فهرست مطالب

فصلنامه مهندسی مالی و مدیریت اوراق بهادار
پیاپی 55 (تابستان 1402)

  • تاریخ انتشار: 1402/04/01
  • تعداد عناوین: 14
|
  • محمود کوچک زاده تهمتن، فریدون رهنمای رودپشتی*، حمیدرضا کردلویی، شادی شاهوردیانی، مازیار قاسمی صفحات 1-23
    سازمان ها در محیط پیچیده اقتصادی، فناوری، سیاسی و اجتماعی قرارگرفته اند و در کنار سایر کسب و کارها با تلاش برای دستیابی به اهداف راهبردی خود به رشد می رسند. آنچه که به عنوان یکی از مولفه های اصلی در تداوم کسب و کار محسوب می گردد، ایجاد و حفظ مزیت رقابتی بنگاه است. این تحقیق به سنجش استراتژی های هزینه، بهای تمام شده، وجه نقد و موجودی کالا بر اساس تصمیم های متجانس در شرکت های همگروه صنعت می پردازد. در این پژوهش، سنجش استراتژی های هزینه، بهای تمام شده، وجه نقد و موجودی کالا بر اساس تصمیم های متجانس در شرکت های همگروه صنعت، بین 114 شرکت پذیرفته شده در بورس اوراق بهادار تهران، برای دوره 1394 الی 1399 صورت گرفت که در مجموع 624 مشاهده برای تحقیق موجود می باشد. در این تحقیق با استفاده از مصاحبه با خبرگان به شناسایی متغیرها پرداخته شد. روش آماری در این پژوهش روش رگرسیون چندمتغیره به روش پانل دیتا می باشد. نتایج حاصل از فرضیه های تحقیق نشان می دهد که استراتژی های موجودی کالا، بهای تمام شده، وجه نقد و هزینه در هر شرکت به طور قابل ملاحظه ای تحت تاثیر راهبردهای مشابه شرکت های همگروه در صنعت خود است.
    کلیدواژگان: استراتژی هزینه، استراتژی بهای تمام شده، استراتژی وجه نقد، استراتژی موجودی کالا
  • سید محمد رضا خاتمی، غلامرضا زمردیان*، میر فیض فلاح، مهرزاد مینوئی صفحات 24-47
    تجارت و مراودات بین کشورها، شرط لازم برای همگرایی مالی است. با این رویکرد مطالعه حاضر به بررسی تاثیرپذیری بازار سهام ایران از بازار سهام کشورهای طرف تجاری ایران در منطقه منا پرداخته است. جهت رسیدن به این هدف اطلاعات در خصوص شاخص کل بازار سهام کشورهای منتخب طی سپتامبر 2015 الی ژوین 2022 جمع آوری و با استفاده از تحلیل موجک نوسانات شاخص محاسبه شد. در ادامه الگوی VAR برآورد و آزمون علیت گرنجر صورت پذیرفت. در نهایت نیز با استفاده از انواع مدل های GARCH تاثیر نوع خبر بر بازار سهام کشورها بررسی شد. نتایج تحلیل موجک نشان داد که در طول زمان، دامنه نوسان بازار سهام در کشورهای منطقه منا افزایش یافته است. بر پایه نتایج مدل VAR و آزمون علیت گرنجر نیز، بازار سهام ایران به صورت یکطرفه تحت تاثیر نوسانات در بازار سهام کشورهای طرف تجاری و عضو اوپک شامل کویت، عمان، قطر، عربستان، امارات و لبنان قرار دارد. با این حال علامتی در خصوص تاثیرپذیری بازار سهام ایران از نوسان در بازار سهام سایر کشورها شامل اردن، بحرین، مصر، تونس و مراکش مشاهده نشد. در نهایت نیز نتایج مدل های واریانس شرطی بیان گر آن بوده که کشورهای منتخب از یک الگوی نوسانات مشابه نامتقارن پیروی می کنند.
    کلیدواژگان: بازار سهام، منطقه منا، تحلیل موجک، الگوی VAR، مدل GARCH
  • نسترن سروی پور، فاطمه صمدی* صفحات 48-64
    هدف تحقیق حاضر بهینه سازی پرتفو چند متغیره تحت چشم انداز بازار (کالا و مالی) غیرنقدشونده است. در این راستا یک مدل بهینه‏سازی برای ارزیابی ریسک-بازده پرتفو با محدودیت های LVaR با استفاده از سناریوهای مالی و عملیاتی معقول بررسی می‏شود. این رویکرد به وسیله به حداقل رساندن LVaR به دست می‏آید. روش پژوهش توصیفی و از نوع همبستگی است. جامعه آماری، در این پژوهش شرکت هایی هستند که در بورس اوراق بهادار پذیرفته شده اند که با روش نمونه گیری حذفی سیستماتیک (غربالگری)،100 شرکت که در طول سال های مالی 1392 1399 در بورس اوراق بهادار حضور داشتند انتخاب شدند. اطلاعات این پژوهش برگرفته از نرم افزار ره آورد نوین و سایت رسمی سازمان بورس اوراق بهادار تهران می باشد. برای بررسی آزمون ریشه ی واحد متغیرها از روش لین و چاو استفاده شده است و به مبانی اقتصادسنجی پرداخته و به بررسی متغیرها با استفاده از روش خودرگرسیون برداری (VAR1) با کاربرد نرم افزار آماری Eviews و متلب پرداخته شده است. بر اساس نتایج می توان گفت؛ نقدینگی بر بازارهای کالا و مالی تاثیرگذار است. همچنین تاثیر الگوریتم‏های بهینه سازی و تکنیک های مدل سازی بر مدیریت پرتفو و ارزیابی ریسک مورد تایید قرار گرفت.
    کلیدواژگان: ریسک نقدشوندگی، بهینه سازی پرتفو، مدیریت ریسک، ارزش در معرض ریسک، ارزش در معرض ریسک تعدیل شده با نقدینگی
  • سیده مژگان بهشتی مسئله گو، محمدعلی افشارکاظمی*، جلال حقیقت منفرد، علی رضاییان صفحات 65-87
    قیمت سهام تحت تاثیر عوامل بسیاری است،که کار پیش بینی را چالش برانگیز می کند. این پیش بینی اگر فقط داده های عددی یا اطلاعات متنی را در نظر بگیرد، اغلب بی اثر می شود. هدف این پژوهش ارایه یک روش پیش بینی قیمت روز آینده سهام بر اساس ساختار شبکه عصبی عمیق با استفاده از داده های قیمت، مجموعه ای از شاخص های فنی و سر تیتر اخبار به عنوان ورودی مدل است. برای این منظور از داده های سهام شاخص داوجونز و داده های خبری کانال ردیت استفاده شده است. از داده های سهام ویژگی های مبتنی بر شاخص فنی استخراج می شوند و داده های خبری توسط روش کوله کلمات به بردار ویژگی تبدیل می شوند و به شبکه حافظه کوتاه مدت ماندگار (LSTM) برای پیش بینی داده می شوند.از دقت به عنوان معیار ارزیابی عملکرد استفاده شده و آزمایش هایی بر روی دو مجموعه داده فقط عددی و فقط متنی برای ارزیابی استفاده همزمان دو منبع اطلاعاتی انجام پذیرفته است. همچنین ازسه شبکه ،SVM ، MLPوRNN برای ارزیابی مدل استفاده شده است. نتایج نشان می دهد که مدل LSTM بالاترین دقت پیش بینی 69.19% را با استفاده از اخبار و داده های مالی به دست آورده است. داده های خبری با دقت65.62% و داده های عددی با دقت51.89% می باشند.همچنین مدل LSTMدر مقایسه با شبکه های عصبی SVM وMLP و RNN از عملکرد بهتری برخوردار می باشد.
    کلیدواژگان: پیش بینی بازار سهام، پردازش زبان طبیعی، یادگیری عمیق، شاخص های فنی، حافظه طولانی کوتاه مدت
  • غلام عباس پایدار، مرتضی شفیعی*، فریبرز عوض زاده فتح، هاشم ولی پور صفحات 88-107
    انتخاب سیستم نظارتی کارآمد برای ارزیابی درماندگی مالی بانک ها اهمیت فراوانی دارد، به همین منظور یکی از مهم ترین سیستم های نظارتی که برای ارزیابی درماندگی مالی بانک ها استفاده می شود، سیستم نظارتی کملز می باشد که شامل شش شاخص؛ کفایت سرمایه، کیفیت دارایی ها، کیفیت مدیریت، کیفیت درآمدها، نقدینگی، حساسیت به ریسک بازار می شود. لذا در این پژوهش ملاک درماندگی مالی بانک ها شاخص های کملز می باشد؛ که در ابتدا به رتبه بندی 17 بانک پذیرفته شده در بورس اوراق بهادار تهران در سال مالی 1399 و تفکیک آن ها به گروه های سالم و درمانده مالی به وسیله شاخص های کملز پرداخته شد. سپس جهت پیش بینی درماندگی مالی بانک ها از مدل های، تحلیل پوششی داده ها و رگرسیون لجستیک استفاده شد و سپس با آزمون مقایسه زوجی (T) به بررسی دقت پیش بینی هر دو مدل پرداخته شد. درروش رگرسیون لجستیک، از مدل باینری با متد ForwardlR استفاده شد و درروش تحلیل پوششی داده ها نیز از مدل SBM با کاربردی متفاوت استفاده شد؛ که نتایج پژوهش نشان داد که دقت کلی مدل رگرسیون لجستیک از مدل تحلیل پوششی داده ها در ارزیابی درماندگی مالی بالاتر است و همچنین سیستم نظارتی کملز می تواند ارزیاب خوبی برای درماندگی مالی بانک ها باشد.
    کلیدواژگان: پیش بینی درماندگی مالی، تحلیل پوششی داده ها، رگرسیون لجستیک، شاخص های کملز، سیستم نظارت بانکی
  • مهشید پیوندی، مهدی زینالی*، مهدی صالحی، سیدعلی پایتختی اسکویی، یونس بادآور نهندی صفحات 108-130
    اوراق بهادار بیمه ای، به عنوان یکی از ابزارهای مدیریت ریسک مالی است. اوراق بهادار بیمه ای به گسترش ظرفیت بازار بیمه اتکایی کمک کرده است. و از آنجایی که عملکرد اوراق بهادار بیمه با چرخه اقتصادی ارتباطی ندارد، تنوع مفیدی برای پرتفوی سرمایه گذاری فراهم می کنند. با منتشر کردن اوراق بهادار بیمه ای می توان در مسیر توسعه متنوع صنعت خدمات مالی حرکت کرد. بنابراین پژوهش حاضر با هدف بررسی و ارایه الگو مدل سازی اوراق بهادارسازی بیمه در شرایط محیطی ایران انجام شده است.پژوهش حاضر از جمله تحقیقات اکتشافی می باشد. از این رو با متخصصان و صاحب نظران در اوراق بهادارسازی بیمه مصاحبه ای صورت گرفت و بر اساس تحلیل تم، محتوای مصاحبه ها تجزیه و تحلیل شد و مدل پیشنهادی ارایه گردید. بر اساس مدلی که به دست آمده، 10 عامل اصلی به عنوان عوامل موثر بر اوراق بهادارسازی بیمه شناسایی شدند. با استفاده از روش دلفی فازی، شاخص های استخراج شده اعتبار سنجی شدند. در گام بعدی با استفاده از روش دیمتل فازی اقدام به طراحی الگوی ارتباط بین عوامل در اوراق بهادار بیمه ای گردید.کلیدواژه ها: الگو اوراق بهادارسازی بیمه، شرایط محیطی ایران، تحلیل تم، بیمه اتکایی، اوراق بیمه فاجعه آمیز.
    کلیدواژگان: الگو اوراق بهادارسازی بیمه، شرایط محیطی ایران، تحلیل تم، بیمه اتکایی، اوراق بیمه فاجعه آمیز
  • هانیه قربانی، فرهاد حنیفی*، تیمور محمدی، غلامرضا زمردیان صفحات 131-146
    نرخ ارز، در بازارهای پولی بین المللی بر فعالیت اقتصادی، تجارت خارجی و ثروت بنگاه های اقتصادی تاثیر می گذارد. این پژوهش، با هدف بررسی و تحلیل اثر شوک های نرخ ارز بر سودآوری گروه های تولیدی صادرات محور، انجام شده است. در همین راستا، اطلاعات مربوط به متغیرهای نرخ ارز، مالیات، درآمد نفتی، صادرات و سودآوری 19 گروه تولیدی صادرات محور، از سال 1387 تا 1398 جمع آوری گردید و از الگوی خودرگرسیون برداری تابلویی (PanelVAR) با استفاده از روش گشتاورهای تعمیم یافته (GMM)، برای تحلیل داده ها استفاده گردیده است. نتایج تابع واکنش آنی نشان می دهد تکانه نرخ ارز، مالیات و درآمد نفتی بر متغیر سودآوری، در ابتدا اثر منفی ولی به مرور زمان، اثر مثبت خواهد داشت و بعد از چندین دوره نیز، کلا خنثی خواهد شد. اما تکانه صادرات، اثر مثبت بر سودآوری دارد. باتوجه به نتایج تجزیه واریانس میتوان گفت تکانه نرخ ارز به نسبت، قدرت توضیح دهندگی بیشتری برای تغییرات سودآوری دارد.
    کلیدواژگان: شوک نرخ ارز، سودآوری، روش خودرگرسیون برداری تابلویی، روش GMM
  • احمد داداش پور عمرانی، سیدعلی نبوی چاشمی*، عرفان معماریان صفحات 147-164
    آنچه تا به امروز در محاسبات مالی و در زمینه انتخاب سبد سهام عنوان شده به گونه ای است که سرمایه گذاری های موجود را از لحاظ درجه ریسک و بازده، به ترتیب اولویت بندی می نماید، تا سرمایه گذاران بتوانند با در نظر گرقتن امکانات مالی و میزان ریسک پذیریشان سبد سهام مطلوب خویش را تشکیل دهند. لذا، در این تحقیق، به ارایه یک مدل ریاضی چند هدفه بصورت چند زمانه برای اندازه گیری ریسک سبد سهام با ترکیب سنجه بازده با دو سنجه ریسک یعنی نیم واریانس و ارزش در معرض ریسک شرطی بهمراه محدودیت هزینه معاملاتی برای پانزده سهم از پنجاه سهام برتر دوره دوازده ماه منتهی به سال 1398 در بستر بازار سرمایه ایران پرداخته شده است. با توجه به جداول و نمودارهای بدست آمده از حل این نوع مدل به کمک برنامه ریزی دینامیک در زمان های مختلف سرمایه گذاری، شاهد نتایج بهتر در کارایی تصمیمات سرمایه گذاران با صرف هزینه و زمان کمتر و به تبع آن سوددآوری بیشتر سبد سهام، خواهیم بود.
    کلیدواژگان: برنامه ریزی چند هدفه، چندزمانه، هزینه معاملاتی، نیم واریانس، ارزش در معرض ریسک شرطی
  • سید بهروز رضوی*، ابراهیم عباسی صفحات 165-183
    هدف از پژوهش حاضر افزودن تکنیک یادگیری حساس به هزینه به مدل های پیش بینی ورشکستگی مبتنی بر داد ه های نامتوازن به منظورکاهش خطای نوع اول و افزایش معیار میانگین هندسی دقت است تا بتوان هزینه های طبقه بندی اشتباه شرکت های ورشکسته را بر ذینفعان کاهش داد. بدین منظور خطای نوع اول، خطای نوع دوم و معیار میانگین هندسی دقت مدل های پیش بینی ورشکستگی مبتنی بر یادگیری حساس به هزینه با مدل های پیش بینی ورشکستگی با داده به شدت نامتوازن مقایسه شدند، نمونه آماری شامل 1200 سال-شرکت در بازه زمانی سال 1380 الی سال 1399 شامل %90 شرکت های سالم و %10 شرکت های ورشکسته است، نتایج آزمون فرضیه ها بیانگر آن است که افزودن تکنیک یادگیری حساس به هزینه به مدل های پیش بینی ورشکستگی منجر به کاهش معنادار خطای نوع اول، افزایش معنادار خطای نوع دوم و افزایش معنادار معیار میانگین هندسی دقت مدل های مبتنی بر داده های نامتوازن در سطح اطمینان %95 شد، همچنین با افزایش مقدار هزینه طبقه بندی اشتباه شرکت های ورشکسته، خطای نوع اول روند نزولی و خطای نوع دوم روند صعودی و میانگین هندسی دقت روند صعودی دارند
    کلیدواژگان: پیش بینی ورشکستگی، داده های نامتوازن، یادگیری حساس به هزینه، نسبت های مالی، بهینه سازی جستجو شبکه ای
  • سیدحمیدرضا سادات شکرآب، فریدون اوحدی*، محسن صیقلی، میر فیض فلاح صفحات 184-206
    این پژوهش درصدد طراحی و ارایه الگویی مناسب به منظور پیش بینی ریسک سیستمی نقد شوندگی سهام شرکت ها در بازار سرمایه ایران است. در این راستا نمونه ای متشکل از داده های 486 شرکت پذیرفته شده در بورس و فرابورس در بازه زمانی ابتدای سال 1390 تا پایان 1398 انتخاب و سپس بر حسب ترکیبی از شاخص های نقدشوندگی و نوع فعالیت به 4 گروه تقسیم گردید و با استفاده از انواع مدل های گارچ چند متغیره و مقایسه آن ها، در نهایت مدل VAR(1)-DBEKK(1,2) به عنوان الگوی مناسب انتخاب شد. نتایج حاکی از وجود روابط معنادار میان شوک ها و نوسانات نقدشوندگی در بین کلیه زیربخش ها و تایید فرضیه اصلی پژوهش مبنی بر وجود ریسک سیستمی سهام شرکت ها در بازار سرمایه ایران داشت، به نحوی که پرتفوی سهام شرکت های" با نقد شوندگی پایین - بخش صنعت" و شرکت های "با نقدشوندگی پایین - بخش مالی" به ترتیب بیش ترین و کم ترین اثرات انتقال شوک نقدشوندگی را بر سایر پرتفوی ها و نیز پرتفوی "با نقدشوندگی بالا- بخش مالی" بیش ترین میزان پایداری در نوسانات شرطی و انتقال ریسک نقدشوندگی را به سایر پرتفوی ها داشت.
    کلیدواژگان: بحران مالی، ریسک نقدشوندگی، ریسک سیستمی، شاخص ریسک سیستمی نقدشوندگی، مدل های گارچ چند متغیره
  • صادق فیض اللهی* صفحات 207-230
    امروزه در پروژه هایی نفتی بهره گیری از روش های نوین مدیریت و زمان بندی پروژه امری اجتناب ناپذیر است. از طرفی، در مساله زمان بندی کلاسیک تمرکز بر روی موازنه زمان و هزینه انجام پروژه ها است که در چنین شرایطی یکی از راه حل های ممکن برای کوتاه کردن زمان اجرای پروژه، تسریع در انجام فعالیت ها است که این تسریع علاوه بر تحمیل هزینه بیشتر، می تواند بر کیفیت انجام و اثرات زیست محیطی نیز تاثیر بگذارد. از این رو در این مطالعه، اثرات زیست محیطی و کیفیت انجام فعالیت ها نیز به عنوان شاخص های جدید در مساله موازنه ی هزینه-زمان پروژه در نظر گرفته شد و مدل ریاضی جدیدی با چهار شاخص؛ هزینه، زمان، کیفیت انجام و اثرات زیست محیطی ارایه شده است. بر خلاف مدل های سنتی که در آنها تنها یک حالت اجرا برای انجام فعالیت ها و یک نوع رابطه پیش نیازی بین فعالیت ها مد نظر قرار می گرفت، حالت های اجرای فعالیت ها بصورت چند حالته و روابط وابستگی بین فعالیت ها از نوع روابط پیش نیازی تعمیم یافته است و لحاظ کردن این نوع روابط، مساله را به دنیای واقعی نزدیک تر می کند. به دلیل NP-hard بودن مساله در ابعاد بزرگ از الگوریتم های فرا ابتکاری برای حل مدل استفاده شد.
    کلیدواژگان: اثرات زیست محیطی، کیفیت پروژه، پیش نیازی تعمیم یافته، الگوریتم زنبور عسل، الگوریتم ژنتیک نامغلوب
  • سمیه محبی*، محمداسماعیل فدائی نژاد، محمد اصولیان، محمدرضا حمیدی زاده صفحات 231-251

    شاخص بورس یکی از عوامل موثر در سرمایه گذاری محسوب می شود. زیرا می تواند نشان دهنده وضعیت سلامت و روند تغییرات کلان اقتصادی یک کشور باشد. ویژگیهای متنوعی بر شاخص تاثیر می گذارند. ترکیبهای مختلف این ویژگی ها، یک فضای حالت گسترده ایجاد می کنند. از این رو، فراهم کردن یک مجموعه داده شامل همه این ترکیبها برای آموزش مدل پیش بینی شاخص بورس، غیرعملی است. در این پژوهش تلاش شده است پس از جمع آوری تعداد قابل توجهی از ویژگیهای موثر بر شاخص، روشی برای انتخاب ویژگیهای مناسب مدل پیش بینی شاخص بورس با هدف افزایش دقت پیش بینی ارایه شود. بدین منظور، از الگوریتم mRMR به عنوان الگوریتم پایه استفاده شده است. همچنین برای انتخاب مدل مناسب، به مقایسه تعدادی از پرکاربردترین مدلهای هوش مصنوعی در پیش بینی شاخص بورس اقدام شد و با توجه به نتایج حاصل شده، شبکه LSTM برای پیش بینی شاخص بورس انتخاب گردید. نتایج این مطالعه نشان می دهد که با استفاده از شبکه LSTM و روش پیشنهادی در گزینش ویژگیها، می توان با 8 ویژگی انتخابی به دقت بالایی در پیش بینی روزانه شاخص کل بورس اوراق بهادار تهران دست یافت. بطوری که میانگین درصد خطا حدود 2.66 محاسبه شده است.

    کلیدواژگان: پیش بینی شاخص بورس، انتخاب ویژگی، یادگیری عمیق، شبکه عصبی حافظه کوتاه مدت ماندگار
  • محمدامین منادی، امیرعباس نجفی* صفحات 252-270
    هدف از بهینه سازی سبد سرمایه گذاری، انتخاب ترکیبی بهینه از دارایی های مالی است که می بایست راهنمای سرمایه گذاران برای دستیابی به بالاترین بازده در برابر کمترین ریسک ممکن باشد. از سوی دیگر، یکی از عوامل کلیدی در تصمیم گیری های سبد سرمایه گذاری مربوط به پیش بینی قیمت سهام است. برای این کار بطور متداول از مدل های کلاسیک غیرخطی ریاضی و هوشمند مانند رگرسیون استفاده می شود. در مطالعه حاضر برای کاهش خطاهای پیش بینی، از مدل غیرخطی رگرسیون بردار پشتیبان با خروجی های متعدد استفاده شده است. برای نشان دادن کارایی مدل پیشنهادی از داده های شرکت های شاخص S&P500 در دوره زمانی 12/09/2016 تا 02/08/2021 استفاده شده است. نتایج نشان می دهد که انتخاب سبد سهام مبتنی بر پیش بینی به کمک رگرسیون بردار پشتیبان با خروجی چندگانه به دلیل در نظر گرفتن روابط بین خروجی ها به صورت همزمان از نظر معیار شارپ، عملکرد بهتری نسبت به انتخاب سبد سرمایه گذاری بر اساس پیش بینی با استفاده از روش رگرسیون دارد.
    کلیدواژگان: انتخاب سبد، پیش بینی قیمت سهام، رگرسیون بردار پشتیبان، خروجی چندگانه
  • محمد ندیری*، سید سجاد میری، جلال نادری صفحات 271-293

    ریسک سقوط سهام ازجمله نگرانی های اصلی فعالان بازارهای مالی است. بر اساس نظریه های مالی، توجه سرمایه گذاران خرد ازجمله عوامل تاثیرگذار بر ریسک سقوط قیمت سهام است. بر اساس تیوری مالی رفتاری (تیوری نمایندگی)، توجه سرمایه گذاران با ایجاد حباب قیمتی (کاهش عدم تقارن اطلاعاتی) ریسک سقوط سهام را افزایش (کاهش) می دهد. هدف این پژوهش بررسی تاثیر توجه سرمایه گذاران خرد بر اساس شاخص GSV بر ریسک سقوط قیمت سهام در بورس اوراق بهادار تهران است. همچنین با توجه نقش تعدیل کنندگی مالکیت نهادی و نیز کیفیت حسابرسی شرکت ها در رابطه بین توجه سرمایه گذاران و احتمال سقوط قیمت سهام، نقش این دو متغیر نیز در پژوهش بررسی گردیده است. قلمرو زمانی پژوهش سال 1398-1388 و نمونه پژوهش شامل 164 شرکت بورسی است. نتایج پژوهش با روش رگرسیونی داده های ترکیبی نشان می دهد که توجه سهامداران در دوره حال سبب افزایش ریسک سقوط سهام در دوره آتی می شود. همچنین رابطه بین سرمایه گذاران نهادی و ریسک سقوط سهام منفی و رابطه ای بین کیفیت حسابرسی شرکت ها و ریسک سقوط قیمت سهام شرکت ها وجود ندارد. همچنین دو متغیر مالکیت نهادی و کیفیت حسابرسی تاثیری بر رابطه بین توجه سرمایه گذاران خرد و سقوط قیمت سهام ندارند.

