شهاب جهانگیری

هدف: سرمایه گذاری کمی که توسط یادگیری ماشینی ایجاد می شود، فرصت های جدیدی را برای تولید بینش بیشتر از داده های مالی باز کرده است که منجر به توسعه ایده ها برای افزایش عملکرد سرمایه گذاری ها در بازارهای سهام می شود. روش: در این تحقیق، مدل معرفی شده به نام CBGWO-XGBoost برای پیش بینی قیمت پایانی روز آتی سهام تحت مطالعه پیشنهاد شده است. مدل پیشنهادی CBGWO را به عنوان بخش مهندسی ویژگی و XGBoost به عنوان پیش بینی کننده قیمت پایانی ترکیب می کند. این مدل با قیمت سهام شرکت های بورس اوراق بهادار تهران در قالب دو مجموعه ویژگی های توسعه یافته آموزش داده شده و سپس از مدل برای پیش بینی قیمت پایانی آتی سهام استفاده شده است. پس از آموزش و پیش بینی، ارزش واقعی و پیش بینی شده سهام با هم مقایسه می شود. یافته ها: به طور کلی مجموعه ویژگی های توسعه یافته 2 عملکرد بهتری از مجموعه ویژگی های توسعه یافته 1 بدون فرآیند مهندسی ویژگی داشته است. همچنین با اعمال فرآیند مهندسی ویژگی در مجموعه ویژگی های توسعه یافته 2 الگوریتم ها به ترتیب CBGWO، BGWO2 و BGWO1 بهترین عملکرد را در نمادهای مختلف کسب نمودند. نتیجه گیری: این مطالعه نشان داد که عملکرد موفقیت آمیز پیش بینی قیمت سهام به یک روش پیش بینی انحصاری بستگی ندارد. در عوض، نشان داده شده است که یک عملکرد پیش بینی خوب تا حد زیادی به فرآیندهای مهندسی ویژگی بستگی دارد، که عمداً با یک الگوریتم یادگیری ترکیب می شود، که می تواند تعادل و هماهنگی خوبی بین افزایش ابعاد و کاهش ابعاد ایجاد کند.

هدف اصلی این مطالعه، بررسی وابستگی ساختاری بین بازدهی بازارهای رمزارز و شاخص بورس اوراق بهادارِ تهران با استفاده از داده های روزانه طی دوره 8 آگوست 2015 تا 21 فوریه 2023 است. این مطالعه روش تجزیه حالت متغیر (VMD) و انواع مختلف توابع کاپولای متقارن و نامتقارن را برای بررسی ساختار وابستگی بین بازارهای رمزارز و شاخص بورس در افق های متفاوت سرمایه گذاری ترکیب می کند. در مدل سازی توزیع های حاشیه ای از الگوهای FIGARCH-GED استفاده شده است. نتایج مطالعه حاکی از آن است که بین بازدهی رمزارز بیت کوین و شاخص بورس ایران با استفاده از تابع کاپولای ارشمیدسی هیچ گونه وابستگی ساختاری چه در کوتاه مدت و چه در بلندمدت وجود ندارد. نتیجه بیانگر این است که بازار رمزارزها از طبقه اصلی دارایی های مالی و اقتصادی جدا شده اند و مزایای متنوعی را برای سرمایه گذاران ارائه می دهند. همچنین از توابع(CVine-Copula)  که در ادبیات مالی یکی از کاراترین روش های بررسی ساختار وابستگی می باشد، استفاده شده است. وابستگی ساختاری با استفاده از توابع کاپولای واین به نسبت توابع کاپولای ارشمیدسی توانایی بهتری در شناسایی وابستگی ساختاری بین بازدهی رمزارزها و شاخص بورس در ایران دارد. براساس یافته های تحقیق، بین بازدهی رمزارز بیت کوین و شاخص سهام به شرط رشد قیمت رمزارز اتریوم، کاپولای کلایتون به عنوان مدل مناسب توضیح دهنده همبستگی انتخاب شده است که بیانگر اثرات نامتقارن بوده و وابستگی بیشتری در دنباله چپ وجود دارد. یافته های مطالعه نشان دهنده نقش مهم رمزارزها در سبد سرمایه گذاران است، زیرا به عنوان گزینه متنوعی برای سرمایه گذاران عمل می کنند و طبقه دارایی سرمایه گذاری جدیدی هستند.

هدف این مقاله بررسی تاثیر ریسک سیاسی بر اقتصاد سایه است. بدین منظور با استفاده از داده های 52 کشور درحال توسعه و 38 کشور توسعه یافته به بررسی تاثیر ریسک سیاسی بر اندازه اقتصاد سایه طی دوره 2020-2000 پرداخته است. در این مقاله از رویکرد پانل کوانتایل به طور مجزا برای دو گروه از کشورهای توسعه یافته و در حال توسعه برای برآورد مدل تحقیق استفاده شده است. نتایج نشان می دهد که ریسک سیاسی در همه دهکها و در هر دو گروه از کشورهای توسعه یافته و درحال توسعه تاثیر مثبت و معنادار بر اندازه اقتصاد سایه داشته است. بدین معنا که کشورهایی که ریسک های سیاسی بالاتری را تجربه می کنند حجم اقتصاد پنهان و غیررسمی بیشتر است. همچنین نتایج این تحقیق نشان می دهد که نرخ بیکاری، وفور منابع طبیعی و مالیات اثر مثبت بر اندازه اقتصاد سایه دارد، ولی کیفیت مقررات و آزادی اقتصادی به طور معنادار در هر دو گروه از کشورها موجب کاهش اندازه اقتصاد سایه می شوند. بر اساس نتایج، کاهش ریسک های سیاسی، بهبود مقررات دولتی در حمایت از بخش خصوصی، بهبود آزادی کسب وکار و تجارت، شفافیت مالی و عملکردی در بهره برداری از منابع طبیعی و همچنین اشتغال زایی و بهبود فضای کسب وکار از توصیه های سیاستی این مقاله است.

هدف: هدف این پژوهش ارائه یک راهنمای کاربردی برای سرمایه گذاری در بورس تهران از طریق ترکیب تکنیک های تحلیل تکنیکال با روش های پیشرفته یادگیری ماشین است. با تمرکز بر تحلیل سیگنال های خرید و فروش در شاخص های منتخب بورس تهران، تلاش شده است تا کارایی مدل های یادگیری ماشین در پیش بینی روند بازار بررسی شود. روش: در این تحقیق، داده های روزانه شش شاخص منتخب بورس تهران شامل شاخص های مالی، فرآورده های نفتی، خودرویی، دارویی، غذایی و فلزات اساسی از سال 1399 تا دی ماه 1403 مورد بررسی قرار گرفتند. چهار مدل یادگیری ماشین شامل مدل خطی، جنگل تصادفی، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در کنار دو استراتژی تحلیل تکنیکال TEMA و MACD برای تولید و ارزیابی سیگنال های خرید و فروش استفاده شدند. یافته ها: نتایج نشان داد که مدل های یادگیری ماشین، به ویژه جنگل تصادفی و شبکه عصبی مصنوعی، در ترکیب با استراتژی های TEMA و MACD عملکرد بهتری در شناسایی سیگنال های خرید و فروش داشته اند. این مدل ها توانستند با دقت بالاتری روند بازار را پیش بینی کنند و سیگنال های تولیدشده توسط آنها در اغلب موارد با تغییرات واقعی قیمت همخوانی داشت. شاخص های غذایی، خودرویی و مالی حساسیت بیشتری به این تحلیل ها نشان دادند. نتیجه گیری: ترکیب روش های یادگیری ماشین با استراتژی های تحلیل تکنیکال می تواند به سرمایه گذاران ابزار قدرتمندی برای تصمیم گیری در بورس تهران ارائه دهد. این پژوهش نشان داد که استفاده از این روش ها نه تنها می تواند دقت سیگنال های خرید و فروش را بهبود بخشد، بلکه امکان کاهش ریسک سرمایه گذاری و افزایش بازده را نیز فراهم می آورد. بهره گیری از این مدل ها می تواند به عنوان بخشی از استراتژی سرمایه گذاری برای تحلیل گران و سرمایه گذاران پیشنهاد شود. اصالت: این پژوهش اولین مطالعه کمی است که به دنبال مفهوم سازی سیگنال های خرید و فروش به روش ترکیبی یادگیری ماشین و تحلیل تکنیکال به عنوان یکی از ابزارهای اساسی برای راهنمایی سرمایه گذاران می باشد.

هدف اصلی این مطالعه بررسی پویایی های چرخه های تجاری در حضور اصطکاک مالی در اقتصاد ایران است. در این راستا از الگوی غیرخطی خودرگرسیون با وقفه-های توزیعی (NARDL) و داده های فصلی طی دوره زمانی 1400:2– 1370:3 استفاده شده است. همچنین نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی به عنوان معیاری از اصطکاک مالی مورد استفاده قرار گرفته است. نتایج آزمون کرانه ها حاکی از آن است که رابطه هم جمعی بین متغیرهای مدل وجود دارد. در کوتاه مدت و بلندمدت یک رابطه مثبت و منفی معنی داری بین تولید ناخالص داخلی و نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی وجود دارد. همچنین نتایج نشان می دهد که بخش مالی از یک الگوی چرخه ای پیروی می کند. اثرات شوک اصطکاک مالی بر چرخه های تجاری نامتقارن است. در نهایت، این مطالعه نشان می دهد رونق اقتصادی می تواند در طول زمان باعث کاهش نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی شود و منعکس کننده اثر رونق بر اشتغال و شرایط تجاری و در نتیجه توانایی وام گیرندگان برای بازپرداخت وام ها است. از منظر سیاست، نتایج حاکی از آن است که سیاست گذاران باید اقدامات سیاستی ضدچرخه ای را با هدف کاهش قابل توجه در نسبت تسهیلات غیرجاری به کل تسهیلات پرداختی در طول دوره های رکود اقتصادی اجرا کنند. طبقه بندی JEL: E32،G01، E43, G28

تجربه اقتصاد جهانی طی چند دهه اخیر نشان می دهد که رفتار رمه ای یکی از اصلی ترین عوامل شکل گیری بحران های مالی است. اقتصاددانان در شناسایی دلایل وقوع چنین رفتاری انگشت اتهام را به سوی عوامل مختلفی نشانه رفته اند که شاید بتوان گفت سیاست پولی در صدر این لیست قرار دارد. به دلیل آثار زیان باری که رفتار رمه ای در بازار سهام می تواند به همراه داشته باشد، شناسایی عوامل مؤثر بر آن می تواند از اهمیت بالایی برخوردار باشد. بر این اساس، هدف اصلی این مطالعه، بررسی تأثیر سیاست پولی بر شکل گیری رفتار رمه ای در بورس اوراق بهادار تهران است. در این راستا، با استفاده از داده های ماهانه دوره زمانی فروردین 1388 تا اسفند 1399 و با کاربرد مدل غیرخطی STR-GARCH تأثیر سیاست پولی بر شکل گیری رفتار رمه ای در بازار سهام ایران بررسی شد. استفاده از این روش، این امکان را برای محقق فراهم می کند که بتواند الگوی غیرخطی موجود در رفتار رمه ای را مدل سازی کند. در مدل برآورد شده، از شاخص «چانگ» و همکاران (2000) برای اندازه گیری پراکندگی بازده سهام حول بازده بازار بهره گرفته شده و همچنین، متغیر سیاست پولی (رشد حجم نقدینگی) به عنوان متغیر آستانه مورداستفاده قرار گرفته است. با انتخاب این متغیر به عنوان متغیر آستانه ای می توان بررسی کرد که آیا تغییرات در این متغیر می تواند منجر به انتقال از رژیم عقلایی به رژیم رمه ای شود یا خیر؟ نتایج مطالعه حاکی از آن است که رفتار رمه ای در بورس اوراق بهادار تهران، دارای یک رفتار متغیر طی زمان است و الگوی خطی برای بررسی چنین رفتاری مناسب نیست؛ هم چنین نتایج تحقیق نشان می دهد که براساس مقادیر مختلف متغیر رشد نقدینگی، رفتار سرمایه گذاران تغییر می کند، به نحوی که برای مقادیر رشد نقدینگی ماهانه کوچک تر از 3/2 درصد، رفتار عقلایی در تصمیم های سرمایه گذاری مشاهده می شود، اما با افزایش نرخ رشد نقدینگی و عبور از این آستانه، به مرور، رفتار رمه ای رفتار غالب در بازار سهام می شود. 

هدف این پژوهش بررسی تأثیر شاخص استرس مالی بر عملکرد صندوق های سرمایه گذاری مشترک (به تفکیک شامل صندوق های سرمایه گذاری در سهام و صندوق های سرمایه گذاری مختلط) در بازار سرمایه ایران طی دوره زمانی فروردین ماه 1390 تا آذرماه 1400 است. برای این منظور، از روش تحلیل مؤلفه اصلی برای ساخت شاخص استرس مالی استفاده شده و در ادامه با استفاده از مدل خودرگرسیون تغییر رژیم «مارکف» اثر استرس مالی بر بازدهی صندوق های سرمایه گذاری مشترک در دو رژیم بازدهی بالا و بازدهی پایین مورد بررسی قرار گرفته است. نتایج نشان می دهد که استرس مالی در رژیم بازدهی بالا اثر منفی بر بازدهی صندوق های سرمایه گذاری در سهام و مختلط داشته است. در رژیم با بازدهی پایین نیز استرس مالی اثر مثبت بر بازدهی صندوق های سرمایه گذاری در سهام و مختلط داشته است؛ به این صورت که اثر افزایش استرس مالی در حالت بازدهی بالای صندوق ها، بزرگ تر از اثر این افزایش در رژیم بازدهی پایین صندوق ها است. به عبارت دیگر، اثر منفی افزایش استرس مالی بر بازدهی صندوق ها، زمانی که صندوق های سرمایه گذاری در رژیم بازدهی بالا قرار دارند بزرگ تر از اثر مثبت افزایش استرس مالی بر بازدهی صندوق ها در رژیم بازدهی پایین است. این وضعیت بر عدم تقارن در تأثیر استرس مالی بر بازدهی صندوق های سرمایه گذاری دلالت دارد.   

پژوهش حاضر ارتباط بالقوۀ غیرخطی و نامتقارن را بین شوک های قیمتی نفت و بازدۀ رمزارزهای پیش رو تجزیه وتحلیل می کند. در این پژوهش با استفاده از شوک های قیمتی عرضه، تقاضا، ریسکی نفت و رویکرد خودرگرسیون غیرخطی با وقفه های توزیعی، ارتباط این شوک ها و بازدۀ 8 رمزارز پیش رو در بازۀ زمانی 8 دسامبر 2019 تا 8 دسامبر 2021 بررسی شده است. نتایج پژوهش حاکی از آن است که شوک های عرضه بیشترین ارتباط را با بازدۀ رمزارزهای تجزیه وتحلیل شده به ویژه در دورۀ قبل از همه گیری کووید-19 دارد. علاوه بر این، نتایج کوتاه مدت و بلندمدت، ارتباط قیمتی نفت و رمزارزها را در دوره های بحرانی اقتصادی به طور واضح برخلاف پیش بینی های قبلی بیان نمی کند. به عبارتی دیگر، بازدۀ رمزارزها همان رفتار متأثر از الگوی قیمتی نفت را در طول زمان از خود نشان نمی دهد و حتی شاید در جهت عکس نیز عمل کند. از سوی دیگر، رشد چشمگیر رمزارزها در بسیاری از کشورها، دولت ها و سیاست گذاران را بر این داشته است که از تأثیر جالب توجه احتمالی قیمت نفت بر ثبات بازار رمزارزها آگاهی یابند؛ از این رو، پژوهش حاضر، مسیری نو را برای سیاست گذاران به منظور شناخت موقعیت اقتصاد کشور در مراحل ابتدایی این رمزارزها و توجه به اثرگذاری عوامل قیمتی نفت بر ثبات این بازار آشکار می کند.

این مقاله با استفاده از الگوی خود رگرسیون برداری عامل- افزوده شده با نوسانات تصادفی و پارامترهای متغیر در طی زمان TVP-SFAVAR-SV به بررسی اثر شوک های سیاست پولی (با درنظرگرفتن متغیر سیاست مالی به عنوان متغیر پنهان) بر تورم و رشد اقتصادی پرداخته است. در این راستا داده های فصلی سری زمانی ۶ متغیر اقتصاد کلان ایران طی دوره 1369:2 تا 1397:3 بکار گرفته شده است. جهت ارزیابی سیاست های پولی، از چهار متغیر پایه پولی، نقدینگی، بدهی بانک ها به بانک مرکزی و بدهی بخش غیردولتی به سیستم بانکی، به عنوان ابزار پولی و متغیر سیاست های مالی (متشکل از متغیرهای رشد مخارج عمرانی وجاری دولت، درآمدهای نفتی و مالیاتی و سایر درآمدها) به عنوان متغیر غیر قابل مشاهده استفاده شده است . نتایج بیانگر این است که به غیر از شوک های متغیر بدهی بخش غیردولتی به سیستم بانکی، شوک های سایر متغیرها (اعم از متغیرهای سیاست پولی و متغیر پنهان سیاست مالی) تاثیر منفی بر رشد اقتصادی داشته و از سوی دیگر باعث افزایش تورم شده اند. شوک های متغیر بدهی بخش غیردولتی به سیستم بانکی نیز اثر مثبت ولی کاهشی بر رشد اقتصادی داشته، در حالیکه بر روی تورم اثر مثبت افزایشی داشته است. با توجه به نتایج فوق، می توان بیان نمود که وابستگی اقتصاد ایران به درآمدهای نفتی و سیاست های پولی نشئت گرفته از آن و نیز ضعف های ساختاری در جذب نقدینگی توسط بخش مولد کشور و حرکت به سمت فعالیت های سوداگری از جمله عواملی است که زمینه ساز تورم و کاهش رشد اقتصادی کشور شده اند.