فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۴۰۱ تا ۴۲۰ مورد از کل ۸۰۳ مورد.
حوزههای تخصصی:
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.
تحلیل تجربی نوسانات و کارایی اطلاعاتی بازار سهام (مطالعه موردی بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با توجه به اهمیت بازار سهام به عنوان ابزاری قدرتمند در جذب وجوه پس انداز کنندگان و هدایت آن به سمت سرمایه گذاران، همچنین، ضرورت و اهمیت مدل سازی نوسانات بازده، در این پژوهش برخی از ویژگی های بازار بورس اوراق بهادار تهران را مورد بررسی قرار داده ایم. بدین منظور، با به کارگیری داده های ماهانه شاخص کل سهام در دوره زمانی 1370:01 تا 1386:06 از تکنیک واریانس ناهمسان شرطی استفاده کرده ایم. یافته های این پژوهش نشان می دهد که: 1. توزیع بازدهی دارای چولگی مثبت بوده و بر این اساس، عاملان بازار وقوع بازدهی های منفی را محتمل تر می دانند، 2. سری بازدهی فاقد توزیع نرمال و در مقایسه با منحنی نرمال کشیده تر است. بر اساس این نتیجه، عوامل بازار افزایش ها و کاهش های ناگهانی بازدهی را محتمل می دانند، 3. ماه های سال به استثنای ماه های اردیبهشت، مرداد و آذر اثر معناداری بر بازدهی ندارند، 4. فرضیه وجود کارایی اطلاعاتی رد می شود. لذا، تمام عاملان بازار به طور حرفه ای معامله نمی کنند و اطلاعات و اخبار نه به صورت آنی، بلکه با گذر زمان بر قیمت ها اثر می گذارد. در نتیجه، احتمال کسب سود و زیان نامتعارف در این بازار وجود دارد، 5. تورم، توضیح دهنده معناداری برای نوسانات بازدهی نیست؛ هرچند این اثر مثبت برآورد شده است، 6. نرخ برابری دلار به ریال اثر مثبت معناداری در ایجاد نوسانات بازدهی دارد. ضریب این متغیر احتمالاً به دلیل سهم ناچیز دلار در سبد دارایی سهامداران، کوچک برآورد شده است، 7. فرض توزیع نرمال برای باقیمانده های مدل فرض مناسبی نیست. در مقابل، توزیع t و توزیع خطای عمومی با لحاظ کردن کشیدگی مازاد، فروض مناسب تری هستند.
انتخاب نامساعد و مخاطرات اخلاقی در بازار بیمه درمان ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف این تحقیق، برآورد یک مدل تقاضای مصرف خدمات درمانی (دارو و خدمات پاراکلینیکی) در ایران، با وجود ناهمگنی غیرقابل مشاهده در وضعیت سلامتی افراد و آزمون وجود کژگزینی و کژمنشی در این صنعت، با استفاده از آمار نمونهگیری بودجه خانوار ایران در سال 1385 است. مدل اصلی از روش GMM، برآورد و با استفاده از روشهای آمار ناپارامتری، وجود این دو پدیده آزمون می شود. مدل مورد استفاده دارای کمترین فرض درباره چگونگی سیاست بازپرداخت بیمه ای، توزیع وضعیت سلامت پنهان افراد و همچنین انتخاب نوع بیمه است. نتایج، وجود کژگزینی را در میان بیمه شدگان خویش فرما و صاحبان حرف و مشاغل آزاد و مخاطرات اخلاقی را در میان تمام انواع بیمه درمان در ایران (کارمندان دولت، کارگران و کارفرمایان، خویش فرمایان و صاحبان حرف و مشاغل آزاد)، تایید میکند.
رآورد و پیشبینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش ها در تخمین ارزش در معرض خطر: کاربردی از مدلهای خانوده FIGARCH(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پیش بینی تلاطم یکی از مهمترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روشهای GARCH، تلاطم موجود با استفاده از 1467 داده روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدلها در تخمین و پیش بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل ARFIMA و برای واریانس شرطی، در کنار مدلهای با حافظه کوتاه مدت، از مدل با حافظه بلندمدت FIGARCH استفاده شده است. برای انجام پیش بینی در دوره خارج از دوره نمونه، مدل ARFIMA-FIGARCH با توزیع نرمال، دقیقترین مدل بوده و نتایج بهتری را ارائه میدهد. یکی از روشهای مطرح در بررسی ریسکها و مدیریت ریسک، تخمین VaR یا ارزش در معرض خطر است. مقایسه مدلها نشان میدهد که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدلهای مختلف نتایج متفاوتی میدهند، ولی می توان گفت مدل FIGARCH در سطح معنی داری 5/2٪ بهترین عملکرد را در میان مدلهای GARCH دارد.
بورس تهران؛ تافته جدابافته
حوزههای تخصصی:
استفاده از ظرفیت های قانون بازار اوراق بهادار برای نظارت بر شرکت های دولتی
منبع:
بورس مهر ۱۳۸۸ شماره ۸۶
حوزههای تخصصی:
مطالعه توان متغیرهای حسابداری در پیش بینی معیارهای ریسک مدل قیمت گذاری آربیتراژ(مقاله علمی وزارت علوم)
حوزههای تخصصی:
طبق تئوری قیمت گذاری آربیتراژ (APT) بازده واقعی سهام شرکت یا صنعت وابسته است. حساسیت بازده یک دارایی به تغییرات پیش بینی نشده در عوامل کلان ریسک بیانگر معیار ریسک سیستماتیک ورقه بهادار است. در حالت تعادل، بازده پیش بینی شده ورقه بهادار تابعی خطی از حساسیتهای بازده واقعی ورقه بهادار به تغییرات پیش بینی نشده در عوامل کلان ریسک است. APT تعداد یا ماهیت این عوامل را مشخص نمی کند. تحلیل عاملی بازده سهام می تواند برای تعیین حساسیتهای اوراق بهادار خاص نسبت به عوامل کلان ریسک بکار رود، بدون آنکه این عوامل را شناسایی کند. در این راستا تحقیق حاضر سعی در پاسخگویی به این پرسش دارد که: آیا می توان با استفاده از معیارهای ریسک حسابداری در دوره جاری، تغییرات مقطعی معیارهای ریسک APT (حساسیتها) را در دوره آتی پیش بینی نمود؟ مطالعه تجربی برای نمونه ای شامل سهام 42 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1378 تا 1383 صورت گرفت. متغیر (های) وابسته، معیارهای ریسک APT ناشی از تحلیل عاملی بازده ماهانه سهام، و متغیرهای مستقل مجموعه ای از متغیرهای متداول حسابداری مرتبط با فعالیتهای عملیاتی و مالی شرکتها، شامل معیارهای مرتبط با نقدینگی، مدیریت بدهی، سودآوری و کارایی، ریسک تجاری، ارزش بازار (نسبت دورگه) و اندازه شرکت می باشد. ضرایب رگرسیون با استفاده از مدل مبتنی بر داده های تابلویی تخمین زده شدند. معناداری مدل توسط آماره F آزمون گردید. بر این اساس، در دامنه مطالعه انجام شده، متغیرهای متداول حسابداری می توانند سهمی از تغییرات مقطعی معیارهای ریسک APT در دوره آتی را توضیح دهند.
تحویل کالا در معاملات آتی
حوزههای تخصصی:
شاخص های اصلی رتبه بندی کارگزاران معامله گر قراردادهای آتی
حوزههای تخصصی:
حاکمیت بازار سرمایه و شاخص آن
حوزههای تخصصی:
کاربرد ارزش در معرض ریسک (VaR) در تشکیل سبد سهام بهینه در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
این پژوهش، به دنبال استفاده از ارزش در معرض ریسک، به عنوان یک معیار اندازهگیری ریسک در تشکیل سبد سهام بهینه در بازار بورس تهران است.در این پژوهش ارزش در معرض ریسک محاسبه شده به روش پارامتریک با استفاده از بازدههای 15 روزهی 100 شرکت از تاریخ 1/1/1380 تا تاریخ 1/9/1386، به عنوان یک محدودیت به مدل سبد سهام مارکویتز، اضافه شده است. با تغییر پارامتر های ارزش در معرض ریسک مورد قبول سرمایه گذار و درصد اطمینان مورد قبول او، سبدهای بهینه مختلفی تشکیل شدهاند. نتایج نشان می دهد که افزودن محدودیت ارزش در معرض ریسک به مدل مارکویتز، ممکن است مرز کارا را محدود کرده، آنرا به یک نقطه تبدیل کند و یا از بین ببرد. نکات قابل توجه در این مقاله، در مقایسه با پژوهشهای مشابه دیگر، استفاده از اعتبارسنجی بازخورد به شکلی نوین و مطالعه موردی بازار بورس تهران است.