‫عوامل موثر بر قیمت سهام بانکها در بورس‬

‫اوراق بهادار تهران‬

‫مقدمه‬
‫امروزه ﺑﺎزار ﺳﻬﺎم ﺑﻪ ﻋﻨﻮان اﺑﺰاري ﺑراي ﺗﺠﻬﻴﺰ و ﻫﺪاﻳﺖ ﺳرمﺎﻳﻪﻫﺎي‬
‫ﻛﺸﻮر در ﺟﻬﺖ ﺗﻮﺳﻌﻪ اﻗﺘﺼﺎدي‪ ،‬ﻳﻜﻲ از مؤثرﺗرﻳن اﺑﺰارﻫﺎ در ﺳﻴﺴﺘﻢ اﻗﺘﺼﺎد‬
‫مﺘﻜﻲ ﺑﻪ ﺑﺎزار آزاد ﺑﻪ ﺷﻤﺎر مﻲرود‪ .‬ﺑﻮرس اوراق ﺑﻬﺎدار مﺘﺸکل از صﻨﺎﻳع‬
‫مﺘﻌﺪدی اﺳﺖ و صﻨﻌﺖ ﺑﺎنکﺪاری نﻴﺰ ﺑﻪ ﻋﻨﻮان ﻳکی از صﻨﺎﻳع پذﻳرفﺘﻪ ﺷﺪه‬
‫در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران و مﻬﻢﺗرﻳن نﻬﺎد در ﺑﺎزار پﻮل‪ ،‬مﺸغﻮل ﺑﻪ‬
‫فﻌﺎلﻴﺖ اﺳﺖ‪ .‬پژوﻫشﻫﺎی زﻳﺎدی در مﻮرد ﻋﻮامل مؤثر ﺑر ﺑﺎزار ﺳﻬﺎم صﻮرت‬
‫گرفﺘﻪ‪ ،‬امﺎ در اﻳن مﻴﺎن پژوﻫش ﺟﺎمﻌی در خﺼﻮص ﻋﻮامل مؤثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم‬
‫ﺑﺎنکﻫﺎ انﺠﺎم نگرفﺘﻪ اﺳﺖ و اﻳن مطﺎلﻌﻪ ﺳﻌی در ﺑررﺳی ﻋﻮامل مؤثر ﺑر‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران دارد‪.‬‬
‫ﺗفﺎوت پژوﻫش حﺎضر ﺑﺎ مطﺎلﻌﺎت گذﺷﺘﻪ در ﺑررﺳی ﻫﻢزمﺎن اثر مﺘغﻴرﻫﺎی‬
‫کالن‪ ،‬ﻋﻮامل ﺑﺎزار (ﻫﻤچﻮن ﺷﺎخص ﻗﻴﻤﺖ ﺑﺎزار ﺳﻬﺎم و رﺗبﻪ نقﺪﺷﻮنﺪگی ﺳﻬﺎم‬
‫ﺑﺎنکﻫﺎ) و نﻴﺰ اﺳﺘفﺎده از مﺘغﻴرﻫﺎی حﺴﺎﺑﺪاری میﺑﺎﺷﺪ‪ .‬ﻫﻤچﻨﻴن در ادامﻪ‬
‫ﺑﻪ ﺑررﺳی اثر نﻮﺳﺎنﺎت و ﺷﻮکﻫﺎی ﻗﻴﻤﺖ ﺳﺎﻳر داراﻳیﻫﺎ ﺟﺎﻳگﺰﻳن‪ ،‬ﺑر‬
‫نﻮﺳﺎنﺎت ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ پرداخﺘﻪ میﺷﻮد‪ .‬اﺳﺘفﺎده از طﻴفﻫﺎی مﺘفﺎوت‬
‫از مﺘغﻴرﻫﺎ ﺑﻪ اﻳن دلﻴل اﺳﺖ کﻪ ﺑﺎنکﻫﺎ ﺑﻪ صﻮرت مﺠرد ﻫﻤﺎنﻨﺪ ﺳﺎﻳر‬
‫ﺑﻨگﺎهﻫﺎی فﻌﺎل در ﺑﺎزار ﺑﻮرس میﺑﺎﺷﻨﺪ؛ امﺎ ﺑﺎنکﻫﺎ از ﺟﻬﺘی ﺑﺎ ﺳﺎﻳر‬
‫ﺑﻨگﺎهﻫﺎ مﺘفﺎوت ﻫﺴﺘﻨﺪ و اﻳن ﺗﻤﺎﻳﺰ ﺑﻪ دلﻴل ﺗرازنﺎمﻪ ﺑﺎنکﻫﺎ و نﻮع‬
‫داراﻳی آنﻫﺎ اﺳﺖ‪ .‬ﻳکی از اﻳن داراﻳیﻫﺎ‪ ،‬ﺗﺴﻬﻴالت اﻋطﺎء ﺷﺪه اﺳﺖ کﻪ‬
‫ﺑﺎنکﻫﺎ از اﻳن طرﻳق ﻳکی از نﻬﺎدﻫﺎی اﺟرا کﻨﻨﺪه ﺳﻴﺎﺳﺖﻫﺎی پﻮلی ﺑﺎنک‬
‫مرکﺰی ﻫﺴﺘﻨﺪ و میﺗﻮانﻨﺪ ﺗخﺼﻴص مﻨﺎﺑع را در ﺟﺎمﻌﻪ ﺗغﻴﻴر دﻫﻨﺪ و خﻮد را‬
‫از اﻳن طرﻳق ﺑﻪ ﺑخش اﻗﺘﺼﺎد کالن ﺟﺎمﻌﻪ مﺘﺼل کﻨﻨﺪ‪ .‬ﺗﻌﺎمل ﺑﺎنکﻫﺎ ﺑﺎ ﺑخش‬
‫اﻗﺘﺼﺎد کالن مﻮﺟب اثرگذاری اﻳن مﺘغﻴرﻫﺎ ﺑر درآمﺪﻫﺎی آﺗی ﺑﺎنکﻫﺎ و ﺗغﻴﻴر‬
‫ارزش ﺳﻬﺎم آنﻫﺎ میگردد‪ .‬اﻳنﻫﺎ مﻮاردی اﺳﺖ کﻪ ﺑﻪ اﻳن پژوﻫش اﻫﻤﻴﺖ میدﻫﺪ‪.‬‬
‫نﻤﻮنﻪ آمﺎري مﻮرد اﺳﺘفﺎده در اﻳن پژوﻫش ﺷﺎمل ﺑﺎنکﻫﺎی حﺎضر در ﺑﻮرس‬
‫اوراق ﺑﻬﺎدار ﺗﻬران و ﻫﻤچﻨﻴن فرا ﺑﻮرس میﺑﺎﺷﺪ کﻪ ﺷﺎمل‪ :‬ﺑﺎنک ملﺖ‪،‬‬
‫ﺑﺎنک ﺳرمﺎﻳﻪ‪ ،‬ﺑﺎنک پﺎﺳﺎرگﺎد‪ ،‬ﺑﺎنک انﺼﺎر‪ ،‬ﺑﺎنک ﺳﻴﻨﺎ‪ ،‬ﺑﺎنک دی‪ ،‬ﺑﺎنک‬
‫ﺗﺠﺎرت‪ ،‬ﺑﺎنک صﺎدرات‪ ،‬ﺑﺎنک پﺎرﺳﻴﺎن‪ ،‬ﺑﺎنک اﻗﺘﺼﺎد نﻮﻳن‪ ،‬ﺑﺎنک کﺎرآفرﻳن‪،‬‬
‫ﺑﺎنک گردﺷگری و پﺴﺖﺑﺎنک اﺳﺖ‪ .‬دوره زمﺎنی مﺘغﻴرﻫﺎی اﺳﺘفﺎده ﺷﺪه در‬
‫الگﻮی پژوﻫش‪ ،‬از اﺑﺘﺪای فﺼل چﻬﺎرم ﺳﺎل ‪ 1382‬ﺗﺎ انﺘﻬﺎی فﺼل دوم ﺳﺎل‬
‫‪ 1391‬اﺳﺖ‪ .‬ﻗلﻤرو مﻮضﻮﻋی پژوﻫش‪ ،‬در حﻴطﻪ اﻗﺘﺼﺎد مﺎلی ﻗرار میگﻴرد و ﺑﻪ‬
‫دنبﺎل ﺗحلﻴل ﻋﻮامل مؤثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ در ﺑﻮرس اوراق ﺑﻬﺎدار‬
‫ﺗﻬران‪ ،‬ﺑﺎ اﺳﺘفﺎده از الگﻮی خﻮد رگرﺳﻴﻮن ﺑرداری و گﺎرچ ﺑرداری اﺳﺖ‪.‬‬
‫‪-1‬روش پژوهش‬
‫پژوﻫش حﺎضر از نظر ﻫﺪف‪ ،‬کﺎرﺑردي و از نظر ﺷﻴﻮه پژوﻫش و ﺑررﺳﻲ‬
‫فرضﻴﻪﻫﺎ‪ ،‬ﺑﻪ صﻮرت ﺗﻮصﻴفﻲ ‪ -‬ﺗحلﻴلﻲ اﺳﺖ کﻪ در آن ﺟﻬﺖ ﺗﺪوﻳن ﺳؤالﻫﺎ‪،‬‬
‫ﺟﻤعآوري ادﺑﻴﺎت مﻮضﻮع و ارائﻪ مﺪل‪ ،‬از روش کﺘﺎﺑخﺎنﻪاي و ﺑراي اﻳن‬
‫مﻨظﻮر از کﺘب‪ ،‬مﺠالت‪ ،‬مقﺎالت و پﺎﻳﺎننﺎمﻪﻫﺎ اﺳﺘفﺎده ﺷﺪه اﺳﺖ‪ .‬طراحﻲ و‬
‫ﺗﺪوﻳن الگﻮ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ مبﺎنﻲ نظري و مطﺎلﻌﺎت ﺗﺠرﺑﻲ مرﺑﻮطﻪ صﻮرت گرفﺘﻪ‬
‫اﺳﺖ‪ .‬ﺑﻨﺎﺑراﻳن‪ ،‬مﺘﻨﺎﺳب ﺑﺎ اﻫﺪاف رﺳﺎلﻪ و ﺑﺎ اﺳﺘفﺎده از مقﺎالت پﺎﻳﻪ در‬
‫زمﻴﻨﻪ مﻮضﻮع پژوﻫش و کﺘب مرﺑﻮطﻪ ﺑﻪ ﺑررﺳﻲ ﺳﻮالﻫﺎي پژوﻫش پرداخﺘﻪ خﻮاﻫﺪ‬
‫ﺷﺪ‪.‬‬
‫از آنﺠﺎ کﻪ اﻳن پژوﻫش ﺳﻌی در ﺗحلﻴل ﻋﻮامل مؤثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ‬
‫در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران دارد‪ ،‬از الگﻮی ﻗﻴﻤﺖگذاری آرﺑﻴﺘراژ‬
‫اﺳﺘفﺎده ﺷﺪه اﺳﺖ‪ .‬زﻳرا در اﻳن الگﻮ ﻋﻮامل مؤثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم را مﺸخص‬
‫و محﺪود نکرده اﺳﺖ و اﻳن ﺗئﻮري‪ ،‬نرخ ﺑﺎزده مﻮرد انﺘظﺎر ﺳبﺪﻫﺎي ﺳرمﺎﻳﻪ‪-‬‬
‫گذاري ﺳﻬﺎم را نﺴبﺖ ﺑﻪ ظرفﻴﺖ ﻋﻮامل مؤثر ﺑر ﺑﺎزده ﺗﻮصﻴف مﻲکﻨﺪ‪ .‬ﺑر‬
‫اﺳﺎس اﻳن نظرﻳﻪ‪ ،‬ﻋﺎمل رﻳﺴک در ﺗﻌﻴﻴن ﻗﻴﻤﺖ داراﻳﻲﻫﺎ نقش اﺳﺎﺳﻲ دارد‪.‬‬
‫اﻳن ﺗئﻮري‪ ،‬روﻳکرد ﺟﺪﻳﺪ و مﺘفﺎوت در ﺗﻌﻴﻴن ﻗﻴﻤﺖ داراﻳﻲﻫﺎ اﺳﺖ و ﺳﻌﻲ‬
‫مﻲکﻨﺪ ﻋﻮامل خﺎرج از ﺑﺎزار را کﻪ ﺑر اوراق ﺑﻬﺎدار اثر مﻲگذارنﺪ‪،‬‬
‫ﺷﻨﺎﺳﺎﻳﻲ کﻨﺪ‪.‬‬
‫ﺑﻪ مﻨظﻮر ارزﻳﺎﺑی فرضﻴﻪﻫﺎی مبﺘﻨی ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ از الگﻮی‬
‫اﻗﺘﺼﺎدﺳﻨﺠی دادهﻫﺎی ﺗﺎﺑلﻮﻳی اﺳﺘفﺎده خﻮاﻫﺪ ﺷﺪ‪.‬‬
‫‪-2‬معرفی مدل پژوهش‬
‫ﻫﺪف اﻳن پژوﻫش‪ ،‬ﺗحلﻴل ﻋﻮامل مؤثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ در ﺑﻮرس‬
‫اوراق ﺑﻬﺎدار ﺗﻬران اﺳﺖ‪ .‬ﺑرای اﻳن کﺎر از ﻳک الگﻮی دادهﻫﺎی ﺗﺎﺑلﻮﻳی‬
‫اﺳﺘفﺎده میﺷﻮد‪.‬‬
‫مﻌﺎدلﻪ رگرﺳﻴﻮنی ﺑﻪ صﻮرت زﻳر اﺳﺖ‪:‬‬
‫‪Price=c + β1 Index+ β2 Money+ β3 Exc+ β4 Flow+ β5 Loan+ β6 REPs +ε‬‬
‫‪ :Index‬ﺷﺎخص ﻗﻴﻤﺖ ﺳﻬﺎم‬
‫‪ :Money‬حﺠﻢ نقﺪﻳﻨگی‬
‫‪ :Exc‬نرخ ارز‬
‫‪ :Flow‬ﺷﺎخص نقﺪﺷﻮنﺪگی‬
‫‪ :Loan‬مطﺎلبﺎت مﻌﻮﻗﻪ ﺑﺎنکﻫﺎ‬
‫‪ :Price‬ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنک‬
‫‪ :REPS‬ﺳﻮد محقق ﺷﺪه در ﻫر پﺎﻳﺎن ﻫر دوره ﺳﻪ مﺎﻫﻪ‬

