مقایسه و تحلیل واکنش بازده آتی سهام به مدل های سنجش گشتاورهای ریسک غیرسیستماتیک(پیش بینی مقایسه ایی با شبکه عصبی)

میانگین و واریانس بازده سهام به تنهایی برای توصیف توزیع بازده کافی نمی باشد. بنا به اعتقاد مارکویتز، توجه به گشتاورهای بالاتر نظیر چولگی و کشیدگی به عنوان شاخص ریسک به جای واریانس، نتایج دقیق تری را به همراه دارد؛ لذا باتوجه به تضادهای مطالعاتی بررسی واکنش بازده سهام به مدل های سنجش گشتاورهای ریسک غیرسیستماتیک (مدل قیمت گذاری دارایی های سرمایه ای و مدل سه عاملی فاما و فرنچ) قابل توجه بود. همچنین با تعیین مدل رگرسیونی برتر، مقایسه قدرت مدل برتر رگرسیونی با مدل شبکه های عصبی صورت گرفت. بدین منظور از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران بر اساس روش حذف سیستماتیک تعداد 152 شرکت به عنوان نمونه آماری (در قلمرو زمانی سال های بین 1392 تا 1400) انتخاب شد. نتایج نشان داد با افزایش گشتاورهای ریسک غیرسیستماتیک محاسبه شده با مدل قیمت گذاری دارایی های سرمایه ای و مدل سه عاملی فاما و فرنچ، بازده آتی سهام کاهش می یابد؛ این نتایج در راستای مفاهیم تئوری کارایی بازار سرمایه قابل توجیه است. دیگر نتایج حاکی از آن است که تفاوت ریسک غیرسیستماتیک مورد انتظار محاسبه شده با این دو مدل معنادار است؛ بنابراین قدرت گشتاورهای ریسک غیرسیستماتیک مورد انتظار محاسبه شده با مدل قیمت گذاری دارایی سرمایه ای، کمتر از مدل سه عاملی فاما و فرنچ است. با مقایسه ضریب تعیین مدل شبکه عصبی و رگرسیون خطی میتوان گفت الگوی مبتنی بر شبکه های عصبی عملکرد بهتری در پیش بینی بازده آتی سهام بر اساس گشتاورهای ریسک غیرسیستماتیک نسبت به رگرسیون خطی دارد.