ناصر شمس قارنه

ریسک اعتباری، ریسکی است که ناشی از نکول یا کوتاهی وام گیرندهدر قرارداد است. در پیشینه پژوهش مطالعات زیادی از قیمت گذاری اختیار برای ارزیابی و تحلیل ریسک اعتباری استفاده کرده اند و بر اساس نوسان پذیری دارایی ها، فاصله تا نکول و به طور جامع تر احتمال نکول، شرکت ها را رتبه بندی کرده اند. در این مقاله از رویکرد جدیدی برای قیمت گذاری اختیار استفاده می شود. در این رویکرد ضمن برآورد نوسان پذیری دارایی های شرکت بدون حلّ معادلات همزمانی بلک- شولز- مرتون، از زمان تا سررسید تعدیل یافته بدهی شرکت ها یا دیرش استفاده می شود. مجموعه داده های این پژوهش شامل 5670 شرکت از شرکت های فعال در بازار ایالات متحده طی دوره 2001 تا 2013 است. پس از رتبه بندی شرکت ها و ترسیم منحنی ROC رویکرد این پژوهش و رویکرد پایه ای بلک- شولز- مرتون و رویکرد BhSh، نتیجه گرفته شد که رویکرد این مقاله، دقّت نسبتاً بالایی دارد. همچنین این پژوهش یک تحلیل مبتنی بر ریسک برای اثرات متغیرهای اختیار و سایر متغیرهای بازاری فراهم می کند.

این پژوهش به ارایه معیاری کمی برای حد بهینه متنوع سازی در سبد صندوق های سرمایه گذاری بخشی می پردازد، لذا ابتدا صندوق های سرمایه گذاری مشترک موجود در جامعه آماری را به ازای همه حالت های 0 تا 100 درصدی برای نسبت پنج سهم با وزن بیشتر به کل دارایی صندوق به دو دسته بخشی و غیربخشی تقسیم می کند. سپس درصدی که بیشترین اختلاف نسبت ریسک به بازده بین سبد صندوق های بخشی و سبد صندوق های غیربخشی را حاصل می کند، به عنوان میزان بهینه تنوع سهم های موجود در سبد صندوق های سرمایه گذاری بخشی پیشنهاد می نماید.

هدف این مقاله، ارائه الگوی نوسان بازده میان شاخص بازار های بورس و فرابورس و تحلیل این روند می پردازد و در این راستا، ثابت بودن همبستگی شرطی دو شاخص مزبور مورد بررسی قرار می گیرد. این دو شاخص مربوط به بازار بورس و فرابورس بوده که براساس معیارهایی از جمله رتبه بندی اعتباری، اندازه شرکت، میزان شناور بودن سهام و نقدشوندگی، شفافیت و اطلاع رسانی و تداوم سودآوری است. در این مقاله از مدل گارچ دومتغیره برای محاسبه همبستگی میان بازده شاخص های سهام و بررسی فرض ثبات همبستگی شرطی میان دو سری زمانی استفاده می شود. جهت بررسی فرض صفر مبنی بر وجود همبستگی شرطی ثابت، از تست آماری ماتریس اطلاعات استفاده خواهیم کرد. نتایج این تحقیق، فرض ثابت بودن همبستگی شرطی با گذر زمان را رد می کند. همچنین با بررسی بازده روزانه، روز شنبه، دارای بیشترین بازده و ریسک کمتری بوده و مناسب ترین زمان جهت انجام معاملات می باشد. با توجه به شرایط ایجاد شده در بازار سرمایه طی سال های اخیر و ریسک ناشی از سرمایه گذاری در بورس، پس از بررسی بازده ماهانه، به ترتیب در دو بازار، ماه های فروردین و مرداد، بیشترین بازده را داشته و به طور کلی فصل های بهار و تابستان زمان مناسب تری برای معاملات می باشد. که این نتایج نشان دهنده عدم ثبات بازار سرمایه در طول سال بوده و باعث ایجاد مخاطرات گوناگون و رفتار هیجانی سهامداران در خرید و فروش سهام شده است که خود تبعات اقتصادی و معضلات فراوانی را ایجاد می نمایاند.

اگر چه متنوع سازی مناسب در سبد سرمایه گذاری از جمله مهم ترین ویژگی های صندوق های سرمایه گذاری مشترک است اما امروزه با ظهور صندوق هایی روبرو هستیم که با تمرکز بیشتر در یک صنعت و به تبع آن کاهش هزینه ها و افزایش ریسک، بازدهی های بیشتر را به مشتریان خود پیشنهاد می کنند. در ادبیات موضوع تعریف کمی دقیق و مناسبی برای تعیین بخشی بودن صندوق های سرمایه گذاری مشترک و توضیح کارکرد و هدف این نوع خاص از صندوق ها، ارائه نگردیده است. این مقاله ابتدا با تعریف یک درخت تصمیم، صندوق های سرمایه گذاری مشترک موجود در جامعه آماری را به چهار گروه تقسیم و با ساخت سبدی از صندوق های موجود در هر گروه و رسم منحنی کارایی برای هر گروه، افزایش بازده و ریسک در گذار به ویژگی بخشی بودن را نشان می دهد. در آخر با محاسبه بتا و نوسان پذیری به عنوان معیارهایی از ریسک برای نمونه ای از صندوق های موجود در هر گروه، نشان می دهد که ویژگی بخشی بودن باعث افزایش ریسک و به ویژه ریسک غیرسیستماتیک می گردد.

از جمله مخاطرات پیش روی سرمایهگذاران هنگام ورود به بازار سرمایه، ریسک سقوط قیمت سهام است. در پژوهش حاضر با مشاهده 115 شرکت در «بورس اوراق بهادار تهران» در بازه زمانی سالهای 1380 تا 1395، انتخاب 26 شرکت یا 416 شرکت- سال از میان آنها و همچنین بررسی 75016 قیمت در روزهای کاری، ارتباط بین ریسک سقوط قیمت سهام با ساختار گزارشهای مالی شرکتها آزمون شد. نتایج پژوهش نشان داد، ارتباط معناداری بین ریسک سقوط قیمت سهام با ساختار گزارشهای مالی شرکتها وجود دارد؛ بدین معنی که هر چه گزارشهای مالی شرکتها محافظهکارانهتر تهیه شده باشد، ریسک سقوط قیمت آنها کاهش خواهد یافت؛ همچنین با تفکیک بازده قیمت به دو بخش «بازده ناشی از فعالیت شرکت» و «بازده ناشی از ریسک سیستماتیک بازار» در سطح اطمینان 95 درصد، پژوهش حاضر نشان داد که قسمت قابلتوجهی از بازده در دوره یادشده، ناشی از تغییرات ریسک سیستماتیک بازار (یا تغییرات عواملی همچون نرخ ارز و تورم) بوده است. بازده پایین ناشی از فعالیت شرکت سبب تمایل مدیران به اغراق در وضعیت مالی شرکتها میشود؛ بهعبارتدیگر یکی از اهداف مدیران در تهیه صورتهای مالی بهصورت غیرمحافظهکارانه، برجستهکردن نقش فعالیت خود در بازده کل حاصلشده است.

چکیده متنوع سازی سبد یکی از مهم ترین ویژگی های صندوق های سرمایه گذاری مشترک [1]است؛ اما امروزه در اقتصاد، صندوق های بخشی [2]با کاهش متنوع سازی و تمرکز در چند صنعت، بازدهی های بیشتر را به مشتریان خود پیشنهاد می کنند. در مبانی نظری، تعریف کمی و دقیقی برای صندوق های سرمایه گذاری بخشی ارائه نشده است. در این پژوهش، ابتدا با استفاده از یک درخت تصمیم، صندوق های سرمایه گذاری مشترک ایران از نظر ویژگی بخشی بودن به چهار گروه تقسیم و با ساخت سبدی از صندوق های [3]موجود در هر گروه و رسم منحنی کارایی [4]سبد نهایی هر گروه، تاثیر ویژگی بخشی بودن بر بازده و ریسک صندوق ها تبیین شده است. سپس، با استفاده از تحلیل رگرسیون ویژگی های بخشی بودن، نگهداری وجه نقد کمتر و اندازه صندوق بزرگ تر به عنوان عوامل موثر بر بازده صندوق های سرمایه گذاری مشترک تعیین شده اند. در آخر، با تحلیل ضرایب به دست آمده، گروه دوم از درخت، دارای بیشترین تاثیر بر افزایش بازده بوده و مبنای ارائه تعریف صندوق های بخشی در اقتصاد ایران قرار گرفته است. طبق این تعریف، صندوقی در اقتصاد ایران، صندوق بخشی است که بیش از بیست درصد سرمایه خود را در دو صنعت سرمایه گذاری کند. تاریخ دریافت مقاله: 12/03/1391، تاریخ پذیرش مقاله: 24/04/1392 * دانشیار، دانشگاه صنعتی امیرکبیر. ** دانشجوی دکتری، دانشگاه صنعتی امیرکبیر . E-mail: Shahabshahlaei@gmail.com *** استادیار، دانشگاه صنعتی امیرکبیر. **** دانشیار، دانشگاه صنعتی امیرکبیر. 1. Mutual Funds 2. Sector Funds 3. Fund of Funds 4. Efficient Frontier

پژوهش حاضر با هدف حل مسئله تخصیص منابع انسانی به صورت یکپارچه و بهینه در شرایط عادی و بحرانی با استفاده از یک روش تلفیقی نوین متاهیوریستیک- فازی انجام شده است. روش حل شامل مدل ریاضی مسئله تخصیص و تلفیقی از الگوریتم فراابتکاری GWO و مدل استنتاج فازی سوگنو بوده است. در این پژوهش از مدل استنتاج فازی سوگنو در لایه تنظیم نرخ ارسال وظایف برای اضافه کردن قابلیت خودتنظیمی پارامترها به الگوریتم بهینه سازی گرگ خاکستری برای حل مسئله استفاده شده است. پس از آماده سازی الگوریتم توسعه یافته نوین، مسئله تخصیص منابع انسانی قبل و بعد از شرایط بحرانی و زمان وقوع بحران با این الگوریتم حل از راه داده های پژوهش های برجسته پیشین، حل شده است. مقایسه نتایج این پژوهش با نتایج 5 روش برتر در پژوهش های قبلی (SGA، PRS، SRS، MIP، HM) بر مبنای سه روش ارزیابی کیفیت حل ها (GA-FSGS، MP-FSGS، GA-SGS) نشان داد که افزایش Ω از 15000 به 25000 موجب بهبود مقادیر HM و SGA نسبت به پژوهش های قبلی در مجموعه داده های B100 و B200 شده است. همچنین مشخص شد که روش پیشنهادی در مقایسه با روش های حل پیشین و کیفیت راه حل های آنها، نتایج بهتر و کیفیت راه حل بالاتری دارد.

هدف: هدف از اجرای این پژوهش، بررسی تأثیر رشد اقتصادی بر توسعه مالی (مقایسه کشورهای توسعه یافته و در حال توسعه) است.  روش: در این مطالعه با استفاده از داده های سالانه 2020-1990 به بررسی اثرگذاری متغیرهای شامل رشد اقتصادی، نرخ ارز، مصرف انرژی، هزینه های دولت، درجه باز بودن اقتصاد، تورم و درآمد سرانه بر توسعه مالی بازارمحور و بانک محور در 40 کشور در دو گروه درحال توسعه و توسعه یافته با استفاده از روش داده های تابلویی (Panel Data Method) پرداخته شده است.  یافته ها: نتایج نشان داد در کشورهای در حال توسعه رشد اقتصادی اثر مثبت و معناداری بر توسعه مالی بانک محور و بازار محور دارد که بیانگر رابطه مستقیم میان رشد اقتصادی و توسعه مالی کشورهای در حال توسعه است. نتایج در گروه کشورهای توسعه یافته بیانگر آن بود که رشد اقتصادی بر شاخص توسعه مالی بانک محور اثر مثبت و معناداری دارد، در حالی که بر شاخص توسعه مالی بازار محور اثر معناداری ندارد. همچنین نتایج آزمون علیت گرنجر نشان داد در کشورهای در حال توسعه رابطه علیت یک طرفه از رشد اقتصادی به شاخص توسعه مالی بانک محور برقرار است. نتایج این آزمون در گروه کشورهای توسعه یافته نشان داد بین رشد اقتصادی و شاخص توسعه مالی بانک محور رابطه علت و معلولی و دوطرفه برقرار است، در حالی که بین رشد اقتصادی و توسعه مالی بازار محور رابطه یک طرفه از توسعه مالی به سمت رشد اقتصادی برقرار است.  نتیجه گیری: نتایج پژوهش نشان می دهد رشد اقتصادی بر توسعه مالی اثر می گذارد. لذا می توان گفت بخش مالی یک کشور تنها در مرحله میانی مسیر رشد اقتصادی حرکت می کند و با رشد کامل اقتصاد توسعه می یابد. همچنین می توان اظهار کرد شاخص توسعه مالی بانک محور نتایج بهتری را نسبت به شاخص بازار محور نشان داده است.

هدف: یکی از مهم ترین اهداف سرمایه گذاران و معامله گران بازار های مالی شناخت رفتار قیمت سهام است. پیش بینی قیمت، می تواند به افراد در مورد خرید، فروش یا نگهداری سهام کمک کند تا با زمان بندی موثر معاملات، سود بالقوه را به حداکثر یا زیان را به حداقل برسانند. به دلیل رفتار غیر خطی قیمت و وابستگی آن به عوامل گوناگون پیش بینی قیمت کار دشواری است که برای مقابله با این چالش، در این پژوهش از مدل های یادگیری عمیق کمک گرفته می شود که زیر شاخه ای از مدل های یادگیری ماشین هستند. ساختار مدل های یادگیری عمیق به دلیل تمرکز بر روی تعداد لایه های بیشتر و استفاده از گره های به هم پیوسته (نورون ها) در مواجه با مقادیر زیادی داده عملکرد مناسبی دارند و به دلیل توانایی آن ها در شناخت الگو ها و روابط، امکان ارائه پیش بینی دقیق تری از قیمت ها را فراهم می کنند.روش: در این پژوهش، برای پیش بینی قیمت سهام در بازار بورس اوراق بهادار تهران از دو مدل پیشنهادی LSTM-CNN و CNN-LSTM به وسیله بهینه سازی هایپرپارامتر ها توسط الگوریتم PSO که یک الگوریتم بهینه سازی مبتنی بر جمعیت است و تکنیک های تقویت مدل شامل: آموزش خصمانه، مکانسیم توجه و بلوک باقی مانده استفاده شده است. این مدل ها با مدل های CNN،LSTM وCNN-LSTM مورد مقایسه قرار گرفته اند. جهت دستیابی به این هدف، داده های10سهم از تاریخ20 شهریور 1392 تا تاریخ20 شهریور 1402 مورد بررسی قرارگرفته است.داده های ورودی شامل: قیمت های تعدیل شده سهم، اندیکاتور ها، اسیلاتور ها، قیمت دلارآزاد آمریکا و نرخ تورم می باشد.یافته ها: مقایسه نتایج معیار های ارزیابی شامل چهار معیار RMSE، MAE، R-squared و MAPE نشان از عملکرد مطلوب  دو مدل پیشنهادی با سایر مدل ها می دهد. علاوه بر این، مدل پیشنهادی LSTM-CNN  توانسته بهترین عملکرد را به ثبت رساند. همچنین، بررسی نتایج دو مدل پیشنهادی، با و بدون الگوریتم PSO  مشخص کرد که این الگوریتم به بهینه سازی مدل ها کمک می کند. در نهایت، بررسی استراتژی های مبتنی بر مدل های پیشنهادی بر روی پنج سهم از پنج صنعت مختلف در چهار دوره زمانی نشان از عملکرد مالی برتر آن ها می دهد. به عبارت دیگر، مدل های پیشنهادیLSTM-CNN  و  CNN-LSTMتوانسته اند در معیار بازده مالی و نسبت شارپ در مقایسه با سایر استراتژی ها موفقیت مطلوبی به دست آورند که مدل پیشنهادیLSTM-CNN  مطلوب ترین عملکرد را به ثبت رسانده است.نتیجه گیری: هایپرپارامترها، پارامترهایی هستند بر روی خروجی مدل ها تاثیر دارند و با تغییر هرکدام از این هایپارامترها نتایج مختلفی به دست می آید که می تواند مناسب یا غیر مناسب باشند این پارامترها در طول آموزش یاد نمی گیرند و باید قبل از آموزش تنظیم شوند. طبق نتایج به دست آمده، بهینه سازی هایپرپارامترها، می تواند سهم را بر اساس رفتار آن سهم بهینه کند که این امر منجر به پیش بینی دقیق تر قیمت می شود. همچنین، با استفاده از مدلLSTM-CNN  استخراج ویژگی ها از داده ها  و شناسایی و درک وابستگی ها در ویژگی های استخراج شده به طور مناسب تری از CNN-LSTM صورت می گیرد که می تواند در بهبود دقت پیش بینی کمک کند.