‫‪ -2-1‬متغیرهای پژوهش‬
‫در اﻳن ﻗﺴﻤﺖ ﺑﻪ مﻌرفی مﺘغﻴرﻫﺎی مﻮرد اﺳﺘفﺎده در اﻳن پژوﻫش و روش‬
‫ﺟﻤع آوری دادهﻫﺎ پرداخﺘﻪ میﺷﻮد‪.‬‬
‫‪-1‬نﻮﺳﺎنﺎت ﺳﻬﻢ‬
‫نﻮﺳﺎن ﻳک ﺳﻬﻢ ﺑﻪ ﻋﻨﻮان ﻳک مﻌﻴﺎر رﻳﺴک مﻮرد اﺳﺘفﺎده ﻗرار مﻲگﻴرد‪ ،‬ﺑﻪ طﻮري کﻪ‬
‫ﺑﺎزده واﻗﻌﻲ مﻤکن اﺳﺖ کﻤﺘر از حﺪ انﺘظﺎر ﺑﺎﺷﺪ‪ .‬نﻮﺳﺎن را اغلب رﻳﺴک کل مﻲنﺎمﻨﺪ‬
‫‪.‬چﻮن ﺗغﻴﻴرات در ﻗﻴﻤﺖ ﻫر ﺳﻬﻢ را ﺑﻪ ﻫر دلﻴلﻲ کﻪ ﺑﺎﺷﺪ‪ ،‬مﺪنظر ﻗرار مﻲدﻫﺪ و فقط‬
‫ﺑﻪ نﻮﺳﺎن نﺎﺷﻲ از ﺗغﻴﻴرات مﻌﺎملﻪ داللﺖ نﻤﻲکﻨﺪ‪ .‬مﻤکن اﺳﺖ ﺑﺎزده ﺳﻬﺎم در طﻮل‬
‫ﻳک دوره گذﺷﺘﻪ ﺑراي ﺑرآورد نﻮﺳﺎنﺎت آﺗﻲ گردآوري ﺷﻮد‪ .‬رﻳﺴک ﻳک ﺳﻬﻢ نﺸﺎن‬
‫دﻫﻨﺪه ﻋﺪم اطﻤﻴﻨﺎن درﺑﺎره ﺑﺎزده آﺗﻲ آن اﺳﺖ‪ .‬اﻳن رﻳﺴک مﻮﺟب کﺎﻫش ﻗﻴﻤﺖ‬
‫مﻲﺷﻮد‪ .‬ﺑﻪ اﻳن خﺎطر کﻪ مﻤکن اﺳﺖ ﺑﺎزده واﻗﻌﻲ کﻤﺘر از حﺪ انﺘظﺎر ﺑﺎﺷﺪ‬
‫(مﺎدورا‪ .)1388،1‬نﻮﺳﺎنﺎت ﻗﻴﻤﺖ ﺳﻬﺎم در اﻳن پژوﻫش ﺗﻮﺳط مﺪل گﺎرچ ﺑﻪ دﺳﺖ‬
‫میآﻳﺪ‪.‬‬
‫‪ -2‬ﺷﺎخص نقﺪ ﺷﻮنﺪگﻲ‬
‫رﺗبﻪ نقﺪ ﺷﻮنﺪگﻲ در حقﻴقﺖ نﺸﺎن دﻫﻨﺪه ﺗﻤﺎﻳل ﺑﺎزار ﺑﻪ خرﻳﺪ ﻳک ﺳﻬﻢ اﺳﺖ‬
‫و ﺷرکﺖﻫﺎﻳﻲ کﻪ داراي ﺳﻬﺎم ﺑﺎ نقﺪ ﺷﻮنﺪگﻲ ﺑﺎالﺗري ﻫﺴﺘﻨﺪ ﺑﻪ نحﻮي اﻳن‬
‫مطلب را ﺑﻪ نﻤﺎﻳش مﻲگذارنﺪ کﻪ اگرچﻪ ﺑراي خرﻳﺪ اﻳن ﺳﻬﺎم ﺑﺎﻳﺪ انﺘظﺎر‬
‫کﺸﻴﺪ؛ امﺎ ﺑراي فروش آن نﻴﺎزي ﺑﻪ انﺘظﺎر نﻴﺴﺖ و ﺑﻪ حﺪ کفﺎﻳﺖ ﺗقﺎضﺎ‬
‫ﺑراي آن وﺟﻮد دارد‪ .‬ﺑﻪ ﺗﻌبﻴر کلﻲ میﺗﻮان رﺗبﻪ نقﺪ ﺷﻮنﺪگﻲ را مطلﻮﺑﻴﺖ‬

‫‪1‬‬
‫‪-Madura‬‬
‫ﺑﺎزار ﺑراي ﻳک ﺳﻬﻢ نﺎمﻴﺪ و اﻳن رﺗبﻪ نﺸﺎن دﻫﻨﺪه ﺟﺎري ﺑﻮدن ﻳک ﺳﻬﻢ‬
‫خﻮاﻫﺪ ﺑﻮد (ﺷﻬﺪاﻳﻲ‪ .)1386،‬ﺑرای انﺪازهگﻴری اﻳن ﺷﺎخص از ﺗقﺴﻴﻢ ﺗﻌﺪاد‬
‫ﺳﻬﺎم مبﺎدلﻪ ﺷﺪه در ﻳک دوره زمﺎنی ﺑﻪ کل ﺗﻌﺪاد ﺳﻬﺎم آن ﺑﻨگﺎه اﺳﺘفﺎده‬
‫میگردد و ﺑﻪ صﻮرت فﺼلی محﺎﺳبﻪ ﺷﺪه اﺳﺖ‪ .‬آمﺎر اﻳن مﺘغﻴر از ﺑﺎنک اطالﻋﺎت‬
‫نرم افﺰار ره آورد نﻮﻳن ﺟﻤع آوری ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -3‬حﺠﻢ پﻮل‬
‫نقﺪﻳﻨگﻲ مﻬﻢﺗرﻳن مﺘغﻴر پﻮلﻲ اﺳﺖ‪ .‬ﻫرچقﺪر ﺑﺎزار مﺎلﻲ ﻳک کﺸﻮر گﺴﺘردهﺗر‬
‫و ﻋﻤﻴقﺗر ﺑﺎﺷﺪ نﻬﺎدﻫﺎي مﻨﺘﺸر کﻨﻨﺪه نقﺪﻳﻨگﻲ نﻴﺰ افﺰاﻳش خﻮاﻫﺪ ﻳﺎفﺖ‪.‬‬
‫در حﺎل حﺎضر در اﻳران نﻬﺎدﻫﺎي مﻨﺘﺸر کﻨﻨﺪه نقﺪﻳﻨگﻲ ﻋبﺎرتانﺪ از ﺑﺎنک‬
‫مرکﺰي و ﺑﺎنکﻫﺎ و مؤﺳﺴﺎت اﻋﺘبﺎري غﻴر ﺑﺎنکﻲ‪ .‬اﺟﺰاي ﺗﺸکﻴل دﻫﻨﺪه‬
‫نقﺪﻳﻨگﻲ نﻴﺰ ﻋبﺎرت اﺳﺖ از‪ :‬کل ﺳپردهﻫﺎي ﺑخش غﻴردولﺘی نﺰد ﺑﺎنکﻫﺎ و‬
‫مؤﺳﺴﺎت اﻋﺘبﺎري و اﺳکﻨﺎس و مﺴکﻮک نﺰد اﺷخﺎص‪ .‬از ﺗلفﻴق ﺗرازنﺎمﻪ ﺑﺎنک‬
‫مرکﺰي و ﺑﺎنکﻫﺎ و مؤﺳﺴﺎت اﻋﺘبﺎري غﻴر ﺑﺎنکﻲ ﺗرازنﺎمﻪ ﺳﻴﺴﺘﻢ ﺑﺎنکﻲ‬
‫پﺪﻳﺪ مﻲ آﻳﺪ کﻪ ﻳکﻲ از مﺘغﻴرﻫﺎي مﻬﻢ اﻳن ﺗرازنﺎمﻪ‪ ،‬نقﺪﻳﻨگﻲ مﻲﺑﺎﺷﺪ‪.‬‬
‫نقﺪﻳﻨگی ﺑر حﺴب ﻋﻮامل مؤثر ﺑر ﻋرضﻪ آن ﺷﺎمل کلﻴﻪ مﺘغﻴرﻫﺎي ﺗرازنﺎمﻪ‬
‫ﺳﻴﺴﺘﻢ ﺑﺎنکﻲ اﺳﺖ کﻪ ﺗغﻴﻴر ﻫر ﻳک از آنﻫﺎ ﺑر نقﺪﻳﻨگﻲ اثرگذار اﺳﺖ‪.‬‬
‫نقﺪﻳﻨگی ﺑر حﺴب اﺟﺰای ﺗﺸکﻴل دﻫﻨﺪه آن ﺷﺎمل پﻮل و ﺷبﻪ پﻮل مﻲﺑﺎﺷﺪ‪.‬‬
‫آمﺎر اﻳن مﺘغﻴر از ﺑﺎنک اطالﻋﺎت ﺳری زمﺎنی ﺑﺎنک مرکﺰی ﺑﻪ صﻮرت فﺼلی‬
‫ﺟﻤعآوری ﺷﺪه اﺳﺖ‪.‬‬

‫‪ -4‬مطﺎلبﺎت مﻌﻮﻗﻪ ﺑﺎنکﻫﺎ‬

‫ﺑﻴشﺗرﻳن رﻳﺴک ﻋﻤلﻴﺎﺗﻲ کﻪ ﺑﻪ ﺑﺎنکﻫﺎ وارد مﻲﺷﻮد از نﺎحﻴﻪ نکﻮل مطﺎلبﺎت‬
‫ﺑخش ﺑﺎنکﻲ از ﺑخش خﺼﻮصﻲ و دولﺘﻲ اﺳﺖ‪ .‬ﺑﻪ دلﻴل اﻳﻨکﻪ ﻋﻤﺪه درآمﺪ ﺑﺎنک‬
‫از نﺎحﻴﻪ پرداخﺖ وام مﻲﺑﺎﺷﺪ کﻪ اﻳن ﻋﻤل ﻫﻤﻮاره ﺑﺎ رﻳﺴک نکﻮل ﻫﻤراه‬
‫اﺳﺖ و ﻫرچﻪ مﻴﺰان مطﺎلبﺎت مﻌﻮﻗﻪ افﺰاﻳش ﻳﺎﺑﺪ در انﺘﻬﺎي ﺳﺎل مﺎلﻲ ﺑﻪ‬
‫صﻮرت ﻫﺰﻳﻨﻪ در صﻮرت ﺳﻮد و زﻳﺎن وارد مﻲﺷﻮد و مﻮﺟب کﺎﻫش ﺳﻮد ﺗقﺴﻴﻤﻲ‬
‫اﺳﺖ و ﺑﻪ ﻫﻤﻴن دلﻴل در نظر ﺗقﺎضﺎ کﻨﻨﺪگﺎن ﺳﻬﺎم ﺑﺎنک‪ ،‬از ﺟذاﺑﻴﺖ ﺳﻬﺎم‬
‫کﺎﺳﺘﻪ مﻲﺷﻮد و ﻗﻴﻤﺖ ﺳﻬﻢ کﺎﻫش پﻴﺪا مﻲکﻨﺪ‪.‬‬
‫ﺑﻪ ﺑﻴﺎن دﻳگر مطﺎلبﺎت نکﻮل ﺷﺪه ﺑﺎنکﻫﺎ ﺑﻪ ﻋﻨﻮان ﻫﺰﻳﻨﻪ دوره آنﻫﺎ ﺗلقﻲ‬
‫ﺷﺪه و افﺰاﻳش ﻳﺎ کﺎﻫش اﻳن ﻫﺰﻳﻨﻪ ﺗأثﻴر مﺴﺘقﻴﻢ ﺑر ﺳﻮد ﻳﺎ زﻳﺎن دوره‬
‫خﻮاﻫﺪ داﺷﺖ کﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻋالﻗﻪمﻨﺪي ﺳرمﺎﻳﻪ گذار ﺑﻪ کﺴب ﺳﻮد خﻮد‬
‫ﺑﻴشﺗرﻳن ﺗأثﻴر را ﺑر روي ﺟذب ﻳﺎ دفع ﺳرمﺎﻳﻪ را خﻮاﻫﺪ داﺷﺖ‪ .‬آمﺎر اﻳن‬
‫مﺘغﻴر از اطالﻋﺎت مﻨﺘﺸر ﺷﺪه ﺗﻮﺳط ﺳﺎزمﺎن ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران ﺑﻪ‬
‫صﻮرت فﺼلی ﺟﻤع آوری ﺷﺪه اﺳﺖ‪( .‬کرﻳﻤی‪)1385 ،‬‬
‫‪ -5‬ﺷﺎخص ﺑﺎزار ﺑﻮرس‬
‫ﺷﺎخصﻫﺎ نﻤﺎگرﻫﺎﻳی ﻫﺴﺘﻨﺪ کﻪ وظﻴفﻪ آﺷکﺎرﺳﺎزي ﺷراﻳط ﻋﻤﻮمی ﻗﻴﻤﺖ ﻫﺎ ﻳﺎ‬
‫ﺑﺎزدﻫی را در ﺑﻴن ﻫﻤﻪ ﻳﺎ گروﻫی از ﺷرکﺖﻫﺎي ﺑﻮرس ﺑر ﻋﻬﺪه دارنﺪ‪ .‬ﺷﺎخص‬
‫نﻤﺎگري اﺳﺖ کﻪ نﺸـﺎن دﻫنﺪه ﺳطﺢ ﻋﻤﻮمی پﺎرامﺘري مﺸخص (مﺎنﻨﺪ ﻗﻴﻤﺖ ﻳﺎ‬
‫ﺑﺎزده) در ﺑﻴن گروﻫی از مﺘغﻴرﻫـﺎي مـﻮرد ﺑررﺳـی (ﻫﻤﻪ ﻳﺎ گروﻫـی از‬
‫ﺷـرکﺖﻫـﺎ) اﺳـﺖ‪ .‬ﺷـﺎخص ﻳکی از مﻬـﻢﺗـرﻳن مﻌﻴﺎرﻫـﺎي ارزﻳﺎﺑی ﻋﻤلکـرد‬
‫ﺳرمﺎﻳﻪ اﺳﺖ گذاري اﺳﺖ‪.‬‬
‫ﺷﺎخص ﻗﻴﻤﺖ ﺳﻬﺎم در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران ﺷﺎخﺼی از نﻮع مﻴﺎنگﻴن‬
‫‪n‬‬ ‫حﺴﺎﺑی ﺑﺎ وزنﻫﺎﻳی ﺑراﺑر ارزش ﺑﺎزار ﺳﻬﺎم ﺷرکﺖﻫﺎ اﺳﺖ و‬
‫‪‬‬ ‫‪C‬‬ ‫‪P‬‬
‫‪i it‬‬ ‫ﺑﺎ ﻋﻨﻮان ﺑﻴنالﻤللی ﺗﻴپکس ﺷﻨﺎخﺘﻪ میﺷﻮد‪ .‬زمﺎن پﺎﻳﻪ‬
‫‪TEPIX   n‬‬
‫‪i 1‬‬
‫اﻳن ﺷﺎخص ‪ 1369/1/1‬و ﻋﺪد مبﻨﺎی آن ﺑراﺑر ‪ 100‬در نظر‬
‫‪ C i Pib‬‬
‫‪i 1‬‬
‫گرفﺘﻪ ﺷﺪه اﺳﺖ‪ .‬انﺪازه ﻋﺪد ﺷﺎخص در زمﺎن ‪ t‬ﺑﺎ اﺳﺘفﺎده از راﺑطﻪ زﻳر‬
‫ﺑﺪﺳﺖ میآﻳﺪ‪.‬‬

‫نﻤﺎدﻫﺎی ﺑﻪ کﺎر رفﺘﻪ در راﺑﺰه فﻮق ﺑﻪ ﺷرح زﻳر اﺳﺖ‪:‬‬

‫‪ λ‬ضرﻳب ﺗﻌﺪﻳل‪ ،‬ﺑرای آنکﻪ مقﺪار ﻋﺪدی ﺷﺎخص در زمﺎن پﺎﻳﻪ (ﻋﺪد مبﻨﺎ)‬
‫ﺑراﺑر ‪ 100‬ﺑﻪ دﺳﺖ آﻳﺪ‪ .‬از ﺳﻮی دﻳگر‪ ،‬ﺗﻌﺪﻳل ﺷﺎخص نﺴبﺖ ﺑﻪ ﺑرخی ﺗغﻴﻴرات‬
‫ﺷرتﻫﺎ و ﺗغﻴﻴرات مﺎﻫﻮی ﺳﻬﺎم آنﻫﺎ نﻴﺰ در اﻳن ضرﻳب دﻳﺪه میﺷﻮد‪.‬‬
‫‪ :Ci‬ﺗﻌﺪاد ﺳﻬﺎم ﺷرکﺖ ‪i‬ام در زمﺎن ‪t‬‬
‫‪ :Pit‬ﻗﻴﻤﺖ ﺳﻬﺎم ﺷرکﺖ ‪i‬ام در زمﺎن ‪t‬‬
‫‪ :b‬زمﺎن پﺎﻳﻪ کﻪ ﺑراﺑر ‪ 1369/1/1‬میﺑﺎﺷﺪ و‬
‫‪ :N‬ﺗﻌﺪاد ﺳﻬﺎم مﻮﺟﻮد در ﺷﺎخص‬
‫لذا ﺷﺎخص ﻗﻴﻤﺖ ﺳﻬﺎم در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران ﻫﻤﻮاره پس از‪:‬‬
‫الف‪ -‬افﺰاﻳش ﺳرمﺎﻳﻪ ﺷرکﺖﻫﺎ‬
‫ب‪ -‬افﺰاﻳش ﻳﺎ کﺎﻫش ﺷرکﺖﻫﺎی پذﻳرفﺘﻪ ﺷﺪه در ﺑﻮرس‪ ،‬ﺗﻌﺪﻳل میﺷﻮد‪.‬‬
‫ﺷﺎخص کل ﻗﻴﻤﺖ ﺳﻬﺎم در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران ﺷﺎمل ﺗﻤﺎمی ﺷرکﺖﻫﺎی‬
‫پذﻳرفﺘﻪ ﺷﺪه در ﺑﻮرس میﺑﺎﺷﺪ‪ .‬اﻳن ﺷﺎخص ﺑﻪ طﻮر روزانﻪ محﺎﺳبﻪ و اﻋالم‬
‫میﺷﻮد‪.‬‬
‫آمﺎر اﻳن مﺘغﻴر از ﺑﺎنک اطالﻋﺎت نرم افﺰار ره آورد نﻮﻳن و دادهﻫﺎی‬
‫ﺳﺎزمﺎن ﺑﻮرس و اوراق ﺑﻬﺎدار ﺟﻤع آوری ﺷﺪه اﺳﺖ (ﺷﻬرآﺑﺎدی و ﺑﺸﻴری‪،‬‬
‫‪)1389‬‬

‫‪ -6‬ﺳﻮد محقق ﺷﺪه ‪ :‬مﻨظﻮر مقﺪار رﻳﺎلی ﺳﻮد محقق ﺷﺪه در ﻫر پﺎﻳﺎن ﻫر‬
‫دوره ﺳﻪ مﺎﻫﻪ میﺑﺎﺷﺪ‪ .‬آمﺎر اﻳن مﺘغﻴر از ﺑﺎنک اطالﻋﺎت نرم افﺰار ره‬
‫آورد نﻮﻳن و دادهﻫﺎی ﺳﺎزمﺎن ﺑﻮرس و اوراق ﺑﻬﺎدار ﺟﻤع آوری ﺷﺪه اﺳﺖ‬

‫‪-3‬رهیافت دادههای تابلویی‬

‫روش پﺎﺳخگﻮﻳی ﺑﻪ فرضﻴﻪﻫﺎی پژوﻫش روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی اﺳﺖ‪ ،‬ﺑﺴﻴﺎری‬
‫از مطﺎلﻌﺎت اخﻴر کﻪ در زمﻴﻨﻪی اﻗﺘﺼﺎد صﻮرت گرفﺘﻪ‪ ،‬از مﺠﻤﻮﻋﻪی دادهﻫﺎی‬
‫ﺗﺎﺑلﻮﻳی ﺑرای ﺗحلﻴل اﺳﺘفﺎده کردهانﺪ‪ ،‬ﺑﻪ اﻳن ﺗرﺗﻴب کﻪ چﻨﺪﻳن ﺑﻨگﺎه‪،‬‬
‫خﺎنﻮار و کﺸﻮر در طﻮل زمﺎن مﻮرد ﺑررﺳی ﻗرار گرفﺘﻪ اﺳﺖ‪ .‬ﺗﺠﺰﻳﻪ و ﺗحلﻴل‬
‫دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﻳکی از مﻮضﻮﻋﺎت ﺟﺪﻳﺪ و کﺎرﺑردی در اﻗﺘﺼﺎدﺳﻨﺠی اﺳﺖ‪،‬‬
‫زﻳرا دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﻳک محﻴط ﺑﺴﻴﺎر غﻨی از اطالﻋﺎت را ﺑرای گﺴﺘرش‬
‫دادن ﺗکﻨﻴکﻫﺎی ﺑرآورد و نﺘﺎﻳج ﺗئﻮرﻳک فراﻫﻢ میآورد‪ .‬در ﺑﺴﻴﺎری از‬
‫مﻮارد پژوﻫﺸگران میﺗﻮانﻨﺪ از دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﺑرای حﺎلﺖﻫﺎﻳی کﻪ مﺴﺎئل‬
‫را نﻤیﺗﻮان فقط ﺑﻪ صﻮرت ﺳری زمﺎنی و ﻳﺎ فقط ﺑﻪ صﻮرت مقطﻌی ﺑررﺳی کرد‪،‬‬
‫اﺳﺘفﺎده نﻤﺎﻳﻨﺪ‪ .‬ﺗلفﻴق آمﺎرﻫﺎی ﺳری زمﺎنی ﺑﺎ آمﺎرﻫﺎی مقطﻌی نﻪ ﺗﻨﻬﺎ‬
‫میﺗﻮانﺪ اطالﻋﺎت ﺳﻮدمﻨﺪی را ﺑرای ﺑرآورد مﺪلﻫﺎی اﻗﺘﺼﺎد ﺳﻨﺠی فراﻫﻢ‬
‫آورد‪ ،‬ﺑلکﻪ ﺑر مبﻨﺎی نﺘﺎﻳج ﺑﻪدﺳﺖ آمﺪه میﺗﻮان اﺳﺘﻨبﺎطﻫﺎی ﺳﻴﺎﺳﺖ گذاری‬
‫ﺷﺎﻳﺎن ﺗﻮﺟﻬی ﺑﻪ ﻋﻤل آورد (گﺠراﺗی‪.)2003،2‬‬

‫‪2‬‬
‫‪-Gujarati‬‬
 ‫‪ -3-1‬مزایای دادههای تابلویی‬
‫الف‪-1-‬ﻳکﻲ از مﻬﻢﺗرﻳن مﺰﻳﺖﻫﺎي اﺳﺘفﺎده از دادهﻫﺎي ﺗﺎﺑلﻮﻳﻲ‪ ،‬کﻨﺘرل‬
‫نﻤﻮدن خﻮاص نﺎﻫﻤگن و در نظر گرفﺘن ﺗک ﺗک افراد‪ ،‬ﺷرکﺖﻫﺎ‪ ،‬اﻳﺎلﺖﻫﺎ و‬
‫کﺸﻮرﻫﺎ مﻲﺑﺎﺷﺪ‪ ،‬در حﺎلﻲ کﻪ مطﺎلﻌﺎت مقطﻌﻲ و ﺳري زمﺎنﻲ اﻳن نﺎﻫﻤگﻨﻲ را‬
‫کﻨﺘرل نکرده و ﺑﺎ ﺗخﻤﻴن مﺪل ﺑﺎ آن روشﻫﺎ‪ ،‬ﺑﻴﻢ ارﻳب نﺘﺎﻳج مﻲرود‬
‫(ﺑﺎلﺘﺎگﻲ‪.)2005 ،3‬‬
‫الف‪-2-‬دادهﻫﺎی ﺗﺎﺑلﻮﻳی حﺎوی اطالﻋﺎت‪ ،‬درﺟﻪ آزادی‪ ،‬کﺎراﻳی و پراکﻨﺪگی‬
‫ﺑﻴشﺗری اﺳﺖ‪ .‬ﻫﻤچﻨﻴن ﻫﻢ خطی کﻤﺘری ﺑﻴن مﺘغﻴرﻫﺎ وﺟﻮد دارد‪ .‬مطﺎلﻌﺎﺗی کﻪ‬
‫از ﺳری زمﺎنی اﺳﺘفﺎده میکﻨﻨﺪ از ﻫﻢخطی ﺑﻴن مﺘغﻴرﻫﺎی مﺴﺘقل آﺳﻴب می‪-‬‬
‫ﺑﻴﻨﻨﺪ‪.‬‬
‫الف‪-3-‬دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﻗﺎﺑلﻴﺖ ﺑﻴشﺗری ﺑرای مطﺎلﻌﻪ ﺗﻌﺪﻳالت پﻮﻳﺎ و‬
‫ﻫﻤچﻨﻴن ﺷﻨﺎﺳﺎﻳی و انﺪازهگﻴری ﺗغﻴﻴرات دارنﺪ‪ .‬در ﻋﻴن حﺎل کﻪ ﺗﻮزﻳعﻫﺎی‬
‫مقطﻌی ﺑﻪ نظر پﺎﻳﺪار میﺑﺎﺷﻨﺪ‪ ،‬ﺗغﻴﻴرات زﻳﺎدی را پﻨﻬﺎن میکﻨﻨﺪ‪.‬‬
‫الف‪-4-‬مﺪلﻫﺎﻳی کﻪ از دادهﻫﺎی ﺗﺎﺑلﻮﻳی اﺳﺘفﺎده میکﻨﻨﺪ اﺟﺎزه ﺳﺎخﺖ و‬
‫ﺗﺴﺖ مﺪلﻫﺎی رفﺘﺎری پﻴچﻴﺪهﺗری را نﺴبﺖ دادهﻫﺎی مقطﻌی و ﺳری زمﺎنی ﺑﻪ‬
‫مﺎ میدﻫﺪ‪.‬‬

‫‪ -3-2‬مراحل برآورد به وسیله دادههای تابلویی‬

‫چﺎرچﻮب اولﻴﻪ مﺪلﻫﺎی دادهﻫﺎی ﺗﺎﺑلﻮﻳی در مﻌﺎدلﻪی زﻳر ارائﻪ ﺷﺪه‬
‫اﺳﺖ‪.‬‬

‫‪Y    1 X 1it   2 X 2it  ...  U it , ,U it   i  vit‬‬

‫ﺑﻪ طﻮری کﻪ ‪ i=1,2,…,n‬و ‪ t=1,2,….T‬اﺳﺖ کﻪ ‪ n‬ﺗﻌﺪاد کﺸﻮرﻫﺎ (مﺸﺎﻫﺪات مقطﻌی) و‬
‫‪ T‬ﺑﻴﺎنگر ﺗﻌﺪاد مﺸﺎﻫﺪات ﺳری زمﺎنی اﺳﺖ‪ μi.‬مﺘغﻴر غﻴرﻗﺎﺑل مﺸﺎﻫﺪهای اﺳﺖ‬
‫کﻪ از آن ﺑﻪ ﻋﻨﻮان ﺟﺰء غﻴرﻗﺎﺑل مﺸﺎﻫﺪه و ﻳﺎ نﺎﻫﻤگﻮنی غﻴر ﻗﺎﺑل مﺸﺎﻫﺪه‬
‫ﻳﺎد میﺷﻮد‪ ،‬ﺗغﻴﻴر نﺎپذﻳری زمﺎنی دارد و نﺸﺎنگر ﺗفﺎوتﻫﺎ در وﻳژگی خﺎص‬
‫مﺸﺎﻫﺪات مقطﻌی میﺑﺎﺷﺪ‪ vit .‬ﺑر ﺟﺰء اخالل داللﺖ دارد و فرض میﺷﻮد ﺑﻪ طﻮر‬
‫نرمﺎل ﺑﺎ مﻴﺎنگﻴن صفر و وارﻳﺎنس ثﺎﺑﺖ ﺑرای ﻫﻤﻪ مﺸﺎﻫﺪات ﺗﻮزﻳع ﺷﺪه اﺳﺖ‬
‫کﻪ ﺑﺎ ﻳکﺪﻳگر ﻫﻤبﺴﺘگی نﺪارنﺪ‪ .‬روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﺷﺎمل ﺗخﻤﻴنﻫﺎی‬
‫اثرات ثﺎﺑﺖ (‪ 4)FE‬و اثرات ﺗﺼﺎدفی‪ (RE)5‬اﺳﺖ‪ .‬در ﺗخﻤﻴن اثرات ثﺎﺑﺖ‪ ،‬ﺑﻌﺪ‬
‫زمﺎنی در نظر گرفﺘﻪ نﻤیﺷﻮد و ﺗﻨﻬﺎ اثراﺗی کﻪ مخﺘص ﻫر ﻳک از مقﺎطع‬
‫اﺳﺖ‪ ،‬ﺑﻪ ﻋﻨﻮان اثرات انفرادی مﻨظﻮر میگردد‪ .‬در ﺗخﻤﻴن اثرات ﺗﺼﺎدفی‬
‫فرض میﺷﻮد کﻪ ﻋرض از مبﺪاء ‪ αi‬دارای ﺗﻮزﻳع مﺸﺘرکی ﺑﺎ مﻴﺎنگﻴن ‪ α‬و‬
‫وارﻳﺎنس ‪  ‬میﺑﺎﺷﺪ؛ ﺑﻪ ﻋبﺎرت دﻳگر فرض میﺷﻮد کﻪ ﺑﺎ مﺘغﻴرﻫﺎی ﺗﻮضﻴحی‬
‫‪2‬‬

‫مﺪل نﺎﻫﻤبﺴﺘﻪانﺪ‪ .‬در اﻳن روش ﻋﺎمل زمﺎن مﻨظﻮر میﺷﻮد و اثرات انفرادی‬
‫واحﺪﻫﺎ در طﻮل زمﺎن ﺑﻪ طﻮر ﺟﺪاگﺎنﻪ ﺑﻪ ﻋﻨﻮان مﺘغﻴر ﺗﻮضﻴحی وارد مﺪل‬
‫میﺷﻮنﺪ‪ .‬اخﺘالف ﺑﻴن مقطعﻫﺎ در ‪ αi‬نﺸﺎن داده میﺷﻮد کﻪ در طﻮل زمﺎن ثﺎﺑﺖ‬
‫فرض میﺷﻮنﺪ‪ .‬ﺑﻪ طﻮر کلی در صﻮرﺗی کﻪ ‪ αi‬ﺑرای ﺗﻤﺎم کﺸﻮرﻫﺎ ثﺎﺑﺖ در نظر‬
‫گرفﺘﻪ ﺷﻮد‪ ،‬روش حﺪاﻗل مرﺑﻌﺎت مﻌﻤﻮلی ﺑرآوردﻫﺎی کﺎرا و ﺳﺎزگﺎری از ‪α‬‬
‫و ‪ β‬ارائﻪ خﻮاﻫﺪ داد‪ ،‬زﻳرا فقط دادهﻫﺎی روی ﻫﻢ انبﺎﺷﺘﻪ و ﺗفﺎوت مﻴﺎن‬
‫آنﻫﺎ نﺎدﻳﺪه انگﺎﺷﺘﻪ میﺷﻮد کﻪ اصطالحﺎ ﺑﻪ آن دادهﻫﺎی ﺗلفﻴقی (‪)Pooling‬‬

‫‪3‬‬
‫‪-Baltagi‬‬
‫‪4‬‬
‫‪-Fixed Effect‬‬
‫‪5‬‬
‫‪-Random Effect‬‬
‫میگﻮﻳﻨﺪ‪ ،‬در واﻗع (‪ )Pooling‬ﺗرکﻴب کردن مﺸﺎﻫﺪات روی دادهﻫﺎی مقطﻌی در‬
‫طﻮل چﻨﺪﻳن دوره زمﺎنی اﺳﺖ‪ .‬در اﻳن روش ﺗﻤﺎمی ضراﻳب ثﺎﺑﺖ ﺑﻮده و فرض‬
‫میﺷﻮد کﻪ ﺟﻤلﻪ اخالل ﻗﺎدر اﺳﺖ کلﻴﻪی ﺗفﺎوتﻫﺎی مﻴﺎن واحﺪﻫﺎی مقطﻌی و‬
‫زمﺎن را ﺗﻮضﻴﺢ دﻫﺪ‪ .‬در اﻳن حﺎلﺖ مﺪل ﺑﻪ روش حﺪاﻗل مرﺑﻌﺎت مﻌﻤﻮلی‪ 6‬ﻗﺎﺑل‬
‫ﺑرآورد اﺳﺖ‪ ،‬امﺎ در صﻮرﺗی کﻪ ﺑﻴن مﺸﺎﻫﺪات نﺎﻫﻤگﻨی ﻳﺎ ﺗفﺎوتﻫﺎی فردی‬
‫وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ از روشﻫﺎی دادهﻫﺎی ﺗﺎﺑلﻮﻳی اﺳﺘفﺎده میﺷﻮد‪ .‬ﺑرای‬
‫انﺘخﺎب ﺑﻴن روشﻫﺎی دادهﻫﺎی ﺗﺎﺑلﻮﻳی و دادهﻫﺎی ﺗرکﻴبی از آمﺎرهی ‪F‬‬
‫لﻴﻤر‪ 7‬اﺳﺘفﺎده میﺷﻮد‪ .‬اﻳن آزمﻮن مقﺎﻳﺴﻪ ﺑﻴن مﺠﻤﻮع مرﺑﻌﺎت ﺟﻤالت خطﺎ )‪(RSS‬‬
‫‪ 8‬در روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی و دادهﻫﺎی ﺗرکﻴبی میﺑﺎﺷﺪ‪ .‬از آن ﺟﺎ کﻪ در‬
‫روش دادهﻫﺎی ﺗرکﻴبی پﺎرامﺘرﻫﺎی محﺪود کﻨﻨﺪه ﺑﻴشﺗری (از ﻗبﻴل آن کﻪ‬
‫ضراﻳب ﻋرض از مبﺪا ‪ α‬در طﻮل زمﺎن و ﺑﻴن دادهای مقطﻌی ثﺎﺑﺖ درنظر گرفﺘﻪ‬
‫میﺷﻮنﺪ) وﺟﻮد دارد‪ ،‬لذا انﺘظﺎر ﺑر اﻳن اﺳﺖ کﻪ روش دادهﻫﺎی ﺗرکﻴبی‬
‫نﺴبﺖ ﺑﻪ دادهﻫﺎی ﺗﺎﺑلﻮﻳی ‪ RSS‬ﺑﻴشﺗری داﺷﺘﻪ ﺑﺎﺷﺪ؛ ﺑﻨﺎﺑراﻳن اگر مﺪل ‪OLS‬‬
‫ﺑﺎ اضﺎفﻪ ﺷﺪن محﺪودﻳﺖﻫﺎ ﺑﻪ طﻮر مﻌﻨﺎدار افﺰاﻳش پﻴﺪا نکﻨﺪ‪ ،‬ﺑﻬﺘر اﺳﺖ‬
‫کﻪ از اﻳن روش اﺳﺘفﺎده گردد‪ .‬در غﻴر اﻳن صﻮرت روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی‬
‫مﻨﺎﺳبﺗر میﺑﺎﺷﺪ‪ .‬ﺑﺎ اﺳﺘفﺎده از مﺠﻤﻮع مرﺑﻌﺎت ﺑﺎﻗﻴﻤﺎنﺪه مقﻴﺪ (‪9)RRSS‬‬

‫حﺎصل از ﺗخﻤﻴن مﺪل ﺗرکﻴبی ﺑﻪ دﺳﺖ آمﺪه از ‪ OLS‬و مﺠﻤﻮع مرﺑﻌﺎت ﺑﺎﻗﻴﻤﺎنﺪه‬
‫غﻴرمقﻴﺪ (‪10)URSS‬حﺎصل از ﺗخﻤﻴن رگرﺳﻴﻮن درون گروﻫی میﺗﻮان آزمﻮن مﻨﺎﺳب‬
‫در اﻳن زمﻴﻨﻪ را ﺑﻪ صﻮرت زﻳر نﻮﺷﺖ‪:‬‬
‫) ‪( RRSS  URSS‬‬
‫‪Fn 1,nT  n  k ‬‬ ‫‪n 1‬‬
‫‪URSS‬‬
‫‪nT  n  k‬‬

‫کﻪ در آن ‪ K‬ﺗﻌﺪاد مﺘغﻴرﻫﺎی ﺗﻮضﻴحی و ‪ n‬ﺗﻌﺪاد مقﺎطع میﺑﺎﺷﺪ‪.‬‬

‫در آزمﻮن ‪ F‬فرضﻴﻪ ‪ H0‬ﻳکﺴﺎن ﺑﻮدن ﻋرض از مبﺪا (دادهﻫﺎی ﺗلفﻴقی) در مقﺎﺑل‬
‫فرضﻴﻪ ‪ ،H1‬نﺎﻫﻤﺴﺎنی ﻋرض از مبﺪاءﻫﺎ (روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی) ﻗرار می‪-‬‬
‫گﻴرد‪ .‬لذا میﺗﻮان نﻮﺷﺖ‪:‬‬

‫‪H 0 : 1   2  ....  ‬‬

‫حﺪاﻗل ﻳکی مﺴﺎوی نبﺎﺷﺪ ‪H 1 :‬‬

‫اگر ‪ F‬محﺎﺳبﻪ ﺷﺪه از ‪ F‬ﺟﺪول ﺑﺰرگﺘر ﺑﺎﺷﺪ‪ ،‬فرضﻴﻪ ‪ H0‬رد ﺷﺪه و اﺳﺘفﺎده‬
‫از روش دادهﻫﺎی ﺗﺎﺑلﻮﻳی ﺑﻬﺘر اﺳﺖ‪ ،‬در غﻴر اﻳن صﻮرت از روش دادهﻫﺎی‬
‫ﺗرکﻴبی اﺳﺘفﺎده میﺷﻮد‪ .‬ﺑرای ﺗخﻤﻴن مﺪل ﺑﻪ ﺷﻴﻮه دادهﻫﺎی ﺗﺎﺑلﻮﻳی دو‬
‫روش وﺟﻮد دارد کﻪ ﻋبﺎرﺗﻨﺪ از‪ :‬روش اثرات ثﺎﺑﺖ و اثرات ﺗﺼﺎدفی‪ .‬ﺗﻌﻴﻴن‬
‫اﻳن کﻪ در مﻮرد ﻳک نﻤﻮنﻪ از دادهﻫﺎ کﺪام ﻳک از اﻳن دو روش ﺑﺎﻳﺪ مﻮرد‬
‫اﺳﺘفﺎده ﻗرار ﺑگﻴرد‪ ،‬از طرﻳق آزمﻮنﻫﺎی خﺎص خﻮد صﻮرت میپذﻳرد‪ .‬ﻳکی از‬
‫راﻳجﺗرﻳن اﻳن آزمﻮنﻫﺎ‪ ،‬آزمﻮن ﻫﺎﺳﻤن‪ 11‬میﺑﺎﺷﺪ کﻪ آمﺎره آن (‪ )H‬دارای‬
‫ﺗﻮزﻳع ‪  2‬ﺑﺎ درﺟﻪ آزادی ‪ k‬اﺳﺖ و ﺑﻪ صﻮرت زﻳر ﺗﻌرﻳف میﺷﻮد‪:‬‬

‫‪6‬‬
‫(‪-Ordinary Least Square )OLS‬‬
‫‪7‬‬
‫‪-F Leamer‬‬
‫‪8‬‬
‫‪-Residual Sum Square‬‬
‫‪9‬‬
‫‪-Restrict Residual Sum Square‬‬
‫‪10‬‬
‫‪-Unrestricted Residual Sum Square‬‬
‫‪11‬‬
‫‪-Hasman Test‬‬
‫‪H  qˆ Var (qˆ ) 1 qˆ   k2‬‬
‫کﻪ در آن‬
‫ˆ‪qˆ  ‬‬ ‫‪FE‬‬ ‫ˆ‪ ‬‬ ‫) ‪RE ( GLS‬‬

‫) ) ‪Var (qˆ )  Var ( ˆFE )  Var ( ˆRE (GLS‬‬

‫ﺑﻪ طﻮری کﻪ ‪ ˆ FE‬مﻌرف ﺗخﻤﻴن زنﻨﺪهﻫﺎی روش اثرات ثﺎﺑﺖ و ) ‪ ˆRE(GLS‬نﺸﺎن‬

‫دﻫﻨﺪهی ﺗخﻤﻴن زنﻨﺪهﻫﺎی روش اثرات ﺗﺼﺎدفی اﺳﺖ‪ .‬اﻳن آزمﻮن در حقﻴقﺖ‬
‫آزمﻮن نﺎﻫﻤبﺴﺘﻪ ﺑﻮدن اثرات انفرادی و مﺘغﻴرﻫﺎی ﺗﻮضﻴحی اﺳﺖ کﻪ طبق‬
‫ﺗخﻤﻴنﻫﺎی حﺪاﻗل مرﺑﻌﺎت ﺗﻌﻤﻴﻢ ﻳﺎفﺘﻪ (‪12)GLS‬ﺗحﺖ فرضﻴﻪ ‪ H0‬ﺳﺎزگﺎر و ﺗحﺖ‬
‫فرضﻴﻪ ‪ H1‬نﺎﺳﺎزگﺎر اﺳﺖ‪.‬‬
‫ﺑﻪ ﺑﻴﺎن دﻳگر ﺗحﺖ روش اثرات ﺗﺼﺎدفی کﻪ در آن از ﺗخﻤﻴن زنﻨﺪهﻫﺎی حﺪاﻗل‬
‫مرﺑﻌﺎت ﺗﻌﻤﻴﻢ ﻳﺎفﺘﻪ اﺳﺘفﺎده میﺷﻮد‪ ،‬فرضﻴﻪ ‪ H0‬ﺳﺎزگﺎری ضراﻳب را نﺸﺎن‬
‫میدﻫﺪ در حﺎلی کﻪ فرضﻴﻪ ‪ H1‬مبﺘﻨی ﺑر رد اﻳن ﺳﺎزگﺎری اﺳﺖ (ﻫﻴﺴﺎئﻮ‪.)1986،13‬‬
‫لذا در آزمﻮن ﻫﺎﺳﻤن فرضﻴﻪ ﺑﻪ صﻮرت زﻳر ﺗﻌرﻳف میﺷﻮنﺪ‪:‬‬
‫‪H0 :  s‬‬
‫‪H1 :    s‬‬
‫ﺑﻨﺎﺑراﻳن در صﻮرﺗی کﻪ فرضﻴﻪ ‪ H0‬رد نﺸﻮد‪ ،‬اثرات ﺗﺼﺎدفی ﺑر روش اثرات‬
‫ثﺎﺑﺖ ﺗرﺟﻴﺢ داده میﺷﻮد و ﺑﻪ ﻋﻨﻮان روش مﻨﺎﺳبﺗر و کﺎراﺗر انﺘخﺎب میﺷﻮد‪،‬‬
‫در غﻴر اﻳن صﻮرت روش اثرات ثﺎﺑﺖ کﺎرا خﻮاﻫﺪ ﺑﻮد‪ .‬در واﻗع فرضﻴﻪ ‪ H0‬در‬
‫اﻳن آزمﻮن ﺑﻪ اﻳن مﻌﻨی اﺳﺖ کﻪ ارﺗبﺎطی ﺑﻴن ﺟﺰء اخالل مرﺑﻮط ﺑﻪ ﻋرض از‬
‫مبﺪا و مﺘغﻴرﻫﺎی ﺗﻮضﻴحی وﺟﻮد نﺪارد و آنﻫﺎ مﺴﺘقل از ﻳکﺪﻳگر ﻫﺴﺘﻨﺪ در‬
‫حﺎلی کﻪ فرضﻴﻪ ‪ H1‬مبﻴن وﺟﻮد ﻫﻤبﺴﺘگی ﺑﻴن ﺟﺰء اخالل مﻮرد نظر و مﺘغﻴر‬
‫ﺗﻮضﻴحی اﺳﺖ و از آنﺠﺎ کﻪ ﺑﺎ ﺑروز اﻳن پﺪﻳﺪه مﺸکل ﺗﻮرش و نﺎﺳﺎزگﺎری‬
‫وﺟﻮد خﻮاﻫﺪ داﺷﺖ‪ ،‬ﺑﻨﺎﺑراﻳن ﺑﻬﺘر اﺳﺖ در صﻮرت ﻋﺪم پذﻳرش ‪ H0‬از روش‬
‫اثرات ثﺎﺑﺖ اﺳﺘفﺎده ﺷﻮد (گرﻳن‪.)2001،14‬‬
‫‪-4‬آزمون مانایی‬
‫ﺑرای ﺑررﺳی مﺎنﺎﻳی دادهﻫﺎ‪ ،‬از آزمﻮن اﻳﻢ‪ ،‬پﺴران و ﺷﻴن اﺳﺘفﺎده‬
‫میﺷﻮد‪ ،‬کﻪ نﺘﺎﻳج آن در ﺟﺪول (‪ )1‬درج ﺷﺪه اﺳﺖ‪.‬‬

‫ﺟﺪول ‪:1‬نﺘﺎﻳج آزمﻮن اﻳﻢ‪ ،‬پﺴران و ﺷﻴن ﺑرای مﺘغﻴرﻫﺎی مﻮرد ﺑررﺳی‬
‫ﻋرض از مبﺪا ﺑﺪون رونﺪ‬ ‫مﺘغﻴر‬

‫احﺘﻤﺎل‬ ‫کﻤﻴﺖ ﺑحرانی‬

‫‪12‬‬
‫‪-Generalized Least Square‬‬
‫‪13‬‬
‫‪-Hisao‬‬
‫‪14 -Green‬‬
 ‫‪0/00‬‬ ‫‪-2/53‬‬ ‫‪Price‬‬

‫‪0/09‬‬ ‫‪-1/31‬‬ ‫‪Index‬‬

‫‪1/00‬‬ ‫‪9/65‬‬ ‫‪Money‬‬

‫‪0/00‬‬ ‫‪-100/7‬‬ ‫)‪D(MONEY‬‬

‫‪0/03‬‬ ‫‪-1/91‬‬ ‫‪Loan‬‬

‫‪0/01‬‬ ‫‪-2/37‬‬ ‫‪REPS‬‬

‫‪0/00‬‬ ‫‪-12/06‬‬ ‫‪Flow‬‬

‫فرضﻴﻪ صفر در آزمﻮن مﺎنﺎﻳی اﻳﻢ‪ ،‬پﺴران و ﺷﻴن مبﺘﻨی ﺑر داﺷﺘن رﻳﺸﻪ‬
‫واحﺪ اﺳﺖ و در صﻮرﺗی کﻪ احﺘﻤﺎل کﻤﺘر از ‪ 0/05‬ﺑﺎﺷﺪ فرضﻴﻪ صفر رد میﺷﻮد‬
‫و مﺘغﻴر مﺎنﺎ میﺑﺎﺷﺪ‪.‬ﻫﻤﺎنطﻮر کﻪ در ﺟﺪول (‪ )1‬مالحظﻪ میگردد‪ ،‬ﺗﻤﺎمی‬
‫مﺘغﻴرﻫﺎ ﺑﻪ اﺳﺘثﻨﺎی حﺠﻢ پﻮل کﻪ ﺑﺎ ﻳکبﺎر ﺗفﺎضل گﻴری مﺎنﺎ میﺷﻮد ﻫﻤگی‬
‫در ﺳطﺢ مﺎنﺎ میﺑﺎﺷﻨﺪ‪.‬‬
‫‪-5‬تخمین الگو‬
‫پﻴش از ﺑرآورد ضراﻳب مﺪل‪ ،‬اﺑﺘﺪا ﺑﻪ ﺗﻌﻴﻴن اثرات ثﺎﺑﺖ و ﺗﺼﺎدفی‬
‫میپردازﻳﻢ‪ .‬ﻫﻤﺎنطﻮر کﻪ در ﺑخش ﻗبلی ذکر گردﻳﺪ‪ ،‬ﺑرای ﺗﻌﻴﻴن اثرات ثﺎﺑﺖ‬
‫و ﺗﺼﺎدفی میﺗﻮان ﺑﻪ ﺗرﺗﻴب از آمﺎره ‪ F‬لﻴﻤر و آزمﻮن ﻫﺎﺳﻤن اﺳﺘفﺎده کرد‪.‬‬
‫‪ .‬در آزمﻮن لﻴﻤر فرضﻴﻪ صفر مبﺘﻨی ﺑر ﻳکﺴﺎن ﺑﻮدن ﻋرض از مبﺪاﻫﺎ و فرضﻴﻪ‬
‫ﻳک مبﺘﻨی ﺑر ﺗبﻌﻴﺖ مﻌﺎدلﻪ رگرﺳﻴﻮنی از اثرات ثﺎﺑﺖ میﺑﺎﺷﺪ و در صﻮرﺗی‬
‫کﻪ احﺘﻤﺎل کﻤﺘر از ‪ 0/05‬ﺑﺎﺷﺪ فرضﻴﻪ صفر رد میﺷﻮد و ﺑﺎﻳﺪ اثرات ﺗﺼﺎدفی‬
‫را آزمﻮن کرد ﺗﺎ ﺑررﺳی کﻨﻴﻢ ﺑرای ﺗخﻤﻴن مﻌﺎدلﻪ از کﺪام ﻳک از دو روش‬
‫اثرات ثﺎﺑﺖ ﻳﺎ ﺗﺼﺎدفی اﺳﺘفﺎده کﻨﻴﻢ‪ .‬در آزمﻮن ﻫﺎﺳﻤن فرضﻴﻪ صفر ﻫﻤﺴﺎنی‬
‫ﺟﺰ اخاللﻫﺎ میﺑﺎﺷﺪ و ﺑﻪ اﻳن مﻮضﻮع اﺷﺎره دارد کﻪ ﺑﺎﻳﺪ در ﺗخﻤﻴن الگﻮ‬
‫از روش اثرات ﺗﺼﺎدفی اﺳﺘفﺎده کرد‪ .‬در صﻮرﺗی کﻪ احﺘﻤﺎل آزمﻮن ﻫﺎﺳﻤن‬
‫ﺑﻴش از ‪ 0/05‬ﺑﺎﺷﺪ از اثرات ثﺎﺑﺖ اﺳﺘفﺎده میکﻨﻴﻢ‪ .‬نﺘﺎﻳج اﻳن آزمﻮنﻫﺎ‬
‫ﺑﻪ ﺷرح زﻳر میﺑﺎﺷﺪ‪:‬‬
 ‫ﺟﺪول ‪ :2‬مقﺎدﻳر آمﺎرهﻫﺎ ﺑرای ﺗﻌﻴﻴن اثرات ثﺎﺑﺖ و اثرات ﺗﺼﺎدفی‬
‫اثرات‬ ‫اثرات ثﺎﺑﺖ‬
‫آزمﻮن‬ ‫ﺗﺼﺎدفی‬
‫احﺘﻤﺎل‬ ‫آمﺎره ‪ t‬احﺘﻤﺎل‬
‫ﻫﺎﺳﻤن‬ ‫آزمﻮن‬ ‫‪ F‬لﻴﻤر‬
‫ﻫﺎﺳﻤن‬

‫‪0/12‬‬ ‫‪8/64‬‬ ‫مقطع‬ ‫‪0/00‬‬ ‫‪4/39‬‬ ‫مقطع‬

‫ﺑراﺳﺎس نﺘﺎﻳج ﺑﻴﺎن ﺷﺪه در ﺟﺪول (‪ )2‬ﺑراﺳﺎس آمﺎره ‪ F‬لﻴﻤر فرض صفر ﺑر‬
‫مبﻨی ﺗخﻤﻴن الگﻮی ‪Pool‬رد میﺷﻮد و آزمﻮن ﻫﺎﺳﻤن نﻴﺰ ﺗخﻤﻴن مﺪل ﺑﺎ اﺳﺘفﺎده‬
‫از مﺪل اثرات ثﺎﺑﺖ را رد میکﻨﺪ‪ .‬ﺑر اﺳﺎس آمﺎره ﻫﺎﺳﻤن الگﻮی پژوﻫش‬
‫ﺑﺎﻳﺪ ﺑﺎ اﺳﺘفﺎده از اثرات ﺗﺼﺎدفی ﺑرازش ﺷﻮد‪.‬‬

‫جدول‪ :3‬نتایج تخمین الگوی خود رگرسیون برداری‬

‫‪Prob.‬‬ ‫‪t-Statistic‬‬ ‫‪Std. Error‬‬ ‫‪Coefficient‬‬ ‫‪Variable‬‬

‫‪0.0000‬‬ ‫‪9.826541‬‬ ‫‪0.030832‬‬ ‫‪0.302970‬‬ ‫‪INDEX‬‬

‫‪0.0000‬‬ ‫‪-10.13924‬‬ ‫‪0.000229‬‬ ‫‪-0.002321‬‬ ‫‪MONEY‬‬
‫‪0.3296‬‬ ‫‪-0.977387‬‬ ‫‪1.25E-10‬‬ ‫‪-1.22E-10‬‬ ‫‪LOAN‬‬
‫‪0.0954‬‬ ‫‪1.676218‬‬ ‫‪0.708757‬‬ ‫‪1.188032‬‬ ‫‪REPS‬‬
‫‪0.0009‬‬ ‫‪3.367048‬‬ ‫‪25.56119‬‬ ‫‪86.06575‬‬ ‫‪FLOW‬‬
‫‪0.0000‬‬ ‫‪5.494325‬‬ ‫‪480.1978‬‬ ‫‪2638.363‬‬ ‫‪C‬‬

