نتایج جستجو برای: مدل فاما
تعداد نتایج: 120031 فیلتر نتایج به سال:
در این پژوهش از طریق ارائه یک روش جدید مبتنی بر متغیرهای مقداری (به جای متغیرهای قیمت و بازده) به ارزیابی و اولویتبندی مدلهای قیمتگذاری داراییهای سرمایهای پرداخته شده است. پژوهش حاضر با استفاده از جریانهای سرمایهای ورودی (خروجی) صندوقهای سرمایهگذاری مشترک (متغیر مقداری) از میان مدلهای قیمتگذاری داراییهای سرمایهای مورد بررسی (مدل قیمتگذاری داراییهای سرمایهای (CAPM)، مدل سه عاملی...
بورس اوراق بهادار به عنوان یک بازار متشکل، خود انتظام و رسمی، مهم ترین متولی جذب و سامان-دهی صحیح منابع مالی مورد نیاز فعالیت های مولد اقتصادی است و با جمع آوری نقدینگی جامعه و فراهم نمودن زمینه خرید و فروش اوراق بهادار، ضمن به حرکت در آوردن چرخ های صنعت باعث تخصیص مناسب سرمایه و رشد و توسعه اقتصادی کشور می شود. اهمیت روز افزون بازار دارایی های مالی، بررسی مداوم پیرامون این بازارها را ضروری می ...
این پژوهش با الهام گرفتن از نتایج یک طرح مطالعاتی کاربردی، رویکرد سلسلهمراتبی جهت پیگیری فرایند توسعه تأمینکنندگان و حمایت تصمیمات موجود در هر مراحل آن ارائه میکند. ابتدا، زمینههای تأمین نیازمند سپس واجد شرایط هریک زمینهها به کمک تصمیمگیری چندشاخصه بهترین-بدترین مشخص میگردند. معیارهای شناسایی نیز مرور مطالعات پیشین بهرهگیری نظرات خبرگان حوزهی خرید استخراجشدهاند. درنهایت، مدل ریاضی ...
در سال های اخیر، در بسیاری از پژوهش های مربوط به پیش بینی بازده سهام، از مدل های عاملی استفاده شده است. هدف اصلی پژوهش حاضر، مقایسه توان توضیح دهندگی دو مدل چندعاملیِ ارائه شده، با بازده سهام است. این پژوهش بر مبنای یک مدل چهار عاملی بنا شده است: مدل فاما، فرنچ و مومنتوم. بررسی توان توضیح دهندگی این مدل در بازار اوراق بهادار تهران در خلال سال های 1386 تا 1390، چیزی است که در این پژوهش به آن توجه...
پیش بینی نرخ بازدهی سهام, همواره به عنوان یکی از مهم ترین مباحث بازار های مالی مطرح بوده است. این مقاله ، به مقایسه مدل سه عاملی فاما و فرنچ و مدل شبکه عصبی رگرسیون عمومی، برای پیش بینی بازدهی سهام شرکتهای بورس اوراق بهادار تهران در قلمرو زمانی بین سالهای 1378 تا 1388 می پردازد. با استفاده از دو فرضیه که فرضیه اول دقت مدلها را در پیش بینی بازده ماهانه سهام شرکتهای هدف، و فرضیه دوم دقت مدلها را...
هدف: در علم مالی، رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار به معمایی تبدیل شده است. در حالی که بر اساس تئوری مدرن پرتفوی، رابطه میان ریسک و بازده مورد انتظار مثبت است، نتایج بسیاری از پژوهشها، بر رابطه منفی میان متغیرهای یادشده دلالت دارد. علاوه بر این، بسیاری از مطالعات انجامشده به بررسی عوامل اثرگذار بر این رابطه پرداختهاند. در این پژوهش نیز تلاش شده است که رابطه میان ریسک غیرسیستم...
هدف پژوهش حاضر بررسی تأثیر عامل صرف ارزش و عامل دیرش ضمنی سهام بر مازاد بازده سهام در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. جهت آزمون فرضیههای پژوهش از مدل فاما- فرنچ (1993) استفاده شده است. از آنجا که شواهد به دست آمده از پژوهشهای پیشین بیانگر ارتباط زمانبندی جریانهای نقدی شرکت و صرف ارزش میباشد، در این پژوهش ابتدا تأثیر عامل صرف ارزش بر مازاد بازده سهام (مانند مدل سه عا...
بر اساس تئوری مدرن پرتفوی، سرمایهگذاران میتوانند با استفاده از متنوعسازی سبد سرمایه-گذاری، ریسک غیرسیستماتیک را کنترل نمایند. بنابراین فرض میشود که سرمایهگذاران صرفاً بابت پذیرش ریسک سیستماتیک بازده طلب میکنند. اما در عمل مشاهده شده است که برخلاف مفروضات تئوری مدرن پرتفوی، ریسک غیرسیستماتیک دارای قیمت است. در پژوهشهای بسیاری رابطه میان ریسک غیرسیستماتیک و بازده مورد انتظار و همچنین عوامل ...
تاکنون به منظور طراحی مدلی مناسب برای پیشبینی بازده سهام، تلاشهای بسیاری صورت گرفته است. یکی از قدیمیترین این مدلها، CAPM میباشد. به رغم مقبولیت نسبی، این مدل همواره به دلیل قدرت تبینکنندگی پایین و به استناد آزمونهای تجربی متعددی مورد انتقاد قرار گرفته است. مدل سه عاملی فاما و فرنچ (1993) از موخرترین مدلهای ارائه شده در این حوزه است. پس از ارائه این مدل، محققین دیگری سعی کردهاند با ا...
در پی توسعه بازارهای مالی، بحث پیش بینی نرخ بازدهی سهام به عنوان یکی از مهم ترین مباحث بازار های پول و سرمایه مطرح شده و در این راستا روشها و مدلهای متعددی برای پیش بینی نرخ بازده بازار ابداع شده و توسعه یافته اند. این تحقیق ، به مقایسه مدل سه عاملی فاما و فرنچ (ff) و مدل شبکه عصبی رگرسیون عمومی (grnn) در پیش بینی بازدهی سهام می پردازد.در این راستا دو فرضیه طراحی شده است. فرضیه اول به مقایسه د...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید