مروری بر برخی از مهم‌ترین دستاوردهای علمی یوجین فاما در حوزه اقتصاد مالی
هفته پیش داشتم نظریه بازار کارا و استثناهایی که بر آن وارد شده است را درس می‌دادم و در مورد محققی به اسم یوجین فاما که در مقالاتش در دهه60 (و نه در تز دکترایش!) مفهوم «بازار کارا» را جا انداخت، صحبت می‌کردم. احتمالاً همانند خود من مدرسان دیگری هم که این روزهای سال چنین موضوعاتی را درس می‌دهند وقتی به کلاس درس برمی‌گردند به دانشجویان‌شان خواهند گفت موضوع بحث جلسه قبل‌شان تبدیل به جایزه نوبل امسال اقتصاد شده است.
شاید یکی از اولین واکنش دانشجویان این باشد که ولی ما در جلسات قبل در مورد نظریه بازار کارا (مفهومی که توسط فاما توسعه داده شد) و موارد ناکارایی و رفتار غیرعقلانی بازار (که شیلر یکی از پیشگامان آن است) صحبت کردیم. اعطای همزمان جایزه به دو نظریه متضاد چطور ممکن است؟
به عبارت دیگر این دو جایزه همزمان نشان می‌دهد بازارهای مالی هم کارا هستند و هم نیستند. در پاسخ باید گفت اتفاقاً وجود دو مجموعه نظری رقیب نشانگر غنای حوزه مطالعاتی است که خودش را صرفاً با یک مفهوم سرگرم و محدود نکرده است.
بازارها متناسب با متغیرهایی مثل حجم سرمایه موجود در آنها، شفافیت اطلاعاتی، نوع مبادله‌گران (حرفه‌ای یا شخصی)، مقررات مربوط به خرید و فروش بر اساس اطلاعات درونی، ساختار خرد بازار(Market Microstructure) و امثال آن می‌توانند کارا باشند یا نباشند. در نتیجه دو نظریه رقیب مثل عینک‌های متفاوتی هستند که ما در شرایط مختلف به چشم می‌زنیم. چون توصیف تفصیلی مشارکت‌های سه برنده امسال نیازمند مقاله خیلی طولانی است این مقاله روی چند محور از کارهای یوجین فاما متمرکز است. حدس می‌زنم دوستان و همکاران دیگر به اندازه کافی در مورد نتایج فعالیت‌های شیلر صحبت کنند. احتمالاً توضیح نقش لارس هانسون به دلیل ماهیت تخصصی و فنی آن کمی دشوارتر خواهد بود. هر چند حوزه‌هایی که فاما در عمر کاری‌‌اش پوشش داده بیش از اینهاست ولی به نظرم سه مورد از آنها ارزش برجسته کردن در این مقاله را دارد:
1- نظریه بازار کارا (Efficient Market Hypothesis) شاید کمتر موضوعی به اندازه بازار کارا(Efficient Market) در بین پژوهشگران و فعالان بازار مالی موضوع اختلاف بوده است. معمولاً کسانی که مدعی کسب سودهای بیش از معمول در بازار هستند (خصوصاً بر پایه مدل‌های تحلیل تکنیکال) محققان را متهم به «باور بیهوده به بازار کارا» می‌کنند و در مقابل بخشی از کسانی که درگیر پژوهش نظری هستند مدعیان استفاده از این روش را متهم به شارلاتانیسم یا ارائه گزینشی نتایج کارشان می‌کنند. ولی نظریه بازار کارا چیست؟ هر چند این اصطلاح توسط فاما اختراع شد ولی مفهوم آن شاید از اواخر قرن ۱۹ و اوایل قرن ۲۰ و خصوصاً با کار معروف باشیلیه(Bachelier) در مورد رفتار قدم‌زدن تصادفی(andom WalkR ) در بازارهای مالی شناخته‌شده بود. در دهه 60 و با کشف تز باشیلیه توسط ساموئلسون (برنده دیگر جایزه نوبل) این مفاهیم دوباره زنده شدند و توسط فاما به صورت دقیق‌تری صورت‌بندی شدند. خلاصه نظریه بازار کارا این است که بازاری که از هزاران خریدار و فروشنده و سوداگر حرفه‌ای تشکیل شده است هیچ جزیی از اطلاعات را هدر نمی‌دهد. در نتیجه هر چیزی که بتوان از طریق پیش‌بینی یا تحلیل اطلاعاتی در مورد آینده یک دارایی دانست همان لحظه روی قیمت دارایی منعکس شده است و دیگر جایی برای بهره بردن از این تحلیل باقی نمی‌گذارد. به عنوان مثال یک معامله‌گر سهام را در نظر بگیرید. چنین معامله‌گری ممکن است بر‌‌اساس روندهای قیمتی یا پیش‌بینی روندهای آینده به این نتیجه برسد که قیمت سهم در ماه آینده بالا خواهد رفت و لذا تصور کند که با خرید و نگهداری سهم می‌تواند از تحلیل خود کسب سود کند. نظریه بازار کارا می‌گوید. به مجردی که چنین فکری از ذهن این تحلیلگر می‌گذرد قیمت فعلی سهم جهش خود را انجام داده است و دیگر جایی برای این معامله پرسود نیست. چون هزاران تحلیلگر همان فکر را کرده و از پشت رایانه‌های‌شان دستور خرید داده و قیمت سهم را بالا برده‌اند. مشارکت مهمی که فاما در این بحث داشت توجه دادن به موضوع بازده مورد انتظار پاداش ریسک بازار در تحلیل مساله بود. معامله‌گر داستان ما اگر آن سهم را بخرد به صورت متوسط سود صفر به دست نمی‌آورد بلکه متناسب با ریسکی بودن سهم مقداری بازده مازاد دریافت می‌کند ولی دیگر جایی برای فرا رفتن از این بازده وجود ندارد. همه تحلیلگران و معامله‌گران به صورت متوسط همان پاداشی را دریافت می‌کنند که سطح ریسکی بودن (یا بتای) دارایی تعیین می‌کند. نظریه بازار کارا در واقع ادعایی بسیار قوی در مقابل کسانی بود که مدعی بودند با روش‌های تکنیکال و جادوی شمع و ستون و امثال آن می‌توانند رفتار بازار را پیش‌بینی کرده و سود تولید کنند. از همان دهه ۶۰ میلادی این نظریه در معرض آزمون و نقدهای فراوان چه از طرف پژوهشگران و چه سوداگران بازار مالی قرار گرفت و در نتیجه این بحث‌ها فهم ما از موضوع بسیار دقیق‌تر شده است. مفهوم کارایی بازار خود به سطوح مختلفی مثل کارایی ضعیف (که صرفاً وجود تحلیل تکنیکال را رد می‌کند) و کارایی قوی (که امکان هر نوع سود بردن از هر نوع اطلاعاتی را نفی می‌کند) تقسیم شده و صحت آن در بازارهای مختلف و مناطق مختلف آزمون شده است. در خلال این بحث‌ها بود که مساله آزمون همزمان توسط فاما برجسته شد. بازده بازارهای مالی صفر نیست در نتیجه میزان بازده مورد انتظار باید از رشد قیمت داراییهای مالی کسر شود تا مابقی آن در معرض آزمون قرار گیرد.
نکته این است که بازده مورد انتظار(Expected Return) خودش تابع مدل قیمت‌گذاری‌های دارایی(Asset Pricing) است که به کار می‌بریم. نهایتاً هر آزمونی که انجام می‌دهیم باید صحت مدل قیمت‌گذاری را فرض بگیرد. به عبارت دیگر فاما نشان داد چون ما همیشه حاصل جمع بازده انتظاری و جمله پسماند را مشاهده می‌کنیم راهی برای تفکیک آزمون صحبت مدل قیمت‌گذاری دارایی‌ها و کارایی بازار وجود ندارد.
