فهرست مطالب

مهندسی مالی و مدیریت اوراق بهادار - پیاپی 35 (تابستان 1397)

نشریه مهندسی مالی و مدیریت اوراق بهادار
پیاپی 35 (تابستان 1397)

  • تاریخ انتشار: 1397/06/11
  • تعداد عناوین: 17
|
  • عباسعلی ابونوری *، حسین میرزایی، پوریا هامونی صفحات 1-18
    مدیریت دارایی های بانک از موضوعات بسیار مهمی است که پیش تر تنها از سوی متخصصان مورد توجه قرار می گرفت. در فضای کنونی جامعه، شایعه ی ورشکستگی برخی از بانک ها و موسسات اعتباری، سپرده گذاران را آشفته و نگران سرمایه های خود در بانک ها کرده و موجب کم شدن اعتماد عمومی نسبت به عملکرد نظام بانکی گردیده است. عملکرد بانک ها از یک سو تابع وضعیت کلان اقتصادی جامعه خواهد بود و از سوی دیگر تحت قوانین نظارتی از سوی بانک مرکزی قرار دارند. به منظور بررسی عملکرد بانک ها و ارائه پیشنهاد برای بهتر ساختن مدیریت منابع آن ها روش های گوناگونی به کار گرفته می شود. یکی از مهمترین و رایج ترین این روش ها، مدل برنامه ریزی آرمانی است که برای بهینه سازی مسائل چندهدفه کاربرد دارد. فرضیه این تحقیق بررسی امکان بهینه سازی مالی (دارایی-بدهی) بانک کشاورزی با استفاده از برنامه ریزی آرمانی است. در این پژوهش با استفاده از نظر خبرگان بانکی آرمان های عملکرد بانک کشاورزی تعیین می گردند. متغیرهای پژوهش اقلام صورت های مالی هستند که به جهت رسیدن به بهترین عملکرد بانک بهینه می شوند و سپس اقلام اساسی صورت های مالی با اقلام به دست آمده توسط مدل مقایسه شده و نتایج حاصل از آن مورد تحلیل قرار گرفته و با استفاده از آن ارائه پیشنهاد به منظور عملکرد بهینه بانک صورت می پذیرد.
    کلیدواژگان: برنامه ریزی آرمانی، بانک، صورت های مالی، روش تحلیل سلسله مراتبی
  • نعمت راستگو، حسین پناهیان * صفحات 19-49
    ریسک سیستماتیک همواره یکی از مهمترین شاخص هایی است که سرمایه گذاران و تحلیل گران مالی در تصمیم گیری های مالی خود اهمیت ویژه ای برای آن قائل هستند .هدف این پژوهش ارائه مدلی جدید و مبتنی بر متغیر های حسابداری برای برآورد شاخص ریسک سیستماتیک یا همان بتا است به روش اقتصاد سنجی نوین آرفیما- فیگارچ که حافظه بلند مدت ریسک سیستماتیک را ارزیابی می کند. دوره زمانی این پژوهش سال های 1385 تا 1394 است جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و با استفاده از فرمول کوکران تعداد 174 شرکت به عنوان نمونه پژوهش انتخاب گردید . به همین منظور ابتدا بتای ریسک سیستماتیک از طریق آرفیما – فیگارچ محاسبه شد و سپس مدل های برآورد شده به روش اقتصاد سنجی رگرسیون گام به گام (انتخاب پیشرو ) و روش هوش مصنوعی ( از طریق ترکیب الگوریتم های ژنتیک و پرواز پرندگان در انتخاب عوامل موثر و مدلسازی آن از طریق ترکیب و پیاده سازی الگوریتم ارزیاب سرمایه‏گذاری داده های پویای تکاملی بر روی الگوریتم های مذکور) مقایسه گردید. به منظور تجزیه و تحلیل داده ها از سه نرم افزار اکس متریکس ، ایویوز و متلب استفاده گردید . دقت پیش بینی دو مدل مبتنی بر اقتصاد سنجی و هوش مصنوعی از طریق محاسبه ضریب همبستگی بین تاهای برآورد شده و بتای آرفیا – فیگارچ انجام شده که مدل مبتنی بر هوش مصنوعی با ضریب همبستگی 94 درصد دقت پیش بینی به مراتب بالاتری را از خود نشان داد.
    کلیدواژگان: ریسک سیستماتیک، مدل های گارچ، روش رگرسیون گام به گام، الگوریتم های هوش مصنوعی
  • محمد ابراهیم محمدپورزرندی *، معصومه ترکمان احمدی صفحات 51-75
    یکی از اهداف اصلی دولت ها در اجرای خصوصی سازی در کنار اهدافی همچون افزایش درآمد و ارتقا کارایی اقتصادی، توسعه بازارهای سهام است. در این مطالعه با استفاده از تکنیک بای و پرون[1] بروز شکست ساختاری[2] در متغیر نقدشوندگی به عنوان یکی از نشانه های عمق بازار سهام، رصد می‏شود. نتجه مدل از وجود حداقل دو شکست ساختاری اثربخش و معتبر حکایت می‏کند و نشان می‏دهد که در بسیاری از رخدادهای مرتبط، اجرای خصوصی سازی به افزایش نقدشوندگی بازار به عنوان یکی از اصول توسعه یافتگی بازارها منجر گردیده و بازار سهام را عمق بخشیده است. از این امر می توان به نوعی این نتیجه گیری را داشت که ظرفیت نهادی کشور بواسطه تغییرات نهادی و تشکیل کمیته ها و شوراهای لازم در فرآیند واگذاری ها ارتقا یافته و اثرات آن در بلندمدت بر تغییر عمق آن نیز نمایان شده است. همچنین با استفاده از روش MRS-GARCH مشخص شد که خصوصی سازی بر پیدایش تغییر رژیم در متغیر بازده شاخص بورس اوراق بهادار در طول برنامه های سوم، چهارم و پنجم توسعه در قالب مدلهای پویا اثرگذار بوده است.
