مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1391 | دوره:3 | شماره:10 |تعداد مقالات:7

طراحی و استقرار مدل اندازه گیری ریسک عدم پرداخت و یافتن مولفه های ارتباطی که ریسک عدم پرداخت را تحت تاثیر قرار می دهد در نظام بانکی کشور نقش کارآمدی در راستای بالا بردن بهره وری بانک های کشور در تخصیص بهینه منابع خواهد داشت. از این رو این مقاله ارتباط بین دو متغیر نرخ سود بانکی و ریسک عدم پرداخت را در بانک های کشاورزی استان کردستان در فاصله زمانی 1381-1387 مورد بررسی قرار می دهد متغیر های پیش بینی کننده در این رابطه تسهیلات اعطایی بانک به مشتریان، تسهیلات معوق، سررسید گذشته و سود دریافتی و نرخ های سود بانکی که معنی داری ارتباط آنها با ریسک عدم پرداخت با آزمون های همبستگی و Ks تایید شد. با استفاده از داده های بدست آمده از بانک مدل پیش بین طراحی و مورد آزمون کارایی قرار گرفت. نتایج بدست آمده حاکی از وجود ارتباط معنی دار بین نرخ سود بانکی و ریسک عدم پرداخت با استفاده از روش پانلی است که می تواند مدیریت را جهت برآورد ریسک عدم پرداخت بانک در آینده کمک نماید.

تشکیل سبد سهام بهینه یکی از تصمیم گیری های مهم برای شرکت ها می باشد. به همین دلیل، انتخاب یک سبد سهام با نرخ بازدهی بالا و ریسک کنترل شده یکی از موضوعاتی است که مورد توجه محققان قرار گرفته است. هدف از این پژوهش، استفاده از الگوریتم های فراابتکاری برای انتخاب سبد سهام است. در این مطالعه، روشی بر مبنای الگوریتم ژنتیک چند هدفه  NSGA-II برای تشکیل سبد سهام ارائه شده و ارزش در معرض ریسک به عنوان معیار اندازه گیری ریسک مورد توجه قرار گرفته است. همچنین از داده های 50 شرکت برتر بورس اوراق بهادار تهران برای سال های 89-1385 استفاده شده است. نتایج نشان داد که الگوریتم ژنتیک چند هدفه می تواند جهت انتخاب سبد سهام بهینه بکار رود و عملکرد سبد طراحی شده توسط الگوریتم ژنتیک با عملکرد سبد سهام 50 شرکت برتر با اوزان مساوی تفاوت دارد.

سرمایه گذاری در سهام از استراتژی سوداگرانه در بازار سرمایه است که با تحلیل سهام، محقق می شود. تعیین ارزش ذاتی از اهداف روش های تحلیل سهام است. که کمک می کند سهام پربازده شناسایی شود. CANSLIM از جمله روش های تحلیل سهام است که ترکیبی از متغیرهای روش های بنیادی و تکنیکی است که هدف آن شناسایی سهام های صعودی (HiFlyer) می باشد که این گونه سهام، قابلیت کسب بازده بالا را دارند یعنی نرخ بازده مورد انتظار آن در مقایسه با سایر سهام بیشتر است. مدل قیمت گذاری دارایی های سرمایه ای (CAPM) نیز از جمله روش هایی است که کمک می کند نرخ بازده مورد انتظار پیش بینی شود که در حقیقت برآورد ارزش ذاتی سهام است. این مدل مشابه روش CANSLIM در جهت شناسایی سهام های پربازده است که در این پژوهش سنجش عملکرد و توان تبیین روش CANSLIM و مقایسه آن با مدل CAPM در انتخاب سهام برتر مورد بررسی قرار گرفته است. تحقیق در یک دوره زمانی 5 ساله (1388-1384) در بورس اوراق بهادار تهران صورت گرفته است که نمونه گیری و انتخاب این مجموعه از بین شرکت هایی است که در این 5 سال، هر سه ماه یک بار توسط بورس اوراق بهادار تهران به عنوان 50 شرکت فعال در بورس معرفی شده اند. این گروه از شرکت های پذیرفته شده در بورس، با ویژگی HiFlyer مدل CANSLIM تطابق داشته است و ضمنا این گروه شرکت ها پربازده ترین سهام را دارا می باشند که با مفروضات مدل CANSLIM و CAPM سازگار است. برای انتخاب نمونه، آن شرکت هایی که به اندازه نصف بعلاوه یک (تعداد سری های 50 شرکت فعال منتشر شده در بورس تقسیم بر 2 بعلاوه یک)، تکرار شده اند به عنوان نمونه انتخاب شده و مورد بررسی قرار گرفته است. این تحقیق بر پایه روش تحقیق توصیفی، اکتشافی و مقایسه ای از نوع همبستگی است. کلیه اطلاعات آن از نرم افزار ره آورد نوین و سایت رسمی بورس اوراق بهادار تهران استخراج گردیده است. برای تجزیه و تحلیل داده ها از آمار توصیفی با استفاده از شاخص های گرایش مرکزی و انحرافی استفاده شده است. در این پژوهش سهم هایی که هفت مشخصه CANSLIM را دارا بودند جزء سهام با ویژگی HiFlyer شناسایی شد و سهم هایی که بازده واقعی آنها بیشتر از بازده مورد انتظار آنها بود، جزء سهام پربازده از منظر ریسک و بازده محسوب شد. در این پژوهش چون تعداد سهام با ویژگی HiFlyer بیشتر از تعداد سهام مورد تایید توسط CAPM بود. نتایج مطالعه نشان می دهد که توان تبیین روش CANSLIM در انتخاب سهام برتر از منظر ریسک و بازده بیشتر از CAPM است. به عبارت دیگر با بررسی نتایج فوق رابطه مثبت بین بازدهی حاصل از روش CANSLIM و بازدهی بازار حکایت از برتری روش CANSLIM در انتخاب سهام دارد.

بهینه سازی فرآیندی است که با در نظر گرفتن اهداف و محدودیت های مد نظر، بهینه ترین حالت ممکن را پیشنهاد می دهد تا سیستم مورد نظر بتواند در بهینه ترین حالت ممکنه به فعالیت ادامه دهد. یکی از شرایطی که عموما واحدهای صنعتی مختلف با آن رو به رو می باشند، یافتن بهترین مسیر برای انتقال کالاهای تولیدی به بازار مصرف است تا از میزان هزینه ها و زمان مصرفی کاسته شود. روش بهینه سازی الگوریتم ژنتیک یکی از روش های نوین بهنیه سازی است که عملکرد بالایی در حل مشکلات سیستم های مختلف دارد. این الگوریتم با الگو برداری از ساختار ژنتیکی انسان، قادر است تا همواره بهینه ترین جواب ممکن را ارائه نماید. در این راستا هدف از مقاله حاضر، استفاده از این الگوریتم جهت یافتن بهترین مسیر ممکن برای انتقال کالاهای تولیدی واحدهای صنعتی به بازار مصرف است. نتایج این بررسی نشان داد که الگوریتم ژنتیک با توجه به خصوصیات منحصر به فرد قادر است تا بهینه ترین مسیر ممکن برای انتقال کالاهای تولیدی به بازار را مشخص نماید.

تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیش بینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده اند. نوع آزمون عملکرد شبکه های عصبی بر اساس حداقل مربعات خطا در دو رویکرد درون نمونه ای و برون نمونه ای بکار گرفته شده است. نتایج این پژوهش در رویکرد درون نمونه ای برتری شبکه عصبی شعاع پایه و در رویکرد برون نمونه ای برتری شبکه عصبی پرسپترون را نمایش می دهد.

انتخاب سبد بازار یک فرآیند تصمیم گیری است که مشتری اقلامی را از میان تعدادی کالا در فرآیند خرید انتخاب می کند. وابستگی های درونی در ارتباطات تقاضا در میان اقلام، مشخصه ای کلیدی در انتخاب سبد بازار است. در این مقاله با بکارگیری یکی از روش های فرآیندهای داده کاوی در تحلیل سبد بازار که قواعد تلازمی نام دارد، به تعیین سبد بازار در فروشگاهی زنجیره ای با جامعه آماری بزرگ از مشتریان پرداخته شده است. نتیجه این فرآیند داده کاوی ارائه مدلی جهت استخراج قواعد تلازمی، ارائه مدلی برای دستیابی به مقادیر بهینه تخفیف در بسته های پیشنهادی تخفیفی و بدست آمده بر اساس قواعد تلازمی و نیز تبیین استراتژی های دیگر جهت بهبود عملکرد، افزایش رضایتمندی مشتری و سودآوری در این فروشگاه ها خواهد بود.

این پژوهش به بررسی اثر بی قاعدگی اقلام تعهدی بر قیمت گذاری سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. به منظور محاسبه اقلام تعهدی از روش ترازنامه ای غیرمستقیم استفاده شد. با به کارگیری رگرسیون های ساده و چندعاملی و نمونه ای شامل 133 شرکت (9576 مشاهده) در دوره زمانی 1383 تا 1388، چهار فرضیه پژوهش مورد آزمون قرار گرفت. یافته ها نشان می دهد، اقلام تعهدی سود بر بازده سهام و در نتیجه قیمت شرکت ها اثرگذار است. همچنین، رابطه منفی معنادار بین اقلام تعهدی سود و بازده سهام وجود دارد. این نتایج با کنترل سایر عوامل تاثیر گذار بر بازده سهام مانند صرف ریسک بازار، اندازه و نسبت ارزش دفتری به ارزش بازار شرکت همچنان ثابت ماند.