نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

2 دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات

چکیده

چکیده
انتقادهای وارده به تئوری بازار کارا و مفروضات عقلائی آن و تحلیل‌های اقتصاد سنجی سری­های زمانی قیمت‌ها، سودهای نقدی و عایدات به بسط مدل‌هایی که روانشناسی افراد را به بازارهای مالی ارتباط می­داد، سوق داد. بر این اساس، محققین با استثناهای فراوانی در بازارهای مالی روبرو شدند و به این نتیجه رسیدند که پدیده­های روانشناختی نقش مهمی در تعیین رفتار در بازارهای مالی دارند.
در این پژوهش به بررسی نوع رفتار سرمایه گذاران در بازه های زمانی مختلف پرداخته شده­است و تلاش شد تا براساس سری زمانی داده­های مربوط به شرکتهای بورس اوراق بهادار تهران در قلمرو زمانی 1385 1389 مدلی متناسب با بازار سرمایه ایران بطور کلی ارائه گردد. ابزار آماری مورد استفاده تجزیه و تحلیل موجک بود که با قدرت تببین کنندگی و تفکیک مقیاس‌های زمانی امکان تحلیل بر روی شرکتهای نمونه آماری را فراهم آورد.
نتایج پژوهش نشان داد که سرمایه­گذاران پس از اخبار خوب یا بد، در بازه­های زمانی مختلف، متفاوت عمل می­کنند، به­گونه­ای که در مقیاس زمانی بلند مدت واکنش رفتاری سرمایه­گذاران قابل ملاحظه­تر از مقیاس زمانی کوتاه مدت می­باشد. اما تفاوت معناداری بین رفتار سرمایه گذاران در صنایع مختلف مشاهده نشد.

کلیدواژه‌ها

عنوان مقاله [English]

Developing a Model to Measure Psychological and Behavioral Factors in Capital Market of Iran

نویسندگان [English]

  • Ali Akbar Eftekhari 1
  • Hamidreza Vakilifard 2

1 PhD in Business Management

2 Faculty Member of Islamic Azad University;

چکیده [English]

Criticisms to efficient market theory and its rational assumptions as
well as econometric analyses on pricing time series, DPS and incomes
led to the development of models that related psychology to financial
markets. Subsequently, researchers found many exceptions in
financial markets and concluded that psychological phenomena play
an important role in determining behavior in financial markets.
In this research, different types of investors’ behavior have been
analyzed in different time scales. The authors have designed a general
model for capital market of Iran using the time series data of Tehran
Stock Exchange companies reported from 2006 to 2010. Wavelet
analysis was used as a statistical and analytical instrument to explain
trait and multi resolution .
Research results show that investors have different reactions after
good or bad news. Their reaction in long term scale is more significant
than that in short term scale. However, no significant difference was
found among investors behavior in different industries.

کلیدواژه‌ها [English]

