انتخاب سبد سهام

تحقیقات بسیاری در سال های اخیر برای توسعه روش های مدیریت ریسک بر اساس نظریه ارزش در معرض ریسک (VaR) انجام شده است. در این مقاله با استفاده از الگوریتم های ژنتیک (GA) سبد سهام بهینه ای به دست می آید که دارای سود ماکزیمم است ضمن آن که دارای قیدی روی ریسک سبد است. معیار برآورد ریسک نیز VaR در نظر گرفته شده است. این معیار به سادگی و تنها با یک عدد ریسک بازار را مدل می کند. روش GA، از جمله الگوریتم های بهینه سازی عددی بوده که از ژنتیک طبیعی و روند تکامل در طبیعت الهام گرفته اند. مزیت اصلی این الگوریتم ها، انعطاف پذیری بسیار بالای آن ها در برخورد با مسایل پیچیده و عدم نیاز به شرایط ریاضی خاص مانند پیوستگی و مشتق پذیری توابع است. شبیه سازی برای سبد سهامی متشکل از 12 شرکت مختلف در بازار بورس تهران انجام شده است. نتایج به دست آمده نشانگر کارایی روش مدل سازی ریسک بازار بر مبنای نظریه ارزش در معرض ریسک و روش بهینه سازی الگوریتم های ژنتیک در به دست آوردن وزن های بهینه سبد سهام با در نظر گرفتن محدودیت بر روی دیسک است.

این مقاله،ارتباط میان عملکرد و نقدشوندگی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران را بررسی می کند. در کشورهایی که بازار سرمایه یکی از منابع اصلی تامین مالی واحدهای تجاری آنها است ، تحقیقات زیادی در این زمینه وجود دارد که با رشد سریع بازار سرمایه در ایران، ضرورت چنین تحقیقاتی بیش از گذشته آشکار می گردد. لذا در این تحقیق با بررسی داده های مربوط به 154 شرکت پذیرفته شده در بورس اوراق بهادار تهرانبین سالهای 1383 و 1388 با روش مطالعه ترکیبی، رابطه میان عملکرد واحد تجاری و نقدشوندگی سهام مورد مطالعه قرار گرفته است. در این تحقیق به پشتوانه تئوری های نمایندگی و بازخورد، ارتباط میان معیارهای عملکرد و نقدشوندگی سهام با استفاده از رگرسیون چند متغیره بررسی و با یکدیگر مقایسه گردیده است. یافته های تحقیق نشان می دهد که میان معیارهای نقدشوندگی و عملکرد شرکت رابطه معنی دار قوی وجود دارد. همچنین با مقایسه دو معیار عملکرد (بازده دارایی ها و شاخص Q توبین) مشاهده گردید که شاخص Q توبین به دلیل بهره گیری از ارزش های بازار، معیار مناسب-تری برای مطالعه ارتباط میان عملکرد و نقدشوندگی سهام شرکت ها است.

میزان مطلوبیت سرمایه گذار از انتخاب مجموعه دارایی های سرمایه گذاری به وسیله معیارهای ریسک و بازده مشخص می شود. با توجه به عدم اطمینان سرمایه گذار نسبت به آینده، یکی از روش های مطرح در مباحث سرمایه گذاری برای کاهش ریسک، متنوع سازی سبد سرمایه گذاری است. در این پژوهش علاوه بر معرفی معیار فاصله اقلیدسی به عنوان یک معیار اندازه گیری تنوع سبد سهام، مدلی چندهدفه برای انتخاب سبد سهام طراحی شده است. مدل ارائه شده در این پژوهش درصدد حداکثر سازی بازدهی و تنوع و حداقل کردن ریسک غیر سیستماتیک سبد سهام است. با توجه به اینکه مدل ارائه شده غیرخطی است و از نظر پیچیدگی محاسباتی جزو مسائل «حل نشدنی چندجمله ای سخت» قرار می گیرد؛ بنابراین پژوهش با توجه به کارایی محاسباتی الگوریتم ژنتیک در بهینه سازی، برای حل مدل از الگوریتم ژنتیک استفاده شده است. نتایج اجرای مدل دو هدفه (بازدهی و تنوع) و سه هدفه (بازدهی، تنوع و ریسک غیر سیستماتیک) در تکرارهای متعدد نشان داد که متوسط بازدهی سبدهای سهام انتخاب شده با مدل این پژوهش بالاتر از حد مطلوب است. بررسی شاخص های عملکرد سبد سهام نیز نمایانگر کارایی مدل دوهدفه (بازدهی و تنوع) است.

در این مطالعه، ما ویژگی حافظه حسابرسی های مالیاتی را برای بررسی مشکل فرار مالیاتی از دیدگاه انتخاب سبد سهام در نظر می گیریم. ما مفاهیم دارایی حافظه برای فرار مالیاتی، مصرف و تخصیص دارایی را بررسی می کنیم. بدین منظور تأثیر گذاری کیفیت اطلاعات حسابرسی و انتخاب سبد سهام بر شاخص فرار مالیاتی در بورس اوراق بهادار تهران مورد بررسی واقع میگردد. در این پژوهش نتیجه گیری میشود که ویژگی حافظه دارایی مؤثر عامل در دارایی پرخطر را تغییر نمی دهد و تأثیرات آن بر فرار و مصرف مالیات با ریسک گریزی عامل تعیین میشود. پس از برازش مدل رگرسیونی مشخص شد که کیفیت اطلاعات حسابرسی و انتخاب سبد سهام بر فرار مالیاتی تأثیر گذار هستند.

تجزیه و تحلیل شبکه یکی از روش های مورد توجه تحلیل گران برای تجزیه و تحلیل روابط پیچیده در داده ها به روش شهودی است. یکی از کاربردهای تجزیه و تحلیل شبکه، مصور سازی روابط بین طبقات مختلف دارایی هاست. بازار سهام به عنوان یک سیستم پیچیده ای در نظر گرفته می شود که پویایی پیچیده متعلق به خود را نشان می دهد. شناسایی پویایی های بازار سهام برای بازیگران، سرمایه گذاران و سیاست گذاران مالی مهم است. پیچیدگی بازار سهام می تواند دلایل مختلفی داشته باشد که وابستگی متقابل سهام به یکدیگر می تواند یکی از برجسته ترین این عوامل باشد. یکی از مهم ترین دغدغه های افراد در بازار سرمایه، یافتن روشی جهت ارائه و تحلیل داده های سهام شرکت های مختلف است. شرکت های مختلفی در بورس وجود دارد و همواره مدیران سبد سرمایه گذاری و سرمایه گذاران در انتخاب سبد سهام مناسب، نیاز به بررسی بهترین روش برای تشکیل سبد سهام هستند. در این مقاله در خصوص تشکیل پرتفوی متنوع و غیرمتنوع از طریق تئوری شبکه بحث می شود. برای اجرای این پژوهش، از قیمت پایانی تعدیل شده 138 شرکت شاخص بورسی برای دوره 11-10-1395 الی 15-04-1400معادل 1648روز معاملاتی استفاده شده است. برای توصیف تاثیر بین سهام از ماتریس مجاورت استفاده شده و با استفاده از آستانه بهینه، پرتفوی متنوع و غیرمتنوع بدست می آید. نتایج سهام منتخب برای پرتفوی را با استفاده از رویکرد برابری ریسک سلسله مراتبی (HRP) پیاده سازی نموده و نتایج آن ربا سه روش مینیمم واریانس (MVP)[1]، توزیع یکنواخت (UNIF) و برابری ریسک (RP) برای دو دوره زمانی درون نمونه و برون نمونه، برای هر دو پرتفوی متنوع و غیر متنوع مقایسه می شود. در نهایت نتایج با استفاده از چهار معیار سورتینو، شارپ، ماکسیمم DD و کالمر مقایسه شده است. نتایج نشان دهنده برتری رویکرد سبد غیرمتنوع در دوران های نزولی بازار و برتری رویکرد سبد متنوع سازی شده در سایر زمان هاست.

بازار سهام، به عنوان یک حوزه مالی برجسته، چالش بزرگی را در درک و ارزیابی مجموعه گسترده ای از سهام ارائه می دهد. استفاده از تجزیه و تحلیل شبکه سهام، درک جامعی از کل شبکه را از طریق تکنیک های متنوع مصورسازی تسهیل می کند. این مطالعه به بررسی اطلاعات 50 شرکت برتر پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1 ژانویه 2019 تا 6 ژوئیه 2021 می پردازد. با استفاده از ابزارهای یادگیری ماشینی بدون نظارت مانند الگوریتم های تشخیص جامعه و روش های تجزیه و تحلیل شبکه مانند لاوین، گیروان - نیومن، شبکه ای از سهام تشکیل شد. پس از آن، پنج معیار مرکزیت برای این شرکت ها محاسبه شد که شامل مرکزیت درجه، مرکزیت نزدیکی، مرکزیت ویژه، مرکزیت بینابینی و رتبه صفحه است. با فرمول بندی یک ماتریس شباهت بر اساس این معیارها برای سهام باقی مانده در شبکه، مجموعه ای از 25 سهام مناسب برای سرمایه گذاری تعیین شد که از رتبه بندی سهام بر اساس معیارهای مرکزیت به دست می آید.

اهداف: هدف، توسعه مدل مارکوویتز به گونه ای است که با شرایط دنیای واقعی تطابق بیشتری داشته باشد و اضافه کردن انواع عوامل تحلیل بنیادی و محدودیت های بازار سرمایه در این مدل است. در این پژوهش که روی بورس اوراق بهادار تهران انجام شده، از دو معیار میانگین نیمه واریانس و میانگین قدر مطلق انحرافات در کنار معیار واریانس در مدل مارکوویتز برای تخمین بهتر میزان ریسک استفاده شده است. به علاوه، از چندین محدودیت مانند محدودیت کاردینالیتی[1]، آستانه و بخش بندی برای نزدیک شدن نتایج مدل مبتنی بر مارکوویتز به واقعیت استفاده می شود.  روش: برای اینکه معیار بازده سهام فقط براساس تغییرات قیمتی سهام نباشد، از 9 معیار مهم تحلیل بنیادی در فیلترسازی سهام شرکت ها و معیار بازده مدل مارکوویتز استفاده شده است. به دلیل پیچیدگی محاسباتی زیاد مدل برنامه ریزی ریاضی، نمونه مسائل با الگوریتم فراابتکاری جستجوی هارمونی نیز حل شد. نتایج: نتایج نشان دهنده آن بود که مدل ریاضی در معیار فاصله از نقطه ایدئال کارایی بهتری دارد. در صورتی که الگوریتم جستجوی هارمونی در معیارهای یکنواختی و گسترش جواب های پارتو و زمان حل برتری دارد. با افزایش بازه تغییرات محدودیت های کاردینالیتی و آستانه، تعداد سهام بیشتری در سبد انتخاب می شود و توابع هدف ریسک و بازده به صورت هم زمان بهبود خواهند یافت. [1]. Cardinality Constraint