بسط مدل‌های عاملی قیمت‌گذاری q فاکتور و q فاکتور تعدیل‌شده با عامل رشد سرمایه‌گذاری مورد انتظار با استفاده از عامل بازده مورد انتظار

هدف: شناسایی مدل درست قیمت‌گذاری دارایی، نه تنها بازده سهام را توضیح می‌دهد، بلکه باعث افزایش توانایی پیش‎بینی بازده غیرعادی خواهد شد. هدف پژوهش حاضر، ارزیابی امکان بهبود عملکرد مدل‌های مورد بررسی پژوهش با اضافه‌کردن عامل بازده مورد انتظار است.روش: در این پژوهش از داده‌های 345 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس طی بازه زمانی 1385 تا 1398 استفاده شد. سپس، بر پایه نظریه مصرف و اصول و مفروضات حسابداری، ویژگی‌های حسابداری اثرگذار بر رشد سود و بازده سهام شناسایی و به‌دنبال آن به‌صورت تجربی آزمون شدند. در ادامه، ویژگی‌های مربوطه در یک عامل تحت عنوان عامل بازده مورد انتظار خلاصه شد تا در بسط مدل‌های چندعاملی قیمت‌گذاری استفاده شود. در نهایت، دارایی‌های آزمون در دو دسته، با لحاظ‌کردن ویژگی بازده مورد انتظار شرکت و بدون لحاظکردن ویژگی بازده مورد انتظار شرکت، طبقه‌بندی شدند.یافته‌ها: موارد متعددی از هر دو گروه دارایی‌های آزمون نشان می‌دهد، بسط مدل‌های مورد بررسی پژوهش با عامل بازده مورد انتظار، موجب افزایش ارزش احتمال آماره grs، کاهش آماره grs و افزایش ضریب تعیین تعدیل شده آنها می‌شود که این موضوع حاکی از بهبود عملکرد و افزایش شایان توجه قدرت توضیح‌دهندگی مدل‌های حاوی عامل بازده مورد انتظار نسبت به مدل‌های متناظر آنها است.نتیجه‌گیری: نتایج پژوهش نشان می‌دهد اضافه‌شدن عامل بازده مورد انتظار به مدل‌های مورد بررسی پژوهش باعث شده تا عملکرد این مدل‌ها در توضیح الگوهای مختلف بازده سهام بهبود یابد که این تفاوت عملکرد از لحاظ قدرت توضیح‌دهندگی برای دارایی‌های آزمونی که با استفاده از ویژگی بازده مورد انتظار تشکیل شده، مطلوب‌تر است.

Developing Q-factor and Adjusted Q-factor Pricing Models by the Expected Investment Growth Factor using an Expected Return Factor

Objective: Identifying the correct asset pricing model has long been an important topic in the thematic literature of financial economics. Such a model not only explains stock returns but also increases the ability to predict abnormal returns. The first models for estimating returns date back to the 1960s, when Markowitz (1952)’s new theory of securities attracted the attention of researchers. The first model for estimating returns was The capital asset pricing model (CAPM) which was presented by William Sharp (1964). In his research, William Sharp showed that return on asset was a function of line of market risk premium. But from 1975 to 1990, deviations and anomalies related to the CAPM model gradually became apparent. Following the recognition of these anomalies in accounting, in this study, based on the research of Penman and Zhou (2018), a expected return factor based on accounting characteristics is introduced. The purpose of this research is to evaluate the possibility of improving the performance of qfactor and adjusted qfactor with the expected investment growth factor’s models for explaining the difference between stock returns by adding the expected return factor based on accounting characteristics.Methods: This is an applied research in terms of purpose and an inferential and descriptive research, in terms of method. To achieve the research objective, data of 345 companies enlisted in the Tehran Stock Exchange (TSE) and Iran Farabourse market, from 2006 to 2020, were gathered. Then based on consumption theory and accounting principles and assumptions, accounting characteristics affecting earnings growth and expected return were identified. After, the data was experimentally tested. In the following, the relevant characteristics in a factor are summarized as the expected return factor based on accounting characteristics to be used in the development of multifactor pricing models. Finally, to evaluate the performance of multifactor asset pricing models, test assets were classified into two categories (once considering the expected return, and once without considering the company’s expected return factor).Results:Numerous cases from both groups of test assets showed that the expansion of qfactor and adjusted qfactor with the expected investment growth factor’s models with the expected return factor based on accounting characteristics increases the probability value of GRS statistic, decreases GRS statistic, and increases their adjusted coefficient of determination. This indicated an improvement in performance and a considerable increase in the explanatory power of models containing the expected return factor based on accounting characteristics compared to their respective models.Conclusion: The results of this research showed that the added expected return factor based on accounting characteristics to qfactor and adjusted qfactor with the expected investment growth factor’s models improves their performance in explaining the stock returns. Also, the test assets that considered the company’s expected return characteristic performed better compared to those that did not.