این پژوهش، به دنبال استفاده از ارزش در معرض ریسک، به عنوان یک معیار اندازهگیری ریسک در تشکیل سبد سهام بهینه در بازار بورس تهران است.در این پژوهش ارزش در معرض ریسک محاسبه شده به روش پارامتریک با استفاده از بازدههای 15 روزهی 100 شرکت از تاریخ 1/1/1380 تا تاریخ 1/9/1386، به عنوان یک محدودیت به مدل سبد سهام مارکویتز، اضافه شده است. با تغییر پارامتر های ارزش در معرض ریسک مورد قبول سرمایه گذار و درصد اطمینان مورد قبول او، سبدهای بهینه مختلفی تشکیل شدهاند. نتایج نشان می دهد که افزودن محدودیت ارزش در معرض ریسک به مدل مارکویتز، ممکن است مرز کارا را محدود کرده، آنرا به یک نقطه تبدیل کند و یا از بین ببرد. نکات قابل توجه در این مقاله، در مقایسه با پژوهشهای مشابه دیگر، استفاده از اعتبارسنجی بازخورد به شکلی نوین و مطالعه موردی بازار بورس تهران است.
مقاله حاضر به مقایسه دو مدل – مدل (RBM)، مدل سه عامله (F&F) برای پیش بینی بازده مورد انتظار در بازار بورس اوراق بهادار تهران می پردازد.
یافته های تحقیق نشان می دهد که مدل سه عامله F&F بر مدل RBM برتری دارد و ارتباط اندازه شرکت با بازده مورد انتظار شرکت مستقیم و نسبت ارزش دفتری به ارزش بازار با بازده مورد انتظار شرکت معکوس می باشد.
هدف تحقیق حاضر ارائه مدل پیشبینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکههای عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان میدهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیشبینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا میباشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پیگیری تحقیقات مشابه در آینده بیان شده است.