قیمت‌گذاری دارایی‌، ریسک غیر سیستماتیک

عامل مهم در پیشرفت و بهبود تئوری بازار سرمایه، ارائه دارایی بدون ریسک در تجزیه‌وتحلیل است که سرمایه‌گذاران می‌توانند دارایی بدون ریسک مانند اوراق بهادار خزانه کوتاه‌مدت را خریداری نمایند. این تئوری را عموماً به ویلیام شارپ، نسبت می‌دهند که برای آن جایزه نوبل دریافت کرده است؛ اما لینتنر و موسین نیز به طور مستقل آن را به دست آورده‌اند.
2-21-1-3- مدل بازار
عوامل زیادی در بازده و ریسک اوراق بهادار تاثیرگذار هستند. در یک تقسیم‌بندی کلی پرفسور ویلیام شارپ بر مبنای مدل مارکویتز اعلام می‌دارد که کلیه عوامل به دو گروه اصلی زیر طبقه‌بندی می‌شوند:
1. عواملی که مربوط به خود شرکت است و تنها بر همان شرکت اثر می‌گذارد، مثل ریسک مدیریت.
2. عواملی که مربوط به بازار است و تقریباً به طور نسبی بر تمام شرکت‌ها اثر می‌گذارد، مانند ریسک نرخ بهره.
به عوامل بازار، ریسک سیستماتیک و به عوامل خاص شرکتی ریسک غیر سیستماتیک یا خاص گفته می‌شود. معمولاً برای نرخ بازده هر اوراق بهاداری می‌توان معادله زیر را نوشت:
(2-2)
که در این فرمول:
: نرخ بازده دارایی i در دوره t
: نرخ بازده کلیه اوراق بهادار موجود در بازار در دوره t
: اخلال تصادفی در فرایند در دوره t
در این معادله که به عنوان مدل بازار شناخته شده است، فرض بر این است که تغییرات حاصله در بازده اوراق بهادار به طور عمده ناشی از عوامل بازار است. به بیانی دیگر، در این مدل فرض بر این است که کوواریانس بازدهی بین اوراق بهادار کلاً به خاطر وجود عاملی مشترک است که شاخص نامیده می‌شود. در این مدل از نرخ بازده مجموعه سهم بازار به عنوان شاخص استفاده می‌شود. شاخص بازار اثر مشترکی روی تمام اوراق بهادار می‌گذارد.
2-21-2- مدل‌های چندعاملی
در مقابل مدل تک عاملی رویکرد دیگری که به طور گسترده برای توصیف و برآورد ساختار همبستگی بازده سهام به کار می‌رود، استفاده از مدل‌های چندعاملی است. هدف اصلی در مدل‌های چندعاملی یافتن برخی از تأثیرات غیر بازار است که منجر به حرکات توأم سهام با یکدیگر می‌شود. این عوامل شامل مجموعه پدیده‌های اقتصادی و گروه‌های ساختاری (صنایع) مختلف است. از مدل‌های چندعاملی می‌توان برای میزان بیان انتظارات در مورد بازده‌ها و بررسی اثر وقایع، استفاده کرد. فرض اساسی در مدل‌های چندعاملی این است که کل اقتصاد، اکثر شرکت‌ها را تحت تأثیر قرار می‌دهد.
2-21-2-1- تخمین مدل‌های چندعاملی
اگر چه روش‌های بسیاری برای تخمین مدل‌های چندعاملی وجود دارد، لیکن در کل می‌توان این روش‌ها را به سه دسته کلی تقسیم‌بندی کرد (راعی و تلنگی، 1383).
1. رویکرد سری‌های زمانی
2. رویکرد بخشی (مقطعی)
3. رویکرد تحلیل عاملی
رویکرد سری زمانی: رویکرد سری زمانی شاید برای سرمایه‌گذاران قابل‌درک‌ترین رویکرد باشد. پیش‌فرض اساسی این است که عواملی که بازده اوراق بهادار را تحت تأثیر قرار می‌دهند، شناخته شده هستند. تشخیص عوامل تاثیرگذار، به طور معمول از طریق تحلیل‌های اقتصادی شرکت‌ها به دست می‌آیند. برای مثال، انتظار می‌رود متغیرهای کلان اقتصادی، همانند GDP، تورم، نرخ‌های بهره و قیمت‌های نفت، اثر قابل توجهی بر بازده اوراق داشته باشند. از این رو با توجه به عوامل یاد شده، طراح مدل، اطلاعات تاریخی عوامل یاد شده و بازده‌ی اوراق بهادار را جمع‌آوری می‌کند. سپس با استفاده از این داده‌ها عامل‌های صفر یا منحصربه‌فرد بازده اوراق بهادار، انحراف معیار عامل‌ها و همچنین همبستگی آن‌ها حساب می‌شود.
رویکرد بخشی (مقطعی): درک مفاهیم رویکرد بخشی، کمی مشکل‌تر از رویکرد سری‌های زمانی است، لیکن ابزار قدرتمندی در تحلیل‌ها تلقی می‌شود. در این روش، طراح مدل، کار را با تخمین‌هایی از حساسیت‌های اوراق به عامل‌های خاص شروع می‌کند. سپس در یک دوره‌ی خاص، مقادیر عامل‌ها براساس بازده اوراق و میزان حساسیت‌هایشان به عوامل برآورد می‌شود. این فرایند برای دوره‌های زمانی چندگانه تکرار می‌شود و بدین‌وسیله تخمین‌هایی از ارزش عامل‌ها تهیه می‌شود. این ارزش‌ها به نوبه خود برای برآورد عامل‌های انحراف معیار و همبستگی‌ها به کار می‌روند. توجه نمایید رویکرد بخشی، کاملاً متمایز از رویکرد سری‌های زمانی است. در رویکرد سری‌های زمانی ابتدا ارزش عامل‌ها شناخته می‌شود و سپس حساسیت‌ها برآورده می‌گردند. در حالی که در رویکرد بخشی، به حساسیت‌ها اغلب به عنوان ویژگی‌ها اشاره می‌گردد. در این روش تحلیل در طول یک دوره‌ی زمانی برای گروهی از اوراق بهادار انجام می‌گردد. سپس دوره‌ی زمانی دیگر برای همان گروه انتخاب می‌شود؛ این عمل برای تمامی دوره‌ها تکرار می‌شود.
رویکرد تحلیل عاملی: در این روش عامل‌ها و حساسیت‌های سهام به عامل‌ها، مشخص نیستند. تحلیل عاملی برای تعیین تعداد عامل‌ها و حساسیت‌های سهام براساس مجموعه‌ای از بازده سهام در گذشته به کار می‌رود. تحلیل عاملی بازده را در دوره‌های زمانی بسیار زیاد برای نمونه‌هایی از سهام به کار می‌برد و تلاش می‌کند که یک و یا چند عامل معنی‌دار آماری که منجر به ایجاد کوواریانس بازده مشاهده شده در بین نمونه‌ها می‌شود را شناسایی نماید. متأسفانه نقطه ضعف تحلیل عاملی، این است که مشخص نمی‌کند کدام متغیرهای اقتصادی را به عنوان عامل بیان نمایند (راعی و تلنگی، 1383).
2-21-2-2- آزمون فاما و فرنچ (1992)
فاما و فرنچ، تجزیه‌وتحلیل فاما و مکبث را گسترش دادند و به این نتیجه رسیدند که در طول 40 سال گذشته سهامی که در نوسان شاخص بورس نیویورک نقش بیشتری داشته‌اند، توانسته‌اند بازده بیشتری را نصیب سرمایه‌گذاران خود نمایند. آن‌ها در بررسی‌های خود به این نتیجه رسیدند که پس از کنترل عامل مربوط به اندازه یا بزرگی شرکت رابطه بین میانگین بازده و بتا منفی می‌شود. فاما و فرنچ به این نتیجه رسیدند که سهامی که از نظر نسبت سود هر سهم جاری به قیمت هر سهم یا ارزش دفتری هر سهم نسبت به قیمت همان سهم ارزان‌تر هستند، بازده تحقق یافته بالاتری دارند. آن‌ها همچنین استدلال می‌کنند که اگر چه این نتیجه با الگوی قیمت‌گذاری دارایی‌های سرمایه‌ای که پیش‌بینی می‌کند تفاوت در بتا باید تنها عاملی باشد که توان پیش‌بینی بازدهی‌های آینده را داشته باشد، سازگار نیست. ولی معیارهای ارزان بودن سهام، احتمالاً بتوانند روش‌های دیگری برای تعیین ریسک باشند و به بیان دیگر آن‌ها بر این باورند که بازده زیاد متعلق به سهام ارزان قیمت، مورد انتظار سرمایه‌گذاران است؛ زیرا سهام ارزان سودآور نیست و شرکت‌های مربوطه از نظر مالی دچار بحران هستند. آن‌ها بر این باورند که سرمایه‌گذاران خواستار بازده بیشتر هستند و در نهایت برای تحقق بخشیدن به این خواسته خود در سهام ارزان قیمت سرمایه‌گذاری می‌کنند.

                                                    .