DOI: https://doi.org/10.51983/ijiss-2026.16.1.73
تاريخ النشر: 2026-02-21
المؤلف: K.R. Bhavya وآخرون
الموضوع الرئيسي: الأسواق المالية واستراتيجيات الاستثمار
نظرة عامة
تستكشف هذه الورقة أداء 20 شركة متداولة بنشاط في البورصة الوطنية (NSE) باستخدام نماذج تسعير الأصول الرأسمالية (CAPM) الثابتة والديناميكية. وتظهر أن دمج بيتا المتغيرة مع الزمن، والانحدار المتداول، والحساسيات الاقتصادية الكلية يعزز بشكل كبير تقدير المخاطر. يتم حساب بيتا الديناميكية من خلال انحدار نافذة متحركة لأسعار الإغلاق اليومية من 2015 إلى 2024، ويتم تقييم الأداء المعدل حسب المخاطر باستخدام نسب شارب وترينور. يتم تحليل المتغيرات الاقتصادية الكلية الرئيسية، بما في ذلك أسعار الفائدة، والتضخم، وتقلبات السوق، لتأثيرها على علاوات المخاطر. تكشف النتائج عن تباينات كبيرة في بيتا عبر ظروف السوق المختلفة (فترات صاعدة، هابطة، ومتقلبة)، مما يبرز قيود نماذج بيتا الثابتة. يظهر نموذج CAPM الديناميكي قوة تفسيرية متفوقة (R² المعدل = 0.72) مقارنة بالنموذج الثابت (R² المعدل = 0.41)، مما يسهل التنبؤات الأكثر دقة للعوائد المتوقعة.
في الختام، يثبت نموذج CAPM الديناميكي أنه أداة أكثر فعالية لمقارنة المحافظ من خلال دمج بيتا المعتمد على الزمن والعوامل الاقتصادية الكلية جنبًا إلى جنب مع مقاييس الأداء المعدل حسب المخاطر. تؤكد النتائج على التبادل التقليدي بين المخاطر والعوائد، مما يبرز العلاقة الإيجابية بين بيتا المتغيرة مع الزمن والعوائد المتوقعة. بالإضافة إلى ذلك، تظهر المؤشرات الاقتصادية الكلية مثل التضخم، وأسعار الفائدة، والتقلبات كعوامل حاسمة في تحديد علاوات المخاطر. إن القدرة التفسيرية المتفوقة لنموذج CAPM الديناميكي، جنبًا إلى جنب مع مقاييس الخطأ المنخفضة، تضعه كإطار قيم لتوقع سلوك السوق. تؤكد هذه الدراسة على ضرورة وجود نماذج مرنة، حساسة للاقتصاد الكلي، ومدركة للمخاطر في الأسواق الناشئة مثل الهند، حيث تقدم التطورات المستمرة في السوق تحديات فريدة. يمكن أن تساعد الرؤى المكتسبة المستثمرين المؤسسيين، ومديري الصناديق، وصانعي السياسات في تحسين بناء المحافظ، وزيادة العوائد، وتقليل التعرض لمخاطر السوق الديناميكية.
مقدمة
تؤكد مقدمة الورقة على ضرورة وجود نهج دقيق لإدارة المحافظ في الأسواق الناشئة مثل الهند، حيث غالبًا ما تفشل نماذج المالية التقليدية في حساب الطبيعة الديناميكية للمخاطر والعوائد. وتبرز أن المتغيرات الاقتصادية الكلية، وتغيرات السياسات، ومشاعر المستثمرين تؤثر بشكل كبير على تقلبات السوق، مما يستلزم استخدام نماذج مرنة لالتقاط المخاطر المتغيرة مع الزمن. يُعتبر نموذج تسعير الأصول الرأسمالية التقليدي (CAPM)، الذي يعتمد على بيتا ثابتة، غير كافٍ للسياق الهندي، خاصة خلال فترات التقلبات العالية في السوق. بدلاً من ذلك، تدعو الورقة إلى دمج بيتا الديناميكية وعلاوات المخاطر المتغيرة مع الزمن لتعزيز القوة التفسيرية للنموذج وتحسين الأداء التنبؤي لتخصيص الأصول.
علاوة على ذلك، تناقش المقدمة أهمية مراقبة المحافظ بانتظام بناءً على بيتا، وعلاوات المخاطر، وترابط الأصول، خاصة في الاقتصادات ذات النمو العالي. وتفترض أن استخدام استراتيجيات ديناميكية، مثل بيتا المتداول ونسب الأداء المعدل حسب المخاطر مثل نسب شارب وترينور، يمكن أن يؤدي إلى نتائج استثمارية أفضل. تهدف الورقة إلى تحليل 20 شركة رائدة متداولة في NSE باستخدام كل من نماذج CAPM الديناميكية والثابتة للتحقيق في آثار بيتا المعتمد على الزمن وعلاوات المخاطر على الأداء المعدل حسب المخاطر، مما يبرز في النهاية أهمية المنهجيات الديناميكية الحساسة للاقتصاد الكلي في تحسين إدارة المحافظ في سوق الأسهم الهندية.
الطرق
يستخدم قسم المنهجية في هذه الورقة البحثية تصميمًا تحليليًا كميًا باستخدام بيانات ثانوية من 20 شركة مدرجة في البورصة الوطنية (NSE) ومؤشر NIFTY 50، تغطي الفترة من 2015 إلى 2024. تم الحصول على بيانات الأسعار اليومية من NSE الهند، بينما تم الحصول على المؤشرات الاقتصادية الكلية مثل أسعار الفائدة، والتضخم، وVIX الهند من بنك الاحتياطي الهندي (RBI)، ووزارة الإحصاءات وتنفيذ البرامج (MOSPI)، وNSE، على التوالي. تم إجراء التحليل باستخدام EViews 12، وSPSS 28، وExcel لتحليل الانحدار، والحسابات المتداولة، ومقاييس مقارنة النماذج بما في ذلك معيار معلومات أكايكي (AIC)، ومعيار معلومات بايزي (BIC)، وجذر متوسط مربع الخطأ (RMSE).
تختبر الدراسة فرضيتين: H3 تفترض أن المتغيرات الاقتصادية الكلية تؤثر بشكل كبير على علاوة المخاطر المتغيرة مع الزمن، بينما H4 تقترح أن أطر نموذج تسعير الأصول الرأسمالية الديناميكية (CAPM) تقدم قوة تفسيرية أكبر لتباين العوائد مقارنة بنماذج CAPM الثابتة. توضح مخطط تدفق منهجي (الشكل 1) الخطوات المتسلسلة المتخذة في البحث، موضحة المسار التحليلي الذي يشمل الانحدار المتداول، وتقدير CAPM الديناميكي، والنمذجة الاقتصادية الكلية.
المناقشة
تؤكد قسم المناقشة في الورقة على عدم كفاية نموذج تسعير الأصول الرأسمالية التقليدي (CAPM) في التقاط الطبيعة الديناميكية للمخاطر النظامية، خاصة في الأسواق الناشئة مثل الهند. تسلط الدراسة الضوء على أن افتراض بيتا الثابت غير صحيح، حيث تظهر الأدلة التجريبية أن بيتا تتغير بشكل كبير عبر مراحل السوق المختلفة—الأسواق الصاعدة، الهابطة، والمتقلبة—بسبب عوامل مثل مشاعر السوق، والتحولات الاقتصادية الكلية، والتغيرات الهيكلية. تكشف النتائج من تحليلات الانحدار المتداول أن متوسط بيتا يتقلب، مع قيم أعلى خلال الأسواق الصاعدة (متوسط بيتا 1.22) وقيم أقل في الأسواق الهابطة (متوسط بيتا 0.88)، مما يبرز ضرورة تقدير بيتا الديناميكية لتعزيز تقييم المخاطر وتوقعات العوائد.
علاوة على ذلك، يؤثر دمج المتغيرات الاقتصادية الكلية—مثل أسعار الفائدة، والتضخم، وتقلبات السوق—في إطار نموذج CAPM الديناميكي بشكل كبير على علاوات المخاطر، حيث تظهر الدراسة قوة تفسيرية عالية (R² المعدل = 0.72) للنموذج. تشير النتائج إلى أن CAPM الديناميكي يتفوق على CAPM الثابت من حيث الدقة التنبؤية والأداء المعدل حسب المخاطر، كما يتضح من انخفاض جذر متوسط مربع الخطأ (RMSE) وتحسين قيم معيار معلومات أكايكي (AIC) ومعيار معلومات بايزي (BIC). تختتم الورقة بالقول إن الاستفادة من أنظمة المعلومات المالية المتقدمة أمر حيوي لمعالجة البيانات في الوقت الفعلي واتخاذ القرارات، مما يمكّن المستثمرين من تعديل استراتيجياتهم وفقًا لظروف السوق المتطورة بشكل فعال. تدعو هذه الدراسة إلى التحول نحو نماذج ديناميكية تدمج الحساسيات الاقتصادية الكلية لتحسين إدارة المحافظ في البيئات المتقلبة.
DOI: https://doi.org/10.51983/ijiss-2026.16.1.73
Publication Date: 2026-02-21
Author(s): K.R. Bhavya et al.
Primary Topic: Financial Markets and Investment Strategies
Overview
This paper investigates the performance of 20 actively traded companies on the National Stock Exchange (NSE) using both static and dynamic Capital Asset Pricing Models (CAPM). It demonstrates that incorporating time-varying beta, rolling regression, and macroeconomic sensitivities significantly enhances risk estimation. The dynamic beta is computed through a rolling-window regression of daily closing prices from 2015 to 2024, and risk-adjusted performance is assessed using Sharpe and Treynor ratios. Key macroeconomic variables, including interest rates, inflation, and market volatility, are analyzed for their influence on risk premiums. The findings reveal substantial variations in beta across different market conditions (bull, bear, and volatile periods), underscoring the limitations of constant-beta models. The dynamic CAPM exhibits superior explanatory power (Adjusted R² = 0.72) compared to the static model (Adjusted R² = 0.41), facilitating more accurate forecasts of expected returns.
In conclusion, the dynamic CAPM proves to be a more effective tool for portfolio comparison by integrating time-dependent beta and macroeconomic factors alongside risk-adjusted performance metrics. The results affirm the classical risk-reward trade-off, highlighting the positive correlation between time-varying beta and expected returns. Additionally, macroeconomic indicators such as inflation, interest rates, and volatility emerge as critical determinants of risk premiums. The superior explanatory capability of the dynamic CAPM, coupled with its reduced error measures, positions it as a valuable framework for predicting market behavior. This research emphasizes the necessity for adaptive, macro-sensitive, and risk-aware models in emerging markets like India, where continuous market evolution presents unique challenges. The insights gained can assist institutional investors, fund managers, and policymakers in optimizing portfolio construction, enhancing returns, and mitigating exposure to dynamic market risks.
Introduction
The introduction of the paper emphasizes the necessity for a nuanced approach to portfolio management in emerging markets like India, where traditional finance models often fail to account for the dynamic nature of risk and returns. It highlights that macroeconomic variables, policy changes, and investor sentiment significantly influence market volatility, necessitating the use of adaptive models to capture time-varying risk. The conventional Capital Asset Pricing Model (CAPM), which relies on a static beta, is deemed inadequate for the Indian context, particularly during periods of heightened market volatility. Instead, the paper advocates for the incorporation of dynamic beta and time-varying risk premiums to enhance the model’s explanatory power and improve predictive performance for asset allocation.
Furthermore, the introduction discusses the importance of regularly monitoring portfolios based on beta, risk premiums, and asset correlations, particularly in high-growth economies. It posits that employing dynamic strategies, such as rolling beta and risk-adjusted performance ratios like the Sharpe and Treynor ratios, can lead to better investment outcomes. The paper aims to analyze 20 top NSE-traded companies using both dynamic and static CAPMs to investigate the implications of time-dependent beta and risk premiums on risk-adjusted performance, ultimately underscoring the significance of macro-sensitive, dynamic methodologies in optimizing portfolio management in the Indian equity market.
Methods
The methodology section of this research paper employs a quantitative analytical design utilizing secondary data from 20 firms listed on the National Stock Exchange (NSE) and the NIFTY 50 index, covering the period from 2015 to 2024. Daily price data were sourced from NSE India, while macroeconomic indicators such as interest rates, inflation, and the India VIX were obtained from the Reserve Bank of India (RBI), the Ministry of Statistics and Programme Implementation (MOSPI), and NSE, respectively. The analysis was conducted using EViews 12, SPSS 28, and Excel for regression analysis, rolling calculations, and model comparison metrics including Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), and Root Mean Square Error (RMSE).
The study tests two hypotheses: H3 posits that macroeconomic variables significantly influence the time-varying risk premium, while H4 suggests that dynamic Capital Asset Pricing Model (CAPM) frameworks offer greater explanatory power for return variation than static CAPM models. A methodological flowchart (Fig. 1) illustrates the sequential steps taken in the research, detailing the analytical pathway that encompasses rolling regression, dynamic CAPM estimation, and macroeconomic modeling.
Discussion
The discussion section of the paper emphasizes the inadequacies of the traditional Capital Asset Pricing Model (CAPM) in capturing the dynamic nature of systematic risk, particularly in emerging markets like India. The research highlights that the assumption of a constant beta is flawed, as empirical evidence shows that beta varies significantly across different market phases—bull, bear, and volatile markets—due to factors such as market sentiment, macroeconomic shifts, and structural changes. The findings from rolling regression analyses reveal that the mean beta fluctuates, with higher values during bull markets (mean beta of 1.22) and lower values in bear markets (mean beta of 0.88), underscoring the necessity for dynamic beta estimation to enhance risk assessment and return predictions.
Furthermore, the integration of macroeconomic variables—such as interest rates, inflation, and market volatility—into the dynamic CAPM framework significantly influences risk premiums, with the study demonstrating a high explanatory power (Adjusted R² = 0.72) for the model. The results indicate that dynamic CAPM outperforms static CAPM in terms of predictive accuracy and risk-adjusted performance, as evidenced by lower root mean square error (RMSE) and improved Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) values. The paper concludes that leveraging advanced financial information systems is crucial for real-time data processing and decision-making, enabling investors to adapt their strategies to the evolving market conditions effectively. This research advocates for a shift towards dynamic models that incorporate macroeconomic sensitivities to optimize portfolio management in volatile environments.