پیش بینی بازده سهام با استفاده از استراتژی تحلیل بنیادی

Authors

اصغر عارفی

عباس دادرس

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

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...

full text

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 ...

full text

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...

full text

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). ...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه علمی-پژوهشی بررسیهای حسابداری وحسابرسی

Publisher: دانشکده مدیریت دانشگاه تهران

ISSN 1024-8161

volume 18

issue 65 2012

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023