پایان نامه ارزیابی توان تبیین معیارهای ریسک نامطلوب در بورس اوراق بهادار تهران

پایان نامه کارشناسی ارشد رشته­ مدیریت مالی

چکیده

در مدل قیمت‌گذاری دارایی سرمایه‌ای(CAPM)، ریسک سیستماتیک یا بتا، تنها عامل تبیین کننده اختلاف بازدهی دارایی‌ها می‌باشد. بتا به عنوان معیار ریسک سیستماتیک نتیجه حاصل از یک و ضعیت تعادلی است که در آن سرمایه‌گذاران به دنبال حداکثر کردن تابع مطلوبیت خود بر اساس دو پارامتر میانگین و واریانس بازدهی می‌باشند. واریانس بازدهی به عنوان معیار ریسک حداقل به دو دلیل ذیل با تعریف متداول ریسک - در معرض خطر قرارگرفتن یا زیان بالقوه و قابل محاسبه‌ی سرمایه‌گذاری – در تعارض است.

اول اینکه زمانی می‌توان از واریانس بازدهی به عنوان معیار ریسک استفاده نمود که توزیع بازدهی دارایی‌ها نرمال باشد. دوم اینکه انحرافات بالاتر از میانگین را به عنوان ریسک سرمایه گذاری تلقی نمی کنند.

در این تحقیق  به بررسی توان تبیین معیارهای ریسک نامطلوب در مقابل معیارهای سنتی ریسک پرداخته شد. نتایج بدست آمده حاکی از آنست که معیار ریسک نامطلوب نیمه‌واریانس استرادا نسبت به سایر معیارهای ریسک سیستماتیک، از عملکرد بهتری در تبیین رابطه ریسک بازده برخوردار است.

واژه های کلیدی: مدل شرطی قیمت گذاری داراییهای سرمایه ای کاهشی ؛ بتای منفی استرادا؛ گامای استرادا؛ریسک سیستماتیک؛ نیمه واریانس.

1-1- مقدمه

از مهم ترین عوامل تصمیم گیری در حوزه‌ی مدیریت مالی و سرمایه گذاری، ریسک و اندازه گیری مناسب این عامل می باشدکه سرمایه گذاران را در امر شناسایی و انتخاب گزینه های سرمایه گذاری کمک می‌کند. مدل قیمت گذاری دارایی سرمایه ای[1](CAPM)  یکی از مهم ترین و کاربردی ترین مدل های قیمت گذاری است . علی رغم نقاط قوّتی که این مدل داراست، اما هم در حوزه‌ی عمل و هم در حوزه‌ی آکادمیک با انتقادهای فراوانی مواجه بوده و هست. برابر گرفتن نوسانات مطلوب و نامطلوب از فرضیات اساسی این مدل در اندازه گیری ریسک سرمایه گذاری است (2002Strada,).

در این تحقیق به بررسی یکی از عوامل کلیدی مدیرت مالی یعنی رابطه ریسک و بازده می‌پردازیم .  در روش سنتی قیمت گذاری دارایی های سرمایه ای(CAPM)، بتا تنها عامل ریسک سیستماتیک می باشد که در شرایط تعادلی و توزیع متقارن مورد بررسی قرار می گیرد و سرمایه گذاران با توجه به دو عامل میانگین بازدهی و تغییرات(واریانس) بازدهی به دنبال حداکثر‌کردن تابع مطلوبیت خود هستند. از آنجاییکه سرمایه گذاران تنها از مقادیر بازدهی کمتر از میانگین بیزار هستند و از طرف دیگر ممکن است توزیع بازدهی سبد دارایی آنها متقارن نباشد، بهتر است برای بررسی رابطه ریسک و بازده از معیار نیمه‌واریانس که به بررسی تغییرات کمتر از میانگین می پردازد و در هر دو حالت متقارن و نا متقارن بیان کننده ی مفهوم ریسک می باشد، استفاده گردد. در تحقیق حاضر برآنیم تا سه نوع معیار ریسک نامطلوب را جایگزین معیار سنتی ریسک کنیم و رابطه ریسک و بازده را با رویکردی جدید مورد بررسی قرار دهیم.

