راهبرد مدیریت مالی

پژوهش حاضر با استفاده از مدل های عاملی و تحلیل های سری زمانی به بررسی یکی از ناهنجاری های مرتبط با عرضه های اولیه به نام پدیده "کم بازدهی بلند مدت عرضه های اولیه"، در بازارهای مالی ایران پرداخته است. پدیده مذکور به طور وسیع و در سه سطح  1-کل بازارهای مالی ، 2- بازارهای بورس و فرابورس تهران و 3- صنایع مختلف مورد بررسی و تحلیل قرار گرفته است. برای این منظور داده های 57 ماه بعد از تغییر مقررات عرضه عمومی سهام در بهمن ماه 1395 انتخاب و با 3 مدل عاملی متفاوت، شامل فاما و فرنچ (1993)، فاما و فرنچ (2015)، مدل هو و همکاران (2015) برای سه دوره 12و24 و 36 ماهه مورد بررسی و تحلیل قرار گرفتند. نتایج نشان داد عرض از مبدا مدل های مورد بررسی در هیچ یک از دوره ها و برای هیچ یک از مدل ها و در هیچ یک از بازارها و صنایع معنی دار نبوده و از این رو می توان مدعی شد در دوره های مورد بررسی، شواهد کافی جهت حمایت از پدیده کم یا پُربازدهی عرضه های اولیه در ایران وجود ندارد.

علیرغم بازنگری در استاندارد حسابداری شماره 15 ایران و نیز الزامی شدن استاندارد شماره 42، اندازه گیری ارزش منصفانه، از ابتدای سال 1400، سرمایه گذاری های سریع المعامله در صورت های مالی عموماً به اقل بهای تمام شده و خالص ارزش فروش شناسایی می شوند. شرکت های سرمایه گذاری طبق الزامات افشای سازمان بورس و اوراق بهادار موظفند ارزش روز سرمایه گذاری ها را در مقاطع زمانی ماهانه در سایت کدال بارگذاری و افشا کنند. هدف این پژوهش بررسی سنجه اندازه گیری مناسب برای این قلم مهم از دارایی ها در شرکت های سرمایه گذاری است. به عبارت دیگر به مقایسه رویه فعلی افشا ارزش منصفانه در یادداشت های صورت های مالی و کدال در مقابل شناخت آن می پردازد. این پژوهش بر مبنای ارتباط ارزشی نسبی و فزاینده سنجه های رقیب یعنی بهای تمام شده و ارزش بازار با استفاده از رگرسیون خطی چندگانه متغیرهای حسابداری بر روی قیمت سهام انجام شده است. روش رگرسیون استوار نیز جهت آزمون استحکام نتایج بکار گرفته شد. دوره زمانی به صورت ماهانه از 01/01/1397 تا 10/02/1401 و جامعه آماری، کلیه شرکت های سرمایه گذاری است که قبل از سال 1397 در بورس اوراق بهادار تهران پذیرفته شده اند. نمونه شامل 47 شرکت سرمایه گذاری است و تعداد مشاهدات 2350 شرکت– ماه است. شواهد این پژوهش نشان داد که ارزش بازار سبد سرمایه گذاری بورسی، هم ارتباط ارزشی نسبی و هم ارتباط ارزشی فزاینده ای نسبت به بهای تمام شده آن دارد. یافته های حاصل از آزمون های اضافی نیز نشان داد که سرمایه گذاران از طریق کاهش ارتباط ارزشی ارقام مربوط به ارزش بازار سبد سرمایه گذاری های بورسی، واکنش مناسبی نسبت به وقوع بحران داشته اند. به عبارتی در زمان وقوع بحران که ارزش سهام موجود در سبد سرمایه گذاری شرکت ها دچار افت شدید می شود، این کاهش ارزش دارایی ها با شیب ملایم تری در قیمت سهام شرکت سرمایه گذار منعکس می شود.

ثروت و جایگاه آن در کشورها، همواره مورد توجه بوده است چرا که، به پشتوانه ثروت کشورها تولید صورت می پذیرد و سایر متغیرهای کلان اقتصادی را نیز تحت الشعاع قرار می دهد. یکی از اجزاء ثروت، ثروت مالی است که می تواند الگوی تغییرات متغیرهای اقتصادی را متاثر کند و میزان مصرف، پس انداز، سرمایه گذاری و تولید کشورها را تحت تاثیر قرار دهد و بر درآمد های آینده نیز موثر باشد. بنابراین، هدف مطالعه حاضر بررسی اثر متقابل نوآوری، جهانی شدن و کیفیت نهاد حاکمیت بر ثروت مالی در 48 کشور برتر تولیدکننده علم در جهان طی دوره زمانی 2020-2011 است. به همین منظور مدل پژوهش به روش گشتاورهای تعمیم یافته برآورد گردیده است. نتایج نشان می دهد که اثر کلیه شاخص های نوآوری (نهاد و موسسات، سرمایه انسانی و تحقیقات، زیرساخت، پیچیدگی بازار و پیچیدگی کسب وکار) بر ثروت مالی مثبت و معنی دار است. همچنین، اثر متقابل کلیه شاخص های نوآوری، جهانی شدن و حاکمیت نیز بر ثروت مالی مثبت و معنی دار است. علاوه بر این، اثر متقابل جهانی شدن و حاکمیت نیز با اجزای مولفه های نوآوری بر ثروت مالی مثبت و معنی دار است. لذا توصیه می شود، حاکمیت کشورهای مورد مطالعه با ثروت مالی پایین با بهبود کیفیت حکمرانی و بهره گیری از فرصت های جهانی شدن و بسترسازی بهبود مولفه های نوآوری به افزایش ثروت مالی کمک نماید

ارتباط گروه های صنعتی مختلف در تعیین سبد بهینه سرمایه گذار اهمیت زیادی دارد. اگر مشخص شود کدام گروه در چه بازه زمانی و در چه بازدهی انتقال دهنده ریسک یا پذیرنده ریسک است می توان در پروتفوی سرمایه گذار تعدیلات لازم جهت دستیابی به بیشترین بازدهی را اعمال کرد. به این منظور در مطالعه پیش روی شیوه اثرگذاری گروه های بانک ها، خودرو، سیمان، فلزات اساسی و فرآورده های نفتی در بازه 05/01/1394 تا 17/02/1402 در حالت تقارن، بازدهی مثبت و بازدهی منفی مورد بررسی قرار گرفته است. نتیجه مطالعه بیانگر آن است که در سال های اخیر شاخص کل ارتباط گروه های ذکر شده در بازدهی منفی بیش از بازدهی مثبت بوده است. همچنین، بانک ها و فلزات اساسی نقش هدایت کننده و انتقال دهنده ریسک به سایر گروه ها را داشته اند. از سوی دیگر، گروه خودرو و فراورده های نفتی پذیرنده ریسک بوده اند و بازدهی آنها توسط دو گروه بانک ها و فلزات اساسی قابل توضیح است

گرایش احساسی بازار یا گرایش احساسی سرمایه گذار، تلقی عمومی سرمایه گذاران نسبت به یک اوراق بهادار خاص یا کل بازار مالی است. احساسات سرمایه گذاران یکی از عومل مهم تأثیرگذار بر قیمت سهام ارزیابی می گردد اما تورش های رفتاری انسان ها، سنجش میزان احساسات را با چالش هایی مواجه ساخته است؛ بنابراین مسئله اصلی این پژوهش استخراج یک شاخص کمی برای سنجش گرایش احساسی سرمایه گذاران در بورس اوراق بهادار تهران است. این پژوهش از منظر هدف کاربردی و از منظر نحوه گردآوری داده ها، توصیفی _ همبستگی محسوب می شود. در این پژوهش با استفاده از روش تحلیل مؤلفه های اساسی (PCA) شاخصی برای سنجش گرایش احساسی سرمایه گذاران بورس اوراق بهادار تهران بر اساس داده های ماهیانه طی بازه زمانی در سال های در سال های 1393 تا 1399 استخراج گردید. متغیرهای احساسی مورد استفاده در شاخص نهایی عبارت اند از: میزان گردش معاملات سهام، خالص جریان نقد صندوق های مشترک سهامی، نسبت معاملات سرمایه گذاران خرد، دقیق تنزیل واحدهای صندوق های با سرمایه بسته، نسبت قیمت به درآمد، شاخص خط روانشناسی، شاخص قدرت نسبی و حجم معاملات سهام.

