محمدعلی رستگار

یکی از مهم ترین دغدغه های همیشگی سرمایه گذاران انتخاب بهترین فرصت های سرمایه گذاری با بیشترین ارزش سرمایه گذاری است و با توجه به گزینه های مختلف برای سرمایه گذاری، تنوع بخشی در سبد سرمایه گذاری یک استراتژی مفید و مطرح در مباحث سرمایه گذاری می باشد. اما استراتژی سرمایه گذاری در بین دارایی های مختلف نظیر بورس اوراق بهادار، طلا، ارز و رمز ارز نامشخص بوده و معلوم نیست که علیرغم رکود و رونق موقت برخی از دارایی ها (همانند بورس و طلا) و همچنین تأثیرات آن ها بر یکدیگر، اولویت بندی سرمایه گذاری (به لحاظ ریسک و بازده) بین دارایی های فوق چگونه تخصیص یابد. هدف از انجام این تحقیق، پیشنهاد اوزان بهینه سرمایه گذاری بین دارایی های بورس اوراق بهادار تهران، سکه بهار آزادی، دلار آمریکا و بیت کوین از طریق حداقل سازی ارزش در معرض ریسک شرطی با روش میانگین– ارزش در معرض خطر شرطی می باشد. بدین منظور با توجه به دم پهن بودن توزیع بازدهی دارایی های مالی جهت پیش بینی توزیع دنباله ها از نظریه ارزش فرین، رویکرد فراتر از آستانه استفاده شده است. همچنین برای محاسبه ارتباط بین این دارایی ها از ترکیب روش همبستگی شرطی پویا و کاپولا استفاده شده است که همبستگی علاوه بر غیرخطی بودن، پویا و متغیر با زمان نیز باشد. با استفاده از اطلاعات روزانه شاخص دارایی های فوق در فاصله زمانی مهر 1393 تا فروردین 1397، مرز کارای سرمایه گذاری رسم شده است. نتایج نشان می دهد در سطح ریسک (ارزش در معرض ریسک شرطی) صفر به دلیل تغییرات کم واریانس، بیش ترین وزن سرمایه گذاری در بورس اوراق بهادار و در بالاترین سطح ریسک، بیش ترین وزن سرمایه گذاری در رمز ارز (بیت کوین) به دلیل بازده بالاتر، تخصیص یافته است. همچنبن مقایسه پرتفوهای بهینه با استفاده از نسبت شارپ شرطی حاکی از عملکرد بهتر پرتفوهای متنوع نسبت به هر دارایی است و بهترین عملکرد را پرتفو شامل سکه با اختصاص بیش از 70 درصد و دلار و بیت کوین با وزن برابر داشته است. همچنین با توجه به نسبت شارپ شرطی در پرتفو بهینه حداقل وزن سکه 60 درصد وحداکثر سهم دلار و بیت کوین 20 درصد می باشد.  

هدف این مقاله ارزیابی و پیش بینی ریسک اعتباری شرکت های متقاضی تسهیلات از یک بانک تجاری در ایران است. بدین منظور، با استفاده از نمونه گیری تصادفی بین مقطعی، 75 درصد درون نمونه ای و 25 درصد برون نمونه ای و مدل تحلیل چندبعدی ترجیحات وضعیت نسبت های مالی و عملکرد آن ها نزد بانک طی سال های 1389–1393 مورد بررسی قرار گرفت. نتایج حاکی از کارایی روش استفاده شده جهت پیش بینی رفتار اعتباری مشتریان بانک می باشد. با توجه به مزیت های روش استفاده شده که شامل عدم وابستگی به سابقه عملکرد مالی شرکت ها و دقت پیش بینی این روش نسبت به روش های متداول می باشد، پیشنهاد می شود از این روش به عنوان ورودی تحقیقات مدیریت پرتفوی اعتباری بانک ها استفاده گردد.

بانک ها با ورود به بازار بین بانکی به منظور ایجاد موازنه بین سود آوری و مدیریت ریسک نقدینگی خود، متناسب با شرایط فعالیت های کوتاه مدت ، نسبت به تجهیز منابع از طریق این بازار و یا اعطای وام کوتاه مدت به سایر بانک ها اقدام می نمایند. تعهدات بانک ها در بازار بین بانکی میتواند به علت اثر سرایت منجر به بروز و افزایش ریسک سیستمی شود. بدین منظور در این پژوهش به بررسی پایداری شبکه بین بانکی در طی زمان با استفاده از سنجه های آماری به کار رفته در تئوری شبکه های پیچیده پرداخته شده است. این سنجه ها ویژگی های توپولوژیکی شبکه را مشخص می کند و با لحاظ جهت و وزن ارتباط بین گره ها ساختارهای اساسی شبکه را تعیین می کنند. نتایج نشان می دهد که ساختارشبکه در طی زمان به فراخور شرایط اقتصادی تغییر کرده است. شاخص های اندازه گیری ریسک سیستمی از قبیل ضریب خوشه بندی، میانگین کوتاهترین طول مسیر و همگونی و تمرکز شبکه نشان می دهند که پایداری شبکه به مرور کمتر و ریسک سیستمی افزایش یافته است. همچنین در صورت بروز مشکل و نکول در شبکه بیشترین آسیب پذیری از ریسک سیستمی متوجه بانک های تخصصی-دولتی و خصوصی شده بوده و بانک های خصوصی با توجه به حجم مبادلات بالا و جریان خالص منفی می توانند ریسک سیستمی قابل توجهی را به شبکه بازار بین بانکی منتقل کنند. همچنین شواهدی از بروز واسطه گری توسط بانک های خصوصی در شبکه مشاهده گردید.

در سال های اخیر مقالات و پژوهش های زیادی در زمینه ی استفاده از روش های یادگیری ماشینی و معاملات الگوریتمی در بازارهای مالی به منظور کسب بازدهی منتشر شده است. هدف این پژوهش ایجاد یک سیستم معاملاتی خودکار با استفاده از پردازش تصویر به وسیله ی شبکه عصبی پیچشی است. بدین منظور، در ابتدا پس از دریافت داده های مورد نیاز برای سهام منتخب، 28 اندیکاتور تحلیل تکنیکال انتخاب و مقادیر هر کدام به صورت جداگانه برای هر سهم محاسبه شد. سپس سری های زمانی این اندیکاتورها به تصاویر 2 بعدی تبدیل شده و در نتیجه برای هر داده روی سری زمانی قیمت سهم، یک تصویر دو بعدی با ابعاد 28×28 ساخته شد. پس از برچسب گذاری هر تصویر با یکی از برچسب های خرید، فروش و نگهداری، این تصاویر به شبکه عصبی پیچشی وارد شدند. همچنین برای بررسی بازدهی و ریسک سیستم ارائه شده، یک روش برای خرید و فروش بر اساس نتایج مدل در زمان گذشته معرفی شده است. نتایج پژوهش نشان می دهد که در 80% موارد، این روش بازدهی بیشتری نسبت به استراتژی مرسوم خرید و نگهداری کسب کرده است. همچنین همواره از نظر معیارهای ریسک انحراف معیار و بیشترین افت بهتر عمل می کند. همچنین، نتایج نشان دهنده ی تأثیر زیاد کارمزد معاملات بورس اوراق بهادار تهران بر روی بازدهی مدل است. به گونه ای که مدل چند برابر سود کسب شده را برای پرداخت کارمزد از دست می دهد.

سرمایه گذارانی که خواهان اجرای سفارش های بزرگ هستند، همواره با موازنه اثر قیمتی و هزینه فرصت (ریسک اجرای معامله) مواجه اند. هدف از این پژوهش، یافتن روش بهینه ای برای اجرای چنین سفارش هاست. این پژوهش با استفاده از داده های تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارش گذاری ها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش به طور جداگانه محاسبه کرده، سپس استراتژی بهینه معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی می کند. در بازار معاملاتی شبیه سازی شده، اثر قیمتی برای سفارش های بزرگ نیز در نظر گرفته شده است. روش شبیه سازی، روش عامل گرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روش های یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان می دهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش می تواند بهتر از استراتژی هایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است به طور متوسط قیمت میانگین موزون حجمی (هزینه های اجرای معاملات) را 137/0 درصد نسبت به بازار کاهش دهد.

هدف: شکاف بین زمان دریافت سیگنال خرید/ فروش و آغاز روند تغییر قیمت در بازارهای نوظهور، بستر مناسبی برای پیاده سازی سیستم های معاملات الگوریتمی ایجاد می کند. ارائه یک سیستم معاملاتی با تکرار زیاد، مزایا (استفاده از نوسان های درون روزی) و معایبی (هزینه زیاد معاملاتی) دارد که با طراحی درست آن و اصلاح مقررات معامله، می توان مزایای آن را افزایش داد و معایبش را کنترل کرد.روش: در این پژوهش، به ارائه رویکرد استفاده از خودمعامله گرها برای پیش بینی روند آتی سهم و بهره گیری از روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام پرداخته شده و دو مدل بر همین پایه ارائه شده است. مدل نخست با بهره بردن از پیشنهاد خودمعامله گرها، به معامله با مقدار ثابت اقدام می کند. مدل دوم که به نوعی بسط داده شده مدل نخست است، به کمک روش یادگیری تقویتی، به مدیریت پویای سبد سهام می پردازد.یافته ها: نتایج نشان می دهد عملکرد هر دو مدل در بازارهای نزولی و نرمال، بهتر از استراتژی خرید و نگهداری است. همچنین بر اساس نتایج، در تمام بازارها مدل دوم در مقایسه با مدل نخست، عملکرد بهتری دارد.نتیجه گیری: به طور کلی در بازار صعودی بهترین استراتژی، خرید و نگهداری دارایی است، در نتیجه نمی توان از الگوریتم های پیشنهادی عملکردی بهتر از این استراتژی انتظار داشت. از سویی دیگر می توان گفت روش شبکه عصبی برای پیش بینی روند آتی سهم با رویکرد ارائه شده در این پژوهش، عملکرد بسیار مناسبی در بازارهای نزولی و نرمال داشته است. همچنین پیاده سازی روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام توانسته عملکرد مدل را بسیار بهبود بخشد.

هدف: امروزه اندازه گیری ریسک بازار اهمیت ویژه ای دارد؛ چراکه برآورد نادرست چنین ریسکی، به بحران های مالی و ورشکستگی منجر می شود. یکی از شیوه های بسیار رایج برای برآورد ریسک بازار، رویکرد ارزش در معرض ریسک (VaR) است که پژوهشگران روش های مختلفی برای تخمین و پس آزمایی آن ارائه کرده اند. هدف این پژوهش، ارائه آزمونی جامع برای پس آزمایی و تحلیل حساسیت پس آزمایی تخمین VaR نسبت به دو پارامتر تعداد نمونه (n) و سطح اطمینان (N) است.روش: ابتدا با استفاده از روش های گارچ کاپولا، هم بستگی شرطی پویا و نظریه ارزش فرین تخمین VaR شامل داده های بورس اوراق بهادار تهران انجام شد و با استفاده از آزمون چندجمله ای، در دو مرحله به پس آزمایی دقت تخمین VaR و رتبه بندی روش ها پرداخته شد. سپس با در نظر گرفتن تعداد نمونه (n) و مقدار سطوح مختلف (N)، روی پس آزمایی روش های تخمین، تحلیل حساسیت انجام گرفت و در نهایت، بازه های مقادیر n و N که به تخمین دقیق VaR منجر می شود، انتخاب شد.یافته ها: نتایج این تحلیل حساسیت مشخص کرد که در هر سه روش، با افزایش مقدار N، میزان خطا نیز افزایش می یابد. از سوی دیگر، تحلیل حساسیت پارامتر n نشان داد که مقدار این پارامتر، به روش استفاده شده در برآورد تخمین VaR وابسته است؛ اما به طور کلی، افزایش آن به معتبر شدن روش های تخمین VaR منجر می شود. افزون بر این، مشخص شد که به ازای روش نظریه ارزش فرین، باید حداقل 29درصد داده ها برای نمونه آزمون در تخمین VaR به کار گرفته شود؛ اما برای دو روش هم بستگی شرطی پویا و گارچ کاپولا این مقدار 22درصد است.نتیجه گیری: نتایج نشان داد که اعتبار روش های تخمین VaR به دو پارامتر n و N حساس است و به ازای مقادیر متفاوت از آن ها، ممکن است روش های مختلف معتبر نباشند. علاوه بر این، در رتبه بندی روش های تخمین با استفاده از تابع زیان، روش های گارچ کاپولا، نظریه ارزش فرین و هم بستگی شرطی پویا، به ترتیب در رتبه های اول تا سوم قرار گرفتند.

هدف: این تحقیق با هدف بررسی اوراق مرگ ومیر شکل گرفته که یک فرصت سرمایه گذاری جذاب برای بازار سرمایه، ابزار مدیریت ریسک و دست یابی به منبع جدید تأمین مالی برای شرکت های بیمه و ابزار تنوع بخشی سبد سرمایه گذاری و افزایش بازدهی آن برای سرمایه گذاران محسوب می شود. روش شناسی: در این پژوهش ابتدا نرخ مرگ ومیر گروه های سنی 5 ساله طی سال های 1996 تا 2016 برآورده و با روش تجزیه ارزش منفرد، پارامترهای مدل لی کارتر تخمین زده شد. در گام بعد، با استفاده از شبیه سازی مونت کارلو، حالات مختلفی برای شاخص مرگ ومیر ایران در سه سال آتی تولید شد. در نهایت، بر روی نرخ سود و آستانه فاجعه تحلیل حساسیتی انجام شد تا واکنش قیمت به تغییرات نرخ سود و تغییرات بازه آستانه مورد بررسی قرار گیرد. یافته ها: نتایج نشان داد در پایان عمر سه ساله این اوراق، با افزایش نرخ سود، قیمت آن افزایش می یابد. همچنین، با افزایش سطح آستانه، قیمت این اوراق افزایش می یابد؛ زیرا احتمال عدم بازپرداخت از جانب ناشر کاهش می یابد. اگر نیز ناشر بازه آستانه را دو واحدی تعیین کند با ثابت نگه داشتن سایر شرایط، قیمت این اوراق کاهش می یابد. نتیجه گیری: در این پژوهش سعی شد اوراق مرگ ومیر به عنوان یک ابزارمالی موجود در بازارهای جهانی معرفی و امکان انتشار آن در ایران بررسی گردد. به علاوه، با روش تنزیل عایدی، قیمت این اوراق برای سرمایه گذاران و ناشران داخلی مشخص شود. طبقه بندی موضوعی: G13, G22, G23, G63.

هدف: بازار بورس ایران در سال های گذشته تغییراتی در آن اعمال شده و در انتظار تغییرات جدی تر است. در این پژوهش یک مدل بهینه سفارش گذاری با رویکرد ریزساختار بازار ارائه شده که در ساخت بازار مصنوعی استفاده شده و در انتها عملکرد آن مورد بررسی قرار گرفته است. روش: با کمک شبیه سازی بازار می توان به مواردی همچون تنظیم بازار و بررسی عملکرد استراتژی های معاملاتی پرداخت. اما برای کشف قیمت تابلوی ثبت سفارش سهام از شبیه سازی عامل گرا (agent-based) استفاده کرده ایم که الگوریتم تصمیم گیری آن شامل انتخاب نوع سفارش (خرید یا فروش)، انتخاب نوع اقدام معامله گران (ثبت سفارش جدید یا لغو سفارش در صف)، انتخاب استراتژی معاملاتی و انتخاب قیمت بهینه ی سفارش - برای یکی از عامل ها (agent) - است. از آنجاکه یکی از چالش های مهم سرمایه گذاران، یافتن قیمت بهینه ی سفارش گذاری است، در این پژوهش به این موضوع پرداخته شده است و سعی شده بازار بورس تهران به گونه ای شبیه سازی شود تا تغییرات ریزساختار بازار را مطالعه کند. یافته ها: داده های پژوهش شامل داده های درون-روزی تابلوی ثبت سفارش سهم فولاد مبارکه اصفهان در 5 سطح و برای ۷۱ روز معاملاتی است. در سیستم شبیه سازی پژوهش، با بررسی داده های تاریخی سهم فولاد مبارکه اصفهان، رفتار معاملاتی عامل ها استخراج شده است. همچنین با توجه به بحث ریزساختار بازار، تقابل بین ریسک اجرای معاملات و کنترل واکنش بازار به عنوان یک هزینه معاملاتی، مدل سازی شده است. بازار برای مدت 30 روز شبیه سازی شده و نتایج حاکی از آن است که استراتژی سفارش گذاری بهینه شده، از لحاظ میانگین قیمت خرید سهم، میانگین زمان انتظار برای اجرای معامله هر سهم و میانگین حجم معامله شده از سفارش، در مقایسه با سایر استراتژی های مورد بررسی در بازار عملکرد بهتری داشته است. نتیجه گیری : نتایج این پژوهش نشان می دهد به کارگیری ریسک اجرایی شدن سفارش و هزینه معاملاتی بطور هم زمان در استراتژی سفارش گذاری، عملکرد بهتری نسبت به استراتژی های مبتنی بر درجه ی تهاجمی بودن معامله گران بازار دارد.

هدف: در این پژوهش قصد داریم که یک سفارش بزرگ را به تعدادی سفارش کوچک تر تقسیم کنیم تا هزینه واکنش بازار و بی تعادلی به وجود آمده از سفارش های بزرگ در بازار را کاهش دهیم. روش: با توجه به محدودیت دسترسی به داده های معامله های درون روزی و حجم بسیار محاسبه ها، تابع واکنش بازار آنی از سمت خرید را برای چند سهم از بورس تهران با استفاده از مدل واکنش بازار I star به دست آوردیم و با استفاده از تابع واکنش بازار و بازه سفارش گذاری، یک سفارش بزرگ را به تعدادی سفارش کوچک تر تقسیم کردیم تا به جای سفارش گذاری یک باره همه سهام در بازار، سفارش گذاری ها را در بازه های زمانی مختلف انجام دهیم. هدف از این کار، کاهش هزینه واکنش بازار و کنترل بی تعادلی به وجود آمده از سفارش های بزرگ در بازار است. یافته ها: طبق الگوهای درون روزی به دست آمده برای میانگین حجم معامله ها و واکنش بازار، برای هر دسته از سهم های بررسی شده در ابتدای روز، حجم معامله ها کم و واکنش بازار زیاد است؛ اما در انتهای روز با افزایش حجم معامله ها و نقدشوندگی در بازار، هزینه واکنش بازار کاهش می یابد؛ زیرا با افزایش نقدشوندگی در بازار، سفارش های سرمایه گذاران با تغییرهای کمتر قیمت تکمیل خواهد شد. علاوه بر این، تابع واکنش بازار آنی برای سهم های بررسی شده در بورس تهران نیز مقعر است و سرمایه گذاران در اجرای معامله های خرید در مقایسه با فروش هیجانی تر رفتار می کنند. ویژگی های به دست آمده در طراحی راهبرد برای معامله های سرمایه گذاران تأثیر می گذارد. نتیجه گیری: نتایج این پژوهش نشان می دهد که با بررسی الگوهای درون روزی پارامترهای نقدشوندگی بازار، مانند حجم معامله ها و واکنش بازار و همچنین، طراحی راهبرد معامله برای تقسیم سفارش های بزرگ، می توان هزینه های مازاد متحمل شده توسط معامله گران را کاهش داد و باعث شد که سفارش ها با قیمت مناسب تر اجرا شود.

اهداف : در سال های اخیر بعد از بحران های اقتصادی به وجودآمده، ارزش ارزیابی ریسک عملیاتی در صنعت مالی مشاهده شد که بیشترین تأثیر ریسک عملیاتی بر صنعت بانکداری بود؛ درنتیجه بعد از بحران مالی توجه بیشتری به ارزیابی ریسک عملیاتی در صنعت بانکی شد. ریسک عملیاتی به عنوان ریسک زیان ناشی از نبودِ کفایت یا ناکارآمدی فرآیندهای داخلی، افراد و سیستم ها یا حوادث خارجی تعریف می شود. در این راستا مؤسسات و بانک ها با استفاده از رویکرد های مختلف ازجمله کمیته بازل در پی ارزیابی ریسک عملیاتی بودند. هدف، مروری بر مدیریت ریسک عملیاتی در صنعت بانکی است. روش : پژوهش حاضر، کاربردی و از منظر گردآوری اطلاعات اسنادی فراترکیب است. با استفاده از روش فراترکیب، 643 سند پژوهش مرتبط بین سال های 2000 تا 2022 از پایگاه های علمی معتبر فراخوانی شده است که با به کارگیری این روش، 43 سند نهایی مبنای استخراج یافته ها قرار گرفت. نتایج : با این روش درنهایت، 5 مقوله اصلی که عبارت است از ریسک عملیاتی، ارزیابی ریسک، روش های کمی سازی، تحلیل و مدیریت ریسک، 10 مقوله فرعی، 43 مفهوم و 169 کد شناسایی شد. نتایج براساس نظر متخصصان با شاخص کاپای 756/0 تأیید شد.

ریسک نقدینگی ناشی از ناتوانی یک بانک در پرداخت به موقع بدهی ها، ایفای تعهدات و یا عدم توانایی گسترش سبد دارایی های پر بازده با هزینه ای متعارف است. به عبارت دیگر، هنگامی که یک بانک از نقدینگی کافی برخوردار نباشد قادر نیست به سرعت و با هزینه ای معقول وجوه کافی را با افزایش بدهی ها و یا تبدیل دارایی ها به دست آورد که این ناتوانایی بر سودآوری بانک تاثیر خواهد گذاشت. می توان گفت علت اصلی ریسک نقدینگی در بانک ها عدم تطبیق مقدار و سررسید بدهی ها و دارایی ها و در نتیجه بروز شکاف نقدینگی منفی است. در این راستا مؤسسات و بانک ها با استفاده از رویکرد های مختلف از جمله رویکرد های کمیته بال در پی ارزیابی ریسک نقدینگی بودند. هدف پژوهش حاضر مروری بر مدیریت ریسک نقدینگی در صنعت بانکی است. در این پژوهش با استفاده از روش فراترکیب و الگوی هفت مرحله ای سندلوسکی و باروسو، تحلیل محتوای پژوهش های پیشین انجام شده است. با استفاده از روش فراترکیب، 242 پژوهش مرتبط بین سال های 2000 تا 2023 از پایگاه های علمی معتبر استخراج شد. بدین منظور پس از تجزیه و تحلیل پژوهش های استخراج 41 پژوهش انتخاب شده است. این پژوهش یک چارچوب جامع برای مدیریت ریسک بهتر به صنعت بانکداری ارائه داده است. این چارچوب شامل 5 مقوله اصلی که عبارتند از داده های ریسک نقدینگی، عوامل مؤثر بر ریسک نقدینگی، ارزیابی ریسک نقدینگی، دستورالعمل های ریسک نقدینگی و مدیریت ریسک نقدینگی، 12 مقوله فرعی، 104 مفهوم و 175 کد است. نتایج این پژوهش می تواند مبنایی برای بهره مندی بهتر مدیریت ریسک نقدینگی در صنعت بانکداری باشد. همچنین نتایج براساس نظر متخصصان با شاخص کاپای 738/0 مورد تایید قرار گرفت.