فهرست رسالههاي دكتري و پايان نامههاي ...journals.atu.ac.ir/article_7046_11db13d02721cf6f3b5bc530...و (1994) نارﺎﮑﻤﻫ و 15ﺪﻨﻟﻮﯿﻧ

59-83 / صفحات1395بهار / 66/ شماره ویکم هاي اقتصادي ایران/ سال بیست فصلنامه پژوهش

بازده در بازار سهام ایران: شواهد جدید با -پویایی رابطه ریسک GARCH-JUMPکارگیري الگوي به

1سعید راسخی 2پیمان اسديسید

3زهرا شیدایی

6/4/1395تاریخ پذیرش: 1/6/1394: ارسالتاریخ

چکیدههاي تجربی حاکی از وجود کنند، اما یافته ادبیات مرسوم رابطه بین بازدهی انتظاري و واریانس شرطی آن را مثبت ارزیابی می

رابطه ثابت و مشخص بین این دو نیست. ادبیات اخیر با تجزیه ریسک، شواهد جدیدي را در این خصوص ارایه کرده اسـت. هاي مالی از جمله نوسانات شـرطی متغیـر بـا زمـان و هاي مشخص قیمت دارایی گیدر این راستا، در مطالعه حاضر، نقش ویژ

ARJI-GARCHجامپ در رابطه بین ریسک و بازده سهام در بازار سهام تهران بررسی شده است. براي این منظور، از مدل GARCH-Mتر، یعنی الگوي ساده دست آمده با دو طور کارآ دربردارنده این دو ویژگی است، استفاده شده و نتایج به که به

شود (با این تفاوت که احتمال وقوع که اولی تنها واریانس شرطی و دومی هر دو ویژگی را شامل می GARCH-JUMPو هاي روزانه شاخص کل بازار بـورس جامپ در طول زمان ثابت است)، مقایسه شده است. نتایج برآورد این الگوها براي داده

طوري که ریسک بازده سـهام ایـران داللت بر معناداري جزء جامپ دارد، به 2/12/1393تا 6/7/1376نی تهران طی دوره زماسـنتی بـه GARCH-Mرو، مـدل ایـن شـود و از گونه و جامپی را شامل مـی هر دو جزء تغییرات مالیم و رویدادهاي شوك

تحلیل پاداش ریسک متغیر با و یست. همچنین در تجزیهتنهایی براي بررسی رابطه ریسک و بازده در بازار سهام ایران مناسب ن مدت تنها ریسک ناشی از وقوع جامپ معنادار است. زمان، مشاهده شد که در کوتاه

بازده، گارچ مختلط، الگوي انتشار جامپ، بازار سهام، ایران. -رابطه ریسک واژگان کلیدي: .JEL :G11, G12, G14, G17بندي طبقه

اقتصاد بازرگانی (نویسنده مسؤول)، پست الکترونیکی: استاد دانشکده اقتصاد، دانشگاه مازندران، گروه [email protected]

[email protected]دانشجوي دکتراي اقتصاد پولی دانشگاه مازندران، بابلسر، پست الکترونیکی: -2 [email protected]الملل دانشگاه مازندران، بابلسر، پست الکترونیکی: دانشجوي دکتراي اقتصاد بین -3

بازده در بازار سهام ایران .... ـ پویایی رابطه ریسک 60

مقدمه -1در بازار سهام از 1رابطه بین میانگین شرطی و واریانس شرطی بازده اضافیبررسی بازده شناخته -هاي مورد بررسی در اقتصاد مالی است که تحت عنوان رابطه ریسک موضوع

بازده، موضوع اساسی در انتخاب بهینه پرتفوي و مدیریت ریسک -شود. رابطه ریسک میبینی نوسانات بازار سهام است و همچنین نقشی محوري در توسعه الگوهاي نظري و پیش

کند و طور عمده به رابطه مثبت بین ریسک و بازده اشاره می بیات نظري علوم مالی بهدارد. ادهاي باالتر با بازده اضافی باالتر همراه باشند رود، ریسک در این راستا، انتظار می

اي گذاري دارایی بین دوره همچنین براساس الگوي قیمت. )2007، 2(لودوینگسون و سرانااضافی انتظاري در بازار سهام رابطه مستقیمی با واریانس شرطی بازده )، بازده1973( 3مرتون

دارد. در عین حال، در مطالعات تجربی، شواهد متناقضی درباره معناداري و عالمت مثبت بالی و )،2005(و همکاران 4دهنده ریسک و بازده وجود دارد (گیسلز پارامتر ارتباط

و 8گلستون )،1992( 7، فاما و فرنچ)2011(ان و همکار 6و دارات )2009( 5هواکیمیان. ))2014(و همکاران 11، سالوادور)2011( 10، یو و یوان)2001( 9و هاروي )1993(همکاران

ترین دالیل نتایج متفاوت در خصوص رابطه بین ریسک و بازده، نحوه یکی از مهمبازده در بلندمدت -طور مشخص، اگر ارتباط ریسک سازي واریانس شرطی است. به شاخص

طور مستقیم قابل مشاهده نخواهد بود و در این شرایط، از مد نظر باشد، واریانس شرطی بهحلی که براي فایق آمدن بر این نتایج متناقض ه خواهد شد. راههاي دوره قبل استفاد بازده

بازده است. -هاي ناگهانی در الگوهاي ریسک ها یا جهش پیشنهاد شده، وارد کردن جامپ

1- Excess Return 2- Ludvigson and Serena 3- ICAMP of Merton 4- Ghysels 5- Bali and Hovakimian 6- Darrat 7- Fama and French 8- Glosten 9- Harvey 10- Yu and Yuan 11- Salvador

61 1395بهار / 66/ شماره ویکم هاي اقتصادي ایران/ سال بیست فصلنامه پژوهش

آورد که توزیع غیرنرمال بازدهی سهام در نظر گرفته شود ورود جامپ این امکان را فراهم میرو، در تحقیق حاضر سعی این ). از)2005( 2کارانو راچو و هم )2004( 1کردي و و مکی(ماه

گیري صحیح بازده و اندازه -ها در الگوي ریسک سازي این جهش شده است با مدلشود که بیشتر مطالعات نوسانات، این رابطه در بازار سهام تهران بررسی شود. یادآوري می

اند، هرچند بازده را در نظر گرفتهانجام شده در این زمینه تنها تغییرات مالیم و دایمی واریانس بر وجود )، به بررسی وقوع اخبار مثبت و منفی مبنی1385مطالعاتی از جمله مهرآرا و عبدلی (

هاي ناگهانی در بازده پرداخته است، اما با توجه به دشوار بودن وارد کردن جامپ در جهشها اکتفا شده ي نشان دادن تکانهالگو، در چنین مطالعاتی نیز به استفاده از متغیر مجازي برا

است. بدین ترتیب، نوآوري خاص این مطالعه نسبت به مطالعات داخلی، الگوسازي این تري را نسبت به متغیر مجازي هاي دقیق بازده است که تخمین -ها در الگوي ریسک جهشد که شو ) استفاده می5(چان و شن 4گارچ جامپ 3دهند. براي این منظور از مدل آرجی می

مزیت آن در مقایسه با الگوهاي دیگر، این است که معیار ریسک در اینجا هر دو تغییرات گیرد یا به عبارت دیگر، هر دو بازده و می اي را در فرآیند جامپ دربر روند زمانی و خوشه

و 6عالوه، الگوهاي گارچ میانگین دهند. به واریانس شرطی آن اثرات جامپ را نشان مینیز براي مقایسه نتایج و اظهارنظر بهتر راجع به رابطه ریسک و بازده برآورد 7پگارچ جام

گذاري ناشی از شوند. نتیجه برآورد از این جهت داراي اهمیت بوده که ریسک سرمایه میو وقوع تحوالت و اخبار مثبت و 8ثباتی اقتصادي و غیراقتصادي در ایران بسیار باالست بی

1- Maheu and McCurdy 2- Rachev 3- Autoregressive Jump Intensity 4- ARJI GARCH JUMP 5- Chen and Shen 6- GARCH in MEAN 7- GARCH JUMP

گذاري قرار هاي باال از نظر ریسک سرمایه نس مانیتور ایران را در رتبهیهاي بیز گزارشمانند المللی هاي بین گزارش -8ایران از نظر ریسک سیاسی ،کشورهاي منطقه خاورمیانهبین در مؤسسهاین 2014گزارش سال طوري که به ،دهند می

را از نظر باال 8کشور نفتی منطقه رتبه 9و از بین بندي شد شانزدهمین کشور رتبه ،کشور منطقه 19از بین و اقتصادي گذاري در صنعت نفت و گاز داراست. بودن ریسک سرمایه


گذاري در وجود جهش و جامپ ناگهانی مثبت و منفی در بازده سرمایهبر منفی شواهدي مبنی) که در یک 1978( و همکاران 1بازار سهام ایران است. در ادامه، براساس مطالعات انگل

اقتصاد با دو دارایی که یکی ریسکی و دیگري بدون ریسک است، انتظار بر آن است که گیري پاداش یانگین منعکس شود. به اندازهطور نسبی کمتر در م تغییرات در واریانس به

پردازیم. ریسک در دو حالت با و بدون جامپ میادامه مقاله به این صورت سازماندهی شده است که بعد از مقدمه در بخش اول، مبانی

شود. بخش سوم، به پیشینه تحقیق اختصاص دارد. در بخش نظري در بخش دوم، ارایه میشود. در بخش پنجم، برآورد الگو و تحلیل نتایج ارایه ارایه می شناسی تحقیق چهارم، روش

آید. گیري در بخش ششم می شود. نتیجه می

مبانی نظري -2در الگوسازي رفتار قیمت دارایی به یتصریح یک توزیع آماري مناسب همچنان موضوع مهم

تصادفی دارایی اصلی نیاز ، به تبیین فرآیند 2گذاري اختیارات آید؛ براي نمونه، قیمت شمار می). در بازار سهام، دو ویژگی مشخص فرآیند تصادفی، نوسانات بازده 2004دارد (چان و شن،

هاي گذشته، نتایج قابل توجهی درباره گاه آن است. طی دهه به هاي گاه در طول زمان و جهشست که بازدهی ترین نتایج تجربی این ا دست آمده است. یکی از مهم رفتار بازدهی سهام به

کند. الگوهاي مرسوم مانند الگوي تبعیت می 3ها تقریباً از زنجیره تفاضلی مارتینگل داراییو الگوي نوسانات تصادفی GARCH(4یافته ( خودرگرسیونی ناهمسانی واریانس شرطی تعمیم

1- Engle 2- Option Pricing

مشاهده شده کنونی امید ریاضی مقدار دوره بعدي برابر با مقدار، در زمان دلخواه در آن، فرآیند تصادفی است که ،مارتینگل -3 :برقرار باشددر نظر بگیرید. اگر شرایط زیر را در فضاي احتمال باشد. زنجیره تطبیقی

یک ،مارتینگل باشد، در نتیجه زنجیره تفاضلی مارتینگل خواهد بود. به همین ترتیب اگر زنجیره تفاضلی مارتینگل خواهد بود.

4- Generalized Autoregressive Conditional Heteroscedasticity


)SV(1 ستفاده براي بررسی پویایی نوسانات مالیم و دایمی بازده نسبتاً مناسب هستند. همچنین ا)، معرفی شده و امکان برآورد 1987از الگوي گارچ میانگین که توسط انگل و همکاران (

، اما به نتایج متفاوتی در خصوص رابطه ریسک کرده زمان میانگین و واریانس بازده را فراهم هم، )1990( 4)، بایله و دجینارو1987و همکاران ( 3)، فرینچ1987( 2و بازده منجر شده است (کمبل

)). یک دلیل احتمالی براي ناکامی 1993( 6) و گلوستن و همکاران1992 ( 5کمبل و هنشلتواند تغییرات مالیم بازده و تغییرات مالیم الگوي گارچ میانگین این است که این الگو تنها می

و دایمی واریانس بازده را توضیح دهد، در حالی که این الگوها براي توضیح تغییرات بزرگ و ) و تنها به برآوردهاي ضعیف 2002، 7ها مناسب نیستند (چان و ماهیو ته در بازدهی داراییگسس

هاي ). در این راستا، لحاظ کردن جامپ2011 ،و همکاران 8بودت(شود از نوسانات منجر می) و 1999و همکاران، 9هاي آماري مشاهدات (چرنو گسسته در بازده براي مطابقت با ویژگی

)،1997(و همکاران 10گذاري در بازار اختیارات (باکشی بهتر و اصالح قیمتتطبیق براي ) در اغلب بازارهاي سوداگرانه 1988( 13جوریون ) و1999( 12داس و سوندرام )،1996( 11بیتس

طور مستقیم قابل مشاهده نیست و برآورد آن نیز دشوار است. جامپ به ، اماضروري است يالگوها و گذاري دارایی میت آماري جامپ در قیمتادبیات وسیعی در زمینه بررسی اه

و )1994( و همکاران 15، نیولند)1988( جوریون( وجود دارد، 14گذاري اختیارات مرتون قیمت

1- Stochastic Volatility 2- Campbell 3- French 4- Baillie and DeGennaro 5- Campbell and Hentschel 6- Glosten 7- Chan and Maheu 8- Boudt 9- Chernov 10- Bakshi 11- Bates 12- Das and Sundaram 13- Jorion 14- Merton Option Pricing 15- Nieuwland


ا براي استخراج توزیع .الگویی ر ،)2002چان و ماهیو (بین، . در این 2))1993( 1واالر و پالماند و مطالعات تجربی متعددي بر مفید بودن این پیشنهاد کرده tها پس از وقوع در زمان جامپ

4بال و توروس ) و1989( 3کید دارند (هسیهأالگو براي توضیح نرخ ارز روزانه و بازار سهام ت شود. و در بخش روش تحقیق توضیح داده میاست که اساس این مطالعه قرار گرفته ))1985(

پیشینه تحقیق -3والت اقتصادي و غیراقتصادي بر شاخص بازده بازار سهام مطالعات داخلی درباره تأثیر تح

ایران غالباً مربوط به بررسی اثر اخبار مثبت و منفی بر بازده بوده و به مفهوم جامپ در رابطه )، از بازار بورس 1385ریسک و بازده پرداخته نشده است. نتایج مطالعه مهرآرا و عبدلی (

ي مثبت و منفی قیمتی است و دلیل آن را نیز غالباً ها ایران حاکی از یکسان بودن اثر شوكعمق بودن بازار بورس اوراق بهادار تهران، کند بودن جریان اطالعات و به جوان و کم

). همچنین مهرآرا 1385دهند (مهرآرا و عبدلی، هاي نهادي و سازمانی نسبت می محدودیتریسک سیستماتیک و بازده سهام دهند که بین اي نشان می )، در مطالعه1392و همکاران (

)، به ارتباط معناداري بین 1392از نظر آماري رابطه معناداري وجود دارد. قالیباف و ایزدي (برخی عوامل مانند صرفه بازدهی بازار، نسبت ارزش دفتري به ارزش بازار و نقدینگی و

حیدري و همکاران . ندهاي پذیرفته شده در بورس اوراق بهادار تهران پی برد بازده شرکتمند )، در بخشی از مطالعه خود درباره رابطه بین نرخ بازده مورد انتظار و ریسک نظام1388(

، بازار بورس تنها در برخی فصول براي افراد ندنشان دادآنها . ندبه نتایج قابل توجهی رسیدیشتر ب 1از 1382مند در سه فصل اول سال پذیر جذاب است. همچنین ریسک نظام ریسک

است. در مقابل، از فصل چهارم 1382شده که این یافته متناظر با دوره رونق بورس در سال استثناي سه فصل، در تمام دوره منفی یا ریسک بازار به 1386تا فصل دوم سال 1382سال

به بعد، هماهنگی دارد. نکته 1383نزدیک به صفر بوده است که با رکود بورس از سال

1- Vlaar, F. Palm شناسی تحقیق ارایه شده است. یات بیشتر در روشیجز -2

3- Hsieh 4- Ball and Torous


هاي خود رابطه ریسک و بازده را در بررسی که ر مطالعات داخلی این استمهم در بیشتهاي مختلف بازار و عوامل تأثیرگذار و به بررسی آن در دورهکرده معنادار فرض و مثبت

طور کلی بحث اند، اما در این مطالعه، در مورد مفروض پنداشتن این رابطه، به بر آن پرداختهد. در مجموع، نشو معرفی می ،این فرض را قابل قبول دانستتوان و شرایطی که میشده

اگرچه مطالعات داخلی متعددي در خصوص رابطه بازده و ریسک صورت گرفته است، اند. این در حالی کدام از مطالعات داخلی جامپ را در الگوي برآورد شده لحاظ نکرده هیچ

در مشاهدات است و این هاي مهم بازده دارایی حضور جامپ است که یکی از ویژگی بازده را تحت تأثیر قرار دهد. -تواند اساس رابطه ریسک مورد می

شناسی تحقیق روش -4

معرفی شد. وي، آن را 1967در سال 2بازده سهام توسط پرس 1نوالگوي پایه جامپ پواسعنوان تجمع یک عدد تصادفی از توان آن را به نامید، زیرا می 3الگوي رویدادهاي مرکب

ها در طول یک دوره زمانی ثابت در نظر گرفت. با فرض اینکه توزیع تغییرات قیمتشود، تعیین کند، تعداد متوسط ن تعداد رویدادهایی را که به نوسانات قیمتی منجر میوپواس

شود شود. معرفی جامپ سبب می نامیده می 4این رویدادها در یک بازه زمانی شدت جامپ) و 2004کوري ( د نظر قرار گیرند (براي مثال، به ماهیو و ماكمشاهدات غیرنرمال نیز م

گیري ریسک، هر دو ) مراجعه شود). در این شرایط، اندازه 2005راچو و همکاران (تنها دربردارنده جامپ عالوه، بازدهی سهام نه گیرد. به واریانس مرسوم و جامپ را دربر می

). 2013و همکاران، 5یش دارند، (آرشانپالیاي شدن گرا ها به خوشه است، بلکه این جامپاي به صورت )، هر دو جامپ در طول زمان و جامپ خوشه2002( در مدل چان و ماهیو

در نظر گرفته شده است.6زا و با یک فرآیند خودرگرسیون میانگین متحرك درون

1- Poisson Jump Process 2- Press 3- Compound Events 4- Jump Intensity 5- Arshanapalli 6- Auto Regressive Moving Average (ARMA)


)1( )2(

واریانس شرطی است. نرخ بازدهی سهام و جزء جامپ، که در آن، وقوع به تا ) که در بازه زمانی هایی ( تعداد جامپ براساس این الگو،

(شدت جامپ) و تابع ن با میانگین و واریانس وپیوندند، داراي توزیع پواس می د: چگالی زیر هستن

)3(

است. δو انحراف معیار θالبته اندازه هر جامپ مستقل و داراي توزیع نرمال با میانگین و ثابت بودن واریانس توزیع با اعمال دو محدودیت ثابت بودن شدت جامپ

آید. در این مطالعه براي ورود دست می )، الگوي گارچ جامپ به( اندازه جامپهیو االگوي گارچ جامپ، از الگوي چان و م اخبار و رویدادها یا اطالعات در بردار

به صورت زیر ARMAاز یک فرآیند فرض کردند که شود ) استفاده می2002( کند: پیروي می

و ρ γ )4(

و انحراف θهر جامپ داراي اندازه متفاوتی است که توسط توزیع نرمال با میانگین ) در طول زمان تغییر شود. در الگوي انتشار جامپ، اندازه جامپ ( تعیین می δمعیار ).2002 هیو،امکند و وابسته به بازده اضافی در گذشته است (چان و می

ƞ ƞ )5( مدت بین ریسک و بازدهی، الگوي گارچ با اضافه کردن براي ارزیابی رابطه کوتاه

شود. در این صورت، عالوه بر اینکه در معادله میانگین گسترش داده می ARJIاجزاي دهنده واریانس شرطی مالیم خواهد بود، براساس رابطه زیر، شامل جزء واریانس الگو نشان

اجزاي الگوي جامپ نیز خواهد بود: )6(


شود (آرشانپالی و به شکل زیر ارایه می در نتیجه، الگوي آرجی گارچ میانگین ).2013 ،همکاران

)7( دهنده پویایی نشان آید که در آن، جزء دست می ) به6از رابطه ( عبارت

نوسانات شرطی بازدهی است. وارد کردن جزء واریانس در معادله میانگین، این قابلیت را کند که رابطه ریسک و بازدهی در این الگو، قابل ارزیابی باشد. عالمت مثبت فراهم می

بازده خواهد بود. -دهنده رابطه مثبت ریسک نشان پارامتر

ل نتایجبرآورد الگو و تحلی -5

دهد. نشان می1376-1393، شاخص بازده کل بازار بورس ایران را براي دوره زمانی 1نمودار شماره ، شاخص 1392رغم نوسانات زیاد تا قبل از دي براساس این نمودار، طی دوره زمانی مورد مطالعه، به

ده است. طورکلی روندي افزایشی را طی کرده و در این تاریخ به اوج خود رسی بازده به

1376-1393روند تغییرات روزانه شاخص بازده بورس تهران طی دوره زمانی -1نمودار

مهر 1378

آبان 1380

آذر 1382

دي 1384

اردیبهشت 1387

خرداد 1389

تیر 1391

مرداد 1393

0

1

2

3

4

5

6

7

8

9 xx4

1392دي


ناپذیر از بازار دارایی تلقی نوسانات بازدهی موضوعی طبیعی و جزء تفکیک سازي، هاي بزرگ کشور در اثر خصوصی با توسعه بازار سرمایه و ورود شرکتشود. می

100عدد پایه ، ازپس از فراز و فرودهاي متعدد شاخص کل قیمت در بازار سهام تهرانخیز ناشی از عوامل و دیک شده است. این افت) نز1394هزار واحد ( 70) به رقم 1369(

هاي دولتی، وضعیت کالن اقتصادي و متغیرهاي غیراقتصادي بوده متعددي مانند سیاستطور مشخص، وضع قوانین و مقررات مختلف براي تسهیل عملکرد بازار مانند است. به

گذاري رمایههاي س گیري صندوق ورود ابزارهاي جدید مالی، تنوع محصوالت بازار، شکلهاي دولتی، کاهش ، تأثیر بازارهاي موازي بورس مانند ارز، طال و مسکن، سیاستمشترك

الملل مانند هاي پولی، وضعیت اقتصادي بین هاي تجاري، سیاست ارزش پول ملی، سیاست بحران مالی جهانی رونق و رکود در اقتصاد جهانی،هاي جهانی مواد اولیه و افزایش قیمت

اي و تحوالت سیاسی در این روند تأثیرگذار ایی مانند وضعیت ژئوپلیتیک منطقهو متغیره بوده است.

در ادامه این بخش، رابطه ریسک و بازده در بازار سهام ایران از طریق الگوي یافته آرجی گارچ که در بخش قبل مطرح شد، به همراه الگوهاي گارچ میانگین و تعمیم

شود، نمایی برآورد و بررسی می اده از روش حداکثر راستگارچ جامپ میانگین با استفشود. استفاده می RATSافزار اي این تحقیق از نرم تحلیل داده و همچنین براي تجزیه

طی دوره )TSE(هاي روزانه مربوط به شاخص بورس تهران هاي آماري داده ویژگی، ارایه شده است. براي آزمون نرمال 1در جدول شماره 2/12/1393تا 6/7/1376زمانی

شود. فرضیه صفر این آزمون برا استفاده می -بودن جمالت پسماند از آزمون جارك درصد است، 5کمتر از JBحاکی از نرمال بودن توزیع خطاهاست. چون احتمال آماره

هاي رگرسیون نرمال نیست که این خود، تأکیدي بر وجود رو، توزیع پسماند این از هاست. هاي قابل توجه در بازدهی جامپ


هاي آماري مشاهدات بازده روزانه بازار سهام تهران طی دوره زمانی ویژگی -1جدول 2/12/1393تا 6/7/1376

00088731/0 Mean 000033862/0 Variance

4078/0 Skewness 8929/12 Kurtosis

)000/0 (*17021 Jarque-Bera

مأخذ: محاسبات تحقیق.تا 6/7/1376، روند بازده روزانه بازار سهام تهران را طی دوره زمانی 2نمودار شماره

هاي اي و وجود جامپ دهنده نوسانات خوشه دهد. این نمودار، نشان ، نشان می2/12/1393تواند رابطه مورد مطالعه است که میبزرگ در بازده بازار سهام تهران طی دوره زمانی

بازده و ریسک را تحت تأثیر قرار دهد. براي بررسی این موضوع، در ادامه، الگوهاي تحقیق برآورد شده است.

2/12/1393تا 6/7/1376روند بازده روزانه بازار سهام تهران طی دوره زمانی -2نمودار

، پایا بودن سري زمانی مورد مطالعه بسیار مهم است. در این تحقیق GARCHدر روش % براي 5و فیلیپس پرون در سطح معناداري )ADF(یافته فولر تعمیم -از آزمون دیکی


آزمون پایایی سري زمانی استفاده شده است. نتایج حاصل از دو آزمون یادشده در جدول ، آمده است.2شماره

)PP(و آزمون فیلیپس پرون )ADF(یافته دیکی فولر تعمیم نتایج آزمون -2جدول %1 مقدار بحرانی -4317/3

30911/53- PP Test Statistic

%5 مقدار بحرانی -8620/2 %10 مقدار بحرانی -5670/2 %1 مقدار بحرانی -4317/3

74405/13-

ADF Test Statistic

%5 مقدار بحرانی -8620/2 %10 مقدار بحرانی -5670/2

مأخذ: محاسبات تحقیق.

در سطوح )PPو ADF(شود، هر دو آزمون ، مالحظه می2براساس جدول شماره دهند. درصد)، پایایی سري زمانی را مورد تأیید قرار می 99تا 90اطمینان مختلف (از

جنکینز -منظور برازش مدل بازدهی مورد انتظار از رویکرد باکس در پژوهش حاضر بهعنوان بهترین مدل به AR(2)هاي صورت گرفته، فرآیند شود. براساس آزمون استفاده می، 3سازي رفتار آن تشخیص داده شده که نتایج حاصل از آن، در جدول شماره براي مدل

آمده است.

حاصل از انتخاب مدل مناسبنتایج -3جدول

)001/0 (0008/0 C

)000/0 (2498/1 AR(1)

)000/0 (2758/0- AR(2)

)000/0 (9088/0- MA(1)

1607/0 R-squared

9955/1 Durbin Watson

0416/15853 Log likelihood

)000/0 (6048/67 Q

دهند. توضیح: اعداد داخل پرانتز سطح معناداري را نشان می مأخذ: محاسبات تحقیق.


پس از انتخاب مدل مناسب از طریق روش باکس و جنکینز، باید آزمون الزم براي (واریانس ناهمسانی) انجام گیرد. نتایج این آزمون در ARCHتشخیص وجود اثرات

، آمده است.4جدول شماره

نتایج آزمون ضریب الگرانژ -4جدول آماره آماره محاسباتی سطح معناداري

0015/0 1093/10 F

0015/0 0895/10 Obs*R-squared

ها رد و مانده براساس هر دو آماره محاسباتی، فرضیه صفر همسان بودن واریانس باقیتوان از رو، می این شود. از ها پذیرفته می مانده فرضیه مقابل، یعنی وجود ناهمسانی در باقی

براي الگوسازي استفاده کرد. در گام بعدي این تحقیق از الگوي GARCHالگوي GARCH(1,1) هاي مربوط استفاده شده است. عنوان الگوي بهینه براي تخمین به

تا 6/7/1376نتایج برآورد الگوي گارچ میانگین براي بازار سهام تهران طی دوره زمانی نتایج برآورد الگو در جدول ، ارایه شده است. براساس5در جدول شماره 2/12/1393

شود که این نتیجه برابر یک است، پذیرفته می αبر اینکه ، فرض صفر مبنی2شماره داللت بر ناپایداري واریانس در الگوي تحقیق دارد. این مسأله از خصوصیات تصریح چهارچوب مدل است، به این صورت که اگر این مقدار نزدیک یک باشد، از نظر

دست آمده اقتصادسنجی مدل قابل اعتمادي نیست. مقادیر کشیدگی و چولگی به هاي الزامدهد نیز نشان می 1آزمون لیانگ باکسکنند. نیز نرمال بودن توزیع مشاهدات بازده را رد می

ترین یافته جزء گارچ میانگین که مهمکه بین پسماندهاي الگو، همبستگی قوي وجود دارد. دهنده رابطه مثبت، اما غیرمعنادار بین ریسک و آید نشان به شمار میاین مطالعه (تا اینجا)

دست آمده در بازده است که رابطه مثبت بین بازده و ریسک در این مطالعه با نتایج بهبازده استفاده -مطالعات پیشین که از الگوي گارچ میانگین براي بررسی رابطه ریسک

رابطه معنادار بین ریسک و بازده در این تحقیق، اند، سازگار است. عدم دستیابی به کرده

1- Ljung-Box


احتماالً به این دلیل است که پارامتر گارچ تنها تغییرات مالیم را در نوسانات بازده توضیح هاي متعددي را تجربه کرده است. دهد، در حالی که نرخ بازده بازار سهام تهران جامپ می

GARCH- Mاز پارامترها در مدل MLEتخمین -5جدول

03/12/93-06/07/76 )00006/0 (*0001/0

)0196/0 (*4546/0 )0184/0 (*0611/0

)001/2 (9317/3 )0000/0(* 000003/0 )0100/0 (*130266/0 )0091/0(* 871881/0

6166/16742 Log-likelihood 2630/1- Skewness

8236/3 Kurtosis

91/2909 Jarque–Bera

23/260 )0200/0(

Ljung–Box p-value

0821/1

)2983/0( F p-value

کننده انحراف معیار هستند. درصد است. اعداد داخل پرانتز بیان 5طور کلی در سطح * معناداري به مأخذ: محاسبات تحقیق.

براي بررسی اثر جامپ بر رابطه ریسک و بازده در ادامـه، الگـوي گـارچ جامـپ بـراي این درگونه که همان، آمده است. 6بازار سهام تهران برآورد شده و نتایج در جدول شماره

شود، میزان چولگی توزیع مشاهدات در مقایسه با الگوي گارچ میـانگین جدول مشاهده میتقریبـاً مشـابه الگـوي قبلـی اسـت.آماره ت. البته، میزان تا حدودي کاهش یافته اسحــاکی از رد فرضــیه نمــایی نســبت لگــاریتم راســت

مثبت برآورد شده که حاکی از رابطه مثبـت بـین πبر نبودن جامپ است. پارامتر صفر مبنی


آمـاره دسـت نیامـده اسـت. ریسک و بازده است، اما این رابطه از لحاظ آمـاري معنـادار بـه بر نبود همبستگی رد دهد که فرضیه صفر مبنی نیز نشان می 6ول شماره لیانگ باکس در جد

دهد، احتماالً الگو خوب تصـریح نشـده اسـت. بـدین ترتیـب، رد شده است و این نشان می دهنده عدم کفایت الگوي گارچ جامپ است. ه نشانفرضیه صفر آزمون یادشد

GARCH-JUMP-Mاز پارامترها در مدل MLEتخمین -6جدول

03/12/93-06/07/76 )0000/0 (*0001/0 μ )1210/0 ( *4443/0 )0104/0(* 0598/0 )0541/0 (*8426/3 π

)0000/0(* 0000003/0 ω )0104/0(* 174021/0 α )0017/0(* 831102/0 β

)0090/0(* 0977/0 *01/261

03917/0

5/16781

5104/0 Skewness

1089/2 Kurtosis

84/317 JarqueBera

2498/0

)6172/0( F p-value

.کننده انحراف معیار هستند پرانتز بیاندرصد است. اعداد داخل 5طور کلی در سطح * معناداري به مأخذ: محاسبات تحقیق.

کننـده احتمـال وقـوع ن تعیینوشود، توزیع ثابت پواس در الگوي گارچ جامپ فرض میرسـد جامپ در طول زمان است، اما با توجه به مطالعات انجام شده در این زمینه، به نظر می

راي در نظر گرفتن این شرایط و در ادامه، از احتمال وقوع جامپ در طول زمان تغییر کند. ب


شـود کـه ) استفاده شده است. در این الگو، فرض می2002الگوي پیشنهادي چان و ماهیو (زاي خودهمبسته پیـروي کـرده و داراي یـک فـرم تبعـی شدت جامپ از یک فرآیند درون

ARMA ارایه شـده 7است. نتایج حاصل از برآورد الگوي آرجی گارچ در جدول شماره ،نمایی در مقایسـه بـا الگـوي گـارچ جامـپ است. براساس این جدول،آماره لگاریتم راست

دهد. برتري الگوي برآورد شده نسبت به الگـوي گـارچ جامـپ بهبود معناداري را نشان میطور مشـخص، میـزان آمـاره قابل تشخیص است. بهنمایی هاي نسبت راست از طریق آزمون

ρدهنده عدم رد الگوي آرجی گارچ است. همچنین دست آمده که نشان به 02/41یادشده ، نشـان ρهر دو به لحاظ آمـاري معنـادار و متفـاوت از صـفر هسـتند. پـارامتر پایـداري γو جود جامپ پـایین (بـاال) دهد، احتمال اینکه جامپ باال (پایین) در یک روز به احتمال و می

است. یکی از مشخصات چهارچوب تولیـد جامـپ -012/0در روز بعدي منجر شود، برابر هاست که در واقع، این پارامتر همـان پی توسط خود جامپ در هاي پی این مدل تولید جامپ

هـا یکـدیگر را کنـد، جامـپ دهد که مطـرح مـی ها را نشان می اي شدن جامپ مسأله خوشهاي شدن گرایش دارند. از آنجا که این پارامتر منفی شده اسـت، کنند و به خوشه میتقویت

کـه اثـر آخـرین γپـارامتر .کننـد ها خالف جهـت یکـدیگر را تقویـت مـی بنابراین، جامپدهد، افزایش دست آمده است که نشان می به 0594/0دهد، برابر نشان می λپسماند را روي

کنـد. آمـاره غییر را در شدت جامپ دوره بعدي ایجـاد مـی حداقل ت یک واحدي در است. براساس این آماره، فرضیه عـدم λدهنده وجود تغییر زمانی در لیانگ باکس نیز نشان

شود که خـود دلیلـی بـر شـدت همبستگی در پسماندهاي استاندارد و شدت جامپ رد نمیدر الگـوي 510/0ولگی از شـود، مقـدار چـ تغییر جامپ در طول زمان است. یادآوري مـی

در الگوي آرجی گارچ کاهش یافته است. 0971/0گارچ جامپ به


ARJI-GARCH -Mاز پارامترها در مدل MLEتخمین -7جدول 03/12/93-06/07/76

)00002/0 (0001/0 μ )00935/0(* 4261/0 )00193/0(* 0623/0 )00009/0(* 7580/4 π

)0000/0(* 00000005/0 ω )000003/0(* 5101/0 α

)00017/0(* 4012/0 β )000004/0(* 0024/0

)00005/0(* 0015/0 )000008/0(* 0016/0

)0008/0(* 0023/0

)00001/0(* 0022/0

)0580/0 (0912/0

)02258/0 (*0120/0- ρ

)00760/0(* 0594/0 γ 578/111

88906/0

02/16802

0971/0 Skewness

7206/1 Kurtosis

283/289 Jarque-Bera

6665/10

)011/0( F p-value

کننده انحراف معیار هستند. درصد است. اعداد داخل پرانتز بیان 5طور کلی در سطح * معناداري به تحقیق.مأخذ: محاسبات


) نشان 7نتایج برآورد الگوي آرجی گارچ براي بازار سهام تهران (جدول شماره بازده در بازار سهام ایران دارند. -ها نقش مهمی در توضیح رابطه ریسک دهد، جامپ میبازده شده -طور مشخص، ورود جامپ در الگوي منتخب موجب بهبود رابطه ریسک به

هاي بزرگ در ) اشاره کرده است، عدم محاسبه دنباله2001( 1طور که کونت است. همانشود که در این صورت، ناکارآ منجر می اما مشاهدات بازده سهام به برآوردهاي سازگار،

ها واریانس برآوردگرها و فواصل اطمینان بزرگ خواهد شد. با توجه به اینکه جامپهاي توزیع دارند، الگوي آرجی الهافتند و تمایل به جمع شدن در دنب ندرت اتفاق می به

گیرد، الگوي مناسبی براي گارچ میانگین که کشیدگی و چولگی توزیع را نیز در نظر میشود. در الگوي آرجی گارچ میانگین تحقیق حاضر، بررسی رابطه بازده و ریسک تلقی می

یسک دست آمده است. بدین ترتیب، ر مثبت و معنادار به πویژه، تمام ضرایب و بهگیري شده با واریانس شرطی که شامل اجزاي ریسک جامپ نیز هست با رابطه مثبت اندازه

)، مجموع 7در رابطه ( و معناداري با بازده دارد. واریانس شرطی کل ، مشخص 3گونه که از نمودار شماره اجزاي جامپ و گارچ است. در این رابطه، همان

تر از جزء گارچ است. در توجیه این شتر روزها به نسبت کوچکاست، جزء جامپ براي بیدهد که در طول شود، جزء گارچ تغییرات مالیم را در واریانس نشان می یافته یادآوري می

دهنده تغییرات بزرگ در واریانس ترند، اما جزء جامپ نشان هاي زمانی نرمال مهم دوره، تغییرات اندازه جامپ به عالمت پارامتر دهد است. نتایج تحقیق حاضر همچنین نشان می

یابد. نتایج طور ضعیف عمل کند، اندازه جامپ افزایش می بازده وابسته است. اگر بازار بهداللت بر این دارد که اگر بازده دوره گذشته منفی و و

مطلب دارد که داللت بر این یابد، اما باشد، اندازه جامپ مورد انتظار افزایش میدهد. شاید تا حدودي مثبت بودن بازده دوره گذشته، اندازه انتظاري جامپ را کاهش نمی

رسد براي بازار سهام ایران قابل توجیه رسد، اما به نظر می این نتیجه غیرواقعی به نظر میهاي موجود و تأثیرپذیري بیش از حد بورس از طور مشخص، به دلیل نااطمینانی باشد. به

1- Cont


هاي منفی غیرمنتظره در گذشته حتی در شرایطی که کامالً فضاي این وقایع و وقوع جهشن هر لحظه انتظار کاهش ناگهانی اگذار امیدواري در بازار بورس وجود دارد، سرمایه

رو، همواره احتمال وقوع جامپ حتی در بازده مثبت نیز وجود دارد. این شاخص را دارند. ازوسیله واریانس شرطی در الگوي گارچ میانگین خیلی گیري شده به زهبنابراین، ریسک اندا

گیري ریسک اثر جامپ را نیز باید در نظر گرفت. این قابل اعتماد نبوده، بلکه براي اندازهیافته کلیدي مطالعه است که از طریق آن یک رابطه مثبت بین ریسک و بازده در بازار

شود. سهام ایران اثبات می

تجزیه واریانس در الگوي تحقیق -3نمودار

شود. براساس مطالعات وتحلیل پاداش ریسک متغیر با زمان ارایه می در ادامه، تجزیه)، نااطمینانی در بازار سهام طی زمان متغیر است که در نتیجه آن، پاداش 1982( انگل

ایه گذاري دارایی سرم کند. الگوهاي مالی مانند الگوي قیمت ریسک نیز تغییر می)CAPMکنند که جبران مورد انتظار باید با ریسک مورد انتظار طور معمول پیشنهاد می ) به

رابطه مثبت داشته باشد.براي پی بردن به وجود پاداش ریسک در ارتباط با افزایش نرخ بازده اضافی مورد

این مطالعه بینی شده بازده در بازارهاي سهام، در انتظار در پاسخ به افزایش در نوسان پیش


قیمت ریسک بازار است. در صورتی که متوسط پاداش ریسک و شود که فرض می ارتباط است و اگر باشد، پاداش ریسک مورد انتظار با نوسانات سهام بی

). نتایج 2007، 1باشد، وجود پاداش ریسک متغیر با زمان ناشی از نوسان است (کینیوندهد، ، ارایه شده است. نتایج این جدول نشان می8جدول شماره حاصل از این تخمین در

تنها ریسک جامپ باارزش است و هیچ پاداش ریسک معناداري در نوسانات عادي وجود مدت منطقی و قابل قبول است. ندارد که البته این نتیجه در کوتاه

وتحلیل پاداش ریسک تجزیه -8جدول

GARCH- M GARCH-JUMP-M ARJI-GARCH –M آماره )2399/0 (3817/1 )0001/0 (9598/14 )000/0 (5077/70 F

.فرضیه صفر:

