مسلم پیمانی فروشانی

هدف: منحنی بازده یکی از ابزارهای کلیدی در تحلیل های اقتصادی به شمار می رود که نقش مهمی در تفسیر انتظارات بازار نسبت به سیاست های پولی، وضعیت اقتصادی و تورم در بازه های زمانی مختلف ایفا می کند. این منحنی همچنین در حوزه هایی چون سیاست گذاری مالی، مدل سازی کسب وکار نهادهای مالی و تصمیم گیری های سرمایه گذاری مانند ارزش گذاری دارایی ها و مدیریت ریسک کاربرد فراوانی دارد. با وجود اهمیت بالای موضوع، پیش بینی و تحلیل منحنی بازده در ایران کمتر مورد توجه قرار گرفته است درحالیکه اقتصاد ایران با چالش هایی مانند تورم مزمن، نوسانات ارزی، تحریم ها و وابستگی به درآمدهای نفتی مواجه است. هدف این پژوهش، پیش بینی منحنی بازده اوراق دولتی بدون ریسک در ایران است. در این راستا، پیش بینی با توجه به دو بعد زمان و سررسید انجام شد به طوریکه ضمن بررسی رفتار بازده اوراق با سررسید مختلف در هر زمان، روند تغییرات هر سررسید در طول زمان نیز تحلیل شد. روش: با وجود توسعه روش های مختلف برای پیش بینی منحنی بازده، مدل عاملی نلسون-سیگل پویا به دلیل تفسیرپذیری بالا، کاهش ابعاد و توانایی خلاصه سازی منحنی در سه عامل کلیدی سطح، شیب و انحنا، به عنوان چارچوب پایه برآورد انتخاب شد. این عوامل به دلیل دلالت های اقتصادی و مالی مشخص، نقشی مهم در تصمیم گیری های سیاستی و راهبردی ایفا می کنند. در این پژوهش، با استفاده از داده های اسناد خزانه اسلامی در بازار سرمایه ایران، تلاش شد تا عوامل مذکور با مجموعه مدل ها ازجمله مدل خود رگرسیون برداری-گارچ (به عنوان مدل مبنا) و سایر مدل ها ذیل یادگیری ماشین مانند الگوریتم مبتنی بر تقویت گرادیان به عنوان مدل سطحی و مدل های شبکه عصبی پیچشی – حافظه طولانی کوتاه-مدت و واحد بازگشتی دارای دروازه به عنوان مدل یادگیری عمیق پیش بینی شوند. در نهایت با جایگذاری مقادیر پیش بینی شده سه عامل در معادله نلسون–سیگل پویا منحنی بازده آینده بازسازی گردد. شایان ذکر است که هر یک از مدل ها از نظر پیچیدگی، تفسیرپذیری، نیازهای داده ای، الزامات محاسباتی و نوع روابط (خطی -غیرخطی)، ویژگی هایی متفاوت دارند. یافته ها: یافته های پژوهش نشان می دهد که مدل خودرگرسیون برداری-گارچ در پیش بینی عامل سطح عملکرد بهتری نسبت به سایر مدل ها دارد. این برتری به دلیل ساختار خودرگرسیو این مدل است که برای تحلیل روندهای پایدار و طولانی مدت مناسب تر عمل می کند. در مقابل، مدل های یادگیری عمیق به دلیل محدودیت داده و ضعف در شناسایی روندهای طولانی مدت، دقت کمتری در پیش بینی این عامل داشته اند. اما در مورد عامل های شیب و انحنا که بیشتر تحت نوسانات کوتاه مدت و میان مدت قرار دارند، مدل های یادگیری عمیق عملکرد بهتری نسبت به مدل های سنتی از خود نشان داده اند. این برتری به توانایی آن ها در درک الگوهای پیچیده و غیرخطی در طول زمان بازمی گردد، درحالی که مدل های آماری کلاسیک به دلیل مفروضات سخت گیرانه در مواجهه با چنین نوساناتی دچار خطا می شوند. در مرحله بعد، پیش بینی سه عامل در معادله نلسون–سیگل پویا جای گذاری شده و دقت بازسازی منحنی بازده با معیار ریشه میانگین مربعات خطا سنجیده شد. نتایج نشان داد که هیچ یک از مدل ها به تنهایی برتری مطلق در پیش بینی هر سه عامل را ندارند. بنابراین، استفاده از ترکیب بهینه از مدل ها – به گونه ای که هر عامل توسط مدلی با کمترین خطا پیش بینی شود – می تواند دقت بازسازی منحنی بازده را افزایش دهد و این رویکرد با ساختار مدل نلسون–سیگل، مبتنی بر فرض استقلال عامل ها از یکدیگر، نیز سازگار است. نتایج نشان داد در صورتیکه عامل سطح با مدل خود رگرسیون برداری – گارچ یا شبکه عصبی پیچشی – حافظه طولانی کوتاه مدت، شیب با واحد بازگشتی دارای دروازه و انحنا با مدل خود رگرسیون برداری-گارچ یا الگوریتم مبتنی بر تقویت گرادیان برآورد شوند به بهترین نتایج یعنی کمترین انحراف از واقعیت معادل حدود نیم درصد منجر خواهد شد. نتیجه گیری: این پژوهش با هدف ارائه مدلی دقیق برای پیش بینی منحنی بازده در بازار مالی ایران انجام شد. بدین منظور، مدل نلسون-سیگل پویا انتخاب شد که منحنی بازده را در قالب سه عامل سطح، شیب و انحنا مدل سازی می کند. این تحقیق از مجموعه مدل های سنجی و یادگیری ماشین جهت برآورد استفاده کرد. در مرحله نخست، عملکرد مدل ها در پیش بینی عامل های نلسون-سیگل ارزیابی شد. نتایج نشان داد که مدل خودرگرسیون برداری-گارچ برای پیش بینی عامل سطح عملکرد برتری دارد، در حالی که مدل های یادگیری عمیق در پیش بینی عامل های شیب و انحنا، که نوسانات کوتاه مدت و میان مدت دارند، دقیق تر عمل کردند. در مرحله دوم، دقت بازسازی منحنی بازده بر اساس عامل های پیش بینی شده سنجیده شد. یافته ها نشان داد که بهترین ترکیب برای پیش بینی منحنی زمانی حاصل می شود که عامل سطح با مدل خودرگرسیون برداری – گارچ یا شبکه عصبی پیچشی – حافظه طولانی کوتاه مدت، عامل شیب با واحد بازگشتی دارای دروازه و عامل انحنا با خودرگرسیون برداری-گارچ یا الگوریتم مبتنی بر تقویت گرادیان پیش بینی شود که منجر به خطای بازسازی کمتر از نیم درصد خواهد شد

هدف: زمان بندی جریان های نقد مورد انتظار و مدت زمان مورد نیاز برای بازگشت اصل سرمایه، از ملاحظات مهم و مدنظر سرمایه گذاران سهام عادی است. دیرش مکالی، معیاری برای تعیین دوره بازگشت سرمایه و همچنین، معیار سنجش حساسیت اوراق با درآمد ثابت نسبت به تغییر نرخ بهره است. دیرش ضمنی سهام، تعمیم یافته دیرش اوراق با درآمد ثابت به سهام عادی است. در دهه های اخیر، تلاش برای درک بهتر تصمیم های اتخاذ شده در طول زمان و شناسایی الگوهای رفتاری شرکت ها، موجب شده است تا پژوهشگران به چرخه عمر شرکت ها توجه کنند. چرخه عمر شرکت، به دنبال آن است که با تجزیه وتحلیل استراتژی ها و ساختارهای شرکت، چگونگی رشد، بلوغ و افول یک شرکت را به تصویر بکشد. ماهیت تئوری چرخه عمر شرکت نشان می دهد که تصمیم های سرمایه گذاری، تأمین مالی و عملکرد مالی شرکت، به شدت تحت تأثیر تغییر قابلیت های سازمانی شرکت طی مراحل چرخه عمر قرار دارد. به عبارتی، ساختار مالی شرکت ها در طول چرخه عمر تغییر می کند. هدف این مقاله، بررسی رابطه بین چرخه عمر و دیرش ضمنی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. روش: در این پژوهش، برای محاسبه دیرش ضمنی سهام، چرخه عمر و متغیرهای دیگر، از داده های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، طی سال های ۱۳۸۹ تا ۱۴۰۱ به مدت ۱۳سال استفاده شده است. نمونه آماری ۱۴۵ شرکت تولیدی بوده است و داده ها با استفاده از نرم افزار ایویوز و رگرسیون چند متغیره، تحلیل شده اند. یافته ها: یافته های این پژوهش نشان می دهد که بین چرخه عمر شرکت ها (معیار سود انباشته به حقوق مالکانه) و دیرش ضمنی سهام شرکت ها، رابطه منفی و معناداری وجود دارد. به عبارتی با افزایش نسبت سود انباشته به حقوق مالکانه، دیرش سهام کاهش می یابد؛ ولی رابطه معناداری بین معیار دیگر چرخه عمر (سود انباشته به مجموع دارایی ها) و دیرش ضمنی سهام وجود ندارد؛ هرچند ضریب آن، منفی است. با توجه به تعیین مراحل چرخه عمر، مشخص شد که در دوران رشد، رابطه بین چرخه عمر (معیارهای سود انباشته به حقوق مالکانه و سود انباشته به مجموع دارایی ها) و دیرش ضمنی سهام، معنادار نیست. در دوران بلوغ و افول، رابطه چرخه عمر (معیارهای سود انباشته به حقوق مالکانه و سود انباشته به مجموع دارایی ها) و دیرش سهام، منفی و معنادار است؛ ولی در مرحله افول، کاهش بیشتری را نشان می دهد. نتیجه گیری: با توجه به یافته های پژوهش، در شرکت های مرحله افول، با توجه به کاهش فرصت های سرمایه گذاری و همچنین، دسترسی مناسب به منابع مالی داخل و خارج از شرکت، مدیریت تمایل بیشتری به توزیع سود بین سهام داران دارد؛ بنابراین دیرش ضمنی سهام شرکت های در مرحله افول نسبت به مرحله بلوغ، از کاهش بیشتری برخوردار است. کاربرد مفهوم دیرش، به استراتژی سرمایه گذاران و تحمل ریسک آن ها بستگی دارد. سرمایه گذاران ریسک گریز، می توانند در سهام شرکت های مرحله افول یا شرکت هایی که در پایان مرحله بلوغ هستند، سرمایه گذاری کنند و از بازده متناسب بهره ببرند و سازوکاری برای مصون سازی پرتفوی خود فراهم کنند. همچنین، سرمایه گذارانی که از ریسک بیشتری استقبال می کنند، می توانند شرکت های در مرحله بلوغ را انتخاب کنند. گفتنی است که رابطه بین چرخه عمر بر دیرش سهام در مرحله رشد، معنادار نشده است.

آثار و تبعات منفی پولشویی در عرصه های مختلف اقتصادی و اجتماعی، کشورها را بر آن داشته است تا برای ثبات و پویایی اقتصاد به مقابله جدی با این پدیده بپردازند. این امر نیازمند شناخت اندازه پولشویی و اثرات آن بر کل اقتصاد شامل بخش رسمی و قانونی و بخش غیررسمی و غیرقانونی است. پولشویی با افزایش هزینه های دولت برای پیشگیری و مقابله با آن و کاهش درآمدهای مالیاتی موجب اخلال در اثربخشی سیاست مالی می شود. بدین منظور در این تحقیق از چارچوب مدل های تعادل عمومی پویای تصادفی در دوره ی 1383:1 تا 1399:4 برای مدلسازی بخش پولشویی ایران به منظور اندازه گیری میزان پولشویی و تأثیر آن بر اثر بخشی سیاست مالی بر متغیرهای کلان اقتصادی استفاده شده است. براساس نتایج تحقیق اندازه متوسط پولشویی به حجم پول و تولید ناخالص داخلی به ترتیب 85/17 و 82/4 درصد بدست آمد. اثر تکانه مخارج دولت به اندازه یک انحراف معیار (سیاست مالی) بر متغیرهای کلان در حضور پولشویی حاکی از این بود که متغیرهای تولید غیرقانونی، تولید کل، مصرف و عرضه پول در لحظه وقوع تکانه افزایش داشتند ولی متغیرهای تولید قانونی، شاخص قیمت، نرخ بهره و نیروی کار کاهش داشته اند. همچنین متغیرهای تولید قانونی، تولید کل و نرخ بهره در اثر وقوع تکانه مخارج دولت رفتار کوهانی شکل داشته اند، یعنی دو دوره طول کشیده تا حداکثر واکنش به آن تکانه رخ دهد. همچنین طبق نتایج بدست آمده پولشویی باعث می شود در اثر اعمال سیاست مالی نیروی کار از بخش قانونی به بخش غیرقانونی منتقل شود.

هدف: در حوزه بهینه سازی پُرتفوی سهام، در مطالعات گذشته، معیارهای ریسک مختلفی تحت عنوان «معیارهای کلاسیک ریسک» به کار گرفته شده است. برآورد صحیح مقدار ریسک پرتفوی و کنترل آن، در حفظ ثروت سرمایه گذاران نقش مؤثری دارد. عدم برآورد صحیح ریسک پرتفوی، یکی از مهم ترین دلایل بروز بحران های مالی در دهه های اخیر بوده است. مطابق با تئوری دورنما، سرمایه گذاران در قبال زیان، احساس عدم مطلوبیت بیشتری می کنند؛ بنابراین وزن بیشتری به زیان می دهند. این موضوع باعث می شود که شاخص های رایج ریسک، مانند ارزش در معرض ریسک، ریزش مورد انتظار، واریانس و...، ریسک را غالباً کمتر از حد برآورد کنند. این مطالعه به دنبال بررسی بهینه سازی پرتفوی سهام با رویکرد مالی رفتاری و تحت شرایط زیان گریزی در بورس اوراق بهادار تهران است و برای نخستین بار عملکرد این رویکرد با معیارهای مختلف ریسک در حوزه مالی کلاسیک (نظیر انحراف معیار، ریزش مورد انتظار، ارزش در معرض ریسک، ارزش در معرض ریسک شرطی، گشتاور ارزش در معرض ریسک، حداکثر زیان، آنتروپی و...) با در نظرگرفتن افق های زمانی مختلف (کوتاه مدت، میان مدت و بلندمدت) و با پرتفوی هایی با اندازه های مختلف (کوچک، متوسط و بزرگ) مقایسه شده است. روش: عملکرد معیار ریسک مبتنی بر زیان گریزی که بر اساس مدل فولگا (۲۰۱۶) طراحی شده است، به همراه ۱۱ معیار ریسک کلاسیک دیگر در بهینه سازی پرتفوی، با استفاده از داده های روزانه ۱۷۸ شرکت بورسی و با استفاده از آزمون های ناپارامتریک (آزمون کروسکال والیس و آزمون ویلکاکسون یک طرفه) و رویکرد مبتنی بر شبیه سازی ارزیابی شده است. مدل فولگا، با استفاده از معیار ریسک مبتنی بر بخش زیان بار توزیع بازدهی پرتفوی که به طور خاص رفتار سرمایه گذاران زیان گریز را شبیه سازی می کند، با در نظر گرفتن معیارهایی مانند ارزش در معرض ریسک شرطی (CVaR) و میزان انحراف منفی یا زیان بار از یک سطح مرجع (LPM)، ارزیابی دقیقی از ریسک را در چارچوب مالی رفتاری در بازارهای مالی ارائه می دهد. در این مطالعه، به جای اکتفا به بازدهی و ریسک پرتفوی سهام برای مقایسه عملکرد آن ها، از ۲۶ معیار مختلف برای این منظور استفاده شد. همچنین در این مطالعه از روش شبیه سازی تاریخی برای محاسبه معیارهای ریسک استفاده شده است؛ دلیل بهره گیری روش شبیه سازی تاریخی آن است که نخست، همه معیارهای ریسک استفاده شده در پژوهش حاضر این قابلیت را دارند که با استفاده از روش یاد شده محاسبه شوند. علت دوم استفاده از روش شبیه سازی تاریخی این است که روش یاد شده، هیچ پیش فرضی برای توزیع داده ها در نظر نمی گیرد و به همین دلیل نسبت به سایر روش های محاسبه ریسک برتر است. یافته ها: بسته به مقدار آستانه یا همان نقطه مرجع در تئوری دورنما، عملکرد معیار ریسک با لحاظ زیان گریزی می تواند متفاوت باشد. زمانی که مقدار آستانه از صفر بزرگ تر یا مساوی با آن (معادل صفر درصد، ۲+ درصد و ۴+ درصد) است، معیار ریسک با لحاظ زیان گریزی نسبت به دیگر معیارها، به طور مطلق در بهینه سازی پرتفوی عملکرد بهتری دارد؛ اما در حالت هایی که مقدار آستانه ای منفی است (معادل ۲- درصد و ۴- درصد)، نسبت به سایر معیارها برتری خاصی ندارد. نتیجه گیری: در شرایطی که امکان برآورد پارامترهای ضریب زیان گریزی و مقدار آستانه ای وجود دارد، عملکرد معیار ریسک مبتنی بر مالی رفتاری (تحت شرایط زیان گریزی) در بهینه سازی پرتفوی در شرایط واقعی بازار (مقدار آستانه ای صفر یا بالاتر) بهتر از سایر معیارهای کلاسیک مالی است. همچنین زمانی که مقدار آستانه ای از صفر بزرگ تر می شود، نتایج این مطالعه نشان می دهد که «انحراف معیار» نسبت به سایر معیارهای ریسک کلاسیک، عملکرد بهتری را از خود نشان می دهد.