مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1396 | دوره:8 | شماره:31 |تعداد مقالات:14

معیارهای ریسک ارزش در معرض خطر و متوسط ارزش در معرض خطر، دو معیار مهم اندازه گیری ریسک در بازارهای مالی هستند که ریسک را با یک عدد مشخص می کنند. اما هر دو این معیارها، در سنجش ریسک دارای معایبی هستند. به همین دلیل معیار جدید ریسکGlueVaR  در سال 2014 میلادی و در انتقاد از این دو معیار ریسک معرفی شد که می توان آن را به عنوان یک ترکیب خطی از دو معیار ارزش در معرض خطر و متوسط ارزش در معرض خطر نیز در نظر گرفت. در این مقاله این معیار توصیف شده و مزایای آن در مقایسه با دو معیار عنوان شده، بیان می شود. در ادامه با استفاده از مدل رگرسیونی چندکی ترکیبی، روشی برای برآورد این معیار ارائه خواهد شد. در پایان نیز کارایی این معیار ریسک، در مقایسه با دو معیار عنوان شده با استفاده از لگ - بازده قیمت سهام یک شرکت از بازار بورس آمریکا و دو شرکت از بازار بورس ایران مورد مقایسه قرار می گیرد.

یکی از ویژگی های مهم کشورهای صنعتی و توسعه یافته، وجود بازار فعال و پویای پول و سرمایه است. به عبارت دیگر، اگر پس اندازهای افراد با مکانیسم صحیح به بخش تولید هدایت شوند، علاوه بر بازدهی که برای صاحبان سرمایه به ارمغان می آورد، می تواند به عنوان مهمترین عامل تامین سرمایه، برای راه اندازی طرح های اقتصادی جامعه نیز مفید باشد. در پژوهش حاضر، انتخاب و بهینه سازی سهام با استفاده از سه الگوریتم، شامل الگوریتم ژنتیک، فرهنگی و ازدحام ذرات مورد بررسی قرار گرفته است. از این رو، 106 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی 1386 الی 1393، به منظور بررسی این موضوع مورد آزمون قرار گرفتند.این پژوهش به بررسی تفاوت بین میانگین بازده سرمایه گذاری در سبدهای منتخب بر اساس سه روش پرداخته و آزمون های آماری مربوط به نتایج حاکی از عدم وجود اختلاف معنادار بین سه الگوریتم می باشد. از طرفی به منظور مقایسه دو الگوریتم و بررسی برتری الگوریتم ها، این دو روش بهینه سازی از دو بعد تابع هدف و نسبت بازده و ریسک مورد مقایسه قرار گرفتند و از آنجایی که الگوریتم ژنتیک مقدار تابع هدف کمتری داشته یا به عبارتی با کمترین خطا به بهترین نتیجه رسیده است، نسبت به الگوریتم های دیگر بهتر عمل کرده است و نشان دهنده برتری نسبی این الگوریتم در انتخاب سبد سهام بهینه است.

با توسعه بازارهای مالی در کشورهای توسعه یافته و نوظهور، ابزارهای مالی متنوعی در این بازارها برای تامین خواسته های طیف گسترده و متنوعی از سرمایه گذاران ارائه شده است. این ابزارهای شامل طیف گسترده ای از انواع سهام، اوراق بادرآمد ثابت، قراردادهای مشتقه و ترکیبی از موارد فوق است. دراین بین گواهی سپرده سهام به عنوان یکی از محصولات مهندسی مالی، نه تنها به عنوان ابزار تامین مالی در بازارهای سرمایه ایفای نقش می کند، بلکه با توجه به برخورداری از ویژگی های منحصربه فرد، ضمن حفظ کنترل مدیریتی سهامداران عمده، موجب افزایش کارایی بازار سهام از طریق افزایش نقدشوندگی سهام نیز می گردد. در این رابطه با توجه به نقدشوندگی پایین بازار سرمایه ایران و تمایل کم شرکت های بورسی به تامین مالی (علی رغم نیاز جدی) از طریق انتشار سهام جدید به دلیل کاهش کنترل مدیریتی، پژوهش حاضر به معرفی، بومی سازی و ارائه مدل عملیاتی گواهی سپرده سهام به عنوان ابزار جدید در تامین مالی شرکتی (بدون کاهش کنترل مدیریتی) و افزایش کارایی بازار سرمایه (از طریق افزایش نقدشوندگی) پرداخته است.

شرکت ها برای موفقیت در عرصه رقابت باید اقدام به پیروی از یک راهبرد تجاری نمایند، یک تقسیم بندی دو راهبرد تدافعی و اکتشافی را پیشنهاد می دهد. در راهبرد تدافعی شرکت به دنبال کاهش هزینه ها و قیمت است، اما در راهبرد اکتشافی شرکت با انجام نوآوری و هزینه های بالای تحقیق و توسعه، سعی در متمایز ساختن محصول خود از رقبا دارد. اما این رویکرد ریسک سقوط سهام آتی را افزایش می دهد زیرا یکی از عواملی که منجر به سقوط قیمت سهام می شود نگهداشت اخبار بد در داخل شرکت است. با انتشار اخبار بد قیمت سهام دچار افت ناگهانی خواهد شد.هدف پژوهش حاضر تعیین تاثیر راهبرد تجاری شرکت بر ریسک سقوط آتی قیمت سهام است، هچنین انتظار می رود در شرایط وجود عدم تقارن اطلاعاتی بالاتر، راهبرد اکتشافی بیشتر ریسک سقوط سهام را افزایش دهد. به منظور دستیابی به هدف پژوهش تعداد 117 شرکت از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1390 الی 1394 به عنوان نمونه آماری انتخاب گردید. برای آزمون فرضیه های پژوهش از الگوی رگرسیون چند متغیره و داده های ترکیبی استفاده شده است. نتایج نشان می دهد که راهبرد تجاری اکتشافی ریسک سقوط سهام را افزایش می دهد در حالی که راهبرد تدافعی این ریسک را کاهش خواهد داد. همچنین در شرایط وجود عدم تقارن اطلاعاتی شدید راهبرد اکتشافی بیش از پیش باعث افزایش ریسک سقوط سهام خواهد شد.

پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تکنیک های هوش مصنوعی در این حوزه استفاده می شود. کشف قوانین پیوستگی یکی از رایج ترین روش های داده کاوی مورد استفاده جهت استخراج دانش از مجموعه داده های بزرگ است. برخی محققین کاوش قوانین پیوستگی را به عنوان یک مساله چند هدفه بیان کرده اند، که به طور مشترک چند معیار را برای به دست آوردن یک مجموعه با قوانین جالب تر و دقیق تر بهینه سازی می کند. در این پژوهش، یک مدل تکاملی چند هدفه جدید ارائه می دهیم که قابلیت درک، جالب بودن و کارایی را به منظور کاوش مجموعه ای از قوانین پیوستگی کمی از داده های مالی، شامل 10 تا از رایج ترین نشانگرهای تحلیل تکنیکی، حداکثر می کند. برای این منظور، این مدل، دو الگوریتم تکاملی چندهدفه معروف الگوریتم ژنتیک مرتب سازی نامغلوب II و الگوریتم ژنتیک رتبه بندی شده نامغلوب را برای انجام فراگیری تکاملی فواصل ویژگی ها و انتخاب شرایط برای هر قانون گسترش می دهد. علاوه براین، مدل ارائه شده، یک جمعیت خارجی و یک فرایند شروع مجدد را برای مدل تکاملی به منظور ذخیره تمام قوانین نامغلوب یافته شده و بهبود تنوع مجموعه قوانین به دست آمده معرفی می کند. نتایج به دست آمده بر روی داده های سهام در دنیای واقعی، اثربخشی روش ارائه شده را نشان می دهد.

این پژوهش به بررسی تاثیر مولفه های مالی و حسابداری بر برون سپاری فروش محصولات شرکت زمرم پرداخته است. هدف از پژوهش بررسی میزان مطابقت و تبعیت الگوی برون سپاری محصولات این شرکت با شرایط آشوبناک بوده است. ابزار پژوهش پرسشنامه بوده که پس از انجام آزمون های روایی و پایایی(با ضریب بالای 0.7 برای هر متغیر) توزیع گردید. جامعه آماری پژوهش کلیه مدیران و کارکنان شرکت زمزم در استان تهران می باشند که اساسا با موضوع برون سپاری فروش در ارتباط کاری بوده اند. پس از گردآوری داده ها و انجام تجزیه و تحلیل های آماری برای فرضیات پژوهش چنین حاصل شد که ویژگی غیر خطی‏، ویژگی خودمانایی، ویژگی جاذبه های غریب‏، اثر پروانه ای، ویژگی سازگاری پویا و ویژگی فراکتال بر برون سپاری فروش محصولات شرکت زمزم تاثیر دارد. همچنین ویژگی هموستاسیس و ویژگی انشعاب بر برون سپاری فروش محصولات شرکت زمزم تاثیری نداشته و رابطه معنی داری بین آنها مشاهده نشده است. مهمترین پیشنهاد پژوهش انجام پژوهش در سطحی گسترده تر و برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد.

این مقاله به دنبال بررسی هم حرکتی بازارهای سهام، ارز و طلا در اقتصاد ایران است. بدین منظور با استفاده از تحلیل همدوسی و رویکرد اکونوفیزیک، هم حرکتی و ارتباط دوبه دوی این بازارها در اقتصاد ایران برای بازه زمانی 09/07/1376 تا 31/04/1394 و با تواتر هفتگی مورد بررسی قرار گرفت. نتایج تحلیل همدوسی نشان می دهد که در افق زمانی کوتاه مدت طی سالهای 1384-1387 و افق های میان مدت طی سالهای 1382 الی 1385 ارتباط نرخ بازدهی سهام و نرخ ارز در جهت عکس (فاز مخالف)بوده است. امادر افق های بلندمدت تر در سالهای 1386 الی 1389 نرخ بازده سهام بعد از نرخ ارز حرکت می کند و یک متغیر پس رونده محسوب می شود. همچنین همدوسی بین سکه طلا و نرخ ارز در افق های کوتاه مدت در سالهای 1377-1381 بالا و هم فاز بوده است. در این رابطه سکه طلا بعد از نرخ ارز حرکت کرده است. پس از این سالها در طی سالهای 1381 تا 1391 شدت ارتباط بین سکه طلا و نرخ ارز بخصوص در افق های بلندمدت بالا نبوده است اما پس از سال 1391 و با تشدید تحریم ها، همدوسی این بازارها تا سال 1393 بالا و هم فاز بوده است. علاوه بر آن همدوسی بین نرخ بازدهی سهام و نرخ سکه طلا نشان می دهد که شدت ارتباط بین این دو متغیر در تمامی افق ها و در طول دورهزمانی تحقیق چندان زیاد نبوده است؛ اما ارتباط این دو متغیر در سالهای 1380 الی 1383 در افق 16 الی 64 هفته شدت زیادی داشته است که البته جهت این ارتباط معکوس بوده است.

شبکه های عصبی مصنوعی مدل هایی ریاضی می باشند که الهام گرفته از سیستم عصبی و مغز انسان می باشند. در این تحقیق هدف محقق بر آن است که به پیش بینی قیمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لایه از شبکه های عصبی مصنوعی بپردازد، و با روش های مختلف خطای این پیش بینی را بهبود بخشد. قیمت گذاری بالای سهام می تواند با کاهش تقاضا برای سهام در دست واگذاری، فرایندخصوصی سازی را با شکست مواجه سازد و قیمت گذاری نازل سهام نیز با ایجاد شبهات متعدد در زمینه نحوه واگذاری اموال عمومی، شکست درازمدت سیاست واگذاری را به دنبال دارد. باتوجه به اهمیت این مقوله، نوپا بودن بازارسرمایه و نیز عدم وجود موسسات تامین سرمایه و بانک های سرمایه گذاری در ایران، پیش بینی رفتار قیمت سهام و روند صعودی و یا نزولی بودن آن می تواند در تصمیمات و استراتژی های مدیران موثر باشد. مطالعه حاضر با هدف پیش بینی قیمت پایانی سهام با به کارگیری داده های روزانه از طریق شبکه عصبی صورت پذیرفته است. نتایج بدست آمده نشان می دهد که مدل شبکه عصبی دارای خطای پایین و قدرت توضیح دهندگی بالا و در نتیجه از قدرت پیش بینی خوبی برخوردار می باشد.

در این مقاله پنج مدل مهم پیش بینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیش بینی ورشکستگی را ارائه می کنیم که دربرگیرنده هشت متغیر می باشد. مساله اصلی در این تحقیق این است که با بررسی و تحلیل صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران بتوانیم مدلی برای پیش بینی ورشکستگی شرکت ها ارائه نماییم. به منظور طراحی مدل، از اطلاعات دو گروه از شرکت های پذیرفته شده در بورس اوراق بهادار تهران استفاده می کنیم، گروه اول شرکت های غیر ورشکسته و گروه دوم شرکت های ورشکسته می باشد. به منظور طراحی مدل از هشت نسبت مالی شامل نسبت های: سود قبل از بهره و مالیات بر کل دارایی ها، سرمایه در گردش بر کل دارایی ها، مجموع بدهی ها بر ارزش بازار کل دارایی ها، ضریب بتای سهام، لگاریتم قیمت (بسته شده از سال مالی گذشته)، عامل تنوع بخشی، بازده سالانه تجمعی و ارزش وزنی شاخص بورس تهران و تغییرات درآمد خالص استفاده شده است. قلمرو زمانی تحقیق را داده های صورت های مالی شرکت های بورسی طی سال های 83 تا 93 تشکیل می دهد. نتایج آزمون در ارتباط با توانایی پیش بینی مدل نشان دهنده این واقعیت هست که مدل می تواند دو سال قبل از وقوع ورشکستگی در شرکت ها، پیش بینی صحیحی در خصوص وجود بحران و ورشکستگی ارائه کند. با دوری از زمان وقوع ورشکستگی بدلیل کمرنگ شدن شاخص های پیش بینی کننده ورشکستگی، از توان پیش بینی مدل کاسته می شود. که نتایج پیش بینی برای یک سال قبل از ورشکستگی 91 درصد و برای دو سال قبل از ورشکستگی 83 درصد می باشد.

هدف کلی این پژوهش بررسی رابطه بین همگرایی و روند حرکت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1384 الی 1393 است. بدین منظور ابتدا با پیروی از رویکرد ارائه شده در پژوهش واهال ویاووز (2013) طبقات تشکیل و همگرایی هر شرکت با طبقه خویش محاسبه شد و ضمن به کارگیری رویکرد جیگادیش و تیتمن (1973) برای معین نمودن پرتفوی شرکت های برنده و بازنده، به بررسی ارتباط بین همگرایی و روند حرکت سهام در این شرکت ها پرداخته شد. نتایج نشان می دهد بین همگرایی و میانگین بازده 3، 6 و 12 ماه گذشته، در شرکت های برنده با همگرایی بالا و شرکت های بازنده با همگرایی پایین رابطه معناداری وجود دارد. در شرکت های برنده با همگرایی بالا با افزایش بازه زمانی بازده گذشته، میزان تاثیر همگرایی بر بازده گذشته افزایش می یابد. همچنین در شرکت های بازنده با همگرایی پایین با افزایش بازه زمانی بازده گذشته، میزان تاثیر همگرایی بر بازده گذشته کاهش می یابد.

یکی از مهم ترین کاربردهای قراردادهای آتی، پوشش ریسک می باشد که این کاربرد در قراردادهای آتی سکه نیز مشهود می باشد و ذینفعان گوناگونی می توانند از آن استفاده کنند. در این مقاله با استفاده از سری های زمانی قیمت دلار بازار آزاد و قیمت قراردادهای آتی سکه بورس کالا طی دوره زمانی 1390 الی 1393 به بررسی پوشش متقاطع ریسک نوسانات نرخ دلار با استفاده از قرارذادهای آتی سکه پرداخته شد. ابتدا ارتباط متقابل بین سریهای زمانی نرخ ارز و قیمت آتی سکه با استفاده از مدل اقتصاد سنجی بردار خود رگرسیونی (VAR) مشخص گردید. پس از تائید وجود خود همبستگی و ناهمسانی شرطی بروی پسماند مدل VAR، از طریق مدل BEEK (که یک مدل گارچ چند متغیره می باشد)، واریانس شرطی نرخ ارز و قیمت آتی سکه برآورد گردید و بعد از آن با استفاده از روش حداقل واریانس به محاسبه نسبت بهینه پوشش ریسک برای سررسیدهای مختلف پرداخته شد و میزان سود یا زیان ناشی از پوشش ریسک ارز با سود یا زیان واقعی ناشی از نوسانات نرخ ارز مقایسه گردید.نتایج تحقیق نشان می دهد که وجود همبستگی بالای قیمت سکه با نرخ ارز (دلار)، امکان پوشش متقاطع ریسک ارز را با استفاده از قراردادهای آتی سکه طلا فرآهم می آورد. هم چنین بدلیل وجود حافظه بلند مدت بین نوسانات نرخ ارز و قیمت آتی سکه امکان برآورد نسبت بهینه پوشش ریسک از طریق مدل BEEK-GARCH وجود دارد و با استفاده از این مدل می توان بیش از 70 درصد زیانهای ناشی از ریسک ارز را جبران نمود.

در طی چند سال گذشته تجربه انفجار خارق العاده ناشی از ارگانیسم های سرمایه گذاری دسته جمعی یا شرکت هایی سرمایه گذاری (که اقدام به خرید سهام سایر شرکت ها می کنند)، سبب شد تا سازمان های مسوول کنترل و نظارت بر این سرمایه گذاری ها یک سری دستورالعمل های مدیریتی بر پایه ارزش در معرض خطر اعمال نمایند. اما انعطاف پذیری این موضوع سوالات زیادی را در رابطه با انتخاب دقیق ترین و مناسب ترین مدل تخمین برمی انگیزد.هدف این مقاله انتخاب از بین سه روش پارامتریک، شبیه سازی تاریخی و شبیه سازی مونته کارلو است تا بهترین روش را به شرط پیش بینی ضررهای احتمالی پرونده های صندوق سرمایه گذاری باز تونسی بیابیم. بدین منظور ابتدا روش های مختلف تخمین ارزش در معرض خطر را ارائه می نماییم. سپس مشخصه های توصیفی آماری 14 پرونده ترکیبی صندوق سرمایه گذاری باز را تحلیل می کنیم. بعد از آن نتایج مطالعات تجربی را ارائه می کنیم، بنابراین می توانیم برتری روش شبیه سازی مونته کارلو را در پیش بینی ضررهای بالقوهاصلی پرونده های شرکت های سرمایه گذار ی مشخص نماییم.

طلا به عنوان یک پوشش در برابر شرایط معکوس بازار نقشی اساسی ایفا می کند. از این رو، درک صحیح رفتار نوسانات قیمت طلا جهت مدیریت ریسک، اتخاذ استراتژی های پوششی، انتخاب بهینه سبد دارایی و... حائز اهمیت است. امروزه، مدل های خانواده گارچ بطور گسترده ای در مدل سازی فرآیند نوسانات بازدهی قیمت دارایی های مختلف مورد استفاده قرار می گیرند. این مقاله به مقایسه سه مدل GARCH(1,1)، IGARCH(1,1) و FIGARCH(1,d,1) در ارزیابی رفتار نوسانات قیمت طلا در بازار طلای ایران می پردازد. برای این منظور، از داده های روزانه بازدهی طلا در فاصله زمانی 05/01/1382 تا 03/10/1394 استفاده شده است. خروجی نرم افزار OxMetrics6.00 نشان می دهد که تصریح FIGARCH بهترین مدل جهت تعیین همبستگی نوسانات بازدهی طلا است. همچنین، پارامتر حافظه بلندمدت، مثبت و به لحاظ آماری معنادار است. در نتیجه، حافظه بلندمدت یک ویژگی مهم بازدهی نوسانات طلا بوده و باید در تصمیمات سرمایه گذاری مدنظر قرار گرفته شود. در نهایت، برای مقایسه دقت سه مدل مذکور در زمینه پیش بینی نوسانات بازدهی طلا، کل دوره به دو زیر دوره (زیر دوره اول شامل مشاهدات درون نمونه ای و زیر دوره دوم شامل مشاهدات برون نمونه ای) تقسیم می گردد. نتایج نشان می دهد که بر اساس هر سه معیار میانگین مطلق خطا (MAE)، جذر میانگین مربعات خطا (RMSE) و شاخص نابرابری تایل (TIC) مدل FIGARCH نسبت به دو مدل دیگر عملکرد بهتری در زمینه پیش بینی نوسانات سری زمانی بازدهی طلای ایران دارد.

در حال حاضر دقت برآورد ریسک پرتفوی برای مدیران سرمایه گذاری مساله بسیار مهمی است انتخاب مدلی که واریانس را وابسته به زمان محاسبه می کند به جای اینکه واریانس را ثابت در نظر می گیرد موجب مدل سازی بهتر داده ها در واقع هدف این پژوهش پیاده سازی یک روش ترکیبی محاسبه ارزش در معرض ریسک شرطی (CVaR)است که تلاطم را در ویژگی خوشه ای مدل سازی کرده و مقدارCvaR را با در نظر گرفتن ویژگی دنباله پهنی به طور دقیق محاسبه کند. به این منظور مدلهایی از خانواده ARCH را در نظر گرفته شده است که ویژگی خوشه ای بودن را در مدل لحاظ کرده، علاوه برآن تئوری مقدار فرین (EVT)را درنظر می گیرد که بر دنباله پهن داده ها تمرکز دارد. داده های پژوهش مربوط به سال های 1380-1394 می باشد و به صورت روزانه از نرم افزارهای رهاورد نوین و TseCline استخراج شده است. تجزیه و تحلیل داده ها با نرم افزارهای MATLAB (2015) و EXCEL (2013) انجام شد. یافته های پژوهش نشان داد که استفاده از روش FIGARCH –EVT منجر به تخمین دقیق تری از CVaR نسبت به روش HS می شود. روش FIGARCH-EVT در مقایسه با روشGARCH-EVT دقت بیشتری دارد. و به طور کلی مدل هایی که واریانس ناهمسانی را در نظر می گیرند نسبت به روش HS از دقت بالاتری برخوردارند.