عمران محمدی

حقوق بشر تبدیل به گفتمانی شده است که در جامعه جهانی رعایت آن می تواند به عنوان عاملی مهم در مقبولیت عمومی یک کشور تلقی شود. حقوق بشر تا بدان جا اهمیت یافته است که تمامی ساز وکارهای بین المللی نیز باید مطابق آن باشند. تحریم هایی که به وسیله شورای امنیت و حتی یکجانبه وضع می شوند نیز در دایره حقوق بشر می باشند. جمهوری اسلامی ایران یکی از کشورهایی است که مورد تحریم های بین المللی و یکجانبه از سوی آمریکا و اتحادیه اروپا قرار گرفته است. تحریم های یک جانبه آمریکا بر ایران بسیار گسترده و مؤثر بوده است. حال پرسشی که به ذهن متبادر می شود این است که چگونه تحریم های یکجانبه آمریکا موجبات نقض حقوق بشری شهروندان ایرانی را در پی داشته و این تحریم ها چه حق های بشری و بنیادینی را نقض می نمایند؟ فرض ما بر این است که تحریم های یکجانبه ایالات متحده از جوانب مختلف موجب نقض حق های بشری مختلف شهروندان ایرانی می شود.

مؤلفه های اقتصادی در هر کشوری، در انتخاب شیوه های تجارت و قواعد این شیوه ها اثرگذار هستند. تجارت شخصی، تجارت مشارکتی و تجارت شرکتی، سه شیوه اصلی تجارت در کشورهای جهان هستند که بنا به اقتضائات خاص هر کشوری، الگوهای گوناگونی به خود گرفته اند. موضوع تجارت خدمات حرفه ای از جمله این اقتضائات خاص است که نیازمند ایجاد الگوهای خاصی در شیوه دوم تجارت یعنی تجارت مشارکتی است. در حقوق ایران، شیوه و الگویی مناسب با اقتضائات تجارت خدمات حرفه ای معرفی نشده است. در ابتدا عدم توجه به تفاوت بین شرکت و مؤسسه باعث شده که خدمات حرفه ای از عناصر ضروری خود تهی شد و سپس عدم هماهنگی بین قوانین مربوط به تجارت باعث تعمیق این شکاف شده است. در حال حاضر در لایحه تجارت (در دست تصویب) موادی وجود دارند که وضعیت خدمات حرفه ای را با چالش بیشتری روبه رو می کنند. در این مقاله با استفاده از مبانی نظری رفتارهای جمعی، تاریخچه تدوین شیوه ها و الگوهای تجاری و مراجعه به تجربه برخی از کشورهایی که سیستم حقوقی مشابهی با ایران دارند، ارکان کلیدی لازم برای تقویت تجارت خدمات حرفه ای در ایران معرفی شده اند.

بهینه سازی سبد سهام یکی از مهم ترین موضوعاتِ تصمیم گیری برای شرکت های فعال در بازار سرمایه است. هنگامی که وضعیت و محدودیت های دنیای واقعی نظیر محدودیت سرمایه گذاری در هریک از سهام ها و نیز محدودیت تعداد سهام های موجود در سبد سهام در نظر گرفته می شوند، مسئله بهینه سازی سبد سهام به راحتی حل نمی شود، از این رو استفاده از شیوه های فراابتکاری مد نظر قرار می گیرد. هدف اصلی از پژوهش حاضر، حل مسئله بهینه سازی سبد سهام با استفاده از نوعی الگوریتم فراابتکاری کاملاً جدید و نوظهور به نام الگوریتم جست وجوی ارگانیسم های هم زیست با در نظر گرفتن محدودیت های دنیای واقعی در تشکیل سبد سهام است. این الگوریتم با الهام از روابط هم زیستی موجود در اکوسیستم های گوناگونی که در طبیعت وجود دارد، در سال 2014 معرفی شده است. در نهایت روش و مدل مورد استفاده در این پژوهش با داده های واقعی حل شد و نتایج آن تجزیه و تحلیل شدند. نتایج این پژوهش نشان می دهد، الگوریتم جست وجوی ارگانیسم های هم زیست در بهینه سازی سبد سهام، عملکرد موفقی داشته و توانسته است به نحو مطلوبی با محدودیت های واقعی بازار تعامل کند

تئوری نوین بهینه سازی سبد سهام مبتنی بر مدل بنیادین مارکویتز توسعه یافته است. مدل مارکویتز از لحاظ تئوری ویژگی های منحصر به فردی دارد، اما ضعف های آن مانع استفاده از این مدل در عمل می گردد. در این مدل عموما نرخ بازده بر اساس داده های گذشته استخراج می شود، لیکن دراین پژوهش از سناریوهای آتی مربوط به نرخ بازده، در فرآیند سرمایه گذاری استفاده شده است. مدل مارکویتز و تعمیم های بعدی آن چند هدفه هستند. در این پژوهش از توسعه ی رویکرد بهینه سازی چند هدفه زیمرمن که ساختاری فازی مانند دارد، استفاده شده است، همچنین جهت مواجهه با عدم قطعیت ها از رویکرد بهینه سازی استوار مبتنی بر حداقل رساندن تأسف استفاده شده است. به عبارتی دیگر ابتدا مدل زیمرمن را با در نظر گرفتن سناریوها و ترکیب های وزنی ویژه، برای دو هدف حداقل کردن ریسک و حداکثر کردن بازده، تشریح نموده و مرز پارتو را به دست آورده، سپس راه حل تأسف مینی ماکس را با توجه به سناریوها و ترکیب های وزنی لحاظ شده، محاسبه شده است. در نهایت، به منظور ارزیابی عملکرد و اعتبارسنجی مدل ارائه شده، اقدام به پیاده سازی آن در بورس اوراق بهادار تهران شده است.

سرمایه گذاری در بازار سهام نقشی اساسی در رشد و توسعه اقتصادی دارد، زیرا امکان ایجاد فرصت های سرمایه گذاری، تأمین منابع مالی برای شرکت ها و دولت ها و تحرک فعالیت اقتصادی را به ارمغان می آورد. تشکیل سبد سرمایه گذاری مناسب به منظور فعالیت در بازار سهام از اهمیت قابل توجهی برخوردار است و جهت دستیابی به عملکرد مطلوب و بهره برداری بهتر، نیازمند مهارت در انتخاب و ترکیب مناسب از سهام گوناگون می باشد. توجه به نوسانات بازار سهام در تشکیل سبد سرمایه گذاری امری حیاتی بوده زیرا که این نوسانات بیانگر تغییرات و پویایی این بازار هستند و تصمیم گیری مبتنی بر این نوسانات، به سرمایه گذاران کمک می کند تا مخاطرات مالی را بهبود بخشند و فرصت های سرمایه گذاری را شناسایی کنند. همچنین توجه به نوسانات مثبت در تشکیل سبد سرمایه گذاری بسیار حائز اهمیت می باشد زیرا که این نوسانات نشان دهنده قابلیت رشد و سودآوری بالقوه سهام هستند. به همین منظور، هدف این پژوهش تشکیل سبد سرمایه گذاری بهینه به منظور بهره برداری مزیت ها و فرصت های سرمایه گذاری ناشی از نوسانات مثبت و در عین حال توجه به نوسانات منفی و کاهش آن می باشد. در همین راستا در این پژوهش رویکردی نوین به نام مدل نیم واریانس دو مرحله ای معرفی گردید و با استفاده از داده های ماهانه سهام از ابتدای سال ۱۳۹۷ تا ۱۴۰۱، به تشکیل سبد سرمایه گذاری پرداخته شد و جهت ارزیابی کارایی این مدل مقایسه آن با مدل نیم واریانس و اوزان یکسان سبد صورت گرفت. نتایج نشان می دهند، مدل مذکور عملکرد بهتری داشته و بهره وری و عملکرد سبد سرمایه گذاری را نسبت به مدل نیم واریانس و اوزان یکسان سبد بهبود می بخشد.

