درخت حوزه‌های تخصصی

تئوری اعتماد بیش از حد یکی از نظریه های مطرح شده در زمینه مالی رفتاری است که برای توضیح بخشی از رفتار سرمایه گذاران و نیز بازارهایی که با تئوری های سنتی مالی ناسازگار می باشند، بکار می رود. بطور خلاصه، بر اساس این تئوری هرچقدر درجه اعتماد سرمایه گذاران بالاتر باشد، حجم مبادلات آنها بیشتر است. تحقیق حاضر، بمنظور آزمون تئوری فوق در بورس و اوراق بهادار تهران در سال 1385 طراحی شده است. در این مطالعه، درجه اعتماد بیش از حد سرمایه گذاران با معیارهای تخمین نادرست دقت اطلاعات، اثر بهتر از متوسط و توهم کنترل سنجیده شده و حجم مبادلات نیز به دو معیار میزان سرمایه گذاری و تعداد مبادلات شکسته شده است. در فرضیات اهم تحقیق، رابطه کل حجم مبادلات با سه معیار اعتماد بیش از حد، مورد آزمون قرار گرفت و هر سه فرضیه کلی در سطح اطمینان 95 درصد تایید شد. در فرضیات اخص گروه A رابطه معناداری بین میزان سرمایه گذاری و متغیرهای اعتماد بیش از حد بررسی و این نتیجه حاصل شد که بین میزان سرمایه گذاری و معیارهای اثر بهتر از متوسط و توهم کنترل رابطه معناداری وجود ندارد. در فرضیات اخص گروه B رابطه معناداری بین تعداد مبادلات و متغیرهای اعتماد بیش از حد بررسی شد که در سطح اطمینان 99 درصد، تمامی فرضیات اخص گروه B تایید شد.در این تحقیق، معناداری رابطه رگرسیونی بین حجم مبادلات با متغیرهای اعتماد بیش از حد نیز مورد آزمون قرار گرفته و تایید شد. یافته ها بیانگر ارتباط ضعیف بین این متغیرها است. همچنین تاثیر سن، تحصیلات، و سابقه حضور در بورس برسطح متغیرهای اعتماد بیش از حد و حجم مبادلات، مورد تحقیق واقع شده است.

امروزه آلودگی هوا به عنوان یکی از مهمترین مسائل، بر سلامت بشر و نیز خیلی از پدیده های اقتصادی موثر است. در این تحقیق با استفاده از شاخص استاندارد آلودگی هوا، رابطه بین آلودگی و رشد اقتصادی در استان های منتخب با استفاده از داده های تلفیقی طی دوره 87-1383 مورد بررسی قرار گرفته است. نتایج این مطالعه حاکی از آن است که میان آلودگی هوا و تولید ناخالص داخلی استان های منتخب رابطه مثبت و معنی داری وجود دارد. با این وجود، استان های تهران و خوزستان و خراسان رضوی از این آلودگی متضرر شده اند. نتایج بررسی منحنی زیست محیطی کوزنتس برای استان های منتخب نشان داده است که، طی دوره مورد بررسی، مشکلات زیست محیطی، همگام با رشد تولید استان های منتخب افزایش یافته است. به عبارتی دیگر رشد تولید نتوانسته است، مشکلات زیست محیطی را طی دوره مورد بررسی برطرف سازد.

در این مقاله شاخصهای ارزیابی کیفیت سود سه مطالعه گذشته (لوز و دیگران (2003)، بارتن و سیمکو(2002) و پنمن(2001)) در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با یکدیگر مقایسه می شود. برای این کار 96 شرکت از میان شرکتهای پذیرفته شده در بورس در طی سالهای 1377-1383 انتخاب شدند. نتایج مقایسه در سطح هر شرکت نشان می دهد که تنها 20 مورد از کل شرکتهای انتخابی حائز شرایط (کیفیت قوی یا ضعیف) شده اند. با بررسی نتایج در سطح شرکتها و برحسب نوع صنعت نمی-توان گفت که این شاخصها یکدیگر را به گونه معنی-داری تأیید می کنند. نتایج آزمون کای دو نیز این موضوع را تأیید می کند. از این رو استفاده از سایر شاخصها برای ارزیابی کیفیت سود شرکتها ضروری به نظر می رسد.

اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل دهنده بازارهای مالی بوده و در واقع، شریان های اصلی یک اقتصاد محسوب می شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در ساز و کار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این پژوهش پیش بینی شاخص قیمت سهام بورس تهران است. بدین روی، ضمن مرور اجمالی بر شناخته شده ترین نظریه های اقتصادی، به ارائه روش جدیدتری نسبت به روش های دیگر رایج پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی GMDH، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز، نرخ تورم و تولید ناخالص داخلی) بر شاخص قیمت سهام بورس اوراق بهادار تهران را الگوسازی و پیش بینی میکنیم. الگوریتم GMDH قابلیت استفاده در موضوع های متنوعی مانند کشف روابط، پیش بینی، مدل سازی سیستم ها، بهینه سازی و شناخت الگوهای غیرخطی را دارد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال کردن متغیرهای کم اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه سازی در دوره آزمون است. بدین ترتیب، می توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم اثرتر را حذف نمود و در نهایت، مدل بهینه برای پیش بینی را بر اساس معیارهای رایج خطا نظیر RMSE و MAPE به دست آورد. افزون براین، این الگوریتم قادر به شناسایی و رتبه بندی تأثیرگذارترین متغیرها نیز می باشد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم GMDH در پیش بینی شاخص قیمت سهام بورس تهران است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام بورس تهران برای داده-های سالانه 0.37درصد، ماهانه 0.35درصد و برای فصلی 2.04درصد است. همچنین، نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام با استفاده از مدل شبکه عصبی GMDH متغیرهای نرخ ارز، نرخ تورم و تولید ناخالص داخلی همگی جزء متغیرهای مؤثر بوده و هیچکدام از مدل حذف نشدند