    کلیدواژگان: توجه سرمایه گذاران خرد، ریسک سقوط قیمت سهام، کیفیت حسابرسی، مالکیت نهادی
|
  • Mahmoud Kochakzadeh Tahamtan, Frydoon Rahnamay Roodposhti *, HAMIDREZA KORDLOUIE, Shadi Shahverdiani, Maziar Ghasemi Pages 1-23
    Organizations have been placed in a complex economic, technological, political and social environment and grow along with other businesses by trying to achieve their strategic goals. What is considered as one of the main components in business continuity is creating and maintaining the company's competitive advantage. This research measures expenses, actual cost, cash, and inventory strategies based on consistent decisions in industry group companies.In this research cost strategies, actual cost, cash and inventory have been measured based on similar decisions in industry group companies, among 114 companies accepted in the Tehran Stock Exchange and for the period 2014-2019, with a total of 624 observations are Available for research. In this research, variables were identified by using interviews with experts. The statistical method used in this research is the multivariate regression method using the panel data method. The results of research hypotheses show that the strategies of inventory, cost, cash and expenses in each company are significantly influenced by similar strategies of peer companies in their industry.
    Keywords: Cost Strategy, Cash Strategy, Inventory Strategy
  • Seyed Mohammad Reza Khatami, Gholam Reza Zomorodian *, Mir Feiz Fallah, Mehrzad Minouei Pages 24-47
    Trade and relations between countries are a necessary condition for the financial convergence. With this approach, the present study investigated the impact of the Iranian stock market on the stock market of Iran's trading partner in the MENA region. for this purpose, information about the total stock market index of selected countries was collected during September 2015 to June 2022 and index fluctuations calculated using wavelet analysis. Next, the VAR model was estimated and the Granger causality test was performed. Finally, the effect of the news on the country's stock market was investigated using GARCH models. The results of wavelet analysis showed that, the range of stock market fluctuations in MENA countries has increased. Based on the results of the VAR model and Granger causality test, Iran's stock market is unilaterally affected by fluctuations in the stock market of trading partner and OPEC member countries, including Kuwait, Oman, Qatar, Saudi Arabia, the United Arab Emirates, and Lebanon. However, there was no sign of Iran's stock market being affected by fluctuations in the stock market of Jordan, Bahrain, Egypt, Tunisia, and Morocco. Finally, the results of the conditional variance models indicate that the selected countries follow a similar asymmetric fluctuation pattern.
    Keywords: Stock market, MENA Region, Wavelet analysis, VAR model, GARCH Model
  • Nastaran Sarvipour, Fatemeh Samadi * Pages 48-64
    The aim of the current research is to optimize the multivariate portfolio optimization algorithms under illiquid market (commodity and financial) perspective. In this regard, an optimization model for portfolio risk-return assessment with LVaR constraints is investigated using reasonable financial and operational scenarios. This approach is achieved by minimizing LVaR. The research method is descriptive and correlational. The statistical population is the companies admitted to the Tehran stock exchange, which were selected by systematic elimination sampling (screening) of 100 companies that were present in the stock exchange during the financial years of 1392-1399.The required information was extracted through the new Rah Avard software and the official website related to the Tehran Stock Exchange Organization. The unit root test of the variables was investigated using the method of Lin and Chui, and the basics of econometrics were discussed, and the variables were investigated using the vector auto-regression method (VAR) using Eviews and MATLAB statistical software. Based on the results, it can be said; Liquidity affects commodity and financial markets. Also, the effect of optimization algorithms and modeling techniques on portfolio management and risk assessment was confirmed
    Keywords: Liquidity Risk, Portfolio optimization, portfolio management, risk management, Value at Risk, value at risk adjusted for liquidity
  • Seyyedeh Mozhgan Beheshti Masalegou, Mohammad Ali Afshar Kazemi *, Jalal Haghighat Monfared, Ali Rezaeian Pages 65-87
    Stock prices are influenced by many factors, making forecasting challenging. This prediction is often ineffective if it only considers numerical data or textual information. This research aims to provide a method of forecasting the future price of stocks based on the structure of a deep neural network using price data, a set of technical indicators, and news headlines as input to the model. For this purpose, Dow Jones stock data and Reddit channel news data have been used. Technical features are extracted from the stock data, and the news data are converted into a feature vector by the Bag of Words method and fed into the Long-Short term memory network for prediction. Accuracy is used as a performance evaluation measure and experiments on two data sets. The only numerical and only text has been used to evaluate the simultaneous use of two information sources. Also, three networks, SVM, MLP, and RNN, have been used to evaluate the model. The results show that the LSTM model achieved the highest prediction accuracy of 69.19% using news and financial data. News data is 65.62% accurate, and numerical data is 51.89%. Also, the LSTM model performs better than SVM, MLP, and RNN neural networks.
    Keywords: Stock market prediction, natural language processing, deep learning, technical indicators, Long Short Term Memory
  • Gholam Abbas Paidar, Morteza Shafiee *, Fariborz Avazzadeh Fath, Hashem Valipoor Pages 88-107
    It is very important to choose an efficient monitoring system to assess the financial distress of banks, therefore, one of the most important monitoring systems used to assess the financial distress of banks is the CAMELS monitoring system. Which includes six indicators; Capital adequacy, asset quality, management quality, revenue quality, liquidity, market risk sensitivity. Therefore, in this study, the criterion of financial helplessness of banks is CAMELS indicators. Initially, 17 banks listed on the Tehran Stock Exchange in the fiscal year 1399 were ranked and divided into healthy and helpless financial groups by CAMELS indicators. Then, models, Data Envelopment Analysis and logistic Regression were used to predict the financial distress of banks. Then, with the pairwise comparison test (T), the prediction accuracy of both models was investigated. In logistic regression method, binary model with ForwardlR method was used. And in data envelopment analysis method, SBM model with different application was used. The results showed that the overall accuracy of the logistic regression model is higher than the data envelopment analysis model in assessing financial distress and also the CAMELS monitoring system can be a good assessor for banks' financial distress.