2- توسعه روش‌های اقتصادسنجی برای بازارهای مالی
به دلیل ماهیت روشی این محور، شاید آشنایی با نقش مهم فاما برای بهبود روش‌های اقتصادسنجی در بازارهای مالی کمتر باشد. روش‌هایی که فاما در دهه۷۰ میلادی پیشنهاد داد اکنون جزو اولین مواردی است که یک دانشجوی اقتصاد مالی در مباحث اقتصادسنجی مالی می‌‌آموزد: 1- روش مطالعه اتفاق‌محور (Event Studies)
2- روش Fama Macbeth برای کاهش خطا در تخمین بازده بین داراییهای مختلف 3- روش‌های قوی‌تر برای بررسی رابطه بین متغیرهای آیندهنگر و مقدار آینده یک متغیر پایه اگر ذات آیندهنگر بازارهای مالی را در نظر بگیریم همیشه با این سوال مواجه هستیم که آیا متغیرهایی که از دید نظری حاوی انتظارات بازار نسبت به آینده هستند کار خودشان را به درستی انجام می‌دهند؟
سوالاتی از قبیل اینکه آیا بازارهای آتی (Futures) تخمین‌زن غیراریب (Unbiased) از قیمت‌های لحظه‌ای آینده است؟ آیا نرخ‌های بهره کوتاه‌مدت تخمین‌گر درستی از نرخ‌های تورم آتی هستند؟ آیا نرخ‌های بهره آتی تخمین‌گر درستی از نرخ‌های بهره در آینده هستند؟
در تمامی این موارد چیزی که ما در لحظه فعلی مشاهده می‌کنیم تجمیعی از انتظارات بازار نسبت به آینده است. روش پیشنهادی فاما در واقع ایده نظری او در مورد بازار کارا را وارد ماجرا می‌کند: اگر بازار کارا باشد باید از همه اطلاعات ممکن برای پیش‌بینی استفاده کرده باشد. قطعاً بازار نمی‌تواند در همه موارد پیش‌بینی نقطه‌ای درستی داشته باشد چون اتفاقات آینده در هر صورت در معرض تحولات پیش‌بینی‌نشده هستند. ولی یک بازار کارا به صورت متوسط نباید خطا کند. یعنی میانگین انحرافات پیش‌بینی‌ها از مقادیر واقعی در آینده باید صفر باشد (چارچوبی بسیار شبیه به انتظارات عقلانی در اقتصاد کلان و اقتصاد کشاورزی).
فاما با نوآوری ساده‌ای نشان داد که به جای رگرس کردن متغیر تعادلی روی پراکسی‌های پرخطایی از انتظارات بازار (مثلاً رگرس کردن نرخ بهره روی تورم مشاهده‌شده) باید جهت رگرسیون را عوض کرد: متغیر تعادلی را در سمت راست و متغیری که اطلاعات بازار بر اساس آن شکل گرفته بود را در سمت چپ رگرسیون بگذاریم. اگر بازار کارا باشد قیمت بازاری که حاوی اطلاعات آیندهنگر است (و دقیق است) باید قادر باشد به صورت متوسط اطلاعات پنهان بازار را به درستی آشکار کند.
3- تکمیل مدل قیمت‌گذاری داراییهای سرمایه‌ای(CAPM)
این روزها یکی از اولین مواردی که دانشجویان مالی در تمام سطوح (از کارشناسی تا MBA تا دکترا) یاد می‌گیرند مدل سه‌عاملی در قیمت‌گذاری دارایی‌ها معروف به مدل Fama French است و شاید آنجا اولین بار باشد که اسم فاما به گوش‌شان می‌‌خورد. زمانی که مدل قیمت‌گذاری دارایی‌ها (CAPM) معرفی شد انتظار این بود که تفاوت بین بازده دارایی‌ها باید تماماً توسط هم‌جهتی تغییرات بازده دارایی با تغییرات بازده بازار یعنی بتای دارایی‌ها توضیح داده شود. پیشرفت‌های مهمی که در دهه 70 میلادی در زمینه قدرت رایانه‌ها و در دسترس بودن داده‌های مالی رخ داد اجازه داد تا چنین موضوعی آزمون شود: نتایج مختلفی که گزارش شد مایوس‌کننده بود و قدرت توضیح‌دهندگی مدل CAPM خیلی کمتر از آن چیزی بود که گزارش می‌شد. فاما و فرنچ در دهه۹۰ با جمع‌بندی مطالعاتی که در آن سال‌ها فعالانه به دنبال جایگزین قوی‌تری برای CAPM بودند نهایتاً مدلی با سه عامل ارائه کردند که به لحاظ قدرت توضیح‌دهندگی تجربی بسیار برتر از مدل تک‌عاملی CAPM بود. البته اثر قوی دو عامل جدیدی که وارد کردند با شهود معمول قابل توضیح نیست و درک اینکه چرا این دو عامل به این شکل قدرت توضیح‌دهندگی دارند هنوز یکی از معماهای در حال بحث در نظریه اقتصاد مالی است. عامل اول عامل اندازه یا کوچک منهای بزرگ (Small minus Big = SMB) است که تفاوت بین بازده پرتفولیویی از کوچک‌ترین شرکت‌های بازار (مثلاً دهک اول در توزیع اندازه شرکت‌ها) و بزرگ‌ترین شرکت‌های بازار (بالاترین دهک) را در هر مقطع زمانی اندازه می‌گیرد. (استفاده از ایده بازده پرتفولیوی شرکت‌ها به جای یک دارایی منفرد هم از نوآوری‌های فاما در حوزه اقتصادسنجی بود تا به این طریق خطای حاصل از اندازه‌گیری را به حداقل برساند.) عامل دوم عامل قیمت دفتری به قیمت بازار است که تفاوت بین پرتفولیویی از شرکت‌های با نسبت قیمت دفتری به قیمت بازار بالا (مثل شرکت‌های ساختمانی یا حمل و نقل یا آب و برق) و پرتفولیوی شرکت‌هایی با نسبت قیمت دفتری به قیمت بازار پایین (مثل شرکت‌های فناوری بالا، نرم‌افزار، دارویی و امثال آن) را اندازه می‌گیرد. نکته بسیار عجیب در مورد این عامل این است که انتظار اولیه این است که شرکت‌های با نسبت دارایی دفتری پایین مثل شرکت‌های فناوری بالا چون پرریسک‌تر هستند باید بازده بیشتری هم تولید کنند. نتایج تجربی مدل فاما- فرنچ دقیقاً متضاد این نتیجه را تولید می‌کند و لذا برای سال‌ها یکی از عجیب‌ترین معماهای فاینانس به حساب می‌آید (هر چند در چند سال اخیر مقالات مهمی در توضیح این پدیده نوشته شده است). آیا مدل چند‌عاملی را باید به عنوان شکست مدل CAPM تلقی کرد؟ خود فاما در یکی از مقالاتش به این سوال پاسخ می‌دهد: نه لزوماً! مدل قیمت‌گذاری دارایی‌ها می‌گوید بتا از طریق بررسی همبستگی بین بازده دارایی‌ها و بازده «بازار دارایی‌ها» تخمین زده می‌شود. در عمل ما شاخص بورس مثل (S&P500) را به عنوان پراکسی بازار دارایی‌ها به کار می‌بریم و نتایج تجربی ضعیفی هم از آن می‌گیریم. حال آنکه چنین شاخصی در واقعیت باید تمامی سرمایه‌گذاری‌های موجود در سبد داراییهای عامل مثل مسکن، طلا، ارز خارجی و نیز سرمایه انسانی را در بر بگیرد؛ لذا دو عامل اضافه را می‌توان به عنوان تکمیل‌کننده تجربی شاخص بازار دید و لذا ادعا کرد که مدل سه‌عاملی همان CAPM با اطلاعات دقیق‌تر است.کارایی مدل سه‌عاملی در توضیح تجربی بازده‌ها جرقه حجم عظیمی از تحقیقات نظری در حوزه قیمت‌گذاری دارایی‌ها و کلان مالی را زده است که هنوز هم ادامه دارد.
نوشته: دکتر حامد قدوسی، استادیار اقتصاد مالی، انستیتو فناوری استیونس
Hits: 0
