فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۲۱ تا ۴۰ مورد از کل ۸۲ مورد.
حوزه های تخصصی:
هدف از پژوهش حاضر این است که با استفاده از نسبت های مالی، به مدلی بر پایه نسبت های مالی برای پیش بینی بازده جاری و آتی شرکت ها دست بیابیم. در این پژوهش به منظور بررسی توانایی نسبت های مالی در تبیین بازده جاری و پیش بینی بازده آتی سهام، از روش درخت تصمیم استفاده شده است. در این روش مجموعه ای از شرط های منطقی به صورت یک الگوریتم با ساختار درختی برای پیش بینی و تبیین یک پیامد به کار می رود. از این رو مدل های حاصل از چهار الگوریتم درخت تصمیم (شامل CHAID، ECHAID، QUEST و CRT) با استفاده از 70 درصد داده های پژوهش شکل گرفته و نتایج حاصل از آزمون آن ها در 30 درصد باقیمانده داده ها به وسیله معیار هایی نظیر صحت، دقت و جداول درهم ریختگی مقایسه شده است. از اطلاعات 317 شرکت پذیرفته شده بورس اوراق بهادار تهران طی سال های 1381 تا 1392 در این پژوهش استفاده شده است. نتایج به دست آمده نشان می دهد که الگوریتم های CRT و ECHAID در تبیین بازده جاری و الگوریتم CHAID در پیش بینی بازده آتی بهترین عملکرد را دارند. همچنین قدرت مدل ها در تبیین بازده جاری بیشتر از پیش بینی بازده آتی است. چون در هر دو حالت توانایی مدل ها از نظر آماری قابل اتکا نبوده، فرضیه برقراری ارتباط تبیینی بین نسبت های مالی طرح شده در این پژوهش و تغییرات بازده جاری و آتی سهام رد می شود.
بررسی تأثیر شوک های ارزی بر بازدهی سهام در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نرخ ارز یکی از مهم ترین عواملی است که بازده سهام را تحت تأثیر قرار می دهد. لذا این مطالعه اثر شوک های ارزی را بر بازده سهام در ایران بر اساس داده های 52 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سال های 1385−1390 مطالعه می کند. الگوی واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته (GARCH) برای استخراج شوک های ارزی استفاده شده است. افزون بر این رویکرد داده های تابلویی نیز برای به دست آوردن رابطه بین شوک های ارزی و بازده سهام به کار گرفته شده است. نتایج مطالعه بیانگر این است که شوک های نرخ ارز و تولید ناخالص داخلی آثار معنا دار مثبت بر بازده بازار سهام ایران دارند؛ اما شاخص قیمت مصرف کننده اثر معنا دار منفی بر بازده بازار سهام دارد.
بررسی آثار نامتقارن شوک های قیمت نفت بر شاخص قیمت سهام بورس اوراق بهادار ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ایران از جمله صادرکنندگان بزرگ نفت در جهان است که وابستگی زیادی به درآمدهای نفتی دارد. بنابراین اقتصاد ایران تحت تأثیر شوک های قیمت نفت قرار می گیرد که این شوک ها نفت می تواند بخش های مختلف اقتصاد ایران از جمله بازار بورس اوراق بهادار را تحت تأثیر قرار دهد. با توجه به اهمیت تغییرات قیمت نفت برای اقتصاد ایران، هدف این مقاله بررسی آثار نامتقارن شوک های قیمت نفت بر شاخص قیمت سهام بورس اوراق بهادار ایران است.
در این تحقیق رابطه بین قیمت نفت و تغییرات آن با شاخص کل قیمت سهام بورس اوراق بهادار ایران در دوره زمانی تیر ماه 1379 تا آذر ماه 1389 بررسی شده و برای این منظور از روش خودرگرسیون برداری VAR ، توابع واکنش به ضربه و تجزیه واریانس خطای پیش بینی با سه متغیر کنترل نقدینگی، شاخص قیمت مسکن و قیمت سکه استفاده شد.
بررسی آثار نامتقارن نوسانات قیمت نفت بر شاخص قیمت سهام نیز با استفاده از تعاریف مورک (1989) و همیلتون (1996) نشان دهنده این است که نوسانات قیمت نفت آثار نامتقارن بر شاخص قیمت سهام دارد و در هر دو تعریف، کاهش قیمت نفت نسبت به افزایش قیمت نفت، سهم بیشتری را در توضیح واریانس خطای پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران دارد.
آزمون آربیتراژ آماری در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
آربیتراژ آماری یکی از روش های متداول کسب سود از بازار سرمایه توسط سرمایه گذاران حرفه ای است که در دهه اخیر وارد متون علمی اقتصاد مالی نیز شده است. هدف این مقاله، تشریح مفهوم و مصادیق آربیتراژ آماری و آزمون قابلیت کاربرد آن در بازار سرمایه کشور است. بر این اساس، ابتدا مفهوم آربیتراژ آماری ارائه می شود و در ادامه پس از مرور مطالعات داخلی قبل روش آزمون آربیتراژ آماری و بررسی تجربی آن بر مبنای مشاهدات روزانه سهام بورس اوراق بهادار تهران طی سال های (1391–1380) ارائه شده است. نتایج مطالعه نشان دهنده آن است که تمام راهبردهای معامله گشتاوری آزمون شده شرایط آربیتراژ آماری را تأمین نموده و همگی از مصادیق آربیتراژ آماری محسوب می شوند، در نتیجه می توان نتیجه گرفت که آربیتراژ آماری روشی مناسب برای کسب سود در بازار سرمایه ایران بوده و در مقابل کسب سود از این طریق دلیلی محکم بر ناکارایی بازار سرمایه ایران می باشد.
اثر شکست های ساختاری در نوسانات بر انتقال تکانه و سرریز نوسان میان بازارهای طلا و سهام ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این مطالعه اثر تغییرات ساختاری در نوسانات بر انتقال تکانه و سرریز نوسان میان دو بازار طلا و سهام ایران را طیّ دوره ی زمانی 25/05/1392-05/01/1386 بررسی می کند. برای این منظور، ابتدا زمان هایی که تغییرات ساختاری در نوسانات رخ داده است با استفاده از الگوریتم متعارف مجموع مربعات تجمعی تکراری و هم چنین، الگوریتم اصلاح شده ی مجموع مربعات تجمعی تکراری به طور درون زا شناسایی شده و سپس این اطلاعات وارد فرآیند مدل سازی نوسانات می گردد. نتایج حاصل از کاربرد روش ناهمسانی واریانس شرطی تعمیم یافته ی دو متغیره در قالب تصریح غیر قطری بابا، انگل، کرافت و کرونر[1] نشان می دهد که انتقال تکانه ها و سرریز نوسانات میان بازارهای طلا و سهام ایران به صورت دو طرفه می باشد. هم چنین، بر اساس یافته ها، نادیده گرفتن و یا تعیین نادرست تغییرات ساختاری در نوسانات، محقق را در ارزیابی جهت سرایت تکانه و سرریز نوسان میان بازارهای طلا و سهام گمراه می سازد.
بررسی رابطه بین قیمت سهام و نرخ ارز در کشورهای صادرکننده نفت: رویکرد هم انباشتگی
حوزه های تخصصی:
هدف این پژوهش،بررسی رابطه بین قیمت سهام و نرخ ارز با در نظر گرفتن قیمت نفت در کشورهای صادرکننده نفت است. برای بررسی همگرایی بین متغیرها از آزمون های همگرایی کائو و پدرونی و برای برآورد بردار ضرایب بلندمدت از آزمون های FMOLSو DOLSدر دوره 2011-2009 در قالب داده های ماهانه استفاده کرده ایم. برای بررسی روابط علی کوتاه مدت بین متغیرها نیز از روش تصحیح برداری مبتنی بر آزمون PMGبهره گرفته ایم. نتایج نشان می دهد در بلندمدت بین متغیرها هم انباشتگی وجود دارد، به طوری که ضرایب بلندمدت حاکی از رابطه مثبت بین قیمت سهام و نرخ ارز بوده و رابطه بین قیمت نفت و نرخ ارز منفی است. همچنین، نتایج آزمون تلفیقی میانگین گروه نشان می دهد که بین تمام متغیرها علیت دو طرفه حاکم است.
معرفی و مقایسه عملکرد گزیده ای روش های معمول در پیش بینی ارزش در معرض ریسک چنددوره ای: مطالعه موردی بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مؤسسات مالی خصوصا بانک ها بنا بر الزامات قانونی کمیته ی بازل، برای تعیین میزان سرمایه ی احتیاطی خود می بایست پیش بینی های چنددوره ای (Multi-Period) از ارزش در معرض ریسک سبد دارایی های خود داشته باشند. لذا یافتن مدل های کارآمد در تخمین ارزش در معرض ریسک چنددوره ای (یا چندروزه) برای مدیران ارشد ریسک و علی الخصوص مدیران ریسک مالی از اهمیت بالایی برخوردار است. این مقاله به بررسی و مقایسه ی عملکرد روش های پارامتری، ناپارامتری و نیمه پارامتری در پیش بینی ارزش در معرض ریسک چنددوره ای برای سبد سرمایه گذاری شده در بورس اوراق بهادار تهران می پردازد. نتایج به دست آمده نشان می دهد که روش مرسوم تبدیل مقیاس زمان (قاعده ی جذر زمان) در اکثر افق های زمانی و در بین تمامی مدل های مورد بررسی، عملکرد خوبی ندارد. همچنین مدل های پارامتری در مقایسه با روش های ناپارامتری زیان انباشته ی بزرگتری را برای سبد دارایی ها نتیجه داده و در مقابل هزینه ی فرصت کمتری را به منابع بنگاه تحمیل می کنند.
پیش بینی شاخص سهام با استفاده از شبکه های عصبی موجکی در بورس اوراق بهادار تهران
حوزه های تخصصی:
در این تحقیق شاخص کل سهام بورس اوراق بهادار تهران با استفاده از مدل های مختلف شبکه های عصبی پیش بینی شده است. تحقیق از نوع کاربردی است و دوره زمانی انجام تحقیق از ابتدای سال 81 تا پایان سال 90 است. گردآوری اطلاعات از طریق آمار و داده های موجود در پایگاه اطلاعاتی در بورس اوراق بهادار تهران صورت گرفته است. برای ایجاد مدل WDBP از موجک db5 برای نویززدایی داده ها و تا پنج مرحله صورت گرفته است. جذر میانگین مربعات خطا (RMSE) معیارِ ارزیابی برای سنجش خطای پیش بینی است. نتایج این تحقیق نشان می دهد، عملکرد شبکه عصبی موجکی در پیش بینی شاخص سهام سطح خطای کمتری دارد و از شبکه عصبی بهتر است.
بررسی تحلیلی تأثیر تفکیک جریان های نقد عملیاتی و اقلام تعهدی بر توانایی پیش بینی جریان های نقدی و سودهای آتی
حوزه های تخصصی:
هدف پژوهش حاضر مشخص کردن خصوصیات جریان های نقدی و اقلام تعهدی عادی و غیرعادی در زمینه پیش بینی جریان های نقدی و سود آتی است. در این راستا، چهار فرضیه تدوین و برای آزمون این فرضیه ها با استفاده از مدل جونز (1991) و مدل جیان مینگ (2007) هر یک از جریان های نقدی و اقلام تعهدی به دو بخش عادی و غیرعادی تفکیک شد و توانایی این اجزاء در پیش بینی جریان های نقدی و سود آتی تجزیه وتحلیل شد. نتایج آزمون نمونه پژوهش شامل 51 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره 1381 تا 1391 نشان دادند، توانایی جریان های نقدی عادی از جریان های نقدی غیرعادی در پیش بینی جریان های نقدی و سود آتی بیشتر است و توانایی اقلام تعهدی عادی از اقلام تعهدی غیرعادی در پیش بینی جریان های نقدی آتی کمتر و در پیش بینی سود آتی بیشتر است.
کاربرد روش k- نزدیک ترین همسایه در پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با توجه به تاثیرات درماندگی مالی شرکت ها بر گروه های ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در سال های اخیر و پس از رخ دادن بحران مالی جهانی، تعداد شرکت های ورشکسته افزایش یافته است. از آن جا که درماندگی مالی شرکت ها مقدمه ورشکستگی آنهاست، لذا استفاده از نسبت های مالی برای پیش بینی درماندگی مالی، مورد توجه هر چه بیشتر دانشگاهیان و هم چنین بنگاه های اقتصادی و نهادهای مالی قرار گرفته است.
گر چه، در سال های اخیر در کشور ما نیز تحقیقات انجام شده بر روی پیش بینی درماندگی مالی شرکت ها رو به افزایش است، با این حال بیشتر تلاش های صورت گرفته به استفاده از روش های سنتی آماری معطوف شده و تنها در تعداد کمی از پژوهش ها از روش های ناپارامتری استفاده شده است. نتایج تحقیقات انجام شده در سال های اخیر حاکی از آن است که روش های یادگیری ماشینی عملکرد بهتری را نسبت به روش های سنتی آماری دارا می باشند.
در این پژوهش از روش k نزدیک ترین همسایه برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1386-1384 استفاده شده است. نتایج حاکی از آن است که روش مذکور با دقت خوبی قادر به پیش بینی درماندگی مالی شرکت ها می باشد.
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه های عصبی مصنوعی در پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سهامداران جهت گرفتن تصمیم های سرمایه گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیش بینی شده هر سهم از نظر استفاده کنندگان با اهمیت تلقی می شود. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکرد های نوین هوش مصنوعی است. برای این منظور ابتدا عوامل مؤثر بر سود هر سهم سال آتی از پژوهش های داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکت های نمونه در بازه زمانی سال های 1384 تا 1391 و به کارگیری روش ماشین بردار پشتیبان و شبکه های عصبی مصنوعی، مدلی هایی جهت پیش بینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکت های نمونه را با میزان خطای مطلوب 5 درصد پیش بینی کند. این مدل سود هر سهم سال جاری را با ضریب تأثیر 25 درصد به عنوان مؤثرترین متغیر برای پیش بینی سود هر سهم آتی معرفی می کند. همچنین نتایج نشان می دهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکه های عصبی مصنوعی عملکرد مشابهی دارد.
بررسی اثر فزاینده عامل نوسان پذیری بر قدرت توضیح دهندگی مدل سه عاملی فاما و فرنچ در بورس اوراق بهادار تهران
حوزه های تخصصی:
تاکنون به منظور طراحی مدلی مناسب برای پیش بینی بازده سهام، تلاش های بسیاری صورت گرفته است. یکی از قدیمی ترین این مدل ها، CAPM می باشد. به رغم مقبولیت نسبی، این مدل همواره به دلیل قدرت تبین کنندگی پایین و به استناد آزمون های تجربی متعددی مورد انتقاد قرار گرفته است. مدل سه عاملی فاما و فرنچ (1993) از موخرترین مدل های ارائه شده در این حوزه است. پس از ارائه این مدل، محققین دیگری سعی کرده اند با افزودن عامل (عوامل) دیگری به این مدل، قدرت توضیح دهندگی آن را افزایش دهند که معروف ترین آنها مدل چهار عاملی کارهارت می باشد که عامل مومنتوم را به مدل سه عاملی افزوده است. تحقیقات بعدی، عامل نوسان پذیری را مورد توجه قرار دادند.
تحقیق حاضر در پی آزمون قدرت توضیح دهندگی مدل چهار عاملی است که با افزودن نوسان پذیری، کارکرد این مدل را در بورس اوراق بهادار تهران مورد بررسی قرار داده است. نمونه مورد بررسی شامل 95 شرکت در بازه زمانی 1381 تا 1390 می باشد.
نتایج نشان می دهد، شرکت های بزرگ در مقایسه با شرکت های کوچک، شرکت های رشدی در مقایسه با شرکت های ارزشی – برخلاف نتایج تحقیقات فاما و فرنچ (1993) – دارای بازدهی بالاتری می باشند. به علاوه، شرکت های دارای انحراف معیار بالاتر بازده در مقایسه با شرکت های دارای انحراف معیار پایین، بازدهی بالاتری دارند. همچنین، افزودن عامل نوسان پذیری به مدل سه عاملی موجب افزایش معنادار در قدرت توضیح دهندگی مدل سه عاملی می گردد. و نهایتا توان تبیین کنندگی مدل چهار عاملی، تحت تاثیر اثر صنعت قرار نمی گیرد.
پیش بینی درماندگی مالی با بکار بردن کارایی به عنوان یک متغیر پیش بینی کننده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مقاله حاضر به ارائه مدلی مناسب برای پیش بینی درماندگی مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران می پردازد، بنابراین در کنار نسبت های مالی مهم برای پیش بینی درماندگی مالی از کارایی شرکت هاکه می تواند به دقت و قدرت پیش بینی مدل بیفزاید به عنوان یک متغیر پیش بینی کننده استفاده می گردد. ابتدا از روش تحلیل پوششی داده ها برای محاسبه شاخص کارایی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران طی دوره (1388-1384) استفاده می شود و نتیجه شاخص کارایی به عنوان متغیری برای پیش بینی درماندگی مالی در کنار سایر نسبت های مالی مورد استفاده قرار می گیرد. در روش پیشنهادشده، تحلیل پوششی داده ها به عنوان ابزاری برای ارزیابی کارایی ورودی- خروجی هر شرکت بکار برده می شود. برای بررسی میزان تأثیر کارایی به عنوان پیش بینی کننده داده های 50 شرکت تولیدی که در بورس اوراق بهادار تهران پذیرفته شده اند، مورد استفاده قرار می گیرد. با استفاده از آزمون های آماری متغیرهایی که قدرت بیشتری در تفکیک شرکت های درمانده از شرکت های سالم را دارند انتخاب شده است. سپس، درماندگی شرکت ها با استفاده از رگرسیون لجستیک در قالب دو الگو (با متغیر کارایی و بدون آن) پیش بینی شده است. یافته های حاصل از تحقیق نشان می دهند که استفاده از متغیر کارایی در مدل پیش بینی درماندگی به طور معناداری دقت پیش بینی مدل را افزایش می دهد.
تحلیل عوامل موثر بر نوسان های قیمت طلا با استفاده از مدل های رگرسیون سوئیچینگ مارکف و شبکه عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیش بینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوک ها و سال های تغییر رژیم های نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روش ها در داده های نوسانات قیمت طلا می پردازیم.
روش تحقیق: در این پژوهش با شناسایی عوامل موثر بر نوسان های قیمت طلا برای دوره 1390-1359 الگوی متناسب با این نوسان ها مدل سازی می شود. برای مدل سازی از دو روش غیر خطی شبکه عصبی و مدل رگرسیون چرخشی مارکف استفاده شده است. هدف مدل سازی در این مطالعه مقایسه دو روش نیست بلکه با یاری جستن از دو مدل سعی در برازش بهتر و پیش بینی بهتر مدل ها می باشد. هر یک از این دو روش توانایی خاصی در قسمتی از فرآیند مدل سازی دارند.
شبکه عصبی به کار گرفته شده در این پژوهش حاوی 2 لایه پنهان و رگرسیون چرخشی نیز دارای 2 رژیم می باشد. نتایج حاکی از آن است که روش شبکه عصبی به خوبی توانسته نوسانات قیمت طلا را پیش بینی کند و روش رگرسیون چرخشی سال های چرخش و شوک را شناسایی نموده و تشخیص داده شده که در ایران مدتی که بازار طلا در حالت کم نوسان است، بیشتر از حالت پر نوسان است. نتایج نشان می دهد از میان عوامل موثر بر قیمت طلا در مدل شبکه عصبی متغیر نرخ ارز و قیمت جهانی طلا بیشترین تاثیر را دارد و در مدل چرخشی مارکف متغیر قیمت نفت و پس از آن CPIدارای بالاترین اهمیت و درجه تاثیر گذاری بر قیمت طلا می باشد.
تأثیر متغیرهای کلان پولی بر قیمت سهام شرکت های گروه خودرو و ساخت قطعات پذیرفته شده در بازار بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سهام یکی از اجزای سبد دارایی مالی سرمایه گذاران می باشد. از این رو، شناخت عوامل تاثیرگذار بر ارزش این دارایی، مورد توجه سرمایه گذاران است. تغییرات قیمت سهام در بورس، تنها ناشی از عوامل درونی شرکت ها مانند سود تقسیمی، سود خالص و جریانات نقدی شرکت منتشرکننده سهام و ... نیست بلکه عوامل غیر درونی مانند متغیرهای کلان اقتصادی نیز تأثیر قابل توجهی بر تغییرات قیمت سهام دارند. صنعت خودرو در دنیا، یکی از راهبردی ترین صنایع می باشد و در ایران، بعد از صنعت نفت، بیشترین سهم را در تولید ناخالص ملی دارد.
این تحقیق با هدف مطالعه رابطه بین قیمت سهام شرکت های گروه خودرو و ساخت قطعات پذیرفته شده در بازار بورس تهران و متغیرهای نرخ ارز و شاخص بهای مصرف کننده که مربوط به بخش پولی اقتصاد می باشند، انجام شده است. داده ها به صورت سالانه و برای دوره زمانی 1389-1383 بوده و با استفاده از روش داده های تابلویی، مورد تجزیه و تحلیل قرار گرفته اند.
نتایج تحقیق نشان می دهد قیمت سهام این شرکت ها با نرخ ارز، رابطه مستقیم و معنی دار و با شاخص بهای مصرف کننده رابطه معکوس و معنی دار و با متغیرهای کنترل، سود تقسیمی و درآمد واقعی شرکت ها رابطه مستقیم و معنی دار دارد.
نقدی بر مقوله پیش بینی شاخص بورس: مطالعه موردی شاخص بورس تهران
منبع:
بورس تیر ۱۳۹۲ شماره ۱۰۲
حوزه های تخصصی:
اثر نوسان های قیمتی نفت بر بازده بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مطالعه نحوه اثرگذاری قیمت نفت و نوسان های قیمت نفت بر بازدهی بورس و نوسان های بازدهی بورس مورد بررسی قرار می گیرد. به این منظور از روش مارکوف- سوئیچینگ استفاده شده است. به منظور استخراج نوسان های قیمت نفت از سه روش فیلتر HP، مدل GARCH و مدل تحلیل موجک (Wavelet) استفاده شده است. بر اساس برآوردهای انجام شده روش تحلیل موجک نتایج دقیق تر و با جزئیات بیشتر نسبت به سایر روش ها دارد. نتایج نشان می دهد که افزایش قیمت نفت بر بازدهی بورس اثر معناداری ندارد و تنها باعث کاهش نوسان ها در بازدهی بورس خواهد شد، همچنین نوسان های قیمت نفت در مقیاس D1(t) اثر معنا داری بر بازدهی بورس ندارد اما نوسان های مقیاس D2(t) و D3(t) در شرایط رونق بازار اثر مثبت و معناداری بر بازدهی بورس دارد. به علاوه بر اساس، نتایج برآورد مدل ها ماتریس انتقال نیز نسبت به مقیاس بندی نوسان های قیمت نفت حساس بوده است.
رهیافتی از اقتصاد فیزیک در بازار سهام ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در مطالعه حاضر، با استفاده یک تابع توزیع غیرگوسی که توسط فیزیکدانی به نام کستینگ ارائه شده است به تجزیه و تحلیل رفتار بازار سهام در ایران پرداخته شده است. برای این منظور از اطلاعات روزانه بورس اوراق بهادار تهران از اول شهریور ماه 1381 تا آخر بهمن ماه 1389 پیشنهاد شده است. به منظور برآورد تابع توزیع کستینگ از روش بیزی و تکنیک شبیه سازی زنجیره مارکوف مونت کارلو استفاده شده است. نتایج به دست آمده وجود یک تابع توزیع غیرگوسی با دنباله آبشاری پهن و چوله به راست را تأیید می نماید، بنابراین با تکیه بر نتایج به دست آمده نمی توان احتمال وقوع بحران های غیرمنتظره در بازار سهام ایران را نادیده گرفت. همچنین این مطالعه تحت شرایط کنترل شده، فرضیه ثبات مجانبی توزیع کستینگ را مورد آزمون قرار داده است. نتایج به دست آمده نمی تواند فرضیه فوق را رد نماید، بنابراین با اعمال مدیریت هوشمند در برابر ریسک های موجود و ایجاد شفافیت بیشتر در بازار می توان به این امر دست یافت.
Financial Stability and Early Warning Systems: Lessons for I.R. of Iran(مقاله علمی وزارت علوم)
حوزه های تخصصی:
The main purpose of this paper is to overview early warning systems, discussing their importance and relevance for current situations of Iran’s financial system and economy. An early warning system generates ex-ante warnings of potential problems that may emerge or develop in the future on account of the current risk profile of a financial institution. Although there are various approaches to model warning and prediction of financial and economic risks, the signal extraction approach is the most popular one and gained more attention than any other approaches by financial institutions and policy makers. This approach is explained in detail. The paper will also analyze importance and relevance of early warning systems for Iran’s financial system and economy. Pointing out to some leading indicators, the paper suggests that Iranian authorities and in particular economic policy makers need to develop and design an appropriate early warning system to be able to avoid future financial and economic crises or at least take necessary measures to reduce their negative impacts