علیرضا رعیتی شوازی

یکی از کانال های شکل گیری سرایت مالی، ریسک نگهداری دارایی های مشترک یا ریسک سبد همپوشان است. با توجه به اینکه سرایت مالی ناشی از این ریسک می تواند به یک نهاد سرمایه گذاری زیان زیادی وارد سازد و کل بازارسهام و حتی اقتصاد را دچار بحران کند؛ بنابراین هدف اصلی این پژوهش ارائه مدلی برای پیش بینی سرایت مالی مبتنی بر ریسک همپوشانی سبد سهام ناشی از شوک در گروه های صنعتی است. این پژوهش از نوع پیمایشی تحلیلی است که با استفاده از روش آماری تحلیل تشخیصی انجام شده است. در این راستا، بر اساس داده های مربوط به سبد سهام نهادهای سرمایه گذار در بورس اوراق بهادار تهران مدل تشخیصی چند متغیره مبتنی بر شوک در گروه های صنعتی ارائه شده است. یافته های پژوهش بیانگر این است که متغییرهای مستقل؛ «مبلغ سرمایه گذاری شده در گروه صنعتی» و «تنوع سرمایه گذاران در گروه صنعتی» به عنوان متغیرهای پیش بینی کننده سرایت مالی مبتنی بر ریسک همپوشانی سبد سهام ناشی از ایجاد شوک در گروه صنعتی تایید شده است. بخش های نظارتی می توانند با استفاده از مدل ارائه شده در این پژوهش گروه های صنعتی که ریسک همپوشانی سبد بالایی دارند را شناسایی کنند و با اتخاذ تدابیر مناسب ثبات سیستم مالی را حفظ نمایند.

سرایت مالی و ریسک همپوشانی پرتفوی از روابط و وابستگی های متداخل نهادهای سرمایه گذاری و بازارهای مالی ناشی می شود و می تواند ثبات کل سیستم را به مخاطره اندازد. لذا، تحقیق حاضر با هدف کمک به نهادهای نظارتی برای پیشگیری از بحران های مالی ناشی از ریسک همپوشانی پرتفوی، با استفاده از روش توصیفی داده کاوی به ارائه مدلی جهت سنجش سرایت مالی بر اساس ریسک همپوشانی پرتفوی در صنایع مختلف در بورس اوراق بهادار تهران پرداخته است. بر این اساس، گروه های بورسی با توجه به تأثیرپذیری و تأثیرگذاری بر سایر گروه های بورسی و با در نظر گرفتن متغیرها و مؤلفه های پرتفوی نهادهای مالی فعال در بازار سرمایه ایران در چهار خوشه بخش بندی و در قالب ماتریس ناقل و گیرنده سرایت نمایش داده شده است. همچنین، مقایسه احتمال سرایت و احتمال توزیع سرایت داده های دو مقطع زمانی پایان سال های 94 و 95 نشان داد علاوه بر تفاوت پایین اعداد ارائه شده، پایایی مدل ارائه شده با توجه به یکسان بودن گروه های بورسی ناقل و پذیرنده سرایت در هر دو سال به اثبات می رسد که بیانگر آن است که بازار سرمایه ایران از احتمال سرایت پایینی ناشی از کانال همپوشانی پرتفوی برخوردار است.

هدف پژوهش حاضر این است که مدلی جهت سنجش سرایت مالی مبتنی بر ریسک همپوشانی پرتفوی در بورساوراق بهادار تهران ارائه و پایداری آن به روش شبیه سازی تحلیل گردد. پس از معرفی کلی مدل مقاله در بخشابتدایی مقاله و مقایسه احتمال سرایت و احتمال توزیع سرایت داده های دو مقطع زمانی، به دلیل ماهیت پژوهش)استفاده از داده در یک مقطع زمانی و همچنین عدم قابلیت مقایسه نتایج پژوهش با داده های واقعی( در بخش دومپژوهش، برای سنجش اعتبار مدل از روش شبیه سازی مونت کارلو با استفاده از توزیع آماری داده های واقعی استفادهشده است. بدین منظور ابتدا سعی به تشخیص و آزمون نیکویی برازش توزیع مورد استفاده در متغیر درجه نهادهایسرمایه گذاری شد و نهایتا توزیع پواسون لیندلی تعمیم یافته، مناسب تشخیص داده شد. سپس برای سنجش پایداری -مدل بر اساس شبیه سازی داده های مجازی به تحلیل آستانه های شبیه سازی در این پژوهش شامل پارامترهای میانگینتنوع پرتفوی نهادهای مالی، اهرم، تاثیر بازار، ازدحام و نوع شوک پرداخته شده است. در انتهای پژوهش، تحلیلپایداری مدل بر اساس شبیه سازی داده های واقعی و با بررسی پارامتر تاثیر بازار ارئه شد که نتایج، بیانگر این واقعیتاست که بازار سرمایه ایران از احتمال پایینی برای سرایت مالی ناشی از ریسک همپوشانی پرتفوی برخوردار است.

آگاهی نسبی خانواده ها از متغیرهای اقتصادی مؤثر در شرایط مالی خانواده، نظیر پس انداز، سرمایه گذاری و غیره و همچنین آشنایی با حداقل ضوابط و مقررات تجاری- مالی، می تواند ضامن حفظ سلامت و امنیت اقتصادی خانواده ها گردد. سرمایه گذاری در بازار سرمایه، علاوه بر کارکردهای کلان اقتصادی از حیث اقتصاد خرد خانواده نیز واجد نتایج مؤثری است که مهمترین آن تجهیز و هدایت پس اندازهای خرد خانواده به بازارهای مولد و جلوگیری از سریان آنها به بازارهای کاذب و جرم خیز دلالی و سفته بازی است. حضور مشارکت جویانه و مسؤولانه اعضای مختلف خانواده در نهادهای مالی بازار سرمایه موجب ارتقای سرمایه اجتماعی و افزایش سطح مشارکت های اجتماعی داوطلبانه نیز می گردد که خود در تأمین امنیت پایدار مؤثر است. حضور فعالانه خانواده ها در بازار سرمایه و استفاده فرصت های مالی آن، ضمن کمک به کاهش فقر و نابسامانی خانواده ها به ارتقای سطح رفاه اجتماعی، توسعه طبقه متوسط و تقویت عدالت اجتماعی و به تبع آن افزایش ضریب امنیت ملی خواهد انجامید. در تحقیق حاضر، ابتدا با استفاده از روش توصیفی و اکتشافی با ابزار مصاحبه با خبرگان و پیمایش متون به بررسی و تجزیه زوایای مختلف تأثیر بازار سرمایه بر امنیت خانواده پرداخته شده است. سپس ضمن استنباط شاخصه های تأثیرپذیری- با یاری گرفتن از تکنیک مدل سازی ساختاری تفسیری- به طور دقیق ارتباط و توالی ابعاد و مؤلفه­های بازار سرمایه در امنیت خانواده با تأکید بر تغییر روش های مدیریت ریسک، به دست آمده و به صورت یکپارچه ارائه شده است.

عموماً سرمایه گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسک و نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه گذار دارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از بین سهام 50 شرکت برتر بورس اوراق بهادار تهران مدلی چندهدفه برای بهینه کردن اهداف، بازدهی، ریسک سیستماتیک، ریسک غیرسیستماتیک، نقدشوندگی، ضریب چولگی و نسبت شارپ طراحی شود. مدل طراحی شده غیرمحدب است و نمی توان آن را با الگوریتم های تحقیق در عملیات بهینه کرد. بنابراین از الگوریتم ژنتیک برای بهینه کردن مدل استفاده شده است. مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیرخطی (درجه دوم) نشان می دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل های دیگر است، اما کاهش بازدهی با کاهش در میزان ریسک جبران شده و معیارهای تعدیل شده بر مبنای ریسک بر بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می گذارد. همچنین پرتفولیو حاصل، تنوع بیشتری نسبت به پرتفولیو مدل های دیگر دارد.

سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.