بسط مدل‌های عاملی قیمت‌گذاری دارایی‌ها با استفاده از چرخه عمر شرکت

هدف: این پژوهش با هدف معرفی چرخه عمر شرکت، به‌عنوان عامل جدید موثر بر بازده سهام و مقایسه عملکرد مدل‌های چندعاملی قیمت‌گذاری بسط‌یافته با چرخه عمر شرکت و عملکرد مدل‌های متداول چندعاملی قیمت‌گذاری در توضیح بازده سهام اجرا شده است.روش: برای اندازه‌گیری چرخه عمر شرکت از روش الگوی جریان‌‎‎‎‎‎‎های نقدی دیکینسون استفاده شد. برای ساخت عامل چرخه عمر شرکت در هر ماه، از تفاوت بازدهی شرکت‌های در مرحله بلوغ و بازدهی شرکت‌هایی که در سایر مراحل چرخه عمر هستند، استفاده شد، سپس این عامل به مدل‌‎های متداول چندعاملی قیمت‌گذاری، یعنی مدل سه عاملی فاما و فرنچ، چهار عاملی کارهارت، پنج عاملی فاما و فرنچ و چهار عاملی هو، زو و ژانگ اضافه شد. در ادامه، به‌کمک رویکرد رگرسیون‌های سری زمانی، عملکرد مدل‌های بسط‌یافته با چرخه عمر و مدل‌های متداول در توضیح بازده سهام مقایسه شدند. برای این منظور، از داده‌های شرکت‌های پذیرفته‌شده در بورس و فرابورس تهران در فاصله 1383 تا 1397 و مجموعه متنوعی از دارایی‌های آزمون به‌صورت پرتفوی‌های مرتب‌شده بر اساس ویژگی‌های مختلف شرکت‌ها، استفاده شده است.یافته‌ها: نتایج نشان می‌دهد که مدل‌‎های بسط‌یافته در قیاس با مدل‌های متداول، در توضیح تفاوت بازدهی سهام شرکت‌ها (دارایی‌های آزمون) عملکرد بهتری دارند و این تفاوت عملکرد از نظر قدرت توضیح‌دهندگی برای دارایی‌های آزمونی که با استفاده از چرخه عمر شرکت تشکیل شده، در مقایسه با دارایی‌های آزمونی که بدون استفاده از چرخه عمر شرکت شکل‎ گرفته‌اند، مشهودتر است.نتیجه‌گیری: اضافه‌شدن عامل چرخه عمر شرکت، عملکرد مدل‌های متداول چندعاملی قیمت‌گذاری را در توضیح بازده سهام شرکت‌ها بهبود می‌دهد.

Developing Multifactor Asset Pricing Models Using Firm’s Life Cycle

Objective: This research is aimed at introducing firms’ life cycles as a new and effective factor on stock return and comparing the performance of the new multifactor asset pricing models (augmented by firm’s life cycle factor) with corresponding conventional multifactor asset pricing models in explaining stock returns. Methods: To this end, Dickinson’s cash flows pattern has been used to measure the firm’s life cycle. A Firm’s life cycle factors are constructed based on the difference in average returns of firms in maturity stage and firms in other firm’s life cycle stages. Then, this factor waS combined with the conventional multifactor pricing model, namely the Fama and French threefactor model, Carhart fourfactor model, Fama and French fivefactor model and Ho, Xue, and Zhang fourfactor model. In the following, using time series regression approach, the performance of augmented multifactor asset pricing models and corresponding conventional ones are compared. For this purpose, the accounting and market data from companies listed in Tehran stock exchange and Iran Fara Bourse between the years 2004 and 2018 and the variety of test assets based on different firm’s characteristics were usedResults: The results show that augmented multifactor pricing models have a better performance compared to corresponding multifactor pricing models in explaining stock returns and outperformance is more evident when test assets are formed using firm’s life cycle compared to test assets formed without the firm’s life cycle.Conclusion: The addition of a firm’s life cycle factor improves the performance of conventional multifactor pricing models in explaining stock returns.