بررسی دقت مدل تصحیح خطای برداری (vecm) در پیش بینی بازده سهام در بورس اوراق بهادار تهران

تحقیق حاضر با هدف بررسی دقت مدل تصحیح خطای برداری با استفاده از متغیرهای درون زا از قبیل بازدهی، نسبت قیمت به ارزش دفتری هر سهم، بازده حقوق صاحبان سهام، نقدشوندگی، نسبت بازده نقدی، حاشیه سود عملیاتی و فروش به ازای هر سهم و مجموعه ای از متغیرهای کلان اقتصادی از قبیل تولید ناخالص داخلی، قیمت نفت، قیمت جهانی طلا، شاخص بورس اوراق بهادار تهران و قیمت جهانی محصول نهایی شرکت، انجام شده است. در این تحقیق داده ها به صورت فصلی و برای دوره زمانی 1380 تا 1389 و با استفاده از روش تصحیح خطای برداری، مورد تجزیه و تحلیل قرار گرفته اند.نتایج آزمون هم جمعی نشان دهنده وجود رابطه بلندمدت میان متغیرهاست. درنتیجه امکان استفاده از مدل تصحیح خطای برداری فراهم می گردد. مقدار آماره f حاصل از تخمین مدل حاکی از معناداری مدل می باشد. سپس نتایج حاصل از بررسی معناداری پیش بینی انجام شده به روش مک کراکن نشان می دهد که در دو سوم از نمونه ها پیش بینی با مدل تصحیح خطای برداری دارای میانگین مجذور خطای کمتری نسبت به میانگین تاریخی می باشد.

The Precision of Vector Error Correction Model (VECM) in Forecasting a Company`s Stock Returns in Tehran Stock Exchange

The purpose of this research is to investigate the precision of Vector Error Correcton Model on predictability of stock’s expected return in Tehran Stock Exchange. We selected relevant fundamental indicators and some macro economic and specified a model capable of forecasting return.The model statistical validation was carried out by performing unit root tests, cointegration tests and Granger casuality test. Data taken from the firm's financial statements were used to compute seven fundamental indicators, which were defined as the model's endogenous variables. The exogenous variables included in the model are the Tehran Stock Market Index Return, the Iranian GDP, the oil price, the gold price and the international price of commodities produced in the company. Model estimation is performed with a data sample from 1st quarter of 1380 to the 4th quarter of 1389. The estimated model takes into account cointegration relationships among the endogenous variables. Based on this model, the company’s ex-post forecasts of the stock return were abtained. The results show that the forcasting by the model is robust in 70 percent of sample as seen by calculating the estimation error and comparing with historical error.