برآورد نرخ ترجیح زمانی در مدل SDF رفتاری و سنتی و سنجش آن با عدالت بین نسلی
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 25
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IEE-20-39_004
تاریخ نمایه سازی: 29 اردیبهشت 1403
چکیده مقاله:
نرخ ترجیح زمانی واقعیتی است که در جهان خارج و واقعیت وجود دارد و برخی از اقتصاددانان نیز بر این عقیده اند که نرخ ترجیح زمانی صفر با عدالت بین نسلی سازگار میباشد. برخی از اقتصاددانان مسلمان نیز بر این عقیده اند که ارزش های اسلامی به دنبال کاهش این واقعیت خارجی بوده و در نتیجه صفر یا نزدیک به صفر شدن نرخ ترجیح زمانی را شاخصی برای نزدیک شدن جامعه به عدالت بین نسلی میدانند. با فرض اینکه میزان نرخ ترجیح زمانی شاخصی برای نزدیک شدن جامعه به عدالت بین نسلی باشد، بنابراین، همیشه می توان با اندازه گیری این شاخص، میزان فاصله جامعه را از ارزش عدالت بین نسلی اندازه گیری نمود. روش های مختلفی برای اندازه گیری این نرخ با توجه به عوامل تاثیرگذار بر آن وجود دارد که یکی از این روش ها براساس برآورد عامل تنزیل تصادفی (SDF) رفتاری و یا سنتی می باشد و این تحقیق نیز در نظر دارد که با استفاده از دادههای بازار سرمایه ایران و با کمک مدلهای SDF رفتاری و سنتی به برآورد نرخ ترجیح زمانی بپردازد. نتایج تحقیق نشان می دهد عامل ترجیح زمانی در مدل های (SDF) سنتی و (SDF) رفتاری به ترتیب ۰.۹۸ و ۰.۸۴ بوده و چون نرخ ترجیح زمانی به دست آمده از عامل ترجیح زمانی در مدل سنتی برابر با ۰.۱۲ و در مدل رفتاری برابر با ۰.۱۹ می باشد، بنابراین می توان نتیجه گرفت که مدل قیمتگذاری حاوی احساس، فاصله جامعه را از جامعه عدالت محور بیننسلی دورتر نشان می دهد.
کلیدواژه ها:
قیمتگذاری داراییهای سرمایهای ، روش GMM ، عامل تنزیل تصادفی ، مدل SDF رفتاری و سنتی (کلاسیک) ، شاخص احساس ، نرخ ترجیح زمانی ، عدالت بین نسلی
نویسندگان
مجتبی باقری تودشکی
استادیار، گروه اقتصاد، دانشگاه مفید، قم، ایران
مجید حبیبیان نقیبی
استادیار، گروه اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران
محمد مهدی باقری تودشکی
دکتری، اقتصاد مالی، دانشگاه علامه طباطبائی، تهران، ایران , استاد مدعو دانشگاه علامه طباطبائی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :