تحقیقات مالی

هدف: یکی از اقدام های مهم برای نقش آفرینی جدی بانک های اجتماعی در نظام اقتصادی و اجتماعی ایران، توسعه ابزارهای تجهیز منابع این نوع بانک هاست. الگوهایِ تأمین مالیِ مدل کسب وکار بانک های اجتماعی، عبارت اند از: تأمین مالی جمعی، استقراض خُرد و مدل کسب وکار اجتماعی (بدون سود سهام). یکی از چالش های مدل های کسب وکار بانک های اجتماعی، محدودیت در جذب منابع و جریان نقدینگی پایدار است. این پژوهش بر آن است که با شبیه سازی سیستم پویا تأثیر به کارگیری ابزارهای مالی مبتنی بر دارایی، نظیر تسهیلات اجاره و مزارعه در بخش کشاورزی را بر جریان نقدینگی بانک اجتماعی بررسی کند. روش: این پژوهش با رویکرد مقایسه ای و با استفاده از روش شبیه سازی، پایداری جریان نقدینگی و بازدهی بانک اجتماعی با به کارگیری ابزارهای مالی مبتنی بر دارایی را با بانک اجتماعی مبتنی بر تسهیلات بدهی با استقراض خُرد مقایسه کرده است. یافته ها: نتایج حاصل بیان کننده آن است که جریان نقدینگی در بانک اجتماعی با ابزارهای مالی مبتنی بر دارایی، روندی صعودی داشته است، در حالی که جریان نقدینگی بانک اجتماعی با ابزار استقراض خُرد در بازه های زمانی مختلف، رفتار نوسانی از خود نشان می دهد. نتیجه گیری: با توجه به نرخ بازده سپرده گذاران بانک اجتماعی با ابزارهای مبتنی بر دارایی، می توان انتظار داشت که این نوع بانک ها در بلندمدت جذابیت بیشتری برای جذب سپرده گذاران دیگر بانک ها داشته باشند.

هدف: رفتار توده وار یکی از تورش های رفتاری است که بر بازارهای مالی و تصمیم گیری تأثیر می گذارد. رفتار توده وار در بازارهای مالی، تمایل گروهی از سرمایه گذاران به پیروی کردن از اعمال دیگران و نادیده گرفتن باورها و اطلاعات شخصی و پیروی از اجماع بازار است. هدف این پژوهش بررسی رابطه رفتار توده وار متقابل بین قیمت نفت خام و بازار سهام است. علاوه بر این، تأثیر متغیرهایی نظیر دوره های رونق و رکود، گرایش های سرمایه گذاران و نقدشوندگی بازار بر رابطه دو متغیر فوق نیز آزمون خواهد شد. روش: این پژوهش از نظر هدف کاربردی و از نظر روش از نوع هم بستگی است. نمونه پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1394 تا 1399 است که محدودیت هایی برای آن ها مدنظر قرار گرفته است. برای آزمون فرضیه های تحقیق، از مدل داده های تابلویی و برای اندازه گیری رفتار توده وار، از مدل چانگ و همکاران (2000) استفاده شده است. یافته ها: نتایج پژوهش رفتار توده وار در بازار سهام ایران را تأیید می کند. بازدهی بازار نفت بر رفتار توده وار بورس اوراق بهادار تهران تأثیر دارد و این سوگیری رفتاری، در دوره های رونق بازار نفت بیشتر از دوره های رکود است. همچنین نتایج نشان داد که نقدینگی بیشتر در بازار با رفتار توده وار بیشتری همراه است. نتیجه گیری: در بورس اوراق بهادار تهران رفتار توده وار وجود دارد و بازار نفت به عنوان یکی از بخش های اقتصادی بسیار مهم نیز بر آن تأثیر می گذارد.

هدف: با توجه به اهمیت و جایگاه ویژه نظام بانکی در اقتصاد کشور و رابطه متقابل آن ها، هدف از این پژوهش، بررسی شوک های کلان اقتصادی بر ریسک نقدینگی در بانک های پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران است. روش: بدین منظور، در مرحله نخست، شوک های متغیرهای کلان اقتصادی از مدل MS-VAR استخراج شد. در مرحله دوم، رابطه بین شاخص های ریسک نقدینگی (نسبت دارایی های نقد به کل دارایی ها و نسبت بدهی به بانک مرکزی به کل بدهی ها) با متغیرهای کلان اقتصادی، از طریق مدل پنل دیتا برآورد شد. در نهایت، تأثیر شوک های استخراج شده بر شاخص های مدنظر بررسی شد. داده های لازم، به صورت سالانه و طی سال های 1388 تا 1398 جمع آوری شدند. یافته ها: نتایج پژوهش نشان می دهد که به ترتیب، شوک به رشد تولید ناخالص داخلی در رژیم های دو و یک، شوک به تورم در رژیم های یک و دو و شوک به رشد نرخ ارز در رژیم های دو و یک، بیشترین تأثیر را بر شاخص اول ریسک نقدینگی دارد. برای شاخص دوم ریسک نقدینگی، به ترتیب شوک به رشد تولید ناخالص داخلی در رژیم های یک و دو، شوک به تورم در رژیم دو، شوک به رشد تولید ناخالص داخلی در رژیم دو و شوک به رشد نرخ ارز در رژیم های دو و یک بیشترین تأثیر را دارند. نتیجه گیری: با توجه به نتایج هر دو شاخص، در بین متغیرهای اقتصاد کلان در نظر گرفته شده، شوک به رشد تولید ناخالص داخلی در رژیم یک بیشترین تأثیر را بر هر دو شاخص ریسک نقدینگی دارد.

هدف: هدف اصلی این پژوهش، انتخاب مدل مناسب برای پیش بینی روزانه شاخص کل بورس اوراق بهادار تهران است. در این راستا، از تکنیک های کاهش ابعاد، جهت انتخاب ویژگی های مؤثر و معرف، به منظور افزایش دقت مدل انتخابی استفاده شده است. روش: با توجه به اینکه کاهش ابعاد می تواند با دو روش متفاوت (انتخاب و استخراج ویژگی) اجرا شود، در این پژوهش، هر دو روش برای انتخاب ویژگی های مناسب مدل پیش بینی به کار برده شده است؛ به طوری که برای انتخاب ویژگی ها از الگوریتم MID و برای استخراج ویژگی ها از الگوریتم PCA استفاده می شود. در این راستا، پس از جمع آوری 34 ویژگی مالی و اقتصادی مؤثر بر بازار سهام، به اولویت بندی ویژگی ها با الگوریتم MID اقدام شده است، سپس با مقایسه عملکرد دو مدل مختلف شبکه عصبی با نام های  RBFو DNN که به ترتیب از مهم ترین و بدیع ترین مدل ها هستند، مدل مناسب انتخاب شده است. در ادامه با استفاده از دو نوع تکنیک کاهش ابعاد، دقت پیش بینی مدل انتخابی بررسی شده و روش مناسب برای انتخاب ویژگی های ورودی مدل پیش بینی شناسایی شده است. یافته ها: با تحلیل نتایج به دست آمده مشخص شد که مدل RBF در پیش بینی روزانه شاخص کل بورس اوراق بهادار تهران دقت بیشتری دارد. همچنین با مقایسه عملکرد دو نوع تکنیک کاهش ابعاد، مشخص شد که الگوریتم MID نسبت به الگوریتم PCA در انتخاب متغیرهای ورودی مدل RBF نتیجه بهتری را ارائه کرده است. بنابراین با توجه به اولویت بندی ویژگی ها با الگوریتم MID و الگوی تغییر مقدار خطا با افزایش تعداد ویژگی ها در مدل RBF، الگوریتم ISF_MID، برای انتخاب ویژگی های مناسب مدل پیش بینی شاخص بورس پیشنهاد شد. با استفاده از این الگوریتم می توان با کمترین تعداد ویژگی، بیشترین دقت را در پیش بینی شاخص بورس به دست آورد. نتیجه گیری: روش پیشنهاد شده در این پژوهش جهت شناسایی، اولویت بندی و انتخاب ویژگی های مناسب برای مدل پیش بینی، با توجه به سادگی و اثربخشی استفاده از آن، می تواند در حوزه های مختلف مدل سازی، از جمله بازار سرمایه، بازار ارز و مانند آن ها مفید واقع شود.

هدف: در سال های اخیر، روش های پیش بینی داده های سری زمانی مبتنی بر هوش مصنوعی و یادگیری عمیق گسترش بسیاری یافته است. با توجه به اینکه این داده ها در حوزه سرمایه گذاری و پیش بینی قیمت سهام ابعاد بزرگی دارند، روش های سنتی تحلیل داده، به سختی می توانند به یادگیری آن ها بپردازند. در این پژوهش، قدرت مدل های مختلف مبتنی بر یادگیری ماشین، در پیش بینی روند قیمت سهام در بورس اوراق بهادار تهران بررسی شده است. روش: پس از جمع آوری داده های 150 شرکت بزرگ پذیرفته شده در بورس اوراق بهادار تهران، از سال 1390 تا 1399، با تنظیم دقیق روش های یادگیری ماشین برای هر یک از سهام، به پیش بینی روند قیمت سهام و صحت سنجی هر یک از روش ها پرداختیم و آن ها را با هم مقایسه کردیم. در این روش ها، در هر مرحله یادگیری، بخشی از داده ها را به بخش یادگیری و ارزیابی و بقیه را به بخش آزمون اختصاص دادیم. این روش ها عبارت بودند از: مدل های خطی، مدل های خودهم بسته، جنگل تصادفی و شبکه های عصبی. یافته ها: مدل های مبتنی بر یادگیری عمیق نسبت به سایر مدل ها عملکرد بهتری از خود نشان می دهند و در پیش بینی روند کوتاه مدت قیمت سهام، از دقتی حدود 70 تا 80 درصد برخوردارند. همچنین، مدل های یادگیری کم عمق دقت بالاتری داشتند. به طور کلی، بیشتر مدل ها در پیش بینی روندهای منفی سهام، عملکرد بهتری نشان می دهند. نتیجه گیری: در این پژوهش، تلاش شد تا مدل ها با دقت بسیار به کار گرفته شوند. نتایج پژوهش نشان داد که برخلاف یافته های پژوهش های گذشته، این مدل ها نتایج خیره کننده ای در اختیار سرمایه گذاران قرار نمی دهند.

هدف: استراتژی های کنتراتوم، استراتژی های ترکیبی ای هستند که رتبه بندی پرتفوی در آن ها، بر افق زمانی طولانی مدت و نگهداری آن ها میان مدت است. استراتژی های مومنتریان یا لحظه ای نیز استراتژی های ترکیبی ای هستند که رتبه بندی پرتفو و انتخاب سهام آن ها بر افق زمانی میان مدت مبتنی است؛ اما در بلند مدت نگهداری می شوند. در این پژوهش تلاش شده است تا با استفاده از الگوریتم GWO و پانل پویا، مدل بهینه ای برای انتخاب سهام مبتنی بر استراتژی های معاملاتی مومنتوم، معکوس و هیبریدی ارائه شود. روش: پژوهش حاضر از نوع کاربردی است. برای برآورد مدل، از اطلاعات 175 شرکت های فعال در بازار اوراق بهادار تهران، در بازه زمانی 1390 تا 1399 و همچنین، از نرم افزارهای ایویوز 12 و متلب 2021 بهره برده شده است. بر اساس نتایج 8 بازه زمانی 3، 6، 9، 12، 24، 36، 48 و 60 ماهه بر اساس استراتژی های مختلف مومنتوم و معکوس و ترکیبی در موقعیت های بازنده، برنده و بازنده برنده، برنده بازنده تجزیه وتحلیل شد. گفتنی است، برای برآورد استراتژی ها نیز از دو روش پانل پویا و گرگ های خاکستری استفاده شد. یافته ها: بر اساس نتایج، رویکرد گرگ خاکستری در مقایسه با روش پانل پویا دقت بیشتری دارد و استراتژی های ترکیبی نسبت به استراتژی مومنتوم ساده، بازده اضافی بیشتری را در بازه بلند مدت نصیب سرمایه گذاران می کند. نتیجه گیری: به فعالان و سرمایه گذاران بازارهای مالی توصیه می شود که برای بهبود تصمیم های خریدوفروش خود، از استراتژی های ترکیبی بهره بگیرند و با توجه به بهبود نتایج روش گرگ خاکستری نسبت به روش پانل ساده، در محاسبات و تشکیل پرتفوی بهینه نیز از روش های هوش مصنوعی به جایگزینی روش های رگرسیونی استفاده کنند.

هدف: ویژگی های شخصیتی سرمایه گذاران، در میزان موفقیت آنان در بازار سرمایه نقش بسزایی دارد. در همین راستا، پژوهش حاضر تلاش دارد که اثر تعدیلی ویژگی های شخصیتی بر رابطه بین استفاده از خدمات مشاوره مالی و رفتار معاملاتی سرمایه گذاران را بررسی کند. روش: این پژوهش به لحاظ هدف، کاربردی و به لحاظ روش گردآوری داده ها، توصیفی پیمایشی از نوع هم بستگی است. داده های پژوهش حاضر از طریق توزیع پرسش نامه بین 267 سرمایه گذار جمع آوری شده است. دوره زمانی پژوهش حاضر، نیمه اول سال 1400 است. در فرایند تحلیل داده های پژوهش، ابتدا از طریق تحلیل عاملی اکتشافی، ویژگی های شخصیتی سرمایه گذاران با استفاده از مدل پنج عاملی شخصیت شناسایی شد؛ سپس با استفاده از تحلیل عاملی تأییدی از اندازه گیری صحیح آن ها اطمینان به دست آمد. در ادامه، مدل رگرسیونی پژوهش آزمون شد. یافته ها: طبق نتایج مدل رگرسیونی، علاوه بر متغیر مستقل (مشاوره مالی) متغیرهای جنسیت، وضعیت تأهل، درآمد ماهیانه، تجربه فعالیت در بورس، ریسک گریزی و سواد مالی بر متغیر وابسته (رفتار معاملاتی سرمایه گذاران) تأثیرگذار بودند. در مقابل، متغیرهای سن و تحصیلات بر متغیر وابسته تأثیرگذار نبودند. بعد از این مرحله، اثر تعدیلی ویژگی های شخصیتی سرمایه گذاران بر رابطه بین متغیر مستقل و متغیر وابسته بررسی شد. سه ویژگی تجربه پذیری، وظیفه شناسی و توافق پذیری، باعث تقویت و ویژگی روان رنجوری باعث تضعیف رابطه بین متغیر مستقل و وابسته می شود. ویژگی برون گرایی بر این رابطه تأثیرگذار نبود. در نهایت، از متغیر ابزاری برای رفع مشکل درون زایی متغیر مستقل استفاده شد. این کار با استفاده رگرسیون حداقل مربعات دومرحله ای انجام شد. نتیجه گیری: ویژگی های شخصیتی، از جمله عواملی است که بر رفتار معاملاتی سرمایه گذاران تأثیر می گذارد و نقش آن در استفاده از خدمات مشاوره مالی انکارناپذیر است.