  • Behavioral Reactions
  • psychological factors
  • Behavioral Finance
اسلامی بیدگلی غلامرضا‏‎,‎‏ عبده تبریزی حسین‏‎,‎‏ محمدی شاپور‏‎,‎‏ شمس شهاب الدین. (1388). ‎‏"بررسی زمان مقیاس مدل قیمت گذاری دارایی سرمایه ای از طریق تبدیل موجک"‏، ‎‏بررسیهای حسابداری و حسابرسی‏‎,‎‏۵۸‏‎,‎‏۱۰۲۴‏‎-‎‏۸۱۶۱ ‏‎,‎‏۵۲‏‎-‎‏۳۵‏‎
بهرادمهر نفیسه. (1387). پیش بینی قیمت نفت خام با استفاده از همواسازی موجک و شبکه عصبی مصنوعی، فصلنامه مطالعات اقتصاد انرژی، سال پنجم ،شماره 18، 81-98
پاکیزه کامران، دبیریان منوچهر،جعفری ابوالفضل. (1389).  بررسی رابطه میان بازدهی سهام و تورم بااستفاده از تجزیه و تحلیل موجک در بورس اوراق بهادار، فصلنامه پژوهش های اقتصادی ایران، در حال چاپ ، شماره 43.
خلیلی شورینی سیاوش. (1385).  روشهای تحقیق در علوم انسانی ، انتشارات یادواره کتاب، تهران،
سعیدی، علی و فرهانیان، سیدمحمدجواد. (1390). مبانی اقتصاد و مالی رفتاری، انتشارات شرکت اطلاع رسانی و خدمات بورس، تهران،
عباسی نژاد حسین‏،‎‏ محمدی شاپور. ‏(1385). ‎‏"نظریه موجک و کاربرد آن در تحلیل سیکلهای تجاری"‏‎,‎‏تحقیقات اقتصادی ‏‎,‎‏۷۵‏‎,‎‏۸۹۶۹‏‎-‎‏۰۰۳۹‏‎,‎‏۲۰‏‎-‎‏۱‏‎,‎
هیبتی، فرشاد ونیکومرام، هاشم وموسوی، سیدرضا. (1390). تئوری مالی، انتشارات پژوهشکده اموراقتصادی، تهران.
نیکومرام ، هاشم و سعیدی ، علی. (1387). اندازه­گیری عکس­العمل رفتاری سرمایه گذاران در بازار سهام، جستارهای اقتصادی
Algina,J.,Olejnik,S. (2003). “Sample Size Tables for Correlation Analysis with Applications in Partial Correlation and Multiple Regression Analysis, Multivariate Behavioral Research”,38(3),309-323
Barberis,Nicholas,Thaler,Richard. (2003). “A Survey of Behavioral Finance”, Handbook of the Economics of Finance, Elsevier Science B.V.
Bilinski , Pawel , Strong , Norman. (2011). “Managers’ Private Information, Investor Underreaction and Long-Run SEO Performance”, European Financial  Journal
Cheng Fan-fah  & Annuar Nasir. (2008). " The Effect of Financial Risks on the Earning Response in Australia Bank Stocks", Journal of Money , Investment and Banking , Issue 6 , pp.17-27
Daubechies, I. (1992). Ten Lectures onWavelets. SIAM, Philadelphia
Dennis J. Chambers  & Robert N. Freeman & Adam S.Koch .(2004). "The Effect of Risk on Price Responses to Unexpected Earning",
Fourier, J. (1808). Mémoire sur la propagation de la chaleur dans les corps solides. présenté le 21 décembre 1807 à l'Institut national – Nouveau Bulletin des sciences par la Société philomatique de Paris. I. Paris: Bernard. pp. 112–116
Gallegati, M. (2008). Wavelet analysis of stock returns and aggregate economic activity. Computational Statistics & Data Analysis, 52, pp. 3061 – 3074
Gongmeng Chen , Kenneth A. Kim, John R. Nofsinger, Oliver M. Rui.v (2007). “Trading performance, disposition effect, overconfidence, representativeness bias, and experience of emerging market investors”, Journal of Behavioral Decision Making, Volume 20, Issue 4, pages 425–451
Gulnur Muradoglu, Aslihan Salih, and Muhammet Mercan .(2005). “A Behavioral Approach to Efficient Portfolio Formation”, CUBS Faculty of Finance, Working Paper
Hens,Thorsten,Bachmann,Kremena. (2012). “Behavioural Biases” , Behavioural Finance for Private Banking, Published Online
Ilmanen, Antti. (2012). “Behavioral finance, Expected Returns: An Investor's Guide to Harvesting Market Rewards”,Published Online
Ishikawa, asaya, Takahashi, Hidetomo. (2010). “Overconfident managers and external financing choice”, Review of Behavioral Finance Journal,Volume 2, Issue 1, pages 37–58
J. Shiller ,Robert. (2002). ”From Efficient Markets Theory to Behavioral Finance”, Cowles Foundation for Research in Economics at Yale University
Jaffard, S., Meyer Y. & Ryan R. (2001). “Wavelets: Tools for Science & Technology Society for Industrial Mathematics
Mallat, S. (1989).  A theory for multiresolution signal decomposition: the wavelet representation. IEEE Trans. Pattern Anal. Mach. Intell. 11, 674–693
Nofsinger, John R., Baker, Kent. (2011). “Behavioral Finance: Investors, Corporations, and Markets”
Puetz,Alexander, Ruenzi, Stefan. (2011). “Overconfidence Among Professional Investors: Evidence from Mutual Fund  Managers”, Journal of Business Finance & Accounting,Volume 38, Issue 5-6, pages 684–712
Roa García , María José. (2011). “ Financial Education And Behavioral Finance: New Insights into the role of Information in Financial Decisions”, Journal of Economic Surveys
Ricciardi, Victor. (2008). “The Psychology of Risk: The Behavioral Finance Perspective”, Handbook of Finance
Ricciardi, Victor. (2005). “A Research Starting Point for the New Scholar: A Unique perspective of Behavioral Finance”, Social Science Research Network ,March 2005
Schijven, Mario, A. Hitt, Michael. (2012). “The vicarious wisdom of crowds: toward a behavioral perspective on investor reactions to acquisition announcements”, Strategic Management Journal, Volume 33, Issue 11, pages 1247–1268
Subrahmanyam, Avanidhar. (2008). “Behavioural Finance: A Review and Synthesis”, European Financial Management, Volume 14, Issue 1, pages 12–29
Skała ,Dorota. (2008). ”Overconfidence in Psychology and Finance – an Interdisciplinary Literature Review”, Financial Markets and Institutions
Taylor-Powell, (1998). “Sampling” Program Development and Evaluation, University of Wisconsin Extension. G3658-3
Victor Ricciardi and Helen K. Simon. (2000). “What is Behavioral Finance?”, Business, Education and Technology Journal Fall
Xiaoyan Chenng & Aaron Crabtree & David B. Smith. (2007). "The Effects of Backdating on Earning Response Coefficients" ,
Yeo Hwan Kim & Roger J.Willett & Jee In Jang. (2006). “Default Risk as a Factor affecting the Earning Response Coefficient”, ssrn.com,