تحقیقات مالی

هدف: سرمایه گذاری یکی از اهرم های قدرتمند برای دستیابی به رشد و توسعه اقتصادی اجتماعی است. از آنجایی که سرمایه گذاری اغلب با رشد و رونق اقتصادی همراه است، می توان این انتظار را داشت که نادیده گرفتن این موضوع می تواند به رکود یا نزول وضعیت مالی شرکت منجر شود. همچنین ریسک زمانی به مدیرانی مرتبط می شود که برای کسب سود تلاش کافی انجام نداده اند و هرگونه شکست در عملکرد شرکت را به عوامل خارج از کنترل یا سهام داران عمده نسبت می دهند. بر اساس این استدلال، هدف از پژوهش حاضر، بررسی تأثیر ویژگی های مدیریت و استراتژی های مالی بر ریسک پذیری شرکت های پذیرفته شده در بورس اوراق بهادار تهران است.روش: این پژوهش از لحاظ هدف، کاربردی و از لحاظ روش پژوهش، تجربی از نوع پس رویدادی است. از لحاظ روش استدلال نیز در دسته پژوهش های استقرایی قرار می گیرد که با استفاده از مشاهده اجزایی از جامعه (نمونه)، به ارائه الگویی برای کل جامعه اقدام کرده است. پژوهش حاضر از لحاظ نظری، در زمره پژوهش های اثباتی قرار می گیرد و از لحاظ آماری، از نوع تحقیقات هم بستگی است. برای آزمون فرضیه های پژوهش، از رگرسیون خطی چندمتغیره استفاده شده است. به منظور اجرای پژوهش، داده های کمی مورد نیاز برای آزمون فرضیه های پژوهش، از صورت های مالی حسابرسی منتشر شده در سامانه جامع اطلاع رسانی ناشران (شبکه کدال) و نرم افزار ره آورد نوین استخراج شد. جامعه آماری موردمطالعه در این پژوهش، کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۹۲ تا ۱۴۰۰ است.یافته ها: نتایج به دست آمده از فرضیه اول نشان می دهد که ویژگی های مدیریت (توانایی مدیریت، بیش اطمینانی مدیریت، ارتباطات سیاسی و قدرت مدیرعامل) ریسک پذیری شرکت را کاهش می دهد. نتیجه فرضیه دوم پژوهش حاکی از آن است که استراتژی های مالی (استراتژی سرمایه در گردش، استراتژی سرمایه گذاری و استراتژی تقسیم سود) به کاهش ریسک پذیری شرکت می انجامد.نتیجه گیری: در تحقیقات مدیریت استراتژیک، عوامل متعددی بر ریسک پذیری شرکت تأثیر می گذارد که یکی از آن ها، ویژگی یا شخصیت مدیران است و دیگری استراتژی های مالی. همچنین رفتار مدیران می تواند به تصمیمات متفاوتی منجر شود که بر شرکت و سرمایه گذاران تأثیر می گذارد. در همین راستا، نتایج به دست آمده از فرضیه اول پژوهش حکایت از آن دارد که ویژگی های مدیریتی، ریسک پذیری شرکت را کاهش می دهد؛ بدین معنا که هرچه مدیران شرکت، از ویژگی های شخصیتی بالایی برخوردار باشند (به طور مثال، مدیران توانمند یا مدیران قدرتمند و مدیران بسیار باسیاست)، از طریق توانایی های شخصیتی خود، ریسک شرکت را برای سهام داران کمتر می کنند. در ارتباط با فرضیه دوم پژوهش می توان گفت که استراتژی های مالی، بر ریسک پذیری شرکت تأثیرگذار است. ارزش گذاری شرکت ها از ضرورت های برنامه ریزی برای مدیران و سرمایه گذاران است. ارزش گذاری نشان دهنده چگونگی تأثیر استراتژی و ساختار مالی، بر ارزش بازار سهام شرکت هاست. ارزش شرکت برای سهام داران، سرمایه گذاران، مدیران، اعتباردهندگان و سایر ذی نفعان شرکت، در ارزیابی آن ها از آینده شرکت و تأثیر آن در برآورد ریسک و بازدهی سرمایه گذاری و قیمت سهام، اهمیت بسزایی دارد. بنابراین نتیجه به دست آمده را می توان این گونه استدلال کرد که از دیدگاه مدیریت استراتژیک، استراتژی های مالی با استفاده از تعیین اهداف بلندمدت برای شرکت، اتخاذ تصمیم های متناسب و مطابق با این اهداف و تخصیص منابعی برای دستیابی به اهداف مدنظر، از طریق کنترل پروژه هایی با خالص ارزش منفی برای شرکت، باعث کاهش ریسک پذیری شرکت می شود. بنابراین استراتژی های مناسب مالی، می تواند ریسک پذیری شرکت را کاهش دهد.

هدف: امروزه، پیش بینی قیمت در بازارهای مختلف، به بخش حیاتی و جدایی ناپذیری از بازار دارایی ها تبدیل شده است. دانستن اینکه قیمت محتمل یک دارایی همچون مسکن، در آینده به چه میزان است، برای سرمایه گذاران ارزش اطلاعاتی بسیار زیادی دارد. این در حالی است که با توجه به مواجه شدن اقتصاد مسکن با شوک های قیمتی و نوسان های شدید بازارهای موازی، پیش بینی زمان صحیح برای سرمایه گذاری در مسکن، به دغدغه ای برای ذی نفعان این بخش تبدیل شده است. بررسی روند تحولات قیمت مسکن در ایران، از این حکایت دارد که هم راستا با سطح قیمت ها و شاخص های کلان دیگر، قیمت مسکن نیز روند مشابهی را طی می کند؛ اما تغییرات قیمت مسکن در مقایسه با تغییرات سایر شاخص های خُرد و کلان اقتصادی متفاوت است. این موضوع آنجا پیچیده تر می شود که در تحلیل شاخص قیمت مسکن با داده های مختلف کمّی و کیفی و همچنین داده های تصادفی، پراکنده و غیرساخت یافته مواجهیم که پیاده سازی مدل های ریاضی را برای آن ها بسیار سخت می سازد. هدف مقاله طراحی یک مدل هوش مصنوعی با بیشترین انعطاف پذیری نسبت به تنوع داده های ورودی و کمترین میزان خطا در بخش خروجی است. همچنین، پیاده سازی مدل با داده های واقعی نیز، هدف ضمنی دیگر پژوهش است تا کارایی مدل در شرایط واقعی بازار بررسی شود.روش: مدل های هوش مصنوعی این قابلیت را دارند که گستره وسیعی از داده ها را دریافت کنند و برای رسیدن به خروجی مشخص، هم زمان آن ها را پردازش کنند. در موضوعات مالی، این ویژگی ها باعث می شود که اثربخشی و دقت مدل افزایش یابد. الگوریتم طراحی شده در این پژوهش، بر پایه شبکه های عصبی بازگشتی است و الگوریتم LSTM با توجه به قابلیت حفظ اطلاعات گذشته، در پیش بینی سری های زمانی استفاده شده است. در هر دو دسته از سری های زمانی تک متغیره و چندمتغیره، از معماری stacked-LSTM استفاده شده استیافته ها: در این کار پژوهشی با استفاده از مجموعه داده های مراجع رسمی، همچون بانک مرکزی ایران و مرکز آمار ایران، متغیرهای تأثیرگذار در قیمت مسکن، در قالب یک ماتریس هم بستگی تحلیل شده است و پس از انتخاب متغیرهایی که روی قیمت مسکن بیشترین اثرگذاری دارند، میانگین قیمت مسکن تهران پیش بینی شده است. یافته های این پژوهش نشان می دهد که قیمت طلا، قیمت ارز، شاخص بهای کالا و خدمات و همچنین حجم نقدینگی، بیشترین هم بستگی را با قیمت مسکن داشته اند. با استفاده از داده های این شاخص های اقتصادی، پیش بینی هایی با دقت های بسیار زیاد به دست آمد.نتیجه گیری: در بین چهار مدل ساخته شده در این پژوهش، بهترین پیش بینی، به مدل stacked-LSTM چندمتغیره با متغیرهای کلان اقتصادی، با بیشترین هم بستگی با قیمت مسکن تعلق یافت. اعتبارسنجی مدل ها با میانگین درصد قدرمطلق خطا محاسبه و برآورد شده است. وجه مشترک نتایج به دست آمده در همه مدل ها، نمایش قابلیت و کارایی مطلوب الگوریتم LSTM است که برای داده های بیش از دو دهه بازار مسکن تهران، به منظور تخمین قیمت های آتی استفاده شده است.

هدف: بازار سرمایه در رشد و پیشرفت اقتصادی هر کشور نقش مهمی ایفا می کند؛ از این رو بررسی دقیق این بازار، از جنبه های مختلف ضروری به نظر می رسد. حضور در این بازار همیشه با ریسک زیادی همراه است و برای کاهش ریسک، ابزارهای مختلفی ارائه شده است. یکی از ارکان اصلی مؤثر بر تصمیم های سرمایه گذاری، ارزش گذاری دقیق مشتقات، از جمله اختیار معامله است. مدل بلک شولز برای قیمت گذاری طیف وسیعی از قراردادهای اختیار معامله استفاده می شود. فرض اساسی در این مدل، ثابت در نظر گرفتن تلاطم است که همین موضوع، دقت در محاسبه قیمت اختیار را کاهش می دهد. هدف اصلی این پژوهش تعیین قیمت اختیار خرید اروپایی با تلاطم تصادفی و افزایش دقت پیش بینی قیمت اختیار خرید است؛ از این رو به مقایسه قیمت گذاری اختیار معامله با تلاطم تصادفی در مدل هستون و هستون ناندی تحت گارچ پرداخته می شود. روش: این پژوهش از نظر ماهیت، تحلیلی کاربردی است. مدل هستون ناندی یک فرمول قیمت گذاری بسته برای اختیار های اروپایی است که بسیاری از مفروضات آن شبیه مدل هستون است. تفاوت اصلی بین مدل هستون ناندی و مدل بلک شولز، در استفاده از نوع نوسان هنگام قیمت گذاری اختیار است که در مدل هستون ناندی توزیع غیرنرمال بازده و نوسان های تصادفی را واقعی تر در نظر می گیرد. از آنجایی که در بین مدل های تلاطم تصادفی، مدل هستون یکی از مدل های کاراست، در این پژوهش به قیمت گذاری اختیار معامله، تحت تلاطم تصادفی هستون و هستون ناندی پرداخته می شود که با در نظر گرفتن غیرنرمال بودن توزیع داده ها بررسی شده اند. یافته ها: داده های مورد استفاده در این پژوهش، اطلاعات قیمت سهم ایران خودرو در بازه 1/9/ 1399 تا 23/9/ 1401 است. تجزیه وتحلیل داده ها با استفاده از نرم افزار  آر انجام شده است. پس از قیمت گذاری اختیار معامله توسط هر سه مدل بلک شولز، هستون و هستون ناندی و مقایسه نتایج به دست آمده، مشخص شد که برای ارزش گذاری اختیار معامله، مدل هستون ناندی در مقایسه با دو مدل بلک شولز و هستون، در همه حالات کوتاه مدت، میان مدت و بلندمدت عملکرد بهتری دارد. به منظور افزایش دقت در محاسبه قیمت اختیار خرید ایران خودرو در مدل بلک شولز، هستون و هستون ناندی، از دو نوسان تاریخی و نوسان ضمنی استفاده شده است. نتیجه گیری: مدل بلک شولز برای قیمت گذاری طیف وسیعی از قراردادهای اختیار معامله مرسوم است. در این مدل، ثابت بودن نوسان بازده ها یک فرض اساسی است. در این پژوهش عملکرد مدل های بلک شولز، هستون و هستون ناندی در قیمت گذاری اختیار خرید با رویکردهای مختلف نوسان مقایسه شد. نتایج این پژوهش نشان می دهد که در کوتاه مدت، میان مدت و بلندمدت، مدل هستون ناندی قیمت های نزدیک تری به قیمت بازار نشان می دهد و خطای کمتری دارد. در مجموع می توان نتیجه گرفت که مدل هستون ناندی نسبت به مدل های بلک شولز و هستون با چولگی و کشیدگی غیرنرمال انعطاف پذیری بیشتری دارد و می توان به عنوان جایگزین از این مدل استفاده کرد.

هدف: در این مقاله به پیش بینی سود/ زیان بانک توسعه تعاون، مبتنی بر روش یادگیری جمعی دومرحله ای پرداخته شده است. مدل سازی پیش بینی سود و زیان با استفاده از روش های یادگیری ماشین، به عنوان یکی از تکنیک های نوین در محاسبات عددی با بهره گیری از کلان داده، از جمله اهداف این مقاله است. بدین ترتیب، در این مقاله از روش ماشین یادگیری جمعی دومرحله ای، مبتنی بر مدل های ماشین بردار پشتیبان، درخت تصمیم گیری و میانگین وزنی، برای یادگیری و آزمون و پیش بینی سود/ زیان بانک توسعه تعاون استفاده شده است.روش: مدل های پایه به کار رفته در مرحله اول، ماشین یادگیری، ماشین بردار پشتیبان و درخت تصمیم گیری است و در مرحله دوم، از میانگین وزنی استفاده شده است. بر اساس ترکیب مدل های پایه یادگیری، ابتدا به آزمون و یادگیری روند پیش بینی ۳۵ شعبه بانک توسعه تعاون در ایران، طی سال های ۱۳۹۱ تا ۱۴۰۰ پرداخته شد. این روش مبتنی بر یادگیری ماشین دومرحله ای است که برای انجام این کار از ۱۲ متغیر (نسبت مالی) در پنج عامل دسته بندی شده استفاده شده است. این متغیرها به ترتیب عبارت اند از: سپرده های قرض الحسنه، سپرده های کوتاه مدت، هزینه سود سپرده، سپرده های مشتریان، درآمد تسهیلات و سپرده گذاری، درآمدهای مشاع، موجودی نقدی، هزینه های اداری، سپرده های بلندمدت، درآمدهای غیرمشاع، هزینه استهلاک دارایی و اندازه بانک. برای دستیابی به داده های مدنظر، از صورت های مالی ۳۵ شعبه بانک توسعه تعاون، طی سال های ۱۳۹۱ تا ۱۴۰۰ استفاده شد. همچنین برای کاهش خطای پیش بینی و قابلیت مقایسه نسبت ها، تمامی شاخص های یادشده نسبت به ارزش کل دارایی های بانک تعدیل شد. در این روش و در مرحله اول، از دو مدل یادگیری ماشین بردار پشتیبان و درخت تصمیم گیری و در مرحله دوم از روش میانگین وزنی استفاده شد.یافته ها: یافته های مقاله در خصوص یادگیری و مقایسه آن با روش رگرسیون خطی و همچنین سود/زیان واقعی بانک توسعه تعاون، نشان داد که دقت عملکرد این روش بسیار زیاد است؛ به گونه ای که معیار MAE برابر با 66/5 و معیار MSE برابر با 34/620 به دست آمد. همچنین هم بستگی بین داده های آموزش دیده و پیش بینی شده ای که از یادگیری ماشین جمعی دو مرحله ای به دست آمد، برابر با 9977/0 بود. پس از بررسی کارایی این روش، به پیش بینی سود/ زیان بانک توسعه تعاون برای سال های 1401 تا 1405 پرداخته شد. نتیجه گیری: نتایج به دست آمده از کارایی بالای روش ماشین یادگیری جمعی دومرحله ای، نشان می دهد که مدیران می توانند از این روش ها در پیش بینی سود/ زیان بانک ها استفاده کنند. بر اساس روش یادگیری ماشین دو مرحله ای، اگر شرایط نامتعارف و غیرنرمالی وجود نداشته باشد، در سال های آتی و در نهایت در سال ۱۴۰۵، زیان انباشته شده بانک توسعه تعاون کاهش و سود آن افزایش خواهد یافت. بر اساس نتایج تجزیه وتحلیل داده ها، میانگین نسبت سود یا زیان خالص بانک به کل دارایی های آن، به نحوی است که زیان دهی متوسط شعب بانک را طی دوره پژوهش گزارش می دهد.