در جهان امروز اهمیت مدل های بهینه سازی سبد سرمایه گذاری به صورت فزاینده ای مورد توجه قرار گرفته است. هرچند پیش بینی بازده مورد انتظار گزینه های سرمایه گذاری و در نظر گرفتن آن ها در تابع هدف بیشینه سازی سود امری رایج است لیکن مهم ترین نوآوری پژوهش جاری کمینه سازی خطای پیش بینی به عنوان تابع هدف است. این نوآوری به سرمایه گذاران توصیه می کند که در تشکیل سبد سرمایه گذاری علاوه بر سود و ریسک، بر معیار مهم قابل پیش بینی بودن گزینه های سرمایه گذاری نیز تاکید گردد. ادغام پیش بینی بازده مدل های سری زمانی سنتی در تشکیل پورتفولیو می تواند عملکرد مدل بهینه سازی سبد اصلی را بهبود بخشد. از آنجایی که مدل های یادگیری ماشین و یادگیری عمیق برتری قابل توجهی نسبت به مدل های سری زمانی نشان داده اند، این مقاله پیش بینی بازده در تشکیل پورتفولیو را با مدل یادگیری ماشین، یعنی جنگل تصادفی و مدل یادگیری عمیق حافظه ی کوتاه مدت طولانی ترکیب می کند. به منظور ارزیابی عملکرد مدل پیشنهادی، داده های تاریخی 5 ساله از سال 1396 تا 1401 از شاخص 5 صنعت بانکی، خودرویی، دارویی، فلزی و نفتی است. نتایج تجربی نشان می دهد که مدل های بهینه سازی میانگین واریانس با پیش بینی بازدهی به وسیله جنگل تصادفی ، بهتر عمل می کنند.

پیشینه و اهداف: بازار سرمایه یکی از تأثیرگذارترین نهادهای کشور در راستای بهبود اقتصادی جامعه است که همواره سرمایه گذاری بهینه در این بازار دغدغه اصلی سرمایه گذاران و پژوهشگران این حوزه بوده است. امروزه پژوهش های فراوانی در راستای تشکیل سبد سرمایه گذاری صورت گرفته و مدل های متنوعی برای بهینه سازی سبد سرمایه گذاری معرفی شده است. حال در این پژوهش قصد آن است تا به بررسی عملکرد مدل های مختلف بهینه سازی سبد سرمایه گذاری تحت سناریوهای مختلف، در صنعت بیمه و صندوق های بازنشستگی به مثابه یکی از مهم ترین ارکان بازار سرمایه بپردازد.روش شناسی: این پژوهش به بررسی عملکرد مدل های مختلف بهینه سازی سبد سرمایه گذاری با سنجه های ریسک واریانس، نیم واریانس، انحراف معیار، نیم انحراف معیار، ارزش در معرض ریسک شرطی و ارزش در معرض ریسک نزولی تحت سناریو های مختلف می پردازد. سبد سرمایه گذاری بهینه شده با استفاده از مدل میانگین واریانس مبتنی بر بازده بتا و مدل CAPM نیز به عنوان ملاحظات جایگزین برای سرمایه گذاران با دقت نظر بالاتر و مبنایی برای تصمیم گیری ارائه شده است. داده های مورد استفاده در این پژوهش از فروردین تا اسفند 1401 به صورت روزانه از بازار بورس اوراق بهادار تهران جمع آوری شده است.یافته ها: بازدهی ماهانه سهام به این نکته اشاره دارد که سهام مربوطه در بازه مورد بررسی پایدار نبودند و روند ثابتی نداشتند. با تشکیل سبد سرمایه گذاری متشکل از سهام شرکت های بیمه و صندوق های بازنشستگی میزان بازدهی و ریسک هر مدل برای سرمایه گذاری مشخص شد که اطلاعات جامعی را در اختیار سرمایه گذاران قرار می دهد. سرمایه گذاران براساس میزان ریسک پذیر و یا ریسک گریز بودن می توانند استراتژی های متنوعی را برای سرمایه گذاری انتخاب کنند تا مطلوبیت حاصل از سرمایه گذاری خود را به حداکثر برسانند.نتیجه گیری: نتایج حاصل از این پژوهش بیانگر آن است که سبد سرمایه گذاری تشکیل شده با سنجه ی ریسک افت سرمایه، در معرض خطر مشروط با مقدار بازدهی 22 درصد، دارای بیشترین میزان بازدهی سرمایه گذاری در میان مدل های بررسی شده در صنعت بیمه و صندوق های بازنشستگی در بازار بورس اوراق بهادار تهران است.