الفهرس 
خطة البجثOnly 14 pages are availabe for public view
 |  | from | 117 |  |  |
| | | from | 117 | | |
Abstract
في ظل سوق تسود فيه حالة التوازن فإن جميع الأصول الرأسمالية لابد وأن تسعر. ويهتم المستثمرون بتحديد العوامل المؤثرة في تفسير معدل العائد المتوقع بما يساعدهم علي صنع واتخاذ قرارات استثمارية مثلى. وفي ذات الوقت يهتم المستثمرون أيضا بالتنبؤ ونمذجة المخاطر.
إذ أن القدرة على التنبؤ ونمذجة المخاطر في أسواق الأسهم له أهمية كبيرة في عملية اختيار محفظة الأسهم، وإدارة وتسعير الأصول. وبالرغم من اتفاق الباحثون أن المخاطر قابلة للتنبؤ والنمذجة في كثير من أسواق الأسهم الإ أنهم اختلفوا حول كيفية القيام بذلك، وخاصة فيما يتعلق بالنموذج الأفضل للتنبؤ ونمذجة المخاطر.
استهدفت الدراسة تحديد العوامل المؤثرة في معدل العائد المتوقع من خلال اختبار نموذج العوامل الثلاثة، واستهدفت أيضا تحديد أفضل نموذج للتنبؤ ونمذجة المخاطر في سوق الأسهم المصرية باستخدام نماذج جارش.
في سبيل تحقيق أهداف الدراسة تم مراجعة الدراسات السابقة وتجارب الدول المرتبطة بهذه القضايا للوصول إلى متغيرات الدراسة والنماذج المستخدمة في أسواق الأسهم. فقد تم اختبار نموذج العوامل الثلاثة لتحديد العوامل المؤثرة في معدل العائد. كما تم اختبار ثلاثة نماذج EGARCH, GARCH-M, GARCH في ظل توزيعات ثلاثة للخطأ العشوائي هي Normal Distribution , Student-t, GED
للتنبؤ ونمذجة مخاطر سوق الأسهم المصرية وتحديد أفضل نموذج وذلك باستخدام سلسلة مالية زمنية لمؤشر السوق لمدة عشر سنوات.
وتوصلت الدراسة الي أن نموذج العوامل الثلاثة يقدم تفسيرا ذو دلالة إحصائية لمعدل العائد وأن العوامل الثلاثة عامل السوق، عامل حجم الشركة، وعامل نسبة القيمة الدفترية الي القيمة السوقية لهم تأثيرا معنويا في معدل العائد.
وتوصلت الدراسة أيضا أن معدلات عوائد الأسهم المصرية لا تتبع التوزيع الطبيعي، وأنها ذات التواء، وبها تفرطح، ويوجد أثر للرافعة وللمخاطر العنقودية. وأن أفضل نموذج للتنبؤ ونمذجة المخاطر هو نموذج EGARCH في ظل توزيع GED.
القسم الأول: خطة البحث
1- مشكلة البحث
منذ أن قدم ( Sharpe , 1963 & 1964 ) ; ( Linter , 1965 ) ; ( Mossin , 1966 ) نموذج تسعير الأصول الرأسمالية The Capital Asset Pricing Model – CAPM ؛ ظهر العديد من الدراسات ناقشت صلاحية النموذج ؛ في حين أيدت الدراسات الرائدة صلاحية النموذج ومنها (1972, Sharpe & cooper ( ، (1972 , Fama & MacBeth ( ، (Black, Jensen & Scholes , 1972) ، ( Blume & Friend , 1973)، (Fama & MacBeth ,1973 ) ، (Modigliani & Poue , 1974) ، (Zaki , 2001) .
وفيما يتعلق بصلاحية النموذج من واقع سوق الأسهم المصرية فقد أيدت نتائج دراسة (إبراهيم، 1995) صلاحية النموذج وأن معامل بيتا هو معامل المخاطر محل الاهتمام الأوحد؛ وأن العلاقة خطية وموجبة بين معدل العائد ومعامل β. الا أن نتائج دراسة (السبع، 2006) أوضحت أن معامل β ليس هو المعامل الأوحد لتفسير معدل العائد بل هناك متغيرات أخري تؤثر في معدل العائد. وتعليقا على تعارض نتائج (السبع، 2006) مع نتائج (إبراهيم ،1995) أوضح (السبع، 2006) أن الاختلاف في النتائج يرجع لعوامل تتعلق بمنهجية اختبار النموذج، وعوامل تتعلق بهيكل سوق الأوراق المالية المصرية.
إلا أن العديد من الدراسات شككت في صحة صلاحية نموذج تسعير الأصل الرأسمالي، وذلك فيما يتعلق بمعامل بيتا وقوته التفسيرية لمعدل العائد، وأنه توجد عوامل أخرى تؤثر في معدل العائد بجانب معامل β؛ وبالتالي يفقد نموذج تسعير الأصل الرأسمالي قوته وصلاحيته في تفسير معدل العائد.
فقد أوضح (Banz , 1981) أن هناك تأثير لحجم الشركة Size effect على معدل العائد، فقد وجد أن أسهم الشركات صغيرة الحجم تحقق معدلات عائد أكبر من أسهم الشركات كبيرة الحجم. في حين أوضح كلا من (Rosenberger , Reid & Lanstein , 1985 ) أن الشركات التي لها نسبة عالية للقيمة الدفترية إلي القيمة السوقية للأسهم (BV/MV) Book Value / Market Value يكون متوسط معدل العوائد أعلي من الشركات التي لها نسبة أقل ، وهذا يعني أن هناك عامل أخر يشارك معامل بيتا β في تفسير معدل العائد . فمن واقع سوق الأسهم اليابانية أيدت نتائج كلا من (Chan , Hamao & Lakonishok, 1991) أن أسهم الشركات التي لها نسبة قيمة دفترية إلي قيمة سوقية عالية تحقق معدلات عائد مرتفعة. واتفقت نتائج كلا من (Fama, & French, 1992) مع ذلك وأضافت أنه بعد السيطرة والرقابة على تأثير الحجم Size Effect ونسبة القيمة السوقية إلى القيمة الدفترية MV/BV فإن معامل β يبدو أن ليس له قوة لتفسير متوسط معدلات العوائد للأوراق المالية.
وهذه النتيجة أثارت تساؤلاً جوهريا هل معامل بيتا مات؟ ? Is Beta dead .
يبدو أن بيتا لها عدة أرواح Beta Seems to have many lives ، فتعليقاً علي دراسة French & Fama ؛ أوضح كلا من (Kothori , Shanken & Sloon, 1995) أن الأوراق المالية التي لها معامل β مرتفع يكون لها أعلي متوسط معدل عائد و ذلك عندما يتم تقدير معاملات β باستخدام معدلات العوائد السنوية وليس معدلات العوائد الشهرية، بالإضافة إلي أن تأثير نسبة MV/BV علي متوسط معدل العائد ضعيف مقارنة بنتائج French & Fama ، وقد أوجزت الدراسة أن أهمية نسبة MV/BV ربما يكون أضعف مما تقرره دراسة French & Fama . في حين يرى أخرون أن نموذج تسعير الأصل الرأسمالي CAPM لا يقدم تفسيراً متكاملاً لمعدل العائد علي الأسهم، وأنه لا يوجد أي نقطة التقاء بين النموذج من الناحية النظرية و الناحية التطبيقية، وأن هناك عوامل أخرى بخلاف بيتا لها تأثير علي معدل العائد المطلوب وذلك من واقع سوق الأسهم السعودي (التوني، 1993؛ لبدة& زاوي ، 1991) .
ويذكر Miller في مقاله بعنوان The History of Finance فبالرغم من أن نموذج تسعير الأصل الرأسمالي نجح في الصمود أكثر من 30 عاما، إلا أن هناك اتفاق جماعي الآن من خلال المحترفين والباحثين أن عامل المخاطر الأوحد والمقاس بمعامل بيتا β ليس كاف إلي حداً ما لوصف التحليل العرضي لمعدل العائد المتوقع Cross- Section of expected return ، إذ أنه بجانب عامل السوق Market Factor فإن هناك عاملين أخريين يؤثران في معدل العائد هما(Miller,1999):
العامل الأول: خاص بتأثير الحجم Size Effect، إذ أن أسهم الشركات الصغيرة تبدو وأن تحقق معدلات عوائد أكبر من أسهم الشركات الكبيرة،
والعامل الثاني: مازال ليس مفهوم بشكل كامل إلا أنه يبدو منطقيا ويخص نسبة القيمة الدفترية إلي القيمة السوقية للأسهم BV/ MV ؛ إذ أن أسهم الشركات التي لها نسبة قيمة دفترية إلي القيمة سوقية عالية تبدوا وأن تحقق معدل عائد أكبر عبر الأفق الزمني الطويل من تلك التي لها نسبة أقل.
يتضح من ذلك انه طالما أن نموذج تسعير الأصل الرأسمالي لم يفسر تأثير الحجم ونسبة القيمة الدفترية إلي القيمة السوقية BV/ MV في معدلات العوائد المتوقعة، فإن ذلك يسمي خروج علي القياس أو ما يعرف بالظواهر الشاذة Anomalies ( Davis, Fama & French, 1999). ففي دراسة موسعة شملت سبعة أسواق مالية وجد (Maroney & Protopapadaskis , 1999) علاقة موجبة بين معدلات العائد ونسبة القيمة الدفترية إلي القيمة السوقية BV/MV ؛ وعلاقة سالبة بين معدلات العائد والحجم وذلك في جميع الدول محل الدراسة . الإ أنه من واقع بيانات بورصة هونج كونج؛ تبين من خلال الدراسة أن معامل β غير قادر على تفسير متوسط معدلات العائد، ودعمت نتائج الدراسة نموذج العوامل الثلاثة ( Lam , 2002 ) .
وفي دراسة بمناسبة مرور عشرة سنوات على نموذج العوامل الثلاثة قام كلا من ( Chou , Chou & Wang , 2004 ) بدراسة لجميع أسهم الشركات المتداولة بالسوق الأمريكي خلال الفترة من يوليو 1963 إلي ديسمبر 2001 لإختبار القدرة التفسيرية لتأثير الحجم ، وتأثير نسبة القيمة الدفترية إلي القيمة السوقية في التحليل العرضي لمعدل العائد . وقد أشارت نتائج الدراسة بشكل عام إلي ضعف القدرة التفسيرية للعاملين، وتحديدا فقد وجدا أن تأثير الحجم غير معنوي خلال الفترة من 1982 إلي 2001 ، كما أن تأثير نسبة القيمة الدفترية إلي القيمة السوقية غير معنوي خلال الفترة من 1990 إلي 2001. في حين أشارت النتائج العملية من واقع سوق نيوزيلاندا إلي أنه يوجد تأثير ذو دلالة إحصائية بالنسبة للحجم؛ الإ أنه وجد تأثير ضعيف لنسبة القيمة الدفترية إلي القيمة السوقية ( Djajadikerta & Nartea , 2005 ) .
واستمرارا لسلسة الدراسات المهتمة بهذه القضية؛ فقد قام ( Artmann , et al. , 2010 ) بدراسة شاملة من واقع بيانات بورصة فرانكفورت خلال الفترة من يناير 1960 إلي ديسمبر 2006 لعدد 955 شركة من الشركات الألمانية غير المالية المتداولة ، وتوصلت الدراسة الي أن نموذج العوامل الثلاثة لا يقدم تفسيرا لمعدلات العائد ، وأنه لا يوجد نموذج من النماذج المستخدمة يستطيع أن يفسر معدلات العائد من واقع البيانات المستخدمة.
في حين قام ( Subrahmanyam , 2010 ) بمراجعة الدراسات الحديثة في مجال التحليل العرضي لمعدلات العائد ، ووجد أن العديد من الدراسات قدم متغيرات وعوامل مختلفة ، وصلت في مجموعها ما يقرب من 50 متغيرا ؛ حاول الباحثون من خلالها تفسير معدل العائد وتحديد العوامل المؤثرة ، وبشكل عام مازالت الصورة الكلية غير واضحة Murky .
يتضح مما سبق انه – خلال ما يزيد عن خمسة وأربعون عاما مازلت الأبحاث تتناول قضية التحليل العرضي لمعدل العائد Cross-section of Return. فقد بين (Copland , Weston & Shastri, 2005, pp.865 – 879 ) أنه يوجد مجموعة من القضايا لم تحل بعد ، وقضايا لم تكتشف بالإضافة إلي أنها تمثل الاتجاه المستقبلي في التمويل والإستثمار ، منها قضية التحليل العرضي لمعدل العائد وتحديدا نموذج العوامل الثلاثة فاما- فرنش Fama – French Three Factor Model .
و تناولت دراسة ( Rustam & Niklas , 2010 ) اختبار كلا من النموذج الشرطي مقابل النموذج غير الشرطي ، وكلك نموذج العامل الواحد مقابل النموذج متعدد العوامل من واقع سوق أسهم ستوكهولم SSE ، ووجدا أنه لا وجود لتأثير الحجم ، ونسبة القيمة الدفترية للقيمة السوقية ، وأن نموذج تسعير الأصل الرأسمالي CAPM يقدم تفسيرا أفضل للتحليل العرضي لمعدل العائد ، وأن معامل β مازال المقياس المناسب للمخاطر.
يعد العمل الرائد الذي قدمه ( Fama & French, 1992) عرف فيما بعد بنموذج العوامل الثلاثة ، وما تبعه من دراسات أخرى لهما ( Fama & French 1993 , 1995 , 1996 a , 1996 b ) يتألف من عوامل ثلاثة هي :
عامل السوق ويقاس من خلال العائد على مؤشر السوق مطروحا منه معدل العائد الخالي من المخاطرة ويرمز له ،
عامل الحجم ويقاس من خلال العائد على أسهم الشركات الصغيرة مطروح منه العائد على أسهم الشركات الكبيرة ويرمز له SMB،
نسبة القيمة الدفترية إلى القيمة السوقية وتقاس من خلال العائد على الأسهم التي لها نسبة قيمة دفترية إلى قيمة سوقية عالية مطروح منه العائد على الأسهم التي لها نسبة قيمة دفترية إلي قيمة سوقية منخفضة ويرمز له HML.
وتؤكد هذه الدراسات على أن نموذج العوامل الثلاثة يقدم تفسيرا أفضل للتحليل العرضي لمعدل العائد.
باستدعاء نموذج تسعير الأصول الرأسمالية CAPM حيث يوفر تقديرات عادية غير شرطية لتباين معدل العائد خلال فترة زمنية. ويرجع ذلك إلي أنه وفقا للنموذج فإنه يفترض أن التباين ثابت عبر الزمن Constant ، فإذا سمح لمعدل وصول المعلومات الجديدة أن يتغير عبر الزمن Time Varying ، وإذا أمكن دمج تباين معدل عائد الأسهم مع معدل وصول المعلومات الجديدة ؛ فإن ذلك ربما يقود المستثمرين لتعديل القيم الحقيقية للأسهم ، ونتيجة لذلك يتوقع أن تباينات معدلات عوائد الأسهم ، وبالمثل التغايرات Covariances بين هذه العوائد أن تتغير عبر الزمن ، ولذلك فإنه عند الأخذ في الاعتبار التغير عبر الزمن لتوزيع معدل العائد ، فإنه يلزم الإشارة إلي المتوسط ، التباين ، التغاير الشرطي ، والتي تكون متوسط ، تباين ، تغاير شرطية للمعلومات المتاحة الحالية ( Bodie , Kane & Marcus ,2009, P.433 ) .
فإذا سمح للمعلومات أن تتغير عبر الزمن، فإن قرارات المستثمرين تتغير بالاعتماد على المعلومات المتاحة في أي لحظة، وطالما أن نموذج CAPM يفترض أن معاملات β ثابتة عبر الزمن ، فإن النموذج الشرطي هو المستخدم حينئذ The Conditional – CAPM ( Jagannathan & Wang , 1996 ) . وأيدت نتائج دراسة ( Margellos , 1998 ) من واقع بيانات سوق الأسهم الكندية أن النموذج الشرطي ذو قدرة تفسيرية لمعدلات العائد .
ومن المتعارف عليه في أسواق المال أن البيانات المالية تتمتع بمجموعة من الخصائص التي لها مغزى كبير عند دراسة السلاسل الزمنية، من أهم هذه الخصائص:
1- أن السلاسل الزمنية لمعدلات العائد تظهر غالبا تفرطح Leptokurtosis (Mandelbrot , 1963 ; Fama ,1965) .
2- إن التغيرات الكبيرة تميل أن تتبع بتغيرات كبيرة، وأيضا التغيرات الصغيرة تميل أن تتبع بتغيرات صغيرة، ويعرف ذلك بالمخاطر العنقودية أو التذبذب العنقودي Volatility Clustering ( Mandelbrot , 1963 ).
3- إن التغيرات في أسعار الأسهم تميل أن تكون مرتبطة بشكل سلبي مع التغيرات في المخاطر، وهذا يعني أن المخاطر تكون عالية بعد الصدمات (الأخبار) السلبية عنها بعد الصدمات الموجبة؛ ويعرف ذلك بأثر الرافعة Leverage effect ( Black , 1976 ).
فقد أوضح ( Floros , 2008 ) أن النماذج الخطية غير قادرة على تفسير خصائص البيانات المالية مثل التفرطح ، المخاطر العنقودية ، أثر الرافعة وغيرها ، ويرجع ذلك إلي أن افتراضات ثبات تجانس التباين Homoscedasticity أو التباين الثابت يكون غير مناسب عند استخدام بيانات مالية ؛ وفي مثل هذه الحالة يكون من المفضل فحص واختبار نمط patterns والتي تسمح للتباين أن يعتمد على تاريخه .
فيعد العمل الرائد الذي قدمه ( Engle , 1982 ) فيما يعرف بنموذج الانحدار الذاتي المشروط بعدم ثبات التباين Autoregressive Conditional Heteroskedasticity – ARCH نموذجا رائدا في نمذجة المخاطرModeling Volatility وتصوير خصائص البيانات المالية . الإ أن مشاكل تتعلق بنموذج ARCH من الدرجات العالية دعت ( Bollerslev , 1986 ) من تطوير نموذج ARCH فيما يعرف GARCH أو النموذج العام Generalized-ARCH . العديد من النماذج قدم؛ بعضها كان بباعث النظرية البحت، في حين أن الأخر كانت مقترحات تجريبية. من هذه النماذج؛ الإنحدارالذاتي والمتوسطات المتحركة والمعروفة ARMA (Weiss , 1986) ، نموذج ARCH-M ( Engle , Lilien & Robins , 1987 ) إذ تم إدخال المخاطر في المتوسط الشرطي .
فقد أستهدف الكثير من هذه النماذج هيكل نموذج GARCH إذ أنه يعتبر نموذج متماثل Symmetric Model وذلك من خلال السماح بعدم التماثل Asymmetries؛ من هذه النماذج؛ نموذج Exponential-GARCH والمعروف EGARCH إذ يوضح ذلك النموذج أثر عدم التماثل بين عوائد الأسهم في المخاطر أو ما يعرف بأثر الرافعة ( Nelson, 1991) . نموذج GJR والذي يفترض أن الصدمات السلبية يكون لها تأثير أكبر من الصدمات الموجبة على المخاطر ( Glosten , Jagannathan & Runkle , 1993 ) . نموذج Asymmetric Power-ARCH والمعروف APARCH وتكمن قوة هذا النموذج في أنه يربط مرونة تغيرالأس عبر الزمن مع عدم التماثل بحيث يأخذ في الإعتبار أثر الرافعة ( Ding , Granger & Engle , 1993 ) .
فقد بينت دراسة كلا من ( Mecagni & Sourial , 1999 ) أن خصائص عوائد الأسهم من واقع البورصة المصرية تتصف بالالتواء الموجب ، والتفرطح ، ولا تتبع التوزيع الطبيعي ، وأن التغير في معدلات عوائد الأسهم يميل إلي التغير عبر الزمن وفي شكل سلاسل زمنية. في حين أوضحت نتائج كلا من ( Ebeid & Bedeir , 2004) أن أداء التنبؤ لنماذج عدم التماثل وتحديدا نموذجي ( APARCH / GJR ) تعد أفضل من نماذج التماثل ، كما أن نموذج APARCH يقدم أفضل تنبؤات وأن توزيع الألتواء Skewed Student-t density يكون الأكثر ملاءمة للتنبؤ ونمذجة مخاطر مؤشر سوق الأسهم المصرية.
في حين بين ( Tooma , 2005 ) أنه يوجد تغيرات واضحة مع تغير الزمن ، وأنه يوجد تفرطح ، أما فيما يتعلق بتأثير الرافعة فقد بينت النتائج عدم وجود تأثير للرافعة قبل فرض الحدود السعرية للتداول ، في حين وجد تأثير للرافعة بعد فرض الحدود السعرية للتداول .
وفي دراسة مقارنة بين سوق الأسهم المصري، وسوق الأسهم الإسرائيلي فقد بين ( Floros , 2008 ) أن السلاسل الزمنية للأسعار بها التواء موجب ، في حين أن السلاسل الزمنية للعوائد بها التواء سالب ، وأن العينات في كلا السوقين لها جميع خصائص البيانات المالية وهي التفرطح ، والمخاطر العنقودية ، الا أن الأسهم المصرية هي الأكثر مخاطر نتيجة لعدم التأكد في الأسعار والاقتصاد ، كما أنه ليس بالضرورة أن الزيادة في المخاطر تؤدي إلي زيادة في العوائد.
ومن واقع تجارب الدول في التنبؤ ونمذجة المخاطر ، فمن واقع سوق الأسهم الغاني وجد ( Magnus & Fosu , 2006)) أن نموذج GARCH يتفوق على النماذج الأخرى في ظل افتراضات التوزيع الطبيعي ؛ وأن النموذج قادر على التنبؤ ونمذجة المخاطر الشرطية عن أي نموذج أخر، وأن مؤشر سوق الأسهم الغاني يتصف بالمخاطر العنقودية ، التفرطح . في حين وجد ( Mahmud , 2011 ) أن مخاطر عوائد الأسهم من واقع بورصة كراتشي للأوراق المالية KSE تتمتع بخصائص المخاطر العنقودية ، وعدم التماثل ، وأن نموذج EGARCH لديه القدرة على التنبؤ ونمذجة المخاطر .
في هذا الأمر – يري الباحث ان القدرة على التنبؤ بالمخاطر في أسواق المال له أهمية كبيرة في عملية اختيار محفظة الأوراق المالية، وإدارة الأصول، وبالمثل تسعير الأصول ، وبالرغم من إتفاق الباحثين أن المخاطر قابلة للتنبؤ والنمذجة في العديد من أسواق المال ، الإ أنهم أختلفوا في كيفية نمذجة هذا التنبؤ بالمخاطر ، وكنتتجة لذلك طورت العديد من النماذج وبصفة خاصة نماذج عدم التماثل Asymmetric Models (Engle & Ng, 1993 ; Aurelian ,2008).
2.1 أهمية البحث.
1.2.1 الأهمية التطبيقية:
تتمثل الأهمية التطبيقية فيما يلي:
1- دراسة بعض جوانب البورصة المصرية باعتبارها أحد أهم الأسواق الناشئة في الشرق الأوسط، وترجع إلى أهميته بالنسبة للمستثمر. وقد أوضح (Slater, 2007) أهمية دراسة الأسواق الناشئة في الشرق الأوسط إذ تعتبر منحنى استثمار جديد للمستثمر العالمي.
2- تحسين قرارات اختيار محفظة الأوراق المالية، وإدارة الأصول، وتسعير الأصول.
3- إضافة أدلة جديدة Evidence من السوق المصري إلي التحليل العرضي لمعدل العائد من خلال إختبارنموذج العوامل الثلاثة، وبالمثل إضافة أدلة جديدة من السوق المصري إلي التنبؤ ونمذجة السلاسل الزمنية Time Series Modeling. كما يعتبر مجال البحث من أوائل الدراسات لمخاطر سوق الأسهم المصرية بعد 25 يناير 2011 .
2.2.1 الأهمية العلمية:
تتمثل الأهمية العلمية لهذا البحث فيما يلي:
1- محاولة الإضافة للمكتبة العربية، حيث يعد البحث من الدراسات باللغة العربية في مصر في مجال تسعير الأصول، وتحديدا التحليل العرضي لمعدلات العائد في إطار النموذج ذو العوامل الثلاثة، بالإضافة الي التنبؤ ونمذجة المخاطر باستخدام نماذج GARCH في ظل العديد من التوزيعات.
2- بيان إلى أي مدى تتسق بيانات سوق الأسهم المصرية وكلا من نموذج العوامل الثلاثة، ونماذج التنبؤ جارش GARCH.
3- الاسهام في عرض مجموعة من الأفكار واجبة إجراء البحث فيها.
3.2.1 الأهمية على المستوي القومي:
تتمثل الأهمية على المستوى القومي فيما يلي:
1- توفير توصيف علمي دقيق لخصائص أسعار ومعدلات عائد الأسهم بالبورصة المصرية.
2- توضيح إلى أي مدى تتصف البورصة المصرية بالنضج.
3.1 أهداف البحث
1- تحديد العوامل المؤثرة في معدل العائد.
2- قياس معنوية العلاقة بين العوامل الثلاثة (عامل السوق ، عامل الحجم SMB ، نسبة القيمة الدفترية إلي القيمة السوقية HML) ومتوسط معدل العائد .
3- تحديد خصائص تغيرات عوائد الأسهم المصرية.
4- اختبار قدرة نماذج GARCH على تصوير المخاطر العنقودية.
5- تحديد وقياس أثر الرافعة في عوائد مؤشر سوق الأسهم المصرية EGX30 المستخدمة بالبحث.
6- تقييم أداء القدرة التنبؤية لنماذج GARCH المستخدمة في البحث بهدف التنبؤ ونمذجة مخاطر مؤشرات سوق الأسهم المصرية المستخدمة، وتحديد أيهما أفضل نموذج من واقع سوق الأسهم المصرية.
4.1 فروض البحث
اعتمد البحث على ثلاثة فروض متكاملة بهدف محاولة الإجابة علي تساؤلات الدراسة وتحقيق أهدافها، كالتالي:
الفرض الأول:
متوسط معدل العائد متغير تابع لمتغيرات مستقلة هي (عامل السوق ، عامل الحجم SMB ، نسبة القيمة الدفترية إلي القيمة السوقية HML) .
الفرض الثاني:
إن معدلات عوائد الأسهم المصرية تتصف بأنها ذات التواء، بها تفرطح ، بالمخاطر العنقودية ، يوجد أثر للرافعة .
الفرض الثالث:
توجد فروق معنوية بين نماذج عدم التماثل ونماذج التماثل من واقع بيانات البورصة المصرية.
5.1 منهجية البحث
1.5.1 أسئلة البحث
يمكن التعبير عن مشكلة البحث في السؤال الرئيسي الأتي:
ما هي العوامل المؤثرة في معدل عائد الأسهم؟ وهل يمكن التنبؤ بمخاطر الاستثمار في الأسهم بالبورصة المصرية؟
كما يمكن التعبير عن مشكلة البحث في مجموعة الأسئلة الفرعية الآتية:
1- ما هي العوامل المؤثرة في معدل العائد؟
2- ما هي طبيعة العلاقة بين العوامل الثلاثة (عامل السوق ، عامل الحجم SMB ، نسبة القيمة الدفترية إلي القيمة السوقية HML) ومتوسط معدل العائد ؟
3- ما هي خصائص تغيرات عوائد الأسهم المصرية؟
4- هل نماذج GARCH قادرة على تصوير المخاطر العنقودية؟
5- هل يوجد أثر للرافعة في عوائد مؤشر سوق الأسهم المصرية؟
6- ما هو أفضل نموذج للتنبؤ ونمذجة مخاطر مؤشر سوق الأسهم المصرية