درخت حوزه‌های تخصصی

پژوهش حاضر با هدف بررسی عوامل مؤثر بر تغییرات عمده قیمت سهام، اثر عامل بازار، اندازه، ارزش، نقدشوندگی و تکانه بر افزایش های عمده قیمت سهام انجام شده است. جامعه آماری پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران از ابتدای سال 1386 تا پایان سال 1391 (1449 روز کاری بورس اوراق بهادار) است. برآورد مدل با استفاده از رگرسیون کاکس و برای داده های بازگشتی انجام شد. نتایج پژوهش نشان می دهد، در میان عوامل بررسی شده، نسبت ارزش دفتری به ارزش بازار حقوق صاحبان سهام مهم ترین متغیر برای توضیح احتمال افزایش قیمت سهام بیش از پنج و ده درصد است و عامل اندازه (با درنظرگرفتن اثر شکنندگی)، اثرگذارترین متغیر بر احتمال افزایش قیمت سهام بیش از 20 و 30 درصد است. همچنین، نتایج نشان داد که رابطه معناداری بین عامل تکانه و افزایش عمده قیمت سهام وجود ندارد.

مدل مارکوویتز، مبنای رویکرد مدرن در بهینه سازی سبد سهام است. مارکوویتز مدل خود را بر اساس میانگین و واریانس بر روی داده های تاریخی فرموله کرد. از آن زمان تاکنون، پژوهشگران زیادی روش حل مسئله بهینه سازی سبد سهام را بهبود بخشیدند. یکی از مهم ترین بهبود ها، جایگزین کردن شاخص ریسک نامطلوب بجای واریانس است. بهبود دیگری که به تازگی پیشنهادشده، تولید داده بر اساس تحلیل پوششی داده ها و استفاده از داده های تولیدشده به جای بازده تاریخی است. این بهبود جدید که اساساً اساس مسئله انتخاب سبد سهام را تغییر می دهد، فرصتی را فراهم می کند تا پژوهشگران انواع شاخص ریسک را بر روی داده های تولیدشده به جای بازده تاریخی به کارگیرند. در این پژوهش، از تحلیل پوششی داده ها بر اساس صورت های مالی، برای تولید کارایی متقاطع استفاده می شود. سپس ارزش در معرض ریسک که یکی از شاخص های مهم ریسک نامطلوب است، بر روی این مینای جدید، تعدیل شده و با حل مدل خطی شناخته شده آن، وزن های بهینه در سبد سهام تعیین می شود. عملکرد روش پیشنهادی برای 185 شرکت بورس اوراق بهادار تهران در سال های 90 تا 94، توسط معیار شارپ محاسبه شده و با عملکرد سبد بازار و عملکرد روش مارکوویتز بر روی کارایی متقاطع مقایسه می شود. معیار شارپ، عملکرد بهتری برای روش پیشنهادی نسبت به روش های دیگر، نشان می دهد.

در مدل سازی بازارهای مالی همواره این نکته دارای اهمیت بوده است که چگونه می توان انحراف مداوم قیمت های مالی را از قیمت های بنیادی آن با استفاده از تعاملات میان عواملِ ناهمگن در بازار تشریح کرد. یکی از روش های تشریح این موضوع استفاده از رهیافت اقتصاد محاسباتی عامل محور است. در میان ادبیات مدل های عامل محورِ عقاید ناهمگن، مدل های مبتنی بر تعاملات بین بنیادگراها و نمودارگراها از اهمیت خاصی برخوردار است، زیرا یکی از عواملی که می تواند نقش مهمی در توضیح تلاطم و نوسانات بازار سهام داشته باشد، احساسات، عقاید و انتظارات سرمایه گذاران در مورد تغییرات آتی قیمت سهام شرکت-هاست. در این مقاله تلاش می شود با ارایه یک مدلِ محاسباتی عامل محورِ ساده برای تقاضای سهام ، که در اکثر مطالعاتی که به بررسی نقش عوامل و تقاضاهای ناهمگن در شکل گیری قیمت دارایی ها می پردازند از روایتی از آن استفاده می شود، نقش انتظارات ناهمگن در پویایی شاخص کل قیمت، بررسی شود. برای تعیین انتظارات یا تأثیر نسبیِ عوامل از روش دیچی و وسترهف (2012)، استفاده می شود. در این مدل برخی از عوامل دارای تقاضای بی ثبات کننده یا برون یابانه می باشند ( نمودارگراها) و برخی از آنها دارای تقاضای تثبیت کننده یا برگشت به میانگین (بنیادگراها) می باشند . بدین منظور از داده های هفتگی، ماهانه و فصلی مربوط به شاخص کل قیمت بازار سهام تهران از سال 1376 تا 1392 استفاده شده است. نتایج مدل سازی نشان می دهد که حساسیت نسبی تقاضای خریداران با انتظارات مختلف نسبت به تغییرات قیمت، و تأثیرِ نسبی آنها بر کل تقاضا، نقش مهم و معناداری در پویایی قیمتی بازار سهام تهران، دارد. از سوی دیگر، تأثیر نسبی نمودارگراها بر کل تقاضای هفتگی یا انتظارات نمودارگراییِ هفتگی در طی دو دهه ی گذشته بیش از 80 درصد بوده است.

در پژوهش حاضر به بررسی تاثیر انحراف از سطح بهینه نگهداشت وجه نقد بر ارزش وجه نقد پرداخته شده است. نمونه آماری پژوهش شامل 101 شرکت است که در طی دوره زمانی 1388 لغایت 1392 انتخاب شده است. در این پژوهش با استفاده از داده های ترکیبی و روش حداقل مربعات تعمیم یافته به بررسی فرضیه های تحقیق پرداخته شد. نتایج تحقیق حاکی از آن است که ارزش یک ریال وجوه نقد تحصیل شده در نزد سهامداران در شرکت هایی که سطح نگهداشت وجوه نقد آنها از سطح بهینه وجه نقد کمتر است بیشتر از شرکت هایی است که سطح نگهداشت وجوه نقد آنها از سطح بهینه وجه نقد بیشتر است. همچنین نتایج تحقیق موید آن است که ارزش وجه نقد در شرکت هایی با نگهداشت وجه نقد بیشتر از سطح بهینه، کمتر از ارزش اسمی یک ریال و در شرکت هایی با نگهداشت وجه نقد کمتر از سطح بهینه، بیشتر از ارزش اسمی یک ریال است.

یکی از گزینه های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دام نقطه بهینه محلی تا حد ممکن کاهش یابد. هدف این مقاله معرفی و مقایسه عملکرد رویکرد پیشنهادی با سایر الگوریتم های بهینه سازی جستجوی پیشین می باشد. از اینرو با استفاده از اطلاعات قیمتی روزانه سهام شرکت ایران خودرو بین سال های 1389 تا 1395 به آموزش شبکه عصبی با الگوریتم های بهینه سازی مختلف پرداختیم. جهت ارزیابی میزان عملکرد رویکردها، از سه دیدگاه: میزان دقت پیش بینی(آماره های اندازه گیری خطاR2,RMSE)، میزان حافظه مصرفی و زمان اجرایی استفاده شد، نتایج حاکی از آن است که رویکرد پیشنهادی از عملکرد بهتری نسبت به سایر رویکردهای پیشین برخوردار می باشد.

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره های اندازه گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد.