مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1397 | دوره:9 | شماره:36 |تعداد مقالات:16

در انتخاب پرتفوی بهینه، باید معیارهای مختلفی را در نظر گرفت که قسمتی آنها بر اساس ماهیت بهینه سازی تعیین می شود و قسمتی نیز بر اساس خواست سرمایه گذار مشخص می گردد. لذا در این مقاله، مدل هایی مبتنی بر برنامه ریزی چندهدفه طراحی و در محیط نرم افزار متلب حل شده است. این مدل ها به گونه ای طراحی شده که هم طبیعت چندهدفه انتخاب پرتفو، هم ملاحظات مورد نظر سرمایه گذار و هم ماهیت غیرقطعی بازدهی آتی دارایی ها را نیز در نظر بگیرد. پس از طراحی مدل ها در دو وضعیت فازی و غیرفازی، به دلیل ماهیت NP-HARD آنها، از الگوریتم اختصاصی طراحی شده NSGA-II برای حل استفاده شده است. پس از حل مدل ها، بهترین پرتفو از جبهه پارتوی تشکیل شده، بر اساس نسبت سورتینو، استخراج شده و پرتفوهایی که با این روش بدست آمده، بر اساس نسبت ترینر مقایسه گردیدند. نتایج آزمون های آماری به صراحت نشان می دهد که مدل های ارائه شده قدرت بالایی در انتخاب پرتفوی با بازدهی بالا و ریسک متعادل دارند. همچنین نتایج بیانگر آن است که در میان مدل های طراحی شده، استفاده از منطق فازی در مدلهای چهارهدفه، نسبت به وضعیتی که از منطق فازی در طراحی و استفاده از این مدلها استفاده نشود، نتایج مطلوب تری را ایجاد را می نماید.

در این مقاله فرمول حساسیت یونانی ها در بازار سرمایه مورد بررسی قرار خواهد گرفت. هدف از این تحقیق امکان سنجی به کار گیری فرمول حساسیت یونانی ها در بورس تهران می باشد. این تحقیق از تحقیقات کاربردی و اطلاعات مالی ایران خودرو از مهر 95 تا اسفند 95 بررسی شده است. به منظور بررسی و تفسیر مفاهیم فرمول حساسیت یونانی نرم افزارهای آماری و ریاضی مانند MATLAB بهره گرفته و محاسبات با قوانین اختیار اروپای (مطابق بازار بورس تهران) انجام می شود. خروجی های به دست آمده نشان می دهد که میانگین و پراکندگی بدست آمده در نمونه انتخاب شده دارای توزیع نرمال نمی باشد وبه کمک آزمون لون ثابت میشود که میتوانیم میانگین و پراکندگی نمونه بدست آمده را با ضریب اطمینان 99درصد،جایگزین میانگین و پراکندگی جامعه نموده و از معادله بلک- شولز برای معرفی یونانی ها بهره برده و تاثیر هر یک از متغیرها را بررسی می نماییم.خروجی های بدست آمده نشان می دهد که پارامترهای قیمت سهام، پراکندگی، زمان سررسید، ضریب بهره در قیمت اختیار خرید تاثیر داشته وبرای کاهش ریسک در بازار بورس معرفی یک مدل ریاضی و ضرایب حساسیت یونانی از قبیل دلتا، رو، وگا، تتا و گاما لازم بوده و استفاده از ضرایب حساسیت یونانی در بورس تهران و آشنا نمودن سرمایه گذاران با مفاهیم ریاضیات مالی ضروری می باشد.

مطالعه پویایی ها و روابط بین بازارها یکی از موضوعات مورد توجه محققان بوده است. این مقاله به بررسی اثر نااطمینانی قیمت طلا و قیمت نفت خام بر بازده شاخص قیمت سهام بانک ها با استفاده از مدل فضا-حالت در فرم خودرگرسیون میانگین متحرک برداری (VARMA) می پردازد. در سیستم معادلات فضا حالت، متغیر حالت توسط فیلتر کالمن و پارامترهای تصریح شده الگو به وسیله روش حداکثر راستنمایی تخمین زده می شوند. نتایج تحقیق نشان می دهد که نااطمینانی قیمت طلا و نااطمینانی قیمت نفت اثر منفی و معنی داری بر بازده شاخص سهام بانک دارد و میزان تاثیرپذیری بازده شاخص بانکها از نااطمینانی قیمت طلا بیشتر از نااطمینانی قیمت نفت می باشد. همچنین نااطمنیانی قیمت نفت اثر مثبت و معنی داری بر نااطمینانی قیمت طلا دارد. در این تحقیق، از دادههای روزانه قیمت نفت خام اوپک، قیمت طلا (سکه تمام بهار آزادی طرح قدیم) و شاخص قیمت سهام بانکها طی دوره 1390 تا شهریور 1396 استفاده شده است.

استراتژی مالی بعدی از استراتژی شرکت است که ماهیت و جهت امور مالی سازمان را تعیین می کند. هدف نهایی هر شرکت تجاری افزایش ثروت سهامداران است و عملکرد مطلوب باعث افزایش ارزش شرکت و در نهایت افزایش ثروت سهامداران می شود. شرکت ها بدون داشتن استراتژی صحیح نمی توانند به اهداف خود برسند و تدوین استراتژی در نتیجه ارزیابی عملکرد از ابعاد مختلف است. ابعاد حاکمیت شرکتی(کفایت و توانایی) مجموعه ای از مکانیزم های کنترلی درون شرکتی و برون شرکتی است که تعادل مناسب بین حقوق صاحبان سهام از یکسو و نیاز ها و اختیارات هیات مدیره را از سوی دیگر برقرار می کند. روش تحقیق بر مبنای نتیجه، توسعه ای و بر مبنای هدف، توصیفی-تبیینی و بر مبنای روش، پس رویدادی است. جامعه آماری این پژوهش شرکت های دارویی پذیرفته شده در بورس اوراق بهادار تهران می باشد که 25 شرکت به روش قضاوتی انتخاب شدند. ابزار گردآوری داده ها، تحلیل صورت های مالی حسابرسی شده شرکت ها می باشد و از آزمون های t، لونز، کولموگردف- اسمیرنوف و یومن- ویتنی، آزمون های چاو و هاسمن و نیز مدل رگرسیونی استفاده شده است. نتایج نشان می دهد که بین رفتار تونل وار سهامداران بر عملکرد شرکت (میانگین بازده دارایی ها، بازده حقوق صاحبان سهام، نسبتQ توبین و حاشیه سود) با، استراتژی مالی هماهنگ با حاکمیت شرکت، بیشتر و معنادارتر از شرکت های ناهماهنگ است.

در سال های اخیر در ایران معاملات با فرکانس بالا مورد توجه تحلیل گران مالی قرار گرفته است و کار با این داده ها مستلزم روش های خاص به دلیل وجود اختلالات ریز ساختار می باشد. در این پژوهش هدف بررسی نوسانات ریزساختار بازار ایران با توجه به قرارداد برجام در ماه های می تا اکتبر سالهای 2014-2016 میلادی به صورت کوتاه مدت است. به این منظور از اطلاعات مربوط به شاخص کل، شاخص های بانک، سرمایه گذاری نفت، سرمایه گذاری صنعت پتروشیمی و خودرو که از جمله مهم ترین شاخص ها در ایران تلقی می شوند، استفاده شده است. برای برآورد ماتریس کوواریانس نوسانات از روش "از پیش متوسط گیری" به منظور کنترل اثر اختلالات ریز ساختار و روش "هایاشی یوشی" به منظور همزمان سازی اطلاعات شاخص ها استفاده شد. همچنین جهش های قیمتی به منظور برآورگری دقیق تر حذف گردید. بررسی نوسانات روزانه و مقایسه آنها بیانگر ایجاد تغییرات مثبت برجام در نوسانات شاخص کل، بانک و سرمایه گذاری صنعت نفت بود. از سوی دیگر شاخص های سرمایه گذاری صنعت پتروشیمی و خودرو چندان تحت تاثیر برجام نبودند. در انتها نیز به منظور پیش بینی نوسانات، مدل های سری زمانی بر اساس نوسانات روزانه شاخص ها ارائه شده است.

شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیش بینی مدیریت سود با استفاده الگوی شبکه های عصبی و سپس استفاده از الگوریتم های فراابتکاری ژنتیک و ازدحام ذرات برای یافتن ترکیبی بهتر از داده های ورودی است به گونه ای که بتواند الگو اولیه را بهینه نماید. برای این منظور از 28 متغیر تاثیر گذار در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سال های 1390 الی 1395 در شرکت های پذیرفته شده در بورس اوراق بهادار تهران استفاده گردید. نتایج حاصل نشان می دهد که کاربرد این دو الگوریتم قدرت تبیین الگوهای اولیه را افزایش داده است. همچنین ارزیابی عملکرد الگو های شبکه عصبی حاکی از برتری این الگو ها در قیاس با الگوی رگرسیون خطی (LR) است. روش ترکیبی شبکه های عصبی الگوریتم های ازدحام ذرات (A-PSO) و ژنتیک(A-GA) با شناسایی چهار متغیر بهینه به ترتیب شامل دقت پیش بینی، سهم مالکیت سهامداران عمده، اندازه شرکت و نسبت کیفیت، مدیریت سود را با دقت به ترتیب (%95.59) و (%94.75) پیش بینی کردند. بعلاوه روش های ترکیبی هوشمند فوق با بهبود ضریب همبستگی و معیار متوسط مربعات خطا نسبت به روش های رگرسیون خطی (LR) و روش شبکه های عصبی (ANN) در پیش بینی نتایج گروه ویژگی های مدیریتی و شرکتی کارآمدتر است.

در روند تکامل تئوری پرتفوی به دلیل وجود محدودیت هایی که در مفروضات اساسی مدل بهینه سازی مارکوویتز وجود داشت، مفهوم ریسک نامطلوب و مدل میانگین-نیم واریانس ابداع گردید که نقص مدل سنتی را برطرف کرده و وابستگی به مفروضات محدود کننده را از بین می برد. اما این مدل نیز از نظر تئوری های مطلوبیت اقتصادی سرمایه گذار دچار یک نقص عمده بوده و به دلیل عدم اندازه گیری نوسانات مثبت، مطلوبیت اقتصادی حرکات صعودی قیمت دارایی ها را در نظر نمی گیرد. لذا در آخرین پژوهش های بهینه سازی پرتفوی، مدل ریسک نامطلوب-پتانسیل مطلوب (Lpm-Upm) ارائه گردید که این مدل از نظر مطلوبیت دارای پشتوانه تئوریک قوی نظیر تئوری چشم انداز و تئوری مطلوبیت اقتصادی ون نیومن و مورگنشترن می باشد.در این پژوهش، پرتفوی بهینه مدل LPM-UPM در سطوح مختلف ریسک و پتانسیل پذیری با استفاده از داده های شاخص های تمامی صنایع و با بکارگیری از نرم افزار Matlab محاسبه گردید. دوره زمانی بهینه سازی از سال 1389 تا 1392 در نظر گرفته شده است و دوره پس از آن (از 1392 تا 1395) روند پرتفوی بهینه شده طی مدل LPM-UPM با پرتفوی بهینه مدل میانگین واریانس مقایسه خواهد شد. عملکرد پرتفوی های مزبور با استفاده از نسبت شارپ سنجیده شده و با استفاده از آماره جابسون-کورکی معناداری تفاوت عملکرد دو پرتفوی آزمون خواهد شد.نتایج پژوهش نشان می دهد در تمام رویکردهای مختلف ریسک پذیری و در تمام نقاط مرز کارا، بطور معناداری پرتفوی Lpm-Upm عملکرد بهتری نسبت به مدل سنتی مارکوویتز دارد.

صنعت بیمه در ایران صنعتی رو به رشد است، که علیرغم سابقه طولانی حضور آن در بازار اقتصادی ایران، هنوز نتوانسته است ضریب نفوذ مناسب در بازار پیدا کند. از سوی دیگر افزایش شرکت های خصوصی و افزایش رقابت در کنار شرایط نامناسب اقتصادی فعالان بخش خصوصی در بخشهای صنعت و خدمات و کاهش سهم بیمه از سبد خانواده های ایرانی با توجه به سایر هزینه های موجود، شرایط کاری صنعت بیمه را سخت تر کرده است.در این مقاله روش کارایی متقاطع در تحلیل پوششی داده ها (DEA) بر پایه آنتروپی شانون که اخیرا به وسیله سونگ و لیو (2016) ارائه شده است را برای ارزیابی شرکت های بیمه در ایران به کار خواهیم برد. به این صورت که ابتدا از طریق مصاحبه با خبرگان در این زمینه مهمترین شاخص های ارزیابی بهره وری مالی شناسایی شده که این شاخص ها شامل 6 شاخص بوده اند. در مرحله بعد به منظور ارزیابی عملکرد و رتبه بندی در جامعه آماری شامل 20 شرکت بیمه خصوصی و دولتی از مدل تلفیقی کارایی متقاطع و آنتروپی شانون استفاده می نمایم. رتبه بندی شرکت های بیمه در ایران برای سه سال متوالی 1393 تا سال 1395 می باشد. نتایج تحقیق نشان از رتبه بندی کامل شرکت های بیمه در ایران با استفاده از مدل معرفی شده در این مقاله می دهند.

هدف پژوهش حاضر طراحی یک سیستم معاملاتی هوشمند با استفاده از تکنیک های هوش مصنوعی به منظور کشف و طبقه بندی صحیح پیوت های قیمتی است. منظور از پیوت قیمتی نقاط برگشت قیمت است که موجب تغییر روند قیمت سهام می شود. در این بین نیز از دو تکنیک مربعی گن و الگوهای کندلستیک در کنار سایر متغیرها استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به 31 شرکت فعال در گروه خودرو و ساخت قطعات طی 5 سال شهریور 1391 الی شهریور 1396 می باشد. پیوت های قیمتی شرکت های مورد بررسی با الگوبرداری از اندیکاتور ZigZag و با کدنویسی در SQLServer شناسایی شده اند. نتیجه پژوهش نشان از توانمندی بالای سیستم طراحی شده برای کشف و طبقه بندی پیوت های قیمتی با محوریت دو الگوی کندلستیک و تکنیک مربعی گن دارد. در این بین، سطح اهمیت الگوهای کندلستیک و سطوح مربعی گن در کشف و طبقه بندی صحیح پیوت های قیمتی بالاتر از سایر متغیرها بوده است.

هدف از این پژوهش بررسی خوشه بندی نوسانات در بازارهای مالی از جمله بازار بورس اوراق بهادار با مدل شبیه سازی عامل بنیان است. سریهای زمانی از بازده های دارایی مالی ویژگی خوشه بندی نوسانات را نشان میدهد که تغییرات بزرگ در قیمتها تمایل به تشکیل خوشه با هم دارند و این خوشه ها برای مدت زمانی پایدار می مانند. با استفاده از مدلهای مختلف اقتصادسنجی، منبع این پدیده را در عوامل مختلفی از جمله رفتار مشارکت کنندگان بازار و فرایند اخبار رسیده به بازار مالی میدانند. یک ویژگی مشترک از این مدلها سوییچینگ میان رژیم های فعالیت بالا و پایین با دنباله های پهن می باشد. در این پژوهش از مدل شبیه سازی عامل بنیان که یک جزء مفیدی برای تحلیل اقتصادسنجی ارایه میکند از طریق نرم افزار متلب استفاده شده است. نتیجه استفاده از این مدل، برقراری ارتباط میان نوسانات بالا و پایین بازار با رفتار آستانه ای مشارکت کنندگان بازار می باشد. همچنین اینرسی سرمایه گذار را با خوشه بندی نوسانات مرتبط می سازد.

ریسک سقوط قیمت سهام ریسکی است که نشان می دهد تا چه اندازه قیمت سهام خاص درمعرض خطر سقوط قرار دارد. بر همین اساس هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم بهینه سازی حرکت تجمعی ذرات بر مبنای مدل چند متغیره و مقایسه نتایج با رگرسیون لوجستیک می باشد. بدین منظوریک فرضیه برای بررسی این موضوع تدوین و داده های مربوط به 106 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال های 1389تا 1393 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم تجمعی ذرات و رگرسیون لجستیک اقدام به پیش بینی خطر سقوط قیمت سهام می نماییم. یافته های پژوهش نشان می دهد که الگوریتم تجمع ذرات نسبت به روش سنتی رگرسیون لجستیک توانایی بیشتری در پیش بینی خطر سقوط قیمت سهام دارد، بنابراین فرضیه پژوهش تایید می شود.

با تغییر معیارهای تصمیم گیری و رقابتی تر شدن بازار های سرمایه، استرس و فشار های ناشی از سرمایه گذاری برای سهامداران و سرمایه گذاران بسیار افزایش یافته است و این موضوع لزوم توجه به مکانیزم های نظارتی قوتی تر برای ارتقای سطح کیفی اقلام صورت های مالی همچون سود را مورد توجه قرار می دهد. لذا در این پژوهش به بررسی رابطه کیفیت سود و استرس مالی، در قالب یک فرضیه، پرداخته شده است. روش تحقیق حاضر از نوع توصیفی و همبستگی است و تجزیه وتحلیل داده ها براساس روش مطالعه داده های ترکیبی می باشد. در ادامه به منظور آزمون فرضیه پژوهش با استفاده از اطلاعات مربوط به شرکت های پذیرفته شده در بورس اوراق بهادار تهران، از طریق روش نمونه گیری حذفی، 64 شرکت (در قالب 640 مشاهده شرکت- سال) به عنوان نمونه نهایی انتخاب شدند. در نهایت نتایج پژوهش حاضر با تایید فرضیه تحقیق نشان می دهند، بین کیفیت سود و استرس مالی در بازار سرمایه ایران رابطه منفی معنادار وجود دارد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

پیش بینی قیمت سهام در آینده هم برای خریداران سهام و هم برای فروشندگان آن از اهمیت بالایی برخوردار است. از این رو، جهت توسعه مدلی مبتنی بر هوش مصنوعی به منظور پیش بینی قیمت سهام در بازار ایران از شبکه های عصبی مصنوعی در این پژوهش استفاده گردیده است. از آنجایی که شبکه های عصبی مصنوعی می بایست جهت حصول بهینه ترین عملکرد دارای بهترین توپولوژی شبکه باشند، از الگوریتم فرا ابتکاری شناخته شده ای تحت عنوان کرم شب تاب جهت یافتن ساختار بهینه شبکه استفاده گردیده است. در نهایت نیز جهت حفظ هرچه بیشتر عمومیت شبکه از روش رگولاسیون بیزین، به جای روش های متداول آموزش، جهت آموزش شبکه استفاده گردیده است. بطور کلی، داده های مربوط به سه شرکت بزرگ: ایران خودرو، پتروشیمی شیراز و ذوب آهن اصفهان برای سه سال متوالی مورد جمع آوری قرار گرفته و از پارامترهای: حجم معاملات، قیمت بالا، قیمت پایین، قیمت باز، قیمت پایانی، EMA (5)، EMA(10)، RSI، William R%، Stochastic k%،Stochastic D%، و ROC بعنوان ورودی شبکه و از قیمت پایانی سهام در روز آینده بعنوان خروجی شبکه عصبی استفاده گردیده است. پس از توسعه مدل مرتبط با هر شرکت از پارامترهای آماری نظیر: مجذور میانگین مربعات خطا (RMSE)، انحراف از معیار خطا (SDE)، متوسط مطلق خطای نسبی (AARD)، ضریب رگرسیون (R2) و همچنین آنالیز گرافیکی نمودار خطای نسبی جهت سنجش دقت شبکه توسعه داده شده استفاده گردیده است. نتایج حاصل از آنالیز خطای شبکه های عصبی توسعه داده شده نشان می دهند که مدل های مذکور با دقت بسیار مناسبی قادر به پیش بینی قیمت سهام در روز آینده برای شرکت های ذکر شده می باشند.

امروزه انرژی به عنوان بخش پیشران اقتصاد ایران، از جایگاه مناسب و ویژه ای برای سرمایه گذاری برخوردار است. پیش بینی حدود 150 میلیارد دلار سرمایه گذاری در بخش انرژی طی برنامه پنجم، یک سیستم بانکی و مالی پویا و همچنین یک اقتصاد مالی و پولی مدرن را می طلبد که می تواند این منابع را مدیریت و تامین کند. البته انجام این رویکرد مستلزم رفع موانع قانونی و اصلاح قراردادها است. در حقیقت تامین مالی در صنعت نفت طی سال های اخیر با چالش های جدی روبه رو شده است. از سوی دیگر سرمایه گذاری در میادین مشترک نفتی و گازی ضروری و اجتناب ناپذیر است. به همین جهت وزارت نفت با طراحی قرارداد جدیدی که به اوراق سلف موازی نفتی شهرت یافته درصدد جمع آوری وجوه مورد نیاز است. این قرارداد قرارداد سلف موازی استاندارد به همراه دو اختیار در قالب شرط ضمن عقد است. در این مقاله با نگاهی به طرح پیشنهادی وزارت نفت ضمن ارائه الگویی برای قیمت گذاری بهینه و مناسب برای اوراق سلف موازی نفتی بر اساس مدل علمی قیمت گذاری اختیار معامله بلک شولز، الگوی ریاضی متناسب برای انجام آن نیز تشریح و درنهایت نیز پیشنهاد می گردد تا بر اساس این الگو تحقیقات تجربی و آماری برای تخمین مناسب قیمت های حدی این اوراق صورت گیرد.

هدف از انجام این تحقیق بررسی تاثیر استراتژی های شرکت بر پاسخ بازار به اعلامیه های تقسیم سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده است. این تحقیق به روش توصیفی-همبستگی انجام شده و از نوع تحقیقات کاربردی است. جامعه آماری تحقیق را کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1394 تشکیل می دهند که تعداد 118 شرکت در تمام طول دوره تحقیق در بازار بورس فعال بوده و مورد مطالعه قرار گرفته اند. داده های تحقیق از صورت های مالی شرکت ها استخراج گردیده و با استفاده از مدل های رگرسیونی به روش داده های ترکیبی مورد تجزیه و تحلیل قرار گرفت. یافته های تحقیق نشان داد که بکارگیری استراتژی تمایز در محصولات تاثیر مستقیم بر واکنش بازار نسبت به اعلامیه های تقسیم سود داشته است. همچنین نتایج نشان داده که با افزایش سطح استراتژی رهبری هزینه نیز بر واکنش بازار نسبت به اعلامیه های تقسیم سود افزوده می گردد.