هدف: امروزه با توجه به تحولات اقتصادی، اطلاعات در فرایند سرمایه گذاری نقش مهمی را ایفا می کند؛ از این رو قوانین و مقررات شرکت ها را ملزم می کند که اطلاعات مالی و عملیاتی و انعطاف پذیری خود را در صورت های مالی سالانه و یادداشت های توضیحی افشا کنند. امروزه افشای اطلاعات، فقط به اطلاعات در خصوص وضعیت مالی، عملکرد مالی و جریان های نقدی واحد تجاری در چارچوب گزارش های مالی محدود نمی شود، بلکه شرکت ها معمولاً دسته ای از اطلاعات غیرمالی درباره عملکرد و چشم انداز خود را نیز با هدف اثرگذاری بر تصمیمات استفاده کنندگان افشا می کنند. همچنین شکاف گزارشگری میان انتظارات سرمایه گذاران و واحد تجاری، افشای اطلاعات درباره وضعیت آتی شرکت ها را به امری مهم و حیاتی برای تسهیل فرایند تصمیم گیری و سرمایه گذاری تبدیل کرده است. افشای اطلاعات توسط شرکت ها، یکی از ابزارهای مهم مدیران، به منظور انتقال اطلاعات مربوط به عملکرد مالی به سرمایه گذاران، اعتباردهندگان و سایر افراد ذی نفع بوده است. از دید ذی نفعان بیرونی، افشای اطلاعات اهمیت بسزایی دارد؛ زیرا مدیران نگران شهرت خود هستند. چنین افشایی باعث می شود که مدیریت شرکت، سرمایه گذاری های ارزشمندی را برای استراتژی انجام دهد. افشای استراتژی از سوی شرکت ها، برای سرمایه گذاران لازم است و به بهبود گزارشگری و نیز فرایند تصمیم گیری منجر می شود. افشای استراتژی در گزارش های سالانه توسط شرکت ها، روشی برای انتقال اطلاعات مربوط به عملکرد استراتژی شرکت و آثار آن بر ذی نفعان به شمار می آید که شناسایی محرک ها و عوامل مؤثر بر آن، به دلیل نقش مهم این نوع گزارشگری در تصمیم گیری های صحیح و آگاهانه، امری مهم و اثرگذار تلقی می شود. هدف از پژوهش حاضر، واکاوی محرک های افشای استراتژی در گزارش های سالانه شرکت است. روش: این پژوهش در سال ۱۴۰۱ با رویکرد کیفی و ابزار فراترکیب (متاسنتز)، به ارزیابی و تحلیل نظام مند نتایج و یافته های پژوهش های پیشین پرداخته است. در این پژوهش، در مجموع ۱۹۱ مقاله استخراج و پس از تجزیه وتحلیل مؤلفه های مدنظر، در نهایت ۲۶ مقاله برای بررسی انتخاب شد. با استفاده از روش کمی آنتروپی شانون، بر اساس رویکرد تحلیل محتوا، به تعیین ضرایب اثر اجزای شناسایی شده در پژوهش های نهایی شده، پرداخته شد. یافته ها: یافته ها حاکی از آن است که افشای استراتژی در گزارش های سالانه، در ۱۲ مؤلفه و ۳۲ کد طبقه بندی می شود. در بین مؤلفه های شناسایی شده، چشم انداز شرکت، بیانیه مأموریت، بیان استراتژی و نام گذاری و دامنه و مرجع استراتژیک، از بُعد زمانی نسبت به سایر مؤلفه ها، اهمیت بیشتری دارند. الگوی افشای استراتژی در گزارش های سالانه، قابلیت اتکای بسیار زیادی دارد و می توان از آن، برای پاسخ گویی به ذی نفعان بهره برد. نتیجه گیری: این پژوهش با بررسی جامع عوامل مؤثر بر افشای استراتژی، چشم انداز جدیدی در بررسی محرک های گزارش های سالانه، در اختیار استفاده کنندگان نتایج پژوهش قرار می دهد و آگاهی ذی نفعان را در شناسایی محرک ها و عوامل مؤثر بر این نوع گزارشگری بهبود و ارتقا می بخشد.

