درخت حوزه‌های تخصصی

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.

هدف این پژوهش، شناخت و بررسی جامع بانکداری اسلامی، به مفهوم سود بانکی و عوامل تعیین کنندة آن است. این امر با ابزاری، به نام مدل ساز ی تشر یحی ساختاری (ISM) به منظور ارائه تحلیلی سیستمی و در حد امکان، کامل و منطبق با واقعیت ها انجام می شود. نتایج این تحقیق، گویای این است که در الگوی عملی بانکداری اسلامی، طیف وسیعی از عناصر مهم اقتصادی وجود دارد که مستقیم یا غیر مستقیم می تواند بر سود سپرده ها مؤثر باشد. این عناصر می تواند بر یکدیگر تأثیرهای متقابلی داشته و در مسیر تأثیر نهایی بر سود سپرده ها تقویت و یا تضعیف شود.

یکی از مفاهیم کلیدی در مدیریت ریسک سبدهای متشکل از دارایی های مالی، مدل سنجش ریسک مبتنی بر احتمال، با عنوان «ارزش در معرض ریسک» می باشد. طی سالهای اخیر، روشهای متنوعی به منظور اندازه گیری معیار مذکور توسط محققان ارائه گردیده که به کارگیری هر کدام از آنها به علت در نظر گرفتن فروض و مقدمات غیرمشابه، نتایج متفاوتی را نیز حاصل می نماید. بر این اساس، مقاله حاضر در تلاش است تا دو روش عمده محاسبه این مقیاس، یعنی مدل پارامتریک خود رگرسیونی واریانس ناهمسان شرطی تعمیم یافته و رایج ترین روش شبیه سازی با نام مونت کارلو را در اندازه گیری ارزش در معرض ریسک پورتفولیوی ارز، به کار گرفته و نتایج آنها را با استفاده از آزمون بازخورد نرخ شکست، مورد مقایسه و ارزیابی قرار دهد. نتایج، عملکرد متفاوت دو مدل را به وضوح نشان می دهد.

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