شاخص بورس اوراق بهادار تهران

اقتصاد جهانی همواره دچار بحران های مختلفی بوده که متغیرهای مالی را تحت تاثیر قرار می دهد. بحران مالی بین المللی با ترکیدن حباب قیمت در بخش مسکن آمریکا شروع شد و با ورشکستگی برخی بانک ها در بازارهای مالی به اوج خود رسید و سپس به بورس های اوراق بهادار نیز سرایت کرد. در این مقاله، تاثیر این بحران برشاخص بورس تهران به کمک روش خود رگرسیونی با وقفه های توزیعی (ARDL) به صورت فصلی و از بهار 1377 تا زمستان 1387 مورد ملاحظه قرار گرفته است. نتایج نشان می دهد که متغیرهای نقدینگی، نرخ ارز و نرخ سود سپرده های بانکی با یک دوره وقفه، رابطه معکوس با شاخص بورس داشته و نرخ سود سپرده های بانکی، سطح قیمت ها با یک وقفه و نرخ ارز با یک ووقفه در همان دوره رابطه ای مستقیم با شاخص بورس تهران دارند. بحران مالی، تاثیر منفی بر این رابطه برجای می گذارد که با واقعیت موجود همخوانی داشته و لزوم اتخاذ تدابیری برای مقابله با بحران را بیش از پیش نشان می دهد.

بررسی احتمال رخ دادن پیشامدهای نادر (پیشامدهایی که با احتمال بسیار کم رخ می دهند) از موضوعات مهم در مدیریت ریسک سبدهای مالی است. نظریه ارزش فرین مبانی ریاضی مدل سازی این پیشامدها و محاسبه معیارهای ریسک مربوط به آنها مانند ارزش در معرض ریسک را فراهم کرده است. هدف این مقاله استفاده از نظریه ارزش فرین برای محاسبه ارزش در معرض ریسک بازده لگاریتمی شاخص قیمت و ثمره نقدی بورس اوراق بهادار تهران است. همچنین این روش محاسبه ارزش در معرض ریسک با روش های واریانس ـ کوواریانس (با فرض نرمال بودن توزیع بازده) و شبیه-سازی تاریخی مقایسه شده است. نتایج نشان دهنده این موضوع است که برای دم سمت راست توزیع بازده شاخص بورس اوراق بهادار تهران که نسبت به دم سمت چپ پهن تر است، روش نظریه ارزش فرین در تمام سطوح اطمینان کاراترین روش محاسبه ارزش در معرض ریسک است، در حالی که برای دم سمت چپ نه در تمام سطوح اطمینان، بلکه در بالاترین آ نها روش نظریه ارزش فرین بیشترین کارایی را دارد.

نوسانات در بازار دارایی های مختلف به شدت به یکدیگر مرتبط بوده و به منظور اتخاذ تصمیمات مناسب توسط سرمایه گذاران، آگاهی از روابط بین دارایی های مالی امری ضروری می نماید. هدف این مطالعه شناسایی تاثیر اندرکنش پویا بین بازارهای مالی بر نوسانات بازار جهانی طلا و بازار سهام ایران می باشد. متغیرهای مورد استفاده در این تحقیق شامل نرخ ارز، قیمت طلا، نفت خام و شاخص بورس اوراق بهادار تهران بوده است. بدین منظور از اطلاعات روزانه دوره زمانی 2020-2009 متغیرهای تحقیق و روش خودهمبسته با وقفه های توزیعی ARDL استفاده شد. نتایج بیانگر آن بود که شاخص کل بازار سهام رابطه مثبت و معنی داری با تمامی بازارهای دارایی های دیگر داشته است. قیمت طلا با تمام دارایی ها بجز قیمت نفت خام دارای رابطه مثبت و معنی داری است.

یکی از مهم ترین مباحث در اقتصاد جهان، استفاده از سرمایه های راکد برای توسعه اقتصادی هر کشور است و این نیازمند یک سیاست راهبردی جذب سرمایه گذاران داخلی و خارجی جهت تقویت بازار سرمایه کشور است. هدف کلی این پژوهش، بررسی انطباقپذیری رفتار بازار سهام ایران با سایر بازار های مالی خارجی طبق مدل تئوری موج الیوت از ابزارهای تحلیل تکنیکال و با استفاده از الگوریتم های طبقه بندی است. لذا در این پژوهش، روند حرکتی قیمت در شاخص کل و شاخص کل هم وزن بورس اوراق بهادار ایران بهعنوان دماسنج اقتصاد و نشانگر وضعیت کلی بازار سهام ایران، مورد بررسی قرار گرفته است. ابتدا، متغیرهای نوسان نمای موج الیوت و شاخص قدرت حرکت و تغییرات قیمت، بطور روزانه برای شاخص کل از تاریخ 25/02/1387 تا 05/09/1399 و شاخص کل هم وزن از تاریخ 14/02/1394 تا 11/09/1399 محاسبه شد و بر اساس این سه متغیر، روند حرکتی به سه دسته خرید، فروش و نگهداری برچسب گذاری شد. سپس، الگوریتم های طبقه بندی مانند درخت تصمیم، نزدیک ترین K همسایه، ماشین بردار پشتیبان خطی برای پیش بینی روند آینده استفاده شد. نتایج نشان داد دقت الگوریتم های درخت تصمیم و نزدیک ترین K همسایه در پیش بینی برچسب خرید، فروش و نگهداری بالای 90 % بوده است. بنابراین، استفاده از روش های تکنیکی و الگوریتم های پیشنهادی می تواند به سرمایه گذاران در تشخیص روند آتی شاخص کل و شاخص کل هم وزن کمک کند.

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.

بررسی اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران از اهمیت بالایی برخوردار است چراکه با افزایش نااطمینانی در قیمت نفت ریسک سیستماتیک شاخص بورس افزایش می یابد. از طرفی در کشورهای صادرکننده نفت همچون ایران، درآمدهای نفتی از جمله موارد مهم و تأثیرگذار در متغیرهای کلان اقتصادی و بالتبع شاخص های بازارهای مالی است. پژوهش حاضر به بررسی اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران با بهره گیری از مدل اقتصادسنجی رگرسیون کوانتایل مبتنی بر تبدیل موجک (MODWT-MRA) طی بازه زمانی فروردین ۱۳۹۰ الی فروردین ۱۴۰۰ در ایران می پردازد. نتایج حاصل از تخمین مدل نشان داد که با افزایش نااطمینانی قیمت نفت، شاخص بورس اوراق بهادار تهران کاهش خواهد یافت. مطابق با نتایج، اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در چندک های ابتدایی دارای ضریب کوچک تری نسبت به چندک های انتهایی است لذا اثر منفی نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در ماه های اخیر بازه زمانی موردمطالعه بیشتر از ماه های اولیه است. همچنین مقدار ضریب در مقیاس جزء ۵ بسیار بیشتر از مقیاس جزء ۱ هست؛ لذا اثر منفی نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در کوتاه مدت بسیار بیشتر از مقدار این اثر در بلندمدت است. علت این امر این است که در بلندمدت، سرمایه گذار خود را با نااطمینانی به وجود آمده تطبیق خواهد داد