تشکیل سبد سهام برای سرمایهگذار مخاطرهپذیر "مقایسه شبکه عصبی و مارکویتز"
حوزه های تخصصی:
رضا راعی
| مدرک تحصیلی: استاد مدیریت مالی دانشگاه تهران |
مطالب
فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۲۱ تا ۴۰ مورد از کل ۷۶ مورد.
انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل شبکه عصبی و مارکوتیز، تفاوت معنی داری بین بازده روزانه سبد تصادفی و نتیجه سرمایه گذاری در پایان دوره آزمون وجود دارد. در این سبد، تنها معیار بازده مورد نظر است و ریسک مورد توجه نیست، بنابراین سبد با بالاترین ریسک در مدل مارکوتیز مورد استفاده قرار گرفته است. هزینه معامله در هر دو مدل در نظر گرفته نشده است. این مطالعه نشان می دهد که سبد سرمایه مدل شبکه عصبی پس از دوره آزمون هم بازده بیشتری داشته است و هم ریسک آن از مدل مارکوتیز پایین تر بوده است
عوامل موثر بر انتخاب روشهای بودجه بندی سرمایه ای در بورس تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف این تحقیق شناسایی روشهای مورد استفاده در ارزیابی پروژه های سرمایه گذاری در میان شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و تعیین عوامل تاثیر گذار بر انتخاب این روشها است. بدین منظور با استفاده از روش نمونه گیری طبقه ای، 100 شرکت فعال در بورس تهران انتخاب شده و یک پرسشنامه محقق ساخته برای مدیران مالی آنها ارسال شد. نتایج تحقیق نشان داد که 94 درصد شرکتها برای ارزیابی پروژه های سرمایه گذاری از روشهای بودجه بندی استفاده می کنند. از این میان 61 درصد از روشهای تنزیلی و 39 درصد از روشهای غیرتنزیلی استفاده می کنند. همچنین 78 درصد شرکتها در ارزیابی پروژه ها از بیش از یک تکنیک استفاده می کنند که دوره برگشت سرمایه با 60 درصد، بیشترین فراوانی را دارد. در رتبه های بعدی NPV و IRR به ترتیب با 37 و 36 درصد قرار می گیرند. همچنین شرکتهای ایرانی برای محاسبه هزینه حقوق صاحبان سهام خود به طور یکسان از روشهای بازده حسابداری حقوق صاحبان سهام و CAPM استفاده می کنند. در خصوص عوامل تاثیر گذار بر انتخاب روشها نیز، بررسی فرضیات تحقیق نشان داد که پیشینه تحصیلی مدیران مالی و حجم سرمایه گذاری در انتخاب نوع تکنیک های بودجه بندی سرمایه ای تاثیر گذار است. لیکن اندازه شرکت و قدمت آن در بورس، تاثیری بر استفاده از روشهای بودجه بندی سرمایه ای ندارد.
میزگرد: بخش دوم و پایانی میزگرد «مدیریت ریسک جامع»؛ چالش ها و رویکردها: مدیریت ریسک؛ یک سلاح استراتژ
منبع:
تدبیر ۱۳۸۵ شماره ۱۷۰
حوزه های تخصصی:
بررسی اثر بی قاعدگی آب وهوا و آلودگی هوا بر بازده شاخص بورس اوراق بهادار تهران
حوزه های تخصصی:
بی قاعدگی آب وهوا [1] یکی از بی قاعدگی هایی [2] است که در ادبیات دانش مالی رفتاری [3] مورد توجه محققان قرارگرفته است. در این پژوهش تلاش کردیم، به کمک مدل های اقتصادسنجی با فرایند گارچ [4] رابطه میان بازدهی بورس اوراق بهادار و متغیرهای آب وهوایی شامل دمای هوا، میزان پوشش ابر، سرعت وزش باد و میزان دید در تهران را بررسی کنیم. همچنین، با توجه به شرایط خاص و گاهی بحرانی شهر تهران ازنظر آلودگی هوا، سعی شد تا رابطه آلودگی هوا و بازده بازار بورس اوراق بهادار تهران نیز آزمون شود. از این بررسی سه نتیجه مهم به دست آمد: الف. به طورکلی عوامل آب وهوایی و آلودگی هوا تأثیر معنا داری بر بازدهی بازار بورس اوراق بهادار تهران ندارند. ب. استفاده از متغیرهای آب وهوا و آلودگی هوا به مدل سازی فرایند گارچ در معادله واریانس شرطی [5] کمک می کند. ج. اثری از نامتقارنی [6] (اثر اهرمی [7] ) در مدل واریانس شرطی دیده نشد. بنابراین، تخمین مدل جی جِی آر-گارچ [8] کمکی به تفسیر بهتر داده ها نکرد.
اثرات تقویمی در احتمال معاملات مبتنی بر اطلاعات نهانی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
اِعمال محدودیت بر روی معاملات مبتنی بر اطلاعات نهانی یکی از محورهای اصلی مورد توجه نهادهای نظارتی محسوب می شود. ایزلی و همکاران (Easley, et al., 2002) مدل ریزساختاری را توسعه داده اند که قادر است احتمال معامله مبتنی بر اطلاعات خصوصی را اندازه گیری نماید. معامله مبتنی بر اطلاعات خصوصی شامل معاملات توسط دارندگان اطلاعات نهانی و تحلیل گران پیشرو می باشد. این مقاله از یک سو به دنبال مطالعه اثرات تقویمی در احتمال معامله مبتنی بر اطلاعات خصوصی در بورس تهران بوده و از سوی دیگر روند احتمالات را در طی زمان بررسی می کند. نتایج این تحقیق نشان می دهد که احتمال معامله مبتنی بر اطلاعات خصوصی در بورس اوراق بهادار تهران در ماه دهم سال (دی ماه) افزایش داشته و در ماه دوازدهم سال (اسفند ماه) کاهش می یابد. همچنین یافته های تحقیق بر کاهش PIN از سال 1387 تا سال 1389 دلالت می کند.
بررسی EPS فصلی شرکت های بورسی به عنوان نقطه مرجع و اثر آن بر روی حجم معاملات(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینى درماندگى مالى شرکتها با استفاده از شبکه هاى عصبى مصنوعى
حوزه های تخصصی:
درماندگى مالى،ورشکستگى، هزینه هاى زیادى به همراه دارد که به اقتصاد یک کشور صدمه وارد مى کند. یکى از راه هایى که مى تواند به جلوگیرى از درماندگى مالى کمک شایان توجهى کند، پیش بینى درماندثى مالى الست. در این پژوهش، با استفاده از شبکه هاى عصبى مصنوعى (ANN)، به پیش بینى درماندگى مالى شرکت هاى تولیدى پرداخته شده است. مرور جامعى از مدل هاى پیش بینى درماندگى مالى، شبکه هاى عصبى مصنوعى نیز ارایه شده است. به منظور بررسى اثر تفاوت ناشى از نمونه ها در ییش بینى، از روش معتبرسازى مقطعى استفاده شده است. مدل مقایسه اى استفاده شده در این پژوهش، مدل تحلیل ممیز چندگانه (MDA) است. نتایج حاصله از مدل ها، براساس اطلاعات 80 شرکت، نشان داد که مدل ANN در پیش بینى درماندگى مالى، به طور معنى دارى نسبت به مدل MDA از دقت پیش بینى بیشترى برخوردار است.
آزمون توزیع بازده سهام در بورس اوراق بهادارتهران بین سالهای 90-1380
حوزه های تخصصی:
- حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت اوراق بهادار
- حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی قیمت گذاری دارائی،حجم مبادله،نرخ های بهره اوراق قرضه
- حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری تئوریهای حسابداری تحقیقات بازار سرمایه
- حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری تئوریهای حسابداری بازده سهام
در سالهای گذشته بسیاری از تئوریهای مالی مانند مدل بهینه سازی پرتفوی مارکوییتز، مدل قیمت گذاری دارایی های سرمایه ای شارپ- ترینیر- جنسن، قیمت گذاری اختیارها توسط بلک-شولز و غیره مبتنی بر فرض توزیع نرمال بازدهی ها بوده است، اما پژوهشهای اخیر این فرض را رد می کند. اگر توزیع بازدهی ها متفاوت از توزیع نرمال باشد، نوع متغیرها و شیوه بکارگیری آنها در این مدل ها با چالش روبرو می شود. بنابراین مهم است که نوع توزیع ها مشخص شود. به همین دلیل در پژوهش حاضر به کمک روش R/S برای تخمین نمای هرس و معیار اندرسون-دارلینگ، توزیع بازدهی سهام 22 شرکت فعال در بورس بین سالهای 90-1380 آزمون شده است و نتایج نشان می دهد که 9 نماد معاملاتی توزیع پایدار دارند.
بررسی ریسک اطلاعات با استفاده از مدل های ریزساختار بازار(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مدل های کلاسیک قیمت گذاری دارایی ها توزیع اطلاعات را متقارن فرض کرده و بده -بستان یکسانی را برای سرمایه گذاران در نظر می گیرند. در شرایط عدم تقارن اطلاعاتی و برخورداری برخی معامله گران از اطلاعات خصوصی، سرمایه گذاران با ریسک اطلاعات روبرو خواهند بود؛ این ریسک عباتست از ریسک معامله با معامله گران مطلع. ایزلی و همکاران وی (2002) احتمال معامله مبتنی بر اطلاعات خصوصی را به عنوان شاخص ریسک اطلاعات معرفی کرده و مدل ریزساختاری را بدین منظور توسعه داده اند.
این مقاله قیمت گذاری ریسک اطلاعات را در بورس اوراق بهادار تهران مطالعه کرده و رابطه بین اندازه شرکت و احتمال معامله مبتنی بر اطلاعات خصوصی را بررسی می کند. نتایج این تحقیق نشان می دهد که احتمال معامله مبتنی بر اطلاعات خصوصی (شاخص ریسک اطلاعات) قادر به توضیح بازده سهام می باشد. ده درصد افزایش در احتمال معامله مبتنی بر اطلاعات خصوصی 8/2 درصد افزایش در بازده را به همراه خواهد داشت. همچنین ارتباط منفی و معنی داری بین اندازه شرکت و احتمال معامله مبتنی بر اطلاعات خصوصی وجود دارد.
رتبه بندی شرکت های بیمه براساس نسبت ها و متغیرهای مالی با استفاده از روش های تصمیم گیری چندشاخصه (MADM)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تعیین وضعیت مالی شرکت های بیمه و گزارش آن به مراجع ناظر و سایر ذی نفعان صنعت بیمه، امری ضروری است. به دلیل ساختار صنعت بیمه در ایران استفاده از مدل های تعیین ناتوانی مالی امکان پذیر نمی باشد، بنابراین از روش رتبه بندی استفاده شده که یکی از مرسوم ترین روش های ارزیابی توانگری مالی شرکت های بیمه است. هدف اصلی این پژوهش شناسایی مهم ترین نسبت ها و متغیرهای مالی اثرگذار بر تعیین وضعیت مالی شرکت های بیمه ایرانی، اولویت بندی این نسبت ها و متغیرها و درنهایت رتبه بندی شرکت های بیمه براساس این نسبت ها و متغیرهاست. بنابراین نسبت ها و متغیرهای مالی اثرگذار بر وضعیت مالی شرکت های بیمه بااستفاده از بررسی جامع ادبیات موضوع، استخراج شده و توسط کارشناسان صنعت بیمه ارتباطشان با وضعیت مالی شرکت های بیمه بررسی شده است و سپس، ۱۹ شرکت بیمه با استفاده از این نسبت ها و متغیرها و به وسیله روش های SAW ,AHP، TOPSIS و VIKOR برای سه سال متوالی رتبه بندی شده اند. در نتیجه شرکت بیمه (ر) در رتبه اول و شرکت بیمه (الف) در رتبه دوم قرار گرفته است.
پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز در سری های زمانی به خصوص در سری های زمانی مالی و اقتصادی باعث کاهش دقت پیش بینی شبکه عصبی می گردد. یکی از روش های نوفه زدایی در سری های زمانی، تبدیل موجک می باشد. این تحقیق به مقایسه بین دقت پیش بینی شاخص کل بورس اوراق بهادار تهران در دو مدل شبکه عصبی با استفاده از داده های نوفه زدایی شده با تبدیل موجک و شبکه عصبی با استفاده از داده های اولیه از ابتدای سال 1385 تا 31 خرداد 1392 می پردازد. نتایج حاکی از بهبود معنادار در پیش بینی شبکه عصبی با استفاده از داده های نوفه زدایی شده می باشد.
بررسی رابطه بین نقدشوندگی با بازده سهام در بازار سهام ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این پژوهش به بررسی رابطه بین معیار های نقدشوندگی با بازدهی سهام در بازار سهام ایران، طی سال های 1381 تا 1392 پرداخته است. برای بررسی این رابطه، از دو روش تشکیل پرتفوی و تخمین رگرسیون مدل چهار عاملی کارهارت استفاده شده است. برای اندازه گیری نقدشوندگی ( عدم نقدشوندگی) از چهار معیار: نرخ گردش سهام، معیار عدم نقدشوندگی لیو (2006)، عدم نقدشوندگی آمیهود (2002) و ارزش ریالی معاملات استفاده شده است. نتایج نشان می دهد که هر یک از این معیار ها تأثیری متفاوت بر بازدهی مورد انتظار دارد. رابطه بین نقدشوندگی و بازدهی سهام در روش تشکیل پرتفوی و هنگامی که از معیار آمیهود به عنوان معیار نقدشوندگی استفاده می شود، رابطه ای معکوس و معنادار است. سه معیار دیگر نقدشوندگی، رابطه ای مستقیم بین نقدشوندگی و بازدهی مورد انتظار سهام نشان می دهند. هرچند که این رابطه با توجه به روش آزمون، از لحاظ آماری در سطوح مختلفی از معناداری قرار دارد و در مواردی بی معنا است. همچنین در این پژوهش نتایج آزمون ها به استثنای زمانی که از معیار عدم نقدشوندگی آمیهود و روش تشکیل پرتفوی استفاده می شود، قیمت گذاری ریسک نقدشوندگی را نشان نمی دهد.
شوک های پولی و کانال های انتقال دهنده سیاست پولی در اقتصاد ایران: با تأکید بر کانال نرخ ارز، قیمت مسکن و اعتبارات(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بررسی نحوه تأثیر شوک های پولی از کانال های انتقال دهنده سیاست پولی یکی از مباحث در حوزه اقتصاد کلان است که به دو قطب اصلی دیدگاه نئوکلاسیکی (طرف تقاضا) و دیدگاه غیرنئوکلاسیکی (طرف عرضه) تقسیم می شود، محققان و پژوهشگران متعددی در کشورهای مختلف به بررسی نحوه انتقال اثرات شوک های پولی از طریق این کانال ها بر سیستم اقتصاد کلان پرداخته اند، اما در مطالعات داخلی عدم توجه هم زمان به بحث خنثایی پول در بلندمدت و عدم تقارن شوک های مثبت و منفی با وجود کانال های انتقال دهنده سیاست پولی یکی از مهم ترین ضعف های موجود در بحث مذکور است، این مقاله جهت پر کردن شکاف تحقیقاتی مذکور با استفاده از داده های فصلی اقتصاد ایران طی دوره زمانی 1369 تا 1395 به بررسی نحوه تأثیر شوک های پولی از کانال های انتقال دهنده سیاست پولی بر تولید پرداخته است، بدین منظور با استفاده از مدل چرخشی مارکوف شوک های مثبت و منفی پولی استخراج شدند و سپس نتایج حاصل از مدل مورداستفاده با به کارگیری روش خودرگرسیون با وقفه های توزیعی نشان داد که؛ سه کانال نرخ ارز، قیمت مسکن و اعتبارات در انتقال اثرات سیاست پولی در بلندمدت ناتوان است، این به معنای خنثایی پول در بلندمدت است، همچنین با وجود کانال های مذکور عدم تقارن بین شوک های مثبت و منفی وجود دارد، از سوی دیگر کانال اعتبارات نقش قوی تری در انتقال اثرات سیاست پولی نسبت به دو کانال دیگر در اقتصاد ایران دارد.
بررسی عوامل تأثیرگذار بر بازدهی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با تأکید بر نوسان غیرسیستماتیک جریان نقد(مقاله علمی وزارت علوم)
حوزه های تخصصی:
دارایی ها (فیزیکی و مالی) تحت تأثیر ریسک هایی هستند که عملکرد و بازدهی آن ها را تحت تأثیر قرار می دهد. یکی از ریسک های مرتبط با دارایی های مالی، نوسان جریانات نقد حاصل از آن دارایی می باشد که به عنوان عامل ریسک غیرسیستماتیک، بازده سهم را تحت تأثیر قرار می دهد. در همین راستا در این پژوهش به بررسی عوامل تأثیرگذار بر بازدهی سهام پرداخته می شود و تأکید اصلی بر نوسان جریان نقد می باشد تا این پژوهش وجه تمایزی نسبت به دیگر پژوهش های انجام گرفته داشته باشد. این پژوهش از نوع توصیفی- همبستگی بوده و از روش داده های تلفیقی جهت تخمین مدل استفاده شده است. در این پژوهش 116 شرکت پذیرفته شده در بورس اوراق بهادار تهران در فاصله سال های 1380 الی 1389 مورد بررسی قرار گرفته است. پژوهش انجام شده در صدد بررسی ارتباط بین بازدهی سهام و نوسان جریان نقدی بوده که برای این منظور 4 فرضیه مطرح شد که فرضیات مربوط به بررسی رابطه بین بازدهی سهام و مومنتوم قیمت و نوسان جریان نقد به ارزش دفتری در سطح اطمینان 95% قابل رد نبودند و فرضیات مربوط به ارتباط بین بازدهی و عدم نقدشوندگی، بازدهی غیرمنتظره استاندارد شده و نوسان جریان نقدی به فروش در همین سطح اطمینان رد شدند. نتایج حاصل از این پژوهش، رابطه معکوسی بین بازدهی مورد انتظار با نوسان نسبت جریان نقدی به ارزش دفتری و مومنتوم قیمت نشان داد.
پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی نوسان های آینده شاخص سهام می تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه سازی می باشد. با توجه به حجم زیاد داده های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش بینی، با استفاده از روش آنالیز مولفه های اصلی، پیش پردازش روی متغیرهای ورودی صورت گرفته و به مولفه های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش پردازش روی دادها، خطای پیش بینی مدل را به طور قابل ملاحظه ای کاهش داده است.