تحلیل بازده سهام بر اساس مدل پنج عاملی فاما و فرنچ در مقیاس های زمانی مختلف با رهیافت تحلیل موجک در بورس اوراق بهادار تهران

هدف پژوهش حاضر تحلیل عوامل موثر در بازده سهام بر اساس مدل فاما و فرنچ و با رویکرد تحلیل موجک می باشد. مدل فاما و فرنچ در نظریه قیمت گذاری دارایی و مدیریت سید سرمایه گذاری مدلی است که متغیرهای مستقل در آن عوامل صرف ریسک اندازه ،ارزش، سرمایه گذاری و سودآوری می باشد. سری های زمانی متغیرهای مستقل به وسیله تجزیه موجک به سطوح مختلف تجزیه شده و تاثیر متغیرهای مستقل بر بازده سهام در این سطوح و به کمک رابطه رگرسیونی بررسی می شود. داده های مورد نیاز پژوهش از نرم افزار ره آورد نوین جمع آوری شده و برای تجزیه و تحلیل داده ها از نرم افزار متلب و جعبه ابزار موجک آن استفاده گردید. نتیجه تحلیل رگرسیونی مقیاس زمانی مدل پنج عاملی فاما و فرنچ در بورس اوراق بهادار تهران در خلال سال های 1395 - 1380 و با استفاده از تحلیل موجک نشان می دهد در کوتاه مدت (2-4 دوره سه ماهه) ، متغیرهای اندازه، صرف ریسک و سودآوری دارای تاثیر معناداری بر بازده هستند. در میان مدت( 8-4 دوره سه ماهه)، اندازه، صرف ریسک ارزش و در دراز مدت (16-8 دوره سه ماهه) صرف ریسک و سرمایه گذاری دارای تاثیر مثبت و معناداری بر بازده هستند.

Stock Return Analysis Based on Fama and French Factor Model at Different Time Scales with Wavelet Analysis Approach in Tehran Stock Exchange

The present research is the first research on Fama and French Factor model analysis using wavelet analysis approach in Tehran Stock Exchange. However, in the case of the three-factor model Rostami et al. (1396) in a research entitled &Multi-scale pricing model with wavelet analysis approach and three Fama-French factors and non-liquidity in Tehran Stock Exchange&, a three-factor Fama and French model with a three-factor approach Wavelet decomposition. The relationship between stock returns with beta, book value to market value and firm size in the medium term are significant. The relationship between stock returns and size in the short run is significant.The regression analysis of the time scale of the Fama and French model of the five-factor model using the wavelet analysis in MATLAB software shows that in the short run (2-4 months), variables of size, risk and profitability have a positive and significant effect on returns. . In the medium term (4 to 8 quarterly periods), size, risk, value, and long-term (8 to 16 quarterly periods), risk and investment have a positive and significant effect on returns.Wavelet analysis and Famafrnch model analysis at different time scales show that investors in different time horizons should consider different factors in shaping their expectations of a portfolio. The proposed methodology suggests that investors choose investment opportunities with dynamic portfolio management strategies and take multi-dimensional risk and returns.