چکیده:
این مقاله به بررسی حباب قیمت در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. ابتدا از طریق آزمونهای تسلسل، چولگی، کشیدگی و وابستگی دیرش مشخص گردید که در بورس تهران طی دورة زمانی 1383 تا 1388 حباب قیمت رخ داده است. سپس با انجام آزمونهای حباب قیمت، تمامی شرکتهایی که در قلمرو زمانی مذکور از رشد و سقوط شدید قیمتی در بورس برخوردار بوده به دو گروه شرکتهای بدون حباب و حباب قیمتی تقسیم شدند. برای پیشبینی حباب از متغیرهای درونزای شرکتها از قبیل: اندازة شرکت، ترکیب سهامداری، نسبت P/E ، شفافیت اطلاعات و سرعت نقدشوندگی استفاده گردید. سپس با استفاده از روش رگرسیون لوجیت باینری و شبکة عصبی مصنوعی مدلی برای پیشبینی حباب قیمت طراحی گردید. در برازش مدل از دادههای شش ماه قبل از بروزحباب (شتاب قیمت) استفاده گردید. آزمون فرضیههای تحقیق نشان داد بین تمامی متغیرهای مستقل انتخاب شده و حباب قیمت رابطة معنیداری وجود دارد و مدل شبکة عصبی به دلیل خطای کمتر در پیشبینی به عنوان مدل دقیقتر شناسایی گردید.
In this article, we attempt to investigate the factors than effect on price bubbles in Tehran Stock Exchange (TSE) listed companies. First, through runs test, skeweness, kurtosis, and duration dependence test the incidence of bubbles in Tehran Stock Exchange during the years 2004 to 2009 at 95% confidence level were studied. Then all companies that have had severe price volatility have been selected as examples. Totally, a number of 246 companies qualified for the study were selected. And then, by price bubble tests, all companies were divided in two groups, with and without bubbles. To predict bubbles, based on theoretical frameworks, we used indigenous variables such as size of company, P/E ratio, information transparency, stockholder combination, and liquidity rate as independent variables. Then, login binary regression and artificial neural networks (ANN) were used to model and predict bubbles. Data pertaining to a six-month period prior to formation of bubbles (price acceleration) were employed to fit the model. the results suggested significant relationships between all independent variables and price bubbles. ANN model was identified as a better predictor due to smaller error.
خلاصه ماشینی:
فاماها (٢٠١٠ ,Fama ha) در پژوهش خود با مطرح کردن این فرضیه که " آیا رشد قیمت سهام ناشی از سیاست های پولی و مالی دولت بوده است " حباب قیمت را با استفاده از وابستگی دیرش مورد بررسی قرار داد و برای نشان دادن واکنش بازدهی سهم به سیاست پولی از مدل VAR خودرگرسیو برداری استفاده کرد.
اکبر گداری (١٣٨٥)، با استفاده از آزمون پایایی قیمت به سود و به کارگیری روش ریشۀ واحد، حباب را در سال ١٣٨٣ در بازار سهام تهران روی ٢٣ شرکت بورسی مورد بررسی قرار داد.
فرضیۀ دوم : امکان پیش بینی حباب قیمت شرکت ها در بورس تهران ، براساس اندازة شرکت ، رتبۀ نقدشوندگی سهم ، نسبت P/E، وضعیت شفافیت اطلاعاتی و ترکیب سهام داری شرکت ها با استفاده از مدل شبکۀ عصبی مصنوعی و لاجیت امکان پذیر خواهد بود.
٣- نتایج طراحی مدل پیش بینی حباب قیمت ٣-١- نتایج آزمون برازش مدل لاجیت باینری : پس از تقسیم بندی نهایی شرکت ها به دو گروه حباب دار و بدون حباب ، مقادیر متغیرهای مستقل برای هر شرکت در طول دورة شش ماه قبل از تاریخ بروز حباب ، جمع آوری و اثر آن بر متغیر وابسته که همان وقوع یا عدم وقوع حباب میباشد مورد آزمون قرار گرفته است .