رضا تهرانی

میزان قابلتوجه زیان مالی بالقوه ناشی از بازپرداخت نکردن تعهدهای وامگیرندگان است، و توسعه و بهبود روشهای اندازهگیری ریسک اعتباری برای کاهش زیان مالی ناشی از نکول وامگیرندگان به موضوعی اجتناب ناپذیر در ادبیات مالی تبدیل شده است. هدف مدلهای پیشبینی ورشکستگی، برآورد احتمال نکول شرکت یا شخص در یک دوره زمانی است. در پژوهش حاضر، از دادههای شرکتهای حاضر در بورس اوراق بهادار تهران و فرابورس در سالهای 1395-1370 استفاده می شود و با نمونهای از ۲۱۸ شرکت، الگوریتم کلونی مورچگان برای تعیین موثرترین عوامل ریسک اعتباری و روش شبکه عصبی بازشناسی الگو برای طبقهبندی و ارزیابی میزان دقت پیشبینی ورشکستگی استفاده می شود. نسبتهایی شامل سود قبل از بهره و مالیات به فروش کل، کل حقوق صاحبان سهام به کل بدهی، نسبت جاری، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارایی کل به عنوان موثرترین عوامل شناسایی می شوند. مدل نهایی قادر به پیشبینی وضعیت اعتباری شرکتها، با دقت بالاتری نسبت به متوسط دقت مدلهای متداول موجود با استفاده از دادههای سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است.

هدف این پژوهش ارائه مدلی برای پیش بینی هدف گیری سهام توسط معاملات بلوکی با استفاده از رگرسیون لجستیک می باشد. در این پژوهش ویژگی هایی مورد بررسی قرار می گیرد که در ارتباط با احتمال تبدیل شرکت ها به هدف معاملات بلوکی سهام هستند. برای این منظور داده-های مربوط به 117 شرکت عضو بورس اوراق بهادار تهران که هدف معاملات بلوکی با حجم معامله بالای 5 درصد قرار گرفته بودند و117 شرکت که هدف معاملات قرار نگرفته بودند، در دوره زمانی 1388-1396 انتخاب و با استفاده از روش لاجیت و پروبیت مورد بررسی قرار گرفتند. نتایج نشان داد اهرم مالی به صورت منفی بر فراوانیِ بلوک تجاری شدنِ شرکت ها تأثیر می گذارند. همچنین شرکت هایی که از جریان مالی آزاد و بالایی برخوردارند، دارای سهم بازار بالاتر، پراکندگی مالکیت بیشتر و نهادهای دولتی جزء سهام داران عمده آنها می باشند، احتمالاً به بلوک های تجاری تبدیل می شوند. در این پژوهش همچنین به مقایسه ای بین مدل ایجاد شده با رگرسیون لجستیک با سایر تکنیک های پیش بینی معروف، شبکه عصبی مصنوعی و شبکه های عصبی فازی گزارش شدند. نتایج نشان می دهند که رویکرد شبکه عصبی فازی در پیش بینی هدف گیری سهام در مقایسه با سایر تکنیک ها از دقت بالاتری برخوردار است.

هدف: در این پژوهش، با استفاده از تلفیق مدل های صاحب نظران، مدلی ابداع شده است که ریسک سیستمی و رتبه بندی صندوق های سرمایه گذاری را از دیدگاه بررسی بازدهی این صندوق ها می سنجد. روش: در این پژوهش مدل های LTD، SES، MES و CoVaR ریسک های سیستمی در صندوق سهامی در ایران بررسی شده و از طریق مدل تاپسیس با توجه به ترکیب روش های نام برده رتبه هر صندوق بر اساس ریسک سیستمی تعیین شده است. این پژوهش با استفاده از روش ترکیبی رگرسیون چندکی (کوانتیل) تاپسیس از روش های تصمیم گیری چندمعیاره به عنوان ابزاری برای تجزیه و تحلیل معیارهای انتخاب صندوق ها به دنبال پیشنهاد مدلی است تا بتواند حجم انبوه اطلاعات مربوط به صندوق های مختلف را تجزیه و تحلیل کرده و در راستای کاهش ریسک غیرسیستماتیک و انتخاب صندوق مناسب، روشی ارائه دهد. یافته ها: با توجه به موضوع مقاله که طراحی مدلی برای رتبه بندی صندوق ها است، در نهایت بر اساس مدل های ارائه شده مبتنی بر ارزیابی ریسک سیستمی روشی برای رتبه بندی ارائه شده که با داده های صندوق ها در بورس ایران با در نظر گرفتن معیارهای مطرح شده نتایج حاصل از این رتبه بندی نیز ارائه شده است. نتیجه گیری: نتیجه این پژوهش ارائه مدلی است که در آن، با استفاده از روش تحلیل ترکیبی رگرسیون چندکی (کوانتیل) تاپسیس، ریسک سیستمی با چهار مدل ارزش در معرض خطر شرطی (CoVaRΔ)، زیان مورد انتظار سیستمی (SES)، سهم حاشیه ای زیان مورد انتظار (MES) و وابستگی دنباله پایین (LTD) در صندوق ها ارزیابی شده و بیشترین تأثیر به کمترین تأثیر صندوق ها در سیستم مشخص شد.

پژوهش حاضر، ضمن انتخاب پرتفوی بهینه بر اساس مدل پیشنهادی در سه سناریوی سرمایه گذار پتانسیل پذیر و ریسک گریز، سرمایه گذار پتانسیل خنثی و ریسک گریز و سرمایه گذار پتانسیل گریز و ریسک گریز، کارایی آنها را با پرتفوی بهینه مبتنی بر مدل مارکویتز مقایسه نموده است. برای این منظور بازده ماهانه 50 شرکت فعال تر بورس اوراق بهادار تهران طی دوره هفت ساله 1397-1391 محاسبه، از معیار ارزش در معرض خطر (سنجه ریسک نامطلوب) و کوواریانس جزء بالا (سنجه پتانسیل مطلوب) و اطلاعات چهار سال برای ساخت مدل و تعیین مرز کارا استفاده نموده است. به گونه ای که در هر دوره با توجه به بازده ماه جدید و حذف قدیمی ترین بازده ماهانه ساخت مدل و تعیین مرز کارا به روزرسانی شده و این عمل برای 36 ماه داده آزمون مدل تکرار گردیده است. برای محاسبات آماری پارامترهای مدل از نرم افزار Eviews11، جهت حل مسئله درجه دو مدل مارکویتز از نرم افزار MATLAB، جهت حل برنامه ریزی غیرخطی مدل پیشنهادی از نرم افزار GAMS و به منظور آزمون فرضیه ها و مقایسه نتایج دو مدل از روش مطالعات طولی با اندازه گیری مکرر از نرم افزار آماری SPSS استفاده شده است. نتایج نشان داد روزآمدسازی مدل، مرز کارا و همچنین استفاده از معیار ارزش در معرض خطر و توجه به گرایش های سرمایه گذار از نظر تمایل به پتانسیل های مطلوب و ریسک گریزی منجر به بهبود کارایی پرتفوی بهینه می شود.

در این پژوهش همزمانی قیمت سهام با پوشش تحلیلگر و افشا اطلاعات طی سالهای 1390تا 1398 مورد بررسی و مقایسه قرار گرفته اند. جامعه آماری پژوهش را شرکت های پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران تشکیل می دهند. فرضیه های پژوهش از طریق معادله رگرسیون چند متغیره مورد آزمون قرار گرفته اند. فرضیه اصلی پژوهش در خصوص وجود رابطه بین همزمانی قیمت و پوشش تحلیلگر و افشا اطلاعات رابطه معنادار مثبت تایید شده است. سایر یافته ها حاکی از وجود یک رابطه معنادار مثبت بین همزمانی قیمت سهام با افشا اطلاعات و عدم رابطه بین پوشش تحلیلگر و همزمانی قیمت سهام می باشد. افزایش تعداد تحلیلگران از یک طرف و همزمان افزایش کمی اطلاعیه های منتشر شده شرکتهای مورد بررسی در سامانه کدال بیانگر مثبت شده ارتباط این دو متغیر با متغیر قیمت بوده است. به عبارتی هر اندازه همزمانی افزایش می یابد تعداد بیشتر اطلاعیه ها و افزایش تعداد تحلیلگران به همزمانی بیشتر قیمت سهام منجر خواهد شد.

نقدشوندگی مهم ترین جنبه توسعه بازار های سهام به شمار می رود. در این پژوههش اثر خصوصی سازی از طریق عرضه عمومی سهام شرکت های دولتی بر نقدشوندگی سهام در بورس اوراق بهادار تهران بررسی شده است. با توجه به سه معیار قابل اندازه گیری در واگذاری شرکت ها از طریق بورس، سه فرضیه بر حسب تعداد شرکت های خصوصی شده، تعداد سهام عرضه شده و ارزش ریالی واگذاری ها تدوین و تأثیر هر کدام بر نقدشوندگی سهام در بورس مورد آزمون قرار گرفته است. در پژوهش حاضر، درجه نقدشوندگی بورس تهران به عنوان متغیر وابسته به کار گرفته شده که با استفاده از دو معیار اندازه گیری نقدشوندگی شامل نسبت گردش معاملات و سنجه عدم نقدشوندگی آمیهود، نسبت به محاسبه آن اقدام شده است. در ضمن، محاسبه معیار آمیهود بر اساس بازده دو شاخص اصلی بورس تهران، شامل شاخص بازده نقدی و قیمت (تدپیکس) و شاخص کل قیمت (تپیکس)، صورت گرفته که به این ترتیب، مقادیر متغیر وابسته بر اساس دو مدل مجزا و در مجموع با استفاده از سه معیار کلی شامل: مدل مبتنی بر گردش معاملات، مدل مبتنی بر سنجه آمیهود بر اساس شاخص تپیکس و مدل مبتنی بر سنجه آمیهود بر اساس شاخص تدپیکس، محاسبه و در مدل سازی نهایی مورد استفاده قرار گرفته است. نتیجه کلی پژوهش بیانگر تأثیر قابل توجه و معنا دار انجام خصوصی سازی از طریق عرضه عمومی سهام شرکت های دولتی در بورس اوراق بهادار تهران بر توسعه و نقدشوندگی این بازار است.

مسئله انتخاب و بهینه سازی سبد سهام از مباحث مهم در حوزه سرمایه گذاری محسوب شده که موجب ارائه مدل های مختلفی جهت حل آن ها گردیده است. این قبیل مسائل غیر خطی و NP-Hard بوده و حل آن ها به روش دقیق بسیار مشکل و زمان بر است. با عنایت به اینکه روش های فرا ابتکاری قابلیت بالایی در حل مسئله بهینه سازی سبد سهام داشته، ازاین رو در این پژوهش با ارائه مدل میانگین – واریانس و نوعی از مدل میانگین - ارزش در معرض ریسک که در آن موضوع ارزش در معرض ریسک از منظری دیگر بررسی می گردد، و لحاظ محدودیت های دنیای واقعی، به حل مسئله بهینه سازی سبد سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم های ژنتیک رتبه بندی نامغلوب II،کلونی مورچگان چندهدفه و کلونی زنبور مصنوعی چندهدفه پرداخته و در همین راستا عملکرد الگوریتم ها و مدل های موردمطالعه، مقایسه و بررسی شده است. نتایج این مطالعه نشان می دهد، در تکرار پایین در اجرای الگوریتم های موردبررسی، عملکرد الگوریتم ژنتیک رتبه بندی نامغلوب II بهتر از الگوریتم های کلونی زنبور مصنوعی چندهدفه و کلونی مورچگان چندهدفه است. با افزایش تکرار، عملکرد الگوریتم ها بهبودیافته، لیکن نرخ بهبود عملکرد آن ها یکسان نیست ، به نوعی که عملکرد الگوریتم کلونی زنبور مصنوعی چندهدفه از دو الگوریتم دیگر موردمطالعه بهتر بوده است. برای مقایسه عملکرد مدل های موردمطالعه، هر دو مدل در الگوی استاندارد میانگین- واریانس مورد مقایسه قرار گرفت که نتایج آن حاکی از کارآمدی بالاتر معیار ارزش در معرض ریسک به نسبت معیار واریانس در بهینه سازی سبد سهام است.

هدف این مقاله بررسی عملکرد انتخاب پورتفولیوهای مبتنی بر ریسک تحت شرایط مختلف بازار می باشد.در این مطالعه عملکرد چهار استراتژی مبتنی بر ریسک: 1-وزن دهی برابر (EW)، 2- وزن دهی بر اساس ریسک برابر(ERC)، 3- بیشترین تنوع بخشی (MDP) و4-کمترین میانگین واریانس (GMV) برای دوره زمانی 1388-1395 و 30 شرکت برتر بورس اوراق بهادار مورد مقایسه قرار گرفته است. بدین منظور شرایط مختلف بازار ازجمله صعودی، نزولی و بازارهایی که دارای خاصیت بازگشت به میانگین هستند طبقه بندی می شوند. موضوع مورد بررسی در این مقاله این می باشد که آیایک استراتژی خاصی می تواند در تمامی شرایط بر سایر استراتژی ها برتری داشته باشد یا خیر. همچنین این استراتژی ها با شاخص بازار به عنوان نماینده سرمایه گذاری بازار و محبوبترین روش ساخت پورتفولیو مقایسه شد. برای رسیدن به این هدف از نسبت های شارپ پورتفولیوها، سورتینو و امگا استفاده شد و همچنین اختلاف نسبت شارپ که تفاوت نسبت شارپ هر یک از پورتفولیو های مبتنی بر ریسک با نسبت شارپ شاخص بازار است عملکرد آنها را با هم مقایسه کرد. برای بررسی ریسک نامطلوب استراتژی ها از معیارهای سنجش ریسک نامطلوب مانند VaRو CVaR استفاده شد. نتایج بدست آمده بیانگر این می باشد مدل GMV کمترین ریسکنامطلوب را در بین استراتژی ها داشته باشد.   This study evaluates the performance of risk-based portfolios under different market conditions. We compare four strategies, namely, the equally weighted portfolio (EW), the global minimum variance portfolio (GMV), the most diversified portfolio (MDP) and the equal risk contribution portfolio (ERC) for the 2009 - 2016 period and 30 top companies of the stock exchange. No single strategy consistently dominates the others, under different market conditions. As expected, the GMV has the least downside risk. Although there is no clear winner among the risk-based portfolios, there is evidence that they generally outperform the market capitalization based portfolio. These strategies are also compared with market index as market capitalization and the most popular way of making the portfolio. To achieve this goal, the portfolios of the portfoliosortinoand omega are used, as well as the difference between Sharpe ratios each of the risk - based portfolios with Sharpe ratio of the market index. To evaluate the adverse risk of strategy risk measurement measures such as VaR and CVaR were used. The results show that the GMV model has the least adverse risk among strategies.   Keywords: Risk-based portfolio, Most diversified portfolio, Equal risk contribution, Minimum variance portfolio, Sharpe ratio.   JEL Classification : G11, E22, L25, C33  

