درخت حوزه‌های تخصصی

پژوهش حاضر به بررسی رابطه بین ارزش افزوده اقتصادی پالایش شده با معیارهای معمول ارزیابی عملکرد از قبیل سود هر سهم و نسبت قیمت به سود هر سهم در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1380-83 پرداخته است. نتایج پژوهش نشان می دهد که بین ارزش افزوده اقتصادی پالایش شده با سود هر سهم و نسبت قیمت به سود هر سهم، رابطه آماری معنی دار وجود ندارد. هر چند وجود رابطه آماری مذکور بر اساس تحلیلهای آماری به اثبات نرسیده است؛ اما این موضوع به معنی فقدان هیچگونه رابطه بین متغیر های پژوهش نیست. درصدهای ضریب همبستگی و ضریب تعیین محاسبه شده نشان می دهد که بین ارزش افزوده اقتصادی پالایش شده و معیار های معمول ارزیابی عملکرد از جمله سود هر سهم و نسبت قیمت به سود هر سهم، رابطه همبستگی ضعیفی وجود دارد. با این حال، شدت این همبستگی برای نسبت قیمت به سود هر سهم کمی قوی تر از سود هر سهم است.

در این پژوهش، پویایی کوتاه مدت بین بازار سهام و بازار ارز، به واسطه تاثیر تکانه های برونزای نفتی بر این بازارها، با استفاده از روش خودرگرسیون برداری و آزمون علیت گرنجری معرفی شده توسط تودا و یاماموتو (1995) و به کارگیری داده های روزانه را مورد بررسی قرار می دهیم. تحلیل ها در دو حالت عادی و بحرانی، از لحاظ شرایط حاکم بر بازار سرمایه در سال های 1378 تا 1385، در ایران انجام می شوند. در شرایط عادی و در دوران روند صعودی قیمت نفت، نتایج حاکی از تاثیر تکانه های نفتی بر قیمت سهام و انتقال این تکانه ها به بازار ارز است. همچنین، در دوره روند نزولیِ قیمت نفت و نیز در دوره هایی که کنترل زیادی بر نرخ ارز اعمال می شود، رابطه مشخصی بین بازارهای سهام و ارز مشاهده نمی شود. در شرایط بحرانی نیز کانال های ارتباطی میان بازارها به کلی ازبین می رود.

فلزات قیمتی همچون طلا، نقره و پلاتین از جمله مهمترین متغیرهای مؤثر در سیستم های مالی بوده و پیش بینی قیمت آنها برای تصمیم گیران از اهمیت بسیار برخوردار است . تغییرات سریع در سیستم های مورد مطالعه در دنیای واقعی و بویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان از جهت تامین داده های لازم گردیده است . چرا که مدل های کمی پیش بینی همچون میانگین نیز به (ANNs) دارای محدودیت تعداد داده های گذشته بوده و شبکه های عصبی مصنوعی (ARIMA) متحرک خود رگرسیون انباشته منظور حصول نتایج دقیق احتیاج به داده های زیادی دارند . مدلهای پیش بینی فازی، مدلهایی مناسب در شرایط پیش بینی با داد ه های کم بوده، اما عملکرد آنها در حالت کلی رضایت بخش نمی باشد. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یک راه معمول به منظور مرتفع نمودن محدودیت های مدلهای تکی و بهبود دقت پیش بینی ها می باشد؛ لذا در این مقاله به منظور برطرف نمودن محدودیت داده در مدلهای میانگین متحرک خود رگرسیون انباشته کلاسیک و حصول مدل دقیق تر در پیش بینی سری های زمانی، مدل به منظور پیش بینی پیشنهاد شده است. نتایج حاصله بیانگر (FARIMA) ترکیبی میانگ ین متحرک خود رگرسیون انباشته با منطق فازی کارآمدی روش پیشنهادی در پیش بینی بازه تغییرات قیمت طلا می باشد

اهمیت سرمایه گذاری برای رشد و توسعه ی اقتصادی و اجتماعی به اندازه ای است که آن را یکی از اهرم های قوی برای رسیدن به توسعه کرده است؛ اما باید به یاد داشت که به همان میزان که توجه به این امر می تواند باعث شود اقتصاد رشد یابد و شکوفا شود، توجه نکردن به آن می تواند موجب شود افت اقتصادی پیش آید؛ بنا بر این باید گفت که رشد اقتصادی و افزایش رفاه عمومی، دربلندمدت، بدون توجه به سرمایه گذاری و عوامل مهم مؤثر موجود در محیط آن ممکن نیست.مطالعه ی دقیق تجزیه و تحلیل سرمایه گذاری و عوامل مهم در محیط فعالیت سرمایه گذاران می تواند از یک طرف موجب شود حجم نقدینگی های سرگردان و تورم کاهش یافته، اشتغال افزایش یابدوازطرف دیگر، باعث شود مدیریت بهتر شده، ثروت سرمایه گذاران افزون گردد. هدف از نگارش پژوهش حاضر بررسی عوامل مؤثر بر سرمایه گذاری در سهام است که به وسیله ی دو دسته متغیر به عنوان سؤال های پژوهش آزمون شده است. این دو دسته، متغیرهای مربوط به ویژگی های سرمایه گذاران (ادراک ریسک، تمایل به ریسک و تخصیص سرمایه) و ویژگی های مربوط به بازار سرمایه(نرخ بازده مورد انتظار و اطلاعات عملکرد گذشته) هستند. در تحقیق حاضر، برای جمع آوری اطلاعات مربوط به مبانی نظری پژوهش از روش کتابخانه ای (نظیر کتاب ها و مجله های علمی) و برای جمع آوری اطلاعات برای تحلیل و آزمون فرضیات پژوهش از پرسش نامه استفاده شده است. در این پژوهش، برای تجزیه و تحلیل و آزمون سؤال های پژوهش از روش های آمار توصیفی و استنباطی (آزمون کولموگورف ـ اسمیرنوف و آزمون t دونمونه ای) استفاده شده است. نتایج پژوهش حاضر نشان می دهند که ادراک ریسک بر تمایل به سرمایه گذاری، نرخ بازده مورد انتظار و تخصیص سرمایه، و اطلاعات عملکرد گذشته بر تمایل به سرمایه گذاری و نرخ بازده مورد انتظار تأثیر می گذارند.

در این مقاله با هدف شناسایی عوامل موثر قصد سرمایه گذاری سرمایه گذاران حقیقی، پرسشنامه ای 28 سوالی مطرح و در بین نمونه 450نفری توزیع گردید. آلفای کرونباخ ابزار گردآوری داده ها برابر با 0.871محاسبه شد که بالا بوده و حاکی از پایا بودن پرسشنامه است. نتایج مدل ساختاری با استفاده از نرم افزار LISREL نسخه 8.7 حاکی از تایید کلیه فرضیه های تحقیق و مدل مفهومی ارایه شده است. یافته های تحقیق حاکی از این است که اطلاعات مالی شرکتها و اطلاعات عمومی منتشر شده در بازار بطور مستقیم و از طریق تاثیر گذاری بر انتظارات سرمایه گذاران بر تصمیمات خرید آنها اثر گذار است. همچنین نیازهای شخصی مستقیماً بر قصد خرید سهام تاثیر گذار است. نتایج نشان داد که بالاترین اثر کل بر قصد سرمایه گذاری به ترتیب به متغیرهای: اطلاعات عمومی(0.5461)، اطلاعات حسابداری و مالی(0.4702)، انتظار سرمایه گذار(0.31) و نیاز سرمایه گذار(0.24) تعلق دارد.

تصمیم گیری همواره، یکی از مهم ترین وظایف مدیر بوده، در این بین، پیش بینی نتایج ورودی به سیستم و در حقیقت، نتایج شقوق مختلف تصمیم، جزءِ دغذغه های اصلی فرایندهای بهینه سازی تصمیم بوده است. از سوی دیگر، شناسایی عواملی که بر خروجی تصمیم یا نتیجه ی پیش بینی تأثیرگذارند اهمیت دارند؛ چرا که با شناسایی این عوامل می توان مدل مناسبی برای پیش بینی تدوین و سپس، کسب نتیجه از آن اقدام نمود. یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد با خرید و فروش سهام یک شرکت، پیش بینی سود نقدی سهام بوده، در این مورد می توان از صورت های مالی در جایگاه ابزاری برای این پیش بینی استفاده نمود؛ بدین ترتیب که نسبت هایی را از صورت های مالی استخراج نموده، بر اساس آنها، مدلی برای پیش بینی سود آتی سهام توسعه داد و در نهایت تصمیم گرفت. در این مقاله سعی شده با استفاده از الگوریتم ژنتیک[1] و تلفیق آن با شبکه ی عصبی مصنوعی[2]، عوامل مؤثر بر پیش بینی سود آتی سهام (شامل نسبت های استخراج شده از صورت های مالی) شناسایی شده، در نهایت، این متغیرهای مؤثر بر خروجی، در مدلی که به مدد شبکه ی عصبی طراحی و برای پیش بینی سود آتی سهام به کار گرفته شوند. برای موردکاوی، به پیش بینی سود نقدی سهام 194 شرکت پذیرفته شده، در بورس توجه شده و 24 متغیر موجود در صورت های مالی که بر اساس نظر خبرگان در تغییرات سود نقدی سهام دخالت دارند، به مدل وارد شده اند. در نهایت، مدل ترکیبی با توجه به دینامیسم موجود بین متغیرهای ورودی، ده متغیر را به عنوان ترکیب بهینه ی متغیرهای تأثیرگذار انتخاب نموده که در مرحله ی دوم، به یک شبکه ی عصبی که برای پیش بینی طراحی شده، وارد شده اند و خطای حاصل از پیش بینی مبنای مقایسه با دیگر روش ها قرار گرفته است.