امید فرمان آرا

امید فرمان آرا

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

برآورد نسبت بهینه پوشش ریسک در زمان مقیاس های مختلف: رویکرد تجزیه وتحلیل موجک(مقاله علمی وزارت علوم)

کلیدواژه‌ها: نسبت بهینه پوشش ریسک رویکرد تجزیه وتحلیل موجک درجه کارایی پوشش ریسک تابع مطلوبیت

حوزه های تخصصی:
تعداد بازدید : ۵۴۳ تعداد دانلود : ۳۸۹
در این مقاله با استفاده از رویکرد تجزیه وتحلیل موجک رابطه بین بازارهای نقدی و آتی سکه طلا در زمان مقیاس های مختلف بررسی و نسبت بهینه پوشش ریسک در افق های زمانی مختلف برآورد شده است. برای این منظور از تبدیل موجک گسسته حداکثر همپوشانی استفاده شده و نتایج حاصل از تجزیه موجک حاکی از آن است که واریانس بازدهی هر دو بازار نقدی و آتی در زمان مقیاس های بزرگ تر، کاهش می یابد. همچنین براساس ضریب همبستگی برآوردشده، یک رابطه مثبت بین بازدهی دو بازار نقدی و آتی سکه طلا وجود دارد که با افزایش زمان مقیاس قوی تر می شود. نسبت بهینه پوشش ریسک و درجه کارایی پوشش ریسک نیز در افق زمانی بلندمدت افزایش می یابند و مقایسه مطلوبیت اکتسابی از پوشش ریسک بیانگر آن است که کارایی استراتژی های پوشش ریسک تنها به افق زمانی بستگی ندارد، بلکه به درجه ریسک گریزی سرمایه گذاران نیز مربوط می شود.
۲.

تأثیر مدیریت سرمایه در گردش و اهرم مالی بر سودآوری برخی شرکت های بورس اوراق بهادار تهران

کلیدواژه‌ها: مدیریت سرمایه در گردش اهرم مالی سودآوری شاخص عملکرد

حوزه های تخصصی:
تعداد بازدید : ۲۵۳ تعداد دانلود : ۱۱۴
بنگاه های اقتصادی حضور اثربخشی در عرصه اقتصادی دارند. این اثربخشی به لحاظ مالی با دو شاخص قدرت نقدینگی و سودآوری تعیین می شود. سودآوری نشانه سلامت بنگاه و قدرت نقدینگی علامت ادامه حیات بنگاه اقتصادی است. اگر شرکتی سودآور نباشد، بیمار است، ولی اگر نقدینگی نداشته باشد، بقای آن در خطر است. گرچه هر دو این عوامل بااهمیت هستند، ولی نقدینگی از اهمیت بیشتری برخوردار است. هدف این پژوهش، بررسی رابطه مدیریت سرمایه در گردش و اهرم مالی و تأثیر آن بر سودآوری و شاخص عملکرد شرکت های پذیرفته شده در بازار سرمایه ایران است.  نمونه آماری با استفاده از روش حذفی سیستماتیک و در دسترس انتخاب شده است و از سال ۱۳۸۹ الی سال ۱۳۹۳ را شامل می گردد. فرضیات تحقیق با استفاده از الگوی رگرسیون داده های ترکیبی مورد بررسی قرار گرفت و نتایج رگرسیون در میان نمونه مورد مطالعه نشان داد، بین ترکیب سرمایه در گردش و ارزش افزوده اقتصادی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران رابطه مثبت و معناداری وجود دارد و این رابطه با تأثیر میانجی اهرم مالی معکوس می شود، اما این رابطه در میان شرکت های فعال در فرابورس ایران مشاهده نشد. همچنین نتایج نشان داد ترکیب سرمایه در گردش تأثیر معناداری بر متغیرهای اهرم مالی و نسبت بازده حقوق صاحبان سهام در شرکت های فعال در سازمان بورس اوراق بهادار تهران و فرابورس ایران در دوره مورد بررسی نداشته است.
۳.

پیش بینی اثر متغیرهای کلان بر شاخص قیمت سهام با استفاده از شبکه عصبی GMDH

کلیدواژه‌ها: پیش بینی شاخص قیمت سهام متغیر های کلان شبکه های عصبی مصنوعی الگوریتم GMDH

حوزه های تخصصی:
تعداد بازدید : ۱۵۳ تعداد دانلود : ۱۰۷
اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل دهنده بازارهای مالی بوده و در واقع، شریان های اصلی یک اقتصاد محسوب می شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در ساز و کار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این پژوهش پیش بینی شاخص قیمت سهام بورس تهران است. بدین روی، ضمن مرور اجمالی بر شناخته شده ترین نظریه های اقتصادی، به ارائه روش جدیدتری نسبت به روش های دیگر رایج پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی GMDH، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز، نرخ تورم و تولید ناخالص داخلی) بر شاخص قیمت سهام بورس اوراق بهادار تهران را الگوسازی و پیش بینی میکنیم. الگوریتم GMDH قابلیت استفاده در موضوع های متنوعی مانند کشف روابط، پیش بینی، مدل سازی سیستم ها، بهینه سازی و شناخت الگوهای غیرخطی را دارد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال کردن متغیرهای کم اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه سازی در دوره آزمون است. بدین ترتیب، می توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم اثرتر را حذف نمود و در نهایت، مدل بهینه برای پیش بینی را بر اساس معیارهای رایج خطا نظیر RMSE و MAPE به دست آورد. افزون براین، این الگوریتم قادر به شناسایی و رتبه بندی تأثیرگذارترین متغیرها نیز می باشد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم GMDH در پیش بینی شاخص قیمت سهام بورس تهران است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام بورس تهران برای داده-های سالانه 0.37درصد، ماهانه 0.35درصد و برای فصلی 2.04درصد است. همچنین، نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام با استفاده از مدل شبکه عصبی GMDH متغیرهای نرخ ارز، نرخ تورم و تولید ناخالص داخلی همگی جزء متغیرهای مؤثر بوده و هیچکدام از مدل حذف نشدند

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان