اسعدالله رضایی

در ﺑﻬیﻨﻪ ﺳﺎزی سبد دارایی، ﻣﺴﺌﻠﻪ اﺻﻠی اﻧﺘﺨﺎب ﺑﻬیﻨﻪ دارایی ﻫﺎ و اوراق ﺑﻬﺎداری اﺳﺖ ﻛﻪ ﺑﺎ ﻣﻘﺪار ﻣﺸﺨﺼی ﺳﺮﻣﺎیﻪ ﻣی ﺗﻮان ﺗﻬیﻪ نمود. اﮔﺮ ﭼﻪ حداقل سازی ریﺴﻚ و حداکثرسازی ﺑﺎزده ﺳﺮﻣﺎیﻪ ﮔﺬاری ﺑﻪ ﻧﻈﺮ ﺳﺎده ﻣی رﺳﺪ، اﻣﺎ در ﻋﻤﻞ روش ﻫﺎی ﻣﺘﻌﺪدی ﺑﺮای ﺗﺸﻜیﻞ سبد ﺑﻬیﻨﻪ مطرح شده است. در سال 1950 هری مارکوئیتز مدل خود را ارائه کرد که در آن مسئله بهینه سازی سبد دارایی را به صورت یک مدل برنامه ریزی درجه دوم با هدف حداقل سازی واریانس مجموعه دارایی ها با این شرط که بازده مورد انتظار برابر با یک مقدار ثابت باشد، مطرح کرد. در این تحقیق مسئله بهینه سازی سه هدفه (یعنی حداکثرسازی بازده سبد سهام، حداقل سازی ریسک آن و تابع هدف سوم یعنی حداقل سازی تعداد دارایی ها یا سهام ها) مورد مطالعه قرار گرفته است. بر این اساس، سرمایه گذاران با پذیرش مقدار کمی ریسک و تقریباً همان مقدار بازده، سبدی را انتخاب می کنند که تعداد دارایی کمتر داشته باشد. برای این منظور در ابتدا از دو الگوریتم ژنتیک رتبه بندی نامغلوب (NSGA2) و الگوریتم تجمع ذرات چند هدفه (MOPSO) برای برآورد مدل دو هدفه حداقل واریانس و حداکثر بازده برای شناسایی الگوریتم بهتر مورد استفاده قرار گرفت. سپس با توجه به عملکرد بهتر الگوریتم MOPSO، از این الگوریتم برای برآورد مدل سه هدفه حداکثرسازی بازده سبد سهام، حداقل سازی ریسک و حداقل سازی تعداد سهام ها مورد استفاده قرار گرفت.

بانک ها نیز مانند سایر اشخاص، به دنبال بهینه کردن تخصیص منابع خود با توجه به دو معیار اصلی بازدهی و ریسک ناشی از آن می باشند. بنابراین برای بهینه سازی تخصیص منابع بانک ها، می توان تسهیلات اعطایی بانک ها به فعالیت ها و بخش های مختلف اقتصادی را به عنوان پرتفوی آن درنظر گرفته و سپس با توجه به ریسک و مخاطره موجود در هر یک از این بخش ها، اقدام به بهینه سازی آن کنیم. این بخش ها، شامل ۸ بخش کلی صنعت و معدن، بازرگانی، خدمات، مسکن، لیزینگ، کشاورزی، ارزی و سایر درنظر گرفته شده اند. برای این منظور، از یکی از ابزارهای پرکاربرد در بازار سهام، یعنی مدل مارکوئیتز استفاده خواهیم کرد. لذا در مطالعه حاضر، در چارچوب نظری مدل مارکوئیتز، از الگوی درآمد مورد انتظار- واریانس، برای تعیین پرتفوی بهینه بانک و بررسی عملکرد آن استفاده گردیده تا بتوان به گونه ای روشن تر، ترکیب بهینه سرمایه گذاری بانک در بخش های مختلف اقتصادی را مشخص کرد. در نهایت پس از مقایسه میان وزن های واقعی تسهیلات اعطایی در هر یک از بخش ها در سال ۹۲ و وزن های بهینه در این سال، اختلاف قابل توجه میان آن ها مشهود است. بر این اساس، بیش ترین شکاف و اختلاف میان وزن های واقعی و مقادیر بهینه در بین بخش های اقتصادی مربوط به بخش کشارزی است که با اختلاف ۱۳۴ درصدی همراه است. این رقم نشان دهنده ضعف شدید این بخش در بازگردانی تسهیلات دریافتی از بانک هاست که همین امر لزوم توجه بیشتر دولت و بانک مرکزی در حمایت از این بخش را نشان می دهد.  

ریسک بازار از عدم اطمینان در خصوص بازدهی آتی دارائی ها در بازار نشأت می گیرد. امروزه معیارهای مختلفی برای بررسی انواع ریسک مرتبط با بازار، سبدهای مختلف دارائی، صنایع و ... به کار می روند. اما هر چند این معیارهای مختلف، اطلاعات ارزشمندی را برای فعالان بازار به همراه می آورند، لیکن هر یک به تنهایی نمی توانند اطلاعات جامع و کاملی را در خصوص ریسک بازار و یا سبد سهام به دست دهند. به همین منظور، «ارزش در معرض خطر» که به اختصار VaR نامیده می شود، تلاشی است برای اینکه عدد معینی در خصوص ریسک بازار و یا سبد سهام به تحلیل گران و فعالان بازار ارائه کند. در این تحقیق از کلیه مدل های مبتنی بر واریانس ناهمسانی شرطی شامل GARCH، EGARCH، CGARCH، TARCH و GARCH-M و روش شبکه عصبی مصنوعی برای پیش بینی ارزش درمعرض خطر پرتفویی متشکل از 50 شرکت با نقدشوندگی بالا استفاده شده است. سپس نتایج به دست آمده با استفاده از آزمون های پوشش غیرشرطی کوپیک مورد بررسی قرار گرفت. در نهایت مدل شبکه عصبی در مقایسه با سایر روش های مبتنی بر واریانس ناهمسانی شرطی، عملکرد بهتری را بر اساس آزمون کوپیک داشته است.   Abstract Market risk is the result of  uncertainty about asset’s future returns in market.  Nowadays there are various criteria to evaluate the risk associated with market , stock’s  portfolio, industry,  …. But although these various criteria, have a valuable information for market agents, but not a single comprehensive information about the market risk or stock’s portfolio. For this purpose, "value at risk", offer a unique index of market risk or stock’s  portfolio for market’s agent. In this paper all of models based on autoregressive conditional heteroskedasticity (GARCH, EGARCH, CGARCH, TARCH, GARCH-M) and Artificial Neural Network  (ANN) method are used to forecasting value at risk for 50 company with high liquidity The results were analyzed using Kupiec Test. Finally Artificial Neural Network model has a better performance compared with other methods based on Kupiec Test.   

توزیع درآمد و نابرابری درآمد از جمله مباحث مهم مطرح شده در عرصه اقتصاد عمومی و توسعه است که همواره مورد توجه دولت ها و سیاستگزاران در جوامع مختلف بوده است و از سویی دیگر جهان در حال دگرگونی است و همسو با آن نقطه نظرها درباره نقش دولت در توسعه اقتصادی و اجتماعی در حال دگرگون شدن است. هدف از این پژوهش، بررسی اثر اندازه دولت بر توزیع درآمد در ایران می باشد. بر این اساس سعی شده از الگوی خود رگرسیون برداری (VAR) که شامل متغیرهای توزیع درآمد و اندازه دولت (سهم مخارج دولت از تولید ناخالص داخلی) و نیز سایر متغیرهای مهم کلان که بر توزیع درآمد تأثیرگذار هستند، نظیر نرخ رشد تولید ناخالص داخلی و نرخ تورم استفاده شود. در این پژوهش جهت برآورد مدل از داده های سال های 1390-1358 استفاده شده است. نتایج مدل نشان می دهد که افزایش اندازه دولت و نرخ تورم و نرخ رشد اقتصادی باعث بدتر شدن توزیع درآمد در این دوره زمانی در ایران (بعد از انقلاب) شده است. لذا دولت باید در جهت واگذاری فعالیت ها و کاهش تصدی گری خود گام بردارد و بیشتر به وظایف حاکمیتی و نظارتی بپردازد.

مطالعه بازار نفت و بررسی تقاضای نفت کشورهای عمده واردکننده نفت، یک نیاز عمده برای هدایت و راهبرد بازاریابی نفت در کشورهای صادرکننده نفت خام است. به طوری که تخمین تابع تقاضای کشورهای وارد کننده نفت و بررسی عوامل موثر بر تقاضای نفت آنها می تواند عامل مهمی در برنامه ریزی و سیاست گذاری کشورهای صادر کننده برای فروش نفت باشد. ایران نیز از این امر مستثنی نیست با توجه به اینکه ایران یکی از صادرکنندگان عمده نفت است و نفت بیشترین سهم را در صادرات داراست، پس این نیاز در ایران نیز احساس می شود و باعث شده در این زمینه کارهای متعددی انجام گیرد. لذا در این مقاله تقاضای نفت کشور هند که از خریداران عمده نفت خام ایران می باشد به عنوان یک کشور در حال توسعه مورد بررسی قرار می گیرد. برای این کار ابتدا متغیرهای مهم و تاثیر گذار بر تقاضای نفت مورد بررسی قرار می گیرد که این متغیرها شامل تولید ناخالص ملی، قیمت نفت خام و سهم بخش حمل و نقل و صنعت در تولید ناخالص داخلی می باشد. در این مقاله ابتدا ساختار بازار انر ژی کشور هند را بررسی نموده و سپس مدل مناسبی برای تقاضای نفت خام این کشور طراحی و پس از جمع آوری داده-ها و انجام آزمون های مانایی و همجمعی تابع مذکور برآورد می گردد. نتایج حاصل نشان می دهد که تمامی ضرایب علامت مورد انتظار تئوریک را دارند. کشش قیمتی 09/0 و کشش در آمدی 08/1 می باشد؛ متغیرهای صنعت، حمل و نقل و مصرف نفت دوره قبل معنادار نبودند.