت، باتوجه‌به استفاده از روش غربال‌گری و حذف شرکت‌های فاقد شرایط لازم، بایستی در تعمیم نتایج پژوهش به کلیۀ شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران با احتیاط رفتار کرد.

References

Aflatooni, A. (2018). Econometrics in Accounting and Finance Using EViews. Termeh. [In Persian]
Antoniou, C., Doukas, J. A., & Subrahmanyam, A. (2013). Cognitive dissonance, sentiment, and momentum. Journal of Financial and Quantitative Analysis, 48(1), 245-275.
https://doi.org/10.1017/S0022109012000592
Antoniou, C., Doukas, J. A., & Subrahmanyam, A. (2016). Investor sentiment, beta, and the cost of equity capital. Management Science, 62(2), 347-367.‏ https://doi.org/10.1287/mnsc.2014.2101
Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross‐section of stock returns. The Journal of Finance, 61(4), 1645-1680.‏ https://doi.org/10.1111/j.1540-6261.2006.00885.x
Baker, M., & Wurgler, J. (2007). Investor sentiment in the stock market. Journal of Economic Perspectives, 21(2), 129-152. https://doi.org/10.1257/jep.21.2.129
Baker, M., Wurgler, J., & Yuan, Y. (2012). Global, local, and contagious investor sentiment. Journal of Financial Economics, 104(2), 272-287.‏ https://doi.org/10.1016/j.jfineco.2011.11.002
Barberis, N., Shleifer, A., & Vishny, R. (1998). A model of investor sentiment. Journal of Financial Economics, 49(3), 307-343.‏ https://doi.org/10.1016/S0304-405X(98)00027-0
Bayard, K., Decker, R., & Gilbert, C. (2017). Natural Disasters and the Measurement of Industrial Production: Hurricane Harvey, a Case Study.‏ FEDS Notes. Board of Governors of the Federal Reserve System. https://doi.org/10.17016/2380-7172.2086
Borjidolatabadi, E. (2008). Financial behavior, The paradigm on financial markets. Tadbir Monthly Journal, 19(191), 31-36. [In Persian]
Brown, G. W., & Cliff, M. T. (2004). Investor sentiment and the near-term stock market. Journal of Empirical Finance, 11(1), 1-27.‏ https://doi.org/10.1016/j.jempfin.2002.12.001
Brown, G. W., & Cliff, M. T. (2005). Investor sentiment and asset valuation. The Journal of Business, 78(2), 405-440.‏ https://doi.org/10.1086/427633
Burns, A. F., & Mitchell, W. C. (1946). The basic measures of cyclical behavior. In Measuring Business Cycles (pp. 115-202). NBER.
Chen, H., Chong, T. T. L., & She, Y. (2014). A principal component approach to measuring investor sentiment in China. Quantitative Finance, 14, 573-579. https://doi.org/10.1080/14697688.2013.869698
Chioma, D., Adanma, S., & Ebue, M. (2015). Relationship between inflation and firms’ performance: Evidence from Nigeria. World Applied Sciences Journal, 35(9), 814-882.
De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise trader risk in financial markets. Journal of Political Economy, 98(4), 703-738.‏ https://doi.org/10.1086/261703
Dreman, D. N., & Berry, M. A. (1995). Overreaction, underreaction, and the low-P/E effect. Financial Analysts Journal, 51(4), 21-30.‏ https://doi.org/10.2469/faj.v51.n4.1917
Eslamibidgoli, G., & Kordloie, H. (2010). Behavioral finance as an over-pass between standard finance and neurofinance. Financial Engineering and Securities Management (Portfolio Management), 1(1), 19-36. [In Persian]
Eslamloueyan, K., & Zare, H. (2007). The impact of macro variables and alternative assets on stock price movement in Iran: An ARDL model. Iranian Journal of Economic Research, 8(29), 17-46. [In Persian]
Fadaeinejad, M. S., & Sadeghi, M. (2006). Investigating the usefulness of momentum and reversal strategies. Journal of Business Management Perspective, 5(17-18), 7-31. [In Persian]
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2), 383-417.‏ https://doi.org/10.2307/2325486
Fama, E. F. (1981). Stock returns, real activity, inflation, and money. The American Economic Review, 71(4), 545-565.‏
Ferreira, T. S., Machado, M. A., & Silva, P. Z. (2021). Asymmetric impact of investor sentiment on Brazilian stock market volatility. Srategic Finance, 22(4), 250-261.
https://doi.org/10.1590/1678-6971/eRAMF210208
Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making, 13(1), 1-17.‏ https://doi.org/10.1002/(SICI)1099-0771(200001/03)13:1<1::AID-BDM333>3.0.CO;2-S
Fisher, K. L., & Statman, M. (2000). Investor sentiment and stock returns. Financial Analysts Journal, 56(2), 16-23.‏ https://doi.org/10.2469/faj.v56.n2.2340
Fooladi, A., Tootianesfahani, S., & Eslamimofidabadi, H. (2022). The impact of behavioral financial characteristics on investment decisions by emphasizing the mediating role of individual and general characteristics of investors in Tehran Stock Exchange. Journal of Financial and Behavioral Researches in Accounting, 1(3), 89-114. https://doi.org/10.30486/fbra.2022.1950412.1068 [In Persian]
Fuller, R. J. (2000). Behavioral finance and the sources of alpha. Journal of Pension Plan Investing, 2(3), 291-293.
Ganji, H., Rahmani, A., & Divandary, M. (2024). The effect of investors' personality traits on financial risk tolerance of investments in the capital market of Iran. Journal of Securities Exchange, 16(64), 181-222.
 https://doi.org/10.22034/jse.2024.12333.2204 [In Persian]
Grinblatt, M., & Titman, S. (1994). A study of monthly mutual fund returns and performance evaluation techniques. Journal of Financial and Quantitative Analysis, 29(3), 419-444.
https://doi.org/10.2307/2331338
Habibi, A., & Habibisavadkohi, S. (2023). Investigating the relationship between investors' sentiments and excess returns in companies listed on the Tehran Stock Exchange. Journal of Capital Market Analysis, 3(1), 174-193. [In Persian]
Han, X., & Li, Y. (2017). Can investor sentiment be a momentum time-series predictor? Evidence from China. Journal of Empirical Finance, 42, 212-239. https://doi.org/10.1016/j.jempfin.2017.04.001
Han, X., Sakkas, N., Danbolt, J., & Eshraghi, A. (2022). Persistence of investor sentiment and market mispricing. Financial Review, 57(3), 617-640.‏ https://doi.org/10.1111/fire.12301
Harding, D., & Pagan, A. (2002). Dissecting the cycle: A methodological investigation. Journal of Monetary Economics, 49(2), 365-381.‏ https://doi.org/10.1016/S0304-3932(01)00108-8
Hassanpour, H., Barzani, M. V., Moarefimohammadi, A., & Emamijomeh, S. M. (2020). A comparative analysis of the epistemological foundations of classical and behavioral finance. Ma‘rifat-e Eghtesad-e Islami, 11(2), 57-74. [In Persian]
Heydari, A. A., & Yousefizadehfard, H. (2015). The effectiveness of monetary and credit policies tools in controlling liquidity and inflation. National Conference Creative Economy. [In Persian]
Heidarpour, F., Tariverdi, Y., & Mehrabi, M. (2013). The effect of investors’ sentiments on the stock return. Financial Knowledge of Security Analysis (Financial Studies), 6(17), 1-13. [In Persian]
Hilsenrath, J. E. (2004). As two economists debate markets, the tide shifts. The Wall Street Journal.
Hooshmand, S., & Nezampour, E. (2023). Studying the theoretical literature of behavioral finance in accounting and financial markets, Journal of New Research Approaches in Management and Accounting, 6(23), 556-565. [In Persian]
Hosseini, S. A., & Morshedi, F. (2020). The effects of investor sentiments on trade dynamics in Tehran Stock Exchange. The Financial Accounting and Auditing Researches, 11(44), 1-22. [In Persian]
Ianniello, G., & Galloppo, G. (2015). Stock market reaction to auditor opinions–Italian evidence. Managerial Auditing Journal, 30(6-7), 610-632.‏ https://doi.org/10.1108/MAJ-06-2014-1045
Jagadeesh, N., & Titman, Sh. (1993). Returns to buying winners and selling losers: Implications for stock market efficiency. The Journal of Finance, 48(1), 65-91.‏
https://doi.org/10.1111/j.1540-6261.1993.tb04702.x
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-292. https://doi.org/10.2307/1914185
Kaplanski, G., & Levy, H. (2010). Sentiment and stock prices: The case of aviation disasters. Journal of Financial Economics, 95(2), 174-201.‏ https://doi.org/10.1016/j.jfineco.2009.10.002
Kaviani, M., Fakhrehosseini, S. F., & Dastyar, F. (2020). An overview of the importance and why the stock return prediction, with emphasis on macroeconomic variables. Journal of Accounting and Social Interests, 10(2), 113-131. https://doi.org/10.22051/ijar.2020.26185.1505 [In Persian]
Kengatharan, L., & Kengatharan, N. (2014). The influence of behavioral factors in making investment decisions and performance: Study on investors of Colombo Stock Exchange, Sri Lanka. Asian Journal of Finance & Accounting, 6(1), 1-23. https://doi.org/10.5296/ajfa.v6i1.4893
Khan, M. A., & Ahmad, E. (2019). Measurement of investor sentiment and its bi-directional contemporaneous and lead–lag relationship with returns: Evidence from Pakistan. Sustainability, 11(1), 94.
 https://doi.org/10.3390/su11010094
Kim, T., & Ha, A. (2010). Investor sentiment and market anomalies. 23rd Australasian Finance and Banking Conference. Available at SSRN 1663649. http://doi.org/10.2139/ssrn.1663649
Lee, C. M., Shleifer, A., & Thaler, R. H. (1991). Investor sentiment and the closed‐end fund puzzle. The Journal of Finance, 46(1), 75-109.‏ https://doi.org/10.2307/2328690
Li, X., Brooks, C., & Miffre, J. (2009). Low-cost momentum strategies. Journal of Asset Management, 9, 366-379.‏ https://doi.org/10.1057/jam.2008.28
Ling, D. C., Naranjo, A., & Scheick, B. (2010). Investor sentiment and asset pricing in public and private markets. 46th Annual AREUEA Conference Paper. Available at SSRN 1717110.
Liu, Q., Lee, W. S., Huang, M., & Wu, Q. (2023). Synergy between stock prices and investor sentiment in social media. Borsa Istanbul Review, 23(1), 76-92.‏ https://doi.org/10.1016/j.bir.2022.09.006
Loewenstein, G. F., Weber, E. U., Hsee, C. K., & Welch, N. (2001). Risk as feelings. Psychological Bulletin, 127(2), 267-286.‏ https://doi.org/10.1037/0033-2909.127.2.267
Mardaniboldaji, K. (2023). An Analysis the Asymmetric Impact of Investors' Sentiments on Volatility in Tehran Stock Exchange Index [Master thesis, University of Isfahan]. Ganj. [In Persian].
Maheswaran, K., & Yeoh, S. C. (2005). The profitability of merger arbitrage: Some Australian evidence. Australian Journal of Management, 30(1), 111-126.‏
Mehrani, S., Karami, G., Sayyedhosseini, S. M., & Jahromi, M. (2023(. Accounting Theory (Vol. 2; 8th Ed.). Negahedanesh. [In Persian]
Modigliani, F., & Cohn, R. A. (1979). Inflation, rational valuation and the market. Financial Analysts Journal, 35(2), 24-44.‏ https://doi.org/10.2469/faj.v35.n2.24
Mohtadi, A., Hejazi, R., Hosseini, S. A., & Momeni, M. (2017). Applying the technique of "principal component analysis" in data reduction of variables affecting stock returns. The Financial Accounting and Auditing Research, 10(37), 25-52. [In Persian]
Morck, R., Shleifer, A., Vishny, R. W., Shapiro, M., & Poterba, J. M. (1990). The stock market and investment: Is the market a sideshow?. Brookings Papers on Economic Activity, 1990(2), 157-215.‏
Mousavishiri, S. M., Salehi, M., Shakeri, M., & Bakhshian, A. (2016). Profitability of momentum strategies and the impact of trading volume in Tehran Stock Exchange. Financial Engineering and Securities Management (Portfolio Management), 6(25), 107-124. [In Persian]
Novy-Marx, R. (2012). Is momentum really momentum?. Journal of Financial Economics, 103(3), 429-453.‏ https://doi.org/10.1016/j.jfineco.2011.05.003
Rahnamaroodposhti, F., Simbar, F., & Toutian, S. (2005). The effect of macroeconomic variables on dividend yield of investment companies accepted in Tehran Stock Exchange. Economic Research Review, 5(17), 209-236. [In Persian]
Rajabi, A., Mohammadi, M. A., & Hamidian, M. (2024). Investigating the effect of financial-behavioral factors on investors' decisions from the perspective of managers of investment companies in Iran Stock Exchange. Journal of Investment Knowledge, 13(52), 785-810. https://doi.org/10.30495/jik.2024.23249 [In Persian]
Romoozi, A., Dizaji, M., Pakmaram, A., & Paytakhti, O. A. (2024). Evaluation of the relationship between stock fluctuations and stock liquidity in Tehran Stock Exchange. Journal of Securities Exchange, 16(63), 31-58. https://doi.org/10.22034/jse.2022.11576.1691 [In Persian]
Sabet, S. A., Aibaghiesfahani, S., & Abdolbaghiataabadi, A. (2025). Behavioral biases in investor decision-making: A comparative meta-analysis of behavioral finance research. Journal of Asset Management and Financing, 13(4), 57-76. https://doi.org/10.22108/amf.2025.144225.1956 [In Persian]
Sarraf, F., Hasheminejad, S., & Soodi, G. (2021). Market volatility, investors sentiment and momentum strategy. Journal of Accounting and Auditing Studies, 10(38), 53-68. [In Persian]
Seok, S. I., Cho, H., & Ryu, D. (2019). Firm-specific investor sentiment and daily stock returns. The North American Journal of Economics and Finance, 50, 100857. https://doi.org/10.1016/j.najef.2018.10.005
Schmeling, M. (2009). Investor sentiment and stock returns: Some international evidence. Journal of Empirical Finance, 16(3), 394-408.‏ https://doi.org/10.1016/j.jempfin.2009.01.002
Shleifer, A., & Vishny, R. W. (1997). The limits of arbitrage. The Journal of Finance, 52(1), 35-55.‏
 https://doi.org/10.1111/j.1540-6261.1997.tb03807.x
Stambaugh, R. F., Yu, J., & Yuan, Y. (2012). The short of it: Investor sentiment and anomalies. Journal of Financial Economics, 104(2), 288-302.‏ https://doi.org/10.1016/j.jfineco.2011.12.001
Statman, M. (1999). Behaviorial finance: Past battles and future engagements. Financial Analysts Journal, 55(6), 18-27.‏ https://doi.org/10.2469/faj.v55.n6.2311
Talebzadeh, F., & Sadeghi, S. (2020). The effect of financial liberalization on informational efficiency in developing economies: Evidence from state space and GMM models. Financial Research Journal, 22(2), 249-265. https://doi.org/10.22059/frj.2020.288983.1006923 [In Persian]
Titan, A. G. (2015). The efficient market hypothesis: Review of specialized literature and empirical research. Procedia Economics and Finance, 32, 442-449. https://doi.org/10.1016/S2212-5671(15)01416-1
Tohidi, M. (2020). Extracting composite sentiment index for Tehran Stock Exchange. Journal of Asset Management and Financing, 8(2), 49-68. https://doi.org/10.22108/amf.2019.116219.1402 [In Persian]
Warther, V. A. (1995). Aggregate mutual fund flows and security returns. Journal of Financial Economics, 39(2-3), 209-235.‏ https://doi.org/10.1016/0304-405X(95)00827-2
You, W., Guo, Y., Zhu, H., & Tang, Y. (2017). Oil price shocks, economic policy uncertainty and industry stock returns in China: Asymmetric effects with quantile regression. Energy Economics, 68, 1-18.
‏ https://doi.org/10.1016/j.eneco.2017.09.007
Yu, J., & Yuan, Y. (2011). Investor sentiment and the mean–variance relation. Journal of Financial Economics, 100(2), 367-381. https://doi.org/10.1016/j.jfineco.2010.10.011
Zhang, X., Bissoondoyal-Bheenick, E., & Zhong, A. (2023). Investor sentiment and stock market anomalies in Australia. International Review of Economics & Finance, 86, 284-303.
‏ https://doi.org/10.1016/j.iref.2023.03.024
Journal of Asset Management and Financing

Articles in Press, Accepted Manuscript
Available Online from 01 December 2025

Files

Share

How to cite

Statistics