پروپوزال مدیریت
بررسی اثر تعطیلات در بازار بورس اوراق بهادار تهران
مقدمه
مدیریت مالی جدید، با بررسی تئوری بازار کارا، بی قاعدگی های تقویمی مانند اثر روزهای معاملاتی هفته، اثر آخر هفته، اثر آخر سال و نیز اثر تعطیلات را در بازارهای مالی شناسایی و مورد تاکید قرار داده است و از این طریق کارایی بازار مالی را به چالش کشیده است. در بازار کارا اطلاعات مربوط به بازار و یکایک سهام در دسترس همه است. از این رو کسی نمی تواند به طور مرتب بازده اضافی کسب کند. اثرات تقویمی موجب ایجاد بازدهی هایی می شوند که متناسب با ریسک نیستند. این تحقیق بر آن است وجود اثر تعطیلات را به عنوان یکی از اثرات تقویمی شناخته شده در دنیا، در بازار سهام تهران بررسی کند.
تبیین موضوع تحقیق
شواهد تجربی فراوانی در نقاط مختلف دنیا، حکایت از وجود الگوهای تکرارپذیر در طول زمان دارد. این امر با مفاهیم بازار کارا و تئوری های مرتبط با آن سازگار نیست. اساس و بنیان مفهوم کارایی بازار و تئوری های نوین مالی، بر غیرقابل پیش بینی بودن رفتار بازار در بلندمدت بنا نهاده شده است. جمع کثیری از محققین در سال های اخیر، ریشه ی این پدیده ها را در مباحث مالی رفتاری1 جست وجو می کنند. یکی از معروف ترین این روندها بی نظمی های دوره ای2 است که توجه خود را به کشف روندهای دوره ای موجود در بازار معطوف می سازد. در بین این بی نظمی های دوره ای که مورد بررسی قرار گرفته اند، اثرات تقویمی3 جایگاه ویژه ای را به خود اختصاص داده اند. اثرات تقویمی توجه خود را به بررسی رفتار بازار در اوقات مختلف سال (از جمله اثر ابتدای سال4 (اوقات مختلف ماه (شامل اثر گردش ماه5) اوقات مختلف هفته (اثر روزهای هفته6 و اثر آخر هفته7 ( و روزهای قبل و بعد از تعطیلات رسمی (اثر تعطیلات8( معطوف می سازد. (حساب تعطیلات رسمی از تعطیلات آخر هفته جدا است.)
یکی از پایه های اساسی نظریه مدرن مالی، طی سال های دهه 50 نظریه بازار کاراست. یکی از مباحث و آزمون هایی که در سطح ضعیف کارایی بازار صورت می گیرد، بررسی وجود یا عدم وجود الگوهای فصلی و تقویمی است که بر اساس اطلاعات تاریخی، شناسایی شده و مورد توجه تحلیل گران جهت پیش بینی آینده قرار می گیرد. الگوهای تقویمی با بررسی تاریخی، بازده اوراق بهادار و یا حجم معاملات در مقاطع زمانی مشخص، شناسایی می شود و در صورت معنادار بودن چنین الگویی، اطلاعات تاریخی مبنایی جهت تصمیم گیری آینده سهامداران می شود. براساس فرضیه کارا، الگوی فصلی نباید دارای اثرات معنادار باشد. بعضی از آزمون های تجربی نشان داده اند که استفاده از الگوهای خاص معامله، بر اساس اوقات مختلف روز، ماه یا سال، می تواند منجربه ایجاد بازده اضافی گردد. کسب بازده اضافی، کارایی بازار را به چالش می کشاند. بنابراین اثرات تقویمی یا دوره ای، می تواند به عنوان یکی از فاکتورهای پیش بینی کننده رفتار آتی سهام مطرح باشد. الگوهای فصلی با بررسی تاریخی بازده اوراق بهادار و یا حجم معاملات در مقاطع زمانی مشخص، شناسایی می شود و در صورت معنادار بودن چنین الگویی، اطلاعات تاریخی، مبنایی جهت تصمیم گیری آینده سهامداران می شود. بسیاری از مطالعات انجام گرفته با بررسی اثر پایان سال، اثر روزهای هفته، اثر ماههای خاص سال و مانند آن به الگوی خاصی در رفتار بازار پی بردند. (راعی و شیرزادی، 1387). مطالعات زیادی در کشورهای مختلف انجام شده که در آن شواهدی دال بر وجود بازده های غیرعادی بالا در روزهای قبل از تعطیلات رسمی یاد می شود. مطالعات زیادی بازده غیرعادی روز قبل از تعطیلی را نه تنها برای تعطیلات سال نو و کریسمس، بلکه برای سایر تعطیلات نیز یافتند. اثرات تعطیلی یکی از مهمترین بی قاعدگی های تقویمی شناسایی شده در بازارهای مالی هستند. تعطیلات بازارهای مالی معمولاً در روزهای ملی، اولین روزهای سال نو، تعطیلات مذهبی و غیره هستند. دو دسته از اثرات تعطیلی شناسایی شده اند: (Dumitriu et al., 2011)
اثر روز قبل از تعطیلی، زمانی که بازده قیمت روز قبل از تعطیلات به طور معناداری متفاوت از روزهای دیگر است.
اثر روز بعد از تعطیلی که شامل تفاوت معنادار مابین بازده قیمت روز پس از تعطیلات و سایر روزهاست.
این دو اثر تعطیلی در بسیاری از کشورها شناسایی شده اند. اگرچه مطالعات زیادی وجود بازده غیرعادی در روزهای قبل از تعطیلات را تایید کرده اند، اما تعداد کمی از آنها سعی در توضیح اینکه چرا این اثر وجود دارد، کرده اند. (Tangjitprom, 2010)
بررسی اثر تعطیلات، به عنوان زیرمجموعه اثرات تقویمی (شاخه ای از مالی رفتاری)، بر بازده قیمت در روز قبل و بعد از تعطیلات رسمی توجه می کند و به دنبال این است تا ببیند آیا تفاوت معنی داری بین بازده روز قبل از تعطیلات با بازده سایر روزها (مطابق آنچه در بسیار ی از بازارهای نقاط مختلف دنیا دیده شده) و نیز بین بازده پس از تعطیلات با بازده سایر روزها وجود دارد یا خیر؟
مطالعات زیادی در کشورهای مختلف انجام شده که در آن شواهدی دال بر وجود بازده های غیرعادی بالا در روزهای قبل از تعطیلات رسمی، به دلیل افزایش فعالیت در چنین روزهایی و کمتر بودن آن در روزهای پس از تعطیلات می باشد. در بسیاری از مطالعات، رفتار فصلی بازده روزانه بازار سهام در روزهای قبل از تعطیلی، نشان داده شده است. مطالعات زیادی در بازار سهام ایالات متحده، حاکی از وجود بازده غیرمعمول اضافی در روزهای قبل از تعطیلات هم در شرکت های بزرگ و هم در شرکت های کوچک است. در مطالعاتی بازده روزهای قبل از تعطیلات در ایتالیا را بررسی شد و بازده اضافی در روزهای قبل از تعطیلات مهم عمومی ایتالیا، تایید شد. در مطالعات دیگری نیز اثر روز قبل از تعطیلی در کشورهایی مانند کانادا، ژاپن، استرالیا و هنگ کنگ تایید شد.
اهمیت و ضرورت اجرای تحقیق
امروزه بازار سرمایه از بخش های حیاتی اقتصاد هر کشوری است که با رشد و توسعه اقتصاد، جایگاه گسترده تر و مهمتری یافته است. این بازار با هدایت سرمایه و پس انداز مردم، راه توسعه و ایجاد شغل و افزایش سطح رفاه عمومی را هموار می کند. یکی از مهمترین عوامل تاثیرگذار بر رشد اقتصادی، شکل گیری پس انداز و تجهیز آن به سمت سرمایه گذاری است. بازار سرمایه از سه بخش اصلی تشکیل شده است: بخش اول سهامداران و سرمایه گذارانند که وجوه اضافی خود را مصروف سرمایه گذاری کرده اند. بخش دوم، بازار اوراق بهادار است که محیطی را برای معامله بین خریدار و فروشنده فراهم می آورد. بخش سوم نیز شرکتهای پذیرفته شده در بورس یا سرمایه پذیرانند که در ازای دریافت اندوخته های سرمایه گذاران، اوراق بهادار را به آنها واگذار می کنند. در صورت عدم وجود هریک از عناصر فوق، بازار سرمایه تشکیل نخواهد شد.
بدون شک از دید یک سرمایه گذار، هیچ چیز شیرین تر از کشف روندهای موجود در بازار و کسب بازده نیست. جدای از جذابیت های عملی و پرسود شناسایی این گونه روندها برای سرمایه گذاران فعال در بازار، شناخت چنین روندهایی از دید محققان و پژوهشگران علاقمند در زمینه مسائل اقتصادی، بسیار پراهمیت است.
یک بازار با توجه به مجموعه ای از اطلاعات خاص، در صورتی کارا است که کسب سودهای غیرنرمال (به غیر از آنهایی که به طور شانسی به دست می آیند) از طریق استفاده از این مجموعه اطلاعات برای قاعده مندسازی تصمیمات خرید فروش، امکان پذیر نباشد. (شارپ و همکاران، 1391)
در بازارهای غیرکارا، سرمایه گذاران می توانند با خرید و فروش اوراق بهادار، انتظار بازده غیرعادی بالا را داشته باشند. بسیاری از مطالعات صورت گرفته در بورس اوراق بهادار تهران، کارایی بازار سهام تهران را حتی در سطح ضعیف به چالش کشیده اند. یکی از عواملی که می تواند سرمایه گذاران را در به دست آوردن سود اضافی یاری رساند، شناسایی الگوهای فصلی یا همان بی قاعدگی های تقویمی است. یکی از مهمترین آنها اثر تعطیلی است که در بسیاری از کشورهای دنیا شناسایی شده است. به رغم فقدان سوابق داخلی پیرامون اثر تعطیلات، تحقیقات خارجی زیادی در بازارهای مختلف دنیا پیرامون این موضوع صورت گرفته است. از آنجا که دانش مالی رفتاری از زمینه های کاملاً جدید دانش مالی است، اهمیت دارد که تحقیقات آتی به سوی این مباحث جدید سوق داده شوند و قابلیت کاربرد و اجرای آن در بازارهای در حال توسعه ای چون ایران بررسی شود.
اهداف تحقیق
1 هدف اصلی
هدف اصلی این تحقیق بررسی وجود الگوی تقویمی در روزهای قبل و بعد از تعطیلات در بورس اوراق بهادار تهران است. همچنین این تحقیق به دنبال آن است تا اثر تعطیلات رسمی را از سایر اثرات تقویمی مذکور جداسازی کند.
اهداف فرعی
1. تجزیه و تحلیل بازدهی بازار بورس تهران، به منظور تعیین این که آیا سرمایه گذاران می توانند با پیروی کردن از یک الگوی مشخص، در روزهای قبل یا بعد از تعطیلی، بازده اضافی کسب کنند؟
2. یافتن رابطه بین نوع تعطیلی و بازده بازار سهام.
3. یافتن رابطه ای بین تعداد روزهای تعطیل در هر دوره تعطیلی، و بازده بازار سهام در روز قبل و بعد از تعطیلی.
سوالات تحقیق
هر تحقیق فرایندی علمی و روشمند است که طی آن، پژوهشگر تلاش می کند تا برای یک مساله پاسخی نظری پیدا کند و یا برای حل یک مشکل واقعی در دنیای عمل راهکاری بیابد. (خاکی، 1388) لذا سوالات ذیل را به عنوان مساله تحقیق حاضر بیان می کنیم که شامل یک سوال اصلی و سوالات فرعی مستخرج از سوال اصلی می باشد.
سوال اصلی
آیا اثر تعطیلی در بازار بورس اوراق بهادار تهران وجود دارد؟
سوالات فرعی
1. آیا بازده غیرمعمول اضافی در روز قبل از تعطیلات در بازار سهام ایران نیز وجود دارد یا خیر؟
2. آیا بازده غیرمعمول اضافی در روز بعد از تعطیلات در بازار سهام ایران نیز وجود دارد یا خیر؟
3. آیا رابطه معناداری بین تعداد روزهای تعطیل در هر دوره تعطیلی و روز قبل از تعطیلی در شاخص کل بورس اوراق بهادار تهران تهران وجود دارد یا خیر؟
4. آیا رابطه معناداری بین تعداد روزهای تعطیل در هر دوره تعطیلی و روز بعد از تعطیلی در شاخص کل بورس اوراق بهادار تهران وجود دارد یا خیر؟
5. آیا تفاوتی بین تعطیلات سوگواری و شادی در شاخص کل بورس اوراق بهادار تهران وجود دارد یا خیر؟
تبیین فرضیه های تحقیق
مساله تحقیق را به طور مستقیم نمی توان با روش علمی حل کرد مگر اینکه به شکل فرضیه درآمده است، زیرا مساله به صورت سوالی مطرح می شود که ماهیت گسترده ای دارد و به طور مستقیم قابل آزمودن نیست. (خاکی، 1388) پس از بررسی مساله تحقیق و مطالعات مقدماتی درباره پاسخ های احتمالی، جهت ارائه پاسخی منطقی به سوالات فوق، فرضیه های ذیل تدوین گردید.
فرضیه اول: تفاوت معناداری مابین بازده روز قبل از تعطیلی با بازده سایر روزها در شاخص کل بورس اوراق بهادار تهران وجود دارد.
فرضیه دوم: تفاوت معناداری مابین بازده روز بعد از تعطیلی با بازده سایر روزها در شاخص کل بورس اوراق بهادار تهران وجود دارد.
فرضیه سوم: تعداد روزهای تعطیل در هر دوره تعطیلی بر روی بازده روز قبل از تعطیلی تاثیر معناداری دارد.
فرضیه چهارم: تعداد روزهای تعطیل در هر دوره تعطیلی بر روی بازده روز بعد از تعطیلی تاثیر معناداری دارد.
فرضیه پنجم: تفاوت معناداری بین تعطیلات سوگواری و شادی در بازده شاخص کل بورس اوراق بهادار تهران وجود دارد.
متغیرهای تحقیق و تعاریف آنها
موضوعات تحقیق دارای مفاهیمی مجرد و ذهنی هستند. برای اینکه عملاً تحقیق را انجام دهیم، مفاهیم باید به متغیر تبدیل شوند. مفاهیم وقتی به متغیر تبدیل می شوند که بتوانیم به آنها مقدار دهیم و درجات آنها را تعیین کنیم. هم چنین باید بین متغیرهای وابسته، مستقل و کنترل و بین متغیرهای گسسته و پیوسته تفاوت قائل شد. (ایران نژاد، 1382)
متغیر مستقل
متغیر مستقل یک ویژگی و خصوصیت است که بعد از انتخاب توسط محقق، در آن دخالت یا دستکاری می شود و مقادیری را می پذیرد تا تاثیرش بر روی متغیر وابسته مشاهده شود. تغییر در یک متغیر مستقل، تغییرات قانونمندی در متغیر وابسته به وجود می آورد، بنابراین در هر آزمایش تجربی، متغیر مستقل همان محرک است.(خاکی، 1388)
در این تحقیق متغیر مستقل عبارت است از: روز قبل از تعطیلات رسمی ایران، روز بعد از تعطیلات رسمی ایران، تعطیلات بلندمدت، تعطیلات میان مدت، تعطیلات کوتاه مدت، تعطیلات شادی و تعطیلات سوگواری.
تعریف عملیاتی متغیرهای مستقل
روز قبل از تعطیلی و روز بعد از تعطیلی: توسط این متغیر، میزان وابستگی بازده بورس اوراق بهادار به روز قبل از تعطیلات و یا بعد از تعطیلات بررسی می شود. جهت شناسایی این دو اثر از متغیر مجازی Pre-H و Post-H استفاده می شود. در صورتی که روزی که برای آن بازده محاسبه می شود بعد از تعطیلات بازار باشد، مقدار متغیر Post-H یک و در غیر اینصورت صفر منظور می شود. به همین ترتیب برای متغیر Pre-H، اگر روز مورد نظر قبل از تعطیلات باشد این متغیر یک و در غیر اینصورت صفر منظور می شود.
تعطیلات بلند مدت، میان مدت و کوتاه مدت: در این تحقیق، برای اینکه اثر تعداد روزهای تعطیل بررسی شود تعطیلات به سه دسته تقسیم بندی می شوند. بدین ترتیب که اگر فقط یک روز تعطیل باشد، کوتاه مدت، اگر تعداد روزهای تعطیل چهار روز یا بیشترباشد بلندمدت و مابین آن میان مدت نامیده می شوند و از متغیرهای مجازی LH, MH و SH برای آنها استفاده می شود. در صورت وقوع هرکدام، برای آن متغیر عدد یک و در صورت عدم وقوع، عدد صفر منظور می شود.
تعطیلات اعیاد و سوگواری: به منظور بررسی ماهیت تعطیلات، اعم از شادی یا غم، تعطیلات به دو دسته تعطیلات اعیاد و تعطیلات سوگواری تقسیم بندی می شوند. سپس خود نیز در سه دسته کوتاه مدت، میان مدت و بلندمدت قرار می گیرند. برای تعطیلات اعیاد و سوگواری به ترتیب از متغیرهای مجازی JH و DH استفاده می شود که در صورت وقوع هرکدام عدد یک و در صورت عدم وقوع عدد صفر منظور خواهد شد.
متغیر وابسته
متغیر وابسته متغیری است که هدف محقق تشریح یا پیش بینی تغییرپذیری در آن است. به عبارت دیگر متغیرهای وابسته، شرایط یا خصایصی هستند که با وارد کردن، از میان برداشتن، یا تغییر متغیرهای مستقل ظاهر می شوند، از بین می روند و یا تغییر می کنند. (خاکی، 1388)
در این تحقیق بازده بورس اوراق بهادار تهران، به عنوان متغیر وابسته در نظر گرفته شده است.
تعریف عملیاتی متغیر وابسته
در این پژوهش، منظور از بازده، بازدهی روزانه شاخص کل بورس اوراق بهادار تهران است که به صورت زیر تعریف می شود:
Rt = Ln (It/ I t-1)*100
It: عدد شاخص بورس اوراق بهادار تهران در زمان t
It-1: عدد شاخص بورس اوراق بهادار تهران در زمان 1- t
جهت نمایش بهتر، اعداد در صد ضرب شده اند.
قلمرو تحقیق
قلمرو موضوعی تحقیق: این تحقیق به بررسی یکی از بی نظمی های بازار سرمایه تحت عنوان کلی اثرات تقویمی و یا اثرات دوره ای می پردازد. اثرات تقویمی خود شامل مباحث مختلفی می باشد. این تحقیق به بررسی اثر تعطیلی در بورس اوراق بهادار تهران می پردازد.
قلمرو مکانی تحقیق: قلمرو مکانی این تحقیق محدود به بورس اوراق بهادار تهران می باشد.
قلمرو زمانی: در این تحقیق از بازده روزانه شاخص کل بورس اوراق بهادار تهران، از فروردین 1382 الی اسفند 1391 استفاده می شود.
روش انجام تحقیق
الگوهای سری زمانی، رفتار یک متغیر را بر اساس مقادیر گذشته آن متغیر توضیح می دهند، چنانچه وابستگی خاصی بین داده ها در طول زمان وجود داشته باشد، فرصت مناسبی پیش می آید تا به کمک آن مشاهدات، بتوان روند آینده پدیده ای را پیش بینی کرد. (آذر، 1384)
برای تخمین و برآورد مدل های تحقیق، با استفاده از روش اقتصاد سنجی حداقل مربعات معمولی (OLS)9 و با استفاده از اطلاعات سری زمانی مربوط به شاخص کل بورس اوراق بهادار تهران، طی دوره مورد بررسی، استفاده می شود.
روش تحقیق
تحقیقات را براساس معیارها و مبناهای مختلفی می توان دسته بندی کرد. این معیارها و مبناها شرایطی را فراهم می کند که بتوان براساس آنها تحقیقات را طبقه بندی کرد. اما انواعی از تحقیق به علت ماهیت چند بعدی و پیچیده ای که دارند در چندین طبقه قرار می گیرند. (خاکی، 1388). این پژوهش از نظر هدف، از نوع کاربردی و از نظر شیوه جمع آوری و تحلیل اطلاعات، از نوع توصیفی و همبستگی محسوب می شود و رابطه بین متغیرها بر اساس همبستگی بین متغیرها تعیین می گردد.
تحقیقات براساس هدف به دو دسته پژوهش های بنیادی و کاربردی تقسیم بندی می شوند. تحقیق بنیادی نوعی از تحقیق است که اهداف مشخص تجاری ندارد و در آن سعی می شود که دانش و نظریه ها به طور عام و خالص، توسعه و گسترش یابد و کاربرد عملی دستاوردهای تحقیق مورد توجه نمی باشد. هدف از تحقیق کاربردی به دست آوردن درک یا دانش لازم برای تعیین ابزاری است که به وسیله آن، نیازی مشخص و شناخته شده برطرف گردد. در این نوع تحقیقات هدف، کشف دانش تازه ای است که کاربرد مشخصی را درباره فراورده یا فرایندی در واقعیت را دنبال می کند. به عبارت دقیق تر، تحقیق کاربردی تلاشی برای پاسخ دادن به یک معضل و مشکل عملی است که در دنیای واقعی وجود دارد. (خاکی، 1388)
تحقیق توصیفی، آنچه را که هست توصیف و تفسیر می کند و به شرایط یا روابط موجود، عقاید متداول، فرایندهای جاری، آثار مشهود یا روندهای درحال گسترش توجه دارد. (خاکی، 1388) این تحقیق از آنجا که در متغیرهای تحقیق دستکاری نمی شود و شرایط آزمایشگاهی را فراهم نمی آورد، از نوع تحقیقات توصیفی می باشد که با هدف توصیف آنچه هست و بدون دستکاری متغیرها، فرضیاتی را آزمون می کند تا قوانینی را استخراج کند. این روش از روش های بسیار پرکاربرد در علوم اجتماعی و رفتاری می باشد.
در تحقیق همبستگی هدف اصلی آن است که مشخص شود آیا رابطه ای بین دو یا چند متغیر کمّی وجود دارد و اگر این رابطه وجود دارد اندازه و حد آن چقدر است؟ هدف از مطالعه همبستگی ممکن است شناسایی یک رابطه یا نبود آن، و به کارگیری روابط در انجام پیش بینی ها باشد. مطالعات همبستگی تعدادی از متغیرهایی را که تصور می رود با یک متغیر پیچیده عمده مرتبط هستند ارزیابی می کند. (خاکی، 1388)
جامعه و نمونه آماری
جامعه آماری این تحقیق، محدود به بورس اوراق بهادار تهران می باشد. از خصوصیات مهم و اصلی این جامعه رسمیت، جامعیت و ارائه منظم اطلاعات روزانه قابل اتکا، می باشد.
این تحقیق شامل یک دوره ده ساله از فروردین 1382 تا اسفند سال 1391 می باشد که در آن از اطلاعات سری زمانی روزانه شاخص کل استفاده شده است. از آنجایی که شاخص ها عصاره و حاصل تجمیع کل شرکت های بورس می باشد، این جامعه می تواند کاملاً واقعی باشد. شاخص های مختلف بورس تهران به عنوان معیار و نماینده فعالیت بورس تهران می باشد.
در بورس اوراق بهادار تهران شاخص های زیادی محاسبه می گردد که هر شخص یا گروهی بنا به نیاز خود از آنها استفاده می کند. در این پژوهش از شاخص کل، به دلیل جامعیت آن به عنوان معیاری برای بازده بازار استفاده شده است.
روش نمونه گیری و برآورد حجم نمونه
موضوعی که اکثر پژوهشگران در تحقیق با آن روبرو هستند، اندازه یا حجم لازم برای نمونه است. در این رابطه یک قانون کلی وجود دارد: "بزرگترین اندازه ممکن نمونه، مناسب است." (خاکی، 1388)
داده های مورد استفاده در این پژوهش، مربوط به شاخص کل قیمت سهام بورس اوراق بهادار تهران است که به صورت روزانه منتشر می شود. این اطلاعات مشتمل بر 2231 مشاهده است که مربوط به یک دوره زمانی از 5 فروردین 1382 تا 28 بهمن 1391 می باشد. سپس بازده روزانه برای تمامی روزها محاسبه گردید. بعد از دسته بندی، داده ها در سه ستون قرار گرفتند. به این صورت که داده های مربوط به بازده روزهای قبل و بعد از تعطیلات جدا شدند. از بازده سه روز قبل و سه روز بعد از تعطیلی، میانگین گرفته شد و در ستون مربوط به بازده روز غیرتعطیل قرار گرفت و در مقابل آن بازده روز قبل و بعد از تعطیلی جای گرفت. به این ترتیب، تعداد روزهای قبل و بعد از تعطیلی، هرکدام شامل 138 مشاهده بود.
در یک دسته بندی دیگر، تعطیلات از یکدیگر متمایز شدند و در سه گروه تعطیلات کوتاه مدت، میان مدت و بلندمدت قرار گرفتند. تعداد تعطیلات کوتاه مدت، میان مدت و بلندمدت به ترتیب شامل 52، 62 و 24 مشاهده بود.
در دسته بندی دیگری تعطیلات شادی و سوگواری از یکدیگر جدا شدند. 74 تعطیلی شادی شامل اعیاد، میلاد، مبعث و روزهای ملی در این دوره ده ساله جای گرفت و 56 تعطیلی مربوط به ایام سوگواری شامل شهادت و رحلت، یافت شد.
جدول 3-1: تعداد داده های مربوط به مدل
تعداد دفعات روزهای قبل از تعطیلات
138
تعداد دفعات روزهای بعد از تعطیلات
138
تعداد دفعات تعطیلات کوتاه مدت
52
تعداد دفعات تعطیلات میان مدت
62
تعداد دفعات تعطیلات بلندمدت
24
تعداد دفعات تعطیلات شادی
74
تعداد دفعات تعطیلات سوگواری
56
متغیرهای تحقیق
این تحقیق شامل دو دسته از متغیرها می باشد:
متغیرهای کیفی که شامل روزهای سال می باشد. این متغیرها در سطح اسمی و به عنوان متغیرهای مستقل یا توضیحی می باشند. این متغیرها با کمک متغیر مجازی صفر و یک وارد مدل می شوند. بنابراین عدد یک نشان دهنده برای روز خاص، به معنی وجود آن روز و صفر به معنی عدم وجود آن روز خاص می باشد.
متغیرهای مربوط به بازدهی که در سطح نسبی هستند و به عنوان متغیرهای وابسته می باشند.
محاسبه متغیرهای تحقیق با استفاده از داده های تحقیق
متغیر وابسته
بازده بورس اوراق بهادار تهران (Rt): بازدهی عبارت است از عایدی، پاداش و یا نتیجه حاصل از سرمایه گذاری در یک دوره مشخص از زمان، که می تواند به صورت مبلغ ریالی و یا درصدی از سرمایه گذاری ابتدایی دوره و یا تفاوت لگاریتمی ابتدایی دوره از انتهای دوره محاسبه شود.
در این پژوهش، منظور از بازده، بازدهی روزانه بورس اوراق بهادار تهران است که به صورت زیر تعریف می شود:
Rt = Ln (It/ I t-1)*100
It: عدد شاخص بورس اوراق بهادار تهران در زمان t
It-1: عدد شاخص بورس اوراق بهادار تهران در زمان 1- t
جهت نمایش بهتر، اعداد در صد ضرب شده اند.
متغیرهای مستقل
روز قبل از تعطیلی و روز بعد از تعطیلی: توسط این متغیر، میزان وابستگی بازده بورس اوراق بهادار به روز قبل از تعطیلات و یا بعد از تعطیلات بررسی می شود. جهت شناسایی این دو اثر از متغیر مجازی Pre-H و Post-H استفاده می شود. در صورتی که روزی که برای آن بازده محاسبه می شود بعد از تعطیلات بازار باشد، مقدار متغیر Post-H یک و در غیر اینصورت صفر منظور می شود. به همین ترتیب برای متغیر Pre-H، اگر روز مورد نظر قبل از تعطیلات باشد این متغیر یک و در غیر اینصورت صفر منظور می شود.
تعطیلات بلند مدت، میان مدت و کوتاه مدت: در این تحقیق، برای اینکه اثر تعداد روزهای تعطیل بررسی شود تعطیلات به سه دسته تقسیم بندی می شوند. بدین ترتیب که اگر فقط یک روز تعطیل باشد، کوتاه مدت، اگر تعداد روزهای تعطیل چهار روز یا بیشترباشد بلندمدت و مابین آن میان مدت نامیده می شوند و از متغیرهای مجازی LH, MH و SH برای آنها استفاده می شود. در صورت وقوع هرکدام، برای آن متغیر عدد یک و در صورت عدم وقوع، عدد صفر منظور می شود.
تعطیلات اعیاد و سوگواری: به منظور بررسی ماهیت تعطیلات، اعم از شادی یا غم، تعطیلات به دو دسته تعطیلات اعیاد و تعطیلات سوگواری تقسیم بندی می شوند. سپس خود نیز در سه دسته کوتاه مدت، میان مدت و بلندمدت قرار می گیرند. برای تعطیلات اعیاد و سوگواری به ترتیب از متغیرهای مجازی JH و DH استفاده می شود که در صورت وقوع هرکدام عدد یک و در صورت عدم وقوع عدد صفر منظور خواهد شد.
جدول 3-2: متغیرهای مستقل
روز قبل از تعطیلی
Pre-H
روز بعد از تعطیلی
Post-H
تعطیلی کوتاه مدت
SH
تعطیلی میان مدت
MH
تعطیلی بلندمدت
LH
تعطیلات اعیاد و روزهای شادی
10JH
تعطیلات سوگواری
11DH
روش جمع آوری داده ها
روش جمع آوری داده ها در این تحقیق به صورت کتابخانه ای و مطالعه و بررسی اسناد و مدارک می باشد. داده ها و اطلاعات مربوطه، به این دو دسته تقسیم می شوند:
دسته اول اطلاعات مربوط به ادبیات موضوعی و تحقیقات انجام شده در حوزه مربوطه می باشد، که از طریق کتابخانه ای و جستجوی سایت های اینترنتی و استفاده از کتابخانه و اسناد و مدارک بورس تهران به دست آمده است. همچنین برای بررسی جوانب فرعی موضوع، از پایان نامه های موجود در ایران نیز استفاده شده است.
دسته دوم اطلاعات مربوط به فرضیات و متغیرهای تحقیق بوده است که از سایت شرکت خدمات بورس تهران (www.tse.ir) استخراج شده است. پس از مقایسه و رفع عدم هماهنگی های فراوان و دسته بندی آنها در نرم افزار اکسل، داده ها برای آزمون و بررسی آماده شده است.
داده های لازم برای ارزیابی متغیرهای بازدهی بازار، پس از جمع آوری از سایت بورس اوراق بهادار تهران و نرم افزار اکسل به تفکیک روزهای قبل و بعد از تعطیلات، دسته بندی شد.
