فضای حالت

پیش بینی بازده سهام یکی از موضوع های مهم و قابل بحث در ادبیات مالی و سرمایه گذاری به حساب می آید. مدل سه عاملی فاما و فرنچ به عنوان شاخص ترین مدل در پیش بینی بازده سهام علیرغم برخورداری از نقاط قوت زیاد بر اساس فرض ثابت بودن ضرایب بتا بنا نهاده شده است، که چنین فرضی به صورت مطلق در هر شرایطی ممکن است برقرار نباشد. در این پژوهش سعی شده است تا مدل مذکور با دو فرض ثابت بودن یا متغیر بودن ضرایب به طور جداگانه برازش و سپس دقت هر یک آنها مقایسه شود. برای این منظور از مدل فضای حالت و حداقل مربعات معمولی (OLS) برای برازش مدل به ترتیب با فرض متغیر بودن و ثابت بودن ضرایب استفاده شده است. این پژوهش بر روی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و برای یک دوره زمانی 72 ماهه (مهر 1385 الی شهریور 1391) صورت گرفته است. با انجام این پژوهش مشخص گردید که مدل فضای حالت در مقایسه با مدل حداقل مربعات خطی از عملکرد بهتری در پیش بینی بازده اوراق بهادار برخوردار است ، که این می تواند به معنای ثابت نبودن ضرایب بتای مدل سه عاملی در بورس اوراق بهادار تهران باشد.

انفکاک مالی (اسمی) یا انفکاک بخش اسمی اقتصاد از بخش واقعی، اصطلاحی است که پس از بحران های مالی اخیر توسط نگارندگان این مقاله مطرح گردید. در این مقاله ضمن بیان و بررسی مفهوم انفکاک مالی به نقش این پدیده در سرکوب مالی (عدم توسعه مالی) از دو روش حداکثر درستنمایی (ML) به روش کالمن فیلتر در فضای حالت و نیز روش خود توضیحی با وقفه های توزیعی ARDL) ) به منظور بررسی آثار کوتاه مدت و بلند مدت این پدیده پرداخته خواهد شد. نتایج نشان می دهند انفکاک مالی و نرخ بهره چه در کوتاه مدت و چه بلند مدت باعث سرکوب مالی می گردد. اما توسعه اقتصادی در بلند مدت اثر کاهشی بر سرکوب مالی را نشان می دهد.

در این مقاله، از روش مدل بندی فضای حالت و تبدیل لاپلاس برای پیش بینی و کنترل بهینه ستاده های (ارزش افزوده و ارزش محصولات تولیدی) صنایع کشور استفاده شده است. برای این منظور، ابتدا همه گروه های صنعتی درقالب یک سیستم با داده ها و ستاده های مشخص در نظر گرفته شدند و براساس ارتباط بین داده ها و ستاده ها طی سال های 1390- 1374، معادلات فضای حالت با توجه به عملکرد صنایع کشور برآورد شد. سپس با انجام عملیات لاپلاس، رفتار هریک از گروه های صنعتی در تبدیل داده ها به ستاده ها شناسایی و بر این اساس، برای پیش بینی و کنترل رفتار ستاده های هریک از گروه های صنعتی اقدام شد. نتایج حاصل از روش پیشنهادی نشان دادند که استفاده از این روش در کنترل و پیش بینی بهینة ستاده ها درمقایسه با روش های موجود، مخصوصاً تابع انتقال، بسیار کاراتر است؛ چون اولاً روش پیشنهادی برای سیستم های دارای چندین ورودی و خروجی مناسب تر است و نتایج مطمئن تری را ارائه می کند و ثانیاً با توجه به معادلات فضای حالت تبدیل ورودی ها به خروجی ها، رفتار سیستم قابل شناسایی خواهد بود و با شناخت رفتار سیستم می توان داده های مورد نظر را به سیستم وارد کرد و بر این اساس، ستاده ها را به صورت بهینه پیش بینی و کنترل کرد.

نرخ بازده ی بدون ریسک نقش مهمی را در تئوری های اقتصاد مالی و هم چنین بازارهای مالی ایفا می کند. به دلیل حرمت ربا در کشورهای اسلامی، ابزاری با بازده ی بدون ریسک به عنوان معیاری برای سنجش نرخ بازده ی بدون ریسک در دست نمی باشد. در پژوهش حاضر برای تخمین این متغیر در بازارهای مالی ایران از روش فیلتر کالمن استفاده می شود. این روش بر اساس یک فضای حالت پایه گذاری می شود که از مدل قیمت گذاری دارایی های سرمایه ای و یکی از معادلات خودرگرسیونی و یا گام تصادفی استخراج شده است و پارامترهای مدل با استفاده از روش حداکثر درستنمایی تخمین زده می شوند. در ادامه مشاهده می شود که معادله ی حالت خودرگرسیونی مرتبه ی اول، رفتار بازده ی بدون ریسک را بهتر از سایر مدل ها تبیین می کند و میانگین و واریانس مقادیر تخمین زده شده به ترتیب برابر 0397/0 و 0005/0 بوده و آخرین مقدار حاصله، 036/0 می باشد. طبقه بندی JEL: G12, C32

هدف: با توجه به اینکه عدم قطعیت یکی از رویدادهای مهم در روند توسعه علم اقتصاد و مدیریت محسوب می شود، شایسته است که برای درک عمیق و دقیق آن وقت گذاشته شود. فعالان بازارهای مالی، همواره با عدم اطمینان های آینده مواجهند، به بیان دیگر، عدم اطمینان، بخش جدایی ناپذیر بازارهای مالی است و آشنایی با این مفهوم و درک آن برای تمامی فعالان بازار ضروری است. بنابراین هدف نخست پژوهش، کمّی سازی عدم اطمینان و هدف نهایی، تدوین شاخصی از عدم اطمینان مالی برای بورس اوراق بهادار تهران است. روش: در این پژوهش برای کمّی سازی عدم اطمینان، در گام نخست، برازش مدل پنج عاملی فاما و فرنچ به دو روش فضای حالت با الگوریتم فیلتر کالمن و روش حداقل مربعات معمولی با هم مقایسه شده است تا مدل مناسبی برای فیلتر کردن نوسان های شرطی از سری نوسان های بازدهی ارائه شود. یافته ها: برای مقایسه برازش مدل پنج عاملی فاما و فرنچ به دو روش فضای حالت با الگوریتم فیلتر کالمن و حداقل مربعات معمولی، از معیارهای اطلاعاتی همراه با رویکرد دیبولد و ماریانو استفاده شد. نتایج این مقایسه، از برتری تخمین به روش فضای حالت با الگوریتم فیلتر کالمن حکایت کرد. بعد از انتخاب مدل مناسب، نوسان های شرطی بازدهی هر پرتفوی از سری نوسان های بازدهی فیلتر شد تا معیار مناسب تری از عدم اطمینان به دست آید، در این راستا، از بازدهی 18پرتفوی استفاده شد که بر اساس طبقه بندی های صورت گرفته از متغیرهای عامل اندازه، عامل ارزش دفتری به ارزش بازاری، عامل سودآوری و عامل سرمایه گذاری به دست آمدند. نتیجه گیری: در آخر از مؤلفه های عدم اطمینان استخراج شده به صورت ماهیانه میانگین گرفته شد تا شاخص مدنظر به دست آید. این شاخص شرایط تحت عدم اطمینان به وقوع پیوسته در گذشته را به وضوح نمایان می کند.