مهرداد فرح آبادی

بانکهایی که در محیط اقتصادی کنونی فعالیت می نمایند باید با طیف وسیعی از ریسک هایی که در تعقیب آنها هستند مقابله نمایند. چنانچه نقدینگی را در دسترس بودن وجه نقد یا معادلهای نقد در نظر بگیریم، می توانیم ریسک نقدینگی را ریسک زیان ناشی از فقدان نقدینگی یا معادل نقد و یا بطور دقیق تر ریسک زیان ناشی از عدم توانایی در تأمین منابع مالی مورد نیاز در سطح معقول اقتصادی و یا اجبار به فروش دارایی یا توثیق آن به منظور پوشش تعهدات خواسته یا ناخواسته قلمداد کرد. در این پژوهش با بررسی عملکرد فصلی 10 ساله (1389 -1399) 23 بانکهای پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران با استفاده از شبکه هوش مصنوعی مدلی برای پیش بینی ریسک نقدینگی بانکها ارایه شده است. در این پژوهش با استفاده از الگوریتم لونبرگ مارکوارت (LM) و الگوریتم ژنتیک بهترین روش آموزش انتخاب و سپس به منظور بهینه سازی متغیرهای مستقل ورودی مدل، الگوریتم تحلیل مولفه اصلی (PCA) بکار گرفته شده است. در نهایت پس از تعیین تعداد لایه های بهینه نهانی و بهره گیری از شبکه مدل بیزین (BN) شبکه عصبی طراحی و ریسک نقدینگی بانکهای پذیرفته شده در بازار سرمایه کشور مدل سازی و نتایج تحلیل یافته های حاصل از پیش بینی این مدل ارایه شده است.

در تحلیل عملکرد صندوق های سرمایه گذاری مشترک، معمولاً بازده صندوق به عنوان معیار ارزیابی مورد بررسی قرار می گیرد و تمایزی با بازدهی که سرمایه گذاران کسب می کنند لحاظ نمی شود. این در حالی است که بازدهی که در عمل، سرمایه گذاران صندوق کسب می کنند ممکن است بسته به زمان بندی آنها برای ورود و خروج به صندوق و نیز حجم سرمایه آنها با بازده محاسبه شده برای صندوق - که مبتنی بر استراتژی خرید و نگهداری است - متفاوت باشد. در این پژوهش به دنبال پاسخ به این پرسش هستیم که تصمیمات زمانی سرمایه گذاران صندوق های سرمایه گذاری مشترک روی بازدهی و عملکرد آنها چه تأثیری می گذارد. به این منظور، با استفاده از داده های جریانات نقدی هر صندوق در سال های1390-1395 نشان داده شده که تصمیمات زمانی نادرست سرمایه گذاران صندوق ها برای ورود و خروج سرمایه به صندوق، منجر به کاهش بازدهی آنها تا 2/2 % ماهانه (30% سالانه) شده است. این اثر منفی قابل توجه می تواند حتی در صندوق های پر بازده نیز، بازده کسب شده توسط سرمایه گذاران را به طور چشمگیری کاهش دهد.