اطلاعیه

مقاله ترجمه شده انتظارات بازده سهام در بازار اعتباری

مقالات مرتبط با این موضوع

مقالات انگلیسی ترجمه شده حسابداری

مقالات علوم اقتصادی

مقالات ترجمه شده مدیریت

مقالات ترجمه شده بازار سهام

مقالات ترجمه شده مدیریت مالی

مقالات ترجمه شده بازده سهام

دانلود رایگان مقاله بیس انگلیسی خرید و دانلود ترجمه ی مقاله انگلیسی

کد محصول: H367

سال نشر: ۲۰۱۸

نام ناشر (پایگاه داده): الزویر

نام مجله: International Review of Financial Analysis

نوع مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۸ صفحه PDF

تعداد صفحه ی ترجمه فارسی: ۲۱ صفحه WORD

قیمت فایل ترجمه شده: ۲۰۰۰۰ تومان

عنوان فارسی:

مقاله ترجمه شده حسابداری ۲۰۱۸ : انتظارات بازده سهام در بازار اعتباری

عنوان انگلیسی:

Stock return expectations in the credit market

چکیده فارسی:

در این مقاله، انتظارات بازده سهام بلندمدت (در سراسر چرخه کسب و کار) برای شرکت های خصوصی مختلف با استفاده از اطلاعاتی که از بازار مشتقات اعتباری استخراج شده است، محاسبه می شود. روش‌ ما براساس نتایج نظری قبلی و متون پژوهشی در مورد انتظارات بازده سهام است و به طور تجربی نشان می دهد، رابطه نزدیکی بین انتظارات بازده سهام دارای اعتبار ضمنی و بازده سهام محقق شده در آینده وجود دارد.

همچنین سبدهای سهام انتخاب شده براساس پیش بینی‌ های بازده سهام دارای اعتبار ضمنی را مورد استفاده قرار می ‌دهیم تا بر سبدهای سهام وزن دهی شده با ارزش برابر و وزن دهی شده بر مبنای ارزش همان سهام خارج از نمونه فائق آییم. برخلاف بسیاری از مطالعات دیگر، انتظارات / پیش بینی های ما به جای آنکه در سطح سبد سهام انجام شود، در سطح سهام فردی صورت می پذیرند، و هیچ گونه برآوردهای پارامتری با استفاده از قیمت سهام تاریخی یا مشاهدات گسترش اعتبار مورد نیاز نیست.

کلید واژه ها : بازار سهام، معامله پیش فرض اعتباری ، نوسانات ضمنی، رتبه ی اعتباری، انتظارات بازدهی

مقدمه

هدف این مقاله نشان دادن چگونگی محاسبه یا توضیح انتظارات بازده سهام بلند مدت (در طول چرخه کسب و کار) با استفاده از اطلاعات بازار مشتقات اعتباری است. همچنین نشان می دهیم که چگونه پرتفوی‌های سهام شکل گرفته براساس این انتظارات بهتر از پرتفوی‌های سهام متداول ساده، عمل می‌کنند. ما رویکرد خود را بر اساس یک مدل پیشنهاد شده توسط مارتین و واگنر (۲۰۱۶) ایجاد می کنیم که انتظارات بازده سهام و واریانس غیرمتعارف بازده سهام بدون ریسک (شاخص های SVIX) را به یکدیگر مرتبط می‌کند.

در حالی که مارتین و واگنر (۲۰۱۶) از واریانس های ضمنی اختیارات سهام برای محاسبه شاخص های SVIX استفاده می کنند، در عوض ما از واریانس های ضمنی مبادله نکول اعتباری (CDS) استفاده می کنیم؛ علاوه بر بازتاب انتظارات بازار سهام در میان شرکت کنندگان در بازار اعتباری به جای شرکت کنندگان در بازار سهام، رویکرد ما این مزیت را دارد که اجازه می دهد تمرکز بسیار بلند مدت تری نسبت به بازار سهام داشته باشیم. اگر کسی از اختیار خرید و اختیار فروش متداول، مانند مارتین و واگنر (۲۰۱۶) استفاده کند، ممکن است سررسید اختیارات موجود افق انتظار یا پیش بینی را به حداکثر دوازده یا شاید بیست و چهار ماه محدود کند. در واقع، مارتین و واگنر (۲۰۱۶)، افق‌های بین یک تا دوازده ماه را در نظر می گیرند. اگر کسی از مبادلات نکول اعتباری به جای واریانس‌های بازده سهام ضمنی استفاده کند، سپس افق های موجود بسیار طولانی تر خواهند بود.

در اغلب بازارها، مبادلات نکول اعتبار با سررسید بین یک سال و ده سال وجود دارند و این امر به ما اجازه می دهد تا انتظارات بازار سهام را در همان افق‌های زمانی کنار بگذاریم. چنین پیش بینی ها و انتظارات بلند مدت به وضوح مربوط به تخصیص دارایی استراتژیک مدیران دارایی با افق های طولانی سرمایه گذاری مانند صندوق های بازنشستگی و شرکت های بیمه هستند. با این حال، صندوق های تامینی و صندوق های خانوادگی نیز نیاز به ایجاد انتظارات بلند مدت برای سهام فردی دارند. ادبیات در مورد انتظارات بلند مدت بازده سهام فردی بسیار اندک است و حجم آن، ارتباط و اهمیت عملی را که به سرمایه گذاران واقعی برای تکیه بر پیش بینی های بلندمدت بازار سهام کمک کند، منعکس نمی‌کند.

از آنجایی که رویکرد ما به طور مستقیم بر اساس نتایج نظری مارتین و واگنر (۲۰۱۶) است، ویژگی خوب عدم تکیه بر برآوردهای پارامترها را به اشتراک می‌گذارد. هیچ نیازی به مشاهدات اسپرد اعتباری یا قیمت سهام وجود ندارد. علاوه بر این، انتظارات را می توان بلادرنگ به روز کرد و برای سهام فردی به جای پرتفوی ها استفاده کرد. در مارتین و واگنر (۲۰۱۶)، واریانس های ضمنی سهام بدون ریسک با انتظارات بازده از طریق شاخص هایی به نام شاخص SVIX، مرتبط هستند. در این مقاله واریانس‌های ضمنی بدون ریسک ناشی از بازار اعتباری هستند و برای تاکید بر منبع متفاوت انتظارات، شاخص های واریانس خود را با شاخص‌های CSVIX نشان می دهیم.

Abstract

In this paper we compute long-term stock return expectations (across the business cycle) for individual firms using information backed out from the credit derivatives market. Our methodology builds on previous theoretical results in the literature on stock return expectations and, empirically, we demonstrate a close relationship between credit-implied stock return expectations and future realized stock returns. We also find stock portfolios selected based on credit-implied stock return forecasts to beat equally- and value-weighted portfolios of the same stocks out-of-sample. Contrary to many other studies, our expectations/predictions are made at the individual stock level rather than at the portfolio level, and no parameter estimations using historical stock price- or credit spread observations are needed.

Keywords Stock market,Credit default swap,Implied volatility, Credit, Grades, Return expectations

Introduction

The goal of this paper is to demonstrate how one can compute, or explain, long-term stock return expectations (across the business cycle) using information from the credit derivatives market. We also show how stock portfolios formed based on these expectations outperform simple benchmark stock portfolios.

We build our approach on a model suggested by Martin and Wagner (2016) that links stock return expectations and risk-neutral idiosyncratic stock return variances (SVIX indexes). While Martin and Wagner (2016) uses option-implied variances to compute the SVIX indexes we instead use credit default swap (CDS) implied variances backed out using the methodology described in Byström (2015, 2016); i.e. using implied variances that make empirically observed CDS spreads equal to model-predicted spreads. In addition to reflecting stock market expectations among the market participants in the credit market rather than those in the equity market, our approach has the advantage of allowing for a much longer-term focus than the equity market. If one uses ordinary call- and put-options, like Martin and Wagner (2016), the available option maturities limit the horizon of the expectation or forecast to a maximum of twelve, or perhaps twenty-four, months.

Martin and Wagner (2016), indeed, look at horizons between one and twelve months. If one instead uses credit default swaps to back out the implied stock return variances then the available horizons are much longer. In most markets there are credit default swaps with maturities between one year and ten years and this allows us to back out stock market expectations at the same time horizons. Such long-term expectations and forecasts are obviously relevant for the strategic asset allocation of asset managers with long investment horizons such as pension funds and insurance companies. However, hedge funds and family offices also need to form long-term expectations on individual stocks.

The literature on long-term expectations of individual stock returns is very limited though and the volume does not reflect the practical relevance and importance that real-life investors attribute to reliable long-term stock market forecasts. Since our approach builds directly on the theoretical results in Martin and Wagner (2016) it shares the nice feature of not relying on parameter estimations. No historical stock price- or credit spread observations are needed. Moreover, the expectations can be updated in real-time and apply to individual stocks rather than portfolios. In Martin and Wagner (2016), the risk-neutral equity-implied variances are linked to return expectations through indexes labelled SVIX indexes. In this paper the risk-neutral implied variances come from the credit market, and to emphasize the different origins of the expectations we label our variance indexes CSVIX indexes.