فراتر از ریسک بازار: چگونه صرف اندازه و ارزش، مدل قیمت‌گذاری دارایی فاما-فرنچ را پیش می‌برند

در ۲۹ مارس ۲۰۲۵، پژوهشگران در «مجله کسب‌وکار حسنین» (Husnayain Business Review) مجموعه داده جامعی را منتشر کردند که مدل سه‌عاملی فاما-فرنچ را در بورس اوراق بهادار اندونزی مورد آزمایش قرار می‌داد و تایید کرد که صرف‌های ریسک اصلی این چارچوب حتی در بازارهای نوظهور نیز دست‌نخورده باقی مانده‌اند [۴]. این یافته‌ها یک حقیقت ساختاری را در مالیه کمی تایید می‌کنند که از زمان انتشار مقاله جریان‌ساز یوجین فاما و کنت فرنچ پابرجا بوده است. پیش از مداخله آن‌ها، مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) بر نحوه قیمت‌گذاری ریسک در بازارها حاکم بود و ادعا می‌کرد که تنها یک متغیر - یعنی میزان قرار گرفتن در معرض کل بازار - بازده مورد انتظار را تعیین می‌کند [۵].[4][5]

مدل CAPM معمولاً حدود ۷۰ درصد از بازدهی یک سبد سرمایه‌گذاری متنوع را توضیح می‌دهد و یک شکاف ۳۰ درصدی از عملکرد توضیح‌داده‌نشده باقی می‌گذارد که مدیران سبد اغلب آن را به عنوان مهارت اختصاصی خودشان جا می‌زدند [۷]. فاما و فرنچ با شناسایی دو ناهنجاری پایدار در داده‌های تاریخی این شکاف را پر کردند: سهام شرکت‌های با ارزش بازار کوچک (small-cap) به طور مداوم عملکرد بهتری نسبت به سهام شرکت‌های بزرگ داشتند و سهام ارزشی (value stocks) همواره سهام رشدی (growth stocks) را شکست می‌دادند [۱].[1]

با افزودن این دو بعد به ریسک پایه بازار، مدل سه‌عاملی قدرت توضیح‌دهندگی قیمت‌گذاری دارایی‌ها را تا ۹۰ درصد افزایش داد [۷]. این مدل، صرف‌های یادشده را از طریق دو محاسبه خاص تفکیک می‌کند: کوچک منهای بزرگ (SMB) و بالا منهای پایین (HML) [۲]. این عوامل نحوه تخصیص سرمایه نهادی را متحول کردند و صنعت را از انتخاب گزینشی سهام به سمت قرارگیری سیستماتیک در معرض عوامل (فاکتورها) سوق دادند.[2]

عامل SMB بازده مازاد تاریخی شرکت‌های کوچک را نسبت به همتایان بزرگ‌ترشان اندازه‌گیری می‌کند. شرکت‌های کوچک‌تر ذاتاً دارای ریسک عملیاتی بالاتر، نقدشوندگی کمتر و حساسیت بیشتر به رکودهای اقتصادی هستند و برای جبران ریسک سرمایه‌گذارانی که آن‌ها را نگهداری می‌کنند، به بازده مورد انتظار بالاتری نیاز دارند [۱]. هنگامی که یک مدیر صندوق به بازدهی بالاتر از بازار می‌بالد، معیار SMB نشان می‌دهد که آیا او واقعاً شرکت‌های برتری را انتخاب کرده است یا صرفاً وزن سهام پرنوسان شرکت‌های کوچک را در سبد خود افزایش داده است.[1]

عامل HML صرف ارزش را ردیابی می‌کند و شرکت‌هایی با نسبت ارزش دفتری به ارزش بازار بالا را با شرکت‌هایی با نسبت پایین مقایسه می‌کند. شرکت‌هایی که نسبت ارزش دفتری به بازار بالایی دارند، اغلب کسب‌وکارهای بحران‌زده یا سرمایه‌بری هستند که پایین‌تر از ارزش حسابداری بنیادی خود معامله می‌شوند و نیازمند صرف ریسکی هستند که سهام رشدیِ در حال توسعه سریع به آن نیازی ندارند [۲]. پاداش نگهداری این دارایی‌های نامطلوب، پایه و اساس ریاضی سرمایه‌گذاری ارزشی را تشکیل می‌دهد.[2]

در حالی که معماری ریاضی مدل سه‌عاملی در سطح جهانی پذیرفته شده است، علت اصلی این صرف‌ها همچنان به شدت مورد مناقشه است. طرفداران بازار کارا استدلال می‌کنند که SMB و HML صرفاً پاداش‌های منطقی برای پذیرش ریسک سیستماتیک بالاتر هستند [۱]. در این دیدگاه، یک سهم ارزشی ارزان است زیرا واقعاً احتمال ورشکستگی آن در طول رکود بیشتر است و این صرف، پاداش دقیق ریاضی برای تحمل آن خطر اقتصادی خاص است.[1]

در مقابل، اقتصاددانان رفتاری استدلال می‌کنند که صرف ارزش به این دلیل وجود دارد که سرمایه‌گذاران به طور سیستماتیک نسبت به اخبار بد واکنش بیش از حد نشان می‌دهند و برای داستان‌های رشدی بهای گزافی می‌پردازند. مطالعه‌ای که در ساینس‌دایرکت (ScienceDirect) منتشر شد، این صرف‌ها را مجدداً بررسی کرد و دریافت که احساسات سرمایه‌گذاران عامل HML را به طور قابل‌توجهی مخدوش می‌کند، به ویژه در دوره‌های سرخوشی بازار [۳]. زمانی که احساسات سرمایه‌گذاران خرد اوج می‌گیرد، صرف ارزش فشرده می‌شود زیرا سرمایه به طور کورکورانه به سمت سهام رشدی سرازیر شده و منحنی منطقی ریسک و ریوارد را به طور موقت می‌شکند.[3]

در تحلیلی در ۱ دسامبر ۲۰۱۹، موسسه نیوفاوند ریسرچ (Newfound Research) بر ضرورت تعدیل مدل سه‌عاملی برای در نظر گرفتن ساختارهای در حال تغییر بازار تاکید کرد. پژوهشگران با اشاره به تاثیر معاملات الگوریتمی و شاخص‌سازی غیرفعال بر نقدشوندگی خاطرنشان کردند: «اجرای مدل‌های عاملی باید همگام با تغییرات ریزساختار پایه بازار تکامل یابد» [۶]. یک تعریف ایستا از «ارزش» که صرفاً بر اساس استانداردهای حسابداری دهه ۱۹۹۰ بنا شده باشد، در درک دارایی‌های نامشهودی که محرک شرکت‌های فناوری مدرن هستند، ناکام می‌ماند.[6]

این چارچوب ایستا باقی نمانده است. در سال ۱۹۹۷، مارک کارهارت با افزودن عامل مومنتوم (تکانه) - یعنی تمایل سهام برنده به حفظ روند صعودی در کوتاه‌مدت - آن را به یک مدل چهارعاملی گسترش داد [۵]. تا سال ۲۰۱۵، خود فاما و فرنچ یک مدل پنج‌عاملی را معرفی کردند که الگوهای سودآوری و سرمایه‌گذاری را در بر می‌گرفت تا تغییراتی را که SMB و HML از دست داده بودند، پوشش دهد [۲]. نشان داده شد شرکت‌هایی که محافظه‌کارانه سرمایه‌گذاری می‌کنند و سود عملیاتی بالایی ایجاد می‌کنند، صرف‌های متمایز خود را به همراه دارند.[2][5]

با وجود این گسترش‌ها، معماری سه‌عاملی اولیه همچنان خط پایه نظریه مدرن سبد سرمایه‌گذاری و پایه و اساس صنعت ۱٫۵ تریلیون دلاری صندوق‌های قابل معامله (ETF) بتای هوشمند است. تخصیص‌دهندگان نهادی از این مدل برای تجزیه عملکرد مدیر صندوق استفاده می‌کنند و مهارت واقعی را از قرار گرفتن ساده در معرض ریسک‌های اندازه و ارزش جدا می‌سازند [۷]. اگر عملکرد برتر یک مدیر پس از لحاظ کردن SMB و HML ناپدید شود، او در حال تولید آلفا نیست؛ بلکه صرفاً بر موج صرف‌های ریسک شناخته‌شده سوار است.

داده‌های سال ۲۰۲۵ اندونزی نشان می‌دهد که اگرچه بزرگی صرف‌های SMB و HML در مناطق جغرافیایی مختلف در نوسان است، اما رابطه ساختاری همچنان پابرجاست [۴]. ایستگاه قابل‌تایید بعدی برای تحقیقات قیمت‌گذاری دارایی‌ها، تعیین این موضوع خواهد بود که چگونه ادغام مدل‌های یادگیری ماشین در لحظه، زوال عاملی را تغییر می‌دهد و آیا سرعت معاملات الگوریتمی مدرن، پاداشی را که سرمایه‌گذاران برای نگهداری دارایی‌های بحران‌زده دریافت می‌کنند، به طور دائمی فشرده می‌سازد یا خیر.[4]