شاپور محمدی

شاپور محمدی

سمت: دانشیار
مدرک تحصیلی: دکتری

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۴۱ تا ۵۵ مورد از کل ۵۵ مورد.
۴۱.

Optimal Portfolio Selection for Tehran Stock Exchange Using Conditional, Partitioned and Worst-case Value at Risk Measures(مقاله علمی وزارت علوم)

نویسنده:
منبع: Journal of Money and Economy, Vol. ۹, No. ۱, Winter ۲۰۱۴ 1-30

کلیدواژه‌ها: Portfolio optimization Value at Risk CVaR WVaR PVAR HGAPSO

حوزه‌های تخصصی:
تعداد بازدید : ۳۱۴ تعداد دانلود : ۱۹۵
This paper presents an optimal portfolio selection approach based on value at risk (VaR), conditional value at risk (CVaR), worst-case value at risk (WVaR) and partitioned value at risk (PVaR) measures as well as calculating these risk measures. Mathematical solution methods for solving these optimization problems are inadequate and very complex for a portfolio with high number of assets. For these reasons, a combination of particle swarm optimization (PSO) and genetic algorithm (GA) is used to determine optimized weights of assets. Stocks’ Optimized weight results show that proposed algorithm gives more accurate outcomes in comparison with GA algorithm. According to back-testing analysis, PVaR and WVaR overestimate risk value while VaR and CVaR give a rather accurate estimation. A set of companies in Tehran Stock Exchange are considered as a case study for empirical analysis. JEL Classification: G10, G11, G19
۴۳.

محاسبه ی بازده ی بدون ریسک بازارهای مالی ایران به روش فیلتر کالمن(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۶ پاییز ۱۳۹۰ شماره ۳ (پیاپی ۹۶) 155 - 180

کلیدواژه‌ها: بازده ی بدون ریسک فضای حالت فیلتر کالمن مدل قیمت گذاریِ دارایی سرمایه ای

حوزه‌های تخصصی:
تعداد بازدید : ۲۸۵ تعداد دانلود : ۱۴۶
نرخ بازده ی بدون ریسک نقش مهمی را در تئوری های اقتصاد مالی و هم چنین بازارهای مالی ایفا می کند. به دلیل حرمت ربا در کشورهای اسلامی، ابزاری با بازده ی بدون ریسک به عنوان معیاری برای سنجش نرخ بازده ی بدون ریسک در دست نمی باشد. در پژوهش حاضر برای تخمین این متغیر در بازارهای مالی ایران از روش فیلتر کالمن استفاده می شود. این روش بر اساس یک فضای حالت پایه گذاری می شود که از مدل قیمت گذاری دارایی های سرمایه ای و یکی از معادلات خودرگرسیونی و یا گام تصادفی استخراج شده است و پارامترهای مدل با استفاده از روش حداکثر درستنمایی تخمین زده می شوند. در ادامه مشاهده می شود که معادله ی حالت خودرگرسیونی مرتبه ی اول، رفتار بازده ی بدون ریسک را بهتر از سایر مدل ها تبیین می کند و میانگین و واریانس مقادیر تخمین زده شده به ترتیب برابر 0397/0 و 0005/0 بوده و آخرین مقدار حاصله، 036/0 می باشد. طبقه بندی JEL: G12, C32
۴۴.

Determinants of International Sukuk Issuance and Capacity Estimation for Iranian Financial Market(مقاله علمی وزارت علوم)

نویسنده:
منبع: Journal of Money and Economy, Vol. ۱۰, No. ۳, Summer ۲۰۱۵ 1-28

کلیدواژه‌ها: Islamic Fianance International Sukuk Sukuk Issuance Iranian Financial Market

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۷ تعداد دانلود : ۱۸۵
The Sukuk market has become the fastest growing segment of the Islamic financial services industry. Governments and other corporate entities have started tapping the local and international Sukuk markets in order to raise the required funds. The investor base is also expanding and Sukuk has now become a popular and obvious choice for retail investors in a number of jurisdictions. However, because of lack of suitable market conditions and some cross-border restrictions, the international Sukuk market is not developed enough in Iran. Using international Sukuk issuance data for 2001–2015, this study investigates the determinants of international Sukuk issuance and the capacity of issuing such securities in Iranian financial market. We use ANOVA analysis and PCA to explore main factors. Using the data of 34 indicators for 21 countries that have issued international Sukuk, we found that the main determinants of international Sukuk issuance are the ratios of bank deposits to GDP (%), Stock market capitalization to GDP (%), International debt issues to GDP (%) and outstanding international public debt securities to GDP (%). After determination of the basic factors for the countries, using the discriminant model, we estimated the Iranian financial market’s capacity for issuing international Sukuk. Keywords: Islamic finance, International sukuk, Sukuk issuance, Iranian financial market. JEL Classification: G15, G23, E27, C21
۴۵.

مدل سازی ساختار وابستگی نقدشوندگی و بازدهی سبدی از سهام با داده های پر بسامد در بورس تهران با رویکرد ACP-GARCH-High Dimension Vine Copula(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال نهم زمستان ۱۴۰۰ شماره ۳۵ 1 - 20

کلیدواژه‌ها: نقدشوندگی کاپیولا-واین ابعاد بالا ACP

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۶ تعداد دانلود : ۲۱۹
این تحقیق با استفاده از داده های ۱۵ سهم از ۷ گروه صنعتی مختلف در بازه ۵ دقیقه ای طی روز در سال ۱۳۹۸ به ارائه مدلی برای ساختار وابستگی نقدشوندگی و بازدهی سبدی از سهام در بورس اوراق بهادار تهران پرداخته است. در این راستا، به علت پیچیدگی های ناشی از مدل سازی توأمان بیش از 30 متغیر (توزیع توأمان نقدشوندگی و بازدهی)، پس از مدل سازی تک متغیره نقدشوندگی هر یک از سهم ها بر مبنای مدل پواسون خودرگرسیو شرطی (ACP) و بازدهی هر سهم بر مبنای مدل خودرگرسیون تعمیم یافته شرطی ناهمسانی واریانس (GARCH)، از توزیع های حاشیه ای مزبور برای مدل سازی توزیع توأمان با روش کاپیولا واین (Copula vine) استفاده گردید. یافته های مبتنی بر داده های پربسامد نشان داد میان نقدشوندگی سهم ها و همچنین میان نقدشوندگی و بازدهی سهم ها با یکدیگر همبستگی قوی غیرخطی دنباله ای وجود دارد. بنابراین، ارزیابی دقیق تر ریسک ایجاب می کند شاخص هایی نظیر ارزش در معرض خطر مورد توجه قرار گیرد. به علاوه ، نتایج تحقیق حاضر نشان داد مدل سازی توزیع توأمان نقدشوندگی و بازدهی سهام در ابعاد زیاد با تکیه بر کاپیولا واین به دلیل انعطاف بالا، برازش مناسبی برای توزیع توأمان نقدشوندگی و بازدهی دارای همبستگی قوی غیرخطی دنباله ای ارایه می دهد.
۴۶.

پیش بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: بررسی های حسابداری و حسابرسی سال ۱۹ تابستان ۱۳۹۱ شماره ۲ 31 - 46

کلیدواژه‌ها: درخت تصمیم شبکه عصبی مدیریت سود

حوزه‌های تخصصی:
تعداد بازدید : ۲۴۶ تعداد دانلود : ۱۳۰
هدف اصلی تحقیق حاضر بررسی دقت پیش بینی مدیریت سود با استفاده از شبکه های عصبی و درخت تصمیم گیری و مقایسه آن با مدل های خطی است. برای این منظور از یازده متغیر تأثیرگذار بر مدیریت سود به عنوان متغیرهای مستقل و اقلام تعهدی اختیاری به عنوان متغیر وابسته استفاده شده است. در این تحقیق تعداد 55 شرکت از سال 1385 تا سال 1388 به صورت فصلی مورد بررسی قرار گرفت. از روش رگرسیون پنلی جهت مدل خطی و از شبکه عصبی پیشخور تعمیم یافته و درخت تصمیم کارت جهت بررسی از طریق شبکه عصبی و درخت تصمیم استفاده شد. نتایج حاصل از این تحقیق نشان داد که روش شبکه عصبی و درخت تصمیم در پیش بینی مدیریت سود نسبت به روش های خطی دقیق تر و دارای سطح خطای کمتری است. ضمناً مدیریت سود با متغیرهای اقلام تعهدی اختیاری و غیراختیاری دوره قبل و عملکرد شرکت ، اندازه، تداوم سود در هر دو روش دارای بیشترین ارتباط است.
۴۷.

بررسی تغییرات ناهموار بورس اوراق بهادار تهران با استفاده از نظریه ی کاتاستروف(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۷ تابستان ۱۳۹۱ شماره ۲ (پیاپی ۹۹) 119 - 136

کلیدواژه‌ها: تغییرات ناگهانی توزیع های دومدی سقوط بازار سهام مدل تصادفی کاسپ کاتاستروف نظریه ی کاتاستروف

حوزه‌های تخصصی:
تعداد بازدید : ۲۳۸ تعداد دانلود : ۱۱۵
در این مقاله با استفاده از نظریه ی کاتاستروف به بررسی تغییرات ناهموار بورس اوراق بهادار تهران پرداخته می شود. سقوط بازار سهام و افت ناگهانی قیمت ها نه تنها وحشت عمومی سرمایه گذاران را به همراه خواهد داشت، بلکه در بازارهای با عمق بیش تر رکود شدید اقتصادی و کاهش اطمینان مصرف کننده را نیز موجب می شود. از آن جایی که مدل های کاتاستروف قدرت بالایی در توضیح فرآیندهای ناپیوسته دارند؛ با استفاده از مدل تصادفی کاسپ به بررسی تغییرات ناگهانی شاخص بورس اوراق بهادار تهران پرداخته می شود. نتایج نشان می دهد که مدل کاسپ قدرت توضیحی بسیار بهتری نسبت به مدل جایگزین دارد. در حقیقت با استفاده از متغیرهای رشد سالیانه ی نقدینگی و حجم عددی معاملات به عنوان متغیرهای کنترل، مدل تصادفی کاسپ افت شاخص بورس اوراق بهادار تهران در سال های 1383 و 1387 را به طور قابل ملاحظه ای بسیار بهتر از مدل غیرخطی لجستیک نشان می دهد. این نتایج پس از روندزدایی شاخص بورس حتی بهبود نیز یافته است. طبقه بندی JEL : G12; G14; C01; C53
۴۸.

پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۷ بهار و تابستان ۱۳۹۴ شماره ۱ 159 - 178

کلیدواژه‌ها: پیش بینی سقوط بازار سهام شبکه های عصبی نگاشت خودسازمان ده

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۶ تعداد دانلود : ۱۶۵
سقوط بازار پدیده ای است که سبب از دست رفتن ثروت و دارایی سرمایه گذاران در بازه زمانی نسبتاً کوتاهی می شود، از این رو تلاش برای پیش بینی آن از اهمیت زیادی برای سرمایه گذاران، سیاست گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری ها و مدل های ارائه شده پیش بینی سقوط در بازار سهام نشان می دهد میان پژوهشگران درباره الگوهای مشاهده شده متغیرها، مانند حجم معامله، بازده ها، نوسان پذیری، عوامل بنیادی، شاخص های رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط، اتفاق نظری وجود ندارد. یکی از روش های بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در داده های شبکه های عصبی وجود دارد، نگاشت خودسازمان ده است که روشی ناپارامتریک و غیرخطی محسوب می شود. در این پژوهش با استفاده از شبکه های عصبی نگاشت خوسازمان ده، روشی برای پیش بینی سقوط در بازار سهام ایران ارائه شده است. نتایج اجرای مدل و پیش بینی برون نمونه ای حاکی از این است که مدل عملکرد به نسبت قابل قبولی را در پیش بینی دوره های پیش از سقوط در بازار سهام به دست آورده است.
۴۹.

تخمین احتمال معامله مبتنی بر اطلاعات خصوصی با استفاده از مدل های ریزساختار بازار(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۵ بهار و تابستان ۱۳۹۲ شماره ۱ 17 - 28

کلیدواژه‌ها: معامله مبتنی بر اطلاعات احتمال معامله مبتنی بر اطلاعات خصوصی (PIN) مدل های مبتنی بر اطلاعات ریزساختار بازار

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۵ تعداد دانلود : ۱۴۹
احتمال معامله مبتنی بر اطلاعات خصوصی (PIN) به عنوان شاخص سنجش ریسک اطلاعات در نظر گرفته می شود. این مقاله به دنبال تخمین احتمال معامله مبتنی بر اطلاعات خصوصی در بورس اوراق بهادار تهران با استفاده از مدل های ریزساختار مبتنی بر اطلاعات است. نتایج این پژوهش نشان می دهد که احتمال معامله مبتنی بر اطلاعات خصوصی در بورس اوراق بهادار تهران به طور معناداری متفاوت از صفر است.
۵۰.

کاربرد ضرایب هم بستگی مبتنی بر کاپولا و اطلاعات متقابل در خوشه بندی سری های زمانی و تشکیل پرتفوی شاخصی ارتقایافته با استفاده از رویکرد بهینه سازی استوار(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۳ زمستان ۱۴۰۰ شماره ۴ 497 - 522

کلیدواژه‌ها: پرتفوی شاخصی ارتقایافته خوشه بندی کاپولا اطلاعات متقابل بهینه سازی استوار

حوزه‌های تخصصی:
تعداد بازدید : ۲۱۸ تعداد دانلود : ۲۱۱
هدف: تشکیل پرتفوی شاخصی ارتقایافته، به عنوان یکی از استراتژی های مدیریت سرمایه گذاری، سعی در ترکیب مزایای دو رویکرد فعال و غیرفعال دارد. این پژوهش، به دنبال ارائه یک مدل دومرحله ای است که بتواند در مرحله نخست، عملکرد شاخص را با تعداد کمتری از سهام تشکیل دهنده شاخص بازسازی نماید و در مرحله دوم، اوزان پرتفوی شاخصی ارتقایافته را محاسبه کند.روش: در مرحله نخست، با استفاده از یک مدل برنامه ریزی ریاضی صفر و یک به منظور خوشه بندی سری های زمانی، پرتفوی ردیاب شاخص شکل گرفت. معیارهای ضرایب هم بستگی مبتنی بر کاپولا و همچنین اطلاعات متقابل به عنوان شاخص های شباهت سری های زمانی در این مرحله استفاده شدند. در مرحله دوم، اوزان سرمایه گذاری در سهم های منتخب، به گونه ای مشخص شد که بازده مازاد پرتفوی نسبت به پرتفوی شاخصی ایجادشده در مرحله اول (نماینده شاخص)، بیشینه شود. عدم قطعیت ناشی از تخمین بازده مازاد سهم ها در مرحله دوم، با استفاده از رویکرد بهینه سازی استوار در نظر گرفته شده است.یافته ها: نتایج آزمون خارج از نمونه روی شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران، در بازه زمانی بهار 1394 تا بهار 1397 با استفاده از خطای ردیابی و نسبت بازار، نشان از این موضوع دارد که علاوه بر موفقیت معیارهای شباهت ذکرشده در خوشه بندی سری های زمانی و تشکیل پرتفوی مبتنی بر شاخص، در سطح اطمینان 99 درصد، پرتفو های شاخصی ارتقایافته مبتنی بر ضرایب هم بستگی کاپولای نرمال، تی و کلایتون دارای اختلاف بازده مثبت معنادار با شاخص هستند.نتیجه گیری: استفاده از ضرایب هم بستگی مبتنی بر کاپولا و همچنین رویکرد بهینه سازی استوار به منظور درنظرگرفتن عدم قطعیت پارامترها، در تشکیل پرتفوی شاخصی ارتقایافته، موفق عمل می کند.
۵۱.

کاربرد ضرایب همبستگی مبتنی بر کاپولا و رویکردهای مبتنی بر برنامه ریزی پویا در تعیین شباهت میان سری های زمانی به منظور خوشه بندی و تشکیل پرتفوی مبتنی بر شاخص(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال پانزدهم زمستان ۱۴۰۱ شماره ۶۰ 47 - 72
تعداد بازدید : ۱۸۶ تعداد دانلود : ۱۵۳
ردیابی شاخص که به عنوان یکی از روش های مدیریت غیرفعال سرمایه گذاری شناخته شده است، به دنبال تشکیل پرتفوی، به گونه ای است که در طول زمان با کمترین میزان خطا، بازده ای نزدیک به شاخص داشته باشد. در این پژوهش به بررسی کاربرد یک مدل برنامه ریزی صفر و یک در خوشه بندی سری های زمانی به منظور تشکیل پرتفوی ردیاب شاخص پرداخته شده است. به منظور فرایند خوشه بندی، معیار های متنوع سنجش شباهت سری های زمانی از جمله، ضرایب همبستگی مبتنی بر کاپولا همچنین فاصله مبتنی رویکردهای پویا در سنجش شباهت سری های زمانی، مورد استفاده قرار گرفته است. آزمون خارج از نمونه بر روی نسبت بازار و خطای ردیابی پرتفوهای مبتنی بر شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران در بازه زمانی ابتدای سال 1394 تا پایان بهار سال 1397 نشان از این موضوع دارد که پرتفو ها در ردیابی شاخص موفق عمل نموده اند و متوسط خطای ردیابی روزانه پرتفوها دارای تفاوت معنی داری با یکدیگر نیست. همچنین آزمون سخت گیرانه مقایسات زوجی بر روی خطای ردیابی پرتفو ها نیز نشان از این موضوع دارد که خطای ردیابی پرتفو ها با یکدیگر تفاوت معنی دار ندارد.
۵۲.

بررسی حافظه ی بلندمدت بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۶ زمستان ۱۳۹۰ شماره ۴ (پیاپی ۹۷) 207 - 226

کلیدواژه‌ها: انباشتگی کسری بازار سهام تفاضل کسری حافظه ی بلندمدت سری های زمانی مدل

حوزه‌های تخصصی:
تعداد بازدید : ۱۷۲ تعداد دانلود : ۱۱۳
در این مقاله حافظه ی بازار سهام مورد تخمین و تفسیر قرار گرفته است. تخمین پارامتر تفاضل کسری با روش های مختلفی از جمله روش حداکثر درست نمایی ML، حداقل مربعات غیر خطیNLS ، نمای هرست Hurst Exponent ، جوک و پورتر- هوداکGPH ، نمای هرست تعدیل شده Modified Hurst یا لوLO ، وایتل Whittle و موجکWavelet انجام شده است. نتایج تخمین وایتل، هرست، لو و موجک بیانگر آنست که بازده ی شاخص های کل، بازده و قیمت، بازده ی نقدی، صنعت و مالی دارای حافظه ی بلندمدت می باشند. تخمین های به دست آمده با روش GPH بیانگر آنست که بازده ی تمامی شاخص ها به جزء شاخص بازده ی نقدی دارای حافظه ی بلندمدت می باشد. با توجه به معنی دار نبودن نتایج تخمین های ML و NLS در بیش تر بازه های مورد بررسی، تخمین های حاصل از این دو تکنیک از اعتبار کافی برخوردار نبوده و از تحلیل کنار گذاشته شدند. نتایج حاصل از بررسی روند تغییرات حافظه نیز بیانگر آن است که پارامتر حافظه ی بورس اوراق بهادار تهران روند تغییر محسوسی نداشته و به عبارت دیگر طی دوره ی مورد بررسی، کاهش یا افزایش معنی داری در کارایی بازار رخ نداده است. طبقه بندی JEL: C14, C32, D53
۵۳.

طراحی مدل هیبریدی هشداردهنده پیش از موعد بحران مالی برای اقتصاد ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصادی کاربردی ایران سال ۴ بهار ۱۳۹۴ شماره ۱۳ 35 - 68

کلیدواژه‌ها: بحران مالی اقتصاد ایران مدل هیبریدی هشدار پیش از موعد مدل شبکه عصبی نقشه خودسازمانده مدل شبکه عصبی شبکه الگو

حوزه‌های تخصصی:
تعداد بازدید : ۱۵۴ تعداد دانلود : ۱۳۵
از دیرباز همواره بحران های مالی باعث ایجاد هزینه های هنگفت اقتصادی، اجتماعی وبعضا سیاسی در کشور های بحران زده، گردیده اند و در موارد متعددی با گسترش بحران مالی درونزای یک کشور به سایر کشور های ، هزینه های مذکور ابعاد بین المللی پیدا کرده اند. لذا همواره پیشبینی دقیق بروز بحران های مالی درونزا در کشورهای مختلف، یکی از دغدغه های اصلی اقتصاددانان و محققین حوزه اقتصاد مالی بوده است. در این پژوهش در مرحله نخست بر مبنای بررسی رفتار نرخ تغییرات متغیرهای کلان اقتصاد ایران طی سالهای1357-1391 در قالب واریانس و نیم واریانس ایستا و پویا و با استفاده از مدل شبکه عصبی "نقشه خود سازمانده" ، ابتدا سال های بحرانی اقتصاد ایران طی دوره مذکور تعیین گردید و در مرحله دوم با استفاده از مدل شبکه عصبی"پیش خورنده" مقادیر آتی نرخ تغییرات متغیرهای فوق الذکر طی سالهای 1392-1395مورد پیشبینی قرار گرفت و درمرحله سوم براساس نتایج مراحل یک و دو و با استفاده از مدل شبکه عصبی" شبکه الگو" بحرانی بودن یا نبودن سالهای مذکور مورد پیشگویی قرار گرفت. نتایج نهایی این پژوهش نشان می دهد که بحران مالی در ایران در سال1391 ریشه در سالهای 1389 و 1390 دارد و این بحران علارغم حضور در سال 1392، طی همین سال به تدریج ناپدید و سالهای1393و1395سالهای غیر بحرانی اقتصاد ایران می باشد، البته مدل تحقیق هشداری را بر مبنای بازگشت مجدد بحران در سال 1394 به اقتصاد ایران اعلام می نماید.
۵۴.

بررسی تاثیر ورود اطلاعات درون و برون شرکتی جدید بر نقدشوندگی بازار اوراق بهادار ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه اقتصادی سال بیست و دوم زمستان ۱۴۰۱ شماره ۴ (پیاپی ۸۷) 39 - 76

کلیدواژه‌ها: عدم تقارن اطلاعات معاملات مبتنی بر اطلاعات نقدشوندگی

حوزه‌های تخصصی:
تعداد بازدید : ۱۳۸ تعداد دانلود : ۱۲۳
 ارزش سهام شرکت ها در بازار مالی بسته به ماهیت ساختاری شرکت، می تواند به طور متفاوتی تحت تاثیر ورود اطلاعات درون و برون شرکتی جدید قرار گیرد. هدف اصلی این پژوهش مطالعه تجربی تاثیر ورود انواع اطلاعات بر شکاف مظنه است. برای این منظور تحت مدل داده های ترکیبی -با رویداد پژوهی در نمونه انتخابی- روزهای انتشار وقایع مختلف اطلاعاتی شناسایی شده و با تعریف متغیر دامی، تاثیر ورود این اطلاعات بر شکاف مظنه روزانه مورد بررسی قرار گرفت. سایر متغیرهای توضیحی شامل نرخ بازدهی، حجم معاملات، بازدهی بازار، درصد تغییرات قیمت دلار، درصد تغییرات قیمت نفت و میانگین درصد تغییرات قیمت روزانه فلزات گرانبها هستند. نتایج تخمین مدل تجربی نشان می دهد در حالی که ورود اطلاعات درونی جدید نقدشوندگی سهم را بهبود می بخشد، تغییرات اطلاعات برون شرکتی به افزایش شکاف مظنه ها و کاهش نقدشوندگی سهم نیز منجر می شود. بر اساس خروجی پژوهش، به نظر می رسد که سیاست گذاری های برون شرکتی با افزایش ریسک های اطلاعاتی، آثار منفی بر نقدشوندگی سهام دارد و پیش بینی می شود ثبات متغیرهای کلان برونی نقش مهمی در بهبود عملکرد بازار داشته باشد.
۵۵.

مدلسازی مهارت های انتخاب سهام و وزن دهی سهام ِ مدیران صندوق های سرمایه گذاری مشترک در بازار سرمایه ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال ۱۷ تابستان ۱۴۰۳ شماره ۶۶ 81 - 98

کلیدواژه‌ها: صندوق سرمایه گذاری مشترک مهارت انتخاب سهام مهارت وزن دهی سهام

حوزه‌های تخصصی:
تعداد بازدید : ۲۱ تعداد دانلود : ۱۵
آلفای صندوق سرمایه گذاری مشترک که معیاری از عملکرد آن می باشد نه تنها نتیجه انتخاب اوراق بهادار می باشد، بلکه ارتباط مستقیم با اوزان تخصیصی به هریک از اوراق بهادار موجود در پرتفوی صندوق دارد. در این پژوهش آلفای صندوق سرمایه گذاری مشترک که نمادی از مهارت مدیران آن است به دو بخش تقسیم می شود: آلفای ناشی از انتخاب سهام و آلفای ناشی از وزن دهی به سهام. برای سنجش مهارت های مذکور،60 صندوق سرمایه گذاری مشترک در سهام به عنوان نمونه تحقیق در نظر گرفته شده و مهارت های انتخاب سهام و وزن دهی سهام طی دوره زمانی فروردین 1400 تا شهریور 1401 مورد بررسی قرار گرفته است.با توجه به نتایج حاصل از برآورد مدل، آلفای کل عدد 0.0025و آلفای انتخاب سهام صندوقها، عدد0.0149در سطح پنج درصد معنادار و مثبت هستند. با توجه به اینکه آلفای وزنی را می توان تفاوت بین آلفای کلی و آلفای انتخابی در نظر گرفت، می توان ادعا نمود آلفای وزنی عددی منفی است و مدیران صندوق های سرمایه گذاری کشور فاقد مهارت وزن دهی به سهام هستند.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان