مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1399 | دوره:11 | شماره:42 |تعداد مقالات:18

هموارسازی سود را می توان کاهش عمدی نوسانات سود تعریف می شود. عده ای از صاحبنظران معتقدند سرمایه گذاران تمایل بیشتری برای سرمایه گذاری در شرکتهای هموارساز دارند و حاضرند بهای بیشتری برای این شرکتها بپردازند. محققان معتقدند برخی ویژگیهای شرکت بر انگیزه مدیران جهت هموارسازی سود تأثیر دارد. در این تحقیق سعی شد ضمن تشریح مبانی نظری تحقیق، ارتباط بین هموارسازی سود و ویژگیهایی از شرکت نظیر کیفیت سود، نسبت قیمت به درآمدها (P/E)و بازده حقوق صاحبان سهام ( ROE) و بازده دارایی های کلّی (ROTA) در بورس اوراق بهادار بررسی شود. به منظور بررسی ارتباط بین هموارسازی سود و ویژگیهای شرکت، داده های مربوط به دوره زمانی1390 تا 1396 جمع آوری و تجزیه و تحلیل شود. سپس با استفاده از مدل ایکل شرکتهای هموارساز و غیر هموارساز از یکدیگر تفکیک گردیدند. به منظور آزمون فرضیات پژوهش از رگرسیون لوجیت استفاده شد. نتایج نشان می دهد شرکت هایی با نسبت قیمت به درآمد (P/E ) بالاتر، انگیزه بیشتری برای گزارش سود هموار شده دارند و شرکت هایی با میزان کیفیت سود بالاتر انگیزه بیشتری برای گزارش سود هموار شده دارند. نهایتاً مشخص شد که شرکت های با بازده دارایی های کلّی (ROTA) بزرگتر، انگیزه بیشتری برای گزارش سود هموار شده دارند.

مسئله بهینه سازی پورتفوی سرمایه گذاری، یکی از مباحث بسیار مهم در بازارهای مالی است. برای مدیریت پورتفوی دو نوع استراتژی منفعلانه و فعالانه وجود دارد که ایجاد پورتفوی ردیاب شاخص یکی از جنبه های رویکرد منفعلانه برای مدیریت سبد سهام می باشد. اساس سبد ردیاب شاخص، دستیابی به عملکردی مطابق با بازده شاخص با تشکیل سبدی محدود از سهام است که در پی آن هزینه های معاملاتی برای سرمایه گذار کاهش پیدا خواهد کرد. در این پژوهش، مدلی برای تشکیل پورتفوی ردیاب ارائه شده است که هدف آن کمینه سازی انحرافات نامطلوب (بازده پورتفوی کمتر از بازده شاخص) و بیشینه سازی انحرافات مطلوب (بازده پورتفوی بیشتر از شاخص) است. بمنظور حل مدل توسعه داده شده از الگوریتم ژنتیک استفاده شده است. برای ارزیابی عملکرد مدل، داده های چهار صنعت بزرگ بورس اوراق بهادار تهران بکار گرفته شده و نتایج نشان می دهد که مدل پیشنهادی عملکرد خوبی در ردیابی شاخص مربوطه و دستیابی به بازده مازاد بر شاخص داشته است.

پژوهش حاضر با هدف توسعه مدل سازی بیزی تلاطم بازدهی و حجم معاملات بورس اوراق بهادار تهران انجام پذیرفته است. بر این اساس، تلاطم بازدهی شاخص کل بورس اوراق بهادار تهران و حجم معاملات آن، در بازه زمانی1 اردیبهشت 1394 تا 8 اسفند 1397 با تواترهای روزانه، هفتگی و ماهانه مورد بررسی قرار گرفته است. یافته های پژوهش نشان می دهد فرض همبستگی شرطی ثابت مدل CCC میان متغیرها نقض شده و مشاهده می-گردد رابطه موجود از نوع همبستگی شرطی پویا مدل DCC و منفی است که دلالت بر این واقعیت دارد با افزایش بازده، سرمایه گذاران به دلیل خوش بینی تمایلی چندانی به فروش سهام خود ندارند و با عدم فروش آن، موجب کاهش حجم معاملات در بازار می-گردند و برعکس. از سوی دیگر یافته های پژوهش نشان می دهد در نظر گرفتن توزیع tاستیودنت چوله برای پسماندها با دمی پهن تر از توزیع نرمال و اعمال چولگی، از عملکرد بهتری نسبت به سایر توزیع ها برخوردار است.

با توجه به اهمیت قیمت طلا در بازارهای مالی، روند تغییرات قیمت طلا در اقتصاد ملی و جهانی، توجه بسیاری از محققان و تحلیلگران اقتصادی را به خود جلب کرده است. از این رو هدف اصلی این مطالعه، ، پیش بینی روند حرکت قیمت طلای جهانی می باشد. این پژوهش با هدف معرفی یک الگوی ترکیبی از مدل های کاپولا و مدل گارچ کلاسیک (GARCH-Copula) و مقایسه آن با مدل های خانواده گارچ، جهت پیش بینی روند حرکت قیمت جهانی طلا در بازه زمانی 04/ 01/ 2000 تا 26/ 06/ 2018، در افق های پیش بینی 1، 5، 10، و 22 روزه، صورت پذیرفته است. دقت پیش بینی مدل های مذکور با استفاده از معیار خطای RMSE، مورد ارزیابی و مقایسه قرار گرفته اند نتایج بدست آمده حاکی از آن بود که در افق های پیش بینی کوتاه مدت مدل کاپولای نرمال با توزیع حاشیه ای GARCH-t و در افق پیش بینی بلند مدت مدل کاپولای تی با توزیع حاشیه ای GARCH-t از عملکرد بهتری نسبت به مدل های رقیب برخوردار بودند. مدل ترکیبی معرفی شده در این پژوهش دارای پتانسیل بالایی در جهت پیش بینی روند حرکت قیمت طلای جهانی می باشد، بنابراین استفاده از این مدل برای سرمایه گذاران بخش های مختلف، تحلیلگران اقتصادی و نیز برنامه ریزان کلان کشور نتایج ارزنده ای را می تواند داشته باشد.

با توجه به گذر جوامع از عصر صنعت به عصر اطلاعات، اهمیت دارایی های نامشهود نیز در دنیای تجارت بیشتر شده است. موج حرکت شرکت ها به سوی سرمایه گذاری در دارایی های نامشهود و تشکیل، تشویق و تمایل به ایجاد شرکت های دانش بنیان و تکنولوژی محور نشان از تغییر مدل های تجاری، استراتژی ها و حرکت به سوی اقتصاد توسعه یافته است. با این حال، به نظر می رسد استانداردهای حسابداری مربوط به دارایی های نامشهود از این حرکت جا مانده و مورد غفلت واقع شده اند. هدف این پژوهش طراحی الگویی برای بهبود گزارشگری مالی دارایی های نامشهود بر اساس نظرات کاربران اصلی این گزارش ها است. این پژوهش از نوع پژوهش های کیفی بوده که با استفاده از رویکرد مبتنی بر نظریه داده بنیاد انجام شده است. جامعه آماری شامل حسابرسان، کارشناسان رسمی دادگستری، مسئول اعتبارات بانک ها، مدیران شرکت های سرمایه گذاری و مدیران شرکت های دانش محور بوده که با استفاده از رویکرد نمونه گیری هدفمند در مجموع تعداد 15 نفر به عنوان مشارکت کنندگان پژوهش انتخاب شدند. داده ها به روش مصاحبه و بصورت نیمه ساختاریافته گردآوری شد و سپس با استفاده از تحلیل مضمون، مضامین اصلی شناسایی و با استفاده از نرم افزار NVIVO شبکه آنها رسم گردید. مقوله های علی، محوری، راهبردی و پیامد معرفی شدند و در این میان گزارشگری مالی به عنوان متغیر مداخله گر شناسایی شد، مولفه ای که رد آن در تمام مقوله ها قابل مشاهده بود سودمندی اطلاعات برای تصمیم گیری در مورد دارایی های نامشهود بود که به عنوان مقوله محوری معرفی گردید.

در سال های اخیر، توسعه ی پردازنده های کامپیوتری موجب معرفی الگوریتم های جدیدی برای پیش بینی دادههای مالی شده است که یکی از این الگوریتم ها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدل های منتخب خانواده GARCH جهت پیش بینی کوتاه مدت بازدهی روزانه شاخص کل بورس اوراق بهادار تهران پرداخته می شود. مهمترین ویژگی شبکه یادگیری عمیق در این است که بدون محدود بودن به مدل های معین، می تواند خود را با نوسانات متغیرهای بازار هماهنگ و تعدیل نماید. در این پژوهش از میان مدل های شبکه یادگیری عمیق، شبکه عصبی بازگشتی مبتنی بر حافظه کوتاه مدت و بلندمدت (RNN-LSTM) انتخاب و از مدل های دارای حافظه کوتاه مدت GARCH و EGARCH در ساختار آن استفاده می شود. همچنین دو متغیر مستقل قیمت نفت و نرخ دلار در ساختار مدل ترکیبی، کمک فراوانی به آن در پیش بینی دقیقتر داده های مالی می کند. نتایج تحقیق نشان می دهد که مدلهای ترکیبی دقت پیش بینی بالاتری نسبت به مدل های تکی دارند. همچنین براساس معیارهای ارزیابی خطای پیش بینی RMSE و MAPE، مدل RNN-LSTM-EGARCH برپایه توزیع GED دارای خطای پیش بینی کمتری نسبت به 23 مدل دیگر دارد. در این راستا، معیار بررسی صحت پیش بینی دیبولد-ماریانو (DM) نیز یافته های فوق را تایید میکند.

با رشد بانکهای خصوصی و مؤسسات مالی و اعتباری، رقابت بین آنها به منظور ارائه خدمات بهتر افزایش یافته است. با توجه به اهمیت موضوع، تدوین یک الگوی جامع و کامل برای ارزیابی بانکها ضروری به نظر می رسد. هر سازمان برای آگاهی از نقاط قوت و ضعف خود به ویژه در محیط های پویا نیازمند ارزیابی عملکرد می باشد. موضوع ارزیابی عملکرد آنقدر مورد توجه است که حتی در این باره صاحبنظران مدیریت معتقدند: "آنچه را که نتوان ارزیابی نمود، نمی توان مدیریت کرد". بنابراین بانک ها نیز همانند سایرسازمان ها در ایران برای ارائه خدمات متنوع تر و سریع ترو همچنین توسعه خود، نیازمند ارزیابی عملکرد می باشند. [6] هدف اصلی این مقاله ارائه مدلی به منظور ارزیابی عملکرد بانکهای بورسی کشور با استفاده از روشهای داده کاوی می باشد. در این پژوهش، 4 مدل داده کاوی درخت تصمیم C5. 0، درخت تصمیم C4. 5، الگوریتم بیز و جنگل تصادفی، به منظور ارزیابی عملکرد بانک های پذیرفته شده در بورس اوراق بهادار تهران پیاده سازی و با یکدیگر مقایسه می گردند. بدین منظور نمونه ای مشتمل بر 28 نسبت مالی شامل نسبت های سودآوری، نقدینگی، حوزه کیفیت مدیریت، حوزه کیفیت دارایی و کفایت سرمایه در 18 بانک بورس اوراق بهادار تهران درفاصله بین سالهای 1393 تا 1396 به عنوان متغیرهای مستقل و عملکرد بانکها درسه دسته قابل قبول، غیرقابل قبول ومتوسط به عنوان متغیر وابسته انتخاب گردیدند. نتایج حاکی از آن است که در بین کلیه مدلها درخت تصمیم C5. 0 با صحت 94. 4% بهترین مدل ارائه شده در این پژوهش می باشد.

فرآیند مهم ارزیابی و قیمت گذاری اوراق بهادار تخمین ارزش اوراق بهادار از جمله سهام عرضه اولیه شرکت ها است. زیرا از یک سو سرمایه گذاران به منظور سرمایه گذاری آگاهانه نیاز دارند که از ارزش واقعی سهامی که علاقمند به سرمایه گذاری در آن هستند، اطلاع داشته باشند و از سوی دیگر صاحبان شرکت ها که قصد فروش اوراق بهادار خود را دارند، ناگزیرند تا دارایی خود را به شیوه درست ارزیابی و قیمت گذاری نماید. لذا هدف از انجام این پژوهش تبیین الگوی بهینه ارزیابی و قیمت گذاری عرضه اولیه عمومی سهام شرکت-های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک های تصمیم گیری چند معیاره فازی، رگرسیون گام به گام، شبکه عصبی و الگوریتم ژنتیک می باشد. به این منظور داده های مربوط به 421 شرکت جمع آوری شد که در طی سال های 1385 تا 1397 اقدام به عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران نموده بودند. هم چنین جهت تجزیه و تحلیل داده ها از روش AHP فازی، رگرسیون پیش رو، شبکه عصبی و الگوریتم ژنتیک بهره گرفته شده است. نتایج تحقیق نشان داد: الگوی الگوریتم ژنتیک مدل بهینه قیمت گذاری و ارزیابی سهام عرضه اولیه می باشد.

