مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1391 | دوره:3 | شماره:11 |تعداد مقالات:7

پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سری زمانی در پیش بینی قیمت شاخص سهام می پردازد. بدین جهت سه مدل از شبکه های عصبی (پروسپترونی چند لایه، پایه ای شعاعی و رگرسیونی) و یک مدل از مدل های سری زمانی (باکس-جنکینز) مورد بررسی قرار گرفته اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای مقایسه از چهار معیار خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین استفاده شده است. برای آموزش مدل ها از 80 درصد داده ها معادل 913 روز از اول فروردین سال 1384 تا 31 فروردین سال 1388 استفاده شده و مدل های طراحی شده قادر هستند299  روز آتی را پیش بینی نمایند. برای ساختن 3 مدل شبکه عصبی از محیط نرم افزار Matlab و برای ساختن مدل سری زمانی باکس-جنکینز از نرم افزار هایSpss  و Eviews استفاده شده است. نتایج حاصله حاکی از آن است که 3 مدل شبکه عصبی از لحاظ 4 معیار خطا نسبت به مدل سری زمانی آریما برتری دارد. از طرفی از میان 3 مدل شبکه عصبی به کار رفته به ترتیب، مدل شبکه عصبی پایه ای شعاعی و پس از آن مدل شبکه عصبی پروسپترون چند لایه بهترین عملکرد و شبکه عصبی رگرسیونی بدترین عملکرد را دارا می باشند.

یکی از مهمترین موضوعات مورد توجه اقتصاددانان مالی، شناسایی رابطه میان سودآوری و تصمیمات تامین مالی شرکت ها یا ساختار سرمایه است. ساختار سرمایه ای بهینه است که ارزش شرکت را حداکثر و هزینه سرمایه را حداقل نماید. حصول به ساختار سرمایه ای بهینه، جهت کسب حداکثر سودآوری، همواره از مباحث چالش برانگیز متخصصان حوزه اقتصاد مالی بوده است.این مقاله به تحلیل رابطه میان ساختار سرمایه و سودآوری شرکت های پذیرفته شده در بورس اوراق بهادار تهران با رویکرد پانل گشتاوری تعمیم یافته می پردازد. در راستای این هدف، صورت های مالی (ترازنامه و سود و زیان) کلیه شرکت های منتخب پذیرفته شده در بورس اوراق بهادار تهران طی دوره پنج ساله (1385 الی 1390) مورد بررسی قرار گرفت.به منظور آزمون فرضیه ها، ابتدا بوسیله رگرسیون تلفیقی روابط میان ساختار سرمایه (اهرم مالی) و سودآوری مورد برازش قرار می گیرد. سپس به منظور حصول به تخمینی کاراتر از رگرسیون ترکیبی بهره گرفته می شود. بدین ترتیب پس از اجرای آزمون های چاو و هاسمن، مدل رگرسیون ترکیبی اثرات ثابت را انتخاب می کنیم. نتایج تحقیق در حالت خطی حکایت از آن دارند که رابطه میان ساختار سرمایه و سودآوری به شکل منفی است و این امر می تواند ناشی از روابط پیچیده موجود در بازار و مشکلات تامین مالی مبتنی بر بدهی (از حیث نرخ تسهیلات دریافتی و بازدهی طرح های اجرایی) در شرکت ها باشد. نتایج این پژوهش نشان از تایید نظریه سلسله مراتبی در رابطه میان سودآوری و ساختار سرمایه در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارد که بدین ترتیب شرکت های سودآور به استقراض کمتری روی آورده و ترجیح می دهند از منابع داخلی تامین مالی نمایند. در نهایت به منظور حل مشکل درون زایی میان متغیرها و حصول تخمینی بهینه تر از مدل پانل گشتاوری تعمیم یافته بهره می گیریم که نتایج نشان از رابطه غیر خطی (U شکل) میان سودآوری و ساختار سرمایه دارد. این مهم بیان کننده تفسیر ترکیبی نظریه های حوزه سودآوری و ساختار سرمایه در سه سطح سودآوری اندک با فرصت های رشد، سودآوری متوسط و سودآوری بالا را دارد.

این پژوهش با هدف معرفی یک الگوی مناسب جهت پیش بینی قیمت نفت خام سنگین ایران صورت پذیرفته است. داده های مورداستفاده در این پژوهش به صورت هفتگی و شامل بازه زمانی هفته سوم 4/2002 الی هفته چهارم 7/2011 که مشتمل بر 485 مشاهده بوده که جهت مجزاسازی پیش بینی های داخل نمونه ای و خارج از نمونه استفاده شده است. همچنین الگوهای مورد استفاده در این پژوهش عبارتند از: یک مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک (GMDH) و نیز یک مدل رگرسیونی خطی (ARIMA) یافته های این پژوهش نشان می دهدکه مدل شبکه عصبی مبتنی برالگوریتم درپیش بینی های خارج از نمونه بر اساس معیارهای محاسبه خطای پیش بینی میانگین مجذور خطا (MSE) و نیز معیار جذر میانگین مجذور خطا (RMSE) دارای عملکردبهتری نسبت به مدل رگرسیونی خطی ARIMA می باشند.

مطالعات متعددی به بررسی مدیریت سود در شرایط مختلف پرداخته اند. در اغلب این مطالعات فرض بر آن است که سود از طریق اقلام تعهدی حسابداری، مدیریت می شود. از این رو مدل هایی جهت مدیریت سود بر مبنای اقلام تعهدی بسط و توسعه داده شده است. با این حال در تعدادی از مطالعات انجام شده، توانایی این مدل ها برای کشف مدیریت سود زیر سوال رفته است. یکی از تبیین های مطرح شده در خصوص عملکرد ضعیف مدل های موجود، استفاده از رویکرد خطی برای مدل سازی اقلام تعهدی است و این در حالی است که بخشی از مطالعات موجود از وجود رابطه غیرخطی خبر می دهند. یکی از بدیل های مطرح شده برای رفع مشکل غیرخطی، استفاده از شبکه های عصبی متفاوت است. هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را بر اساس مدل های ریاضی منتخب کشف کرد و همچنین آیا مدل های مبتنی بر شبکه عصبی در کشف مدیریت سود بهتر از مدل های خطی عمل می کنند یا خیر. در این مطالعه از شبکه های عصبی چندلایه پیشرو و شعاع مبنا استفاده شده است. نتایج تحقیق حاکی از این است که علیرغم برتری نسبی شبکه های عصبی و عملکرد ضعیف رگرسیون خطی، انتخاب قطعی یکی از دو مدل امکانپذیر نبوده و این امر به توانایی مدل سازی و نوع توپولوژی انتخاب شده دارد.

برند یکی از مهم ترین عناصر بازاریابی و موفقیت یک سازمان می باشد و تصویری است که سازمان یا شرکت را با همه ابعادش معرفی می کند و تصویری از آنچه را که هست یا می خواهد باشد را در ذهن بیننده، مشتریان، مصرف کنندگان ایجاد می کند. در واقع برند نشانه ای است که شرکت یا سازمان را از رقبا متمایز می کند و همچنین معرف کالاها و خدمات ایجاد شده توسط شرکت می باشد. این تحقیق بر این فرض استوار است که «مدل های ارزشگذاری برند، توان تبیین لازم جهت ارزیابی ارزش برند بانک های مورد مطالعه را دارند».در این تحقیق مدل های ارزشگذاری برند مورد بررسی قرار گرفت و سپس با توجه به ویژگی های خاص صنعت بانکداری، تطابق مدل ها با صنعت بانکداری انجام و مدل مناسب با استفاده از روش تاپسیس انتخاب گردید. پس از انتخاب مدل، برای نشان دادن و انجام تجربی ارزشگذاری برند، ارزشگذاری برند برای بانک های ملت، پاسارگاد و پارسیان انجام گرفت، که در نهایت بیشترین ارزش برند به ترتیب برای بانک های ملت، پارسیان و پاسارگاد حاصل شد. در نهایت جهت مقایسه و اعتبارسنجی مقادیر حاصل از مدل انتخاب شده، ارزشگذاری برند بانک های مذکور با یک مدل دیگر نیز انجام گرفت که بر اساس آن بیشترین ارزش برند به ترتیب به بانک های پاسارگاد، ملت و پارسیان تعلق گرفت که با توجه به تمایز ساختاری در مدل های به کار گرفته شده کاملا قابل توجیه و تامل است. در انتهای این تحقیق نتایج حاصل از دو مدل با ارزش کل دارایی های بانک ها و همچنین با یکدیگر مقایسه گردیده است.

پیش بینی نرخ بازدهی سهام، همواره به عنوان یکی از مهم ترین مباحث بازارهای مالی مطرح بوده است. این مقاله، به مقایسه مدل سه عاملی فاما و فرنچ و مدل شبکه عصبی رگرسیون عمومی، برای پیش بینی بازدهی سهام شرکتهای بورس اوراق بهادار تهران در قلمرو زمانی بین سالهای 1378 تا 1388 می پردازد. با استفاده از دو فرضیه که فرضیه اول دقت مدلها را در پیش بینی بازده ماهانه سهام شرکتهای هدف، و فرضیه دوم دقت مدلها را در پیش بینی بازدهی ماهانه شش پرتفوی تشکیل شده بر اساس اندازه و نسبت ارزش دفتری به ارزش بازار، مقایسه می کند، و معیار حداقل مربعات خطا، دقت دو مدل مقایسه می گردد. نتایج نشان می دهد که بین میانگین خطای مدل ها در پیش بینی بازدهی سهام شرکتها و پرتفوی های تشکیل شده اختلاف معنی داری وجود دارد، که این اختلاف حاکی از برتری مدل شبکه عصبی رگرسیون عمومی بر مدل فاما و فرنچ در پیش بینی بازدهی سهام شرکتها و پرتفوی ها می باشد.

در دهه هفتاد مدل بلک شولز نقش عمده ای در قیمت گذاری مشتقات مالی داشت. اما بعدها به دلیل ضعف عمده آن، مدل های متنوع دیگری ارائه شد. خانواده فرایندهای لوی یکی از متداول ترین مدل ها است که برای قیمت گذاری دارایی های مالی مورد استفاده قرار می گیرد. فرایند هذلولوی تعمیم یافته از جمله این فرایندها است که مبتنی بر توزیع هذلولوی تعمیم یافته می باشد. در این مقاله ابتدا به معرفی این توزیع می پردازیم و سپس آن را به داده های قیمت سهام در ایران برازش می دهیم.