ارائه مدل ترکیبی برآورد بازده مورد انتظار با استفاده از الگوریتم ژنتیک

Abstract

<strong>هدف:</strong> از مدل‎های پرکاربرد در برآورد نرخ بازده مورد انتظار، مدل قیمت‎گذاری دارایی سرمایه‎ای است. در مدل قیمت‎گذاری دارایی سرمایه‎ای استاندارد، ضریب بتا ثابت و رابطه بین بازده سهام و بازده بازار خطی فرض می‎شود، در حالی ‎که در بازارهای مالی این امکان وجود دارد که با تغییر هزینه ـ منفعت سرمایه‌گذاران در خصوص بازده و ریسک، ضریب بتا نسبت به زمان متغیر شده و همچنین در محیط غیرخطی، تخمین ضریب بتا به‎صورت خطی ناسازگار و با اریب همراه شود. بنابراین استفاده از مدل‎های دیگر در برآورد بازده موردانتظار ضروری به نظر می‎رسد.<br /> <strong>روش</strong>: در این پژوهش علاوه‎بر مدل قیمت‎گذاری دارایی سرمایه‎ای استاندارد، از مدل‎های رگرسیون آستانه‎ای و رگرسیون کرنل به‎منظور برآورد مدل قیمت‎گذاری دارایی سرمایه‎ای استفاده شده است. با توجه به اینکه اساس هر یک از مدل‎های یادشده را مفروضات متفاوتی شکل می‎دهد، در این پژوهش تلاش شده است که با استفاده از الگوریتم ژنتیک و در بازه زمانی 1387 تا 1396 به ارائه مدل ترکیبی به‎منظور برآورد بازده مورد انتظار پرداخته شود.<br /> <strong>یافته‎ها</strong>: بازده مورد انتظار از طریق مدل­های قیمت­گذاری دارایی سرمایه­ای استاندارد، آستانه­ای، رگرسیون کرنل موضعی و ترکیب هر سه مدل مذکور، برآورد شده و نتایج آن با بازده تحقق­یافته مقایسه شدند. از شاخص میانگین مجذور خطا برای سنجش قدرت پیش‌بینی مدل­های تحقیق استفاده شده است. همچنین، به‎کمک آزمون مقایسه زوجی روی شاخص میانگین مجذور خطا مدل­های تحقیق با یکدیگر مقایسه شده­اند.<br /> <strong>نتیجه‎گیری</strong>: نتایج نشان می‎دهد که در نظر گرفتن مدل ترکیبی موجب شده است قدرت پیش‎بینی بازده تحقق‎یافته در مقایسه با سایر مدل‌های تحقیق افزایش یابد.<br />