ریسک سیستمی ثبات بازار مالی را به خطر می اندازد، چرا که شکست هر بخش می تواند به کل سیستم مالی آسیب برساند. ازاین رو اندازه گیری دقیق ریسک سیستمی و تجزیه وتحلیل مکانیزم انتقال ریسک های مالی میان بخش های مختلف برای محافظت سیستم مالی دربرابر ریسک های سیستمی، از اهمیت خاصی برخوردار است. لذا در پژوهش حاضر، یک شبکه رخداد دنباله ای محور ساخته می شود تا با استفاده از آن اثر سرایتی ریسک سیستمی و وابستگی متقابل ریسک های دنباله ای میان صنایع در بورس اوراق بهادار تهران بررسی شود. بدین منظور، 29صنعت اصلی در بورس اوراق بهادار تهران، متشکل از 196 شرکت فعال، طی دوره زمانی 1397 الی 1401 که دوره های استرس مختلفی را پوشش می دهد مورد آزمون قرار می گیرند. برای اندازه گیری پروفایل های ریسک، ریزش های مورد انتظار شرطی (CoES) محاسبه می شود. ماتریس های مجاورت زمان متغیر که براساس مشابهت بین پروفایل های ریسک هر جفت گره بدست می آیند نشان می دهند که ارتباط متقابل در شبکه وجود دارد. پروفایل های ریسک صنایع به طور مثبت همبسته هستند؛ صنعت بانک ها و موسسات اعتباری و صنعت بیمه و بازنشستگی هیچ گونه نقشی در تنوع بخشی ریسک طی رخدادهای دنباله ای، ندارند. با محاسبه نمره ریسک سیستمی و استفاده از تکنیک تجزیه ریسک سیستمی، می توان نتیجه گرفت که بجز صنایع مالی، سایر صنایع، صنایع مهم سیستمی در شبکه محسوب می شوند. نتایج حاصل از مدل رگرسیون کوانتیل شبکه ای رخداد دنباله ای محور در کوانتیل های مختلف، نشان می دهد که همه صنایع در انتقال ریسک تحت شرایط حدی بازار، نقش دارند. یافته های حاصل از این پژوهش، از اهمیت کاربردی برای مقامات نظارتی جهت اصلاح سیاست های مالی و بهبود چارچوب های سیاست های کلان برخوردار است و نیز برای تصمیم گیری سرمایه گذاران در تخصیص دارایی ها مفید واقع می شوند.

انگیزه های مدیران صندوق ها و توانایی های برتر آن ها در سرمایه گذاری و مدیریت آن، دو توضیح برای تغییرات ریسک صندوق های سرمایه گذاری مشترک در شرایط مختلف بازار است. در این پژوهش بر همین اساس از طریق تحلیل 21 صندوق سرمایه گذاری مشترک در سهام برای دوره 79 ماهه از شهریور 1390 تا اسفند 1396 با استفاده از روش حداقل مربعات، به بررسی انگیزه های تغییر ریسک مدیران صندوق های سرمایه گذاری مشترک در سهام و تأثیر آن بر بازدهی پرداخته ایم. نتایج پژوهش حاکی از آن است که در بازارهای صعودی بین صندوق های بازنده انگیزه ی جبران سازی خسارت وجود دارد به طوری که مدیران این صندوق ها با افزایش سطح ریسک موجب افزایش بازدهی دوره آتی صندوق ها می شوند. در مقابل، مدیران صندوق های برنده با استفاده از مهارت های برتر در سرمایه گذاری، ریسک صندوق را کاهش داده و باعث افزایش بازده دوره ی آتی می شوند.طبق نتایج، در بازارهای نزولی مدیران با افزایش ریسک صندوق باعث کاهش بازده دوره آتی خواهند شد که نشان دهنده ضعف سازمانی و یا ضعف مهارت مدیران در سرمایه گذاری است. در مقابل مدیرانی که سطح ریسک صندوق را کاهش می دهند در صدد افزایش بازده دوره آتی صندوق هستند که بیانگر انگیزه ی نگرانی های شغلی مدیران است.

هدف از این پژوهش استفاده از مدل یادگیری جمعی برای ترکیب پیش بینی های مدل های جنگل تصادفی، حافظه طولانی کوتاه مدت و شبکه عصبی بازگشتی جهت ارائه یک سیستم معاملاتی الگوریتمی مبتنی بر آن می باشد. در این پژوهش یک مدل پیش بینی مبتنی بر مدل یادگیری ماشین جمعی ارائه شده است و عملکرد آن با هر یک از زیر الگوریتم ها و داده های واقعی مقایسه می شود. در این پژوهش در مرحله اول با استفاده از سه مدل یادگیری ماشین، سقف و کف قیمت بیت کوین پیش بینی شده است. در مرحله دوم، خروجی های مدل ها به عنوان متغیرهای ویژگی به مدل های XGboost  و LightGBM جهت پیش بینی سقف و کف ها ارائه شده است. سپس در مرحله سوم خروجی های مرحله دوم، با الگوی دسته بندی رای گیری جمعی برای پیش بینی سقف و کف بعدی، ترکیب می شوند. داده های سقف و کف قیمت بیت کوین در تایم فریم 1 ساعته از تاریخ 1/1/2018 الی آخر 30/6/2022 به عنوان متغیر هدف و 31 اندیکاتور تحلیل تکنیکال به عنوان متغیر ویژگی برای سه مدل در مرحله اول استفاده شده اند. در نهایت مقادیر پیش بینی و سیستم های معاملاتی الگوریتمی با داده های واقعی برای 3 مدل و مدل یادگیری جمعی معرفی شده مورد ارزیابی و مقایسه قرار گرفتند. نتایج به دست آمده نشان دهنده ارتقا عملکرد دقت و صحت مدل یادگیری جمعی پیشنهاد شده در پیش بینی سقف و کف بیت کوین و همچنین، عملکرد بهتر آن نسبت به زیر الگوریتم ها می باشد

هدف اصلی پژوهش حاضر بررسی تاثیر عدم قطعیت (نااطمینانی) اقتصادی و سیاست های دولتی بر بی ثباتی قیمتی بخش بانکی در  بورس اوراق بهادار تهران با در نظر گرفتن ناپایداری ساختاری در پارامترهای مدل می باشد. در این راستا، به منظور برآورد نااطمینانی متغیرهای پژوهش، انواع مدل های متقارن، نامتقارن و غیر خطی GARCH برآورد شده و در نهایت بر اساس معیارهای اطلاعاتی و معنی داری ضرایب عدم تقارن، مدل EGARCH به عنوان الگوی بهینه انتخاب گردید. در ادامه تاثیر شاخص های نااطمینانی بر بی ثباتی شاخص بخش بانکی در قالب مدل خودبازگشتی برداری پارامتر متغیر-زمان (TVP-VAR) مورد بررسی قرار گرفت. در این پژوهش از داده های ماهانه در دوره زمانی 1389:4-1399:6 استفاده شده است. نتایج برآورد نهایی مدل پژوهش حاکی از متغیر بودن ضرایب تاثیر شاخص های نااطمینانی بر بی ثباتی بخش بانکی است. به صورتی که تاثیر عدم قطعیت سیاست های دولتی (متغیر نااطمینانی درآمدهای مالیاتی) بر بی ثباتی بخش بانکی در ابتدا منفی و در انتهای دوره مثبت برآورد شده است. بر اساس توابع عکس العمل آنی (IRF)، تأثیر نااطمینانی تورم به عنوان شاخص نااطمینانی اقتصادی بر بی ثباتی بخش بانکی مثبت برآورد شده است. همچنین، تاثیر نااطمینانی سیاست های دولتی از کانال نااطمینانی نرخ ارز تاثیری مثبت بر تلاطم بخش بانکی در بورس اوراق بهادار داشته است. با این حال نااطمینانی سیاست های دولتی بر اساس شاخص نااطمینانی درآمدهای مالیاتی تاثیرگذاری منفی بر بی ثباتی قیمتی بخش بانکی داشته است و این تاثیر به تدریج کاهش پیدا کرده است.

ویژگی غیرخطی و نوسانات بالا در سری های زمانی مالی، پیش بینی قیمت سهام و شاخص های مالی را با چالش های زیادی مواجه ساخته است. با این حال توسعه های اخیر در مدل های یادگیری عمیق (DL) با ساختار هایی مانند حافظه طولانی کوتاه مدت (LSTM)  و شبکه عصبی کانولوشنی (CNN) پیشرفت هایی در تحلیل این نوع از داده ها ایجاد کرده است. یکی دیگر از رویکرد هایی که می تواند در تحلیل سری های زمانی مالی کارا باشد تجزیه سیگنال های بازار سرمایه از طریق الگوریتم هایی مانند تجزیه مد تجربی یکپارچه کامل (CEEMD) می باشد. با توجه به اهمیت مقوله پیش بینی در بازار های مالی، در این پژوهش با ترکیب مدل های یادگیری عمیق و روش تجزیه مد تجربی یکپارچه کامل (CEEMD)، مدل هیبریدی  CEEMD- DL(LSTM)به منظور پیش بینی شاخص بورس اوراق بهادار تهران مورد استفاده قرار گرفته است. در این راستا از داده های روزانه شاخص کل بورس اوراق بهادار تهران در دوره زمانی 01/12/1390  - 01/12/1400  استفاده شده است. نتایج بدست آمده با نتایج مدل های رقیب بر اساس معیار های سنجش کارایی مقایسه شد. بر اساس نتایج بدست آمده، مدل معرفی شده (CEEMD- DL(LSTM))، در مقایسه با مدل های سنتی در این حوزه، از کارایی و دقت پیش بینی بالاتری برخوردار است. بر همین اساس کاربرد این مدل در پیش بینی های مالی پیشنهاد می گردد.