این پژوهش با بکارگیری مدل سری زمانی تئوری قیمت گذاری داراییهای سرمایه ای (CAPM)، بلک و همکاران (1972)، و با استفاده از متدولوژی شکست ساختاری بای و پرون (2003) به بررسی پایداری شاخص ریسک سیستماتیک دسته ای از بازارهای سهام نوظهور از امریکای لاتین، جنوب شرق آسیا، بازار سهام استانبول و بورس اوراق بهادار تهران می پردازد. نتایج نشان می دهد که بر پایه آزمون بای و پرون در بازارهای سهام برزیل، شیلی، تایلند، شانگهای چین، کوالالامپور مالزی و بورس اوراق بهادار تهران شکست های ساختاری معنادار و لذا ناپایداری در شاخص ریسک سیستماتیک مشهود است. از طرفی نتایج برآورد پویای ریسک سیستماتیک این بازارها بر اساس مدل دو متغیره ناهمسانی واریانس BEKK نشان می دهد که بورس اوراق بهادار تهران دارای پایین ترین سطح شاخص ریسک سیستماتیک در بین بازارهای مورد مطالعه است. بر اساس نتایج، نوسانات معنادار در روند ریسک سیستماتیک بازارهای سهام مورد بررسی وجود دارد و مقدار میانگین ریسک سیستماتیک این بازارهای سهام در دوره های حول نقاط شکست ساختاری اختلاف معنادار دارد. بر پایه نتایج مدل BEKK از دقت بالاتری نسبت به مدل خطی رگرسیون سری زمانی CAPM در برآورد شاخص ریسک بتا برخوردار است. نتایج تحقیق رهنمودهای سیاستی مفیدی را برای مدیریت ریسک سرمایه گذاری بین الملل در پی دارد.
از آنجاکه بسیاری از بخش های اقتصادی بخصوص بخش مسکن نیازمند اخذ وام از بانک ها می باشند، تغییر در رفتار وام دهی بانک ها در اثر تغییر در متغیرهای کلیدی اقتصاد، ممکن است فعالیت اقتصادی آنها را با مخاطرات جدی مواجه کند. از این رو، در این مطالعه رفتار وام دهی بانک مسکن طی دوره 90-1370 با استفاده از مدل اقتصادسنجی خودرگرسیون برداری (VAR) مدل سازی شد. نتایج تخمین مدل VECM بلندمدت نشان داد که از بین متغیرهای کلیدی اقتصاد، تغییرات عرضه کل پول، نرخ تورم و نوسانات قیمت سهام در بلندمدت، دارای تأثیر معکوس و تغییرات نرخ ارز، دارای تأثیر مستقیم بر رفتار وام دهی بانک مسکن می باشد. همچنین نتایج تخمین مدل VECM کوتاه مدت نشان داد که تغییرات عرضه کل پول در کوتاه مدت، دارای تأثیر مستقیم، و نرخ تورم، نرخ ارز و نوسانات قیمت سهام، فاقد تأثیر معنی دار بر رفتار وام دهی بانک مسکن می باشند.
در این پژوهش روشی مبتنی بر تئوری مجموعه های راف و با استفاده از شاخص های تحلیل تکنیکی جهت پیش بینی قیمت سهام ارائه شده است. تئوری مجموعه های راف دارای مزایای متعددی است که مهمترین مزیت آن در تحلیل داده ها این است که به هیچگونه اطلاعات اضافی اولیه در مورد داده ها نیاز ندارد. در مدل پیشنهادی، تعدادی از شاخص های تکنیکال برای داده های مربوط به بانک صادرات ایران در طول یک سال محاسبه و به عنوان مشخصه های شرطی در جدول تصمیم مورد استفاده قرار گرفته و نوسان قیمت سهام در روز بعد نیز به عنوان مشخصه تصمیم انتخاب می شود. لازم به ذکر است که با استفاده از آنالیز ماتریس همبستگی، شاخص های با بیشترین همبستگی با مشخصه تصمیم انتخاب می گردند. سپس با استفاده از تئوری مجموعه های راف و ترکیب روش های مختلف گسسته سازی داده ها و تولید بی زائده بر اساس داده های یادگیری، قواعد پیش بینی استخراج و قدرت پیش بینی روش های مختلف بر اساس داده های کنترل محاسبه شد. در این مطالعه داده های شش سال متوالی (یعنی 05/05/1388 لغایت 24/04/1394 بانک صادرات مورد استفاده قرار گرفته است. بررسی قدرت پیش بینی این روش و مقایسه بازده حاصل از استفاده از آن و روش خرید و نگهداری، مزیت استفاده از مجموعه های راف را آشکار می نماید. مقایسه نتایج حاصل از اعمال روش ها بر روی داده های مربوطه نشان می دهد که بازده حاصل از استراتژی خرید و نگهداری 33 ریال و بازده حاصل از مدل 182 ریال به ازای هر سهم می باشد. همچنین استفاده از داده های سال های مختلف با روند قیمتی متفاوت به عنوان ورودی مدل و دستیابی به نتایج رضایت بخش، می تواند دلیلی امیدوارکننده برای استفاده از این روش و توسعه آن در پیش بینی قیمت سهام باشد.