ศึกษาพฤติกรรมภาวะฟองสบู่ในตลาดหลักทรัพย์แห่งประเทศไทย ในช่วงระยะเวลาตั้งแต่เดือนมกราคม 2532 ถึงเดือนธันวาคม 2542 โดยใช้แบบจำลอง Switching Regression ของ Schaller and Van Norden (1997) ซึ่งกำหนดให้ผลตอบแทนส่วนเกินในช่วงเวลาถัดไปนั้นจะเกิดขึ้นได้ 2 รูปแบบ คือ จาก surviving state (ช่วงที่ราคาหลักทรัพย์ที่ซื้อขายในตลาด เบี่ยงเบนออกจากราคาหลักทรัพย์พื้นฐาน) หรือจาก collapsing state (ช่วงที่ราคาหลักทรัพย์ที่ซื้อขายในตลาด ปรับตัวกลับสู่ราคาหลักทรัพย์พื้นฐาน) โดยที่ผลตอบแทนจากการลงทุน และความน่าจะเป็นของการเกิดภายใต้รูปแบบใดนั้น จะขึ้นอยู่กับความแตกต่างจากราคาหลักทรัพย์พื้นฐาน ของราคาหลักทรัพย์ในตลาด ผลการศึกษาพบว่า ภายใต้แบบจำลอง Switching Regression นี้ไม่สามารถที่จะแสดงได้ว่าเกิดภาวะฟองสบู่ขึ้น ในตลาดหลักทรัพย์แห่งประเทศไทยอย่างมีนัยสำคัญทางสถิติ ไม่ว่าจะข้อมูลที่ใช้นั้นจะเป็นข้อมูลรายสัปดาห์หรือรายเดือน และแม้กระทั่งได้ปรับเปลี่ยนแบบจำลองออกไปในรูปแบบต่างๆ กัน ไม่ว่าจะเพิ่มตัวแปรหุ่นเพื่อลดข้อจำกัด ในส่วนสมมติฐานของตัวแปรที่ใช้หรือการนำแนวคิดเรื่อง Markov Chains เข้ามาปรับใช้แล้วก็ตาม ซึ่งสาเหตุที่เป็นเช่นนี้ อาจเนื่องมาจากปัญหาในการคำนวณราคาหลักทรัพย์พื้นฐาน และปัญหาข้อจำกัดทางด้านข้อมูลของตลาดหลักทรัพย์แห่งประเทศไทย ทำให้ข้อมูลที่นำมาใช้นั้นมีจำนวนไม่มากเพียงพอ
To study asset price bubbles in the Stock Exchange of Thailand (SET) between January 1989 and December 1999. We use a switching regression model of Schaller and Van Norden (1997). The model assumes that the excess return in the next period may occur in either surviving state; the state the market prices deviate from fundamental prices, or collapsing state; the state that market prices adjust to fundamental prices. In both cases, the difference between market prices and fundamental prices always determines the return as well as the probability of occurrence in any states. Despite our data and model modification such as the frequency of data, relaxation of asymmetry restriction of bubble behavior and Markov Chains assumption, the results fail to statistically confirm asset price bubbles in SET. The failure might be the result of the problem in fundamental price estimation and the limitation of SET data.