مدل تحقیق
الگوهای سری زمانی
سری زمانی مجموعه ای از مشاهدات است که بر حسب زمان مرتب شده باشند. کاربرد اصلی تجزیه و تحلیل سری های زمانی پیش بینی است. بدیهی است چنانچه وابستگی خاصی بین داده ها در طول زمان وجود داشته باشد، فرصت مناسبی پیش می آید تا به کمک آن مشاهدات بتوان روند آینده پدیده ای را پیش بینی کرد. (آذر، 1384)
برای پیش بینی رفتار سری های زمانی و تعیین مدل پیش بینی، فنون مختلفی وجود دارد. یکی از آنها مدل اقتصادسنجی است. یک مدل اقتصادسنجی، متشکل از یک یا چند معادله توصیف کننده رابطه میان متغیرهای مختلف است. مدل های اقتصادسنجی مدل های احتمالی هستند و بر روابط احتمالی ای که بین یک متغیر وابسته و یک یا چند متغیر مستقل وجود دارد، تاکید دارند. مدل رگرسیون خطی، یکی از مدل های معروف اقتصادسنجی است که در بسیاری از مواقع مدل احتمالی مناسبی برای تعیین روند بلندمدت در سری های زمانی است. (آذر، 1384)
در این تحقیق از مدل OLS (حداقل مربعات معمولی) استفاده می شود. "هرچند مدل GARCH (1,1) در مدل سازی وابستگی مقادیر پسماند بازده موفق عمل می کند، اما شواهد تجربی نشان می دهد که کاربرد مدل ساده تر یعنی OLS هنگامی که اثرات تقویمی در آن منظور گردد، برای پیش بینی مقادیر بازده، موفق تر عمل می کند." (راعی و باجلان، 1387)
الگوهای سری زمانی و پایایی
الگوهای سری زمانی که اغلب برای پیش بینی های کوتاه مدت مورد استفاده قرار می گیرند، معمولاً رفتار یک متغیر را براساس مقادیر گذشته آن متغیر (و احتمالاً مقادیر گذشتـه سایر متغیرهای دیگر) توضیح می دهند. این الگوها قادرند این امکان را فراهم آورند که حتی در مواردی که الگوهای اقتصادی زیرساختی نامشخص است، پیش بینی های دقیقی را از متغیر مورد نظر ارائه کنند. الگوهای سری زمانی برخلاف الگوهای اقتصادسنجی که از اطلاعات مربوط به نظریه های اقتصادی و داده های آماری بهره می برند، تنها از اطلاعات مربوط به داده های آماری استفاده می کنند و توجهی به مبانی نظری و تئوری های اقتصادی ندارند.
الگوهای سری زمانی که تنها مقادیر فعلی یک متغیر را به مقادیر گذشته آن و مقادیر خطاهای حال و گذشته ارتباط می دهند الگوهای سری زمانی تک متغیره ای نامیده می شوند. این الگوها عبارتند از :
الف ) فرایند خودتوضیح
1 – الف ) فرایند خود توضیح مرتبه اول12
2 – الف ) فرایند خودتوضیح مرتبه دوم و بیشتر
ب ) فرایندهای میانگین متحرک13
ج ) فرایندهای خودتوضیح میانگین متحرک14
د ) فرایندهای خودتوضیح جمعی میانگین متحرک 15
الگوهایی که سعی می کنند تا رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و تعدادی از متغیرهای مختلف دیگر بصورت همزمان توضیح دهند ، الگوهای سری زمانی چند متغیره نامیده می شوند که الگوی خودتوضیح VAR از این جمله است. می توان چنین تلقی کرد که هر سری زمانی توسط یک فرایند تصادفی تولید شده است. داده های مربوط به این سری زمانی درواقع یک مصداق خاص از فرایند تصادفی زیرساختی است. وجه تمایز بین "فرایند تصادفی" و یک "مصداق" از آن ، همانند تمایز میان "جامعه" و "نمونه" در داده های مقطعی است. Walter Enders, 2008))
مفهوم ایستایی
به طور کلی یک فرآیند تصادفی هنگامی ایستا نامیده می شود که میانگین و واریانس آن در طی زمان ثابت باشند و مقدار کواریانس بین دو دوره زمانی، تنها به وقفه یا فاصله بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه کواریانس، نداشته باشد. برای درک مفهوم ایستایی، را به عنوان یک سری زمانی که دارای ویژگیهای زیر است در نظر می گیریم:
(1)
(2)
(3)
عبارات (1) و (2) بیان می دارند که میانگین و واریانس به زمان بستگی ندارند و عبارت (3) نشان می دهد که کواریانس بین و تنها به فاصله زمانی بین آنها بستگی دارد، نه به زمان وقوع آنها. اکنون سری زمانی Y را از مبدا زمانی t به t+m منتقل می کنیم (یعنی به). اگر سری زمانی ایستایی باشد، می بایست میانگین، واریانس و خودکواریانس های سری زمانی با یکسان باشد. بنابراین به یک سری زمانی، ایستا گفته می شود که میانگین، واریانس و خودکواریانس در وقفه های مختلف سری در طول زمان یکسان بوده و ثابت باقی بماند.
در رگرسیون یک متغیر سری زمانی روی سری زمانی دیگر، اگر متغیرهای سری زمانی مورد استفاده در مدل ناایستا باشند، در عین حال که ممکن است هیچ رابطه معنی داری بین متغیرهای الگو وجود نداشته باشد، مدل می تواند دارای ضریب تعیین( (R2 بالایی باشد. این مشکل ناشی از آن است که هر دو متغیر سری زمانی (متغیر وابسته و متغیر مستقل) تمایل شدیدی نسبت به زمان (حرکتهای صعودی و نزولی) نشان می دهند و لذا ( (R2بالایی که مشاهده می شود ناشی از وجود متغیر زمان می باشد نه به واسطه ارتباط حقیقی بین متغیرها.
همچنین با وجود متغیرهای ناایستا در مدل، آزمونهای t و F اعتبار لازم را از دست خواهند داد و کمیتهای بحرانی ارائه شده توسط آنها صحیح نبوده و نمی توان با اطمینان در مورد رد یا قبول فرضیه حکم کرد. بنابراین رگرسیون حاصل معتبر نبوده و یک رگرسیون کاذب یا ساختگی16 خواهد بود. برای اینکه بررسی دقیقی از ایستایی متغیرها داشته باشیم باید آزمون ایستایی انجام دهیم. Walter Enders, 2008)).
آزمون ریشه واحد17
با توجه به اینکه داده های مورد استفاده در این تحقیق به صورت سری زمانی هستند قبل از تخمین و برآورد مدل باید حتماً ایستایی سری های زمانی را مورد بررسی قرار دهیم، در رگرسیون های مبتنی بر سری های زمانی، محققان غالباً R2 بالایی را مشاهده می کنند. هر چند که رابطه معنی داری بین متغیرها وجود ندارد. این وضعیت را رگرسیون ساختگی18 می نامند که ناشی از آن است که هر دو متغیر سری زمانی (متغیر وابسته و متغیر های توضیحی) تمایل شدیدی نسبت به زمان (حرکت های صعودی و نزولی) نشان می دهند. ولذا R2 بالایی که مشاهده می شود ناشی از وجود متغیر زمان می باشد نه به واسطه ارتباط حقیقی بین متغیرها.
همانطور که بیان شد، یک فرآیند تصادفی هنگامی ساکن نامیده می شود که میانگین و واریانس در طی زمان ثابت باشند و مقدار کواریانس بین دو دوره زمانی، تنها به فاصله یا وقفه بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه کواریانس نداشته باشد. یک راه متداول برای تبدیل سریهای زمانی نامانا به مانا تفاضل گیری از آنهاست. چنانچه سری زمانی با یک بار تفاضل گیری مانا شود، یکپارچگی19 از درجه یک به آن اطلاق می شود و اگر با d بار تفاضل گیری از آنها به سریهای زمانی مانا تبدیل شود، یکپارچگی از درجه d می نامند. بنابراین اولین اقدام برای تخمین مدل اقتصادسنجی تعیین درجه یکپارچگی سری های تحت بررسی است. آزمون های متفاوتی برای بررسی ساکن بودن متغیرها انجام می شود، که عبارتنداز تابع خود همبستگی(ACF) و همبستگی نگار و آزمونهای ریشه واحد، دیکی- فولر و فیلیپس پرون.
با توجه به اینکه در این تحقیق از روش حداقل مربعات معمولی (OLS) جهت تخمین معادلات استفاده می شود، لازم است جهت جلوگیری از کاذب بودن نتایج تحقیق، ایستایی متغیرها مورد بررسی قرار گیرد. ایستایی متغیرهای استفاده شده در این تحقیق با استفاده از روش دیکی_فولر تعمیم یافته20 انجام می شود.
آزمون دیکی- فولر تعمیم یافته ( ADF)
آزمون دیکی – فولر (DF) و دیکی – فولر تعمیم یافته (ADF) از روشهای متداول آزمون تعیین درجه هم انباشتگی سریهای زمانی است.
دیکی – فولر (1979) روشی را برای آزمون این فرضیه که سری های زمانی دارای ریشه واحد می باشند در برابر فرضیه مقابل پیشنهاد کرده اند. برای بیان این موضوع یک فرایند تولید داده های تصادفی از نوع AR(1) را برای بررسی سری زمانی به صورت زیر درنظر می گیریم و فرض می کنیم که باشد.
(3-1)
با کم کردن از طرفین رابطه (3-1) می توان آن را به صورت زیر نیز نوشت:
(3-2)
معادله (3-1) یا (3-2) را می توان به روش OLS تخمین زد. اگر ضریب در رابطه (3-1) برابر یک باشد به طوری که در رابطه (3-2) نیز می باشد، فرضیه صفر در این حالت برابر فرضیه مقابل که خواهد بود.
البته توجه به این نکته در اینجا ضروری است که آزمون فرضیه ریشه واحد، یعنی به معنی تایید مانایی سری زمانی نیست. زیرا در فرضیه مقابل، می تواند کوچکتر یا بزرگتر از یک باشد و تنها در صورتیکه باشد می توان انتظار داشت که سری زمانی مانا باشد بنابراین اگر معادله آزمون بر اساس رابطه (3-2) تصریح گردد و با توجه به این که سریهای زمانی به ندرت حالت انفجاری دارند اگر () باشد، ضریب عموماً مقادیر منفی را اختیار کرده در نتیجه برای آزمون مانایی کافی است تنها دامنه پایین توزیع – فولر (که در برگیرنده مقادیر منفی است)، در نظر گرفته شود.
بعلاوه دیکی و فولر علاوه بر رابطه (3-2) دو رابطه دیگر را که در برگیرنده مقدار ثابت و روند زمانی است برای آزمون ریشه واحد به صورت زیر ارائه داده اند:
(3-3)
(3-4)
پارامتر مورد علاقه در روابط بالا برای آزمون ریشه واحد مقدار است. آزمون دیکی فولر بر اساس این فرض است که نوفه سفید21 باشد. در روشی که به نام آزمون دیکی فولر تعمیم یافته (ADF) معروف است، برقراری شرط عدم خود همبستگی جملات اختلال از طریق در نظر گرفتن فرایندهای اتورگرسیو مراتب بالاتر قابل تحقق خواهد بود. فرض کنید دارای خود همبستگی از مرتبه AR(P) به صورت فرایند زیر باشد:
(3-5)
براین اساس، رابطه (3-2) به صورت زیر جایگزین می گردد.
(3-6)
که است . فرضیه صفر برای آزمون ریشه واحد در این حالت در برابر فرضیه می باشد.
به منظور این که فرایند تولید داده شامل جزء ثابت و روند زمانی نیز باشد، رابطه (3-6) را به صورت زیر بسط می دهیم:
(3-7)
(3-8)
(3-9) i=1,2,…k
بنابراین روابط بالا نشان می دهد اگر فرایند تولید داده های تصادفی به جای مدل ساده AR(1) از فرایندهای مراتب بالاتر P مانند P>2 یعنی AR(P) تبعیت نماید، در کلیه شرایط آزمون دیکی فولر قابل انجام است و در این شرایط استفاده از آمار دیکی فولر تنها زمانی موجه است که جملات پسماندهای معادله رگرسیون آزمون اولاً به طور مستقل توزیع شده باشد و ثانیاً دارای واریانس محدود و مشخص باشد. اما این به این معنی است که محقق قادر به تشخیص نسبتاً دقیق فرایند تولید داده های تصادفی باشد و چه بسا فرایند واقعی تولید داده های تصادفی دارای اجزاء اتورگرسیو و میانگین متحرکی است که مرتبه آنها برای محقق روشن نیست لذا تعیین تعداد جملات وقفه (مقدارP) با اهمیت خواهد بود. از نظر تجربی ملاک انتخاب تعداد وقفه ها وابسته به عدم وجود خود همبستگی جملات خطاست. از این رو توصیه می شود ابتدا تعداد وقفه K به اندازه کافی بزرگ انتخاب شود، به طور مثال بر اساس معیار سعید و دیکی22 (1984) تعداد وقفه ها در حدود یا بزرگتر باید انتخاب شود و معادله رگرسیون برآورد گردد. سپس به روش حذفی تعداد وقفه ها به تدریج کاهش یابند تا به ضریب معنی داری برای وقفه ها دست یابیم و آن را ملاک برآورد مدل مورد نظر قرار دهیم. توجه به این نکته ضروری است که تحت وقفه انتخاب شده جمله خطای رگرسیون آزمون ریشه واحد باید عاری از خود همبستگی باشد. برای این منظور لازم است مورد اخیر به کمک آزمون های ضریب لاگرانژ LM و یا آماره Q لیانگ باکس که در اکثر نرم افزارهای اقتصادسنجی تعبیه شده است، ارزیابی گردد. همچنین کمبل و پرون (1987) نیز همین رویه را برای انتخاب تعداد وقفه در معادله آزمون ریشه واحد پیشنهاد کرده اند.
به طور خلاصه با توجه به رابطه کلی (3-9) مراحل ریشه واحد برای انجام می گیرد. اگر در هر یک از مراحل فرضیه صفر مبنی بر وجود ریشه واحد رد شود تقریباً با اطمینان می توان گفت که سری مورد نظر مانا می باشد اما در صورت عدم امکان رد فرضیه صفر دارای ریشه واحد خواهد بود و در نتیجه سری زمانی ممکن است با یک بار تفاضل گیری مانا شود. لذا تحت این فرض سری اصلی از درجه یک، یکپارچگی I(1) دارد. اگر سری زمانی با دو بار تفاضل گیری مانا شد، سری زمانی یکپارچگی از درجه دو I(2) خواهد بود. به طور کلی اگر سری زمانی با d بار تفاضل گیری مانا شود، سری مذکور یکپارچگی از درجه I(d) خواهد داشت. بدیهی است که اگر d=0 باشد سری زمانی مانا خواهد بود.
به هر حال با انتخاب یکی از روابط (3-7) تا (3-9) ضریب یعنی را مدنظر قرار می دهیم و آماره t مربوط به آزمون دیکی فولر تعمیم یافته را با کمیتهای بحرانی جدول مکینون مقایسه می نماییم. اگر قدر مطلق t محاسباتی از قدر مطلق آمار مکینون بزرگتر باشد بررسی مانایی سری زمانی با تفاضل گیری مجدد از آنها بررسی شود. والتر اندرسWalter Enders, 2008))
همچنین برای بررسی مساله واریانس ناهمسانی از آزمون آرچ LM، برای بررسی مساله خودهمبستگی در مدل از آزمون بریوش گادفری و برای بررسی مساله هم انباشتگی از آزمون انگل- گرنجر استفاده می شود. همچنین برای آزمون نرمال بودن داده ها از آزمون جارک- برا23 بهره گرفته می شود. در صورت نرمال نبودن داده ها لازم است تا نرمال سازی داده ها صورت گیرد.
مدل های رگرسیون تحقیق
برای آزمون فرضیه اول و دوم مدل خطی زیر، ارائه شده است. دومیتریو(Dumitriu et al., 2011) از این مدل برای آزمون اثر تعطیلی در رومانی استفاده کرده است:
Rt = + 0(Pre-H) + 1(Post-H) + t مدل (1)
درصورتی که روز معاملاتی، روز قبل از تعطیلی باشد، Pre-H عدد یک و Post-H صفر درنظر گرفته می شود و در صورتی که روز معاملاتی روز بعد از تعطیلی باشد، عدد صفر برای Pre-H و عدد 1 برای Post-H منظور می شود.
برای آزمون فرضیه سوم و چهارم مدل (2) و برای آزمون فرضیه پنجم مدل (3) ارائه شده است:
مدل (2)
Rt= + 0(Pre-LH)+ 1(Post-LH)+ 2(Pre-MH)+ 3(Post-MH)+ 4(Pre-SH)+ 5(Post-SH)+ t
منظور از LH، MH و SH به ترتیب، تعطیلی بلندمدت، میان مدت و کوتاه مدت است.
مدل (3)
Rt= +0(Pre-DH)+ 1(Post-DH)+2(Pre-JH)+ 3(Post-JH)+ t
منظور از DH و JH به ترتیب، تعطیلی سوگواری و تعطیلی شادی است.
معرفی تکنیک های آماری جهت تجزیه و تحلیل داده ها و نرم افزارهای مربوطه
فرایند تجزیه و تحلیل اطلاعات، یک فرایند چندمرحله ای است که طی آن، داده های جمع آوری شده، خلاصه، کدبندی، دسته بندی و در نهایت پردازش می شوند تا زمینه اجرای تحلیل ها و انجام آزمون ها فراهم گردد.
تجزیه و تحلیل داده های این تحقیق و آزمون فرضیات آن توسط نرم افزارهای Excel، E-Views 7 و Minitab 16 انجام شده است. به این ترتیب که اطلاعات فراهم شده توسط پایگاه های اطلاعاتی (در قالب خروجی اکسل) ابتدا دسته بندی و مرتب سازی شده است و سپس برای نرمال سازی به نرم افزار Minitab منتقل و در نهایت به نرم افزار ایویوز منتقل شده اند تا آزمون های آماری و اقتصادسنجی مورد نظر بر روی آنها انجام شود.
تحلیل آماری که در این تحقیق استفاده می شود شامل آمار توصیفی جهت توصیف و ارائه مشخصات آماری متغیرها و پارامترها و نیز ارائه جداول مربوط به داده ها و آزمون ها (بدون استنباط و صرفاً دسته بندی و تعریف) و آمار استنباطی شامل تخمین و برآورد و آزمون های معناداری می باشد.
معرفی نرم افزار ایویوز (E-Views)
در مدل سازی های مالی و اقتصادی غالباً به برآورد رگرسیونی توابع و تخمین پارامترهای مربوط به آنها نیاز است که برای انجام این منظور استفاده از نرم افزارهای مختلف کمک شایانی به بهره گیری موثر و مطلوب از داده های آماری می نماید. یکی از بهترین و پرکاربردترین نرم افزارهای مورد استفاده برای برآورد رگرسیونی توابع مختلف و انجام آزمون های مختلف آماری برای اطمینان از صحت نتایج به دست آمده، نرم افزار ایویوز است.
نرم افزار ایویوز یک نرم افزار اقتصادسنجی است که توسط بانک جهانی طراحی و ارائه شده است. واژه E-Views، مخفف Econometric Views می باشد. این نرم افزار در واقع شکل پیشرفته تر و کامل تر نرم افزار Micro TSP است که تحت سیستم عامل ویندوز اجرا می شود و استفاده از آن نیز آسان تر و سریع تر صورت می گیرد. اگرچه ایده طراحی ایویوز ابتدا توسط اقتصاددانان شکل گرفته و هدف از آن تهیه ابزاری جهت استفاده در موضوعات اقتصادی بوده است، اما مانعی برای استفاده از آن در تحلیل های مالی، هزینه و پیش بینی فروش وجود ندارد. (شیرین بخش و خوانساری، 1384،: به نقل از پایان نامه خانم بهفر)
منابع فارسی
1. آذر، عادل؛ مومنی، منصور، (1384)، "آمار و کاربرد آن در مدیریت" جلد دوم، تهران، انتشارات سمت.
2. ابونوری، اسمعیل؛ ایزدی، رضا، (1385)، "بررسی اثر روزهای هفته در بورس اوراق بهادار تهران با استفاده از الگوهای آرچ و گارچ" مجله تحقیقات اقتصادی، شماره72، ص 190-163.
3. اسلامی بیدگلی، غلامرضا؛ نبی زاده، احمد، (1388)، "بررسی اثر آخر هفته و مقایسه رفتار سرمایه گذاران حقیقی و نهادی در بورس اوراق بهادار تهران بین سال های 1385-1381" مجله تحقیقات مالی، دوره 11، شماره 28، ص 34-21.
4. اسلامی بیدگلی، غلامرضا؛ نبوی چاشمی، سیدعلی؛ یحیی زاده فر، محمود؛ ایکانی، صدیقه، (1389)، "بررسی سودآوری استراتژی سرمایه گذاری مومنتوم در بورس اوراق بهادار تهران" نشریه مطالعات کمی در مدیریت، شماره 1، ص 76-47.
5. ایران نژاد، مهدی، (1382)، "روش های تحقیق در علوم اجتماعی" تهران، انتشارات مدیران.
6. بدری، احمد؛ شواخی زواره، علیرضا، (1389)، "نقاط مرجع، قیمت سهام و حجم معاملات: شواهدی از بورس اوراق بهادار تهران"فصلنامه بورس اوراق بهادار، شماره 12، ص 173-151.
7. بدری، احمد؛ صادقی، محسن، (1385)، "بررسی اثر روزهای مختلف هفته بر بازدهی، نوسان پذیری و حجم معاملات در بورس اوراق بهادار تهران" مجله پیام مدیریت، شماره 17 و 18، ص 83-55.
8. برجی دولت آباد، ابراهیم، (1387)، "رفتار مالی؛ پارادایم حاکم بر بازارهای مالی" ماهنامه تدبیر، شماره 191، ص 36-31.
9. بهفر، محبوبه، (1390)، "تعیین اثر روزهای هفته در بازدهی و حجم معاملات بورس اوراق بهادار با استفاده از پانل دیتا" پایان نامه کارشناسی ارشد، واحد علوم تحقیقات تهران.
10. پورحیدری، امید، (1389)، "بررسی عوامل تعیین کننده تغییرات قیمت سهام در بورس اوراق بهادار تهران" مجله بررسی های حسابداری و حسابرسی، دوره 17، شماره 60، ص 40-23.
11. پی جونز، چارلز، (1384)، "مدیریت سرمایه گذاری" ترجمه دکتر رضا تهرانی و عسگر نوربخش، تهران، انتشارات نگاه دانش.
12. تلنگی، احمد، (1383)، "تقابل نظریه نوین مالی و مالی رفتاری" مجله تحقیقات مالی، شماره17، ص 25-3.
13. تهرانی، رضا، (1388)، "مدیریت مالی" تهران، انتشارات نگاه دانش.
14. خاکی، غلامرضا، (1388)، "روش تحقیق در مدیریت"تهران، انتشارات بازتاب.
15. راعی، رضا؛ باجلان، سعید، (1387)، "شناسایی و مدل سازی اثرات تقویمی بورس اوراق بهادار تهران با استفاده از مدل های ARCH و GARCH" نشریه پژوهشهای رشد و توسعه بازار، شماره 4، ص 48-21.
16. راعی، رضا؛ پویان فر، احمد، (1391)، "مدیریت سرمایه گذاری پیشرفته" تهران، انتشارات سمت.
17. راعی، رضا؛ شیرزادی، سعید، (1387)، "بررسی الگوهای فصلی در بورس اوراق بهادار تهران" پژوهشنامه اقتصادی، شماره 31، ص 170-147.
18. راعی، رضا؛ فلاح پور، سعید، (1383)، "مالیه رفتاری، رویکردی متفاوت در حوزه مالی" مجله تحقیقات مالی، شماره 18، ص 106-77.
19. سینایی، حسنعلی؛ صدفی رودسری، محمدعلی، (1389)، "بررسی عکس العمل سرمایه گذاران به عملکرد مالی شرکت ها" پژوهشنامه مدیریت اجرایی، شماره 38، ص 74-53.
20. شارپ، ویلیام اف؛ الکساندر، گوردون جی.؛ بیلی، جفری وی.، (1391)، "مدیریت سرمایه گذاری" ترجمه سید مجید شریعت پناهی و ابوالفضل جعفری، تهران، انتشارات اتحاد.
21. قالیباف اصل، حسن؛ کلبری، سمیه، (1388)، "بررسی اثرات پیشرو- پسرو وابسته به اندازه و حجم معامله در بازده و نوسان سهام در بورس اوراق بهادار تهران" نشریه تحقیقات مالی، دوره 11، شماره 27، ص 96-81.
22. کرمی قهی، ولی الله، (1371)، "تجزیه و تحلیل عوامل موثر بر عرضه، تقاضا و قیمت سهام از دیدگاه نظری" مجله اطلاعات سیاسی و اقتصادی، شماره 78، ص 110-102.
23. نظری، محسن؛ فرزانگان، الهام، (1390)، "بی قاعدگی های دوره ای در بازدهی سهام عادی بورس اوراق بهادار تهران (روش بازنمونه گیری بوت استراپ ناپارامتریک)" نشریه تحقیقات مالی، دوره 13، شماره 31، ص 164-147.
24. نوربخش، عسگر؛ عسگری، غلامرضا؛ نصیری، روح الله، (1389)، "کارایی در بازارهای در حال توسعه: شواهد تجربی از بورس اوراق بهادار تهران"مجله بررسی های حسابداری و حسابرسی، دوره 17، شماره 62، ص 116-103.
25. نیکومرام، هاشم؛ رهنمای رودپشتی، فریدون؛ هیبتی، فرشاد؛ یزدانی، شهره، (1391)، "سوگیری شناختی سرمایه گذاران بورس اوراق بهادار تهران بر ارزشیابی سهام" فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، شماره 13، ص 81-65.
26. یحیی زاده فر، محمود؛ ابونوری، اسمعیل؛ شبابی، هومن، (1384)، "بررسی اثر روزهای هفته بر بازده سهام بورس اوراق بهادار تهران و مقایسه آن با سایر بازارهای نوظهور (تحلیل تجربی)"مجله علوم اجتماعی و انسانی دانشگاه شیراز، دوره 22، شماره دوم، ص 195-178.
27. پایگاه اطلاع رسانی بورس اوراق بهادار (www.tse.ir).
منابع انگلیسی
1. Ariel, R. A. (1990), "High Stock Returns before Holidays: Existence and Evidence on Possible Causes" The Journal of Finance, 45, pp. 1611-1626.
2. Balaban E., (1995), "Day of Week Effects: New Evidence from an Energing Stock Market", Applied Economics Letters, Forth Coming, No. 23, pp. 53-65.
3. Berument, Hakan and Kiymaz, Halil, (2011), "The Day of the Week Effect on Stock Market Volatility", Journal of Economics and Finance, Vol. 25, No. 2, pp. 181-193.
4. Bhabra, Harjeet S.; Dhillon, Upinder S.; Ramírez, Gabriel G., (1999), "A November Effect? Revisiting the Tax-Loss-Selling Hypothesis", Financial Management, vol. 28, issue 4, pp. 5- 15.
5. Brockman, P. and Michalyuk D. (1998), "The persistent holiday effect: additional evidence", Applied Economics Letter, 5(2): 205-209.
6. Brooks, C. and Persand, G., (2001), "Seasonality in Southeast Asian Stock Markets: Some new Evidence on Day-of-the-Week Effects", Applied Economics, No. 8
7. Chen, G. Kwok, K. & Oliver, M., (2001). "The day- of- week regularity inthe stock markets of china", Journal of multinational financialmanagement, vol.11, pp. 139-163.
8. Dicle, Mehmet F.; Levendis, John, (2010), " Day-of-the-Week Effect Revisited: International Evidence", Journal of Economics and Finance, Available at SSRN: http://ssrn.com/abstract=1395005
9. Dumitriu, Ramona; Stefanescu, Razvan; Nistor, Costel, (2011), "Holiday effect on the Romanian stock market", Published in: Vanguard ScientificInstruments in Management, Vol. 1(4), pp. 35-40.
10. Enders , Walter, (2008), "applied econometrics time series", 2 nd. Edition. Iowa State University of New York.
11. Gultekin, N. and Gultekin, N. B., (1983), "Stock Market Seasonality: International Evidence", Journal of Finance Economics, No. 12, pp. 469-482.
12. Hirshleifer, David A.; Shumway, Tyler, (2003), "Good Day Sunshine: Stock Returns and the Weather", The Journal of Finance, vol. 58, issue 3, pp. 1009- 1032.
13. Jegadeesh, N. and Titman, S., (1993), "Return to Buying Winners and Selling Losers: Implications for Stock Market Efficiency ", Journal of Finance, 1993, vol. 48, 65-91.
14. Kaustia, Markku; Rantapuska, Elias Henrikki, (2012), "Does Mood Affect Trading Behavior?" Household Finance eJournal, Available at SSRN: http://ssrn.com/abstract=2021913.
15. Kim, C.W. and Park, J. (1994), "Holiday Effects and Stock Returns: Further Evidence", Journal of Financial and Quantitative Analysis, 29, 145-157.
16. Lakonishok, J., & Smidt, S. (1998). "Are Seasonal Anomalies Real? A Ninety-Year Perspective" oxford Journal, vol. 1, No.4, 403-425.
17. Marrett, George J.; Worthington, Andrew C., (2007), "An empirical note on the holiday effect in the Australian stock market, 1996-2006", Faculty of Business – Accounting & Finance, Available at http://ro.uow.edu.au/accfinwp/11
18. Mehran, Jamshid; Meisami, Alex; Busenbark, John R., (2012), "L'Chaim: Jewish holidays and stock market returns", Managerial Finance, vol. 38, issue 7, pp. 641- 652.
19. Meneu, Vicente; Pardo, Angel, (2004), "Pre-holiday effect, large trades and small investor behavior", Journal of Empirical Finance, vol. 11, issue 2, pp. 231- 246.
20. Moosa, Imad A., (2010), "Does Climatic Seasonality Produce Seasonality in Stock Returns? Evidence from an Emerging Stock Market", Journal of Applied Business and Economics, vol. 11, issue 2, pp. 120- 128.
21. Pettengill, G. N., (1998) "Holiday Closing and Security Returns", Journal of Finance Research, No. 12, pp. 57-67.
22. Picou, A., (2006), "Stock returns behavior during holiday periods: evidence from six countries", Managerial Finance, vol. 32, pp. 433-445.
23. Tangjitprom, Nopphon, (2010), "Preholiday Returns and Volatility in Thai stock market", Asian Journal of Finance & Accounting, vol.2, No.2, pp 41-54.
24. Vergin, R. C. and J. McGinnis (1999), "Revisiting the holiday effect: Is it on holiday?" Applied Financial Economics 9(3): 477 – 482.
25. Wachtel, S. (1942), "Certain Observations on Seasonal Movements in Stock Prices", Journal of Business, No. 15
26. Yuan, Kathy; Zheng, Lu; Zhu, Qiaoqiao, (2006), "Are investors moonstruck? Lunar phases and stock returns", Journal of Empirical Finance, vol. 13, issue 1, pp. 1-23.
27. Zitzewitz, Eric, (2002), "Another Kind of 'Weekend Effect' in Financial Markets", Available at SSRN: http://ssrn.com/abstract=323480
1. Behavioral Finance
2. Seasonal anomaly
3. Calender Effect
4. January Effect
5. Turn of the Month Effect
6. Day of the week Effect
7. weekend Effect
8. Holiday Effect
9. Ordinary Least Square
10. Jubilee Holiday
11. Despondency Holiday
12. First Order Auto Regressive Process
13. Moving Average Process
14. Auto Regressive Average Process
15. Auto Regressive Average Integrated Process
1. Spurious Regression
17. unit root tes
18. spurious regression
19. Cointegration
20. Augmented Dickey Fuller (ADF)
21. White noise
22. Said &dickey
23. Jerque-Bra test
—————
————————————————————
—————
————————————————————