جستجو برای ساختار بهینه مدل‏‌‌های قیمت‏‌‌گذاری فاما‏‌‌فرنچ و کارهارت در بازار سرمایه ایران

عدم یکپارچگی کشورها از نظر ساختار مدل‌‌های قیمت‌‌گذاری فاما‌‌فرنچ و کارهارت در مطالعات پیشین اثبات‌شده است. در این پژوهش، شش ترکیب مختلف برای عوامل ریسک مدل‌‌های فاما‌‌‌‌فرنچ و کارهارت (از حیث وجود عامل مومنتوم، تفکیک اثرات برای شرکت‌های کوچک و بزرگ و وجود وزن در ساختار فاکتورها) بر روی نه طیف گوناگون از پرتفولیوهای آزمون (به‌ویژه برای شرکت‌‌‌های بزرگ)، در رویۀ رگرسیون سری زمانی و رویۀ رگرسیون مقطعی فاما‌‌مک‌‌بث (جداگانه با کل نمونه و با پنجره‌‌‌های زمانی غلتانِ 60 ماهه) در بورس تهران، از مهر 1389 تا اسفند 1396 آزمون شده‌‌‌اند. بنا بر یافته‌‌‌ها، معناداری اثر مومنتوم در توضیح پراکندگی میانگین بازده‌‌‌ها اکثراً معنادار بوده است. همچنین، صرف ریسک‌های محاسبه‌شده برای عامل بازار عموماً برای طیف‌‌های حاصل از مرتب‌‌سازی شرکت‌‌ها برحسب انحراف معیارِ بازده معنادار بوده‌‌اند و در صورت محاسبه با بتاهای مبتنی بر کل اطلاعات پژوهش (90 ماه) توضیح‌‌‌دهندگی بهتری داشته‌‌اند. در خصوص عامل ارزشی رشدی، در بین شرکت‌‌‌های بزرگ برعکس عامل ارزشی رشدی، بازده شرکت‌‌‌های رشدی بیشتر از شرکت‌‌‌های ارزشی بوده است و عامل ارزشی رشدی موزونِ خاص شرکت‌‌‌های بزرگ معنادارترین بدیل این عامل برای توضیح پراکندگی بازده‌‌‌های میانگین بوده‌‌‌اند. برای عامل اندازۀ شرکت، تنها پس از حذف داده‌‌های سال 1396 صرف ریسک‌های معنادار پدیدار شده‌‌اند.

In Pursuit of the Optimal Combination of FamaFrench and Carhart Models for Iranian Capital Market

It has been proved that different economies are disintegrated in terms of the optimal asset pricing model structure. Here we consider six different combinations of FamaFrench and Carhart models, in terms of inclusion of momentum effect, differing effects for small and large firms and value weighting the factor components in explaining the average returns of 9 sets of LHS portfolios, some of which are specifically focused on large firms. Both timeseries regression and FamaMacBeth approach (full and rolling samples) in crosssection regression procedures have been used for testing the models. I find that momentum’s effect is significant in many of the spectra of test portfolios. Market factor’s explaining power which is significant almost solely for return SD sorts, is most pronounced when calculated based on full samples. Among all valuegrowth effect variants, explaining power of bHMLw has been significant. Finally, RHS portfolios corresponding to size effect have demonstrated significant explanation for average returns, only after deletion of the data from year 2017 the last 12 months of the whole 90month research data.