گیري خالصه و نتیجه -6شود، اما در وجود رابطه ریسک و بازده در ادبیات علوم مالی موضوعی متداول فرض می

مورد مطالعات تجربی این رابطه با توجه به چگونگی تصریح ریسک و بازده و روش تازگی براي این نتایج متناقض دهد. از جمله دالیلی که به استفاده، نتایج متفاوتی را نشان می

-هاي ناگهانی در الگوهاي ریسک ها یا جهش پیشنهاد شده است، در نظر نگرفتن جامپهاي مالی، نوسانات شرطی متغیر با ویژگی مشخص قیمت دارایی 2طور کلی بازده است. به

طور جداگانه در ادبیات وجود دارند. مطالعات گذشته در ایران به مپ است که بهزمان و جادهند و مطالعات اندکی نیز به شرح می GARCHنوعی ویژگی اول را با استفاده از مدل

رو، این مطالعه در نظر دارد اند. ازاین بررسی اثر اخبار مثبت و منفی بر بازدهی سهام پرداختهگارچ بررسی کند. ورود -جامپ -زمان در قالب الگوي آرجی طور هم این دو ویژگی را به

ی سهام در نظر گرفته شود. آورد که توزیع غیرنرمال بازده جامپ این امکان را فراهم میگارچ که به ترتیب واریانس شرطی و -مین و جامپ -هاي گارچ در مقایسه این مدل با مدل

1- Kinnunen


شوند، دو نکته مهم است؛ نخست اینکه حضور جامپ با احتمال وقوع ثابت را شامل میرا نیز اي نیست، بلکه جامپ در بازدهی بازده سهام در بازار تهران تنها شاهد نوسانات خوشه

بازده است. نکته -شود که حاکی از اهمیت جامپ در توضیح رابطه ریسک شامل میبازده از طریق تأثیرشان بر -بعدي در ارتباط با معناداري اجزاي جامپ بر رابطه ریسک

مین مرسوم ارایه -واریانس شرطی است که نتایج قابل توجهی را در مقایسه با الگوي گارچ دهد. می

گر، در بررسی رابطه بین تغییرات اندازه جامپ و پارامتر بازده، مشاهده از سوي دییابد، اما شود که اندازه جامپ مورد انتظار زمانی که بازده بازار کم است، افزایش می می

رود که البته با توجه به هنگام مثبت بودن بازده، انتظار کاهش اندازه جامپ نمیهام ایران دور از انتظار نیست. همچنین براساس نتایج هاي موجود در بازار س نااطمینانی

مطالعه حاضر، پاداش ریسک تنها در ریسک جامپ باارزش است و پاداش ریسکی شود. مدت مشاهده نمی معناداري در نوسانات مالیم در کوتاه

در نهایت، با توجه به معنادار بودن اثر جزء جامپ بر رابطه ریسک و بازده سهام، گیري ریسک آن اران باید از مقیاس گسترده ریسک در ساخت پرتفوي و اندازهگذ سرمایه

هاي بهینه آگاهی داشته باشند، زیرا عدم توجه به آن، سبب انحراف از استراتژيشود؛ براي نمونه، در صورت وجود جامپ و نادیده گذاري و پوشش ریسک می قیمت

ش از حد برآورد شود یا قیمت هاي پوشش ریسک بی انگاشتن آن ممکن است استراتژي اختیارات با نزدیک شدن به سررسید کمتر از حد برآورد شود.


منابع بررسی رابطه بین « )،1388آباد و جواد رضائی ( حیدري، حسن، محمدرضا توکلی بغداد

مند (بتا) در چهار طبقه دارایی عمده نرخ بازده مورد انتظار ریسک و ریسک نظام .1-32، صص 89، شماره ، مجله تحقیقات اقتصادي»در اقتصاد ایران

بررسی رابطه بین ریسک و بازده سهام در « )،1392قالیباف اصل، حسن و محسن ایزدي (دو فصلنامه اقتصاد ، »بورس اوراق بهادار تهران: اثر شتاب و ریسک نقدشوندگی

.85-104، صص 7، شماره مالی -پولی نقش اخبار خوب و بد در نوسانات بازدهی « )،1385مهرآرا، محسن و قهرمان عبدلی (

.25-40، صص 26، شماره هاي اقتصادي ایران فصلنامه پژوهش، »سهام در ایرانبررسی رابطه بین « )،1392اهللا فالحتی و نازي حیدري ظهیري ( مهرآرا، محسن، ذبیح

1387ریسک سیستماتیک و بازده سهام در بازار بورس اوراق بهادار تهران (از سال فصلنامه ، »اي گذاري دارایی سرمایه ) با استفاده از الگوي قیمت1392تا سال .67-91، شماره اول، صص گذاري پیشرفت اقتصادي دانشگاه الزهرا (س) سیاست

Arshanapalli, B.,Fabozzi, F.J., and Nelson, W. (2013),“The Role of Jump Dynamics in the Risk– Return Relationship”, International Review of Financial Analysis, pp. 1-6.

Baillie, R. T., & DeGennaro, R. P. (1990). “Stock Returns and Volatility”. Journal of Financial and Quantitative Analysis, 25(02), 203-214.

Bakshi, G., Cao, C., & Chen, Z. (1997). “Empirical Performance of Alternative Option Pricing Models”. The Journal of Finance, 52(5), 2003-2049.

Bali, T. G., & Hovakimian, A. (2009). “Volatility Spreads and Expected Stock Returns”. Management Science, 55(11), 1797-1812.

Ball, C., and Torous, W. (1985),“On Jumps in Common Stock Prices and their Impact on Call Option Pricing”, Journal Finance, 40, pp.155–173.

Bates, D. S. (1996). “Jumps and Stochastic Volatility: Exchange Rate Processes Implicit in Deutsche Mark Options”. Review of Financial Studies, 9(1), 69-107.

Bollerslev, T. (1986), “Generalized Autoregressive Conditional Heteroscedasticity”, Journal of Econometrics, 31, pp. 307–327.


Bollerslev, T., and Wooldridge, J. (1992), “Quasi-maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariance’s”. Econometric Reviews, 11(2), pp. 143–172.

Boudt, K.,Danielsson, J., and Laurent, S. (2011),“Robust Estimation of Intra Week Periodicity in Volatility and Jump Detection”, Journal of Empirical Finance, 18 (2), pp. 353-367.

Campbell, J. Y. (1987). “ Stock Returns and the Term Structure”. Journal of Financial Economics, 18(2), 373-399.

Campbell, J.Y., and Hentschel, L. (1992),“No News Is Good News: An Asymmetric Model of Changing Volatility in Stock Returns”, Journal of Financial Economics, 31, pp. 281–318.

Chan, W.H., and Maheu, J. M. (2002), “Conditional Jump Dynamics Is Stock Market Returns”, Journal of Business and Economic Statistics, pp. 377.

Chen,Sh. W. and Shen, Ch.H. (2004),“GARCH, Jumps and Permanent and Transitory Components of Volatility: The Case of the Taiwan Exchange Rate”, Mathematics and Computers in Simulation, 67, pp. 201–216.

Chernov, M., Gallant, A. R., Ghysels, E., and Tauchen, G. (1999),“A New Class of Stochastic Volatility Models with Jumps: Theory and Estimation”, Working Paper, Pennsylvania State University.

Cont, R.(2001),“Empirical Properties of Asset Returns: Stylized Facts and Statistical Issues”, Journal of Quantitative Finance, 1, pp. 223–236.

Darrat, A.F., Gilley, O.W., Li, B. and Wu, Y. (2011),“Revisiting the Risk/Return Relations in the Asian Pacific Markets: New Evidence from Alternative Models”, Journal of Business Research, 64, pp.199-206.

Das, S. R., & Sundaram, R. K. (1999). “Of Smiles and Smirks: a Term Structure Perspective”. Journal of Financial and Quantitative Analysis, 34(02), 211-239.

Engle, R. F., Lilien, D. M., & Robins, R. P. (1987). “Estimating Time Varying Risk Premia in the Term Structure: The ARCH-M Model”. Econometrica: Journal of the Econometric Society, 391-407.

Engle, R.F. (1982),“Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom In ation”, Econometrica, 50, pp. 987–1007.

Fama, E. F., and French, K. R. (1992), “Cross-Section of Expected Stock Returns”, Journal of Finance, 47, pp. 427-463.

French, K. R., Schwert, G. W., & Stambaugh, R. F. (1987). “Expected Stock Returns and Volatility”. Journal of Financial Economics, 19(1), 3-29.

Ghysels, E., Guérin, P., and Marcellino, M, (2014),“Regime Switches in the Risk– Return Trade-off”, Journal of Empirical Finance, 28, pp.118–138.


Ghysels, E., Plazzi, A., and Valkanov, R. (2013),“The Risk–Return Relationship and Financial Crises”, Discussion Paper. University of North Carolina, University of Lugano and University of California, San Diego.

Ghysels, E., Santa-Clara, P., and Valkanov, R. (2005),“There Is a Risk-Return Trade-off After All”, Journal of Financial Economics, 76, pp. 509-548.

Glosten, L.R., Ravi, J., and Runkle, D.E. (1993),“On the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks”, Journal of Finance, 48, pp.1779–1801.

Guo, H., and Whitelaw, R. F. (2006),“Uncovering the Risk-Return Relation in the Stock Market”, Journal of Finance, 61(3), pp.1433-1463.

Harvey, C. (2001). “The Specification of Conditional Expectations”, Journal of Empirical Finance, 8, pp. 573-638.

Hsieh, D. A. (1989). “Modeling Heteroscedasticity in Daily Foreign-Exchange Rates”. Journal of Business & Economic Statistics, 7(3), 307-317.

Jacquier, E., Polson, N., and Rossi, P. (1994), “Bayesian Analysis of Stochastic Volatility Models”, Journal of Business & Economic Statistics, 12, pp. 371–417.

Jorion, P. (1988), “On Jump Processes in the Foreign Exchange and Stock Markets”, Reviewe of Financial Studies. 1, pp. 427–445.

Kinnunen, J. (2007), “Time-Varying Risk Premium and Conditional Volatility, Empirical Evidence from Finnish Stock Markets”. Lappeenranta University of Technology, Finance.

Koulakiotis, A., Babalos, V., and Papasyriopoulos, N. (2015), “Liquidity Matters After All: Asymmetric News and Stock Market Volatility Before and After the Global Financial Crisis”, Economics Letters, 127, pp. 58–60.

Ludvigson, S. C., & Ng, S. (2007). “The Empirical Risk–Return Relation: A Factor Analysis Approach”. Journal of Financial Economics, 83(1), 171-222.

Maheu, J. M., & McCurdy, T. H. (2004). “News Arrival, Jump Dynamics, and Volatility Components for Individual Stock Returns”. The Journal of Finance, 59(2), 755-793.

Merton, R. (1976), “Option Pricing When Uncertainty Stock Returns Are Discontinuous”, Journal of Financial Economics. 3, pp. 124–144.

Merton, R.C., (1973), “An Inter Temporal Capital Asset Pricing Model”. Econometrica, 41 (5), pp. 867–887.

Mullen, D. J., and Roth, B. (1991), “Decision Making: Its Logic and Practice. Savage”, MD: Row Man and Littlefield Publishers, Inc.

Nieuwland, F.G.M.C., Veschoor, W.F.C., and Wolff, C.C.P. (1994), “Stochastic Trends and Jumps in EMS Exchange Rates”, Journal of International Money & Finance, pp. 699–727.


Press, S. J. (1967). “A Compound Events Model for Security Prices”. Journal of Business, 317-335.

Rachev, S. T., Stoyanov, S. V., Biglova, A., & Fabozzi, F. J. (2005). “An Empirical Examination of Daily Stock Return Distributions for US Stocks”. In Data Analysis and Decision Support (pp. 269-281). Springer Berlin Heidelberg.

Salvador, E., Floros, Ch., and Vicent, A. (2014),“Rexaminig the Risk-Return Relationship in Europe; Linear or Non-linear Trade-off?”, Journal of Empirical Finance.

Scruggs, J. T. (1998), “Resolving the Puzzling Inter Temporal Relation Between the Market Risk Premium and Conditional Market Variance: A Two Factor Approach”, Journal of Finance, 53, pp. 575–603.

Sydney, C., and Ludvigson, S.N. (2007), “The Empirical Risk-Return Relation: a Factor Analysis Approach”, Journal of Financial Economics, 83, pp. 171-222.

Taylor, S.J. (1982), “Financial Returns Modeled by the Product of Two Stochastic Processes”, A Study of Daily Sugar Prices, in: O.D. Anderson (Ed.), Time Series Analysis: Theory and Practice, vol. 1, North-Holland, Amsterdam, pp. 203–226.

Vlaar, P., and Palm, F. (1993), “The Message in Weekly Exchange Rates in the European Monetary System: Mean Reversion, Conditional Heteroscasticity, and Jumps”, Journal of Business & Economic Statistics. 11, pp.351–360.

Whitelaw, R. F. (1994), “Time Variations and Covariations in the Expectations and Volatility of Stock Market Returns”, Journal of Finance, 49, pp. 515–541.

Yu, J., and Yuan, Y. (2011), “Investor Sentiment and the Mean–Variance Relation”, Journal of Financial Economics. 100 (2), pp. 367–381.

Documents

فهرست رسالههاي دكتري و پايان نامههاي ...journals.atu.ac.ir/article_7046_11db13d02721cf6f3b5bc530...و (1994) نارﺎﮑﻤﻫ و 15ﺪﻨﻟﻮﯿﻧ