تستقصي هذه الدراسة المحددات وقابلية التنبؤ بتقلبات عائد الأسهم من خلال دمج الخصائص المالية الخاصة بالشركات مع تقنيات النمذجة الاقتصادية المتقدمة ونمذجة التقلبات. باستخدام مجموعة بيانات بانل غير متوازنة تتكون من 1596 شركة و19752 ملاحظة سنوية للشركات من أسواق الأسهم في منطقة الشرق الأوسط وشمال إفريقيا خلال الفترة 2010–2024، تستخدم التحليلات نماذج انحدار بانل ذات التأثيرات الثابتة، ونماذج تقلبات شرطية، وطرق التنبؤ المعتمدة على التعلم الآلي. بعد إجراء اختبارات تشخيصية شاملة، بما في ذلك اختبارات للتباين غير المتجانس، والارتباط الزمني التسلسلي، والاعتماد العرضي، وتحديد النموذج، تم اعتماد نموذج التأثيرات الثابتة ثنائي الاتجاه مع أخطاء معيارية من دريسكل–كراي كإطار التقدير المفضل. تشير النتائج إلى أن نسبة السيولة، ونسبة النقد، ونمو المبيعات، وعمر الشركة، والتقلب المتأخر، والعوائد المتأخرة هي محددات هامة لتقلبات عائد الأسهم، في حين أن الرفع المالي، والملموسية، واستقلالية المجلس، وحجم الشركة، ونسبة توبين، والربحية لا تظهر تأثيرات ذات دلالة إحصائية بعد التحكم في عدم التجانس الخاص بالشركات والزمن. تكشف تحليلات التقلبات عن استمرارية كبيرة في تقلبات عائد الأسهم، حيث يوفر نموذج EGARCH-t أفضل ملاءمة بين نماذج عائلة GARCH المتنافسة وفقاً لمعيار معلومات أكايك. تشير معلمات التماثل المقدرة إلى أن التقلبات تستجيب بشكل مختلف للصدمات الإيجابية والسلبية، مما يدعم وجود ديناميكيات تقلب غير متماثلة وملاءمة نماذج التقلب غير المتماثلة. تُظهر تحليلات التنبؤ أن نماذج التعلم الآلي المتقدمة ونماذج التعلم العميق تحقق أداءً تنبؤياً تنافسياً؛ ومع ذلك، فإن الفروقات في الدقة التنبؤية بين النماذج تكون عموماً متواضعة.
درس إبراهيم وآخرون (الجمعة،) هذا السؤال.