مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1391 | دوره:3 | شماره:13 |تعداد مقالات:8

ریسک اعتباری اصلی ترین منبع ریسک برای دارایی های اعتباری است؛ به گونه ایی که بانک ها و سرمایه گذاران اوراق را نسبت به اندازه گیری این ریسک بسیار دقیق نموده است. اهمیت این موضوع و کمبود مطالعات عملی انجام شده در داخل کشور، انگیزه اصلی برای انجام این تحقیق بوده است. در تحقیق پیش رو 4 شرکت از صنعت ساخت فلزات اساسی طی سال ها 1380 الی 1390 مورد بررسی، و از مدل پویای مرتن به همراه روش نمره دهی  Zبه منظور تعیین احتمال های نکول و بررسی رابطه شناوری سهام و نکول شرکت ها استفاده شده است. در این مدل در تعیین ارزش بازار سهام، بر خلاف بسیاری از روش های موجود در این حوزه ارزش سهام مبادله نشده نیز در نظر گرفته شده و نوسان پذیری داده ها به صورت پویا در مدل لحاظ شده است. بعلاوه در استفاده از مدل، فرض نرمال بودن توزیع داده های ارزش بازار دارایی ها مورد سوال قرار گرفته و با یافتن بهترین تابع توزیع قابل برازش به داده ها سعی شده است نتایج را با دقت بالاتری محاسبه نمود.نتایج به دست آمده نشان می دهد که بالاتربودن درصد شناوری سهام یک شرکت در یک صنعت خاص می تواند از عوامل موفقیت آن شرکت در طول زمان محسوب گردد.

هدف این پژوهش، پیش بینی جریان نقد آزاد، به عنوان یکی از معیارهای ارزیابی عملکرد مالی، با کمترین اطلاعات ممکن است. جامعه آماری این پژوهش، از کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران تشکیل شده است که با در نظر گرفتن محدودیت هایی در نهایت 64 شرکت در بازه زمانی 1388 - 1378، مورد بررسی قرار گرفت. جهت پیش بینی جریان نقد آزاد از مدل های نمو هموار ساده و مدل خاکستری استفاده شده است. سپس به مقایسه دقت پیش بینی مدل های مذکور بر اساس میانگین مجذور خطاها پرداخته شده است. نتایج پژوهش نشان داد دقت پیش بینی مدل خاکستری از مدل نمو هموار ساده بیشتر است و در سطح اطمینان %95، بین میانگین معیار میانگین مجذور خطاها، در دو مدل نمو هموار ساده و مدل خاکستری تفاوت معناداری وجود ندارد، در حالی که در سطح اطمینان %90 بین دقت دو مدل پیش بینی تفاوت معناداری وجود دارد.

نوسانات قیمت مسکن در برخی از کشورها، از جمله ایران، طی دو دهه اخیر یکی از چالش های اساسی بازار مسکن و اقتصاد کشور بوده است، به طوری که در یک دوره افزایش قابل ملاحظه در قیمت مسکن به وجود آمده و در دوره دیگر کاهش و یا ثبات نسبتا زیاد و فراگیر بر قیمت مسکن حاکم می شود. این که افزایش قیمت ها ریشه در شرایط بنیادی اقتصاد دارد و یا تنها ناشی از حباب است، می تواند منجر به تصمیمات و اتخاذ سیاست های متفاوتی شود. حباب ها دارای اثرات منفی بر اقتصاد هستند، توجه به روند حباب قیمتی در بازار مسکن مهم است چرا که عدم تخصیص بهینه منابع را موجب می شود و سطح فعالیت های سفته بازی یا سوداگری را افزایش می دهد. سقوط حباب نیز که معمولا به دنبال شکل گیری حباب اقتصادی حباب به وجود می آید، می تواند مقادیر بزرگی از ثروت اقتصادی را هدر دهد. در این مطالعه، وجود حباب در بازار مسکن تهران با استفاده از تکنیک ARDL با استفاده از آزمون تابع مخاطره بررسی می شود. در این تحقیق از داده های فصلی سال های 1375 الی 1389 استفاده شده است. نتایج به دست آمده از مدل نشان می دهد عموما حباب، موضوعی کوتاه مدت است و در بلند مدت جزء بنیادی تعیین کننده قیمت مسکن است. عموما قیمت زمین و قیمت مسکن در دوره قبل عوامل اصلی تعیین کننده حباب قیمت مسکن در شهر تهران بوده است.

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدل های شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیرقطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییرهای مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی، شبکه پرسیترون چند لایه پیش خور، با قانون یادگیری پس انتشار خطا انتخاب شده است. در اینجا از چهار شبکه عصبی فازی استفاده شده است. بدین منظور ابتدا پارامترهای موثر بر ورشکستگی شناسایی و سپس متغیرهای نهایی در سه دسته اصلی طبقه بندی و به عنوان ورودی های شبکه های عصبی فازی نقدینگی، اهرمی و بازار در نظر گرفته شده است. و سپس خروجی های شبکه های عصبی فازی نقدینگی، اهرمی و بازار به عنوان ورودی های شبکه عصبی فازی پیش بینی ورشکستگی شرکت ها وارد می گردد و خروجی آن احتمال ورشکستگی شرکت های داروسازی بورس را نمایش می دهد. عملکرد شبکه های عصبی فازی در محیط مطلب، سیستم استنتاج فازی سوگینو و توابع عضویت جی بل مورد ارزیابی قرار گرفته است. نتیجه بدست آمده از این مقاله یک مدل پیش بینی بهینه با کمترین مقدار خطا را ارایه داده است.

یکی از مباحث مهمی که در بازارهای سرمایه مطرح است و باید مورد توجه قرار گیرد بحث انتخاب سبد سرمایه گذاری می باشد. در این رابطه، بررسی و مطالعه سرمایه گذاران در جهت انتخاب بهترین سبد سرمایه گذاری با توجه به میزان ریسک و بازده آن انجام می شود. امروزه سرمایه گذاران از معیارهای مختلف اندازه گیری ریسک به منظور انتخاب سبد سهام مورد نظر استفاده می کنند. بطوریکه این معیارها بسته به رفتار سرمایه گذاران در بازار سرمایه و میزان دانش و تسلط وی بر مسائل مالی انتخاب می شوند. لذا در این مقاله، که در بستر بازار سرمایه ایران انجام شده به ارائه مدل ریاضی چند هدفه بصورت تک زمانه به همراه محدودیت احتمالی، برای اندازه گیری ریسک سبد سهام پرداخته شده است که با ترکیب سنجه بازده با دو سنجه ریسک یعنی نیم واریانس و انحراف مطلق این امکان را فراهم می آورد تا سرمایه گذاران بتوانند با در نظر گرفتن محدودیت های مرتبط با هزینه های معاملاتی، ریسک سبد سهام مورد نظرشان را با دقت اندازه گیری کنند تا به سبد سهامی با بیشترین بازده و کمترین ریسک دست یابند.

روابط بین حجم - بازده مدت زیادی است که به عنوان یکی از عناوین مهم پژوهشی در اقتصاد مالی شناخته می شود، به طوریکه نقش زیادی را در تعیین قیمت آینده سهم ایفا می کند. اما در اکثر مواقع زمانی که سرمایه گذاران مشخصات سهمی را مورد بررسی قرار می دهند یا زمانی که قصد تعیین قیمت برای سهامی دارند، معمولا حجم مبادلات سهم مورد توجه قرار نمی گیرد. در این مقاله از رویکرد کاپولا جهت بررسی رابطه حجم - بازده در بازار نوظهور ایران استفاده می کنیم. تابع کاپولا، یک توزیع تجمعی است که دارای توزیع های حاشیه ای یک متغیره یکنواخت بر فاصله [1 و 0] است. نتایج بدست آمده نشان می دهد که وابستگی مشخص، و نامتقارنی بین حجم - بازده در این بازار وجود دارد. به عبارت دیگر بازده های خیلی بالا (سود زیاد) تمایل به همراه شدن با حجم خیلی بالا را دارند اما بازده های خیلی پایین (ضرر زیاد) تمایلی به همراه شدن با حجم زیاد یا کم را ندارند.

عموما بزرگترین ریسک در بازار سرمایه یا در یک پرتقوی سرمایه گذاری زمانی اتفاق می افتد که تغییرات بزرگ ناگهانی در جهت نامطلوب آن سبد رخ دهد. بنابراین دانستن احتمال رخ دادن چنین مواردی که بسیار نادر هستند و تخمین ضررهای ناشی از آن در مدیریت ریسک مالی ضروری است. این زیان ها در دنباله تابع توزیع قرار دارند و به همین منظور به آنها «مقادیر حدی» گفته می شود.در این تحقیق به بررسی دنباله تابع توزیع بازده بورس اوراق بهادار تهران (شاخص قیمت و بازده نقدی و شاخص صنایع) در دو بازه زمانی مختلف پرداخته شده و وجود دنباله پهن مورد آزمون قرار گرفته است. نتایج تئوری تعمیم داده شده مقدار حدی نشان دهنده وجود دنباله پهن در تابع توزیع بازده سهام برای دو شاخص، برای هر دو بازه زمانی می باشد. نتایج پس آزمون برای مقدار VaR محاسبه شده با این رویکرد نشان دهنده این است که این مدل برای افق زمانی 100 روزه عملکرد بهتری نسبت به افق زمانی 50 روزه دارد. از آماره لوپز برای مقایسه عملکرد این تئوری در مدل سازی VaR با عملکرد مدل ریسکمتریک با فرض توزیع نرمال در سطوح اطمینان مختلف استفاده شده است و نتایج نشان داده است که مدل های رویکرد تئوری مقدار حدی با توجه به اینکه به دنباله تابع توزیع نسبت به دیگر رویکردها توجه بیشتری دارند، عملکرد بهتری دارند.

با توجه به اهمیت ریسک در مدیریت سبد، ارزش در معرض ریسک (VaR) توانسته به عنوان ابزاری سودمند به سرمایه گذاران و تحلیلگران در این زمینه کمک شایانی کند. اما با توجه به آنکه این مدل تخمین های کاملی از ریسک را در گوشه های دنباله بازده ارائه نمی دهد، لذا تلاش های فراوانی جهت ارائه مدل هایی (شامل ارائه مدل های جدید و یا توسعه مدل های موجود) برای رفع این نقیصه توسط پژوهشگران انجام شده است. در این مقاله برآنیم تا ضمن معرفی نقیصه های مدل ارزش در معرض ریسک، با استفاده از دو مفهوم «بسط کورنیش فیشر» و استفاده از «ضرایب توزیع بیضوی»، ریسک در نظر گرفته نشده در دنباله ها را دقیق تر تخمین بزنیم. بر این اساس دو مدل اصلاح شده ارزش در معرض ریسک کورنیش فیشر و مدل ارزش در معرض ریسک تی استیودنت مدلسازی و با استفاده از الگوریتم شبیه سازی تبرید، بهینه سازی شده است. در پایان مرزهای کارایی حاصله از بهینه سازی مدل های اصلاح شده با مدل ارزش ذر معرض ریسک مقایسه شده است. نتایج این مقاله نشان می دهد که با استفاده از این مدل های اصلاح شده، تخمین دقیق تری از ریسک نهفته در انتهای دنباله ها می توان ارائه داد که به سرمایه گذاران و تحلیلگران مدیریت سبد کمک شایانی می کند.