مطالب مرتبط با کلیدواژه

معیارهای نقدشوندگی


۱.

بررسی تطبیقی رابطه نقد شوندگی و تاب آوری سهام با بازده مورد انتظار در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بازده مورد انتظار تاب آوری سهام عوامل فاما و فرنچ معیارهای نقدشوندگی

حوزه‌های تخصصی:
تعداد بازدید : ۴۰۶ تعداد دانلود : ۳۴۱
تاب آوری "توانایی یک سیستم جهت جذب آشفتگی و سازماندهی مجدد در حالیکه متحمل تغییر شده" تعریف می گردد. نوسان در بازار مالی یکی از متغیرهای مهم در زمینه تصمیمات سرمایه گذاری است. از طرفی دیگر بازده مورد انتظار همواره با یک عدم اطمینان همراه است هدف این پژوهش بررسی تطبیقی رابطه نقد شوندگی و تاب آوری سهام با بازده مورد انتظار می باشد.در این پژوهش رابطه تاب آوری سهام و سیزده معیار نقدشوندگی با بازده مورد انتظار در نمونه ای شامل 151 شرکت بورس اوراق بهادار تهران در فاصله 5 ساله بین ابتدای سال 1392 تا ابتدای سال 1397 مورد آزمون و مقایسه قرار می گیرد. در این سنجش عوامل 5 گانه فاما و فرنچ نیز بعنوان متغیرهای کنترلی در نظر گرفته می شود. نتایج پژوهش حاکی از آن است که رابطه معنی دار بین معیارهای تعداد سهام مبادله شده، تعداد دفعات معاملات، حجم معاملات، نرخ گردش سهام با بازده مورد انتظار وجود دارد و برای تاب آوری و بقیه معیارها رابطه معنی داری یافت نشد. همچنین یافته ها نشان داد که معیار نسبت نقدشوندگی آمیوست، تعداد سهام مبادله شده وحجم معاملات بهتر از سایر معیارها می تواند بازده مورد انتظار را توضیح دهد.
۲.

ارایه الگوی راهبردی در انتخاب دارایی مالی با بازده مورد انتظار بالاتر بر اساس نقدشوندگی و تصمیم گیری چند شاخصه(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بازده مورد انتظار تصمیم گیری چند شاخصه معیارهای نقدشوندگی

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۵ تعداد دانلود : ۲۲۵
نقدشوندگی و بازده مورد انتظار به عنوان ویژگی های با اهمیت در تصمیم گیری است و هرسرمایه گذار نیازمند یک روش علمی برای انتخاب پرتفوی مناسب با نقدشوندگی و بازده مورد انتظار بالاتر است. هدف این پژوهش، وزن دهی و اولویت بندی گزینه های تصمیم (معیارهای نقدشوندگی)و ارایه الگو بر اساس وزن های بدست آمده می باشد و این هدف بعنوان سطح اول سلسله مراتب تصمیم قرار می گیرد. 14 معیار نقدشوندگی بعنوان گزینه های تصمیم می باشند که از چهار شاخص کیفی وکمی"توان استفاده کنندگان"،"قابلیت اعتماد و اتکا"، "ارزش پیش بینی کنندگی" و "ضریب تعیین" برای اولویت بندی آنها استفاده شده است. وزن دهی این 4 شاخص با پرسشنامه شماره یک و مقایسات زوجی انجام شده است. برای سنجش هر یک ازگزینه های تصمیم بر اساس شاخص های کیفی از پرسشنامه شماره دو و برای سنجش آنها بر اساس شاخص کمی از روابط همبستگی استفاده گردیده است. در رابطه همبستگی با در نظر گرفتن متغیرهای کنترلی عوامل فاما و فرنچ در نمونه ای شامل 151 شرکت بورس اوراق بهادار تهران در فاصله 5 ساله بین ابتدای1392تا ابتدای 1397، قدرت توضیح دهندگی گزینه های تصمیم در بازده مورد انتظار مورد سنجش قرارگرفته است. در نهایت بر اساس وزن های بدست آمده برای گزینه های تصمیم، الگوی راهبردی ارایه گردیده است که از این الگو می توان در انتخاب مناسب ترین دارایی مالی(سهام) برای کسب بازده مورد انتظار بالاتر استفاده نمود.
۳.

پیش بینی نقدشوندگی در بورس اوراق بهادار تهران با استفاده از مدل های یادگیری(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بازار سهام پیش بینی معیارهای نقدشوندگی یادگیری عمیق

حوزه‌های تخصصی:
تعداد بازدید : ۱۴۲ تعداد دانلود : ۱۵۳
قابلیت نقدشوندگی در بورس، میزان نزدیکی سهام به پول نقد را بیان می کند. از آنجا که بورس اوراق بهادار تهران در ردیف بورس های غیرنقد جهان لحاظ شده و مسئله نقدشوندگی سهام یکی از دغدغه های اصلی سرمایه گذاران است، لذا در این پژوهش سعی بر این است با استفاده از مدل های یادگیری عمیق به پیش بینی نقد شوندگی بورس اوراق بهادار تهران پرداخته شود. جامعه آماری شامل شرکت های فعال در بورس اوراق بهادار تهران در سال های 1400-1394 می باشد که 23 شرکت به عنوان نمونه مورد مطالعه قرار گرفتند. حجم و ارزش معاملات، نسبت گردش سهام، آمیهود، اختلاف قیمت های پیشنهادی خرید و فروش و شکاف نسبی به عنوان معیارهای نقدشوندگی، اندازه گیری شده و یک شبکه عصبی تماما متصل بر اساس پرسپترون چند لایه (MLP)، مدل ترکیبی یادگیری عمیق (MDL) و مدل کلاسیک رگرسیون خطی (LR) مورد آزمون قرار گرفت. برای سنجش قدرت پیش بینی مدل ها، میانگین مربعات خطا (MSE) و میانگین قدر مطلق خطا (MAE) محاسبه شده و جهت مقایسه میزان دقت روش های مختلف پیش بینی، آزمون t مورد استفاده قرار گرفت. طبق نتایج، میزان خطای پیش بینی مدل ترکیبی یادگیری عمیق از دو مدل دیگر کمتر بوده و آزمون های آماری نیز در سطح اطمینان 95 درصد، معنی داری اختلاف دقت پیش بینی مدل ها را تایید می کند که عملکرد مناسب مدل ترکیبی پیشنهادی را در مقایسه با دو مدل دیگر نشان می دهد.