مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1396 | دوره:8 | شماره:32 |تعداد مقالات:14

هدف اصلی پژوهش حاضر، ارائه یک روش بهینه سازی سبد سهام، بر مبنای شاخص های مالی شرکت هاست. در این روش با استفاده از تحلیل پوششی داده ها از شاخص های مالی، نمرات کارایی متقاطع تولید می شوند. تفسیر ریاضی این نمرات که برای هر واحد تحت ارزیابی چندین عدد است، کارایی شرکت در شرایط محتمل آتی است. کارایی حاصل از مدلی که با شاخص های مالی اجرا شود را می توان قوت مالی شرکت تعبیر کرد. بنابراین کارایی متقاطع حاصل از اجرای مدل بر روی شاخص های مالی، می تواند قوت مالی شرکت در شرایط محتمل آتی قلمداد شود. از آن جا که آینده معلوم نیست منطقی است که قوت مالی محتمل آتی در قالب شاخص های امید و ریسک بیان شوند که همان میانگین و واریانس کارایی های متقاطع هستند. بر این اساس نسبت امید به ریسک قوت مالی آتی می تواند به عنوان معیاری برای انجام مقایسات زوجی بین شرکت ها به کار رود. بردار ویژه نظیر بزرگترین مقدار ویژه ماتریس مقایسات زوجی، اهمیت نسبی هر شرکت را منعکس می کند. این تحقیق، اهمیت نسبی شرکت ها را به عنوان مبنایی برای بهینه سازی سبد سهام پیشنهاد می کند. عملکرد روش بر اساس شاخص عملکردی شارپ مورد قبول و بهتر از عملکرد سبد بازار و یک روش مشابه دیگر است.

در سال های اخیر به ویژه پس از وقوع رسوایی های مالی، توجه بسیاری به کیفیت سود شده است. کیفیت سود یک مشخصه مهم از سیستم حسابداری است. اطلاعات مالی با کیفیت، سبب افزایش کارایی بازار سرمایه می شود. بنابراین می توان گفت سرمایه گذاران و دیگر استفاده کنندگان، به چنین اطلاعاتی علاقه مند هستند. تدوین کنندگان استانداردهای حسابداری نیز، تلاش می کنند استانداردها را در جهت افزایش کیفیت سود توسعه دهند. به این ترتیب، بررسی کیفیت گزارشگری سود یکی از دغدغه های اساسی هر سرمایه گذار منطقی و استفاده کننده اطلاعات در تصمیم گیری است. ازاین رو تعداد 86 شرکت در طی دوره زمانی ده ساله از سال 1385 تا 1394 بررسی شده اند و به طورکلی بیانگر این است که، معیارهای کیفیت سود بر بازده اضافی سهام بر اساس مدل فاما و فرنچ با در نظر گرفتن روند حرکت قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، تاثیرگذار است.

در تمام بورس های معروف دنیا ابزارهای مشتقه بطور قابل توجهی داد و ستد می شوند. اختیارات که در واقع امتیازی برای دارنده ی خود محسوب می شوند، از جمله مهمترین ابزارهای مشتقه هستند. در این پژوهش، قیمت گذاری اختیارخرید معامله اروپایی تحت مدل بلک - شولز کسری مورد بررسی قرار می گیرد. مدل بلک - شولز کسری متکی به حرکت براونی کسری با پارامتر هرست است. توان هرست یا شاخص خود تشابهی با بعد فراکتالی ارتباط دارد و به عنوان یک شاخص حافظه بلندمدت در روند قیمت های سهام مورد استفاده قرار می گیرد. هدف ارائه یک فرمول قیمت گذاری برای اختیار معامله اروپایی با هزینه های معامله می باشد. جواب تقریبی معادله قیمت گذاری کسری با هزینه های معامله به وسیله روش تکرار تغییرات بررسی می شود. هزینه های معامله شامل هزینه ثابت، هزینه متناسب با حجم معامله و هزینه متناسب با ارزش معامله می باشند. انتظار می رود، قیمت اختیار معامله اروپایی با افزایش توان هرست کاهش یابد. برای تحقق این هدف، با برآورد توان هرست (پارامتر سری های زمانی)، روی داده های واقعی بازار سهام تهران به نتیجه موردنظر یعنی کاهش قیمت اختیار خرید دست می یابیم. برای محاسبه داده ها از نرم افزار متلب 2013 استفاده می شود. نتایج مقایسه نشان می دهند که ارزشگذاری توسط مدل بلک - شولز کسری به نتایج واقعی قیمت اختیار خرید نزدیک تر است و تئوری قیمت گذاری اختیار معامله بلک – شولز (1973) با نوسان ثابت و نادیده گرفتن هزینه های معاملاتی نمی تواند قیمت واقعی اختیار خرید اروپایی را نشان دهد.

هدف از مدیریت پرتفوی انتخاب سبد سهام است، سبد سهامی که راهنمایی سرمایه گذاران برای دستیابی به بیشترین بازده می باشد؛ در این پژوهش جهت انتخاب سبد سهام از الگوریتم پرندگان و مدل مارکویتز استفاده شده است و مقایسه ای نیز بین انها صورت پذیرفته است. معرفی یک مدلی جهت انتخاب پرتفوی برای سرمایه گذاران که بتوانند با ارزیابی ان مدل به انتخاب درست سبد پرتفوی اقدام کنند، از اهداف ما در این پژوهش می باشد. از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران تعداد 65 شرکت برای دوره زمانی 1388 تا 1392 انتخاب گردید و به عنوان حجم نمونه امار در تجزیه و تحلیل داده ها وارد گردید. برای تجزیه و تحلیل داده ها ابتدا داده ها در نرم افزار EXCEL جمع اوری و پس از طبقه بندی و انجام محاسبات بوسیله نرم افزارMATLAB مورد تجزیه و تحلیل قرار گرفت. نتایج پژوهش در ارتباط با مقایسه الگوریتم پرندگان و مدل مارکویتز حاکی از ان بود که الگوریتم پرندگان در مقایسه با مدل مارکویتز دارای خطای کمتری در انتخاب سبد بهینه سرمایه گذاری می باشد. مهمترین پیشنهاد ما برای تحقیقات اتی مقایسه الگوریتم پرندگان باسایر مدلهای بهینه سازی نظیررقابت استعماری، فرا ابتکاری، مدل آربیتراژ و......مقایسه گردد.

امروزه خواص فیزیکی اجسام، دستاویزی برای حل مسائل بهینه سازی است تا پاسخ بهینه مسائل با تعداد حالات زیاد سریع تر و دقیق تر یافته شود. به عنوان نمونه می توان به الگوریتم های بهینه سازی مبتنی بر اسپین گلاس (شبکه های اسپینی) اشاره کرد که به دلیل داشتن قابلیت جستجوی محلی و پردازش توزیع شده مورد توجه قرار دارند. از آنجایی که شبکه های اسپینی، بیشتر مبتنی بر الگوریتم های تصادفی - مونت کارلو همچون تبرید تدریجی (SA) برای یافتن حالت بهینه استفاده می کنند، از سرعت همگرایی پائینی برخورداند. بنابراین برای افزایش سرعت، از الگوریتم های بهینه سازی اکتشافی، تکاملی و غیره استفاده می شود. در این مقاله با در نظر گرفتن قابلیت شبکه اسپینی در حل مسائل بهینه سازی،کوشش شده است یکی از مسائل غیرچندجمله ای (NP) با عنوان مساله انتخاب بهینه سبدسهام با استفاده از تبرید تدریجی حل شود؛ سپس با توجه به خواص توزیع شده گی اینگونه از شبکه ها، الگوریتم جدید مبتنی بر اتوماتای یادگیر(LA) بعنوان پردازش متمرکزو همچنین بهینه سازی اکسترمال (EO) بعنوان پردازش توزیع شده، ارائه گردیده است. نتایج آزمایش ها نشان می دهند که هرچند دو الگوریتم ارائه شده از حیث عملکرد، متفاوتند؛ ولی هردو در محدوده پاسخ، تقریبا توزیع احتمال یکسانی برای انتخاب اسپین های برتر فراهم می کنند. به عبارت دیگر این دو روش از مرحله ای به بعد، شبیه هم عمل کرده و نتایج یکسانی تولید می کنند و کارایی شبکه های اسپینی از حیث سرعت همگرایی با حفظ دقت را به مقدار زیادی افزایش می دهند. همچنین دستاوردها نشان می دهد که انتخاب روش مبتنی بر LA یا EO برای شبکه های با تعداد اسپین کم تفاوتی ندارد؛ اما برای شبکه های بزرگ، EO که توانایی پردازش توزیع شده منحصر بفردی دارد، بسیار بهتر از روش های مبتنی بر یادگیری پاسخ می دهد که نتایج آزمایش های حاصل بر 5 بورس معتبر دنیا این موضوع را تائید می کند.

پیش بینی قیمت آتی و به تبع آن کسب بازدهی بیشتر همواره یکی از مهمترین موضوعات در بازارهای مالی بوده است. از این رو در این پژوهش به طراحی سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند پرداخته شده است. برای رسیدن به این هدف، این پژوهش در چهار مرحله اصلی طراحی و اجرا گردیده است. در مرحله اول حدود کانال روند در بازه های زمانی مختلف استخراج گردیده و این حدود در مرحله دوم برای دوره آزمایش توسط الگوریتم ماشین بردار پشتیبان پیش بینی شده است. در مرحله سوم استراتژی های خرید و فروش در محدوده کانال پیش بینی شده در دوره آزمایش تعریف و اجرا شده و در مرحله چهارم بازدهی حاصل از سیستم طراحی شده با بازدهی حاصل از بکارگیری استراتژی خرید و نگهداری مقایسه شده اند.در مورد همه شاخص های انتخاب شده به عنوان نمونه پژوهش، عملکرد سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند از عملکرد استراتژی خرید و نگهداری بهتر بود.

انتخاب پرتفوی یکی از مهم ترین موضوعات در مباحث سرمایه گذاری می باشد که در این تحقیق با استفاده از تکنیک های پژوهش عملیاتی و با در نظر گرفتن معیارهای مختلف، پرتفوی مناسب را در بورس اوراق بهادار تهران استخراج نماییم. بر این اساس ابتدا بر اساس پیشینه پژوهش و نظرات خبرگان معیارهای مالی مختلف در انتخاب پرتفوی را تعیین کرده و با استفاده از روش اولویت بندی فازی وزن معیارها را به دست می آوریم. سپس با استفاده از روش کپراس به عنوان یک روش نوین تصمیم گیری چند شاخصه، سهام را رتبه بندی می کنیم. بر اساس نتایج بدست امده سه شرکت فولاد مبارکه، نیرو محرکه و سیمان شمال به ترتیب رتبه اول تا سوم را بدست اورده اند. همچنین جهت مقایسه نتایج رتبه یندی از تکنیک تاپسیس هم استفاده شده است. بر اساس نتایج بدست امده از روش کپراس شرکت فولاد مبارکه رتبه اول و بر اساس نتایج تاپسیس شرکت ماشین سازی اراک رتبه اول را بدست اورده اند.

یکی از ابعاد اساسی مساله ی مدیریت ذخائر ارزی توسط بانکهای مرکزی، تعیین سبد یا پرتفوی ارزی مناسب ذخائر است. در این مطالعه ترکیب ارزی بهینه چهار ارز ذخیره مهم شامل دلار آمریکا، یورو، پوند و ین در سبد ارزی ذخائر استراتژیک بانک مرکزی کشورمان مورد تحلیل و بررسی قرار گرفت. بدین منظور از رهیافت فرامدرن پرتفوی و داده های فصلی دوره زمانی 2011 تا 2014 استفاده شد و نمودار مرز کارای بانک مرکزی استخراج گردید. نتایج حاکی از آنست که حداکثر سهم دلار، یورو و ین در سبد ذخایر ارزی استراتژیک بانک مرکزی به ترتیب برابر 35، 29 و 48 درصد است. بر این اساس، در صورتی که سهم ارزهای مذکور در سبد ذخایر بیش از ارقام حاصل باشد، ارزش ذخائر کاهش می یابد. همچنین بر اساس نتایج حاصل، پوند ارزی پرخطر است، لذا بانک مرکزی برای نگهداری این ارز، بیشتر باید بر اساس نیازهای مبادلاتی خود برنامه ریزی کند.

در سال های اخیر بازارهای مالی با نوسانات زیادی مواجه شده و عدم اطمینان ناشی از این نوسان ها، نگرانی هایی را در سرمایه گذاران ایجاد نموده است. از این رو مدل سازی نوسان و پیش بینی آن در مسائل مختلف تحقیقی و عملی مالی، مورد توجه قرار گرفته است. در این راستا، امکان دسترسی به داده های پرفراوانی، عرصه ی جدیدی برای مدل سازی نوسان و پیش بینی بازده دارایی های مالی ایجاد نموده است.در این پژوهش، مدل سازی نوسان با استفاده از داده های پرفراوانی و با کمک مدل های خانواده ی HAR-RV، انجام شده و اثر اضافه نمودن جزء پرش در کارایی پیش بینی نوسان شاخص کل بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. نتایج مدل سازی و پیش بینی حاکی از این است که خطای پیش بینی با اضافه نمودن جزء پرش به مدل کاهش یافته و همچنین مجزا نمودن اجزای پرش و پیوسته نوسان تحقق یافته نیز در بهبود کارایی پیش بینی تاثیرگذار است.

این پژوهش با هدف بررسی تاثیر اهرم مالی بر نقد شوندگی عملیاتی شرکت ها انجام شده است، لذا تحقیق حاضر از نظر روش تحقیق، از نوع کاربردی، همبستگی و توصیفی می باشد. جامعه آماری تحقیق حاضر شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1388تا 1393 بوده که حجم نمونه با توجه به روش غربالگری و پس از حذف مشاهدات پرت برابر با 118 شرکت می باشد. در این تحقیق اهرم مالی متغیر مستقل در نظر گرفته شده تا تاثیر آن بر نسبت جاری، چرخه تبدیل وجه نقد، حاشیه جریانهای نقدی و بازده دارایی های شرکت مورد بررسی قرار گیرد. در این تحقیق که از داده های پانل با اثرات ثابت و تصادفی استفاده شده، نتایج حاصل از تجزیه و تحلیل داده های شرکت ها با استفاده از رگرسیون چند متغیره در سطح اطمینان 95% نشان می دهد اهرم مالی بر بازده دارایی ها تاثیر مستقیم دارد. همچنین این نتایج نشان می دهد اهرم مالی بر نسبت جاری و چرخه تبدیل وجه نقد تاثیر معکوس دارد. مضافا اینکه اهرم مالی برحاشیه جریانهای نقدی تاثیری ندارد.

پیش بینی ریسک برای دوره های آتی، نقش به سزایی در تصمیم گیری صحیح مدیران و فعالان بخش مالی برای سرمایه گذاری در شرکت ها و موسسات سرمایه گذاری ایفا می کند، از طرفی تصمیمات نادرست مدیران می تواند پیامدهای نامطلوبی برای سازمان به همراه داشته باشد. لیکن یکی از مهم ترین مسائلی که سرمایه گذار با آن مواجه می شود پیش بینی ریسک برای دوره های آتی می باشد. اهمیت این مقوله باعث آن گردید که در این مقاله به پیش بینی یک گام به جلوی ارزش در معرض ریسک با استفاده از مدل های خانواده هموارسازی نمایی برای دو توزیع نرمال و تی استودنت در سطوح %95، 97.5 و %99 پرداخته شود. عموما برای پیش بینی دوره های آتی ارزش در معرض ریسک، از روش کلاسیک استفاده می شود اما در این مقاله از مدل های خانواده هموارسازی نمایی، که روند داده ها را در مدل سازی لحاظ کرده و به اصطلاح پایش را به صورت آنلاین انجام می دهد، استفاده شده است. برای اعتبار سنجی مدل های ارائه شده، به مقایسه عملکرد آنان با روش کلاسیک از طریق آزمون های پس آزمایی پرداخته شده است. نتایج به دست آمده پیش بینی دقیق تر روش هموارسازی نمایی تعدیل یافته را نسبت به روش کلاسیک در سطوح 97.5% و 99% برای توزیع نرمال و سطوح 95% و 97.5% برای توزیع تی استودنت تایید می نماید.

در این تحقیق با استفاده از داده های قیمت نقدی سکه طلا، در بازه زمانی سال 1387 تا 1394 پس از تخمین مقدار وجه تضمین در قراردادهای آتی با استفاده از مدل های ارزش در معرض خطر ورایانس کواریانس مبتنی بر توزیع نرمال و تی استیودنت، پارتوی تعمیم یافته و پارتوی تعمیم یافته سازگار، با آزمون های کوپیک و پوشش شرطی کریستوفرسن و همچنین توابع زیان دوم لوپز و بلانکو - ایهل اقدام به پس آزمایی این مدل ها شد. همچنین با استفاده از تمامی این رویکردها ارزش در معرض خطر شرطی وجه تضمین قراردادهای آتی پیش بینی شده و به منظور انتخاب مدل برتر ارزش در معرض خطر شرطی، از دو تابع نمره دهی شامل میانگین قدر مطلق خطاها(MAE)  و مجذور میانگین مربعات انحراف ها (RMSE) استفاده شد.نتایج نشان می دهدکه با توجه به دنباله های پهن توزیع تجربی داده های نقدی، مدل هایی که توان مدلسازی دنباله های پهن را دارند از جمله مدل های واریانس کواریانس مبتنی بر تی استیودنت و پارتوی تعمیم یافته نتایج مناسبی را در پی دارند. همچنین در سطوح اطمینان پایین تمامی مدل ها عملکرد ضعیفی داشته اند.

مساله بهینه سازی پرتفوی و انتخاب سهام یکی از زمینه های پرتوجه توسط محققین مالی و سرمایه گذاران در بازارهای مالی می باشد. در این مقاله به برخی از چالش های بهینه سازی پرتفوی بطور همزمان پرداخته می شود. بطوریکه جهت در نظرگرفتن ماهیت چندمعیاره بودن انتخاب سهام و عدم قطعیت مرتبط با نرخ بازده دارایی ها از مدل برنامه ریزی چندهدفه فازی استفاده شد. همچنین با توجه نقاط ضعف معیارهای ریسک سنتی نظیر واریانس از ارزش درمعرض خطر و معیار عدم قطعیت با رویکرد تئوری اعتبار فازی جایگزین آن ها شدند. در پایان با توجه به ساختار غیرخطی و سخت مدل طراحی شده، از نسخه دوم الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب"NSGA-II" ، جهت حل مدل استفاده گردید. جهت نمایش قابلیت کاربرد مدل توسعه داده شده در بین 10 شرکت بین المللی بکارگرفته شد. پس از اجرای مدل و در راستای روایی سنجی، پرتفوی های پارتو بهینه بدست آمده با پرتفوهای تصادفی تولید شده مورد مقایسه قرار گرفتند. نتایج مقایسه نشان دهنده سطوح بالاتر دستیابی به اهداف در پرتفوهای بهینه بود.

پژوهش حاضر به بررسی ارزش در معرض ریسک (VAR) و ریزش مورد انتظار (ES) در بورس اوراق بهادار تهران با استفاده از نظریه مقدار حدی (ماکسیمم بلاک ها و توزیع پارتو تعمیم یافته(GPD) ) پرداخته است. پیش از تخمین مدل ها در تجزیه تحلیل مقدماتی یافته ها که با استفاده از آماره های توزیع تجربی، تابع اضافی میانگین و رسم Q-Q انجام شد، وجود رفتار دم پارتو و دم پهن داده ها نمایان گردید. برای تخمین مقدار آستانه بهینه، از تابع اضافی میانگین و رسم Hill استفاده شد که آماره های مذکور برای بازده مثبت و منفی، به ترتیب مقدار آستانه را در حدود 1.20 و 0.95 برای مدل GPD تهیه نمودند. از مقایسه باقیمانده های مدل های تخمین زده شده مقدار حدی کلاسیک (21، 63، و 126 روز) و مدل GPD، استنباط بر عملکرد مطلوب GPD محاسبه شده نسبت به مقدار حدی بلاک که حساسیت زیادی به انتخاب طول دوره دارد، حاصل شد. در نهایت برای تخمین VAR و ES از مدل GPD تخمین زده شده که کارایی بهتری را به نمایش گذاشت، استفاده شد. یافته ها موید این مطلب بود که کاربرد VAR و ES نباید بر مدیریت ریسک مالی مسلط شود؛ به عبارتی، وابستگی بر مقیاس ریسک منفرد به جهت نادیده گرفتن اطلاعات ریسک پرتفوی مشکل ایجاد می کند. بنابراین برای در برگرفتن اطلاعات نادیده شده توسط VAR و ES، ضروری است که جنبه های گوناگون توزیع زیان / سود مانند دم پهن بررسی شود.