‫‪Effects Specification‬‬

‫ﺑرای ﺑررﺳی مﻌﻨی داری ﺗﺎثﻴر مﺘغﻴرﻫﺎی مﺴﺘقل ﺑر مﺘغﻴر واﺑﺴﺘﻪ از‬
‫آزمﻮن ‪ t‬اﺳﺘﻴﻮدنﺖ و احﺘﻤﺎل آن اﺳﺘفﺎده میگردد و فرضﻴﻪ صفر ﺑر اﻳن‬
‫مﻮضﻮع داللﺖ دارد کﻪ مﺘغﻴر ﺗﺎثﻴر مﻌﻨی داری ﺑﻪ لحﺎظ آمﺎری ﺑر مﺘغﻴر‬
‫واﺑﺴﺘﻪ نﺪارد و در صﻮرت اﻳﻨکﻪ احﺘﻤﺎل کﻤﺘر از ‪ 0/05‬ﺑﺎﺷﺪ اﻳن فرضﻴﻪ‬
‫رد میگردد‪.‬‬
‫نﺘﺎﻳج ﺗخﻤﻴن الگﻮی خﻮد رگرﺳﻴﻮن ﺑرداری نﺸﺎن میدﻫﺪ کﻪ ﺗأثﻴر‬
‫مﺘغﻴرﻫﺎی ﺷﺎخص ﻗﻴﻤﺖ ﺑﺎزار ﺳﻬﺎم‪ ،‬ﺳﻮد محقق ﺷﺪه و گردش ﺳﻬﺎم ﺑﺎنکﻫﺎ‬
‫ﺑر روی ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ در دوره ﺟﺎری‪ ،‬ﺗأثﻴر مثبﺖ و افﺰاﻳش حﺠﻢ‬
‫پﻮل و مطﺎلبﺎت مﻌﻮﻗع ﺗأثﻴر مﻨفی ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد‪ .‬مطﺎلبﺎت‬
‫مﻌﻮﻗﻪ ﺑﺎنکﻫﺎ اثر مﻌﻨی داری ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ در دوره ﺟﺎری‬
‫نﺪارد و ضرﻳب آن اخﺘالف مﻌﻨیداری ﺑﺎ صفر نﺪارد‪.‬‬

‫ﺟﺪول ‪ ، 3‬نﺸﺎن میدﻫﺪ افﺰاﻳش گردش ﺳﻬﺎم ﺑﺎنکﻫﺎ ﺗأثﻴر مثبﺖ ﺷﺪﻳﺪی ﺑر‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد‪ .‬افﺰاﻳش گردش ﺳﻬﺎم ﺑﻪ مﻌﻨﺎی افﺰاﻳش ﺗقﺎضﺎ و‬
‫رﺷﺪ نقﺪﺷﻮنﺪگی ﺳﻬﺎم ﺑﺎنکﻫﺎ اﺳﺖ کﻪ مﻨﺠر ﺑﻪ افﺰاﻳش ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ‬
‫میﺷﻮد‪ .‬زمﺎنی کﻪ ﻗﻴﻤﺖ ﺳﻬﺎم کﻤﺘر از ارزش ذاﺗی آن میﺑﺎﺷﺪ و فﻌﺎالن ﺑﺎزار‬
‫مﺘﻮﺟﻪ اﻳن مﻮضﻮع ﺷﻮنﺪ‪ ،‬ﺷروع ﺑﻪ خرﻳﺪ ﺳﻬﻢ و نگﻬﺪاری آن ﺗﺎ زمﺎن نﺰدﻳک‬
‫ﺷﺪن ﻗﻴﻤﺖ ﺳﻬﻢ ﺑﻪ ارزش ذاﺗی آن میکﻨﻨﺪ‪ ،‬ﻫرچﻪ ﻗﻴﻤﺖ ﺑﻪ ارزش ذاﺗی خﻮد‬
‫نﺰدﻳکﺗر میﺷﻮد‪ ،‬ﺗقﺎضﺎ ﺑرای آن کﺎﻫش ﻳﺎفﺘﻪ و رﺷﺪ ﻗﻴﻤﺖ و اثر اﻳﺠﺎد ﺷﺪه‬
‫ﺗﻮﺳط گردش ﺳﻬﺎم ﺑﻪ مرور کﺎﻫش میﻳﺎﺑﺪ و مﻮﺟب ﺗﻌﺪﻳل اﻳن اثر میﺷﻮد‪.‬‬
‫افﺰاﻳش حﺠﻢ پﻮل دارای ﺗأثﻴر مﻨفی ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ اﺳﺖ‪ .‬اﻳن‬
‫ﺗغﻴﻴرات نﺸﺎن میدﻫﺪ حﺠﻢ پﻮل راﺑطﻪ حﺠﻢ پﻮل و ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ را از‬
‫ﺑﻌﺪ مکﺎنﻴﺰم انﺘقﺎل ﺳﻴﺎﺳﺖ پﻮلی از طرﻳق کﺎنﺎل ﺟﺎنﺸﻴﻨی میﺗﻮان ﺑررﺳی‬
‫کرد‪:‬اﻋالم ﺳﻴﺎﺳﺖ انبﺴﺎط پﻮلی در اﻗﺘﺼﺎد اﻳران دارای اثر روانی مﻨفی ﺑر‬
‫ﺷکلگﻴری انﺘظﺎرات و مﻴل ﺑﻪ ﺳرمﺎﻳﻪگذاری اﺳﺖ و لذا دﺳﺘﻪای از ﺳرمﺎﻳﻪ‬
‫گذاران میکﻮﺷﻨﺪ ﺑﺎ فروش ﺳﻬﺎم خﻮد از ﺑﺎزار خﺎرج ﺷﻮنﺪ و اﻳن افﺰاﻳش‬
‫ﻋرضﻪ مﻨﺠر ﺑﻪ کﺎﻫش ﻗﻴﻤﺖ میﺷﻮد‪.‬‬
‫افﺰاﻳش ﺷﺎخص ﻗﻴﻤﺖ ﺳﻬﺎم ﺗأثﻴر مثبﺖ ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارنﺪ‪ .‬دلﻴل‬
‫ﺗأثﻴر مثبﺖ اﻳن مﺘغﻴر را میﺗﻮان ﺑﻪ اﻳن مﻮضﻮع مرﺑﻮط دانﺴﺖ کﻪ ﺷﺎخص‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﻪ ﻋﻨﻮان مﻌﻴﺎری ﺑرای گﺰارش ﻗﻴﻤﺖ ﺳﻬﺎم مﺠﻤﻮع ﺷرکﺖﻫﺎ و‬
‫مؤﺳﺴﺎت مﻮﺟﻮد در ﺑﻮرس اوراق ﺑﻬﺎدار اﺳﺖ؛ افﺰاﻳش اﻳن ﺷﺎخص ﺑﻪ مﻌﻨﺎی‬
‫افﺰاﻳش ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﻨگﺎهﻫﺎ در ﺑﻮرس اوراق ﺑﻬﺎدار در اثر افﺰاﻳش ﺗقﺎضﺎ‬
‫میﺑﺎﺷﺪ و اثرات ﺳررﻳﺰ اﻳن ﺗقﺎضﺎ میﺗﻮانﺪ ﺑﻪ ﺳﻬﺎم ﺑﺎنکﻫﺎ نﻴﺰ انﺘقﺎل‬
‫ﻳﺎﺑﺪ و مﻮﺟب افﺰاﻳش ﻗﻴﻤﺖ آن ﺷﻮد‪.‬‬
‫افﺰاﻳش ﺳﻮد محقق ﺷﺪه ﺑﻪ مﻌﻨی افﺰاﻳش درآمﺪﻫﺎی آﺗی ﺳﻬﺎم و افﺰاﻳش ارزش‬
‫ذاﺗی آن میﺑﺎﺷﺪ کﻪ خﻮد اﻳن مﻮضﻮع مﻨﺠر ﺑﻪ افﺰاﻳش ﻗﻴﻤﺖ ﺑﺎزاری ﻫر ﺳﻬﻢ‬
‫میگردد‪.‬‬
‫ﺗﺎثﻴر مﻨفی مطﺎلبﺎت مﻌﻮﻗﻪ ﺑﻪ اﻳن مﻌﻨی اﺳﺖ کﻪ ﺑﺎ افﺰاﻳش مبلغ وام ﻫﺎی‬
‫ﺳﻮخﺖ ﺷﺪه ﺳﻮد ﺑﺎنکﻫﺎ کﺎﻫش میﻳﺎﺑﺪ و ﺑﻪ ﺗبع آن خﺎلص درآمﺪﻫﺎی آﺗی کﺎﻫش‬
‫میﻳﺎﺑﺪ و اﻳن مﻮضﻮع مﻨﺠر ﺑﻪ کﺎﻫش ارزش ذاﺗی ﻗﻴﻤﺖ ﻫر ﺳﻬﻢ ﺑﺎنک میگردد‪.‬‬
‫امﺎ مﻌﻨی دار نبﻮدن اثر اﻳن مﺘغﻴر را میﺗﻮان اﻳﻨگﻮنﻪ ﺗفﺴﻴر کرد کﻪ‬
‫ﺑﺎزار ﺗﻮﺟﻪ زﻳﺎدی ﺑﻪ اﻳن مﺘغﻴر ﺑﻨﻴﺎدی نﺪارد و فﻌﺎلﻴن ﺑﺎزار چﻨﺪان‬
‫اﻳن مﺘغﻴر را در محﺎﺳبﺎت خﻮد وارد نﻤیکﻨﻨﺪ‪.‬‬
‫‪-6‬تفسیر متغیرها‪:‬‬
‫‪-6-1‬حجم پول‬
‫حﺠﻢ پﻮل ﺗأثﻴر مﻨفی ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد‪ .‬راﺑطﻪ حﺠﻢ پﻮل و‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ را از دو ﺑﻌﺪ میﺗﻮان ﺑررﺳی کرد‪ .‬اول مکﺎنﻴﺰم انﺘقﺎل‬
‫ﺳﻴﺎﺳﺖ پﻮلی از طرﻳق کﺎنﺎل ﺟﺎنﺸﻴﻨی و دوم انﺘقﺎل اﻳن ﺳﻴﺎﺳﺖ از طرﻳق‬
‫کﺎنﺎل وامدﻫی ﺑﺎنکﻫﺎ‪ .‬ﺗأثﻴرگذاری حﺠﻢ پﻮل در کﻮﺗﺎهمﺪت از طرﻳق انﺘقﺎل‬
‫افﺰاﻳش حﺠﻢ پﻮل ﺑﻪ ﺑخش حقﻴقی ﺑﺎ اﺳﺘفﺎده از کﺎنﺎل ﺟﺎنﺸﻴﻨی رخ میدﻫﺪ؛‬
‫ﺑﻪ اﻳن مﻌﻨی کﻪ‪ ،‬در اﻳن فراﻳﻨﺪ ﺗرکﻴب داراﻳی در پرﺗفﻮی اﺷخﺎص ( اﻋﻢ‬
‫از پﻮل‪ ،‬داراﻳی مﺎلی و فﻴﺰﻳکی) ﺗغﻴﻴر کرده و انﻮاع مخﺘلف داراﻳی‪،‬‬
‫ﺟﺎنﺸﻴن ﻳکﺪﻳگر میﺷﻮنﺪ‪ .‬مکﺎنﻴﺰم انﺘقﺎل ﺳﻴﺎﺳﺖ انبﺴﺎط پﻮلی از طرﻳق‬
‫کﺎنﺎل ﺟﺎنﺸﻴﻨی در کﻮﺗﺎهمﺪت‪ ،‬دارای اثر روانی مﻨفی ﺑر ﺷکلگﻴری انﺘظﺎرات‬
‫و مﻴل ﺑﻪ ﺳرمﺎﻳﻪگذاری اﺳﺖ و لذا دﺳﺘﻪای از ﺳرمﺎﻳﻪگذاران میکﻮﺷﻨﺪ ﺑﺎ‬
‫فروش ﺳﻬﺎم خﻮد از ﺑﺎزار خﺎرج ﺷﻮنﺪ و اﻳن افﺰاﻳش ﻋرضﻪ مﻨﺠر ﺑﻪ کﺎﻫش‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ میﺷﻮد‪.‬‬
‫از طرف‪ ،‬دﻳگر انﺘقﺎل ﺳﻴﺎﺳﺖ انبﺴﺎط پﻮلی در ﺑلﻨﺪمﺪت ﺗﻮﺳط کﺎنﺎل وامدﻫی‬
‫ﺑﺎنکی رخ میدﻫﺪ‪ .‬فراﻳﻨﺪ اثرگذاري ﺳﻴﺎﺳﺖ پﻮلﻲ از طرﻳق مﻜﺎنﻴﺴﻢ ﻛﺎنﺎل وامدﻫﻲ‬
‫ﺑﺎنﻜﻲ ﺑﺪﻳن صﻮرت اﺳﺖ ﻛﻪ اﻋﻤﺎل ﺳﻴﺎﺳﺖ پﻮلﻲ انبﺴﺎطی مﻮﺟب افﺰاﻳش ﺳپردهﻫﺎي‬
‫ﺑﺎنﻜﻲ ﺷﺪه و ﺑﻪ ﺗبع آن‪ ،‬اﻋﺘبﺎرات ﺑﺎنﻜﻲ افﺰاﻳش میﻳﺎﺑﺪ‪ .‬در واﻗع‪ ،‬ﺳﻴﺎﺳﺖ پﻮلﻲ‬
‫انبﺴﺎطی‪ ،‬مﻮﺟب افﺰاﻳش ﺳپردهﻫﺎي ﺑﺎنﻜﻲ ﺷﺪه و مﻨﺎﺑع ﺑﺎنکﻫﺎ ﺑرای اﻋطﺎی‬
‫ﺗﺴﻬﻴالت افﺰاﻳش میﻳﺎﺑﺪ‪ .‬افﺰاﻳش ﻋﻤلﻴﺎت ﺑﺎنکی مﻨﺠر ﺑﻪ افﺰاﻳش ﺳﻮد ﺑﺎنکﻫﺎ‬
‫و ﺑﻪ ﺗبع آن افﺰاﻳش ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ میﺷﻮد‪.‬‬
‫‪ -6-2‬نقدشوندگی‬
‫نقﺪﺷﻮنﺪگی ﺗأثﻴر مثبﺖ ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد زﻳرا‪ ،‬ﻳﻜﻲ از‬
‫ﻋﻮامل مﻬﻤﻲ ﻛﻪ ﺳرمﺎﻳﻪگذاران ﺑراي ﺳرمﺎﻳﻪگذاري در ﺑﺎزار اوراق ﺑﻬﺎدار ﺑﻪ آن‬
‫اﻫﻤﻴﺖ وﻳژهاي مﻲدﻫﻨﺪ و ﻫﻤچﻨﻴن ﺳﻴﺎﺳﺖگذاران ﺑﺎزار اوراق ﺑﻬﺎدار ﺗﻤﻬﻴﺪات‬
‫مخﺘلفﻲ را ﺑراي ﺑﻬبﻮد آن در نظر مﻲگﻴرنﺪ‪ ،‬نقﺪﺷﻮنﺪگﻲ اوراق ﺑﻬﺎدار اﺳﺖ‪ .‬ﻫرچﻪ‬
‫اوراق ﺑﻬﺎدار نقﺪﺷﻮنﺪهﺗر ﺑﺎﺷﻨﺪ‪ ،‬ﺳرمﺎﻳﻪگذاران انگﻴﺰه ﺑﻴﺸﺘري ﺑراي ﺳرمﺎﻳﻪ‪-‬‬
‫گذاري خﻮاﻫﻨﺪ داﺷﺖ‪ ،‬چرا ﻛﻪ امﻜﺎن ﺑرنﺎمﻪرﻳﺰي در ﻳك افق زمﺎنﻲ ﺑراي ﺳرمﺎﻳﻪ‪-‬‬
‫گذار اﻳﺠﺎد مﻲﺷﻮد‪ .‬ﺑﻨﺎﺑراﻳن مﻮضﻮع نقﺪﺷﻮنﺪگﻲ اوراق ﺑﻬﺎدار و امﻜﺎن پﻴشﺑﻴﻨﻲ‬
‫آن ﺑراي مﺸﺎرﻛﺖﻛﻨﻨﺪگﺎن در ﺑﺎزار اوراق ﺑﻬﺎدار از اﻫﻤﻴﺖ خﺎصﻲ ﺑرخﻮردار اﺳﺖ‪.‬‬
‫ﻫرچﻪ نقﺪﺷﻮنﺪگی ﺳﻬﺎم ﻳک ﺑﻨگﺎه ﺑﻴشﺗر ﺑﺎﺷﺪ‪ ،‬ﺗقﺎضﺎ ﺑرای آن افﺰاﻳش‬
‫میﻳﺎﺑﺪ و ﻗﻴﻤﺖ ﺳﻬﺎم آن ﺑﻨگﺎه افﺰاﻳش میﻳﺎﺑﺪ‪ .‬گردش ﺳﻬﺎم ﺑﺎنکﻫﺎ ﺑﻪ‬
‫ﻋﻨﻮان ﺷﺎخﺼی ﺑرای ﺑﻴﺎن نقﺪﺷﻮنﺪگی ﺗأثﻴر مثبﺖ ﻗﺎﺑل مالحضﻪای ﺑر ﻗﻴﻤﺖ‬
‫ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد‪ .‬افﺰاﻳش گردش ﺳﻬﺎم ﺑﻪ مﻌﻨﺎی افﺰاﻳش ﺗقﺎضﺎ و رﺷﺪ‬
‫نقﺪﺷﻮنﺪگی ﺳﻬﺎم ﺑﺎنکﻫﺎ اﺳﺖ کﻪ مﻨﺠر ﺑﻪ افﺰاﻳش ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ میﺷﻮد‪.‬‬
‫زمﺎنی کﻪ ﻗﻴﻤﺖ ﺳﻬﺎم کﻤﺘر از ارزش ذاﺗی آن میﺑﺎﺷﺪ و فﻌﺎالن ﺑﺎزار مﺘﻮﺟﻪ‬
‫اﻳن مﻮضﻮع ﺷﻮنﺪ‪ ،‬ﺷروع ﺑﻪ خرﻳﺪ ﺳﻬﻢ و نگﻬﺪاری آن ﺗﺎ زمﺎن نﺰدﻳک ﺷﺪن‬
‫ﻗﻴﻤﺖ ﺳﻬﻢ ﺑﻪ ارزش ذاﺗی آن میکﻨﻨﺪ ﻫرچﻪ ﻗﻴﻤﺖ ﺑﻪ ارزش ذاﺗی خﻮد نﺰدﻳکﺗر‬
‫میﺷﻮد‪ ،‬ﺗقﺎضﺎ ﺑرای آن کﺎﻫش ﻳﺎفﺘﻪ و رﺷﺪ ﻗﻴﻤﺖ و اثر اﻳﺠﺎد ﺷﺪه ﺗﻮﺳط‬
‫افﺰاﻳش گردش ﺳﻬﺎم ﺑﻪ مرور کﺎﻫش میﻳﺎﺑﺪ‪.‬‬
‫ﺗأثﻴر مﺘغﻴر نقﺪﺷﻮنﺪگی کﻪ ﺗحﺖ ﺗأثﻴر حﺠﻢ مﻌﺎمالت ﺳﻬﺎم ﺑﺎنکﻫﺎ اﺳﺖ و‬
‫اگر ﺑﻪ نحﻮه ﺗﺼﻤﻴﻢگﻴري ﺳرمﺎﻳﻪگذاران در ﺑﺎزار ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران ﺗﻮﺟﻪ‬
‫ﺷﻮد‪ ،‬مﻲﺗﻮان اﻳن مﻮضﻮع را مﺸﺎﻫﺪه نﻤﻮد‪ .‬ﺑﻪ ﻋبﺎرت دﻳگر مبﻨﺎي ﺗﺼﻤﻴﻢگﻴري ﺑرخﻲ‬
‫از ﺳﻬﺎمﺪاران‪ ،‬نحﻮه حرکﺎت ﻗﻴﻤﺖ ﺳﻬﺎم و ﺑرخی دﻳگر حﺠﻢ مﻌﺎمالت اﺳﺖ‪ .‬ﻋلﺖ اﻳن‬
‫امر را میﺗﻮان ﻋﺪم دﺳﺘرﺳی ﺑﻴشﺗر فﻌﺎالن ﺑﻮرس ﺑﻪ رانﺖ اطالﻋﺎﺗی و ﻳﺎ‬
‫نﺪاﺷﺘن ﺗحلﻴل ﺟﺎمع حﻮل ﺳﻬﺎم ﻳک ﺷرکﺖ دانﺴﺖ کﻪ ﺑﺎﻋث میﺷﻮد اﻳن افراد‬
‫ﺑﻴشﺗر ﺑﻪ دنبﺎل نﻮﺳﺎنگﻴری ﺑﺎﺷﻨﺪ‪.‬‬
‫‪-6-3‬شاخص قیمت بازار‬
‫افﺰاش ﺷﺎخص ﻗﻴﻤﺖ ﺑﺎزار ﺗأثﻴر مثبﺖ ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ دارنﺪ کﻪ‬
‫پس از طی مﺪت زمﺎنی اﻳن اثر ﺗﻌﺪﻳل میگردد‪ .‬دلﻴل ﺗأثﻴر مثبﺖ اﻳن مﺘغﻴر‬
‫را میﺗﻮان ﺑﻪ اﻳن مﻮضﻮع مرﺑﻮط دانﺴﺖ کﻪ ﺷﺎخص ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﻪ ﻋﻨﻮان‬
‫مﻌﻴﺎری ﺑرای گﺰارش ﻗﻴﻤﺖ ﺳﻬﺎم مﺠﻤﻮع ﺷرکﺖﻫﺎ و مؤﺳﺴﺎت مﻮﺟﻮد در ﺑﻮرس‬
‫اوراق ﺑﻬﺎدار اﺳﺖ؛ افﺰاﻳش اﻳن ﺷﺎخص ﺑﻪ مﻌﻨﺎی افﺰاﻳش ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﻨگﺎهﻫﺎ‬
‫در ﺑﻮرس اوراق ﺑﻬﺎدار ﺑﻪ ﻋلﺖ افﺰاﻳش ﺗقﺎضﺎ اﺳﺖ و اثرات ﺳررﻳﺰ اﻳن‬
‫ﺗقﺎضﺎ‪ ،‬میﺗﻮانﺪ ﺑﻪ ﺳﻬﺎم ﺑﺎنکﻫﺎ نﻴﺰ انﺘقﺎل ﻳﺎﺑﺪ و مﻮﺟب افﺰاﻳش ﻗﻴﻤﺖ‬
‫آن ﺷﻮد‪.‬‬
‫اﻳن مﻮضﻮع را ﺑﻪ گﻮنﻪای دﻳگر نﻴﺰ میﺗﻮان ﺑﻴﺎن کرد‪ ،‬ﺑﺪﻳن صﻮرت کﻪ‬
‫ﺳرمﺎﻳﻪگذاران در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬران از ﻋﺎمل ﺑﺎزار ﺗبﻌﻴﺖ و در ﺗﺼﻤﻴﻤﺎت‬
‫ﺳرمﺎﻳﻪگذاري خﻮد ﺑﻪ ﺟﺎي ﺗﻮﺟﻪ ﺑﻪ مﺘغﻴرﻫﺎي ﺑﻨﻴﺎدي ﺗأثﻴرگذار در ﻗﻴﻤﺖ‪ ،‬ﺑﻴشﺗر‬
‫ﺑﻪ ﻋﻤلکرد کل ﺑﺎزار ﺗﻮﺟﻪ میکﻨﻨﺪ؛ ﻳﻌﻨی در مﻮاﻗﻌی کﻪ ﺷﺎخص ﺑﺎزار در حﺎل افﺰاﻳش‬
‫ﻳﺎ کﺎﻫش اﺳﺖ‪ ،‬ﺑﺎزده اکثر ﺳﻬﺎمﻫﺎ ﺑﺪون دلﻴل مﻨطقی و ﺗﻨﻬﺎ ﺑﺎ پﻴروي از ﺑﺎزده‬
‫ﺑﺎزار افﺰاﻳش ﻳﺎ کﺎﻫش میﻳﺎﺑﺪ‪ .‬ﺗبﻌﻴﺖ از رونﺪ ﺑﺎزار و نﺎدﻳﺪه گرفﺘن مﺘغﻴرﻫﺎی‬
‫ﺑﻨﻴﺎدي درﻋرضﻪ و ﺗقﺎضﺎي ﺳﻬﺎم میﺗﻮانﺪ انحراف ﻗﻴﻤﺖﻫﺎ از ﻗﻴﻤﺖ ﺗﻌﺎدلی و ﻋﺪم‬
‫کﺎراﻳی ﺑﺎزار را ﺑﻪ دنبﺎل داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬
 ‫‪ -6-4‬مطالبات معوقه بانکها‬
‫نﺘﺎﻳج ﺟﺪول (‪ )3‬نﺸﺎن میدﻫﺪ اثر مطﺎلبﺎت مﻌﻮﻗﻪ ﺑﺎنکﻫﺎ ﺑر ﻗﻴﻤﺖ‬
‫ﺳﻬﺎم آنﻫﺎ نﺎچﻴﺰ ﺑﻮده و حﺎکی از ﻋﺪم ﺗﻮﺟﻪ فﻌﺎالن ﺑﺎزار ﺑﻪ اﻳن مﺘغﻴر‬
‫ﺑﻨﻴﺎدی در ﻗﻴﻤﺖگذاری ﺳﻬﺎم ﺑﺎنکﻫﺎ دارد‪ .‬ﻋﺪم ﺗأثﻴرگذاری اﻳن مﺘغﻴر ﺑر‬
‫ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ میﺗﻮانﺪ ﺑﻪ دلﻴل ﺗبﻌﻴﺖ ﻋﻤﺪی ﺳرمﺎﻳﻪگذاران از ﻋﺎمل‬
‫ﺑﺎزار ﺑﺎﺷﺪ‪ .‬مﻨظﻮر از ﺗبﻌﻴﺖ ﻋﻤﺪی از ﻋﺎمل ﺑﺎزار‪ ،‬اﻳن اﺳﺖ کﻪ ﺳرمﺎﻳﻪ‪-‬‬
‫گذاران ﺑﻪ ﺟﺎی ﺗﻮﺟﻪ ﺑﻪ مﺘغﻴرﻫﺎی ﺑﻨﻴﺎدی‪ ،‬ﺑﻪ صﻮرت ﺟﻤﻌی اﻗﺪام ﺑﻪ خرﻳﺪ‬
‫ﻳﺎ فروش ﺳﻬﺎم ﺑﺎنکﻫﺎ میکﻨﻨﺪ‪.‬‬
‫‪-6-5‬سود محقق شده‪:‬‬
‫اﻳن ﻋﺎمل را میﺗﻮان از دو وﺟﻪ مﻮرد ﺑررﺳی ﻗرار داد ﻳکی ﺑﻪ لحﺎظ‬
‫کﻮﺗﺎه مﺪت کﻪ ﺑﻪ مﻌﻨی کﺎﻫش نﺴبﺖ ‪ p/e‬میﺑﺎﺷﺪ و در اﻳن صﻮرت ﺳﻮد‬
‫ﺳرمﺎﻳﻪ گذاری کﻮﺗﺎه مﺪت ﻳکﺴﺎلﻪ افﺰاﻳش میﻳﺎﺑﺪ و در صﻮرﺗی کﻪ درصﺪ‬
‫ﺳﻮد ﻫر ﺳﻬﻢ ﺑﻴش از مﺘﻮﺳط ﺑﺎزار ﺑﺎﺷﺪ افﺰاﻳش ﺗقﺎضﺎ ﺑرای آن اﻳﺠﺎد‬
‫ﺷﺪه و ﻗﻴﻤﺖ ﺗﺎ حﺪی افﺰاﻳش میﻳﺎﺑﺪ کﻪ نﺴبﺖ ‪ p/e‬ﺑﻪ مﺘﻮﺳط صﻨﻌﺖ ﻳﺎ‬
‫ﺑﺎزار نﺰدﻳک ﺷﻮد‪.‬‬
‫در انﺘﻬﺎ دلﻴل پﺎﻳﻴن ﺑﻮدن ﺗﻮضﻴﺢ دﻫﻨﺪگی مﺪل را میﺗﻮان انگﻮنﻪ ﺑﻴﺎن‬
‫کرد کﻪ ﺑﺴﻴﺎری از اطالﻋﺎت ﻗبل از انﺘﺸﺎر رﺳﻤی ﺑﺪﺳﺖ فﻌﺎالن اصلی ﺑﺎزار‬
‫میرﺳﺪ و اﻳن نکﺘﻪ مﻨﺠر ﺑﻪ اﻳن مﻮضﻮع میﺷﻮد کﻪ اﻳن ﻋﻮامل ﺗﺎثﻴر خﻮد را‬
‫ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم پﻴش از انﺘﺸﺎر رﺳﻤی ﺑگذارنﺪ و ﻫﻤﻴﻨطﻮر ﺑرای ﺑررﺳی ﺑﻬﺘر‬
‫ﻋﻮامل مﻮثر ﺑر ﻗﻴﻤﺖ ﺳﻬﺎم ﺑﺎنکﻫﺎ ﺑﻬﺘر اﺳﺖ ﺑﻪ دادهﻫﺎی روزانﻪ دﺳﺘرﺳی‬
‫داﺷﺖ زﻳرا ﺑﺎزار اوراق ﺑﻬﺎدار ﺑﺎزاری پﻮﻳﺎ و حﺴﺎس ﺑﻪ مﺘغﻴرﻫﺎی ﺑﺴﻴﺎری‬
‫اﺳﺖ کﻪ نﻤیﺗﻮان آنﻬﺎ را در مﺘغﻴرﻫﺎی فﺼلی مﺸﺎﻫﺪه کرد‪.‬‬
 : ‫پیوستها‬
‫ﺑررﺳی مﺎنﺎﻳی مﺘغﻴرﻫﺎ‬

Null Hypothesis: Unit root (individual unit root process)

Series: REPS
Date: 09/15/14 Time: 11:06
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 7
Total number of observations: 161
Cross-sections included: 12

Prob.** Statistic Method

-
0.0089 2.37039 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
12 2 2 1.284 -1.346 0.0135 -3.9380 1
5 0 0 2.648 -1.558 0.3246 -1.8483 2
4 0 0 2.118 -1.246 0.3159 -1.8562 3
4 0 0 2.118 -1.246 0.2943 -1.9334 4
16 4 3 1.152 -1.375 0.5964 -1.3136 5
4 0 0 2.118 -1.246 0.3505 -1.7516 6
11 2 2 1.352 -1.333 0.0026 -5.1046 7
13 2 0 0.981 -1.510 0.0048 -4.4887 8
28 7 3 0.925 -1.445 0.8990 -0.3840 9
27 8 7 1.123 -1.291 0.7433 -0.9869 10
30 8 4 0.946 -1.394 0.5492 -1.4405 11
7 1 0 2.016 -1.536 0.3682 -1.7557 12

1.565 -1.377 -2.2335 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

Null Hypothesis: Unit root (individual unit root process)

Series: PRICE
Date: 09/15/14 Time: 11:07
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 2
Total number of observations: 175
Cross-sections included: 12
 Prob.** Statistic Method
-
0.0057 2.53122 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
12 2 2 1.284 -1.346 0.0439 -3.2242 1
5 0 0 2.648 -1.558 0.0236 -4.5411 2
4 0 0 2.118 -1.246 0.9461 0.4528 3
4 0 0 2.118 -1.246 0.8418 -0.2463 4
17 4 2 1.034 -1.403 0.1798 -2.3108 5
4 0 0 2.118 -1.246 0.3210 -1.8399 6
11 2 2 1.352 -1.333 0.1271 -2.5708 7
12 2 1 1.157 -1.494 0.2494 -2.0939 8
31 7 0 0.787 -1.526 0.0049 -3.9515 9
34 8 0 0.781 -1.525 0.4980 -1.5473 10
34 8 0 0.781 -1.525 0.2001 -2.2295 11
7 1 0 2.016 -1.536 0.0359 -3.6805 12

1.516 -1.415 -2.3152 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

Null Hypothesis: Unit root (individual unit root process)

Series: LOAN
Date: 09/15/14 Time: 11:13
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 6
Total number of observations: 171
Cross-sections included: 12

Prob.** Statistic Method

-
0.0279 1.91237 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
14 2 0 0.952 -1.512 0.0059 -4.2986 1
5 0 0 2.648 -1.558 0.4583 -1.4896 2
4 0 0 2.118 -1.246 0.8515 -0.2014 3
4 0 0 2.118 -1.246 0.3304 -1.8099 4
19 4 0 0.865 -1.520 0.2969 -1.9683 5
 4 0 0 2.118 -1.246 0.9589 0.6247 6
13 2 0 0.981 -1.510 0.0234 -3.5658 7
13 2 0 0.981 -1.510 0.2041 -2.2354 8
25 7 6 1.114 -1.289 0.8259 -0.7123 9
30 8 4 0.946 -1.394 0.5895 -1.3572 10
34 8 0 0.781 -1.525 0.0001 -5.4104 11
6 1 1 2.369 -1.544 0.1135 -2.7893 12

1.500 -1.425 -2.1011 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

Null Hypothesis: Unit root (individual unit root process)

Series: MONEY
Date: 09/15/14 Time: 11:09
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 5
Total number of observations: 160
Cross-sections included: 12

Prob.** Statistic Method

9.6571
1.0000 2 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
13 2 1 1.109 -1.497 0.9999 2.9834 1
5 0 0 2.648 -1.558 0.9765 0.8139 2
4 0 0 2.118 -1.246 0.9526 0.5297 3
4 0 0 2.118 -1.246 0.9526 0.5297 4
16 4 3 1.152 -1.375 1.0000 4.0555 5
4 0 0 2.118 -1.246 0.9526 0.5297 6
12 2 1 1.157 -1.494 0.9999 2.8745 7
12 2 1 1.157 -1.494 0.9999 2.8745 8
26 7 5 1.040 -1.358 0.9999 2.5140 9
29 8 5 0.995 -1.377 1.0000 2.7048 10
29 8 5 0.995 -1.377 1.0000 2.7048 11
6 1 1 2.369 -1.544 0.9981 2.1419 12

1.582 -1.401 2.1047 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

Null Hypothesis: Unit root (individual unit root process)

Series: D(MONEY)
 Date: 09/15/14 Time: 11:10
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 3
Total number of observations: 145
Cross-sections included: 9 (3 dropped)

Prob.** Statistic Method

-
0.0000 100.701 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
11 2 2 1.352 -1.333 0.3494 -1.8282 1
4 0 0 2.118 -1.246 0.3123 -1.8683 2
Dropped from Test 3
Dropped from Test 4
15 3 3 1.181 -1.366 0.8062 -0.7425 5
Dropped from Test 6
11 1 1 1.206 -1.491 0.6437 -1.1751 7
11 1 1 1.206 -1.491 0.6437 -1.1751 8
27 6 3 0.934 -1.441 0.9670 0.1937 9
30 7 3 0.907 -1.453 0.9704 0.2349 10
30 7 3 0.907 -1.453 0.9704 0.2349 11
6 0 0 2.332 -1.547 0.1405 -2.6007 12

1.349 -1.425 -40.417 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

Null Hypothesis: Unit root (individual unit root process)

Series: INDEX
Date: 09/15/14 Time: 11:08
Sample: 1382Q4 1391Q2
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 to 1
Total number of observations: 181
Cross-sections included: 12

Prob.** Statistic Method

-
0.0949 1.31129 Im, Pesaran and Shin W-stat

** Probabilities are computed assuming asympotic normality

Intermediate ADF test results

Max Cross
Obs Lag Lag E(Var) E(t) Prob. t-Stat section
 14 2 0 0.952 -1.512 0.6816 -1.1064 1
5 0 0 2.648 -1.558 0.0613 -3.4783 2
4 0 0 2.118 -1.246 0.1036 -3.0827 3
4 0 0 2.118 -1.246 0.1036 -3.0827 4
18 4 1 0.953 -1.511 0.8408 -0.6283 5
4 0 0 2.118 -1.246 0.1036 -3.0827 6
13 2 0 0.981 -1.510 0.5194 -1.4632 7
13 2 0 0.981 -1.510 0.5194 -1.4632 8
31 7 0 0.787 -1.526 0.8170 -0.7578 9
34 8 0 0.781 -1.525 0.8017 -0.8161 10
34 8 0 0.781 -1.525 0.8017 -0.8161 11
7 1 0 2.016 -1.536 0.0708 -3.1186 12

1.436 -1.454 -1.9080 Average

Warning: for some series the expected mean and variance for the given lag
and observation are not covered in IPS paper

‫آزمﻮن اثرات ثﺎﺑﺖ و ﺗﺼﺎدفی‬

Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Prob. d.f. Statistic Effects Test

0.0000 (11,177) 4.394143 Cross-section F

0.0000 11 46.839553 Cross-section Chi-square

Cross-section fixed effects test equation:

Dependent Variable: PRICE
Method: Panel Least Squares
Date: 09/15/14 Time: 11:24
Sample: 1382Q4 1391Q2
Periods included: 35
Cross-sections included: 12
Total panel (unbalanced) observations: 194

Prob. t-Statistic Std. Error Coefficient Variable

0.0000 9.751802 0.032987 0.321682 INDEX

0.0000 -10.46659 0.000239 -0.002501 MONEY
0.0333 -2.144316 1.09E-10 -2.33E-10 LOAN
0.0055 2.810166 0.688770 1.935557 REPS
0.0008 3.406212 25.65010 87.36967 FLOW
0.0000 6.828071 405.4337 2768.330 C

2890.181 Mean dependent var 0.475186 R-squared

2209.844 S.D. dependent var 0.461228 Adjusted R-squared
17.65121 Akaike info criterion 1622.049 S.E. of regression
17.75228 Schwarz criterion 4.95E+08 Sum squared resid
17.69213 Hannan-Quinn criter. -1706.167 Log likelihood
0.920450 Durbin-Watson stat 34.04444 F-statistic
0.000000 Prob(F-statistic)
 Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Chi-Sq.
Prob. Chi-Sq. d.f. Statistic Test Summary

0.1240 5 8.648079 Cross-section random

Cross-section random effects test comparisons:

Prob. Var(Diff.) Random Fixed Variable

0.3798 0.000024 0.302970 0.298663 INDEX

0.3353 0.000000 -0.002321 -0.002281 MONEY
0.3907 0.000000 -0.000000 -0.000000 LOAN
0.3239 0.057408 1.188032 0.951659 REPS
0.1850 50.301429 86.065753 76.664714 FLOW

Cross-section random effects test equation:

Dependent Variable: PRICE
Method: Panel Least Squares
Date: 09/15/14 Time: 11:25
Sample: 1382Q4 1391Q2
Periods included: 35
Cross-sections included: 12
Total panel (unbalanced) observations: 194

Prob. t-Statistic Std. Error Coefficient Variable

0.0000 6.589390 423.8609 2792.985 C

0.0000 9.566593 0.031219 0.298663 INDEX
0.0000 -9.803315 0.000233 -0.002281 MONEY
0.6316 -0.480242 1.41E-10 -6.75E-11 LOAN
0.2050 1.271998 0.748161 0.951659 REPS
0.0043 2.890076 26.52689 76.66471 FLOW

Effects Specification

Cross-section fixed (dummy variables)

2890.181 Mean dependent var 0.587761 R-squared

2209.844 S.D. dependent var 0.550497 Adjusted R-squared
17.52317 Akaike info criterion 1481.590 S.E. of regression
17.80953 Schwarz criterion 3.89E+08 Sum squared resid
17.63912 Hannan-Quinn criter. -1682.747 Log likelihood
1.055886 Durbin-Watson stat 15.77267 F-statistic
0.000000 Prob(F-statistic)

‫ﺑرآورد الگﻮی مﺪل‬

Dependent Variable: PRICE
Method: Panel EGLS (Cross-section random effects)
 Date: 09/15/14 Time: 11:29
Sample: 1382Q4 1391Q2
Periods included: 35
Cross-sections included: 12
Total panel (unbalanced) observations: 194
Swamy and Arora estimator of component variances

Prob. t-Statistic Std. Error Coefficient Variable

0.0000 9.826541 0.030832 0.302970 INDEX

0.0000 -10.13924 0.000229 -0.002321 MONEY
0.3296 -0.977387 1.25E-10 -1.22E-10 LOAN
0.0954 1.676218 0.708757 1.188032 REPS
0.0009 3.367048 25.56119 86.06575 FLOW
0.0000 5.494325 480.1978 2638.363 C

Effects Specification
Rho S.D.

0.1826 700.2322 Cross-section random

0.8174 1481.590 Idiosyncratic random

Weighted Statistics

1184.280 Mean dependent var 0.422467 R-squared

1933.064 S.D. dependent var 0.407107 Adjusted R-squared
4.20E+08 Sum squared resid 1493.944 S.E. of regression
1.008672 Durbin-Watson stat 27.50447 F-statistic
0.000000 Prob(F-statistic)

Unweighted Statistics

2890.181 Mean dependent var 0.462017 R-squared

0.833794 Durbin-Watson stat 5.07E+08 Sum squared resid