امیررضا کیقبادی

در سالهای اخیر بازارهای مالی شاهد نوسانات شدید قیمت سهام بوده است که به شدت تحت تأثیر رفتارهای سرمایه گذاران، دیدگاه ها، بینش و تجربیات آنها از متغیرهای اجتماعی، سیاسی و اقتصادی بوده است، در نتیجه لزوم بررسی الگوهای روانشناسی و تأثیر آن بر بازارهای مالی احساس می شود. در دو دهه اخیر تحقیقات زیادی در زمینه روانشناسی مالی در سراسر جهان انجام شده با توجه به اهمیت موضوعات روانشناسی مالی در این پژوهش به تاثیر اطمینان بیش از حد سرمایه گذاران بر اثر تمایلی در بورس اوراق بهادار تهران پرداخته شده است. جامعه آماری تحقیق حاضر شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1388 تا 1394 بوده که حجم نمونه با توجه به روش غربالگری و پس از حذف مشاهدات پرت برابر با 80 شرکت می باشد. برای آزمون فرضیات تحقیق از داده های پانل(تابلویی) با اثرات ثابت استفاده شده است  نتایج حاصل از تجزیه و تحلیل داده های  شرکت ها با استفاده از رگرسیون چند متغیره در سطح اطمینان 95% نشان می دهد اطمینان بیش از حد سرمایه گذاران تاثیر مستقیمی بر اثر تمایلی سهامداران  در بورس اوراق بهادار تهران دارد. In recent years, financial markets witnessed volatility in stock prices has been strongly influenced by investors' attitudes, perspectives, insights and experiences of the variables of social, political and economic ,the need to examine the psychological patterns and their impact on financial markets is felt. In the last two decades much research has been done in the field of financial psychology and considering the importance of the issues of financial psychology in this research, the effect of investor's overconfidence on the disposition effect of Tehran Stock Exchange has been discussed. The statistical population of the research is the companies listed in the Tehran Stock Exchange between 1388 and 1394, the sample size is 80 companies according to the screening method and after the removal of Perth observations. To test the research hypotheses, panel data (panel) data with constant effects have been used. The results of analyzing data using multivariate regression at 95% confidence level indicate that investor's overconfidence has a significant and direct effect on the disposition effect in the Tehran Stock Exchange.   Keywords: Investors Overconfidence, Disposition Effect, Expected Return, Illiquidity

تأثیر متغیرهای کلان اقتصادی بر نوسانات بازده سهام بازار بورس مورد توجه بسیاری از محققان قرار گرفته است. این رابطه به علت وجود ساختار اقتصادی متفاوت از کشوری به کشور دیگر نتایج متفاوتی را ایجاد می کند. در این پژوهش تأثیر متغیرهای کلان اقتصادی از جمله نرخ ارز، نرخ تورم و تولید ناخالص داخلی بر سود دهی شرکتها با استفاده از داده های صنایع مختلف (صنایع خودرو،محصولات غذایی، سیمان، داروئی، استخراج کانی های فلزی و غیره) مورد بررسی قرار گرفته است. جامعه آماری این پژوهش شامل 180 شرکت طی دوره 1393-1389 می باشد. برای ارزیابی فرضیات تحقیق از مدل اقتصاد سنجی GMM استفاده شده است. نتایج پژوهش مبین وجود رابطه بین نرخ ارز، نرخ تورم و تولید ناخالص داخلی بر سوددهی شرکت ها می باشد. طبق نتایج حاصل شده، نوسانات نرخ ارز تأثیر مثبت و مستقیم، نرخ تورم تأثیر منفی و معکوس و تولید ناخالص داخلی تأثیر منفی(در حد صفر) و معکوس بر سوددهی شرکت ها می گذارند. همچنین بیشترین اثرگذاری را به ترتیب نرخ تورم، نرخ ارز و تولید ناخالص داخلی بر سود دهی شرکت ها دارند.

هدف این مقاله بررسی تأثیر فناوری، مالکیت نهادی و هزینه های تحقیق و توسعه بر شفافیت اطلاعات شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده است. این مقاله به روش توصیفی- علی انجام شده و از نوع تحقیقات کاربردی است. جامعه آماری تحقیق را کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران تشکیل می دهند. داده های تحقیق از صورت های مالی شرکت ها استخراج گردیده و با استفاده از مدل های رگرسیونی به روش داده های ترکیبی مورد تجزیه و تحلیل قرار گرفت. یافته های تحقیق نشان داد که در شرکت های با سطح فناوری بالا، با افزایش نسبت مالکیت نهادی و هزینه های تحقیق و توسعه بر شفافیت افشاء افزوده می شود. در حالی که در شرکت هایی با سطح فناوری بالا که دارای افزایش در نسبت مالکان نهادی هستند، با افزایش هزینه های تحقیق و توسعه، شفافیت اطلاعات کاهش می یابد.   The purpose of this research was to investigate the role of technology, institutional ownership and research and development costs in the transparency of the information of companies accepted in the Tehran Stock Exchange. This research is conducted descriptively-causally and is of a type of applied research. The statistical population of the study consisted of all companies admitted to the Tehran Stock Exchange which 117 companies have been active throughout the research period in the stock market. The research data were extracted from financial statements of companies and analyzed using regression models using combined data. The research findings showed that in high-tech companies, increasing the proportion of institutional ownership and R & D spending increases transparency on disclosure. While in high technology companies with an increase in the proportion of institutional owners, information costs are reduced by increasing research and development costs.

هدف مقاله حاضر ؛ اندازه گیری و مقایسه ارزش آتی نگهداری پرتفوی در بازه های زمانی کوتاه مدت با توجه به حداکثری بازده و حداقلی ریسک آن سبد می باشد تا سرمایه گذاران و سبد گردان ها با توجه به ارزش پیش بینی شده در اخذ تصمیمات خود مورد ارزیابی قرار دهند. بنابراین جهت محاسبه و ارزیابی میزان نکول پرتفوی صندوق های سرمایه گذاری؛ به کمک تحلیل ارزش در معرض ریسک از مدل های GARCH و ARCH و تکنیک شبیه سازی مونت کارلو استفاده گردید.به این منظور بر اساس اطلاعات جمع آوری شده از پرتفوی صندوق های سرمایه گذرای بورس و اوراق بهادار تهران ابتداء  بازده های پرتفوی ها با استفاده از تکنیک شبیه سازی مونت کارلو در نرم افزار  Crystal ballشبیه سازی گردید، و  سپس با لحاظ نمودن سطح اطمینان 95٪؛ میزان ارزش در معرض ریسک کل پرتفوی های 15 صندوق سرمایه گذاری محاسبه شده است. سپس با استفاده از مدل های GARCH و ARCH و مقایسه نتایج ملاحظه گردید که نه تنها ارزش در معرض ریسک نکول پرتفوی این صندوق ها با استفاده از محاسبات این مدل ها قابل اعتمادتر از محاسبات با استفاده از تکنیک های صرفا تاریخی پارامتریک و ناپارامتریک می باشد بلکه تلفیقی از هر دو روش میتواند به واقعیت نزدیکتر باشد. زیرا که در آن هم از رویکرد بدبینانه و محافظه کارانه مدل ها و هم از رویکرد خوش بینانه شبیه سازی میتوان بهره برد. The purpose of this article is to measure and compare the future value of maintenance portfolio in short periods of time due to maximum efficiency and minimum risk is that Portfolio until the investors and Stock brokers with respect to the anticipated evaluate your decisions, So to calculate and evaluate the default investment fund portfolio, the value at risk analysis from GARCH and ARCH model and Monte Carlo simulation technique was used. For this purpose, based on information collected from the portfolio fund investments Tehran Stock Exchange, initially portfolio returns using Monte Carlo simulation techniques was simulated in Crystal ball software, and then considering the 95% confidence level, the VaR of a portfolio of 15 investment fund is calculated. Then, using GARCH and ARCH models and compare the results also showed that not only the value of the Fund's portfolio exposed to default risk by extrapolating these models reliable calculations using parametric and nonparametric techniques can be purely historical but a combination of both methods can be closer to reality. Because where both pessimistic and conservative approach models and simulations can be used both optimistic approach.   Keywords: Portfolio Optimization, Risk Management, Value at Risk, Conditional Volatility Generalized Model

انتخاب پرتفوی بهینه، یکی از موضوعات مهم در ادبیات مالی محسوب می شود که هدف های حداکثر کردن بازده آتی و حداقل نمودن ریسک سرمایه گذاری را به همراه دارد.اساساً سرمایه گذاران برای انتخاب پرتفوی بهینه وکارا شرکت هایی را انتخاب می کنند که جزء شرکت های برتر بورس باشند و همچنین شرکت های که در رده های بالای این رتبه بندی قراردارند. رتبه بندی می تواند برحسب معیارهای مختلفی انجام گیرد. یکی از سودمندترین رتبه بندی ها،می تواند استفاده از نسبت های سودآوری واقلام کلیدی ترازنامه ای باشد.  دراین تحقیق نسبت های سودآوری و اقلام کلیدی ترازنامه ای 150شرکت برتر بورس طی 3 سال استخراج شده است و درهرسال50 شرکت با توجه نسبت های مالی بالاتر به دو دسته موفق و برتر تقسیم بندی شده اند. سپس با استفاده از 4 مدل مبتنی بر تکنیک داده کاوی و همچنین توان یادگیری هریک از مدل ها به بررسی ترتیب اهمیت این اقلام و نسبت ها جهت انتخاب پرتفوی بهینه پرداخته شده است. نتایج حاکی از آن است که اقلام کلیدی ترازنامه ای و نسبت های سودآوری هر دو برای ارائه پرتفوی حائز اهمیت بوده اما ارجحیت تاثیر گذاری آنان در هر مدل ترتیبی متفاوت است ؛ اما برخی از این اقلام مانند جمع کل دارایی ها، درصد سود به درآمد ، درصد سود عملیاتی به درآمد و نسبت قیمت به سود هر سهم (P/E) در تمام مدل ها به عنوان یک فصل مشترک از ارجحیت بالاتری برخوردارند که می تواند به عنوان مبنایی مناسب مورد توجه سرمایه گذاران قرار گیرد

هزینه های تحقیق و توسعه نه تنها محرک رشد کسب وکار و معیار توسعه یافتگی اند بلکه می توانند نقش بسزایی در افزایش سودآوری و ثروت سهامداران ایفاء نماید. اما در کشورهای درحال توسعه، ریسک عدم موفقیت سرمایه گذاری و نیز نگرانی از شکست به واسطه توان مالی پایین این کشورها، عاملی بازدارنده در تخصیص بودجه مناسب به این بخش است. از طرف دیگر فناوری های نوین میان رشته ای مانند ربات ها هرچند توانسته اند به شکلی توان افزا از پیشرفت های رشته های متعدد، جهت ارائه محصولات هوشمند استفاده نمایند؛ اما مطالعه مدل های تحقیق و توسعه در این حوزه ها، نشان از تعداد دفعات زیاد بازبینی ایده ها و درنتیجه هزینه زا، زمان بر بودن آن ها دارد، حال آنکه محیط های رقابتی نیازمند سرعت در پاسخگویی به تغییرات نیاز مشتریان اند. در این تحقیق هدف بهبود فرآیند تحقیق و توسعه از طریق گسترش مدلی یکپارچه با ساختاری منعطف است که بتواند دفعات بازبینی و نیز هزینه و زمان را در کل فرآیند کاهش دهد. از این رو تلاش گردید به موازات حذف مراحل غیر-ضروری طراحی و شبیه سازی، با ایجاد چتر وابستگی متقابل و اصلاح ساختار نیروی انسانی متناسب با آن، امکان انطباق هرچه بیشتر میان اجزاء طراحی شده در حوزه های مختلف میسّر و تعداد ایده های آزمون شده نیز افزایش یابد. با انتخاب روش تحقیق تجربی (آزمایشگاهی)، دو گروه نمونه با حجم 35 عدد ربات در هر دسته، یکی بر اساس تنها مدل یکپارچه موجود و دیگری مبتنی بر مدل پیشنهادی تحقیق ساخته شدند. درنهایت تحلیل یافته های با استفاده از نرم افزار Analyse-it نشان داد، نه تنها توسعه بر اساس هر دو مدل، با توجه به ضریب اسپیرمن از اعتبار قابل قبولی برخوردار است؛ بلکه آزمون مقایسه میانگین گروه ها ازلحاظ دفعات بازبینی، هزینه و زمان از طریق آماره Z ، تأیید می نماید یکپارچگی و چابکی مدل پیشنهادی جهت فرآیند تحقیق و توسعه در مقایسه با مدل موجود مناسب تر است.

بررسی، سنجش و اندازه گیری اعتبار مشتریان در مؤسسات اعتباری، امروزه یکی از مهمترین تصمیم های مالی بشمار می آید. نحوه تصمیم گیری در خصوص اعطای تسهیلات به مشتریان از این جهت دارای اهمیت می باشد که عدم ارزیابی دقیق مشتریان می تواند منجر به مطالبات سررسید گذشته و معوق با کاهش توان تسهیلات دهی بانک ها و در نهایت سوخت شدن مطالبات بانک ها گردد. این پژوهش با هدف مدل سازی اعتبارسنجی مشتریان در بانک به روش های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان انجام می شود. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 300 تایی(218 مشتری خوش حساب و 82 مشتری بدحساب) از شرکت های حقوقی را که در سال های 89 و 90 از بانک ملی ایران شعب شهر تهران تسهیلات اعتباری دریافت نموده اند، مورد بررسی قرار می گیرد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، 31 متغیر توضیح دهنده مورد ارزیابی قرار گرفت و نتایج ضمن دلالت بر تأیید نظریه های اقتصادی و مالی نشان می دهد که تکنیک های داده کاوی جهت اعتبارسنجی مشتریان از کارآیی بالایی برخوردار می باشد و همچنین عملکرد پیش بینی الگوی شبکه عصبی به مراتب بهتر از سایر الگوها است.   Nowaday's, one of the most important financial decision's in financial institution's is investigation, assessment and measuring customer's validity. Decision making for granting facilitie's to customer's is vital from this perspective that imprecise assessment of customer's could Past due and delayed claim's and attenuated financial granting facilities power of banks and finally resulted the unpaid claim's of the bank's. This study has been conducted with the aim of modeling customer's validity in bank by using neural network, decision tree and support vector machine method's. For this purpose, financial and qualitative data for a random sample with 300 member's(218 good customer's and 82 bad customer's) have been selected from legal firm's that were received credit facilitie's from Iranian meli bank's of Tehran city member's in 1389 and 1390 year's, will be survey. In this study, after investigating each of customer's credit dossier's, 31 descriptive variable's were assessed and result's addition to verifying financial and economic theorie's, show that data mining method's have high efficiency for Validation of customer's. Also, performance of neural network model for prediction is much better than other model's.