مقاله بررسی اثر استراتژی های نگهداشت سهام بر بازده آن: رویکرد استراتژی حداکثر قیمت 52 هفته

عنوان مقاله به فارسی	بررسی اثر استراتژی های نگهداشت سهام بر بازده آن: رویکرد استراتژی حداکثر قیمت 52 هفته
عنوان مقاله به انگلیسی	Investigating the Effect of Stock Holding Strategies on Returns: Maximum 52-Week Price Strategy Approach
رشته	مدیریت- مدیریت مالی
سال نشر	2025-1404
فرمت مقاله	تایپ شده در Word

عنوان مقاله: بررسی اثر استراتژی های نگهداشت سهام بر بازده آن: رویکرد استراتژی حداکثر قیمت 52 هفته

 فهرست مقاله:

• چکیده
• مقدمه
• روش پژوهش
• یافته های پژوهش
• بحث و نتیجه گیری
• منابع و ماخذ

چکیده مقاله:

بازده سهام به عنوان یکی از مهم ترین معیارهای تصمیم گیری سهامداران، نقش مهمی در تجزیه و تحلیل تصمیمات سرمایه گذاری ایفا می کند. تغییرات قیمت سهام در دوره های زمانی مختلف و نوسانات بازار منجر به این شده است که سهامداران همواره به دنبال خرید سهامی باشند که امکان افزایش قیمت آن زیاد باشد، در حالی که هدف کسب بازده از طریق سود سهام در اولویت های بعدی آنها قرار دارد. هدف پژوهش حاضر نیز بررسی اثر نگهداشت سهام بر بازده استراتژی مومنتوم مبتنی بر حداکثر قیمت 52 هفته است. به همین منظور، اطلاعات مورد نیاز از طریق معاملات بازار سهام 132 شرکت پذیرفته شده در بورس اوراق بهادار تهران که به صورت سامانمند انتخاب شده اند، طی سال های 1387 تا 1396 جمع آوری و پس از طبقه بندی در گروه سهام های برنده و بازنده، با استفاده از آزمون لوین، مقایسه و بازده سهام آنها تجزیه و تحلیل گردید. نتایج حاصل از آزمون فرضیه پژوهش نشان می دهد که استراتژی نگهداشت سهام در یک دوره زمانی شش ماهه بر بازده آن مبتنی بر استراتژی مومنتوم حداکثر قیمت 52 هفته اثر معناداری دارد. به عبارت بهتر، می توان این گونه استنباط نمود که فرضیه پژوهش در دوره زمانی شش ماهه برای تمام گروه های مورد بررسی در سطح اطمینان 95% مورد تأیید قرار گرفته است، اما تعمیم نتایج آن در دوره های زمانی دیگر باید با احتیاط صورت گیرد.

کلمات کلیدی: استراتژی مومنتوم، بازده سهام، حداکثر قیمت 52 هفته ای سهام

بخشی از مقدمه:

هر سرمایه گذار در بدو ورود به بازار سرمایه به دنبال دستیابی و به کارگیری استراتژی هایی است که بتواند بر بازار پیروز شود و بازدهی اضافی کسب کند. علیرغم نفی توانایی کسب بازده غیرعادی توسط هسته تئوری های مالی متداول (فرضیه بازار کارا)، در بازارهای سرمایه دنیا دو استراتژی به صورت گسترده برای کسب بازده غیرعادی مورد استفاده قرار می گیرند که عبارتند از: استراتژی های مومنتوم و معکوس. این استراتژی ها همیشه به عنوان استراتژی های تحلیل تکنیکال معروف بوده اند و امروزه در حال گرفتن تأیید از سرمایه گذاران بنیادگرا و حتی جامعه آکادمیک می باشند. حجم زیادی از تحقیقات که به این موضوع می پردازد و ادبیات گسترده ای که در این مورد شکل گرفته است، گواه این مطلب است. برخلاف تئوری های مالی متداول، تئوری های مالی رفتاری فصل گسترده ای از پژوهش های خود را به توضیح بازده حاصل از تداوم اختصاص داده اند و دلایل متنوعی برای ایجاد این الگو برشمرده اند. از این رو، هر پژوهشی که به بررسی استراتژی تداوم می پردازد، ناگزیر باید اساس رفتاری که برای این الگو مطرح شده است را در نظر گیرد.

افزایش ثروت سهامداران به عنوان یکی از مهم ترین متغیرهای اثرگذار بر سرمایه گذاری، نقش مهمی در تصمیم گیری برای انتخاب سبد سرمایه گذاری دارد. سرمایه گذاران به منظور دریافت بالاترین بازده با قبول کمترین ریسک، اقدامات متنوعی از جمله تحلیل صورت های مالی را انجام می دهند. با توجه به این موضوع که بازده به مفهوم نرخ سودآوری سرمایه گذاری در خرید و یا سود توزیع شده به سهامداران است، می توان از آن به عنوان عایدی سهامداران یاد کرد که سهامداران برای تحلیل های خود آن را مد نظر قرار می دهند.

برخی از منابع :

Zou, J., Zhong, X., Gong, C., & Lu, X. (2025). Examining institutional investor preferences: The influence of ESG ratings on stock holding in China’s stock market. Research in International Business and Finance, 73, 102609

Mohammadshafie, A., Mirzaeinia, A., Jumakhan, H., & Mirzaeinia, A. (2024, July). Deep reinforcement learning strategies in finance: Insights into asset holding, trading behavior, and purchase diversity. In World Congress in Computer Science, Computer Engineering & Applied Computing (pp. 449-463). Cham: Springer Nature Switzerland

Wang, C. H., Yuan, J., Zeng, Y., & Lin, S. (2024). A deep learning integrated framework for predicting stock index price and fluctuation via singular spectrum analysis and particle swarm optimization. Applied Intelligence, 54(2), 1770-1797

Saud, A. S., & Shakya, S. (2024). Technical indicator empowered intelligent strategies to predict stock trading signals. Journal of Open Innovation: Technology, Market, and Complexity, 10(4), 100398

Jagirdar, S. S., & Gupta, P. K. (2024). Charting the financial odyssey: a literature review on history and evolution of investment strategies in the stock market (1900–2022). China Accounting and Finance Review, 26(3), 277-307

Botunac, I., Bosna, J., & Matetić, M. (2024). Optimization of traditional stock market strategies using the lstm hybrid approach. Information, 15(3), 136