پیش بینی بازده سهام با استفاده از استراتژی تحلیل بنیادی

نویسندگان

اصغر عارفی

عباس دادرس

چکیده

هدف این پژوهش، بررسی اهمیت متغیرهای اساسی صورت های مالی در پیش بینی بازده سهام به وسیله ی استراتژی تحلیل بنیادی است. یازده علامت بنیادی بر اساس توانایی شان در پیش بینی بازده شامل موجودی کالا، حساب های دریافتنی، سرمایه گذاری ها، حاشیه سود ناخالص، بازده دارایی ها،تغییرات بازده دارایی ها، جریان وجوه نقد، اقلام تعهدی، تغییرات اهرم مالی، تغییرات نقدینگی و تغییرات گردش دارایی ها در محاسبه نمره بنیادی شرکت ها منظور شده است و شرکت ها با توجه به نمره بنیادی به دو پرتفوی با نمره بالا و پایین تقسیم می شوند و بازده آن ها از ابتدای ماه پنجم سال بعد تا 15 ماه بعد از آن محاسبه شده است.جامعه ی آماری شرکت های بورس اوراق بهادار تهران طی سال های 1378-1389 هستند. نتایج آزمون همبستگی اسپیرمن نشان داد نمره بنیادی رابطه مثبت و معنا داری در سطح 1 درصد با بازده سهام دارد. متغییرهای موجودی کالا و تغییرات گردش دارایی ها رابطه مثبت معنادار و سرمایه گذاری ها دارای رابطه منفی معنادار در سطح 1 درصد با بازده بودند. آزمون تی -استیودنت نیز نشان داد، میانگین بازده پرتفوی با نمره بنیادی بالا(26/49درصد)، بزرگ تر از پرتفوی با نمره بنیادی پایین(57/25) است و در نتیجه با استفاده از استراتژی تحلیل بنیادی، می توان بازده مثبتی به دست آورد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌بینی بازده سهام با استفاده از استراتژی تحلیل بنیادی

هدف این پژوهش، بررسی اهمیت متغیرهای اساسی صورت های مالی در پیش‌بینی بازده‌سهام به‌وسیله‌ی استراتژی تحلیل بنیادی است. یازده علامت بنیادی بر اساس توانایی‌شان در پیش‌بینی بازده شامل موجودی‌کالا، حساب‌های دریافتنی، سرمایه‌گذاری‌ها، حاشیه‌سود‌ ناخالص، بازده دارایی‌ها،تغییرات بازده دارایی‌ها، جریان وجوه‌نقد، اقلام تعهدی، تغییرات اهرم مالی، تغییرات نقدینگی و تغییرات گردش دارایی‌ها در محاس...

متن کامل

پیش بینی بازده سهام با استفاده از روش انقباضی LASSO

انتخاب متغیر، یکی از مراحل مهم در مدل­سازی آماری است. برای این منظور، معمولاً از روش­هایی نظیر حذف پسرو استفاده می­شود. از آنجایی که در این روش­ها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت می­گیرد، نتیجه­ی حاصل بی­ثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روش­های انتخاب متغیر به نام روش­های انقباضی مطرح شده­اند که در این بین، LASSO از محبوبیت ویژه­ای برخوردار است. در این تح...

متن کامل

نقش اطلاعات بنیادی حسابداری در پیش بینی بازده سهام

بازده سهام یکی از مفاهیم پیچیده است که مورد علاقه سرمایه گذاران و تصمیم گیرندگان می باشد. برای تبیین و پیش بینی سهام مدل ها نظریه های مختلفی شامل مدل قیمت گذاری دارایی های سرمایه ای (CAPM)، مدل های عاملی یا شاخصی (FM)، مدل های آربیتاژ (APT)، تحلیل های فنی (TA) و تحلیل های بنیادی (FA) مطرح شده است. در تحلیل بنیادی بازده سهام تابعی از شرایط کلان اقتصادی، وضعیت صنعت و شرایط خاص شرکت میباشد. شرایط ...

متن کامل

پیش بینی بازده سهام با استفاده از نسبتهای مالی

اطلاعات حسابداری جهت مفید بودن در تصمیم گیری باید مربوط و قابل اتکا باشد. از طرف دیگر مفید بودن اطلاعات صورتهای مالی به قدرت تبیین و پیش بینی ارزش شرکت وابسته است و ارزش شرکت نیز مستقیما تحی تاثیر بازده فعلی و بازده آتی آن است. بنابراین پیش بینی بازده سهام با استفاده از نسبتهای مالی موضوع تحقیق قرار گرفت و براساس بررسی های انجام شده در ادبیات موضوع، چهار نسبت D/P،S/P، B/P،E/P انتخاب گردیدند. ج...

متن کامل

مقایسه قدرت پیش بینی بازده مورد انتظار سهام با استفاده از مدل‌های CAPM و Reward Beta

تحقیق حاضر به مقایسه دو مدل Reward Beta  و مدل سه عامله CAPM جهت پیش بینی بازده مورد انتظار در بورس اوراق بهادار تهران پرداخته است. آزمون مدل‌ها در دو مرحله انجام گرفت: 1- تعیین پارامتر های مدل‌ها به صورت آینده نگر(1/1/1379- 29/12/1382) بر اساس رگرسیون سری زمانی و 2- استفاده از پارامترهای تعیین شده در مرحله قبل به‌عنوان متغییر های توضیحی در رگرسیون مقطعی به صورت گذشته نگر(1/1/1383-29/12/1386). ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فصلنامه علمی-پژوهشی بررسیهای حسابداری وحسابرسی

ناشر: دانشکده مدیریت دانشگاه تهران

ISSN 1024-8161

دوره 18

شماره 65 2012

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023