تحقیقات مالی

هدف: مدل سازی فرایند ورود معامله گران مطلع و نامطلع به بورس تهران و بررسی برهم کنش این دو گروه معامله گران در بازار که با وجود اهمیت آن تا کنون مغفول مانده، هدف اصلی این مطالعه است. روش: در این پژوهش، مدل معاملات متوالی بر مبنای داده های معاملات 33 شرکت از 11 صنعت بورس اوراق بهادار تهران در سال های 1392 تا 1395 و با استفاده از الگوریتم نلدر مید تخمین زده شد. یافته ها: در بورس تهران، افزایش پیش بینی نشده معاملات نامتوازن در یک روز، مقدار انتظاری ورود هر دو گروه معامله گران به بازار در روز آتی را افزایش می دهد. مقدار ورود معامله گران مطلع در قیاس با معامله گران نامطلع پایداری کمتری نشان می دهد. به علاوه، این مقدار تأثیرپذیری اندکی از رونق معاملات دارد. همچنین، افزایش حضور معامله گران مطلع لزوماً تعداد معامله گران نامطلع در بازار را کاهش نمی دهد. نتیجه گیری: مشابه یافته های پیشین در بازار کشورهای دیگر، در بورس تهران حضور معامله گران مطلع به طور عمده تابع مزیت های اطلاعاتی آنهاست، اما برخلاف نتایج اغلب مطالعات پیشین، با افزایش حضور معامله گران مطلع، تمایل معامله گران نامطلع برای مشارکت در بورس اوراق بهادار تهران لزوماً کاهش نمی یابد.  

هدف: پیش بینی درماندگی مالی شرکت ها، یکی از مهم ترین مسائل تحقیقاتی در حوزه مدیریت ریسک بوده و همواره در کانون توجه بانک ها، شرکت ها، مدیران و سرمایه گذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیش بینی کننده با عملکرد بالا و مقایسه نتایج به دست آمده از آن با سایر مدل های رایج در پیش بینی درماندگی مالی است. روش: به همین منظور از روش های انتخاب ویژگی پی درپی پیشرو شناور که مدل تعمیم یافته روش انتخاب ویژگی پیشرو پی درپی بوده و از دسته روش های پوشش دهنده است و روش انتخاب ویژگی پیشرو پی درپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدل ها از نوع مدل های ترکیبی انتخاب ویژگی و طبقه بندی کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدل های آماری طبقه بندی است نیز استفاده شده است. یافته ها: پس از بررسی نسبت های مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدل های استفاده شده در این پژوهش می باشد. نتیجه گیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.

هدف: هدف اصلی از اجرای این پژوهش، تحلیل ناهنجاری اقلام تعهدی با استفاده از عامل اقلام تعهدی (CMA) و پرتفوی های ساختگی عاملی مبتنی بر اقلام تعهدی است. همچنین در این پژوهش بررسی می شود که ناهنجاری اقلام تعهدی برگرفته از ریسک است یا از قیمت گذاری نادرست نشئت می گیرد. بر اساس تئوری های پشتوانه مدل های قیمت گذاری دارایی های منطقی، توانایی اقلام تعهدی در پیش بینی بازده باید برگرفته از ضرایب پرتفوی های ساختگی عاملی مبتنی بر اقلام تعهدی باشد، نه ویژگی اقلام تعهدی. روش: در این پژوهش فرضیه ها به کمک رگرسیون سری زمانی آزمون شده اند و برای تحلیل ناهنجاری اقلام تعهدی از مدل قیمت گذاری چهار عاملی هیرشلیفر استفاده شده است. یافته ها: بر اساس نتیجه آزمون های انجام شده، ویژگی اقلام تعهدی به جای ضریب عامل اقلام تعهدی، بازده را پیش بینی می کند. این نتایج نشان می دهد سرمایه گذاران ویژگی اقلام تعهدی را به طور نادرست ارزیابی میکنند و سبب می شوند تفسیر ریسک منطقی با تردید مواجه شود. نتیجه گیری: بین اقلام تعهدی و بازده سهام همگرایی وجود دارد و این همگرایی به قیمت گذاری نادرست سرمایه گذاران نسبت داده می شود. به بیان دیگر، ناهنجاری اقلام تعهدی برگرفته از قیمت گذاری نادرست است.  

هدف: در پژوهش های بسیاری به بحث دستکاری قیمت به صورت نظری پرداخته شده، اما شکل تجربی این بحث به ویژه در بازارهای نوظهور همانند ایران، کمتر بررسی شده است. از این رو، توجه به این موضوع و شناسایی راه های پیشگیری از آن، ضروری است. این پدیده سبب تغییر غیرطبیعی قیمت سهام شرکت ها شده و به بی اعتمادی بین سرمایه گذاران منجر می شود. تغییرات غیرطبیعی قیمت سهام، به افزایش نوسان های بازار سهام و ریسک بیشتر آن منجر می شود. در این پژوهش به طور تجربی به بررسی و شناسایی شرکت های مستعد دستکاری قیمت در بازار سرمایه ایران پرداخته شده است. روش: برای اجرای این پژوهش از نمونه های دستکاری قیمت به روش ورود سفارش اغواکننده در بازار سهام ایران برای دو دوره سه ماهه (یک دوره صعودی شاخص و یک دوره نزولی) استفاده شده است. روشی که برای آزمون و تجزیه و تحلیل داده ها به کار رفته، رگرسیون پنل لاجیت است. یافته ها: نتایج نشان می دهد شرکت های کوچک با حجم معاملات بالا، شفافیت اطلاعاتی اندک، نوسان بازدهی بالا و با سابقه دستکاری در گذشته، برای دستکاری قیمت مستعدترند. همچنین دستکاری قیمت با تغییرات شاخص بازار رابطه معکوس دارد. نتیجه گیری: تغییرات شاخص بازار متغیر تأثیرگذاری بر احتمال دستکاری قیمت است. احتمال وقوع دستکاری قیمت در بازارهای رکودی، به دلیل مشکل بودن کسب بازدهی در آنها، بیشتر است، زیرا در بازارهای صعودی که اغلب سهم ها با رشد قیمت مواجه می شوند، انگیزه کمتری برای این نوع اقدامات وجود دارد.

هدف: یکی از ابزارهای رایج برای ایجاد شفافیت قبل از معامله در بازارهای مالی، دفتر سفارش های محدود است. با اینکه در زمینه دفتر سفارش های محدود مطالعات متعددی صورت گرفته، هنوز در خصوص اثر افزایش شفافیت قبل از معامله بر کیفیت بازار (نقدشوندگی و عمق بازار) اجماع نظری وجود ندارد. افزایش تعداد سطوح دفتر سفارش های محدود از 3 پله به 5 پله برای معامله گران برخط بورس اوراق بهادار تهران در اردیبهشت ماه سال 1396، این فرصت را به وجود آورد که به بررسی این موضوع در بورس تهران پرداخته شود. روش: در این پژوهش با استفاده از معیارهای اسپرد مظنه، اسپرد مؤثر، عمق بازار و انحراف معیار بازدهی، اثر شفافیت دفتر سفارش های محدود بر کیفیت بازار بر اساس رویکرد مطالعات رویدادی، بررسی شده است. یافته ها: بر مبنای یافته های پژوهش، پس از افزایش تعداد سطوح دفتر سفارش های محدود در بورس تهران، تمام معیارهای انتخاب شده، به جز عمق بازار با کاهش معناداری رو به رو بوده اند. نتیجه گیری: نتایج به دست آمده از بررسی معیارهای کیفیت بازار نشان می دهد افزایش شفافیت دفتر سفارش های محدود برای معامله گران برخط در بورس ایران، به کاهش کیفیت بازار منجر شده است.  

هدف: هدف این پژوهش، بررسی رفتار متغیر تلاطم تحقق یافته در ارتباط با داده های با فراوانی زیاد شاخص سهام بورس اوراق بهادار تهران، در فاصله زمانی 9 اردیبهشت 1391 تا 17 مرداد 1397 است. روش: برای دستیابی به هدف پژوهش و تحلیل و بررسی رفتار متغیر تلاطم تحقق یافته، از سه گونه مختلف مدل های خودرگرسیونی ناهمگن، شامل HAR-RV-CJ، HAR-RV و HAR-RVJ استفاده شده است. یافته ها: نتایج به دست آمده از سه مدل مختلف نشان می دهد که تلاطم تحقق یافته تخمینی در بازار، به نحو مطلوبی از طریق معامله گرانی که به صورت روزانه و در چارچوب مدل HAR-RVJ فعالیت می کنند، توضیح داده شده است. علاوه بر این، منبعث از فرضیه مشهور بازار ناهمگن، درمی یابیم که در مقایسه عملکردی تمام افق های زمانی مطالعه، مقادیر مربوط به چهار معیار ارزیابی (شامل RMSE، MAE و غیره) در مدل فوق از مدل های HAR-RV-CJ و HAR-RV کمتر است. نتیجه گیری: عملکرد پیش بینی درون نمونه ای در مدل HAR-RVJ و در ارتباط با متغیر تلاطم آتی شاخص بورس اوراق بهادار تهران، از آنچه در مدل های HAR-RV و HAR-RV-CJ به دست آمده است، بهتر بوده و بین تمام معیارها بیشترین امتیاز را کسب کرده است. همچنین در حالت بررسی برون نمونه ای نیز باید گفت که فقط در افق زمانی ماهانه، مدل ساده HAR-RV نسبت به دو مدل دیگر برتری داشته است.  

هدف: به طور کلی سری های زمانی مالی مانند شاخص سهام، رفتار غیر خطی، بی ثبات و نویزی دارند. مدل های ساختاری و آماری و مدل های مبتنی بر یادگیری ماشین، اغلب توانایی پیش بینی دقیق سری هایی با این گونه رفتار را ندارند. بر این اساس، هدف تحقیق حاضر، ارائه یک مدل ترکیبی جدید با بهره مندی از مزایای روش گروهی مدل سازی داده ها (GMDH) و الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA II) برای پیش بینی دقیق تر روند حرکت و تغییرات شاخص کل بورس اوراق بهادار تهران و مقایسه توانایی آن با مدل ARIMA بر اساس معیارهای سنجش خطا شامل RMSE، MAPE و TIC است. روش: برای دستیابی به هدف پژوهش، از داده های شاخص کل قیمت و بازده نقدی در بورس اوراق بهادار تهران (TEDPIX) طی دوره زمانی مهر 1387 تا شهریور 1397 استفاده شده است. مدل ترکیبی NSGA II-GMDH، شبکه GMDH را به عنوان مدلی مقاوم در برابر داده های نویزی و نامانا برای پیش بینی به کار می گیرد و از الگوریتم بهینه سازی چند هدفه NSGA II برای کمینه سازی خطای پیش بینی و انتخاب متغیرهای ورودی بهینه استفاده می کند. یافته ها: نتایج به دست آمده از مدل ترکیبی ارائه شده در این پژوهش، بر اساس هر سه معیار سنجش خطا، بیان کننده خطای کمتر و دقت پیش بینی بیشتر آن در مقایسه با مدل ARIMA برای داده های خارج از نمونه است.   نتیجه گیری: با توجه به یافته های تجربی می توان نتیجه گرفت که مدل پیشنهادی در پوشش تغییرات ناپایدار روند حرکت شاخص کل، از انعطاف پذیری و توانایی بیشتری برخوردار است.