ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱٬۸۸۱ تا ۱٬۹۰۰ مورد از کل ۴٬۰۴۵ مورد.
۱۸۹۳.

بررسی وجود حافظه بلندمدت در شاخص های بورس اوراق بهادار تهران و تأثیر آن بر تئوری بازار کارا از نوع ضعیف

کلیدواژه‌ها: بورس اوراق بهادار تهران سری های زمانی حافظه بلندمدت

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۴۲ تعداد دانلود : ۶۰۷
هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته باشد و رابطه آن ها قابل چشم پوشی نباشد، سری زمانی مورد مطالعه دارای ویژگی حافظه بلندمدت است. سنجش وجود حافظه بلندمدت در یک سری زمانی کاربردهای فراوانی در حوزه های گوناگون مالی دارد. در این پژوهش وجود حافظه بلندمدت در سری بازده شاخص های بیمه، بانک، فراورده های نفتی، منسوجات، شیمیایی و زراعت در بورس اوراق بهادار تهران (در دوره زمانی 1/1/1388 تا 1/1/1393) با استفاده از آزمون BDS بررسی شده است، سپس برای تأیید آزمون فوق از آزمون های ARFIMA استفاده شده است. نتایج این مطالعه نشان می دهد، همه شاخص های بررسی شده حافظه بلندمدتی دارند. در انتها با تأیید وجود حافظه بلندمدت در شاخص ها، ازآنجاکه حافظه بلندمدت موجب وابستگی بازده های قبلی آن می شود، نشان دهنده وجود پارامتری قابل پیش بینی در دینامیک سری زمانی است. وجود این ویژگی دلیلی بر رد شکل ضعیف فرضیه کارایی بازار است.
۱۸۹۶.

کاربرد روش k- نزدیک ترین همسایه در پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بورس اوراق بهادار تهران پیش بینی درماندگی مالی شرکت ها یادگیری ماشینی k-نزدیک ترین همسایه

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۴۱ تعداد دانلود : ۶۳۵
با توجه به تاثیرات درماندگی مالی شرکت ها بر گروه های ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در سال های اخیر و پس از رخ دادن بحران مالی جهانی، تعداد شرکت های ورشکسته افزایش یافته است. از آن جا که درماندگی مالی شرکت ها مقدمه ورشکستگی آنهاست، لذا استفاده از نسبت های مالی برای پیش بینی درماندگی مالی، مورد توجه هر چه بیشتر دانشگاهیان و هم چنین بنگاه های اقتصادی و نهادهای مالی قرار گرفته است. گر چه، در سال های اخیر در کشور ما نیز تحقیقات انجام شده بر روی پیش بینی درماندگی مالی شرکت ها رو به افزایش است، با این حال بیشتر تلاش های صورت گرفته به استفاده از روش های سنتی آماری معطوف شده و تنها در تعداد کمی از پژوهش ها از روش های ناپارامتری استفاده شده است. نتایج تحقیقات انجام شده در سال های اخیر حاکی از آن است که روش های یادگیری ماشینی عملکرد بهتری را نسبت به روش های سنتی آماری دارا می باشند. در این پژوهش از روش k نزدیک ترین همسایه برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1386-1384 استفاده شده است. نتایج حاکی از آن است که روش مذکور با دقت خوبی قادر به پیش بینی درماندگی مالی شرکت ها می باشد.
۱۸۹۸.

بررسی تأثیر حجم مبنا بر میزان بازدهی و نقدشوندگی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران

کلیدواژه‌ها: بازدهی نقدشوندگی حجم مبنا گره معاملاتی

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۴۱ تعداد دانلود : ۶۳۹
پژوهش حاضر به دنبال بررسی تأثیر حجم مبنا (به مثابه متغیر مختص بازار سرمایه ایران)، بر متغیرهایی نظیر میزان بازدهی و حجم نقدشوندگی سهام در بورس اوراق بهادار تهران است. در این پژوهش، حجم مبنا برای شرکت های موجود در نمونه پژوهش بر اساس میزان سرمایه آنها (سهام منتشرشده)، بازدهی سهام بر اساس میزان سود نقدی، سود سرمایه ای و عواید حاصل از افزایش سرمایه و درنهایت، نقدشوندگی سهام شرکت ها بر مبنای حجم معاملات ریالی سهام آنها نسبت به حجم معاملات ریالی کل بازار با در نظر گرفتن ارزش بازاری شرکت ها و ارزش کل بازار محاسبه شده است. نتایج پژوهش حاضر برای 150 شرکت بورسی در فاصله سال های 1387-1391 نشان می دهد، در سطح اطمینان 95 درصد بین حجم مبنا و بازدهی سهام شرکت های بورسی رابطه معنی داری وجود ندارد؛ اما در سطح اطمینان فوق الذکر، ارتباط معنی دار میان حجم مبنا و نقدشوندگی سهام شرکت های بورسی تأیید می شود.
۱۹۰۰.

اهمیت ترکیب دارایی و بدهی بانک ها در تعیین رتبه نظارتی بانک ها(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: دارایی بدهی رتبه بندی کملز رتبه بندی نظارتی

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۴۰ تعداد دانلود : ۷۳۵
هدف این مقاله بررسی اثر ترکیب سبد دارایی و بدهی بر رتبه نظارتی بانک ها است. در این مقاله از روش رتبه بندی کملز برای تعیین رتبه نظارتی بانک ها استفاده شده است. همچنین با بکارگیری صورت مالی بانک ها در دوره 1385-1393 و روش رگرسیون رتبه ای، اثر ترکیب سبد دارایی و بدهی بر رتبه بانک ها بررسی شده است. نتایج حاصل از آزمون اعتبار مدل، خوبی برازش مدل، معنی داری کل خط رگرسیون، قدرت پیش بینی مدل بیانگر انتخاب درست مدل و مناسب بودن آن برای تحلیل های آتی بوده و مدل از قدرت پیش بینی 89 درصدی برخوردار است. نتایج نشان می دهد هر چه سبد دارایی بانک ها ریسکی تر باشد، احتمال اینکه بانک در دوره های آتی در رتبه بهتر قرار گیرد، کاهش یافته و احتمال کاهش رتبه آن در دوره های آتی افزایش می یابد. همچنین هر چه منابع پایدار در سبد بدهی بانک بیشتر باشد، احتمال اینکه بانک در دوره های آتی در رتبه بهتر قرار گیرد، افزایش یافته و احتمال کاهش رتبه آن در دوره های آتی کاهش می یابد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان