مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1393 | دوره:5 | شماره:21 |تعداد مقالات:9

مدل میانگین – واریانس مارکویتز در انتخاب پرتفوی از دهه 1950 یکی از شناخته ترین مدل ها در مسائل مالی می باشد که تاکنون شاهد تحولات چشمگیری بوده است. نظریه پردازان مالی تلاش بسیاری در کاربردی تر کردن مدل های انتخاب پرتفوی داشته اند که باعث گردیده آنها را به سوی مدل های نوینی سوق دهد. در مقاله حاضر انتخاب پرتفوی به ترتیب در دو حالت مبهم و غیرمبهم مورد مطالعه قرار گرفته، مدل و الگوریتم های مرتبط با آنها ارائه می گردد و روش موثری برای تبدیل یک مساله بهینه باتابع هدف غیرخطی یا محدودیت غیرخطی به یک مساله خطی ارائه شده است که دشواری محاسبات را به مقدار زیادی کاهش می دهد. در هر دو مدل، ریسک به جای کوواریانس، به صورت مجموع قدرمطلق انحراف دارایی های ریسک دار و بازده به صورت بازده مورد انتظار منهای هزینه معاملاتی در نظر گرفته می شوند بگونه ای که هزینه معامله به عنوان تابع v شکل ناشی از تفاضل بین پرتفوی فعلی و پرتفوی جدید است. همچنین اثر ذهنی سرمایه گذار در مدل تصمیم گیری فازی منعکس می گردد. به منظور مقایسه دو مدل، 13 شرکت از 50 شرکت برتر پذیرفته شده در بورس اوراق بهادار تهران که بین سالهای 1382 تا 1391 فعالیت داشته اند به عنوان نمونه آماری این پژوهش انتخاب گردیده است. برای دستیابی به پرتفوی های مدل از نرم افزار DEA SOLVER استفاده شد. پس از مشخص شدن پرتفوی و محاسبه بازدهی و ریسک هر کدام از مدل ها، فرضیه پژوهش با استفاده از نرم افزار SPSS مورد آزمون قرار گرفت. نتایج تحقیق حاکی از آن است که بین دو مدل ارائه شده، مدل پیشنهادی انتخاب پرتفوی بر اساس تئوری تصمیم گیری فازی می تواند راهبردی مطلوب برای پرتفوی برطبق درجه رضایت سرمایه گذار ایجاد نماید.

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 بود: اول، افق سرمایه گذاری کوتاه مدت است. دوم، هزینه معاملات در بازار در نظر گرفته نشده است. سوم، پارامترهای مساله به صورت قطعی و از قبل معلوم هستند. در این تحقیق به دنبال ارائه و حل مدلی هستیم تا بتواند بر محدودیت های بیان شده غلبه کند و ما را به دنیای واقعی نزدیک تر کند. از این رو در ادامه مدلی تحت عنوان مدل بهینه سازی سبد سرمایه گذاری چند دوره ای احتمالی میانگین-نیم واریانس-ارزش در معرض خطر شرطی با در نظر گرفتن هزینه معاملات را ارائه و پس از مدلسازی آن، اقدام به حل آن با استفاده از الگوریتم ژنتیک می کنیم. در این پژوهش برای حل مدل از داده های 24 سهام از سهام شرکت بورس اوراق بهادار تهران از دی ماه 1387 تا مرداد 1392 به عنوان ورودی های مدل بهره می بریم. نتایج نشان داده است که این الگوریتم برای حل این دسته از مسائل مناسب و از کارایی لازم برخوردار می باشد.

کاهش و کنترل ریسک اعتباری به عنوان یکی از عوامل موثر در بهبود فرآیند اعطای اعتبار و درنتیجه در عملکرد بانک ها مطرح گردیده و نقش اساسی در تداوم ارائه تسهیلات، سودآوری و بقای بانک ها و موسسات مالی ایفا می نماید. در این راستا، پژوهش حاضر سعی در ارائه رویکردی نو برای ارزیابی ریسک اعتباری مشتریان بانکی دارد. روش شبکه عصبی به عنوان طبقه بندی کننده اصلی مشتریان تسهیلات بانکی با یک روش انتخاب ویژگی پوشش دهنده به نام کلونی زنبورعسل ترکیب می گردد. روش های دیگر به کار رفته در این پژوهش شبکه عصبی مبتنی بر آنالیز اجزای اساسی به عنوان یک روش فیلر کننده انتخاب ویژگی و روش شبکه عصبی به تنهایی می باشند. به منظور نشان دادن اثر بخشی روش پیشنهادی از داده های مربوط به دویست و پنجاه تن از تسهیلات گیرندگان حقیقی بانک کارآفرین در یک بازه زمانی سه ساله (1390-1387) به همراه هجده ویژگی مربوط به هریک از آنها استفاده نموده ایم. نتایج رویکرد ارائه شده با روش شبکه مصنوعی و روش شبکه مصنوعی بر پایه آنالیز اجزای اساسی مقایسه گردیده است. یافته های پژوهش دلالت بر آن داشته که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل شبکه عصبی بر مبنای کلونی زنبور عسل نسبت به روش شبکه عصبی و مدل شبکه عصبی بر مبنای آنالیز اجزای اساسی از عملکرد خوبی برخوردار است.

در دنیای پیچیده ای که ریسک جز لاینفک سرمایه گذاری ها گشته و برای سرمایه گذاری در هر جا ابتدا می بایست ریسک آن را محاسبه نمود و در اختیار سرمایه گذار قرار داد تا وی به این نتیجه برسد که در مکان مورد نظر سرمایه گذاری نماید یا خیر! محاسبه ریسک معنی و مفهوم پیدا می کند. بنابراین برای پاسخ گویی به سرمایه گذار روش های متفاوتی با توجه به نوع داده های تخمین زننده پارآمترهای مدل های تبیین کننده ریسک طراحی و پا به عرصه وجود گذاشته اند. در میان این مدل ها دو گروه از مدل های اقتصاد سنجی و شبکه عصبی در این تحقیق مورد بررسی قرار می گیرند تا توان این دو گروه را در پیش بینی ارزش در معرض خطر پرتفوی 21 شرکت های سرمایه گذاری در بازار سرمایه ایران مورد سنجش قرار گیرد و مدل برتر معرفی شود.

با توجه به پیامدهای نامطلوبی که درماندگی مالی برای شرکتها، اقتصاد کشور و نهادهای پولی و مالی به همراه دارد، استفاده از روشهایی که بتواند وقوع ناتوانی مالی را پیش بینی نموده و از به هدر رفتن ثروت جلوگیری نماید از اهمیت ویژه ای برخوردار است. تاکنون مدلهای مختلفی برای پیش بینی احتمال نکول شرکتها ارائه شده است. عمده مدلهای ارزیابی ریسک اعتباری بر اطلاعات گذشته نگر متکی بوده و استفاده از مدلهایی که از داده های روز بازار نیز جهت پیش بینی احتمال نکول آتی استفاده نماید، می تواند به افزایش قابلیت اتکای نتایج منتهی گردد. هدف از این تحقیق بررسی قابلیت استفاده از مدل KMV در ارزیابی ریسک ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و مقایسه قدرت تبیین نتایج حاصله با مدل رتبه Z آلتمن بعنوان یکی از روشهای رایج در سنجش احتمال قصور شرکتها است. داده های تحقیق شامل اطلاعات کلیه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است که طی سالهای 1380 تا 1384 مشمول ماده 141 قانون تجارت و ورشکسته بوده اند. در مجموع 50 شرکت حائز شرایط لازم بوده اند، همچنین 50 شرکت غیرورشکسته نیز بعنوان گروه شاهد انتخاب و نتایج مدل KMV در دو گروه مقایسه گردید. نتایج تحقیق که از نوع کاربردی و کمی است، نشان داد که مدل KMV قابلیت پیش بینی درماندگی مالی را داشته و در مقایسه با مدل آلتمن قابلیت پیش بینی ورشکستگی و تفکیک بین شرکتهای درمانده و غیردرمانده را دارا می باشد.

هدف این پژوهش، آزمون قیمت گذاری ریسک خاص (SR) در بورس اوراق بهادار تهران است. همچنین با توجه به تناقض شواهد تجربی با مبانی مالی کلاسیک، در بررسی منشاء قیمت گذاری ریسک یادشده، برخی توضیحات ارائه شده بابت چرایی وجود اثر مذکور نیز با استفاده از مدل رگرسیون فاما- مک بث (1973) و عامل تنزیل تصادفی (SDF) آزمون گردیده است. دوره زمانی پژوهش، سال های 1378 تا 1389 و نمونه تحقیق مشتمل بر 270 شرکت پذیرفته شده در بورس تهران می باشد.نتایج حاصله قیمت گذاری ریسک خاص را در بورس اوراق بهادار تهران بر مبنای هر دو روش فاما-مک بث و SDF تایید می نماید. به علاوه منشاء این قیمت گذاری به هیچ یک از عوامل اندازه، نسبت B/M، تداوم، نقدشوندگی، گشتاورهای مرتبه سوم و چهارم و مالکیت نهادی قابل انتساب نیست. لیکن بسته به سنجه SR و الزام حداقل روز معاملاتی لحاظ شده بابت معاملات اندک، کشیدگی و عامل صنعت در برخی موارد بر قیمت گذاری ریسک خاص موثر است.

افزایش میزان سود و کاهش ریسک سرمایه گذاری دربورس همیشه مهمترین دغدغه سرمایه گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه ای که دارای بیشترین بازده و کمترین ریسک سرمایه گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی ترین کارهای این حوزه شناخته می شود. علیرغم اهمیت این مدل چندین پژوهش عنوان کرده اند که با توجه به ماهیت بازارهای مالی کنونی، واریانس ممکن است بهترین گزینه ریسک سرمایه گذاران نباشد و بهتر است معیارهای دیگری چون چولگی نیز درنظر گرفته شود. از سوی دیگر ما معتقدیم که یک برنامه سرمایه گذاری مانند انتخاب سبد سهام نه تنها باید ماحصل گذشته سهام را در نظر داشته باشد بلکه بایستی پتانسیل آتی سهام را نیز مد نظر قرار دهد، که این امر اهمیت پیش بینی قیمت سهام برای سرمایه گذاران را آشکار می سازد. این پژوهش به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام، توسط شبکه های عصبی فازی پیش بینی می شود و بر اساس پیش بینی های بدست آمده، مدل های ریاضی بهینه سازی بر مبنای فاکتورهایی چون میانگین، واریانس و چولگی سبد سهام ارایه می شود. سپس، این مدل ها با استفاده از الگوریتم ژنتیک حل می گردند. نتایج تحقیق بیانگر آن است که مدل های ارائه شده در این مقاله، در مقایسه با روش های سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید.

با افزایش افق سرمایه گذاری، ریسک بهینه دارایی ها چقدر تغییر می کند؟ آیا این امر روی تصمیم گیری سرمایه گذاری رشدی و ارزشی اثر دارد؟این مقاله رویکرد جدیدی را با استفاده از روش تجزیه وتحلیل موجک که بازده های استراتژی سرمایه گذاری خاص را به افق های سرمایه گذاری چندگانه تجزیه می کند، برای بررسی تخصیص پورتفوی میان سهام رشدی و ارزشی در افقهای سرمایه گذاری مختلف ارایه می دهد. در این مقاله از شاخص کل بازار بورس و پورتفوی شرکتهای سرمایه گذاریی که بیش از 40 درصد آن ها بورسی می باشد طی دوره 10 ساله 1383 تا 1392 بر اساس بازده ماهانه استفاده شد.سهام به دو دسته رشدی و ارزشی تقسیم شدند. سهام ارزشی دارای ارزش دفتری به بازاری بیشتر از 30 درصد و سهام رشدی دارای ارزش دفتری به بازاری کمتر از 30 درصد می باشند. داده ها از نرم افزار ره آورد نوین گردآوری شد و با استفاده از نرم افزار متلب تحلیل شدند. نتیجه تحقیق نشان می دهد که در شرکتهای سرمایه گذاری با ریسک گریزی متوسط و کم، با افزایش افق سرمایه گذاری میزان سرمایه گذاری در سهام رشدی کم و میزان سرمایه گذاری در سهام ارزشی افزایش یافته است در حالی که در بررسی پورتفوی بازار وزن سهام رشدی و ارزشی تفاوت قابل ملاحظه ای باهم نداشتند.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.