مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1394 | دوره:6 | شماره:23 |تعداد مقالات:8

با توجه به افزایش بی رویه قیمت مسکن در ایران و همچنین استفاده گسترده از اوراق حق تقدم جهت استفاده از تسهیلات مسکن به عنوان ابزار تامین مالی به خصوص برای اقشار کم درآمد، هدف این پژوهش بررسی میزان تاثیر مستقیم و غیرمستقیم عوامل تاثیرگذار بر قیمت اوراق حق تقدم استفاده از تسهیلات مسکن در بازه زمانی 1385-1391 در ایران می باشد که بدین منظور هفت فرضیه تدوین و جهت تخمین مدل و تجزیه و تحلیل داده ها، روش خودتوضیح با وقفه های گسترده (ARDL) و آزمون هم انباشتگی روش بنرجی، دولادو و مستر مورد استفاده قرار گرفته است. نتایج تجربی نشان می دهد که در تخمین تاثیر مستقیم متغیرها، متغیرهای قیمت زمین، نرخ بازده دارندگان سپرده ممتاز، نرخ ارز و متغیر نرخ تورم و همچنین در تخمین تاثیر غیرمستقیم، متغیرهای فوق (به جزء قیمت زمین که با توجه به کلیدی بودن به عنوان متغیر وابسته در نظر گرفته شده است)، هم انباشته بوده و دارای رابطه بلندمدت با همدیگر می باشند. متغیر قیمت زمین و نرخ ارز دارای تاثیر منفی و معنی داری و متغیر نرخ بازده دارندگان سپرده ممتاز دارای تاثیر مثبت و معنی داری و متغیر نرخ تورم دارای تاثیر نامعناداری با قیمت اوراق حق تقدم تسهیلات مسکن در ایران می باشند. و متغیر نرخ تورم، نرخ ارز دارای تاثیر مثبت و معنی داری و متغیر نرخ بازده دارندگان سپرده ممتاز دارای تاثیر نامعناداری با قیمت زمین در ایران می باشند، که این متغیرها با تاثیر گذاشتن بر متغیر قیمت زمین، قیمت اوراق حق تقدم تسهیلات مسکن را به طور غیرمستقیم دچار نوسان می کنند.

پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظور از روش ها و مدل های متفاوتی به منظور پیش بینی سودهای آتی شرکت ها استفاده شده است. در این راستا، در پژوهش حاضر، مدل های سری زمانی توضیحی جمعی میانگین متحرک ARIMA و شبکه های عصبی مصنوعی از نوع پرسپترون چندلایه (MLP) مورد استفاده قرار گرفتند و پیش بینی ها برای سودهای فصلی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران و بر اساس داده های فصلی سال های 1386 تا 1391 انجام پذیرفت. نتایج نشان داد که مدل شبکه های عصبی مصنوعی به طور معناداری، خطاهای کوچکتری را در پیش بینی نسبت به مدل های ARIMA ایجاد می کنند و درنتیجه پیش بینی سودهای فصلی این شرکت ها، توسط شبکه های عصبی مصنوعی و با روش MLP از توان بیشتری نسبت به ARIMA برخوردار است.

شناسایی معیارهای مناسب برای انتخاب سهام هایی که بازدهی بالاتر به همراه ریسک پایین تر داشته باشند از مسایل مهم پیش روی سرمایه گذاران و از موضوعات اصل مدیریت سرمایه گذاری می باشد. در تحقیق حاضر ابعاد مختلف پارادایم های سرمایه گذاری ارزشی و رشدی مورد بررسی قرار گرفته اند. جامعه آماری پژوهش، شامل شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده، نمونه آماری متشکل از 131 شرکت از بین جامعه، برای بازه زمانی 1386 تا 1390 است. در ابتدا با وزن دهی به هر یک از شرکت های نمونه بوسیله هفت شاخص (شش معیار هاگن بعلاوه معیارP/E ) از طریق مدل AHP، سپس تفکیک و رتبه بندی سهام ها از طریق مدل SAW در هر یک از سال های تحقیق پرداخته شد. سپس با توجه به اهمیت رابطه بین ریسک و بازده، تاثیر ریسک سیستماتیک و ریسک عدم نقدشوندگی، بر بازده سهام مورد بررسی قرار گرفته است.نتایج تحقیق نشان می دهد که بین ریسک بازار (بتا) و بازده واقعی سهام رشدی رابطه خطی معکوس برقرار است. این رابطه قوی و معنادار است. از طرفی بین ریسک بازار (بتا) و بازده واقعی سهام ارزشی رابطه خطی مستقیم برقرار است. همچنین نتایج این تحقیق نشان می دهد که بین ریسک نقدشوندگی و بازده واقعی سهام رشدی و ارزشی (در هر دو) رابطه خطی مثبت وجود دارد ولی میزان و شدت رابطه بازده واقعی با ریسک نقدشوندگی در شرکت های رشدی بسیار بیشتر از شرکت های ارزشی دیده شد.

معمولا شرکت ها از ساختار سرمایه هدف شان انحراف دارند و ممکن است تنها زمانی برای تعدیل ساختار سرمایه خود اقدام کنند که مزایای این تعدیل بیش از هزینه های آن باشد. بر اساس نظریه توازن پویا می توان استدلال نمود که هر یک از شرکت ها با توجه به ویژگی های خاص خود، با هزینه های تعدیل متفاوتی مواجه شده و در نتیجه با سرعت های متفاوتی به سمت اهرم هدف شان حرکت می کنند. بر این اساس، در پژوهش حاضر عدم تقارن سرعت تعدیل ساختار سرمایه در بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. بدین منظور، در این پژوهش اطلاعات 115 شرکت در دوره زمانی 1381 تا 1390 جمع آوری شده و از مدل تعدیل جزئی آستانه ای و روش گشتاورهای تعمیم یافته استفاده شده است. نتایج آزمون فرضیه ها نشان داد که شرکت های دارای کسری مالی و سرمایه گذاری بیشتر و سودآوری و نوسان درآمد کمتر نسبت به شرکت های دارای ویژگی های متضاد با سرعت بیشتری ساختار سرمایه خود را تعدیل می کنند. در واقع این شرکت ها به دلیل مواجهه با هزینه های بحران مالی بالاتر و یا هزینه های تعدیل پایین تر، انگیزه بیشتری برای تعدیل ساختار سرمایه خود دارند. بنابراین می توان نتیجه گرفت که شرکت های مورد بررسی با سرعت های مختلفی به سمت اهرم های هدف شان حرکت می کنند.

هدف این مقاله بسط و توسعه روش هایی مبتنی بر ساختارهای شبکه ای و دارای پایه و مبنای ریاضی است که توانایی تشخیص حباب قیمت را در بورس اوراق بهادار تهران داشته باشد. در این مطالعه هدف ارائه مدلی برای تخمین حباب قیمت در بورس اوراق بهادار تهران است. به همین منظور به روش غربالگری نمونه ای به حجم 405 سهم شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخاب گردید و اطلاعات مربوط به قیمت و حجم معاملات آن ها طی سال های 1380 تا 1391 گردآوری شد و سپس از طریق آزمون های تسلسل، کشیدگی و آزمون وابستگی دیرش، سهم های منتخب به دو دسته حباب دار و بدون تقسیم بندی شدند. در گام بعد با بررسی روند بازدهی تجمعی، حجم معاملات سهم حباب دار و تاریخ شروع تشکیل حباب قیمت تعیین گردید و از طریق مدل های ماشین بردار پشتیبان و مدل ترکیب گوسی و همچنین با استفاده از اطلاعات مربوط به اندازه شرکت، شفافیت اطلاعات، نسبت P/E و نقدشوندگی سهام یک سال قبل از تشکیل حباب قیمت آن ها، مدلی برای پیش بینی حباب قیمت سهام شرکت ها در بورس اوراق بهادار تهران طراحی گردید. در پایان نیز قدرت پیش بینی مدل ها با استفاده از داده های گروه های آزمایش مورد بررسی قرار گرفت. با توجه به اینکه قدرت پیش بینی مدل ماشین بردار پشتیبان به دلیل خطای بالا در تشخیص با توانایی صحت پیش بینی فقط معادل %81,54، و همچنین مدل ترکیب گوسی با کارایی برابر %89,44، به علت ضعف در کشف قیمت های حبابی بورس تهران، برای به کارگیری و استفاده با هدف تفکیک سهام حباب دار از بدون حباب ها نامناسب شناخته شدند.

در تصمیم گیری به منظور سرمایه گذاری، دو عامل از اهمیت بسزایی برخوردار بوده و مبنای سرمایه گذاری می باشد. این دو عامل ریسک و بازده هستند. امروزه مدیریت ریسک به همان اندازه کسب حداکثر بازده برای سرمایه گذاران مهم و حیاتی است. تاکنون معیارهای مختلفی برای تعیین ریسک پرتفوی معرفی شده است بتای نامطلوب یکی از معیارهای ریسک نامطلوب می باشد، این معیار تغییرپذیری بازده شرکت نسبت به بازده بازار را تنها در دوره هایی بررسی می کند که بازده بازار کمتر از میانگین بوده و یا از مقدار «بازده بدون ریسک» یا «حداقل بازده قابل قبول سرمایه گذار» کم تر باشد. هدف اصلی پژوهش حاضر حل مساله انتخاب سهم برای پرتفوی با کمترین ریسک نامطلوب با استفاده از حل مدل برنامه ریزی خطی در شرایط فازی می باشد. بدین منظور با استفاده از اطلاعات قیمت 9 سهم پذیرفته شده در بورس اوراق بهادار تهران از سال 1374 تا سال 1392، مدل خطی فازی توسط روش پیشنهادی حل شده و وزن هر سهم و مقدار ریسک نامطلوب سبد بهینه بدست آمده است.

هدف اصلی این پژوهش تجزیه و تحلیل معیارهای انتخاب پرتفوی با استفاده از تکنیک دیمتل است. جامعه آماری پژوهش حاضر مدیران مالی و سرمایه گذاری تمامی شرکت های پذیرفته شده در بورس اوراق بهادار می باشد و ابزار مورد استفاده پرسشنامه است که تعداد 15 پرسشنامه بین خبرگان بازار سرمایه توزیع، و در نهایت 10 پرسشنامه جمع آوری گردید و جهت پاسخگویی به پرسش های پژوهش و تجزیه و تحلیل اطلاعات از روش دیمتل استفاده شد.با تجزیه و تحلیل معیارهای پژوهش با استفاده از تکنیک دیمتل مشخص گردید که در بین هشت معیار معرفی شده برای انتخاب پرتفوی، معیار رشد فروش بیشترین تاثیرگذاری را بر روی سایر معیارها، و بیشترین ضریب وزنی را در کل سیستم داراست. به عبارتی بااهمیت ترین معیار و دارای بیشترین تاثیر و تاثر در کل سیستم است. همچنین معیار نسبت قیمت بر درآمد بیشترین تاثیرپذیری را از سایر معیارهای پژوهش دارد. نتایج این پژوهش می تواند برای شرکت های سرمایه گذاری، مدیران مالی، تحلیل گران اوراق بهادار، بانک ها و بانکداران، موسسات بیمه و پژوهشگران این رشته کاربرد داشته باشد.

یکی از جذابترین حوزه های تصمیم گیری در شرایط عدم اطمینان، بهینه سازی مالی است. مساله انتخاب سبد سرمایه گذاری تک دوره ای از مسائل کلاسیک حوزه مالی می باشد اما این مدل بر پایه سه فرض محدودکننده بنا شده است. از این رو در این پژوهش، ابتدا مدلی تحت عنوان مدل بهینه سازی سبد سرمایه گذاری چند دوره ای احتمالی میانگین- نیم واریانس- چولگی با در نظر گرفتن هزینه معاملات را ارائه می کنیم. حل مساله سبد سرمایه گذاری چند دوره ای به خاطر غیرخطی بودن مساله، خیلی چالش انگیز است بنابراین پس از مدلسازی مساله با استفاده از الگوریتم بهینه سازی ازدحام ذرات چند هدفه و تک هدفه اقدام به حل مدل ارائه شده می کنیم. نتایج نشان می دهد که الگوریتم بهینه سازی ازدحام ذرات چند هدفه نتایج بهتری نسبت به الگوریتم بهینه سازی ازدحام ذرات تک هدفه ایجاد می کند.