هدف: یکی از ریسک های مهم پیش روی مؤسسه های مالی، ریسک اعتباری است که از احتمال قصور تسهیلات گیرنده در بازپرداخت تسهیلاتی یا بازپرداخت به موقع تسهیلات شکل می گیرد. یکی از نهادهای مالی بسیار مهم در اقتصاد ایران، صندوق ضمانت صادرات ایران است که به عنوان تنها مؤسسه بیمه اعتبار صادراتی رسمی ایران، کاملاً دولتی است و تمامی تعهدهای مربوط به پوشش های صندوق بر عهده دولت است. صندوق ضمانت صادرات ایران، به عنوان تنها صادرکننده ضمانت نامه های صادراتی در اقتصاد ایران، طی دهه اخیر حدود 8/15میلیارد دلار از طریق صدور انواع ضمانت نامه و بیمه نامه، ریسک پذیرفته است که بیشترین مبلغ خسارت آن، به ضمانت نامه های اعتباری صادره مربوط می شود. بر اساس آمار و مستندات موجود در صندوق ضمانت صادرات ایران، طی دوره ۱۳۸۷ تا ۱۳۹۷، این صندوق 7/6 میلیارد دلار ضمانت نامه صادر کرده است که بیشترین مبلغ خسارت (بیش از ۳۱۷ میلیون دلار)، مربوط به ضمانت نامه های اعتباری صادرشده به نفع اعتباردهندگان است. نظر به اهمیت این موضوع با دستیابی به یک الگوی بهینه برای اعتبارسنجی مشتریان ضمانت نامه های اعتباری صندوق ضمانت صادرات ایران، می توان ریسک اعتباری و به تبع آن، خسارات پرداختی صندوق را کاهش داد؛ به گونه ای که حتی اگر تنها ۱ درصد خسارت های صندوق کاهش یابد، حداقل سالانه بیش از ۱۳۳۰ میلیارد ریال از مجموع خسارات وارده به صندوق کاهش خواهد یافت. بدیهی است که با افزایش صدور ضمانت نامه های اعتباری صندوق، این رقم افزایش بیشتری نیز خواهد یافت. بر این اساس، هدف اصلی پژوهش، انتخاب بهترین روش برای تفکیک اشخاص خوش حساب از بدحساب، برای کاهش نکول اعتبارات اعطاشده صندوق ضمانت صادرات ایران است.روش: در این پژوهش تلاش شده است تا به کمک مدل شبکه عصبی مصنوعی، مدلی برای ارزیابی ریسک متقاضیان تسهیلات و ضمانت نامه ها از این صندوق طراحی شود که بیشترین قدرت پیش بینی احتمال نکول تسهیلات اعطایی را داشته باشد. برای این منظور، بر اساس داده های ۲۱۷۰ پرونده اعتبار اعطایی این صندوق، ۶۹ متغیر درون سازمانی و برون سازمانی انتخاب و اطلاعات آن جمع آوری شد و از میان آن ها ۶ متغیر در مدل نهایی شبکه عصبی استفاده شد که عبارت اند از: استان محل فعالیت اعتبار گیرنده، ذی نفع ضمانت نامه (بانک اعتباردهنده)، تعداد کارمند، نسبت جاری، نرخ سود واقعی و نرخ رشد اقتصادی.یافته ها: بر اساس مدل شبکه عصبی و با سه شیوه بیزین، لونبرگ و گرادیان مزدوج و با ۱ تا ۳۰ نرون در لایه پنهان، بهترین مدل ها استخراج شدند. بهترین مدل با کلیه متغیرهای مستقل (یعنی ۶۹ متغیر مستقل)، پیش بینی ای با ۹۶/۲ درصد دقت داشته است که از مدل اقتصادسنجی پروبیت بیشتر است.نتیجه گیری: بر اساس نتایج حاصل از این پژوهش، می توان ضمن تفکیک مشتریان خوش حساب از بدحساب و بر اساس رتبه اعتباری مشتریان، میزان وثایق اخذشده از مشتریان را متناسب با وضعیت اعتباری گروه های اعتباری تنظیم کرد؛ بدین معنا که چنانچه مشتری جزء مشتریان خوش حساب و با رتبه اعتباری خوب باشد، می توان وثایق کمتری از ایشان گرفت و اگر مشتری ریسک اعتباری بالاتری داشته باشد، متناسب با آن، وثایق بیشتری را به عنوان تضمین تعهد بازپرداخت درخواست کرد. در این صورت، ضمن اندازه گیری ریسک اعتباری و تفکیک مشتریان، می توان به مدیریت بهینه ریسک و پرتفوی اعتباری صندوق ضمانت صادرات ایران اقدام کرد.

هدف: مالی رفتاری بررسی می کند که نگاه سرمایه گذاران به بازار سرمایه و تصمیم های آن ها، از عوامل روان شناختی، نظرها و میزان ریسک پذیری آن ها نشئت می گیرد و تلاش می کند تا با بررسی عوامل روان شناختی، دلیل تصمیم های سرمایه گذاران را شناسایی کند. پژوهشگران چندین دهه است تلاش می کنند تا ارتباط مستقیم احساسات و بازده شاخص کل را به روش های خطی بررسی کنند؛ اما این پژوهش به بررسی ارتباط نامتقارن و غیرخطی بین احساسات سرمایه گذاران، بازده و نوسان های شاخص کل، به تفکیک رژیم های رونق و رکود می پردازد. رسم توابع واکنش آنی به تفکیک رژیم ها، این امکان را فراهم می کند تا اثر احساسات سرمایه گذاران بر نوسان های بازار، در رژیم های متفاوت بررسی شود. میزان تأثیرپذیری سرمایه گذاران از نوسان های شاخص کل نشان داده است که در برخی دوره ها، ریزش بازار زیان چشمگیری برای سرمایه گذاران به همراه داشته است؛ به همین دلیل، در پژوهش حاضر ارتباط بین روند شاخص کل و احساسات سرمایه گذاران بررسی شده است. روش: در این پژوهش از چهار معیار برای سنجش غیرمستقیم احساسات استفاده شد که با به کارگیری روش تحلیل مؤلفه های اصلی، ابتدا شاخص ترکیبی احساسات، در بازه زمانی ۱۳۹۰ تا ۱۴۰۰ استخراج شد. در ادامه برای بررسی ارتباط نامتقارن احساسات سرمایه گذاران با بازده و نوسان های شاخص کل، از مدل غیرخطی مارکوف سوئیچینگ استفاده شد. همچنین برای بررسی تأثیر شوک های وارد شده به هریک از متغیرهای پژوهش، از توابع واکنش آنی استفاده شد. برای تخمین مدل پژوهش، از نرم افزارهای ایویوز ۱۲ و آکس متریکس ۸ استفاده شد. یافته ها: نتایج تخمین وجود رابطه نامتقارن بین احساسات سرمایه گذاران، بازده و نوسان های شاخص کل را در رژیم های رونق و رکود تأیید می کند. در دوران صعودی بازار سرمایه، واکنش سرمایه گذاران به نوسان های بازار مثبت و شدید است؛ اما در دوران رکود واکنش سرمایه گذاران به نوسان های بازار منفی است. از سوی دیگر، افزایش بازده در روند نزولی بازار، واکنش منفی سرمایه گذاران و در روند رکود، واکنش مثبت آن ها را به همراه داشته است. همچنین نتایج استخراج توابع واکنش آنی نشان می دهد که شوک وارد شده به هر متغیر، در دوران رونق و رکود واکنش متفاوتی به همراه دارد. نتیجه گیری: طبق نتایج پژوهش، احتمال ماندگاری بازار در رژیم رونق ۴۱/۵۴ درصد و در رژیم رکود ۵۸/۴۶ درصد است. این موضوع گویای آن است که تمایل بازار سرمایه، به ماندگاری در رژیم رکود بیشتر است. همچنین خروجی توابع واکنش آنی استخراج شده از مدل، نشان داد که شوک های احساسی می توانند به تأثیرهای چشمگیری روی بازده بازار سهام منجر شوند. این تأثیرها می توانند در رژیم های مختلف بازار (رونق یا رکود) متفاوت باشند. نتایج پژوهش حاضر در خصوص تأثیر احساسات سرمایه گذاران بر میزان بازده و نوسان های بازار بورس، آگاهی بیشتری را در اختیار سرمایه گذاران و نهادهای تصمیم گیرنده قرار می دهد تا مسئولان اجرایی بتوانند راه کاری را برگزینند که ضمن کنترل اخبار و شایعاتی که واکنش سرمایه گذاران را برمی انگیزاند، در جهت افزایش آگاهی سرمایه گذاران و کاهش نوسان های بازار اقدام کنند.