نقد و بررسی تحقیقات خارجی

1. لاکونیشوک و اسمیت (Lakonishok & Smidt, 1998)، با استفاده از شاخص داو جونز، بی‌قاعدگی‌های تقویمی را در بازار سهام نیویورک مطالعه کرده‌اند. آنها داده‌های روزانه داو جونز را برای ۹۰ سال، برای بررسی الگوهای فصلی بکار بردند. آنها اثر چرخش هفته، اثرچرخش ماه، اثر آخر سال و نیز اثر تعطیلی را یافتند. آنها اثر روز قبل از تعطیلی را بسیار بیشتر از سایر روزها یافتند. آنها همچنین خاطرنشان کردند که بازده غیرعادی روز قبل از تعطیلی از بازده غیرعادی روزهای جمعه نیز بیشتر است.
2. بهابرا و همکارانش (Bhabra et al., 1999)، اثر نوامبر را قبل و بعد از اصلاح قانون مالیات بررسی کردند، به اعتقاد آنها، با تغییر قانون پرداخت مالیات آخر سال، از ماه دسامبر به اکتبر، پدیده اثر نوامبر مشاهده شد. (واچتل[۱] در سال ۱۹۴۲، برای توجیه اثر ژانویه، این فرضیه را مطرح نمود که به دلیل مالیات آخر سال، سرمایه‌گذاران تمایل دارند، سهامی را که در طول سال کاهش ارزش داشته را بفروشند تا از مالیاتشان بکاهند. به همین دلیل، قیمت سهام به دلیل افزایش عرضه، کاهش می‌یابد. اما در ماه‌های بعد فشار فروش به تدریج کم شده و قیمت‌ها به سطوح تعادلی‌شان باز می‌گردند.) برای بررسی فرضیه‌شان، بازده‌های ماهانه را از ژانویه ۱۹۸۰ تا دسامبر ۱۹۹۴ جمع‌آوری کردند و آنها را در دو دسته قبل از اصلاح قانون و بعد از اصلاح قانون قرار دادند. آنها داده‌های مربوط به قیمت، بازده سهام و تعداد سهام معوقه یک سال را برای تمامی شرکت‌هایی که در این گروه‌ها قرار داشتند در نظر گرفتند.

آنها با استفاده از مدل رگرسیونی OLS، به صورت زیر به آزمون فرضیه خود پرداختند:

RVOLi,t = ai + bi(RVOLm,t)

که در آن RVOLi,t میانگین حجم مبادلات شرکت i در سال t است و RVOLm,t میانگین حجم مبادلات مربوط به بازار (سهام NYSE/AMEX) است.

آنها اثر نوامبر را با استفاده از فرضیه مالیات- ضرر- فروش، توضیح دادند. همچنین نشان دادند که اثر ژانویه بعد از دوره اصلاح قانون، نسبت به قبل از آن قویتر عمل می‌کند.

3. برومنت و کیماز (Berument & Kiymaz, 2001)، تغییرپذیری بازار سهام S.را در روزهای مختلف هفته، با استفاده از شاخص S&P500، از ژانویه ۱۹۷۳ تا اکتبر ۱۹۹۷، بررسی کردند. آنها شاهد کمترین و بیشترین بازده در روزهای دوشنبه و چهارشنبه بودند. همچنین بیشترین و کمترین تغییرپذیری به ‌ترتیب در روزهای جمعه و چهارشنبه مشاهده شد.

آنها تغییرات حجم و بازده را برای اثر روزهای هفته بررسی کردند. آنها از مدل زیر برای آزمون استفاده کردند.

Returnt = C_M D_Mt + C_T D_Tt + C_W D_Wt + C_H D_Ht + C_F D_Ft +  + ε_t

که در آن D_Mt، D_Tt، D_Wt، D_Wt، D_Ht، D_Ft، به ترتیب متغیرهای مجازی برای روزهای دوشنبه الی جمعه هستند.

4. زیتزویتز (Zitzewitz, 2002)، در مقاله‌ای تحت عنوان «نوع دیگری از “اثر آخر هفته” در بازارهای مالی» به بررسی اثر آخر هفته در سهام اروپا، سهام خارجی، سهام ژاپن و سهام آرام (سهام آسیا به غیر از ژاپن) از اول ژانویه ۱۹۹۷ تا آخر جولای ۲۰۰۲، پرداخت. ساده‌ترین راه برای آزمون اینکه آیا ارزش‌گذاری منصفانه در روزهای جمعه متفاوت عمل می‌کند، پیش‌بینی‌پذیری بازده دارایی روز بعد است. از این‌رو رگرسیونی ارائه کرد که بازده دارایی روز بعد را پیش‌بینی کند. (برمبنای S&P500) وی در این تحقیق مشاهده کرد که ارزش منصفانه سهام، به‌طور معناداری در عصر روز جمعه کاهش می‌یابد. این رفتار، در سهام ژاپن و سهام آرام، بسیار چشمگیرتر است. نوسان ارزش منصفانه سهام در روزهای هفته، برای سهامی که ارزش ذاتی مناسبی دارند به چشم نمی‌خورد.
5. هیرشلیفر و شاموی (Hirshleifer & Shumway, 2003)، در مقاله‌ای تحت عنوان «روز خوب آفتابی: بازده سهام و اوضاع جوی»، با توجه به شواهد روانشناسی، پیش‌بینی کردند که هوای آفتابی و حالت خوش‌بینی[۲] افراد، با هم در ارتباطند. آنها با بررسی ۲۶ مبادله سهام بین‌الملل از سال ۱۹۸۲ الی ۱۹۹۷، به رابطه کاملاً مثبت بازده روزانه سهام و روز آفتابی پی بردند. اما شرایط جوی دیگر مثل هوای بارانی و برفی ربطی به بازده سهام نداشت.
6. منیو و پاردو (Meneu & Pardo, 2004)، در مقاله‌ای تحت عنوان «اثر روز قبل از تعطیلی، مبادلات هنگفت و رفتار سرمایه‌گذاران کوچک» به بررسی وجود اثر قبل از تعطیلی در مهمترین سهام‌های بازار سهام اسپانیا که در بازار سهام نیویورک و فرانکفورت نیز مبادله می‌شوند، پرداختند. طبق یافته آنها اثر روز قبل از تعطیلی تأیید شد، همچنین این اثر در سهام شرکت‌های کوچک‌تر قویتر عمل می‌کند.

آنها برای انجام این تحقیق از قیمت روزانه و حجم معاملات سهام برای پنج بازار برتر بازار سهام اسپانیا از ژانویه ۱۹۹۰ تا دسامبر ۲۰۰۰ استفاده کردند. تعطیلات بازار سهام، شامل تعطیلات ملی که باعث تعطیلی بازار سهام می‌شود، است. سپس روزها در سه گروه روز قبل از تعطیلی، روز بعد از تعطیلی و سایر روزها قرار گرفتند. سپس میانگین و واریانس برای روزهای قبل از تعطیلی و میانگین و واریانس برای سایر روزها، برای هر پنج بازار محاسبه شد. آنها از مدل رگرسیونی زیر استفاده کردند:

r_it = ci + αi,_PRED_PRE + ε_it

که در آن i نشان دهنده بازار مورد نظر است و D_PRE متغیر مجازی مربوط به روز قبل از تعطیلی است.

7. پیکو (Picou, 2006)، اثر تعطیلی بین‌المللی را با بررسی شش مرکز مهم مبادله، ایالات متحده، استرالیا، هنگ‌کنگ، UK، ژاپن و کانادا، مورد آزمایش قرار داد. برای آزمون اثر تعطیلی در یک دوره ده‌ساله، از یک رگرسیون خطی ساده، با متغیرهای مجازی استفاده کرد. وی دریافت که اثر تعطیلی هنوز وجود دارد و اشتراکاتی بین رابطه تعطیلی در میان این شش مبادله وجود داشت. و این گواهی بود از وجود اثر تعطیلی که فرصتی برای سود بردن ایجاد می‌کرد.
8. یوان و همکاران (Yuan et al., 2006)، رابطه بین هلال ماه و بازده بازار سهام را در ۴۸ کشور، مورد بررسی قرار دادند. یافته آنها حاکی از کاهش بازده حدود ۳ الی ۵ درصد در دوره‌ای که قرص ماه کامل است نسبت به ماه نو می‌باشد. همچنین اثر ماه، مستقل از دیگر بازده‌های غیرعادی تقویمی، مثل اثر ژانویه، اثر روزهای هفته، اثر ماه تقویمی و اثر تعطیلی بود.
9. ماریت و ورتینگتون (Marrett & Worthington, 2007)، بازار سهام استرالیا را در بین سال‌های ۱۹۹۶ تا ۲۰۰۶ مورد بررسی قرار دادند. آنها از مدل رگرسیونی زیر برای تحقیق خود استفاده کردند:

r_t =λ_۰ +λ_۱PRE _ HOL +λ_۲POST _ HOL + εt

آنها هشت تعطیلی مهم را در استرالیا مورد بررسی قرار دادند و از متغیر مجازی برای روزهای قبل و بعد تعطیلی استفاده کردند. در نهایت بازده روز قبل از تعطیلی را پنج برابر بیشتر از میانگین بازده روزهای دیگر یافتند اما تفاوت معناداری بین روز بعد از تعطیلی و سایر روزها یافت نشد.

[۱]. Wachtel

[۲]. upbeat mood

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

نظرات شما عزیزان:

نام :

آدرس ایمیل:

وب سایت/بلاگ :

متن پیام:

نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه: