جمال قاسمی

جمال قاسمی

مدرک تحصیلی: استادیار، عضو هیات علمی دانشگاه مازندران

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۵ مورد از کل ۵ مورد.
۱.

شناسایی عوامل موثر بر سقوط قیمت سهام ( مرور ادبیات)

تعداد بازدید : ۱۹ تعداد دانلود : ۷۶
هدف از انجام پژوهش حاضر، مروری بر مبانی نظری، نظریه های مربوط به خطر سقوط قیمت سهام و ادبیات موضوع در داخل کشور هست. این بررسی نشان داد که طی ده سال گذشته مطالعات زیادی در زمینه خطر سقوط قیمت سهام در داخل کشور انجام گرفته است و در اکثر مطالعات پیشین توجه اصلی بر روی عوامل مؤثر بر خطر سقوط قیمت سهام بوده و تحقیقات بسیار کمی در رابطه با روش مورداستفاده برای پیش بینی خطر سقوط قیمت سهام انجام شده است. همچنین از روش های مختلف اندازه گیری خطر سقوط قیمت سهام استفاده شده اما نتیجه گیری ها بر مبنای روش های مختلف اندازه گیری خطر سقوط قیمت سهام، به تفکیک بررسی نشده است. بررسی این مطالعات نشان می دهد که متغیرهایی مانند محافظه کاری، مدیریت سرمایه در گردش، سرمایه گذاران نهادی، کیفیت حسابرسی، انعطاف پذیری مالی، سودآوری، بازده دارایی ها، اندازه شرکت، نسبت ارزش دفتری به ارزش دفتری حقوق صاحبان سهام، نسبت کیوتو بین، تداوم انتخاب حسابرس، تخصص حسابرس در صنعت، مالکیت مدیریتی، استقلال اعضای هیأت مدیره، دوگانگی وظیفه رییس هیأت مدیره، بدهی های کوتاه مدت، سررسید بدهی، پرداخت سود سهام رابطه منفی و معنی داری وجود دارد. درحالی که بین عدم شفافیت اطلاعات مالی، ناهمگنی عقاید سرمایه گذاران، اظهارنظر تعدیل شده، تجدید سازمان، هزینه اختیاری غیرعادی، جریان های نقدی عملیاتی غیرعادی، مدیریت سود مبتنی بر اقلام تعهدی، نسبت اعضای غیرموظف هیأت مدیره، ضعف های عمده کنترل داخلی، نقدشوندگی، اطمینان بیش از حد مدیریتی، عدم تقارن اطلاعاتی، مراحل رشد و افول، اجتناب از مالیات، تمرکز مالکیت، راهبرد تجاری اکتشافی رابطه مثبت و معنی داری وجود دارد همچنین بین بازده حقوق صاحبان سهام و اهرم مالی، نسبت قیمت به سود هر سهم، میانگین بازده واقعی، با خطر سقوط قیمت سهام رابطه معنی داری وجود ندارد
۲.

طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد

تعداد بازدید : ۱۱ تعداد دانلود : ۲۱
شناسایی افراد با استعداد یکی از مهم ترین دغدغه ها و وظایف مدیران منابع انسانی در سازمانهاست. تحقیق حاضر به لحاظ هدف، کاربردی و از حیث روش توصیفی-پیمایشی است. با توجه به خلاء پژوهشی در حوزه شناسایی افراد با استعداد در پژوهش های گذشته، پژوهش حاضر با هدف شناسایی اعضای هیات علمی با استعداد تدوین شده است. برای این منظور از دو متغیر عملکرد(آموزشی و پژوهشی) و پتانسیل(توانایی فردی، آرزوهای شغلی و تعامل شغلی) اعضای هیات علمی استفاده شده است. جامعه آماری پژوهش حاضر 350 نفر از اعضای هیات علمی دانشگاه مازندران است که با استفاده از روش نمونه گیری هدفمند 110 نفر از اعضای هیات علمی به عنوان نمونه انتخاب شده اند. داده های مربوط به عملکرد آموزشی با همکاری دفتر نظارت ارزیابی و نظارت، تضمین کیفیت و داده های مربوط به عملکرد پژوهشی با همکاری معاونت پژوهشی دانشگاه تهیه شده است. برای سنجش توانایی اعضای هیات علمی از فرم ارزیابی مدل سی-ای بی(2005) و نیز برای ارزیابی آرزوهای شغلی و تعامل شغلی به ترتیب از دو پرسشنامه استاندارد نادی و همکاران(1389) و شافلی و همکاران(2006) استفاده شده است. روایی محتوا پرسشنامه ها توسط خبرگان و پایایی پرسشنامه آرزوهای شغلی(8/81) و تعامل شغلی(9/91) می باشد. بعد از خوشه بندی اولیه بر روی داده ها، سیستم استنتاج فازی با دو ورودی(عملکرد و پتانسیل) و یک خروجی(استعداد) در پنج سطح تعریف شده است. برای تجزیه و تحلیل داده ها از نرم افزار متلب(R2018b,v9) استفاده شده است. نتایج حاکی از آن است که بیشتر اعضای هیات علمی72/42 % در بخش "متوسط" قرار دارند. همچنین 82/11 % در بخش "خیلی کم"، 37/16 % در بخش "کم"، 45/25 % در بخش "زیاد" و 64/3 % در بخش "خیلی زیاد" قرار گرفتند
۳.

مروری برکاربرد الگوریتم های فراابتکاری در مباحث مالی

تعداد بازدید : ۱۰۹ تعداد دانلود : ۶۰
هدف از انجام پژوهش حاضر بررسی کاربرد الگوریتم ها ی فرا ابتکاری در حوزه مالی می باشد. الگوریتم های فر اابتکاری مورد مطالعه در این تحقیق شامل الگوریتم کلونی مورچگان، الگوریتم کرم شب تاب، الگوریتم زنبور عسل، الگوریتم تجمعی ذرات، الگوریتم جستجوی هارمونی و الگوریتم جغرافیای زیستی می باشد. در این مقاله، ضمن بررسی هر یک از این الگوریتم ها به صورت مختصر، مطالعات داخلی و خارجی در این زمینه انجام گرفته و کاربرد آن ها در زمینه ی امور مالی بیان شده است. نتایج حاصل از مطالعات نشان می دهد، پژوهش های بیشتر و در نهایت استفاده از این الگوریتم ها در پیش بینی های مربوط به مباحث مالی و بازار سرمایه می تواند تا حد قابل قبولی به افزایش عملکرد عملیات حسابداری و حسابرسی کمک کند. همچنین افزایش تحقیقات و فراهم نمودن زمینه های عملیاتی در سال های اخیر نشان دهنده ی علاقمندی محققین و مراکز تحقیقاتی در جهت توسعه ی این روش های نوین به ویژه در بحث توسعه ی نرم افزاری است.
۴.

Predict the Stock price crash risk by using firefly algorithm and comparison with regression

تعداد بازدید : ۱۳۶ تعداد دانلود : ۱۱۹
Stock price crash risk is a phenomenon in which stock prices are subject to severe negative and sudden adjustments. So far, different approaches have been proposed to model and predict  the  stock price crash risk, which in most cases have been the main emphasis on the factors affecting it, and often traditional methods have been used for prediction. On the other hand, using  Meta Heuristic Algorithms, has led to a lot of research in the field of finance and accounting. Accordingly, the purpose of this research is to model the Stock price crash risk of listed companies in Tehran Stock Exchange using firefly algorithm and compare the results with multivariate regression as a traditional method. Of the companies listed on the stock exchange, 101 companies have been selected as samples. Initially, 19 independent variables were introduced into the model as input property of the particle accumulation algorithm, which was considered as a feature selection method. Finally, in each of the different criteria for calculating the risk Stock price crash risk, some optimal variables were selected, then using firefly algorithm and multivariate regression, the stock price crash risk was  predicted  and results were compared. To quantify the Stock price crash risk, three criteria for negative skewness, high fluctuations and maximum sigma have been used. Two methods of MSE and MAE have been used to compare the methods. The results show that the ability of meta-meta-heuristic methods to predict the risk Stock price crash risk is not  generally higher than the traditional method of multivariate regression, And the research hypothesis was not approved.
۵.

پیش بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تأکید بر نگرش انتخاب ویژگی

تعداد بازدید : ۳۹۰ تعداد دانلود : ۲۷۳
ریسک سقوط قیمت سهام، شاخصی برای اندازه گیری عدم تقارن در ریسک محسوب می شود و از اهمیت فراوانی در تحلیل پرتفوی و قیمت گذاری دارایی های سرمایه ای برخوردار است. با توجه به اهمیت ریسک سقوط، پژوهش های متعددی به بررسی عوامل موثر بر آن پرداخته اند که در تمام آنها از روش های سنتی به منظور پیش بینی استفاده شده است در حالی که در سال های اخیر روش های نوین فراابتکاری در سایر مباحث مالی به طور گسترده ای مورد استفاده قرار گرفته است و نتایج بهتری داشته اند. هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم ژنتیک و مقایسه نتایج با رگرسیون لجستیک می باشد. بدین منظور یک فرضیه برای بررسی این موضوع تدوین و داده های مربوط به 107 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال های 1389تا 1395 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم ژنتیک و رگرسیون لجستیک اقدام به پیش بینی خطر سقوط قیمت سهام گردید. برای محاسبه خطر سقوط قیمت سهام از معیار دوره خطر استفاده شده است. .نتایج این پژوهش نشان می دهدکه مدل مبتنی بر الگوریتم ژنتیک نسبت به رگرسیون لجستیک، برای پیش بینی خطر سقوط قیمت سهام توانایی بیشتری دارد. بنابراین فرضیه پژوهش تأیید می شود.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان