مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1399 | دوره:11 | شماره:44 |تعداد مقالات:21

اوراق اختیار از ابزارهای مهم بازارهای مالی بوده و قیمتگذاری اوراق با معادله قیمتگذاری بلک شولز بسیار متداول است. این معادله جهت قیمتگذاریِ اختیارهای اروپائى استفاده میشود. با بکارگیریِ علوم ریاضی در مباحث مالی، امکان ارائه مدلهای جدیدترِ قیمتگذاری اختیار معامله فراهم شده است. در این مقاله با روش جدید حل معادله دیفرانسیل تحت عنوان نیکیوورو-اوواروف، امکان ارائه مدل متفاوت قیمتگذاری بلک شولز بررسی گردید. سپس، معادله ای جدید برای قیمتگذاری اوراق اختیار معامله ارائه شد. افزایش دقت قیمتگذاری، رفع نواقص مدل بلک شولز، حل منطقی جدید و قابلیت مقایسه خروجی با حل عددی، اهمیت و نوآوری پژوهش حاضر میباشند. نتایج نشان داد؛ امکان ارائه مدل جدید قیمتگذاری اختیار معامله با روش نیکیوورو – اوواروف امکانپذیر بوده و در سطح اطمینان 95 درصد بین قیمتگذاری روش جدید و مدل بلک شولز تفاوت معنادار وجود ندارد. دقت بیشتر قیمتگذاری برای مبالغ بالا، امکان بکارگیریِ معادله در قیمتگذاری اختیار معامله های اروپایی و آمریکایی و اعمال محدودیتهای کمترِ اثبات معادله، مزیتهای مدل جدید هستند. به منظور مقایسه مدل جدید و مدل بلک شولز از اطلاعات 50 اختیار معامله زعفران در فرابورس ایران از سال 1395 لغایت 1398 استفاده و از آزمون مقایسه ای دو گروه مستقل ناپارامتریکِ من ویتنی استفاده گردید.

برآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیش بینی های غیرمعمولی را ایجاد می کند. در این مطالعه از اطلاعات یک صفحه بزرگ سری های زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده داده های روزانه سری زمانی 25 شاخص مختلف بورس اوراق بهادار تهران در بازه ده ساله از 1387 الی 1397 بر اساس یک مدل عاملی پویای تعمیم یافته (GDFM) انجام شد. ابتدا با استفاده از مدل عاملی پویای توسعه یافته توسط فورنی و همکاران نسبت به تعیین تعداد عوامل استاتیک و دینامیک مدل عاملی اقدام نموده و در ادامه نوسانات جزء مشترک سری های تحت مطالعه را با کمک نرم افزار MATLAB فیلتر نموده و به عنوان ریسک بورس اوراق بهادار تهران برآورد نمودیم. در ادامه از روش حداقل مربعات تعمیم یافته (GLS)، تأثیر ریسک های فیلتر شده را بر روی بازده شاخص کل بورس موردبررسی قراردادیم. نتایج نشان داد اگر چه ریسکهای برآورد شده از طریق فیلترینگ یک طرفه و فیلترینگ دوطرفه به صورت معنی داری تغییرات بازده شاخص کل بورس موردمطالعه را توضیح می دهند، اما ریسک برآورد شده از طریق فیلتر دوطرفه با استفاده از مدل عاملی پویای تعمیم یافته، تغییرات بازده را بسیار بهتر از فیلتر یک طرفه با استفاده از همان مدل توضیح می دهد.

بانک ها به عنوان واسطه وجوه در تجهیز و تخصیص منابع جامعه، با ریسک بازار، ریسک نقدینگی و غیره مواجه هستند. در این تحقیق ریسک بازار جهت تعیین سبد بهینه ارزی، از ابعاد اساسی مدیریت ذخایر ارزی در بانکها، مورد توجه قرار گرفته که خود متاثر از عواملی چون نوسان نرخ سود، نرخ ارز، قیمت سهام و غیره می باشد. رویکرد مورد استفاده در این مقاله معیار ارزش در معرض ریسک، روش واریانس-کواریانس، به همراه تکنیک میانگین متحرک موزون نمایی است. ارزش در معرض ریسک در واقع انواع ریسک ها را در یک رقم خلاصه کرده، مدیریت ارشد را از انبوهی از محاسبات ریسک خلاص می کند. هدف طراحی یک مدل به نحوی است که ترکیبی بهینه برای نگهداری ذخایر 6 ارز دلار آمریکا، درهم، ین، لیر، ون کره و یورو در بانک ملت را با استفاده از داده های نرخ مرجع ارزهای مذکور در سال 1397، ارائه کند. در نهایت مدل حاصل با استفاده از نرم افزارهای LINGO و Excel حل شد. نتایج تحقیق حاکی از آن است که حداکثر سهم دلار و درهم در سبد ارزی بانک ملت به ترتیب برابر با 33 و 67 درصد است. بر این اساس در صورتی که سهم ارزهای یادشده در سبد ارزی بیش از ارقام حاصل باشد، حداکثر زیان مورد انتظار روی پرتفو ارزی در طول افق زمانی و در سطح اطمینان مورد نظر افزایش می یابد. همچنین سایر ارزها پر خطر بوده، لذا بانک ملت برای نگهداری آنها، بیشتر باید بر اساس نیازهای مبادلاتی خود برنامه ریزی نماید.

اخیرا از روش هوشمند مبتنی بر فازی برای پویاسازی الگوهای کندل استیک ژاپنی در جهت تحلیل الگوهای کندل استیک با در نظر گرفتن اطلاعات غیر قطعی استفاده شده است. از انجایی که منطق فازی مبتنی بر دانش خبره است، اگرچه متخصصان انسانی میتوانند نقش مهمی در تنظیم مقادیر توابع عضویت متغیرهای فازی داشته باشند، اما از انجایی که معمولا دانش انسانی دارای ابهام است، تنظیم بهینه ای حاصل نمیگردد. از اینرو ارائه تکنیکی که منجر به تنظیم بهینه مقادیر توابع عضویت در الگوهای کندلی گردد، نقش بسزایی در راندمان سیستم معامله مبتنی بر فازی خواهد داشت. یکی از روشهای بهینه سازی پرکاربرد، روشهای فراابتکاری میباشد، اکثر روشهای فراابتکاری دارای ساختاری مشابه با روش بهینه سازی ازدحام ذرات اند. روشهای فراابتکاری مبتنی بر کرم شب تاب و مورچگان دلیل برخورداری از قابلیت های بهره وری و کشف مناسب، قدرتمندتر از بهینه سازی ازدحام ذرات اند. در این مقاله از روش کرم شب تاب و مورچگان برای تنظیم و بهینه سازی توابع عضویت متغیرهای کندل استیک فازی با کاربرد در تحلیل معاملات و پیش بینی قیمت سهام در سیستم معاملات سهام استفاده شده است. نتایج حاصل از اعمال روش پیشنهادی بر روی سهام شرکتهای ایران حاکی از دقت بالای روش پیشنهادی میباشد.

پژوهش های پیشین در زمینه عملکرد کوتاه مدت عرضه عمومی اولیه، بیانگر این واقعیت است که سهام تازه عرضه شده در کوتاه مدت، عملکرد بهتری نسبت به بازار دارد. مدل های آماری توانسته اند پیش بینی های خوبی در مورد عملکرد این گونه سهام ارائه دهند ولی مفروضات محدودکننده برخی از این مدل ها بر اثربخشی شان موثر بوده است. بنابراین، روش های دیگری برای مقابله با این محدودیت ها و بهبود پیش بینی ها معرفی شدند. از آن جایی که عرضه عمومی اولیه موضوع بااهمیتی در بازار سرمایه است، در این پژوهش به بررسی مدل های طبقه بندی مختلف برای دست یابی به مدلی که از کارایی و دقت بالایی در پیش بینی قیمت گذاری کمتر از واقع سهام عرضه عمومی اولیه برخوردار است، پرداخته شد. به منظور دست یابی به این هدف، 84 شرکت بورسی و 54 شرکت فرابورسی طی سال های 1382 تا 1396 به روش حذف سیستماتیک جهت تحلیل در نظر گرفته شد. نتایج نشان داد که مدل های ماشین بردار پشتیبان، شبکه بیزین و سی فایو از دقت بالایی در پیش بینی قیمت گذاری کمتر از واقع برخوردارند. همچنین نتایج نشان داد که متغیرهای مهم تاثیرگذار شامل رشد دارایی ها، دوره تصدی حسابرس، تخصص حسابرس در صنعت، نسبت فعالیت های تامین مالی، نسبت قیمت به سود هرسهم، بازده دارایی ها، نسبت فعالیت های عملیاتی، اندازه موسسه حسابرسی، فرصت های رشد و نوسانات قیمت سهام هستند.

استراتژی های معاملاتی شتاب و معکوس که به منظور بهره گیری از همبستگی سریالی موجود در بازدهی بازار و اوراق بهادار به کار می روند، در زمره استثنائات مالی و بی نظمی های بازار سرمایه قرار می گیرند. در این استراتژی بازدهی اضافی با خرید سهام برنده گذشته و فروش سهام بازنده گذشته قابل دستیابی است. بر همین اساس هدف این پژوهش، تبیین نقش تعدیل کننده افق سرمایه گذاری بر بازده اضافی حاصل از به کارگیری استراتژی های شتاب-معکوس در نوسانات قیمت سهام بورس اوراق بهادار تهران بوده است. آزمون فرضیات در پژوهش حاضر با بهره گیری از مدل رگرسیون خطی چند متغیره و مدل های اقتصاد سنجی اجرا شده است و نتایج حاکی از تاثیر مثبت و معنادار بازده اضافی حاصل از به کارگیری استراتژی های شتاب و معکوس بر نوسانات قیمت سهام می باشد. در بررسی تاثیر تعدیل کننده افق های سرمایه گذاری بر رابطه فوق نیز مشخص گردید که با وجود اثر غیر منتظره ای که مازاد حاصل از تغییر استراتژی بر نوسانات قیمت سهام می گذارد، پارامتر افق های سرمایه گذاری بر رابطه بازده اضافی حاصل از به کارگیری استراتژی های شتاب و معکوس و نوسانات قیمت سهام دارای تاثیر معنادار نمی باشد.

مدل سازی ساختاری تفسیری یکی از روش های طراحی سیستم ها، به ویژه سیستم های مدیریتی و حسابداری است و به عنوان ابزاری مهم برای نظم بخشیدن و جهت دادن به پیچیدگی روابط بین متغیرها عمل می کند. این تکنیک با شناسایی متغیرها، آغاز و سپس روابط زمینه ای بین متغیرها را با استفاده از تجربه ها و دانش خبرگان مشخص و درنهایت مدل ساختاری چند سطحی ایجاد می کند. در این پژوهش با استفاده از این رویکرد، متغیرهای روان شناختی مؤثر بر تصمیم گیری سرمایه گذاران حقیقی فعال در بازار بورس اوراق بهادار ساختاربندی گردیدند. بدین منظور از خبرگان متخصص در این زمینه استفاده گردید و 12 متغیر روان شناختی مؤثر بر رفتار/تصمیم گیری سرمایه گذاران شناسایی و سپس بوسیله ماتریس دسترسی اولیه، میزان تأثیرگذاری آن ها در مدل رفتار/ تصمیم سرمایه گذاران بر روی همدیگر کدگذاری گردیدند. درنهایت با استفاده از ماتریس نهایی، سطح بندی گردیدند. نتایج مدل سازی ساختاری تفسیری نشان داد که متغیرهای روان شناختی مؤثر بر تصمیم گیری سرمایه گذاران در 6 شش سطح مدل سازی شدند و متغیر توان پنداری در بالاترین سطح و دارای تأثیرپذیری بیشتری از سایر متغیرهای روان شناختی و متغیر دیر پذیری نیز در پایین ترین سطح قرار دارد.

هدف مقاله حاضر طراحی مدل دینامیکی تأمین مالی بنگاه های کوچک و متوسط بر اساس رویکرد آزمایشگاه ارزیابی و آزمون تصمیم گیری بر پایه فرآیند تحلیل شبکه ای (دنپ)، می باشد. نوآوری مقاله بهره مندی از رویکرد ترکیبی دنپ و مدل سازی پویایی شناسی سیستم در تأمین مالی بنگاه های کوچک و متوسط است. مقاله با طراحی سناریوهای مختلف در تأمین مالی بنگاه های کوچک و متوسط پرداخته است. به همین جهت با توجه به مطالعات پیشین و روش غربال گری فازی به استخراج عوامل مؤثر بر تأمین مالی SMEs و مشخص نمودن حلقه های علّی – معلولی اقدام و مدل دینامیکی تدوین شده است. سپس با استفاده از تکنیک دنپ روابط بین آن ها میزان ضرایب تأثیرگذار تأثیرپذیر مشخص و در مدل لحاظ شده است، در نهایت به منظور تست صحت مدل و مشخص شدن رفتار متغیرهای حالت و نرخ، اقدام به جمع آوری اطلاعات از 24 SMEs، متقاضی شناخت روش های نوین تأمین مالی در بازه زمانی 10 ماهه شده است، که با تحلیل رفتار متغیرها در چهارچوب مدل همچنین تحلیل حساسیت، روایی الگوی دینامیکی طراحی شده مورد ارزیابی قرار گرفت. نتایج نشان داد، SME ها از مدل و سناریوهای طراحی شده می توانند جهت تأمین مالی بهینه کسب و کار خود بهره مند گردند.

معاملات نویزی در تعیین نوسانات بازار، بازده و حرکت قیمتی سهام دارای نقشی انکارناپذیر هستند لذا در این پژوهش به بررسی تأثیر معاملات نویزی بر بازده سهام با هدف ارائه تصویر مناسبی از نحوه تاثیرگذاری آنها در شرایط حدی پرداخته شده است. جامعه آماری این پژوهش شامل تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی 1387-1396 است که نمونه ای شامل 150 شرکت و 13717داده ماهانه را شامل می شود. فرضیه اصلی این پژوهش ارزیابی اثرات حدی معاملات نویزی بر بازده سهام، به روش رگرسیون چندکی است. یافته های مربوط به آمار توصیفی نشان دهنده افزایش سطح فعالیت های نویزی با افزایش سطح بازده است. همچنین نتایج مربوط به آزمون فرضیه نشان دهنده تأثیر مثبت شاخص معاملات نویزی با ضریب 0001/0 بر بازده است که در شرایط حدی بازده (از مقدار 0. 000037 تا 0. 000069 ) نسبت به مقادیر میانی این اثر بیشتر و مؤید تشدید فعالیت معاملات نویزی در دوره های رشد و افول قیمت سهام است.

شواهد بسیاری حاکی از پیچیده بودن سری های زمانی مانند قیمت های بازار سهام و تصادفی بودن آن است که این امر باعث می شود تا تغییرات آنها را غیرقابل پیش بینی کند. این درحالی است که احتمال دارد این سری های زمانی فرآیندی غیرخطی پویای معین یا به عبارت بهتر آشوبی بوده و در نتیجه می توانند قابلیت پیش بینی داشته باشند. لذا در این پژوهش قیمت سهام و بازده سهام شرکت های بورس اوراق بهادار تهران در طی دوره زمانی 1393-1397 و در بازه های ماهانه مورد آزمون قرار گرفته است تا مشخص شود آیا این متغیرها دارای ویژگی فراکتال در رفتار خود هستند یا خیر. برای دست یابی به هدف فوق از برآورد مدل خود توضیح کسری جمعی میانگین متحرک استفاده شده است. یافته های حاصل از آزمون های فوق بیان گر این است که قیمت سهام و بازده سهام، فرآیندی آشوبی و معین را تجربه می کند. که این امر دلالت بر ناکارایی بازار سرمایه دارد و به دلیل وجود حافظه بلندمدت می تواند در پیش بینی بلندمدت کارایی داشته باشد و رهنمودی برای شناخت بهتر عوامل ناکارایی بازار مانند عدم شفافیت جریان اطلاعات و اقدام در راستای برطرف نمودن آن داشته باشد.

هدف این مطالعه برآورد معیار اختلاف قیمت پیشنهادی خرید و فروش با استفاده از داده های روزانه و به کاربردن این معیار به عنوان پراکسی برای هزینه های معاملاتی است. در ادامه با استفاده از این نوع هزینه های معاملاتی و ریسک نقدشوندگی به تعدیل مدل قیمت گذاری دارایی سرمایه ای مبتنی بر مصرف پرداخته می شود. به منظور انجام آزمون های تجربی، داده های روزانه از 47 شرکت پذیرفته شده در بورس اوراق بهادار تهران و برای دوره 1388 تا 1396 جمع آوری می گردد. پژوهش مبتنی بر بیست پرتفوی است؛ که براساس معیارهای نقدشوندگی لئو، حجم معاملات، اندازه و گیبس ساخته می شود. نتایج این مطالعه نشان می دهد که مدل قیمت گذاری دارایی سرمایه ای مبتنی بر مصرف سنتی عملکرد ضعیفی در توضیح بازدهی سهام مقطعی دارد و مدل CCAPM تعدیل یافته نسبت به مدل سنتی بخش بزرگتری از تغییرات بازدهی را توضیح می دهد. همچنین نتایج نشان می دهد که ورود متغیرهای هزینه معاملاتی و ریسک نقدشوندگی منجر بهبود عملکرد مدل CCAPM می شود.

موضوعات مربوط به ریسک اعتباری و روش هایی برای شناسایی و پیش بینی آن در چند دهه گذشته به طور مداوم در حال پیشرفت است. هنگامی که یک شرکت مشکل مالی را تجربه می کند، ممکن است قادر به انجام تعهدات مالی خود نباشد، که می تواند باعث زیان مالی مستقیم و غیر مستقیم به سهامداران، اعتباردهندگان، تامین کنندگان مالی و همچنین سایر افراد در جامعه شود. مدل های پیشرفته ریسک اعتباری که بر مبنای ارزش بازار است، بهبود کیفیت اعتباری و همچنین افت یا تنزل رتبه اعتباری لحاظ می گردد. در پژوهش پیش رو دو مدل از مدل های پیشرفته ریسک اعتباری را مورد آزمون قرار داده ایم بنابراین دو نمونه انتخاب کرده یعنی شرکت هایی که دارای مشکلات مالی هستند و شرکت هایی که دارای سلامت مالی می باشند و در هر گروه احتمال نکول را از طریق دو مدل KMV وZPP برآورد کرده و سپس احتمالات نکول را با یکدیگر مقایسه کرده و به این نتیجه رسیدیم که توانایی پیش بینی کنندگی مدل ZPPدر مقایسه با مدل KMV بیشتر است. مدل(ZPP) روشی جدید برای پیش بینی احتمال نکول است که مخفف مدل احتمال قیمت صفر می باشد. تمرکز اصلی آن نسبت به مدل های قدیمی تر، بیشتر بر رویکرد مبتنی بر شبیه سازی است.

هدف پژوهش حاضر، ارزیابی ارزش در معرض ریسک شاخص سهام بر مبنای رویکردهای پارامتریک، شبه پارامتریک و غیر پارامتریک در بورس اوراق بهادار تهران بر اساس داده های گردآوری شده طی دوره زمانی 1388-1398 می باشد. تحقیق حاضر به لحاظ هدف از نوع کاربردی است. از طرفی تحقیق حاضر به لحاظ معرفت شناسی از نوع تجربه گرا، سیستم استدلال آن استقرایی و به لحاظ نوع مطالعه میدانی-کتابخانه ای با استفاده از اطلاعات تاریخی به صورت علی-پس رویدادی (یعنی استفاده از اطلاعات گذشته) است. در همین راستا عملکرد هر یک از رویکردهای فوق بررسی گردید و در نهایت با روش پس آزمایی های آزمون کمیته باسل و آزمون های فراوانی Bin، POF و TUFF میزان دقت و صحت هر یک مورد بررسی قرار گرفت. نتایج تحلیل نشان می دهد که مدل های پارامتریک، شبه پارامتریک و نیمه پارامتریک از لحاظ کارایی و دقت به ترتیب دارای اولویت می باشند. بعلاوه نتایج پژوهش از منظری دیگر نشان می دهد که بر اساس نسبت تخطی و آزمون های پس آزمایی، مدل های غیرپارامتریک و نیمه پارامتریک، ارزش در معرض ریسک را بیشتر از حد برآورد کرده اند که البته سهم مدل ناپارامتریک در این برآورد بیشتر است.

هدف پژوهش حاضر ارائه مدلی برای ارزیابی کارایی هزینه های تولید شرکت ایران خودرو با محوریت زنجیره تامین ناب و با استفاده از رویکرد ساختاری تفسیری است. روش مورد نظر، کیفی-کمی بوده که در بخش کیفی با انجام مصاحبه با خبرگان تعداد 17 متغیر استخراج و در بخش کمی برای مدل سازی از روش مدل سازی ساختاری تفسیری (ISM) بهره گرفته و سپس تحلیل میک مک انجام گرفت. یافته ها بدست آوردن مدلی پنج سطحی بود که تاثیرگذارترین و تنها ترین متغیر این مدل در سطح پنجم تغییرات تکنولوژی و تاثیرپذیرترین متغیرهای این مدل در سطح اول سودآوری، درآمد ناخالص تولید و شاخص پایه کارایی هزینه تولید بودند. بر اساس تحلیل میک-مک معیار تغییرات تکنولوژی دارای وابستگی کم و هدایت بالا می باشد، معیار کاهش بهای تمام شده و درآمد ناخالص تولید تاثیرپذیری بالا و تاثیرگذاری کمی روی سیستم دارند؛ مابقی معیارها از نوع رابط هستند. باتوجه به مدل این پژوهش تغییرات تکنولوژی میتواند بیشترین تاثیر را در کارایی هزینه تولید داشته باشد. سایر راهکارهای بهبود کارایی هزینه های تولید عبارتند از: افزایش کیفیت تولید، بهینگی هزینه های ورودی تولید، مدیریت اثربخش تغییرات قیمت ورودی های تولید، افزایش توان تولید و. . .

ایجاد تمایل در بین سرمایه گذاران داخلی و خارجی برای سرمایه گذاری در بورس ایران نیاز به باثبات سازی روند نوسانات قیمت سهام و همچنین کاهش بازدهی در سایر بازار ها و کاهش تنش های سیاسی دارد. در پژوهش حاضر به بررسی حباب های قیمتی در بورس ایران و همچنین میزان اثر بازدهی بازارهای طلا و ارز و نفت و شوک های اقتصادی بر بورس ایران پرداخته شده است. به منظور ارزیابی تاثیر متغیرهای به کار گرفته شده در مطالعه، از داده های روزانه نفت، نرخ ارز، طلا، قیمت سهام ایران در بازه زمانی 1388 تا 1396 به صورت روزانه استفاده شده است. نتایج به دست آمده از پژوهش چنین نشان داده اند که سرریز نوسانات از بازارهای مالی موازی در قیمت سهام و ایجاد حباب های قیمتی و ایجاد نوسان در بورس نقش مهم تری بازی می کند، با این حال، تمامی مولفه های بازار های موازی در ایجاد نوسان در بورس ایران نقش دارند.

در این تحقیق به مقایسه کارایی دو روش پیش بینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیش بینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرز دارو و جام دارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر دو شرکت تخمین زده شد. به منظور تخمین مدل شبکه عصبی مصنوعی، متغیر قیمت سهام به عنوان متغیر وابسته و متغیر های حجم معاملات سهام، شاخص صنعت دارو، قیمت نفت اوپک، نرخ ارز و قیمت طلا به عنوان متغیر های مستقل در نظر گرفته شد. برای مقایسه دو مدل نیز از معیارهای MSE, RMSE, MAD, R2 و MAPE استفاده شد. به منظور تخمین مدل رگرسیون پیش بینی قیمت سهام از فرآیند خود رگرسیون میانگین متحرک انباشته (ARIMA) استفاده و تخمین ضرایب مدل با استفاده از نرم افزار آماری EVIEWS انجام شده و مدل شبکه عصبی مصنوعی(ANN) مناسب برای پیش بینی قیمت سهام نیز با استفاده از نرم افزار MATLAB ساخته شد. نتایج تحقیق نشان داد که فرضیه تحقیق در صورت تأثیر متغیر های کلان اقتصادی بر روی قیمت سهام صحیح بوده و مدل شبکه عصبی مصنوعی (ANN) پیش بینی بهتری از قیمت سهام در بازار سهام ایران در مقایسه با روش خود رگرسیون میانگین متحرک انباشته (ARIMA) دارد.

پژوهش حاضر بر اساس ارزیابی الگوی یادگیری الگوریتم لورنبرگ مارکوات، گرادیان نزولی و الگوی آریما به مقایسه و توانایی پیش بینی کنندگی در بازار سرمایه می پردازد. بدین منظور داده های بازار در سال های 1394 تا 1397 مورد استفاده قرار گرفت و بیش از 75 درصد از این داده ها تا قبل از سال 1397 به عنوان داده های آموزشی استفاده شد و داده های یک سال پایانی نیز به عنوان داده های آزمایشی مورد استفاده قرار گرفته شده است. نتایج تحقیق نشان داده اند، شبکه های عصبی مصنوعی ظرفیت بالایی برای پیش بینی قیمت دارند. مقایسه نتایج و عملکرد شبکه های عصبی و الگوی آریما (ARIMA) حاکی از آن است که شبکه عصبی قدرت پیش بینی بالاتری در مقایسه با الگوی خطی آریما (ARIMA) دارد، همچنین مقایسه عملکرد و دقت پیش بینی دو نوع شبکه عصبی با الگوریتم یادگیری لونبرگ مارکوارت و الگوریتم یادگیری گرادیان نزولی نشان داد که استفاده از الگوریتم یادگیری لونبرگ مارکورات توانسته است دقت پیش بینی شبکه عصبی را افزایش داده و خطای آن را کاهش دهد، بنابراین بر پایه پژوهش انجام شده می توان چنین نتیجه گرفت که الگوریتم یادگیری لونبرگ مارکوارت قدرت پیش بینی شبکه عصبی را بهبود می بخشد.

در چند دهه گذشته شناسایی متغیرهای حالت و پارامترهای یک مدل از روی داده های اندازه گیری شده، افزایش چشم گیری داشته است این رشد گسترده نیاز فزاینده به مدل های فراگیر و یکپارچه ایجاد کرده است. دستیابی به رشد مداوم و بلندمدت اقتصادی نیازمند تخصیص بهینه منابع می باشد و این مهم بدون استفاده از بازارهای مالی، به ویژه بازار سرمایه کارآمد امکان پذیر نیست لذا بهینه سازی پرتفوی و تخصیص ثروت بین دارایی های مختلف از جمله مهمترین مسایل در سرمایه گذاری بحساب می آید. در این پژوهش سعی شده است تا در جهت اجرای پرتفوی مالی هوشمند روش های موجود بهینه سازی را براساس عملکرد نسبت شارپ ارتقا داده و روش هوشمندی برای انجام معاملات براساس الگوریتم های مختلف ارایه گردد. برای این منظور، ابتدا یک مدل سرمایه گذاری کمی با استفاده از الگوریتم مومنتوم و مدل سرمایه گذاری بلندمدت در یک افق زمانی 6 ساله با استفاده از داده های ماهانه سازمان بورس اوراق بهادار ایجاد نموده و سپس مجموعه ای از مدل های هوشمند (توابع کلی، میانگین کلی و الگوریتم کلی با فیلترکالمن) ایجاد می شود که میزان سرمایه را با استفاده از الگوهای هوشمند برای به حداکثر رسانیدن بازده و جلوگیری از سرمایه گذاری در سهام های با بازده منفی محاسبه نموده و تحصیص بهینه سرمایه دهد که ساختار پیشنهادی عملکرد بهتری نسبت به سایر الگوریتم های مرسوم داشته و می توان آن را جایگزین این روش ها کرد و به نتایج مطلوب تر دست یافت نهایتاً نتایج نشان دهنده کارایی و بهینه بودن مدل پیشنهادی می باشد.

یکی از ابزارهای مالی جدیدی که به تازگی وارد بازار سرمایه کشور شده است، صندوق های قابل معامله کالایی (ETF) با دارایی پایه طلا می باشد. هدف از نگارش مقاله حاضر پاسخ به این سؤال است که آیا ETF های طلا در ایران به یکی از کارکردهای اصلی خود، یعنی کشف قیمت صحیح دست یافته است یا خیر؛ برای بررسی این موضوع، از اطلاعات مربوط به قیمت های روزانه سکه تمام بهار آزادی طرح امام خمینی (ره) و یکی از صندوق طلای فعال از تاریخ 20/03/1396 تا 27/06/1398 استفاده شده است. نتایج نشان می دهد که علیت از بازار نقدی به سمت بازار ETF طلا بوده و 64 درصد کشف قیمت در بازار نقدی صورت می گیرد و این ابزار صرفاً پیرو بازار نقدی می باشد. معیار خطای ردیابی نشان از عملکرد بهتر بازار نقدی داشته و رهیافت انحراف قیمت گذاری نیز بیانگر این است که ETF طلا نسبت به بازار نقدی کمتر مورد اقبال عمومی بوده است. بنابراین کارکرد کشف قیمت مورد انتظار برای ETF های طلا در ایران محقق نشده است که البته با توجه به عمر کوتاه ETF های طلا و حجم کوچک بازار آن نسبت به بازار نقدی سکه، نتایج به دست آمده با واقعیت های اقتصادی ایران تطابق دارد.

بازار سرمایه یکی از مهترین منابع تامین مالی بنگاه های اقتصادی در بلند مدت است. از آنجاییکه بازار سرمایه همواره از موضاعات مدنظر سیاست گذاران و سرمایه گذاران بوده است پرداختن به عوامل اثر گذار بر آن از اهمیت بالایی برخوردار است. اثرات سرریز و سرایت در بین بازارهای مالی باتوجه به ارتباط و حساسیت سرمایه به رخدادهای اقتصادی و غیر اقتصادی در دهه اخیر از اهمیت بالایی در مطالعات انجام شده در حوزه ادبیات مالی و اقتصادی برخوردار شده است. مطالعه حاضر نیز به بررسی اثرات سرریز در بازدهی بازارهای ارز، طلا، نفت، شاخص جهانی فلزات، مسکن و بخش بانکی برشاخص بورس اوراق بهادار طی دوره زمانی 1385 تا 1398 و به صورت ماهانه پرداخته است. به منظور افزایش دقت در تحلیل روند رشد اقتصادی ایران، افزایش انعطاف پذیری نتایج و برآورد اثرات سر ریز به صورت نامتقارن از مدل سرریز نوسانات با استفاده از رویکرد دیبولد و یلماز بهره گرفته شده است.

مهمترین دغدغه سرمایهگذاران، افزایش میزان سود و کاهش ریسک دربورس بوده و همواره به دنبال راهکاری جهت بهترین پیشنهاد در خرید سهام هستند، تا بیشترین سود سرمایهگذاری را باشد. در تحقیقات انجام شده مشاهده می شود که مدل ریاضی میانگین واریانس مارکویتز یکی از اصلیترین راهکارها است اما بهتر است معیارهایی همچون چولگی با در نظر گرفتن پتانسیل آینده سهام مورد بررسی قرار گیرد. در این تحقیق از 02 شرکت اول از 02 شرکت برتر سه ماهه اول سال 0202 اعلام شده توسط شرکت بورس به عنوان نمونه استفاده شده است. همچنین این پژوهش به دنبال ارائه مدلی است که در آن پتانسیل آینده سهام، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. سپس، این مدلهای بهینه سازی با استفاده از الگوریتم هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، حل میگردد. نتایج تحقیق بیانگر آن است که مدلهای ارائه شده در این مقاله، در مقایسه با روشهای سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید.