فرشید عفتی باران

هدف این مطالعه برآورد و محاسبه نقدشوندگی بورس اوراق بهادار تهران در بازه های ماهانه با استفاده از یک روش جدید می باشد تا بتوان با کمترین خطا، میزان نقدشوندگی این بازار در بازه های مختلف را محاسبه و مقایسه نمود. قابلیت نقدشوندگی یک برگه سهام به معنای امکان فروش سریع آن است. می توان گفت هرچه سهمی را بتوان سریعتر و با هزینه کمتری به فروش رساند، آن سهم قابلیت نقدشوندگی بیشتری دارد. لذا در سال های اخیر مطالعه روی نقدشوندگی افزایش یافته است. در این مطالعه به برآورد و مقایسه ماهانه میزان نقدشوندگی سهام در بازار بورس اوراق بهادار تهران طی سالهای 1387-1400 در قالب الگوی بازده اضافی و روش Panel-GMM پرداخته شد. نتایج برآورد و محاسبه نقدشوندگی با استفاده از حدود 2 میلیون مشاهده (برای کل شرکت های فعال در بورس) نشان می دهد که از سال 1387 تا پایان 1400 نقدشوندگی در بورس افزایش یافته است بطوریکه کمترین میزان نقدشوندگی مربوط به سال 1388 و بیشترین میزان نقدشوندگی مربوط به سال 1398 می باشد. بر اساس محاسبات انجام شده، در سال 1398 به ازای هر یک میلیارد ریال حدود 01/0 درصد بازده اضافی (هزینه اضافی) در بازار ایجاد شده است. لذا با افزایش قدرت نقدشوندگی سهام در بورس شرایط مناسب تری برای سرمایه گذاری فراهم می گردد.

هدف این مقاله برآورد و محاسبه نرخ بهره بهینه طی دوره 95-1375 برای دست یابی به نرخ تورم بهینه و رشد اقتصادی مطلوب با استفاده از الگوی کنترل بهینه است. با توجه به برنامه های توسعه اقتصادی، اجتماعی و فرهنگی ایران نرخ رشد اقتصادی 6 درصد و نرخ تورم هدف گذاری شده در این تحقیق 10 درصد در نظر گرفته شده است. نتایج نشان داد برای رسیدن به نرخ رشد اقتصادی مطلوب 6 درصد در سال و نرخ تورم هدف گذاری شده 10 درصد، میانگین نرخ بهره بهینه در اقتصاد ایران برای دوره   95-1372 حدود 2/5 درصد است. با توجه به اینکه میانگین نرخ بهره بانکی برای اقتصاد ایران طی همین دوره 3/14 درصد بوده است؛ پیشنهاد می شود نرخ بهره بانکی کاهش یابد. این امر موجب گسترش سرمایه گذاری و در نهایت، گسترش تولید و رشد اقتصادی در اقتصاد ایران خواهد شد.

یکی از روش های مناسب در پیش بینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روش های الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (ARIMA) است. در این پژوهش از مدل های ARIMA و ARFIMA برای پیش بینی قیمت هفتگی بنزین استفاده شد. همچنین پیش بینی مدل ARIMA با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (ARFIMA) مقایسه شد. برای این منظور، از ابزارهای محاسباتی نرم افزار STATA12 و داده های سری زمانی قیمت بنزین فوب خلیج فارس از ابتدای سال 2009 تا هفته ۲۶ سال 2012 به صورت هفتگی که از سایت اوپک دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل ARFIMA(6,0.22,6) نسبت به مدل ARIMA(1,1,0) مدل مناسب تری برای پیش بینی قیمت بنزین است و میزان خطای کمتری دارد.