ارزیابی بازده سهام با بهره گیری از تلفیق الگوی چندعاملی قیمت‌گذاری دارایی‌های سرمایه‌ای و تابع جریمه(پنالتی) در بازار بورس اوراق بهادار تهران و مقایسه ان با الگوی ینج عاملی فاما و فرنچ

یکی از دغدغه‌های اصلی سرمایه‌گذاران، ارزیابی بازده سرمایه‌گذاری است که با استفاده از الگوهای مختلف مانند الگوی تک عاملی capm، سه و پنج عاملی فاما و فرنچ، و شش عاملی روی و شیجین و غیره که به الگوهای چندعاملی معروفند انجام می‌شود. به رغم استفاده گسترده از الگوهای مزبور، اشکالات اساسی آن‌ها شامل حساسیت به تغییرات غیرمترقبه، شوک‌های ناگهانی، تلاطم‌های شدید حباب قیمتی و غیره است. برای رفع آن‌ها، الگوی چندعاملی بر پایه استفاده از روش تابع پنالتی (جریمه) برآورد گردیده که به جای استفاده از شیوه میانگین‌گیری، بر اساس بهینه‌سازی و اجتناب از تاثیر تغییرات غیرمتعارف و سایر عوامل موثر در بازار سرمایه، عمل می‌کند. برای ارزیابی بازده سهام می‌توان از گزینش عوامل موثر و مدل‌سازی و ارائه الگوی متناسب با شرایط حاکم بر بازار سرمایه ایران استفاده نمود. در این مقاله، با تشکیل سبد (پرتفوی) های سرمایه‌گذاری و شناسایی عوامل موثر و پالایش آن، دسته‌بندی و برآورد الگوی تلفیقی تابع جریمه و چندعاملی (p pca) بر پایه داده‌های عملکردی در بازه زمانی انجام شد. نتایج این تحقیق نشان داد که استفاده از الگوریتم شبیه‌سازی گسترده تابع جریمه به شیوه تخمین(p&pca)   کارایی روش‌های چندعاملی را در ارزیابی بازده سهام بهبود می‌بخشد و  استفاده از الگوریتم تلفیق تابع جریمه و چند عاملی نسبت به الگوی 5عاملی فاما وفرنچ در دوره زمانی موردبررسی از  دقت وقدرت توضیح دهندگی  بالاتری در برآورد بازده سهام برخوردار است.

evaluating stock returns using a combination of multi-factor pricing model for capital assets and the function of penalty in tehran stock exchange market and its comparison with five factors fama and french model

evaluating the return on investment is one of the main concerns of investors, which is conducted using different models including the single-factor model capm, three and five factors fama and french, and six factors roy and shijin, etc. known as multifactorial models. in spite of the widespread use of the models, their main disadvantages include sensitivity to unexpected changes, sudden shocks, severe turbulence of price bubble, and so on. to solve the disadvantages, a multi-factor model is estimated based on the use of the penalty function method, instead of using the average method, which would act based on optimization and avoiding the impact of unusual changes and other factors affecting the capital market. it is possible to select effective factors and model to evaluate stock returns and present a model appropriate to the conditions prevailing in the iranian capital market. in this article, the classification and estimation of the integrated model of penalty and multi-factor (p pca) was performed by forming investment portfolios and identifying the effective factors and refining it based on performance data over a period of time. the study results showed that the use of an extensive simulation algorithm for penalty function by estimation method (p pca) improves the efficiency of multifactorial methods in evaluating stock returns. the use of the finite and multi-factor combination algorithm has higher accuracy and explanatory power during the review period in estimating stock returns than the 5-factor fama and french model.