 مسئله بهینه سازی مارکویتز و تعیین مرز کارای سرمایه گذاری، هنگامی که وضعیت و محدودیت های دنیای واقعی در نظر گرفته شود، به سادگی با استفاده از شیوه های دقیق ریاضی، مانند برنامه ریزی درجه دوم، حل نمی شود. از سوی دیگر، اغلب مدیران ترجیح می دهند به جای مدیریت سبد بسیار بزرگ، سبد کوچکی از دارایی ها را اداره کنند. این مسئله را می توان به محدودیت های کاردینال، یعنی محدودیت های حداقل و حداکثر تعداد دارایی های سبد تشبیه کرد. پژوهش پیش رو با بهره مندی از الگوریتم فرا ابتکاری تبرید شبیه سازی شده، به حل مسئله بهینه سازی سبد با محدودیت های کاردینال پرداخته است. بدین منظور با استفاده از اطلاعات سهام پنجاه شرکت فعال تر در بورس اوراق بهادار تهران در فاصله زمانی اول فروردین 1389 تا پایان فروردین 1391، مرز کارای سبدهای مختلف 10 تا 50 سهمی ترسیم شده است. نتایج پژوهش موفقیت الگوریتم تبرید شبیه سازی شده را در حل مسئله فوق نشان می دهد. همچنین با انتخاب درست سهام و تعیین وزن های مناسب از آن، می توان سبد های کوچک تری که عملکرد مناسب تری دارند، انتخاب کرد.

افزایش میزان تقلب در گزارشگری مالی در سال های اخیر باعث عدم اعتماد سرمایه گذاران به بازار های سرمایه شده است. به همین علت پیش بینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیم گیری استفاده کنندگان صورت های مالی است. این پژوهش با ارائه یک مدل توسعه یافته بر مبنای مدل بنیش با تأکید بر متغیر های نظام راهبری شرکتی مشتمل بر ساختار کمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیش بینی مدیریت سود دارد. داده های 81 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم های کیهان شناسی سیاه چاله، مه بانگ – مه رمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های کیهان شناسی ازدحام ذرات کهکشانی، مه بانگ – مه رمب و سیاه چاله به ترتیب از 59/08 ، 63/49 و 57/5 درصد به 87/3، 79/72 و 74/25 درصد افزایش پیداکرده است که حاکی از بهبود قدرت پیش بینی مدل در کشف شرکت های دستکاری کننده سود است. در مدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاه چاله ومه بانگ-مه رمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطه شده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چند لایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی به 12/7 درصد کاهش یافته است.

هدف: بهینه سازی سبد سهام از مهم ترین مسائل سرمایه گذاری است. نخستین بار، هری مارکوویتز، ریسک را در این مسئله به کار برد. پس از آن، این موضوع از جنبه های مختلف از جمله معیارهای گوناگون ریسک، روش های بهینه سازی و در نظر گرفتن هزینه معاملات مورد بررسی گرفته است. در این پژوهش سعی بر این است که روش فراابتکاری دسته های میگو در بهینه سازی سبد سهام استفاده گردد و مزایای احتمالی آن بر شمرده شود. روش: در این پژوهش تلاش شده است به کمک الگوریتم جدید دسته های میگو، مسئله بهینه سازی سبد سهام حل شده و مرز کارا محاسبه شود. همچنین ریسک با سه معیار واریانس، نیم واریانس و ریزش مورد انتظار بررسی شده است. داده های این پژوهش، بازده های تعدیل شده سهام 50 شرکت فعال تر بورس از تاریخ 01/07/1391 تا 31/06/1396 است. یافته ها: در ابتدا مرزهای کارای پرتفوهای بهینه بر اساس معیارهای ریسک واریانس، نیم-واریانس و ریزش مورد انتظار رسم شده است. شباهت تقریبی سه مرز کارا، نشان از ثبات الگوریتم در یافتن آن دارد. سپس نسبت های شارپ به دست آمده از روش دسته های میگو با روش های رقابت استعماری و تجمعی ذرات مقایسه شده و مشاهده می شود که نسبت به آن ها ارجحیت دارد. نتیجه گیری: الگوریتم دسته های میگو در یافتن مرز کارا و پرتفوهای بهینه در مقایسه با سایر الگوریتم های مرسوم عملکرد بهتری داشته و می توان آن را جایگزین این روش ها کرد و به نتایجی مطلوب تر دست یافت.