هدف این پژوهش شناسایی و اعتبارسنجی پیشایندها و پیامدهای پذیرش زنجیره ی بلوکی در بازارهای مالی ایران است تا از این طریق زمینه لازم جهت ارزیابی آمادگی بازارهای مالی جهت پذیرش فناوری زنجیره ی بلوکی فراهم گردد. پیشایندها و پیامدهای پذیرش زنجیره ی بلوکی در 4 سطح، 12 متغیر و 53 شاخص از ادبیات پژوهش های مشابه در زمینه تجارت الکترونیک و بانکداری همراه استخراج گردیده است. برای اعتبارسنجی شاخص های پژوهش، علاوه بر مطالعه اسنادی از تکنیک دلفی فازی جهت پالایش شاخص ها بهره گرفته شده است، نظرسنجی بعمل آمده در سه مرحله انجام گرفته و نتایج هر مرحله مورد پالایش قرار گرفته است. بر اساس تجزیه وتحلیل داده ها 39 شاخص مورد تایید قرار گرفته است. در واقع نتایج این پژوهش، بینش مفیدی برای پژوهشگران و سیاست گذاران بازارهای مالی کشور فراهم می کند تا با ارزیابی این عوامل، بتوانند با تغییر مدل کسب وکار به کار گرفته شده در بازارهای مالی از کاربردهای زنجیره ی بلوکی در زیرساخت بازارهای مالی ایران استفاده نمایند.

هدف این مقاله بررسی الگوهای رفتاری سرمایه گذاران در زمان نزول های اساسی بورس اوراق بهادار تهران در چارچوب مدل عامل ناهمگن و بهینه سازی الگوها با استفاده از الگوریتم ژنتیک می باشد. در ابتدا با توجه به مبانی نظری، نزول های اساسی در بورس اوراق بهادار تهران بر اساس سه معیار روند شاخص، ارزش معاملات روزانه و ارزش کل بازار مشخص گردید بر این اساس از سال 1380 تا سال 1394 سه نقطه شکست و نزول اساسی تعیین شد: ریاست جمهوری مربوط به انتخاب دولت نهم در سال 1384، بحران مالی غرب در سال 1387 بالاخره نزول دامنه دار بازار پس از ریاست جمهوری مربوط به دولت یازدهم و توافق اولیه هسته ای. با توجه به مدل عامل ناهمگن بروک و هومز و اصلاحات بعدی آن قیمت های بازار و بنیادی 40 روز قبل و بعد از نزول های اساسی تعیین و کد نویسی و شبیه-سازی با استفاده از نرم افزار متلب انجام گردید و پس از آن با تولید پارامترهای اصلی، عامل های رفتاری فرا اعتمادی و احساسات بازار اعمال گردیده و میزان تطبیق خروجی شبیه سازی با داده های بازار واقعی مورد بررسی، آزمون و تحلیل قرار گرفت و بهترین استراتژی سرمایه گذاری انتخاب و با استفاده از الگوریتم ژنتیک بهینه سازی شد نتایج پژوهش نشان می دهد که مدل عامل ناهمگن، استراتژی دنبال کنندگان روند متضاد را به صورت مناسبی پیش بینی می نماید و همچنین با استفاده از الگوریتم ژنتیک می توان انحراف معیار و میانگین ضرایب استراتژی های سرمایه گذاری را بهبود داده و تعداد تطبیق با داده های بازار واقعی را افزایش داد.

در طول دوران استرس مالی، تأثیر شوک های استرس مالی بر فعالیت های اقتصادی ممکن است با آنچه معمولاً در زمان عادی مشاهده می-شود متفاوت باشد. بنابراین مقتضی است که نحوه ی تفاوت تأثیرات استرس مالی بر فعالیت های اقتصادی و تورم در دوران بی ثباتی مالی مورد بررسی قرار گیرد. در این مقاله با توجه به بحث فوق چگونگی تأثیر وخامت شرایط مالی اقتصاد ایران و تأثیر آن بر متغیرهای کلان اقتصادی در طی سال های 1391 تا 1396 مورد بررسی قرار گرفته است. به همین منظور در این پژوهش قصد داریم با ساخت شاخص استرس مالی با استفاده از نماینده هایی از بازارهای مختلف، تأثیر سرریز نوسانات شاخص استرس مالی را بر تورم، نرخ بهره، نقدینگی و شاخص صنعت بررسی کنیم. به همین جهت با استفاده از مدل GARCH دو متغیره (BEKK) و همچنین با مدل VAR، تأثیر شوک ها و نوسانات بین آنها مورد آزمون قرار گرفت و سپس رابطه ی بین آنها از طریق آزمون علیت گرانجر بررسی گردید. نتایج نشان دهنده ی این است که بین شاخص استرس مالی با تورم، نرخ بهره و نقدینگی یک رابطه ی علیت برقرار است اما در بررسی رابطه علیت بین شاخص استرس مالی و شاخص صنعت نتایج آزمون علیت نشان دهنده ی این است که این شاخص صنعت است که در بلند مدت با تلاطم خود باعث تغییرات شاخص استرس مالی می شود اما شاخص استرس مالی تاثیری بر شاخص صنعت ندارد.

در این پژوهش به تحقیق و بررسی ساختار وابستگی و برآورد ریسک پرتفوی بر روی داده های بازار ارز خارجی در ایران با استفاده از روش GARCH-EVT-COPULAپرداخته می شود. مدل های GARCH-EVT برای توزیع حاشیه ای هر یک از 4 سری بازده نرخ ارز بکار برده می شود. برای توزیع توأم، ما 5 مدل از توابع کاپولا با ساختار وابستگی مختلف مانند کاپولای فرانک، کلایتون، گامبل، نرمال و تی-استیودنت را انتخاب نمودیم. در این پژوهش ریسک پرتفوی با استفاده از معیار ارزش در معرض خطر و ارزش در معرض خطر شرطی اندازه گیری می شود. نمونه آماری این پژوهش شامل نرخ ارز روزانه بازار آزاد ارزهای دلار آمریکا، یورو، پوند انگلستان و درهم امارات با 5 روز کاری از شهریور ماه سال 1391 تا انتهای سال 1396 می-باشد. بر اساس نتایج حاصل از پژوهش، با استفاده از مقادیر معیار اطلاعات آکائیک، تابع تی-استودنت بهترین مدل برازش شده ی کاپولا برای بررسی ساختار وابستگی می باشد. نرخ های ارز دارای وابستگی دنباله بالایی و پایینی یکسانی هستند. بر این اساس در بازارهای رونق (مثبت شدید) و رکود (منفی شدید)، وابستگی بین هر دو نرخ ارز یکسان است.

هدف از تحقیق حاضر بررسی اثربخشی شاخص های سلامت مالی به عنوان نمادهای بحران مالی بانکی با بکارگیری مدل های لاجیت چند متغیره(مطالعه موردی بانکهای پذیرفته شده در بورس) می باشد. برای این منظور از بین بانکهای پذیرفته شده در بورس تعداد 9 مورد از بانکها برای نمونه انتخاب شدند. این پژوهش از نوع تحقیقات همبستگی است و روش شناسی پژوهش حاضر از نوع پس رویدادی می باشد، برای جمع اوری داده ها ترکیبی از دو روش میدانی و کتابخانه ای استفاده شد. و برای تحلیل یافته ها از رگرسیون لاجست بهره گرفتیم. همچنین از تکنیک فازی برای تکنیک AHP برای اولویت معیارهای اصلی استفاده کردیم. مطابق با یافته های تحقیق، با توجه به انتخاب روش Enter برای ورود داده ها، بر اساس آماره sig، صریب 4 متغیر(LQ4، LQ1، CA1 و LQ2) معنی دار بودند. بر اساس نتایج آماری مدل لاجیت، تنها 4 نسبت مالی از بین نسبت های کمل معرفی شده در رتبه بندی صحیح بانکهای مورد مطالعه بر اساس مقدار ترکیبی کمل موثر هستند. همچنین مطابق با تکنیک دلفی، کیفیت مدیریت با وزن نرمال 0. 221 از بیشترین اولویت برخوردار است. کیفیت دارایی با وزن نرمال 0. 104 در اولویت دوم، . نقدینگی با وزن نرمال 0. 085 در اولویت سوم، کفایت سرمایه با وزن نرمال 0. 075 در اولویت چهارم و سودآوری با وزن نرمال 0. 070 در اولویت آخر قرار داشت.

مطالعات متعددی به بررسی ارتباط وضعیت روحی سرمایه گذار با شرایط اقتصادی پرداخته اند این مقاله با ایجاد تغییراتی جزئی در الگوی « لوکاس » تاثیرگذاری وضعیت روحی سرمایه گذار بر بازگشت سرمایه مورد انتظار را مورد بررسی قرار می دهد که با توجه به قیمت های سهام و دارایی در بازار سرمایه در چارچوب مدل های قیمت گذاری و در چارچوب تغییرات جزیی، چگونگی تاثیرگذاری تغییرات جزئی در فاکتورهای وضعیت روحی ( اولویت زمانی و ریسک گریزی بر قیمت سهام تعیین و محاسبه می گردد. نتایج نشان می دهد: الف ) میزان مورد انتظار برای بازگشت سهام با وضعیت روحی سرمایه گذار رابطه معکوس دارد. ب ) زمانیکه سرمایه گذار وضعیت روحی خوبی دارد میزان تاثیر وضعیت روحی بر میزان مورد انتظار برای بازگشت سرمایه افزایش می یابد. ج ) متغیرهای وضعیت روحی بر بازارهای سرمایه گذاری تاثیر بیشتری دارد تا بر بازار اوراق بهادار د ) وضعیت روحی سرمایه گذار عاملی اساسی در رابطه با بازگشت سهام است ه ) یکپارچه سازی وضعیت روحی سرمایه گذار با الگوهای قیمت گذاری دارایی می تواند به تفسیر شواهد موجود از ناهنجاری های درحال رشد مربوط به رفتار سرمایه گذار کمک کند.

هدف: دراین پژوهش تغییرات قیمت سهام شرکت ایران خودروپذیرفته شده در بورس اوراق بهادار تهران دردوره زمانی 23/9/1387 الی 13/12/1396 با هدف مدل سازی، بر اساس مدل حرکت براوونی هندسی تعمیم یافته بافرآیندرژیم سوئیچینگ مارکوف که شکل تعمیم یافته مدل حرکت براوونی هندسی می باشد، برروی مقوله پیش بینی مورد مطالعه قرار گرفته است. روش: مدل پژوهش بااستفاده ازرویکردپویایی شناسی سیستمی ونرم افزار Vensim DSS ابتدادرقالب نمودارعلی-معلولی و پس ازمشخص نمودن متغیرهای حالت وجریان، درقالب نمودارحالت وجریان تک حلقه ای ودوحلقه ای طراحی وشبیه سازی برای قیمت پایانی روزانه سهام انجام گرفت. دوپارامترریشه اختلال وگام زمانی به عنوان پارامترهای تحلیل حساسیت شناسایی وبکار گرفته شد. یافته ها: ابتدا خطای شبیه سازی به ازای تغییرات تصادفی درریشه اختلال 74/22 درصد و درگام زمانی 35/30 درصد برآوردشد. بعلت بالابودن خطای شبیه سازی بالاترازحدقابل قبول 15درصد، هردوپارامترکالیبره شدند. جهت تخمین مناسبی از محدوده پارامترهای کالیبراسیون ازروش آزمون وخطا و مشاهده میدانی رفتارسیستم استفاده گردید. خطای شبیه سازی پس ازکالیبراسیون به ازای پارامترریشه اختلال از 74/22 درصد به 5/8 درصد وبه ازای گام زمانی از 35/30 درصد به 63/3 درصد کاهش یافت. دقت شبیه سازی به ازای پارامترریشه اختلال از26/77 درصد به 5/91 درصد و به ازای گام زمانی از 65/69 درصد به 37/96درصد افزایش یافت. نتیجه گیری: نتایج نشان می دهد بابهینه سازی پارامترهای کالیبراسیون میزان ریشه های خطا به حالت ایده آل رسیده یعنی خطای نابرابری کوواریانس هابه سمت عدد یک و خطای نابرابری مبنا وخطای نابربری واریانس ها به سمت عدد صفر نزدیک شده ونشان ازصحت عملکردمدل پژوهش درشبیه سازی قیمت سهام دارد.

افشاء اطلاعات مولفه های ریسک حاوی پیام های موثر در ارزیابی وپیش بینی رخدادهای آتی در شرکت هاست. لذا قضاوت آگاهانه استفاده کنندگان درگرو سودمندی ارائه اطلاعات تکمیلی از مولفه های ریسک درسطوح مختلف طبقه بندی شده ومتناسب با عملکردهای رودرروی شرکت ها و بهبود کیفیت تهیه وارائه اطلاعات حسابداری است. ازاین رو هدف پژوهش، ارزیابی سودمندی در تصمیم برای سرمایه گذاران با افشاء اطلاعات مولفه های ریسک و پیامدهای اقتصادی عملکرد شرکت ها می باشد. بدین منظور این پژوهش با 87 شرکت نمونه و در بازه زمانی 7 ساله 1396-1390 به شیوه توصیفی-همبستگی با اجرای آزمون کروسکال والیس والگوی رگرسیون چندگانهصورت پذیرفت. نتایج نشان داد که، افشاء اطلاعات مولفه های ریسک درسطح شرکت حاوی اطلاعات سودمند در پیش بینی خطر سقوط قیمت بازار سهام شرکت ها است اما در سطح صنعت رابطه معناداری یافت نشد. افشاء اطلاعات مولفه های ریسک در سطح شرکت ودرسطح صنعت حاوی اطلاعات سودمند در پیش بینی رفتار همزمانی قیمت بازار سهام شرکت ها است. هرچه افشای مولفه های ریسک دارای شفافیت واطلاعات سودمند بیشتری باشد تاثیر زیادتری درافزایش قدرت پیش بینی وتوضیح دهندگی خطرسقوط قیمت سهام وهمزمانی قیمت سهام دارند.

بانک ها به عنوان اهرم هایی در سیاست های کلان اقتصادی از طریق تنظیم و تعدیل نرخ سود بانکی، سیاست های پولی را به اجرا درآورده و تورم و بیکاری که یکی از مهم ترین اهداف کلان اقتصادی می باشد را کنترل می نماید. یکی از این ابزارها مدیریت دارایی-بدهی می باشد. از اینرو هدف از انجام این تحقیق توسعه مدل ریسک همبستگی دارایی ها(ACR) با رویکرد مدیریت دارایی-بدهی(ALM) می باشد. این تحقیق از لحاظ ماهیت از نوع توصیفی و از لحاظ هدف کاربردی است. جامعه آماری تحقیق، شرکت های پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد نظر بانک های پذیرفته شده در این مجموعه هستند که داده های مورد نیاز تحقیق از آن ها قابل استخراج است. دوره زمانی تحقیق، از سال 1391 تا سال 1396 می باشد که تعداد 20 بانک به عنوان نمونه های تحقیق انتخاب گردید. این تحقیق دارای مدلی نظری است و برای آزمون فرضیه ها از مدل تصحیح خطای برداری استفاده گردید. با توجه به آماره t و جهت ضریب تخمین الگوی VECM آن مشخص می شود اثر استفاده از رویکرد مدیریت دارایی-بدهی بر ریسک همبستگی دارایی در تعادل بلندمدت کاهشی می باشد.

به حداقل رسیدن هزینه های زنجیره تأمین به عنوان یکی از مسائل ضروری در فعالیت های مرتبط با پشتیبانی از جمله سیستم های برنامه ریزی مالی، فعالیت های مربوط به بازاریابی و فروش، قیمت تمام شده محصولات به چگونگی مدیریت زنجیره تأمین مجموعه ای از روش هایی که برای یکپارچه سازی مؤثر تأمین کنندگان، تولیدکنندگان، انبارها و فروشگاه ها به کار می رود، بستگی دارد تا هزینه های کل زنجیره تأمین به حداقل برسد و همچنین نیاز مشتریان با سطح خدمت رسانی بالایی برآورده شود. در این مقاله به منظور برنامه ریزی و طراحی شبکه زنجیره تامین پویا در شرایط عدم قطعیت از ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی پرداخته شده است. هدف پژوهش یکی از مهمترین موارد رعایت شده در این تحقیق استفاده از متدولوژی های هوش مصنوعی مانند Grid Clustering, Subtractive Partitioning, FCM به منظور کشف الگوها و روابط بنیادی و تکنیکال موجود در داده های تاریخی استفاده شده است. برای این کار به ارائه یک شبکه عصبی مصنوعی چند لایه فازی استنتاجی مبتنی برزنتیک جهت جلوگیری از غیرتوجیه پذیری فنی و اقتصادی حل و اجرا پرداخته شده است. مدل پایه این مقاله که توسط محقق ارائه شده است به برنامه ریزی استوار و چند دوره ای برای حالت چند محصولی در شرایط عدم قطعیت می باشد.