1-2- تعریف و بیان مسئله‌ی تحقیق

چنانچه تعریف ریسک را به صورت زیان بالقوه ی سرمایه گذاری که قابل محاسبه است یا در معرض خطر قرار گرفتن بپذیریم (راعی و سعیدی، 1383) ، بدیهی است که نوسانات بالای میانگین بازدهی ( یا هر میزان مورد هدف) برای سرمایه گذاران تغییرات مطلوب بازدهی می باشد  و فقط تغییرات کمتر از میانگین ( یا هر میزان مورد هدف) به عنوان ریسک لحاظ گردد.

جهت کمی نمودن و اندازه گیری ر یسک تا کنون معیارها ی گوناگونی از قبیل دامنه تغییرات، دامنه میان چارکی، واریانس، انحراف معیار، انحراف مطلق از میانگین و نیمه واریانس ارائه شده است . یکی از رایج‌ترین این معیارها، واریانس و بتای محاسبه شده بر اساس آن می‌باشد. جهت محاسبه انحراف معیار، پس از محاسبه میانگین داده ها، انحراف داده ها از میانگین محاسبه شده و میانگین مجموع مجذورات این انحرافات به عنوان معیار ریسک ارا ئه می گردد ولی همان گونه که بدان اشاره شد نمی‌توان هرگونه انحراف ازمیانگین را ریسک محسوب نمود . برای رفع این نقیصه می توان از نیمه‌واریانس و بتای محاسبه شده بر اساس آن به عنوان یکی از معیارهای ریسک نامطلوب استفاده نمود.

استفاده از نیمه‌واریانس در محاسبه ی ریسک، یکی از رویکردهای جدیدی است که با این تعریف تناسب بیشتری دارد. در مدل قیمت گذاری دارایی سرمایه ای (CAPM) می‌باشد اگر به جای بتای سنتی که مبنای محاسباتی آن واریانس است، از بتای نامطلوب با مبنای محاسباتی نیمه واریانس استفاده شود، بهتر می توان رفتار سرمایه گذاران را در ارتباط با ریسک و بازده تبیین کرد(2007Strada) .

با توجه به موارد بیان شده واریانس از میانگین بازدهی ، نمی تواند به عنوان تنها معیار ریسک لحاظ گردد.  زیرا واریانس بازدهی فقط در وضعیتی می تواند معیار مناسبی از ریسک باشد که توزیع بازدهی دارایی ها متقارن و نرمال باشد .  از طرف دیگر در دنیای واقعی، سرمایه گذاران نسبت به تغییرات منفی در مقایسه با تغییرات مثبت حساسیت بیشتری دارند، ولی واریانس به عنوان معیار متداول ریسک در مدل های قیمت‌گذاری سنتی، تغییرات مثبت و منفی را به طور یکسان در نظر می گیرد. دلیل دیگر اینکه، زمانی می‌توان به طورمستقیم از واریانس به عنوان معیاری از ریسک استفاده کرد که توزیع بازدهی داراییها طبیعی باشد.

بنابراین اگر نیمه واریانس را به عنوان مبنای محاسباتی ریسک جایگزین واریانس بازدهی کنیم می توانیم بر نقاط ضعف روش سنتی فائق آییم. زیرا در دنیای واقعی سرمایه گذاران از تغییرات مطلوب(مثبت)گریزان نیستند، بلکه فقط از تغییرات نامطلوب(منفی) گریزانند. از طرف دیگر در هر دو حالت متقارن و نامتقارن بودن توزیع بازدهی، نیمه واریانس می تواند به طور مستقیم بیان کننده ی مفهوم واقعی ریسک باشد. به عبارت دیگر نیمه واریانس حداقل می تواند به اندازه‌ی واریانس، بیان کننده ی مفهوم ریسک باشد.

 برای توزیع های بازدهی متقارن، بتای معمولی با بتای نامطلوب یکی است. ولی برای توزیع های بازدهی نامتقارن از قبیل توزیع های نرمال لگاریتمی، نتایج حاصل با هم متفاوت خواهند بود.

1-3- پیشینه و تاریخچه موضوع تحقیق:

مطالعاتی که توسط پست و ون ولیت[2] (2006) صورت پذیرفت نشان داد بتای نامطلوب معیار مناسبتری برای تبیین ریسک نسبت به بتای سنتی می باشد و عقیده داشتند برای سهام ارزشی که دارای متوسط بازده نسبتا بالایی می باشد قدرت توضیحی بالاتری دارد. استرادا[3](2002) با تحقیقی که در بازارهای نوظهور انجام داد به این نتیجه رسید که معیارهای ریسک نامطلوب نسبت به معیار های سنتی محاسبه ی ریسک برای توضیح تغییرات بازدهی از برتری معنی داری برخوردار می باشند .تحقیقی که در بازار سرمایه انگستان توسط پدرسن و هانگ[4] (2003) انجام گرفت بیانگر آن بود که حتی اگر بتای نامطلوب بتواند بخشی از رفتار سهام را مورد بررسی قرار دهد ولی چنان مزایایی ندارد که بتوان آن را به عنوان یک مدل جدید قیمت گذاری دارایی در نظر گرفت.  

انگ و دیگران[5](2004) با نمونه گیری از بازار سرمایه امریکا مشاهده کردند استفاده از بتای نامطلوب دارای چنان مزیت هایی است که نه بتای سنتی قادر به توضیح آنها می باشد ونه خصوصیت هایی مانند چولگی ، اندازه و مومنتوم. استرادا و سرا[6](2005)با تحقیقاتی که روی سهام بین المللی در بازارهای نوظهور انجام دادند به نتایجی دست یافتند که بازهم بیانگر برتری معیار های ریسک نامطلوب بر دیگر معیار های ریسک بود.

در بررسی های انجام شده ی گالاگدرا دان[7] (2007) مشخص شد که رابطه ی میان بتای سنتی و بتای نامطلوب تحت تأثیر عواملی از قبیل انحراف از استاندارد، چولگی و کشیدگی است و تأثیر عوامل مذکور بر روابط استخراج شده در چارچوب نامطلوب از نظر اهمیت قابل توجه است. نتایج مطالعه‌ی دان نشان میدهد که در صورت طبیعی نبودن توزیع بازدهی دارایی ها به نظر می رسد که بتای باوا و لیندنبرگ معیار بهتری از ریسک سیستماتیک در مقایسه با دیگر معیارهای بحث شده باشد. هم چنین در بازارهایی که توزیع بازدهی آن ها دارای کشیدگی بیشتری است بتای هارلو و رائو نسبت به دیگر بتاها، معیار مناسبی از ریسک سیستماتیک است. خلاصه این که نتایج مطالعه ی دان نشان می دهد که در بازارهای نوظهور یک مدل استانداردی که دارای قابلیت پذیرش بیشتری باشد، وجود ندارد و این امر باید مورد توجه فعالان چنین بازارهایی باشد.

نتایج مطالعات استرادا[8] (2007) نشان می دهد که معیارهای ریسک نامطلوب(به خصوص بتای نامطلوب) در مقایسه با معیارهای سنتی ریسک، بر اساس داده های تجربی از اعتبار بیشتری برخوردارند. استرادا در مطالعه ی خود از داده های مربوط به بازدهی شاخص بازارهای نوظهور  و بازارهای توسعه یافته  استفاده کرده است. در بررسی های استرادا بتای نامطلوب 45 درصد از تغییرات بازدهی مقطعی کل نمونه مورد بررسی را توضیح می دهد. این در حالی است که 55 درصد از تغییرات بازدهی مقطعی نمونه مربوط به بازارهای نوظهور از طریق بتای نامطلوب قابل تبیین است. یافته های استرادا همچنین نشان می دهد که متوسط بازدهی در هر دو بازار  نوظهور و توسعه یافته نسبت به تغییرات بتای نامطلوب در مقایسه با همان میزان تغییرات در بتای سنتی، از حساسیت بالایی برخوردارند. علاوه بر این، بر خلاف شکل استاندارد مدل CAPM، مدل قیمت گذاری مبتنی بر ریسک نامطلوب، بازدهی مورد انتظار را برای بازارهای نوظهور بیشتر از بازارهای توسعه یافته برآورد می کند و نهایتاً این که در بازارهای نوظهور، مدل قیمت گذاری مبتنی بر ریسک نامطلوب، متوسط بازدهی سالیانه را 5/2 بازدهی سالیانه را  CAPMپیش بینی می کند. این تفاوت در پیش بینی میان دو مدل مذکور از نظر اهمیت بسیار زیاد بوده و برای فعالان بازار قابل اغماض نیست.

باوا و لیندنبرگ[9](1977) با ارائه‌ی مدل تغییرات بخش پایینی عدم تقارن در توزیع بازدهی دارایی ها را در نظر گرفته و مدل تعادلی خود را تحت عنوان CAPM-LPMمعرفی کرده‌اند.هوگان وارن[10] (1974) نشان دادند که با جایگزینی نیمه انحراف از استاندارد به جای انحراف از استاندارد در اندازه گیری ریسک پرتفولیو، ساختار اصلی مدل CAPMباز هم به قوّت خود باقی می ماند. پرایس و نانتل هم ارتباط میان تغییرات بخش پایین تر از میانگین[11](MLPM)  را به عنوان معیار ریسک سیستماتیک و چارچوب مبتنی بر میانگین- واریانس مدل CAPMمورد بررسی قرار دادند. آنان به این نتیجه رسیدند که اگر توزیع بازدهی دارایی ها و پرتفولیوی بازار از نوع نرمال لگاریتمی و فاقد چولگی باشد، دو معیار مذکور متفاوت ازهم خواهند بود. باوا و لیندنبرگ(1977) و نانتل و پرایس[12](1979) هم چنین نشان دادند که اگر توزیع بازدهی دارایی ها و بازدهی پرتفولیوی بازار از نوع طبیعی باشد بتای سنتی با بتای نامطلوب برابر خواهد بود.

هومِیفار وگرِدی[13](1990) رابطه میان بتای نامطلوب و نرخ بازدهی هدف را مورد بررسی قرار دادند و به این نتیجه رسیدند که درجه‌ی دوم LPM در صورتی که نرخ بازدهی هدف متفاوت از بازدهی بدون ریسک باشد، معیار اریب داری از ریسک سیستماتیک است. نتایج بررسی های هومِیفار و گردی، یافته های مطالعه نانتل و پرایس را مبنی بر این که در صورت پایین بودن نرخ بازدهی هدف از نرخ بازدهی بدون ریسک، بتای سنتی مربوط به دارایی های با ریسک پایین باید بیشتر از بتای نامطلوب باشد را تایید می کند. هارلو و رائو[14](1989) شکلی از مدل قیمت گذاری را بر اساس چارچوب ریسک نامطلوب توسعه دادند که همه‌ی مدل های قبلی حالت خاصی از مدل کلی آن ها به حساب می آید. طی یک مطالعه ی تجربی به این نتیجه رسیدند که متوسط بازدهی دارایی ها در مقایسه با نرخ بازدهی بدون ریسک، معیار مناسبی از نرخ هدف است. پِدِرسِن و هانگ هم در مطالعه‌ای که از بازار اوراق بهادار انگلستان انجام دادند به دنبال بررسی این موضوع بودند که با بتای نامطلوب در مقایسه با بتای سنتی، رفتار نرخ بازدهی چه تعدادی از اوراق بهادار موجود در بازار بهتر قابل تبیین است. آنها به این نتیجه رسیدند که اگرچه مدل قیمت گذاری مبتنی بر ریسک نامطلوب رفتار نرخ بازدهی دارایی ها را بهتر از مدل قیمت گذاری سنتی تبیین می کند، ولی این امر در مورد درصد اندکی از دارایی ها مصداق دارد. بنابراین درباره ی کل بازار نمی توان گفت که عملکرد بتای نامطلوب بهتر از بتای سنتی است.