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.

در این پژوهش توده واری در بازار بورس اوراق بهادار تهران در وضعیت های (رژیم های) مختلف قیمت و بازده بررسی می شود. به منظور سنجش توده واری در بازار بورس اوراق بهادار تهران از دو مدل چانگ و همکاران (2000) و بالسیلار(2013) استفاده شده است. در این پژوهش توده واری در 4 صنعت سیمان، شیمیایی، دارویی، سرمایه گذاری در دوره زمانی1392-1388 با استفاده از رگرسیون غیرخطی مورد بررسی قرار می گیرد. نتایج برآورد حاکی از آن است که با استفاده از مدل ایستا در هیچ کدام از بخش ها توده واری مشاهده نشد، اما نتایج بدست آمده با استفاده از مدل پویا نشان داد که در تمامی بخش ها توده واری در رژیم با نوسان پذیری زیاد وجود دارد و همچنین در دو صنعت سیمان و سرمایه گذاری شواهدی از توده واری در رژیم هایی با نوسان پذیری شدید وجود دارد. اما در هیچ کدام از بخش ها شواهدی از توده واری در رژیم با نوسان پذیری اندک در بورس اوراق بهادار تهران یافت نشد که نشان دهنده این است که توده واری بیشتر در رژیم هایی با نوسان پذیری بالا یافت می شود.

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.

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.

پیش بینی سود حسابداری و تغییرات آن به جهت استفاده در مدل های ارزیابی سهام، توان پرداخت، ریسک، عملکرد واحد اقتصادی و مباشرت مدیریت از دیرباز مورد علاقه سرمایه گذاران، مدیران، تحلیلگران مالی و اعتباردهندگان بوده است. سود هر سهم اغلب برای بررسی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود. در این تحقیق عملکرد سه مدل تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم مورد ارزیابی قرار گرفته است. در این تحقیق از ۹ متغیر مالی، ۷ متغیر بنیادی و ۴ متغیر کلان استفاده شده است. ابتدا متغیرهای مالی ،متغیرهای بنیادی و کلان اقتصادی به صورت جداگانه و سپس بطور همزمان وارد مدل ها شده اند تا توانایی آن ها در هر سه حالت مورد ارزیابی قرار گیرد. نتایج تحقیق نشان می دهد که مدل تخمینگر حداقل درجه در هر سه حالت فوق (متغیرهای مالی، متغیرهای بنیادی و کلان اقتصادی) عملکرد بهتری نسبت به سایر مدل ها داشته است