    کلیدواژگان: خصوصی سازی، عمق بازار سهام، نقدشوندگی، شکست ساختاری، تغییر رژیم
  • فریدون رهنمای رودپشتی *، احسان ساده، میر فیض فلاح شمس، رضا احتشام راثی، جمیل جلیلیان صفحات 77-104
    سرمایه گذاران مختلف با سطوح سرمایه گذاری متفاوت در یک هدف با یکدیگر مشترک هستند و آن هم دست یابی به سبدی از دارایی ها است که در عین برآورده نمودن بازده مورد انتظار آنها، حداقل ریسک ممکن را به همراه داشته باشد. در این تحقیق هدف ما کمک به یک شرکت سرمایه گذاری جهت دست یابی به ترکیب بهینه ای از دارایی ها متشکل از سهام شرکت های خصوصی زیر مجموعه ی خود و انواع دیگری از دارایی ها که ریسک کمتری را به همراه دارند است. یکی از مشکلات اصلی در سرمایه گذاری در سهام شرکت های خصوصی، کمبود داده های مربوط به بازده و ریسک آنها در مقایسه با داده های موجود از سهام شرکت های بورسی است. در این تحقیق از یک رویکرد شبیه سازی که توانایی تولید مقادیر تصادفی در حالت کمبود داده را دارا است، جهت محاسبه ی بازده و ریسک سرمایه گذاری در شرکت های خصوصی پرداخته ایم. همچنین با توجه به این که مساله بهینه سازی سبد، یک مساله NP-Hard به شمار می آید، با تعریف یک مدل بهینه سازی دو هدفه برای مساله، به حل آن با استفاده از الگوریتم زنبور عسل مبتنی بر ماتریس کوواریانس پرداخته ایم. نتایج به دست آمده حاکی از آن است که یک سبد بهینه سبدی است که علاوه ترکیبی از دارایی های کم ریسک و پرریسک را درون خود داشته باشد.
    کلیدواژگان: بهینه سازی سبد، سرمایه گذاری خصوصی، شبیه سازی در شرایط عدم کفایت داده، الگوریتم کلونی مصنوعی زنبور عسل
  • آرزو حمزه ای، مسعود پورکیانی * صفحات 105-130
    مسئله ی کلیدی برای هر سازمان، شناسایی ریسک های مختص آن سازمان است. در شرکت های دانش بنیان نیز از آنجا که مجموعه ای از مهارتها، توانایی ها و افراد متخصص در کنار هم هستند خلاقیت و نوآوری در این شرکت ها در اوج قرار می گیرد، لذا در توسعه فناوری و رونق اقتصادی جامعه نقش اساسی ایفا می کند، هدف اصلی این پژوهش تبیین رابطه بین انواع ریسک های حوزه منابع انسانی با نوآوری تکنولوژیک در شرکت های دانش بنیان دارویی می باشد. جامعه آماری این پژوهش شامل خبرگان و مدیران عامل شرکت های دانش بنیان دارویی هستند. ابزار گردآوری اطلاعات دو پرسشنامه ریسک های حوزه منابع انسانی است و نوآوری تکنولوژیک می باشد. تجزیه و تحلیل داده ها با استفاده از آزمون های مختلف رگرسیون گام به گام و مدلسازی معادلات ساختاری به روش pls مورد بررسی و صحت سنجی قرار گرفت. نتایج نشان می دهد که از میان مولفه های موثر بیشترین تاثیر را ریسک های شکاف های مهارتی و پس از آن ریسک های مالی، ریسک های عملیاتی منابع انسانی، ریسک های سرمایه انسانی و ریسک های رفتاری داشته اند. همچنین در مرحله تحقیق بیشترین ریسک مربوط به شکاف های مهارتی، در مرحله توسعه بیشترین ریسک مربوط به ریسک های عملیاتی منابع انسانی و در مرحله مهندسی بیشترین ریسک مربوط به ریسک های رفتاری می باشد.
    کلیدواژگان: ریسک، منابع انسانی، نوآوری، نوآوری تکنولوژیک، شرکت های دانش بنیان
  • امیر شیری قهی، حسین دیده خانی *، کاوه خلیلی دامغانی، پرویز سعیدی صفحات 131-151
    هدف از پژوهش حاضر ارائه مدل بهینه سازی پرتفوی چند دوره ای در محیط اعتبار فازی با در نظر گرفتن اهداف حداکثر سازی ثروت و حداقل نمودن ریسک در پایان دوره می باشد. برای اندازه گیری ریسک سرمایه گذار از معیار ارزش در معرض خطر میانگین به عنوان یک معیار ریسک منسجم استفاده گردیده است. مدل مذکور به گونه ای طراحی گردیده که علاوه بر در نظر گرفتن هزینه معاملات، سرمایه گذار این امکان را داشته باشد تا بخشی از ثروت خود را به دارایی بدون ریسک نیز تخصیص دهد. در طراحی مدل علاوه بر محدودیت های اصلی، محدودیت هایی مانند حداقل میزان «آنتروپی نسبت» (به عنوان معیار درجه تنوع بخشی پرتفوی) و حداقل بازدهی مورد انتظار پرتفوی در هر دوره در نظر گرفته شده است. نتایج حاصل از اجرای مدل با استفاده از الگوریتم MOPSO نشان داد پرتفوهای پارتو بهینه ایجاد شده از اجرای مدل در مقایسه با پرتفوهای با وزن های تصادفی از لحاظ رسیدن به اهداف از پیش تعیین شده، عملکرد بهتر و مطلوب تری دارند. همچنین نتایج نشان داد با افزایش درجه تنوع بخشی پرتفوی ثروت نهایی کاهش پیدا می کند.
    کلیدواژگان: ارزش در معرض خطر میانگین، بهینه سازی پرتفوی، پرتفوی چند دوره ای، تئوری اعتبار، الگوریتم MOPSO
  • محمد علی رستگار *، فرح آشوری صفحات 153-178
    در این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده و بهینه سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام گرفته از پدیده های نوری (اپتیک) مبتنی بر ترکیب محدب انجام شده است. در مدل ارائه شده با هدف بیشینه سازی نسبت شارپ اصلاح شده، پارامترهای بهینه اندیکاتورهای تکنیکال با الگوریتم های اپتیک و ژنتیک به دست آمده است. در این پژوهش از داده های درون روزی قیمت سهام استفاده شده و هزینه های معاملاتی لحاظ شده است. نتایج این مدل با نتایج حاصل از به کار گیری پارامترهای استاندارد اندیکاتورها، نتایج حاصل از راهبرد خرید و نگه داری و نیز نتایج حاصل از به کار گیری الگوریتم ژنتیک برای بهینه سازی پارامتر اندیکاتورها، در هر دو حالت روزانه و درون روزی مقایسه شده و به دلیل کسب نسبت شارپ اصلاح شده بیشتر توسط مدل ارائه شده، در همه موارد برتری آن نشان داده شده است. همچنین در مقایسه نتایج در حالت های درون روزی و روزانه بر اساس معیار بازدهی پایان دوره بدون لحاظ هزینه های معاملاتی، در بیشتر موارد داده های درون روزی بازدهی بیشتری داشت لکن پس از لحاظ کردن هزینه های معاملاتی برتری در نتایج درون روزی مشاهده نمی شود. لذا کاهش هزینه معاملاتی برای افزایش انگیزه معامله گران در انجام معاملات درون روزی توصیه می شود.
    کلیدواژگان: اندیکاتورهای تکنیکال، داده های درون روزی سهام، سیستم معاملاتی، الگوریتم های فرا ابتکاری، شبکه عصبی مصنوعی
  • محمدرضا رستمی *، مریم نقوی پور، مریم مقدس بیات صفحات 179-196
    براساس یافته های پژوهشگران اقتصادسنجی مالی قیمت نفت به عنوان یکی از مهمترین متغیرهای کلان اقتصادی بر بازار مالی و اقتصاد کشورهای صادر کننده نفت اثرگذار است. در این پژوهش از قیمت سبد نفتی اوپک با فراوانی روزانه استفاده شده است. دوره زمانی مورد بررسی از 3 آگوست 2013 تا 26 دسامبر 2016 است. این دوره شامل تحولات مختلفی از قبیل ناآرامی و جنگ در خاورمیانه، کاهش شدید و غیر منتظره قیمت نفت به دلایلی همچون کاهش در تقاضا، توافق برجام 27 و توافق اعضای اوپک جهت کاهش تولید نفت به منظور افزایش قیمت نفت بوده و از این جهت مورد توجه قرارگرفته است.
    بررسی های اولیه نشان می دهد نوسانات خوشه ایاست یعنی ویژگی توزیع مستقل و یکسان و همسانی واریانس نقض می گردد. آزمون بریوش گادفری وجود اثرات آرچ و گارچ را تایید می کند. همچنین آزمون کلی نگر با برآورد چگالی کرنل بر اساس قاعده مونت کارلو با اعمال وزن پارزن بر وجود اثرات ARCH در متغیر دلالت دارد.
    نتایج بررسی نوسانات قیمت نفت با استفاده از مدل MS-GARCH تک و چند رژیمه دلالت بر آن دارد که مدل سه رژیمه برای تبیین رفتار متغیر در دوره مورد بررسی مناسب است.
    کلیدواژگان: مارکوف سوئیچینگ، الگوی MS، GARCH، پیش بینی قیمت نفت، نوسانات قیمت نفت
  • اکرم سادات ساداتی *، محمد ابراهیم آقابابایی صفحات 197-219
    یکی از تورش‏های رفتاری و سوگیری های مهم در بازارهای مالی که توجهات زیادی را به خود جلب نموده، رفتار توده ای سرمایه گذاران است. وجود توده در رفتار، اصطلاحی برای تبیین این موضوع است که چگونه افراد در یک گروه می توانند بدون برنامه قبلی با یکدیگر همسو عمل کنند. این تحقیق، به شناسایی و اندازه گیری این سوگیری مهم می پردازد و رفتار توده ای را در بورس اوراق بهادار تهران مورد بررسی قرار می دهد. در این تحقیق، برای بررسی رفتار توده ای از مدل واریانس موزون مقطعی که روش جدیدی مبتنی بر نظریه قیمت گذاری آربیتراژ (APT) است، استفاده می شود. این مدل، ترکیبی از مدل مبتنی بر پراکندگی بازده و مدل پراکندگی بتا می باشد. جامعه آماری حاضر، تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی فروردین 1389 تا پایان اسفند 1394 را در بر می گیرد. در این تحقیق مدل پراکندگی بازده چانگ، چنگ و خورانا و همچنین مدل واریانس موزون مقطعی بر مبنای CAPM نیز تخمین زده شدند و با مدل اصلی مقایسه شدند که نتایج حاکی از برتری مدل اصلی نسبت به مدل های دیگر می باشد. به علاوه، نتایج پژوهش نشان می دهد که رفتار توده ای در تمام سال ها به صورت ضعیف مشاهده می شود، این در حالی است که نقاط توده ای قوی بیشتری در سال 1392 مشاهده شده و بیشتر از سایر سال ها با پدیده رفتار توده ای مواجه بوده است.
    کلیدواژگان: رفتار توده ای، نظریه قیمت گذاری آربیتراژ، مدل سه عاملی فاما فرنچ، پراکندگی مقطعی
  • مجتبی نوری، عمران محمدی * صفحات 221-241
    یکی از بحث های اساسی برای سرمایه گذاران موضوع تشکیل پرتفوی بهینه سهام است. در مسئله انتخاب سبد سرمایه گذاری، تصمیم گیرنده هم زمان با اهداف مختلف و گاه متعارض مانند نرخ بازده، نقدینگی، سود تقسیمی و ریسک مواجه است. در بهینه سازی پرتفوی، مسئله اصلی، انتخاب بهینه دارایی ها و اوراق بهاداری است که با مقدار مشخصی سرمایه می توان تهیه کرد، اما از یک سو، عدم قطعیت های مرتبط به هر سهم، و از سوی دیگر چند هدفه بودن مدل انتخاب سبد سهام بهینه، بر پیچیدگی مسئله می افزاید. در این مقاله بهینه سازی سبد سهام در حالت عدم قطعیت مورد مطالعه قرار گرفته است. رویکرد برنامه ریزی تصادفی برای تبدیل عدم قطعیت به حالت قطعیت و برنامه ریزی توافقی برای تک هدفه شدن، به صورت ترکیبی مورد استفاده قرار می گیرد. از اطلاعات مربوط به 20 شرکت دارویی از بازار بورس تهران استفاده شده است و اعتبار مدل بررسی شده است. نتایج نشان می دهد که سبد سهام ارائه شده دارای کارایی بالایی است.
    کلیدواژگان: برنامه ریزی توافقی، محدودیت شانسی، بهینه سازی سبد سهام، عدم قطعیت، محدودیت سقف و کف
  • افسانه سروش یار *، حسین کاظمی گورتی صفحات 243-258
    هدف پژوهش حاضر بررسی تاثیر عامل صرف ارزش و عامل دیرش ضمنی سهام بر مازاد بازده سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. جهت آزمون فرضیه های پژوهش از مدل فاما- فرنچ (1993) استفاده شده است. از آنجا که شواهد به دست آمده از پژوهش های پیشین بیانگر ارتباط زمانبندی جریان های نقدی شرکت و صرف ارزش می باشد، در این پژوهش ابتدا تاثیر عامل صرف ارزش بر مازاد بازده سهام (مانند مدل سه عاملی فاما- فرنچ) مورد بررسی قرار گرفته و سپس دیرش ضمنی سهام، جایگزین صرف ارزش در این مدل سه عاملی شده و برازش می گردد. جامعه آماری، شرکت های پذیرفته شده در بورس اوراق بهادار تهران و نمونه آماری، شامل 145 شرکت طی سال های 1387 تا 1395 است که به روش حذف سیستماتیک انتخاب گردیده است. نتایج پژوهش نشان می دهد که عامل دیرش ضمنی سهام و نیز صرف ارزش سهام هر دو تاثیری مثبت و معنی دار بر مازاد بازده سهام دارند.
    کلیدواژگان: دیرش ضمنی سهام، صرف ارزش سهام، مازاد بازده سهام، مدل فاما، فرنچ
  • عبدالساده نیسی *، مریم صفایی، نادر نعمت الهی صفحات 259-281
    هدف اصلی این مقاله تعیین قیمت اختیار فروش آمریکایی می باشد هنگامی که نرخ بهره خود از یک فرایند تصادفی تبعیت می کند. بدین منظور، ابتدا مدل دارایی پایه را به مدل نرخ بهره تصادفی کاکس-اینگرسول-راس[i] (CIR) توسعه می دهیم. سپس، مسئله قیمت گذاری اختیارت آمریکایی تحت مدل نرخ بهره تصادفی CIR، را به صورت یک مسئله مکمل خطی[ii] (LCP) دو بعدی فرمول بندی می کنیم. برای حل این LCP دو بعدی روش تجزیه مولفه ای دو سیکل[iii] را پیشنهاد کرده ایم. در این روش، LCP دو بعدی به دست آمده برای قیمت گذاری اختیار آمریکایی به شش LCP یک بعدی در چندین مرحله ی زمانی کسری تجزیه شده، و سپس هر LCP به طور عددی در دو مرحله حل می شود. به طوری که در مرحله ی اول از طریق حل دستگاه معادلات سه قطری قیمت های اختیار به دست می آید، و سپس در مرحله ی دوم (مرحله به هنگام سازی) مقادیر قیمت های اختیار به دست آمده با توجه به شرایط مسئله قیمت گذاری اختیار آمریکایی اصلاح و به هنگام می شوند. در نهایت، نتایج عددی حاصل از روش تجزیه معرفی شده را با نتایج شبیه سازی مونت کارلو مقایسه خواهیم کرد.
    کلیدواژگان: روش تجزیه مولفه ای، قیمت گذاری اختیارات آمریکایی، مدل نرخ بهره تصادفی CIR، مسئله مکمل خطی
  • محمدحسین عامری * صفحات 283-300
    با توجه به با اهمیت بودن اطلاعات همراه با عرضه عمده سهام شرکت های حاضر در بورس اوراق بهادار تهران ما تاثیر قیمتی ناشی از نشت اطلاعات آگهی های عرضه عمده سهام منتشرشده در بورس اوراق بهادار تهران را در سال های 96-1394 بررسی کردیم. در این پژوهش با استفاده از روش مطالعه رویداد اثر انتشار عمومی آگهی عرضه های عمده را بر روی قیمت سهام شرکت های عرضه شده بررسی و مشاهده کردیم که بازده تجمعی در اطراف روز انتشار آگهی بسیار بالا است و انتشار آگهی عرضه عمده سبب ایجاد بازده تجمعی میانگین غیر نرمال مثبت شده است و آگهی عرضه به طور متوسط سبب افزایش ارزش شرکت ها شده است. سپس با تحلیل رگرسیون بازده تجمعی غیر نرمال پنجره های مختلف زمانی بر روی متغیر مجازی ناشی از رویداد مشاهده کردیم که بازده تجمعی غیر نرمال تحت تاثیر عرضه عمده رخ داده است. در پایان نتیجه گرفتیم که نشت اطلاعات آگهی های عرضه عمده قبل از انتشار عمومی آگهی به طور متوسط سبب ایجاد بازده غیر نرمال قیمتی برای افراد مطلع شده است.
    کلیدواژگان: مطالعه رویداد، دمرانی، عرضه عمده، بازده تجمعی غیر نرمال
  • الهام غلامیان، سید محمدرضا داودی * صفحات 301-322
    فعالان بورس درصدد دستیابی و به کارگیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایه گذار قرار گیرد. تاکنون روش های مختلفی جهت نیل به این هدف معرفی شده اند که اغلب روش های آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصادفی که در زمره روش های طبقه بندی هوش مصنوعی می باشد، به همراه شاخص های فنی: شاخص قدرت نسبی قیمت، استوکاستیک، حجم تعادل موازنه شده، ویلیامز R%، بازده ی روزانه و شاخص سری مک دی به دنبال پیش بینی روند قیمت در بازار سهام و مقایسه آن با روش های موجود است. نتیجه ی پژوهش بر روی داده های روزانه شاخص بورس اوراق بهادار تهران در سالهای 1393 تا 1395 نشان می دهد که دقت روش پیشنهادی در برآورد روند بازار 64 درصد می باشد و نسبت به دو روش مقایسه شده رگرسیون لجستیک و روش کاملا تصادفی از دقت بالاتری برخوردار است.
    کلیدواژگان: الگوریتم جنگل تصادفی، پیش بینی قیمت سهام، آنتروپی، شاخص های تکنیکی، رگرسیون لجستیک
  • سپیده کرمی *، محمدعلی رستگار صفحات 323-342
    مطالعه چگونگی اثرگذاری بازده و نوسانات یک بازار بر روی دیگر بازارها همواره از عواملی بوده که به مدیران سرمایه گذاری در بهینه سازی سبد سهام و انتخاب دارایی ها یاری رسانده است. سرریز بیانگر انتقال شوک ها به سایر بازارها و یا کشورها است فارغ از اینکه پیوندهای اساسی بین آن ها وجود داشته باشد. این پژوهش سعی دارد تا اثر سرریز بازده و نوسانات بین صنایع فعال در بورس اوراق بهادار تهران را با استفاده از داده های شاخص 6 صنعت در بازه زمانی مرداد 1390 تا اسفند 1394 بررسی نماید. با استفاده از مدل همبستگی شرطی پویا (DCC) به بررسی اثر سرریز بازده و نوسانات پرداخته ایم. بر مبنای یافته های پژوهش درمی یابیم که بازده و نوسانات صنایع منتخب بر یکدیگر اثرگذار می باشند. برخی نتایج حاکی از آن است که صنعت مواد و محصولات داروئی بیشترین میزان اثرگذاری و صنعت فرآورده های نفتی، کک و سوخت هسته ای کمترین میزان اثرگذاری را بر سایر صنایع منتخب دارند.
    کلیدواژگان: سرریز بازده، سرریز نوسانات، مدل همبستگی شرطی پویا (DCC)، صنایع بورسی
  • کرم سینا، پیام نادری * صفحات 343-363
    رمیتانس[i]، دریافتی های مهاجرانی است که در سایر کشورها مشغول به کار هستند و این وجوه را برای خویشاوندان، دوستان و آشنایان خود در کشور مبدا ارسال می کنند. که این انتقال ممکن است از طریق کانال های رسمی یا غیررسمی انجام شود. به منظور بررسی اثر این وجوه بر توسعه بخش مالی در ایران، پژوهش حاضر با استفاده از داده های سال های 2015-1980 به دنبال یافتن پاسخ این پرسش می باشد. دراین راستا پس از تبیین چارچوب نظری، معیارهای اندازه گیری شاخص توسعه مالی معرفی می شوند که شامل 3 معیار نسبت اعتبارات اعطایی به بخش خصوصی به GDP، نسبت اعتبارات بانکی به GDP و دیون نقدشدنی می باشند. در ادامه پس از تصریح مدل، با استفاده از روش اقتصادسنجی خودرگرسیون با وقفه توزیعی به بررسی اثر رمیتانس بر روی هر یک از این 3 معیار به صورت جداگانه پرداخته می شود. نتایج نشان می دهد که در کوتاه مدت، رمیتانس اثر منفی ولی کوچک بر توسعه مالی دارد. اما در طرف مقابل، رمیتانس در بلندمدت اثر مثبت و معناداری بر توسعه مالی در ایران دارد.
    کلیدواژگان: رمیتانس، توسعه مالی، اعتبارات اعطایی، اعتبارات بانکی، خودرگرسیون با وقفه توزیعی
  • علیرضا سارنج *، مجید قدس، رضا تهرانی صفحات 365-391
    موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیش بینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه سازی تابع پایه تبدیل موجک با هدف حداکثر نمایی کارایی این تبدیل، استفاده شده است. داده های مورداستفاده برای این پژوهش داده های روزانه از تاریخ 02/02/1391 تا تاریخ 30/01/1396 است. نتایج این پژوهش نشان داد که با این روش می توان تابع پایه ای متناسب با ویژگی های ذاتی سری زمانی برای پیش بینی یافت که خطای پیش بینی در این مدل نسبت به مدل شبکه عصبی و مدل ترکیبی شبکه عصبی و تبدیل موجک کاهش یابد.
    کلیدواژگان: پیش بینی شاخص کل بورس اوراق بهادار، الگوریتم های فراابتکاری، شبکه های عصبی، تبدیل موجک
|
  • Abbasali Abounoori *, Hossein Mirzaei, Pouria Hamouni Pages 1-18
    Asset management is one of the important topics in financial subjects, which used to be noticed just by professions. In recent years gossips about bankruptcy of some financial institutions panicked investors andruined the banking system credence. Bank operation will be bounded by macro-economic status and their operation would be monitored by central bank. There are several methods in order to survey banks functions and suggesting better asset management. One of the most important is Goal programming which is used for multi goal subjects. The hypothesis of this research is to investigate the possibility of financial optimization (asset-liability) of Bank Keshavarzi Iran, using Goal programming. In this study, using the views of bank experts, the goals of the performance of Bank Keshavarzi Iran are being determined. Research variables are items of financial statements that are optimized to achieve the best performance of the bank, and then the essential items of financial statements are compared with the items obtained by the model and the results are analyzed. The offer is made for the optimal performance of the bank.
    Keywords: Goal programming, Bank, Financial portfolio, AHP
  • Nemat Rastgoo, Hosein Panahian * Pages 19-49
    Systematic risk is always one of the most important indicators that investors and financial analysts attach importance in their financial decision making. The purpose of this research is to provide a new model based on accounting variables for estimating the systematic risk index (β). The period of study is from 2006 to 2015. The statistical population of the research is the companies accepted in Tehran Stock Exchange. Using the Cochran formula, 174 companies are selected as the research sample. For this purpose, systematic risk beta is first calculated through ARFIMA-FIGARCH, and then, estimated models are compared using stepwise regression econometrics (forward selection) and artificial intelligence (through combination of genetic algorithms and flying birds algorithms in selecting effective factors and its modeling by combining and implementing an evolutionary dynamic data estimator algorithm on the above algorithms). In order to analyze the data, three software of Oxmetrics, Eviews, and MATLAB are used. The prediction accuracy of two models based on econometrics and artificial intelligence is evaluated by calculating the correlation coefficient between estimated betas and beta of ARFIMA-FIGARCH. The AI-based model with a correlation coefficient of 94 percent shows a higher predictive accuracy
    Keywords: Systematic Risk, GARCH Models, Stepwise Regression, Artificial Intelligence Algorithms
  • Mohammadebrahim Mohammadpourzarandi *, Masoomeh Torkaman Ahmadi Pages 51-75
    One of the main goals of governments in privatization implementation, along with goals such as increasing revenues and improving economic efficiency, is the development of stock markets. In this study, using the Bay and Peron technique, structural break is observed in the liquidity variable as one of the signs of the stock market depth. The model implies the existence of at least two effective and valid structural breaks and shows that in many related events, the implementation of privatization led to increased market liquidity as one of the principles of market development and led to a stock market has more depth. Also, using the MRS-GARCH method, it was determined that privatization on the emergence of regime change in the yield variables of stock market index has affected the duration of the third, fourth and fifth development plans in the form of dynamic models.
    Keywords: Privatization, stock market depth, liquidity, structural break, regime change
  • Fereydoun Rahnama Roodposhti *, Ehsan Sadeh, Mirfeiz Fallahshams, Reza Ehteshamrasi, Jamil Jalilian Pages 77-104
    Different investors with different investment levels have a goal in common which is to reach a portfolio of assets which further to meeting the expected rate of return would have the least possible level of risk. In this study we aim to help an investment company to determine an optimized combination of assets containing the stocks of its subsidiary companies as well as other lower risk assets. One of the main challenges in investing in private companies’ stocks, is the lack of data related to their return and risk compared with public companies. In this paper we apply a simulation approach which is able to generate valid random numbers in data insufficiency condition to calculate the return and the risk of the private assets. Furthermore, defining the problem as a bi-objective optimization problem and regarding the fact that portfolio selection is an NP-Hard problem, we use a multi-objective covariance-based artificial bee colony algorithm to solve our problem. The results show that efficient portfolios are the ones have both high risk and low risk assets simultaneously.
    Keywords: Portfolio Optimization, Private Equity Investment, Simulation with Insufficient Data, ABC Algorithm
  • Arezu Hamzeie, Masoud Pourkiani * Pages 105-130
    The main goal of this research also explains the relationship between the types of HR risks with technological innovation in pharmaceutical. The statistical population of this study consists of two knowledgeable sections of the subject and managers of knowledge based pharmaceutical companies. The methodology used to examine the documents, interviews, and methodology for obtaining expert opinions and extraction of the native model in the knowledge-based companies studied were used. The results of this research indicate that among the most effective components of human resource risks, technological innovation has had the greatest impact on the risks of skills gaps and then financial risks, human resource operational risks, human capital risks and behavioral risks that were tested by tests Different stepwise regression and structural equation modeling with smartpls software were investigated and verified. Also, in the research phase, the greatest risk associated with skill skeletons, at the development stage, is the highest risk associated with human resource operational risks, and at the engineering stage, the greatest risk is related to behavioral risks. Knowledge companies that are in the engineering phase, in terms of the growth cycle of the company in the maturity stage, are likely to begin to grow at this stage of maturity in the face of future risks and reengineering of the system. For these companies, behavioral risks have shown their importance, paying attention to current values ​​and reviewing them, paying attention to current behavior among managers and employees, has shown great importance at this stage subsequently.
    Keywords: Risk, Human Resources, Innovation, Technological Innovation, Knowledge Based Enterprises
  • Amir Shiri Ghehi, Hosein Didehkhani *, Kaveh Khalili Damghani, Parviz Saeedi Pages 131-151
    The purpose of the present research is to provide a multi-period portfolio optimization model in a fuzzy credibility environment, aimed for end-of-period wealth maximization and risk minimization. The investor’s risk was measured using the Average Value at Risk (AVaR) as a coherent risk measure.
    The model is designed in such a way that, in addition to considering transaction costs, the investor will have the opportunity to allocate part of his wealth to a risk-free asset. In designing the model, in addition to the cardinality constraints, constraints such as the minimum “proportion entropy” (as the portfolio of diversification degree) and the expected returns of the portfolio in each period are considered.
    The results of the model running by MOPSO algorithm indicated that the model objectives in the optimum portfolios were better suited than those when the model was run with random weights. The results also indicated that an increase in the portfolio diversification degree reduced the amount of the final wealth.
    Keywords: Average Value at Risk, Portfolio Optimization, multi, period portfolio, credibility theory, MOPSO algorithm
  • Mohammad Ali Rastegar *, Farah Ashuri Pages 153-178
    In this paper a stock trading system based on the combination of six technical indicators is designed. The indicators are combined using an artificial neural network and their parameters are optimized using convex combination-based optics-inspired optimization (COIO) algorithm. In the proposed model the technical indicators’ optimized parameters are obtained using both COIO and genetic algorithms with the aim of maximization of modified Sharpe ratio. The presented paper uses stock intra-day prices as input data and considers the transaction costs. The designed strategy is compared against several other approaches including: using the indicators’ default parameters, buy and hold strategy and optimization using genetic algorithm, for both daily and intra-day prices and due to a greater modified Sharpe ratio for the proposed model, its superiority is shown in all cases. Moreover, in a comparison based on end- of- period returns, it is shown that without considering the transaction costs the results of the intra-day data beats the results of the daily data while no superiority is observed when considering the transaction costs. So reducing the transaction costs is recommended to motivate traders to trade on an intra-day basis.
    Keywords: Technical indicators, intra, day stock data, trading system, meta, heuristic algorithms, artificial neural network
  • Mohammadreza Rostami *, Maryam Naghavipour, Maryam Moghaddasbayat Pages 179-196
    According to the findings of financial econometric researches, oil prices as one of the most important macroeconomic variables affect financial markets and economies of oil exporting countries. In this study, the price of OPEC oil basket has been used with daily frequency. The period under review is from August 3, 2013 to December 26, 2016. The course includes various developments such as unrest and war in the Middle East, a sharp and unexpected decline in oil prices for reasons such as a decline in demand, an agreement 27, and the agreement of OPEC members to reduce oil production in order to increase oil prices, is located.
    Initial studies indicate cluster fluctuations, ie, independent and uniform distribution characteristics and variance consistency. The Breusch Godfrey test confirms the effects of ARCH and GARCH. Also, a generalized test with the estimation of kernel density based on the Monte Carlo rule indicates Parson’s weight on the effects of ARCH in the variable.
    The results of the study of oil price fluctuations using the MS-GARCH model of single and multiple regimes indicate that the three regimes model is suitable for explaining the behavior of the variable in the reviewed period.
    Keywords: Markov switching, MS, GARCH pattern, oil price forecast, oil price fluctuations
  • Akram Sadat Sadati, Mohammasdebrahim Aghababaei Pages 197-219
    Herding behavior of investors is one of the main behavioral fears and important biases in financial markets that has attracted a lot of attention. The existence of herding in behavior is a term for explaining how individuals within a group can work together without the prior plan. This research identifies and measures this important bias and examines herding behavior in Tehran Stock Exchange. This study, using a Weighted Cross-Sectional Variance analysis method, which is a new method based on the theory of pricing arbitrage, has been used to identify herding behavior. This is a combination of models based on return dispersion and beta-based models. The statistical population included all companies accepted in the Tehran Stock Exchange during the period of 1389-1394. In this research, the Chang, Chang and Khorana return distribution model and also the CAPM-based cross-sectional variance model are estimated and compared with the original model, which results indicate the superiority of the original model compared to other models. Also, the results of the research indicate that herding behavior is poorly observed in all years, while during the research period of 1392, there are more strong herding points and therefore, more than other years, faced with herding behavior phenomenon.
    Keywords: Herding Behavior, Arbitrage pricing theory, Fama, French three, factor model, cross, sectional dispersion
  • Mojtaba Nouri, Emran Mohammadi * Pages 221-241
    One of the key issues for investors is the issue of creating an optimal stock portfolio. In the issue of choosing an portfolio, the decision maker faces different and sometimes conflicting goals such as rate of return, liquidity, dividend, and risk. In portfolio optimization, the main issue is the optimal choice of assets and securities that can be made with a certain amount of capital, but on the one hand, the uncertainties associated with each share, and, on the other hand, the multiplicity of the optimal portfolio selection model, on the complexity of the problem increases. In this paper, the portfolio optimization under uncertainty has been studied. A randomized approach to converting uncertainty into a state of definiteness and agreeing to plan for a single objective is used in combination. Information about 20 pharmaceutical companies from the Tehran Stock Exchange has been used and the validity of the model has been investigated. The results show that the stock portfolio offered has a high performance.
    Keywords: Compromise Programming, Chance Constraint, Portfolio Optimization, uncertainty, Upper, Lower Bound Constraint
  • Afsaneh Soroushyar *, Hossein Kazemi Gavarti Pages 243-258
    The purpose of this paper is to investigate the effect of value premium factor and implied equity duration factor on excess stock returns in Companies Listed in Tehran Stock Exchange. For testing the research hypotheses, the Fama - French Model (1993) is used. The evidence of previous research shows the relationship between the timing of firm's cash flows and value premium. Therefore, in this research, the effect of value premium factor on excess stock returns (similar to the Fama- French Model) are examined and then value premium factor replaced with implied equity duration. The statistical society is companies listed on Tehran Stock Exchange and the research sample includes 145 companies using the systematic elimination method, in the period of 2007-2016. The results indicate both value premium factor and implied equity duration factor have the significant and positive effect on the excess stock returns.
    Keywords: Implied Equity Duration, Stock Value Premium, Excess Stock Return, Fama, French Model
  • Abodolsadeh Neisy *, Maryam Safaei, Nader Nematollahi Pages 259-281
    The main purpose of this study is to derive the price of American put option, when the interest rate follows a stochastic process. For this purpose, first underlying asset model is expanded to CIR stochastic interest rate model. Then, the problem of American option pricing under CIR stochastic interest rate model is formulated as a two-dimensional linear complementarity problem (LCP). We propose a two-cycle componentwise splitting method for solving this two-dimensional LCP. In this method, the two-dimensional LCP, obtained for the valuation of an American option, is decomposed into six one-dimensional LCPs in several fractional time steps, and then each LCP is solved numerically in two steps. So that in the first step, the tridiagonal systems of equations are solved, and then in the second step (update step), the obtained values of option prices are modified and updated according to the conditions of the American option pricing problem. Finally, the numerical results obtained by splitting introduced method are compared with the Monte Carlo simulation results.
    Keywords: Componentwise splitting method, American option pricing, CIR stochastic interest rate model, Linear complementarity problem
  • Mohammad Hosein Ameri * Pages 283-300
    With considering the importance of the information along with the stocks bulks order of companies are presented in the Tehran Stock Exchange, We analyze the stock price effects of bulk order announcement published publicly in Tehran Stock Exchange over the period years1394–1396. We use an event study model to show the significant impact of bulk order announcement published publicly on the share prices changes then we observe that cumulative returns being very high around the announcement published day for Tehran Stock Exchange companies. Bulk order announcement has significant positive cumulative abnormal returns, indicating that Bulk order on average increases firm value. Next, we regress cumulative average abnormal returns of different Event windows on dummy variables to show that positive cumulative abnormal returns created under the effect of the bulk order. Finally, we conclude that bulk order announcement information leakage before event day on average cause positive abnormal returns for insider.
    Keywords: Event study, Front, running, Bulk dealing, Cumulative Average Abnormal Return
  • Elham Gholamian, Sayyed Mohammad Reza Davoodi * Pages 301-322
    Stock market activists are the acquiring and using methods to predict future stock prices, increasing their capital gains. Therefore, it seems necessary that appropriate, correct, and scientific principles are used to determine the future price of the stock of investor stock options.stock price prediction is an important part of investment, and in most cases it is the field of research for researchers, because it ultimately leads to the choice of appropriate investment. Different methods have now been developed to achieve this goal. Have been introduced that are often statistical methods and artificial intelligence. In this research, using a randomized approach approach that is among artificial intelligence classification methods, along with technical indicators that include: power index Relative Price, Stochastic, Equilibrium Balance, Williams R%, Daily Returns, and Mac.d Series Markets, are looking for stock price trends. This model is compared with logistic regression method and completely randomized method (dice throw). The results of the research on daily data of Tehran Stock Exchange Index from 1393 to 1395 indicate that the accuracy of the proposed method in estimating market trend is 64%, which is more than two methods of logistic regressionand completely randomized method of accuracy Has a higher rate.
    Keywords: Random forest algorithm, stock price prediction, entropy, technical indicators, logistic regression
  • Sepideh Karami *, Mohammad Ali Rastegar Pages 323-342
    Today in the financial markets there are different factors that can help investors to allocate their assets satisfactorily. The main concern for asset allocation is that if any return and volatility from a stock market spillovers into, return and volatility of another market. Spillover expresses shock transfer to other markets or countries regardless of the basic links exist between them. This paper investigates the existence of spillover effect in Tehran Stock Exchange. Specifically, we study the return and volatility spillover effects between 6 indices from August 2011 to March 2016 and Dynamic conditional Correlation model (DCC) has been employed in our study. Base on the results of this research, we reveal that the return and volatility of selected industries are impacting on each other. Some results suggest that Pharma - Industry has the highest impact and Oil, /coke and nuclear fuel Industry has the lowest impact on other selected industries.
    Keywords: return spillover, volatilities spillover, Dynamic Conditional Correlation (DCC), industries of Bursia
  • Karam Sina, Payam Naderi * Pages 343-363
    Remittances are payments made by immigrants who work in other countries and send money to their relatives and friends in the country of origin; which they may transfer through formal or informal channels. In order to investigate the effect of these funds on the development of the financial sector in Iran, the present study uses the data from 1980 to 2015, to find the answer of this question. In this regard, after defining the theoretical framework, the criteria for measuring the financial development index are introduced, which includes 3 criteria for the allocation of credits to the private sector to GDP, the ratio of bank credits to GDP, and cash to be paid. Then, after specifying the model, the effect of the remittances considered on each of these three criteria separately, by using the ARDL econometric method. Results show that there is a negative but small effect on financial development in short-run. But on the other side, there is a positive and significant effect on the financial development in long-run in Iran.
    Keywords: Remittances, Financial Development, Granted Credits, Bank Credits, Autoregressive Distributed lag
  • Alireza Saranj *, Madjid Ghods, Reza Tehrani Pages 365-391
    Understanding and the investigating the behavior of stock prices, has always been one of the major topics of interest to the investors and finance scholars. In recent years, various models for prediction using neural network and hybrid models have been proposed which have a better performance than the traditional models. Here a hybrid model of neural network and wavelet transform is proposed in which genetic algorithm has been used to improve the performance of wavelet transform in optimizing the wavelet function. Daily stock exchange rates of TSE from April 21, 2012 to April 19, 2017 are used to develop a prediction model. The results show that it is possible to find a wavelet basis, which will be appropriate to the intrinsic characteristics of time series for prediction and the prediction error in this model is reduced comparing to the neural network and hybrid neural network and wavelet models.
    Keywords: stock market index prediction, Metaheuristic algorithms, artificial neural networks, wavelet transform