    Keywords: Financial Distress Forecast, Data envelopment analysis, Logistic regression, CAMELS indicators, Banking Supervision System
  • Mahshid Peyvandi, Mehdi Zeynali *, Mehdi Salehi, Ali Paytakhti Oskooe, Younes Badavar Nahandi Pages 108-130
    Presenting a Model of Insurance_Linked Securitisation using Fuzzy Delphi method and Dematel Technique in Iranian Environmental ConditionsAbstractInsurance_Linked Securities are one of the financial risk management tools. Insurance_Linked Securitiesh has helped to expand the capacity of the reinsurance market, and because Insurance_Linked Securities performance is considered to be uncorrelater with the economic cycle, they provid helpful diversification for investment portfolios. With the publish of insurance securities, it is possible to move in the direction of diverse development of the financial services industry. Therefore, the present study was conducted to review and develop a model of insurance securitisation in Iran.The present study is a type of exploratory researches. Therefore, experts and commentators in insurance securities were interviewed. Second, based on the theme analysis, the content of the interviews was analysed, and a proposed model was developed. The extracted indicators were validated using the Fuzzy Delphi method. In the next step The model of communication between factors in insurance securities was designed.using Fuzzy Dematel method.Keywords: Insurance Linked Securitisation model, Iran’s environmental conditions, theme analysis, reinsurance. Catastrophic Insurance Bonds.
    Keywords: Insurance Linked Securitisation model, Iran’s environmental conditions, Theme Analysis, reinsurance. Catastrophic Insurance Bonds
  • Hanieh Ghorbani, Farhad Hanifi *, Teimour Mohammadi, Gholamreza Zomorodian Pages 131-146
    The exchange rate affects the economic activity, foreign trade and wealth of economic enterprises. The aim of this study is to explain a model to investigate the effect of exchange rate shocks on the profitability of export-oriented production groups. In this regard, the data on exchange rate, tax, oil revenue, export and profitability were collected for 19 export-oriented production groups from 2008 to 2019. To achieve the research goal, the Panel Vector Autoregressive Model (PANEL VAR) using the generalized method of moments (GMM) was used to analyze the data. The results of the the Impulse Response Function show that the effect of exchange rate volatility, tax and oil revenue on the profitability variable is initially negative, but has a positive effect over time and is neutralized after several periods. But, the export impulse has positive effect on profitability. According to the results of variance decomposition, it can be said that the exchange rate fluctuations have more explanatory power for profitability fluctuations.
    Keywords: Exchange Rate Shocks, profitability, Panel VAR, GMM Method
  • Ahmad Dadashpour Omrani, Syed Ali Nabavi Chashmi *, Erfan Memarian Pages 147-164
    What has been said so far in the financial calculations and in the field of stock portfolio selection is that it prioritizes the existing investments in terms of degree of risk and return, so that investors can, considering the financial possibilities and Their risk level to form their preferred stock portfolio. Therefore, in this research, to present a multi-objective mathematical model for measuring stock portfolio risk by combining return metrics with two risk metrics, namely half variance and conditional risk exposure value along with transaction cost limit for fifteen shares of the top fifty stocks. The period of twelve months ending in 1398 has been discussed in the context of the Iranian capital market. According to the tables and graphs obtained from solving this type of model with the help of dynamic planning in different investment times, we will see better results in the efficiency of investors' decisions by spending less time and money and consequently more profitability of the portfolio.
    Keywords: Multi-objective planning, multi-time, Transaction cost, half-variance, conditional risk value
  • Seyed Behrooz Razavi *, Ebrahim Abbasi Pages 165-183
    This study aimed to add cost-sensitive learning technique to imbalanced data-based bankruptcy prediction models in order to reduce type I error and increase the geometric mean criterion of overall accuracy to reduce the misclassification costs of bankrupt companies for stakeholders. For this purpose, type I error, type II error, and the geometric mean of overall accuracy of bankruptcy models based on cost-sensitive learning were compared with bankruptcy prediction models with highly imbalanced datasets. The statistical sample included 1200 year-companies since 2001- 2020, consisting of 90% healthy companies and 10% bankrupt companies. Hypotheses test results showed that adding a cost-sensitive learning technique to the bankruptcy prediction models led to a significant decrease in the type I error, a significant increase in the type II error, and a significant increase in geometric mean of accuracy of imbalanced data-based models at 95% confidence level. Also, with the increase in the misclassification cost of bankrupt companies, type I error had a downward trend and the II type error had an upward trend, and the geometric mean of accuracy had an upward trend.
    Keywords: Bankruptcy Prediction, Imbalanced datasets, cost-sensitive learning, Financial ratios, Grid search optimization
  • Seied Hamid Reza Sadat Shekarab, Fereydon Ohadi *, Mohsen Seighaly, Mirfaze Fallah Pages 184-206
    This research aims to model and present an appropriate pattern in order to forecast systemic liquidity risk of corporate stocks in capital market of Iran. For this purpose, 486 listed companies in Tehran stock exchange and OTC from 2011 to 2020 were sampled and then the companies were divided into four groups (portfolios) according to combination of indicators and types of activites of companies. Then by using types of multivariate GARCH models and comparing them, finanlly the VAR(1)-DBEKK(1,2) was selected as an optimum pattern . The results of research showed significant relationships among of liquidity shocks and volatilities with all of subsections, and consequently the main hypothesis based on “presence of systemic liquidity risk of corporate stocks in capital market of Iran” was accepted. In a way that the portfolios of company stocks with a “low level of liquidity- industry section” and “low level of liquidity- financial section” respectively had maximum and minimum liquidity shocks transmission of effects on future returns of the other portfolios, as well as the portfolio with a “high level of liquidity- financial section” had maximum volatility persistence and liquidity risk transmission to other portfolios.
    Keywords: Financial Crisis, Liquidity risk, Systemic risk, systemic liquidity risk indicator(SLRI), multivariate GARCH models
  • Sadegh Feizollahi * Pages 207-230
    Today, the use of new methods of project management and scheduling is an inevitable matter in oil projects. On the other hand, in classic scheduling case, the focus is on balance between time and cost of carrying out projects, which in such a situation, one of possible solutions to shorten time of implementing project is to accelerate activities. In addition to imposing more costs, this acceleration can also affect the quality of performance and environmental effects. Therefore, in this study, the environmental effects and the quality of the activities were also considered as new indicators the cost-time balancing issue of the project. A new mathematical model with four indicators; cost, time, performance quality and environmental effects are provided. Unlike the traditional models in which only one execution mode was considered to perform the activities and one type of prerequisite relationship between the activities, the execution modes of the activities are multi-mode and the dependency relationships between the activities are generalized from the type of prerequisite relationships and including these types of relationships, brings the issue closer to the real world. Because the problem is NP-hard in large dimensions, meta-heuristic algorithms were used to solve the model.
    Keywords: Environmental Effects, Project quality, Generalized pre-requisites, Bee algorithm, non-dominated genetic algorithm
  • Somayeh Mohebi *, Mohammad Esmaeil Fadaeinejad, Mohammad Osoolian, Mohammad Reza Hamidizadeh Pages 231-251

    The stock market index is one of the effective features in investment because it can well reflect the health status and macro change trend of a country’s economic development. Various features affect the stock index. The various combinations of these features create a wide state space. Hence, it is impractical to provide a data set containing all these combinations to train the stock index prediction model. in this research, an attempt has been made, after collecting a significant number of effective features on the index, to provide a method for selecting appropriate features for the stock index prediction model with aim of increasing prediction accuracy. For this purpose, the mRMR algorithm is used as the basic algorithm. Also, to select the appropriate model, a number of the most applicable artificial intelligence models for predicting the stock index were compared and according to the results, the LSTM network was selected to predict the stock index. The results of this study show that using the LSTM network and the proposed method in selecting features, with 8 selected features, high accuracy can be achieved in the daily prediction of the Tehran Stock Exchange Index. So that MPE is calculated to be about 2.66,

    Keywords: Stock Index Prediction. Feature Selection, Deep Learning, Long Short-Term Memory
  • Mohammad Amin Monadi, Amirabbas Najafi * Pages 252-270
    The purpose of portfolio optimization is to select an optimal combination of financial assets, which should be a guide for investors to achieve the highest returns against the lowest possible risk. On the other hand, one of the key factors in portfolio optimization decisions is related to predict the stock prices. To do this, classical nonlinear mathematical and intelligent models such as regression are commonly used. In the present study, a nonlinear model of support vector regression with multiple outputs is applied to reduce the prediction errors. To show the effectiveness of the proposed model, the data of S & P500 index companies in the period 12/09/2016 to 02/08/2021 is used. The results show that the selection of a portfolio based on prediction using multiple vector backup regression due to considering the relationships between outputs simultaneously in terms of Sharp criteria has a better performance than the selection of portfolio based on prediction using regression method.
    Keywords: Portfolio Selection, stock price prediction, Support Vector Regression, Multiple output
  • Mohammad Nadiri *, Seid Sajad Miri, Jalal Naderi Pages 271-293

    The stock price crash risk is one of the main concerns of financial market participants. According to financial theories, Retail investor attention is one of the factors affecting the stock price crash risk. This study investigates the effect of retail- investors' attention based on the GSV index on the stock price crash risk in the Tehran Stock Exchange. Also, considering the moderating role of institutional ownership and the quality of companies 'audits in the relationship between investors' attention and the probability of stock price crashes, the role of these two variables has been investigated in the study. The research period was 2009-2020 and the sample included 164 companies. The study's results using the panel data regression approach indicate that investors' attention in the current period increases the risk of a stock price crash in the subsequent period. Also, there is a negative relationship between institutional shareholders and the stock price crash risk in the next period and there is no relationship between the quality of companies' audits and the stock price crash risk of companies in the next period. Also, institutional ownership and audit quality do not affect the relationship between retail-investor attention and stock crash risk.

    Keywords: Retail-investor attention, stock price Crash risk, Audit Quality, Institutional Ownership