1393 16 2 2 171

0 انتخاب سبد سهام با استفاده از بهینه‌سازی استوار Portfolio Selection by Robust Optimization https://jfr.ut.ac.ir/article_50779.html 10.22059/jfr.2014.50779 0 مقالۀ حاضر به انتخاب سبد پرتفوی با استفاده از بهینه‌سازی استوار پرداخته است. از آنجا که پارامترهای مسئلۀ انتخاب سبد سهام، یعنی قیمت سهم، سود تقسیمی، بازده و... هر سهم را به‎دلیل نوسان‎های بازار و قیمت‎ها نمی‌توان ثابت در نظر گرفت، باید از روشی بهره برد که عدم قطعیت داده‎ها لحاظ شود. بهینه‎سازی استوار راه‎حلی عملی برای مسائلی به‎شمار می‎رود که در آنها مقدار و توزیع پارامترها نامعلوم است. روش‌های گوناگونی برای حل مسائل با بهره‎مندی از بهینه‌سازی استوار تعریف شده است. تعریف مجموعۀ عدم قطعیت بازده دارایی‌ها از طریق مجموعۀ عدم قطعیت چندوجهی و قابلیت تنظیم تعداد و وزن دارایی‌های سبد، استواری جواب بهینه و سطح حفاظت را می‎توان از مزیت‎های روشی دانست که در این مقاله به‎کار رفته است. داده‌های پیاده‎شده برای مثال کاربردی این مقاله، بازده‌های ماهانۀ 30 سهم است که به‎طور تصادفی از بین 78 سهم برگزیدۀ بورس اوراق بهادار تهران، از فروردین 85 تا اسفند 90 انتخاب شده است. 1 This paper discusses the portfolio selection based on robust optimization. Since the parameters values of the portfolio optimization problem such as price of the stock, dividends, returns, etc. of per share are unknown, variable and their distributions are uncertain because of the market and price volatility, therefore, there is a need for the development and application of methodologies for decision making under uncertainty. Robust optimization is a tractable alternative to the other programming in these problems. This paper has investigated a specific robust optimization approach as the Bertsimas and Sim's model to the portfolio selection problem in which the unknown and variable return of an asset is modeled by budgeted polyhedral uncertainty sets and the effect of different definitions of the bounds on the uncertainty sets and show that robust models yield well diversified portfolios, in terms of the number of assets and asset weights. The data set used in this paper, include the monthly returns of the 30 stocks that randomly selected from the 78 stocks of the Tehran Stock Exchange, from 1385 to 1390. 201 218 آذین ابریشمی Azin Abrishami کارشناس‎ارشد مدیریت بازرگانی، گرایش مالی، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران ایران azin.abrishami@gmail.com رضا یوسفی زنوز Reza Yousefi Zenouz استادیار گروه مدیریت، دانشکدۀ مدیریت دانشگاه خوارزمی، تهران، ایران ایران reza.zenouz@gmail.com انتخاب سبد پرتفوی بهینه‌سازی استوار عدم قطعیت Ben-Tal, A. & Nemirovski, A. (1998). Robust convex optimization. Mathematics of Operations Research, 23(4): 769-805.##Bertsimas, D. & Sim, M. (2004). The price of robustness. Operation research, 52 (1): 35-53.##Bertsimas, D. & Thiele, A. (2006). Robust and data-driven optimization: modern decision making under uncertainty. Tutorials in Operations Research, INFORMS, 95-122.##Goldfarb, D. & Iyengar, G. (2003). Robust portfolio selection problems. Mathematics of Operations Research, 1(28): 1 – 38.##Gregory, C., Darby-Dowman, K. & Mitra, G. (2011). Robust optimization and portfolio selection. European Journal of Operation Research, 212(2): 417-428.##Heibati, F. &  Naserifard,  A. (2008). Portfolio Selection and Optimization Using Stochastic Multi-Purpose Model. Boors, 76: 26-41. (in Persian)##Kim, S. & Boyd, S. (2007). Robust Efficient Frontier Analysis with a Separable Uncertainty Model, [Stanford University], available: http://www.stanford. edu /~boyd/papers/pdf/rob_ef_sep.pdf.##Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1): 77-91.##Pflug, G., Wozabal, D. (2007). Ambiguity in portfolio selection. Quantitative Finance & Accounting, (4): 435-442.##Michaud, R.O. (1989). The Markowitz Optimization Enigma: Is ‘Optimized’ Optimal?  Financial Analysts Journal, 45(1): 435-442.##Parker, J. (2001). Portfolio Management. Tehran: Iran Training and Industrial Researches center. (in Persian)##Raei, R., Pouyanfar, A. (2010). Advanced Investment Management. Tehran: Samt. (in Persian)##Seyfi, A., Hanafizadeh, P. & Navvabi, H. (2004). Integrated Robust Model for Stock Portfolio Selection. Financial Researches, 6(17): 71-95. (in Persian)##Soyster, A (1973). Convex programming with set-inclusive constraints and applications to inexact linear programming. Operations Research, 21(5): 1154-1157.##Tutunci, R.H. & Koenig, M. (2004). Robust asset allocation. Annals of Operations Research, 132: 157-187.##

0 بررسی رابطه علیت گرنجری هشیائوی بازده شاخص 11 بورس جهان با بازده شاخص بورس تهران Investigating the Hsiao’s Granger Causality among Returns of 11 World Stock Markets Indexes and Return of Tehran Stock Exchange Index https://jfr.ut.ac.ir/article_50710.html 10.22059/jfr.2014.50710 0 در عصر حاضر، بازارها محدود به مکان جغرافیایی خاصی نیستند. اهمیت این مسئله در به‌کارگیری تصمیمات اثربخش‏تر فعالان اقتصادی نمود پیدا می‏کند؛ زیرا بازارهای مالی جهانی اغلب راهنمای باارزشی برای بازارهای داخلی و خارجی به‎شمار می‏آیند. در این پژوهش با توجه به روابطی که میان بازارهای سهام در جهان وجود دارد، بازار سهام کشورهایی که بیشترین روابط تجاری را با ایران طی دورۀ زمانی 20011‌- 2005 داشته‏اند، همراه با بورس تهران انتخاب شده‏اند. این بازارهای سهام عبارت‌اند از بورس لندن، فرانکفورت، پاریس، میلان، سوئیس، توکیو، شانگهای، کره، بمبئی، استانبول و بازار مالی دبی. بازده شاخص بازارهای سهام مذکور طی دورۀ زمانی مورد نظر استخراج ‌و ارتباط علّی آن‏ها با بازده شاخص بورس تهران با استفاده از روش آزمون علیت گرنجری هشیائو برآورد شد. نتایج این پژوهش نشان داد که بازده شاخص بورس‏های لندن، فرانکفورت، پاریس، میلان، سوئیس، توکیو، کره و بمئبی علت گرنجری هشیائوی بازده شاخص بورس تهران هستند. 1 In today’s world, markets are no longer under the limitations of a specific location and the importance of this issue is illustrated in effective decision making of economic agents, because the world financial markets are considered often valuable guideline for domestic and foreign markets. In this research, due to the connections between world stock markets, stock markets in countries with the most commercial communications with Iran during the time period of study (2005-2011) have been selected. These markets include London, Tokyo, Shanghai, Frankfurt, Paris, Milan, SIX Swiss, Istanbul, Korea, Bombay Stock Exchanges, and Dubai Financial Market. The returns of these stock markets are extracted and their causal relationships with the returns of Tehran Stock Exchange are estimated by Hsiao’s Granger Causality method. The results show that returns of markets in London, Frankfurt, Frankfurt, Paris, Milan, SIX Swiss, Tokyo, Korea and Bombay Stock Exchanges are the Hsiao’s Granger Causality for index return of Tehran Stock Exchange. 219 234 علی اصغر انواری رستمی Ali Asghar Anvary Rostamy استاد دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران ایران anvary@modares.ac.ir حسین قربانی فارمد Hossein Ghorbani Farmad کارشناس‎ارشد گرایش مدیریت مالی، دانشگاه تربیت مدرس، تهران، ایران ایران h.farmad@gmail.com عادل آذر Adel Azar استاد دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران ایران azara@modares.ac.ir بازارهای سهام جهانی بازده شاخص بازار سهام بورس تهران روش علیت گرنجر هشیائو Awokuse, T.O., Chopra, A. & Bessler, D.A. (2009). Structural change and international stock market interdependence: Evidence from Asian emerging markets. Economic Modeling, 26(3): 549-559.##Burton, M., Nesiba, R. & Brown, B. (2009). An Introduction to Financial Markets and Institutions, 2 edition, M E Sharpe.##De Gooijer, J.G. & Sivarajasingham, S. (2008). Parametric and nonparametric Granger causality testing: Linkages between international stock markets. Physica A: Statistical Mechanics and its Applications, 387(1-2): 2547–2560.##Ercan Balaban & Asli Bayar & Robert Faff (2006). Forecasting stock market volatility: Further international evidence. European Journal of Finance 12(2): 171-188.##Fallahpour, S., Golarzi, G. & Fatourechian, N. (2013). Predicting Stock Price Movement Using Support Vector Machine Based on Genetic Algorithm in Tehran Stock Exchange Market. Journal of Financial Research 15(2): 269-288. (in Persian)##Filis, G., Degiannakis, S. & Floros, CH. (2011). Dynamic correlation between stock market and oil prices: The case of oil-importing and oil-exporting countries. International Review of Financial Analysis, 20(3): 152-164.##Granger, C.W.J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica: Journal of the Econometric Society, 37(3): 424-438.##Hsiao, C. (1981). Autoregressive modeling and money-income causality detection. Journal of Monetary Economics, 7(1): 85-106.##Huyghebaert, N. & Wang, L. (2010). The co-movement of stock markets in East Asia Did the 1997–1998 Asian financial crisis really strengthen stock market integration? China Economic Review 21(1): 98-112.##Jafarabdi, A. (2010). Examine the relationship between Tehran and Dubai Exchange Markets. Master's thesis, Tehran, Sharif University of Technology.##(in Persian)##Junior, L.S. & De Paula Franca, I. (2012). Correlation of financial markets in times of crisis. Physica A: Statistical Mechanics and its Applications, 391(1-2): 187-208.##Katsanos, M. (2010). Intermarket Trading Strategies: John Wiley & Sons.##Kenourgios, D., Samitas, A. & Paltalidis, N. (2011). Financial crises and stock market contagion in a multivariate time-varying asymmetric framework. International Financial Markets Institution & Money, 21(1): 92-106.##Mellyn, K. (2009). Financial Market Meltdown: Everything You Need to Know to Understand and Survive the Global Credit Crisis: Greenwood Publishing Group.##Murphy, J. J. (1991). Intermarket Technical Analysis: Trading Strategies for the Global Stock, Bond, Commodity, and Currency Markets: Wiley Finance.##Murphy, J. J. (2004). Intermarket Analysis: Profiting from Global Market Relationships: John Wiley & Sons.##Pakizeh, K. (2010). Volatility Modeling, Forecasting and Its relation with Stock Returns in Tehran and International Stock Exchanges. Doctoral dissertation, Tehran, University of Allameh Tabatabaee. (in Persian)##Raee, R., Mohmadi, S. & Saranj, A. (2014). Tehran Stock Exchange dynamics in a Markov regime switching EGARCH-in-mean model. Journal of Financial Research, 16(1): 77-98. (in Persian)##Raeyat, M. (2009). The relation between internal macroeconomic variables and some world stock index with Iran stock price index. Master's thesis, Tehran, Tarbiat Modares University. (in Persian)##Samarakoon, L. P. (2011). Stock market interdependence, contagion, and the U.S. financial crisis: The case of emerging and frontier markets. International Financial Markets Institution & Money, 21(1): 92-106.##Seyedhosseini, S. M. & Ebrahimi, S. B. (2013). Comparing of Volatility Transmission Model with Consideration of Long Memory Effect; Case Study: Three Selected Industry Index. Journal of Financial Research, 15(1): 51-74. (in Persian)##Tehrani, R., Namaki, A. & Hedayatifar, L. (2013). The Cross-correlation Structure of Tehran Stock Exchange Indexes by Multifractal Detrended Fluctuation Analysis. Journal of Financial Research, 14(1): 55-68. (in Persian)##

0 خلاف قاعدۀ رشد دارایی و بازده آتی سهام: شواهدی از بورس اوراق بهادار تهران Asset Growth Anomaly & Future Stock Return; Evidence from Tehran Stock Exchange https://jfr.ut.ac.ir/article_50713.html 10.22059/jfr.2014.50713 0 مقالۀ حاضر به بررسی قیمت‏گذاری رشد دارایی در بازده مقطعی سهام منفرد در بورس اوراق بهادار تهران طی سال‏های 1379 تا 1389 می‏پردازد. بنابراین، برای آزمون قابلیت پیش‏بینی بازده مقطعی سهام توسط رشد دارایی، رابطۀ نرخ رشد دارایی و بازده آتی سهام با استفاده از رویکرد تحلیل پرتفوی و مدل رگرسیون فاما و مک‏بث (1973) در نمونه‏‏ای مشتمل بر 280 شرکت به بوتۀ آزمون گذاشته می‏شود. نتایج این پژوهش بر‌خلاف یافتۀ مطالعات پیشین در بازارهای توسعه‏یافته و در حال توسعه نشان می‏دهد سهامی که در گذشته‌ نرخ رشد دارایی بالایی داشته است، بازده آتی بالاتری را تجربه می‏‌کند. ‌با محدودکردن نمونۀ پژوهش به شرکت‏های بزرگ، رابطۀ یادشده مثبت است، اما از نظر آماری غیرمعنادار می‌شود. نتایج حاصل، صرف‏نظر از افق زمانی بازده آتی سهام برقرار است. 1 This paper investigates asset growth pricing in firm-level cross section stock return in Tehran Stock Exchange for the period from 1379 to 1389. In order to test cross section stock return predictability by the firm's asset growth, the relation between asset growth rate and subsequent stock return is examined in a sample of 280 firms using portfolio analysis approach and Fama-Macbeth (1973) regression model. Unlike previous findings in developed and developing markets, the results of this study suggest that stocks with high past asset growth rate experience high future return. However, by contraction of total sample to the big firms, the relation is positive and statistically insignificant. The results of this paper are robust for different future stock return time horizons. 235 252 مریم دولو Maryam Davallou استادیار گروه مدیریت مالی، دانشکدۀ مدیریت و حسابداری دانشگاه شهید بهشتی، تهران، ایران ایران ma_davallou@yahoo.com خلاف قاعدۀ رشد دارایی کارایی بازار قابلیت پیش‏بینی بازده Anderson, C. W. & Garcia-Feijoo, L. (2006). Empirical Evidence on Capital Investment, Growth Options, and Security Returns. Journal of Finance, 61(1): 171–194.##Berk, J. B., Green, R. C. & Naik, V. (1999). Optimal Investment, Growth Options, and Security Returns. Journal of Finance, 54(5): 1553–1607.##Carhart, M. M. (1997). On Persistence in Mutual Fund Performance. Journal of Finance, 52(1): 57–82.##Chen, L., Novy-Marx, R. & Zhang, L. (2011). An alternative three-factor model, Working Paper, Ohio State University, unpublished.##Cooper, I. & Priestley, R. (2011). Real investment and risk dynamics. Journal of Financial Economics, 101(1): 182-205.##Cooper, M. J., Gulen, H. & Schill, M. J. (2008). Asset Growth and the Cross-Section of Stock Returns. Journal of Finance, 63(4): 1609-1651.##Fama, E. F. & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics,33(1): 3-56.##Fama, E. F. & MacBeth, J. (1973). Risk, return, and equilibrium: Empirical tests. Journal of Political Economy, 81(3): 607-636.##Gray, P. & Johnson, J. (2011). The relationship between asset growth and the cross-section of stock returns. Journal of Banking & Finance, 35(3): 670-680.##Li, E.X., Livdan, D. & Zhang, L. (2009). Anomalies. Review of Financial Studies, 22(11): 2973–3004.##Lipson, M., Mortal, L. S. & Schill, M. J. (2011). On the Scope and Drivers of the Asset Growth Effect. Journal of Financial and Quantitative Analysis, 46 (6): 1651-1682.##Merton, R. C. (1973). An Intertemporal Capital Asset Pricing Model. Econometrica, 41(5): 867-887.##Pollito, J. (2012). A Market Anomaly in the Mexican Stock Returns. Unpublished master’s thesis. Premio Nacional BMV.##Titman, S., Wei, K.C. & Xie, F. (2004). Capital investment and stock returns. Journal of Financial and Quantitative Analysis, 39(4): 677–701.##Yao, T., Yu, T., Zhang, T. & Chen, S. (2011). Asset growth and stock returns: Evidence from Asian financial markets. Pacific-Basin Finance Journal, 19(1): 115-139.##

0 بهینه‌سازی و مقایسۀ سبد سهام در بورس اوراق بهادار تهران با بهره‎مندی از الگوریتم‌های بهینه‌سازی تکاملی چندهدفه Optimal Portfolio Prediction in Tehran Stock Market using Multi-Objective Evolutionary Algorithms, NSGA-II and MOPSO https://jfr.ut.ac.ir/article_50715.html 10.22059/jfr.2014.50715 0 با وجود استفادۀ روزافزون از الگوریتم­های بهینه­سازی تکاملی چندهدفه در شاخه­های مختلف علوم، به‎کاربردن آنها به‎عنوان ابزار بسیار قدرتمند در زمینۀ بهینه­سازی سبد سرمایه، به‎ویژه حل مسئلۀ چندهدفه، همچنان در مراحل اولیۀ پژوهش است. در این مقاله، از الگوریتم‎های تکاملی چندهدفه برای حل مسئلۀ بهینه­سازی چندهدفۀ سبد سرمایه در بورس اوراق بهادار تهران استفاده شده است. برای این منظور، دو روش مهم و پرکاربردِ الگوریتم ژنتیک چندهدفه با مرتب‎سازی نامغلوب (NSGA-II) و بهینه­سازی چندهدفۀ ازدحام ذرات (MOPSO) با یکدیگر مقایسه شدند. جبهه­های بهینۀ پارِتوی به‎دست‎آمده، به سرمایه­گذار این امکان را می­دهد که از بین ریسک و ارزش‎های مختلف، سبد سرمایۀ بهینۀ مدنظر را انتخاب کند. ارزش سبد سرمایه و ریسک آن به‎عنوان اهداف بهینه­سازی و معیار ارزش در معرض ریسک مشروط به‎عنوان سنجۀ ریسک به‎کار برده شد و سه قید عملی و کاربردی نیز برای حل مسئله مدنظر قرار گرفت. نتایج، عملکرد بهتر روش NSGA-II را نسبت به MOPSO برای هر دو معیار همگرایی و گستردگی جبهه­های بهینۀ­ پارتو نشان داد. همچنین در پیش­بینی سبد سهام بهینه، انطباق جبهه­های بهینۀ پارتوی واقعی و پیش‎بینی‎شده، نشان‎دهندۀ کارایی بسیار مناسب روش­های استفاده‎شده است. 1 Despite the growing use of evolutionary multi-objective optimization algorithms in different categories of science, these algorithms as a powerful tool in portfolio optimization and specially solving multi-objective portfolio optimization problem is still in its early stages. In this paper, MOEAs have been used for solving multi-objective portfolio optimization problem in Tehran stock market. For this purpose, Non-dominated Sorting Genetic Algorithm (NSGA_II) and Multi-objective Particle Swarm Optimization (MOPSO), as two common approaches, were compared with each other. Using pareto front, investors can choose optimal portfolio based on different risks and returns. Two objectives of the problem are return and risk of portfolio and CVaR is the risk metric. In order to solve the problem, three real-world constraints were considered. The results indicate that these approaches have a high performance in constraint portfolio optimization. 253 270 مهسا رجبی Mahsa Rajabi دانشجوی دکتری برق ـ کنترل و سیستم، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران ایران m.rajabi8590@gmail.com حمید خالوزاده Hamid Khaloozadeh استاد دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران ایران h_khaloozadeh@kntu.ac.ir ارزش در معرض ریسک مشروط الگوریتم‎های بهینه‌سازی چندهدفۀ تکاملی پیش‌بینی سبد سهام MOPSO. NSGA-II Anagnostopoulos, K. & Mamanis, G. (2009). Multiobjective evolutionary algorithms for complex portfolio optimization problems. Springer-Verlag, 8(3): 259-279.##Armananzas, R. & Lozano, J. A. (2005). A multiobjective approach to the portfolio optimization problem. IEEE congress on evolutionary computation, 2:1388-1395.##Chiang, C. S. (2009). Evolutionary Multi-objective Optimization in Investment Portfolio Management. PhD Thesis, Natinal University of Singapore.##Coello, C.C.A. (2006). Evolutionary Multi-Objective Optimization: A historical view of the field. IEEE Computational Intelligence Magazine, 1(1): 28-36.##Coello, C.C.A., Pulido, G.T. & Lechuga, M.S. (2004). Handling Multiple Objectives With Particle Swarm Optimization. IEEE Transaction on Evolutionary Computation, 8(3): 256-279.##Deb, K., Pratap, A., Agarwal, S. & Meyarivan, T. (2002). A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2): 182-197.##Derakhshan, M., Golmakani, H. & Hanafizadeh, P. (2012). Multiobjective Portfolio Selection of Tehran Stock Exchange with the Metaheuristic Optimization Approach. International Journal of Indestrial Engineering and Production Management, 23(3): 318-331. (in Persian)##Khaleiji, M., Zeiaee, M., Tabei, A., Jahed-Motlagh, M.R. & Khaloozadeh, H. (2009). Dynamically Weighted Continuous Ant Colony Optimization for Bi- Objective Portfolio Selection Using Value-at-Risk. Third Asian International Conference on Digital Object Identifier, 1(2): 230-235.##Khaloozadeh, H. & Amiri, N. (2006). Optimal portfolio Selection in Iran Sotck Exchange Based on VaR Approach. Journal of Economic Research, 41(2): 211-231. (in Persian)##Khaloozadeh, H., Khaki-sedigh, A. & Lucas, C. (1996). Are Stock Prices Predictable in the Tehran Stock Exchange. Journal of Financial Research, 3(2): 37-46. (in Persian)##Li, H. & Zhang, Q. (2009). Multiobjective Optimization Problems with Complicated Pareto Sets, MOEA/D and NSGA-II. IEEE Transactions on Evolutionary Comutation, 13(2): 284-302.##Metaxiotis, K. & Liagkouras, K. (2012). Multiobjective Evolutionary Algorithms for Portfolio Management: A comprehensive literature review. Expert Systems with Applications, 39(14): 11685–11698.##Mishra, S.K., Panda, G. & Meher, S. (2009). Multi-objective particle swarm optimization approach to portfolio optimization. World Congress on Nature & Biologically Inspired Computing. DOI:10.1109/NABIC.2009. 5393659.##Raei, R. & Alibeygi, H. (2010). Portfolio Optimization Using Particle Swarm Optimization Method. Journal of Financial Research, 12(29): 21-40.##(in Persian)##Raei, R. & Chavoshi, K. (2003). Prediction of Stock Return Behavior in Tehran Stock Exchange: Artificial Neural Networks and Arbitrage Pricing Theory. Journal of Financial Research, 5(1):  97-120. (in Persian)##Rockafellar, T.R. & Uryasev, S. (2000). Optimization of Conditional value-at-risk. Journal of Risk, 2(3): 21-41.##Skolpadungket, P., Dahal, K. & Harnpornchai, N. (2007). Portfolio optimization using multi-objective genetic algorithms. IEEE congress on evolutionary computation, CEC: 516-523. DOI: 10.1109/CEC.2007.4424514.##Xu, R., Zhang, J., Liu, O. & Huang, R. (2010). An Estimation of Distribution Algorithm Based Portfolio Selection Approach. International Conference on Technologies and Applications of Artificial Intelligence, Hsinchu City. DOI: 10.1109/TAAI.2010.57.##

0 متنوع سازی (مرتبط/غیرمرتبط) محصولات، ساختارمالکیت و ساختارسرمایه Product Diversification (Related/Unrelated) ,Ownership Structure and Capital Structure https://jfr.ut.ac.ir/article_50714.html 10.22059/jfr.2014.50714 0  در این مقاله به ‏بررسی تأثیر متنوع‏سازی ‏مرتبط، غیرمرتبط محصولات و ساختار مالکیت بر ساختار سرمایه شرکت‏های پذیرفته‌شده در بورس اوراق بهادار تهران پرداخته شد. بدین‌منظور، 87 شرکت از 19 صنعت مختلف به‌منزلۀ نمونۀ آماری انتخاب شد و از طریق برازش الگوهای رگرسیون چندمتغیره با داده‏های مقطعی‌ـ ترکیبی، رابطۀ میان متنوع‏سازی ‏مرتبط و غیرمرتبط محصولات، ساختار مالکیت و ساختار سرمایه شرکت طی دورۀ شش‌ساله (1383 تا 1388) ‌بررسی شد. نتایج نشان داد که بین متنوع‏سازی مرتبط محصولات و ساختار سرمایه رابطۀ معنادار و مثبتی وجود دارد و متنوع‏سازی غیرمرتبط محصولات نیز اثر معکوس و معناداری بر ساختار سرمایه دارد. همچنین نتایج پژوهش وجود رابطۀ معنادار و معکوسی بین تمرکز مالکیت و ساختار سرمایه ‏را نشان ‏داد. مطابق ‏این ‏نتایج،‏ شرکت‏هایی‏ که ‏‌میزان ‏تمرکز مالکیت‏ بالایی‏ ‌دارند، در ساختار سرمایه شرکت ‏از اهرم (بدهی) کمتری استفاده می‏کنند و سهامداران بیشتر تمایل دارند که ‏منابع مالی مورد نیاز خود را از محل سود انباشته تأمین کنند. با وجود این، شواهدی مبنی بر وجود رابطۀ معنادار بین سهامداران نهادی با ساختار سرمایه مشاهده نشد. 1 The paper studies of the effect the related and unrelated diversification for products and ownership structure on capital structure for a sample of 87 firms out of 19 industry listed on the Tehran stock exchange during the period 2004- 2009. For to regress of models to apply of multivariate approach include panel data and cross-sectional regressions. This study adopts panel fixed effects regression models to estimate the relationship between diversification (related/unrelated), ownership structure on capital structure, while controlling for some firm-specific characteristics like size, tangibility, growth opportunities, none-debt tax shields, return of total assets and coefficient of variation.The results indicated that related diversification (RD) positively and unrelated diversification (UD) negatively and significantly, effects on capital structure. Base‌on the definition of capital structure in this paper, firms that are undertake to unrelated diversification strategy, mainly financed by debt; whereas firms that follow related diversification strategy, increased their profitability and sale of production. therefore firms that use of the strategy (RD), minimize risk of liquidity and are likely to be mainly financed by equity. In addition, the results indicated that there was between ownership concentration and capital structure negatively and significant relation. According to the results, the firms that tend to engage in a high degree of ownership concentration, tending in have a lower level of debt in capital structure and stockholders more tend to finance by equity and thus minimize agency costs. The findings of the research also indicate that there isnot perceive significant relation between institutional stockholders and capital structure. 271 288 فرزین رضایی Farzin Rezaei استادیار حسابداری، دانشکدۀ مدیریت و حسابداری، دانشگاه آزاد اسلامی، قزوین، ایران ایران farzinrezaei@yahoo.com کاظم چاوشی نیا Kazem Chavoshi Nia کارشناس‎ارشد مدیریت بازرگانی (گرایش مالی)، دانشگاه آزاد اسلامی، قزوین، ایران ایران chavoshi375@yahoo.com تمرکز مالکیت ساختار سرمایه سهامداران نهادی متنوع‌سازی مرتبط و غیرمرتبط Al-Najjar, B. & Taylor, P. (2008) . The Relationship between Capital Structure and Ownership Structure. Managerial Finance, 34)12(: 919-933.##Arbabian, A. & Grayili, M. (2009) . The study of capital structures effect on the profitability of accepted companies at Tehran stock exchange. Management outlook, 33 (???): 159-175. (in Persian)##Assadi, Gh. & Mohammadi, Sh. & Khoram, A. (2010) . The relationship between capital structure & ownership structure. knowledge of accounting, 4(???): 29-48. (in Persian)##Baldwin, J., Beckstead, D., Gellatly, G. & Peters, A. (2000) . Patterns of Corporate Diversification in Canada: An Empirical Analysis. Analytical Studies Research, Research Paper Series. Available at http://dx.doi.org/10.2139/ ssrn.244523.##Baltagi, B. (2005) . Econometric Analysis of panel data, Third edition. John Wiley & sons, LTd..##Tan, B., Chang, H. Ch. & Lee, Ch. K.(2007) . Relationships among industry environment, diversification motivations and corporate performance. International Journal of Commerce, 17)4(: 326-346.##Brost, A. & Kliner, H. (1995) . New Developments in Corporate Diversification Strategies. Management Research News, 18(3-4-5): 24-33.##Bruche, G. (2000) . Corporate Strategy, Relatedness and Diversification. Journal of Finance, ??? (???): ???-???.##David, F. (1999) . Strategic management, Tehran: cultural researches office.##(in Persian)##Grant, R. M. (1988) . Diversity, diversification, and profitability among British manufacturing companies. Academy of Management Journal, 31 (4): 85-106.##Hadlock, C. J. & James, C. M. (2002) . Do Banks Provide Financial Slack? Journal of finance, 57(9): 1383- 420.##Kordlur, A. & Arabi, M. (2010) . The centralization of ownership and profit quality at accepted companies at Tehran stock exchange. Financial accounting researches, 2 (???): 95-110. (in Persian)##La Rocca, M., La Rocca, T. & Cariola, A. (2008). Capital structure decisions and diversification: the effect of relatedness on corporate financial behaviours. Journal of finance, University of Calabria, Arcavacata di Rende .##Larry, D. Su. (2010). Ownership Structure, Corporate diversification and capital structure. Management Decision, 48(2): 314-339.##Lichtenthaler, E. (2005) . Corporate diversification: identifying‏new businesses systematically in the diversified firm. Technovation, 25 (7): 697-709.##Lin, C. and Su, D. (2008) . Industrial diversification, partial privatization and firm valuation: evidence from publicly listed firms in China. Journal of Corporate Finance, 14(4): 405-417.##Mehrani, S. & Hosseini, A. & Heydari, H. & Pooyanfar, A. (2012) . Studying the effect of ownership structure affecting the value of accepted companies at Tehran stock exchange. financial researches(investigation), 15(1): 129-148. (in Persian)##Mishra, A. & Akbar, M. (2007). Empirical examination of diversification strategies in business groups. International Journal of Emerging, 2 (1): 22-38.##Mohammadi, Sh., Ghalibafasl, H. & Meshki, M. (2010) . Studying the effect of ownership structure (concentration & combination) on the output and value of accepted companies at Tehran stock exchange. financial investigations, 11(28): 69-88. (in Persian)##Setayesh, M. & Kashanipoor, F. (2010) . The study of effective causes affecting capital structure of accepted companies at Tehran stock exchange. Financial investigation, 12(30): 57-74. (in Persian)##Setayesh, M. & Kazemnejad, M. (2010) . Studying the effects of ownership structure and organization of director's board on the policy of accepted companies profitdivision at Tehran stock exchange. Knowledge of accounting, 1(???): 29-51. (in Persian)##Singh, M. & Davidson, W. Ш & Suchard, J. (2003). Corporate‏ diversification‏ Strategies‏ and capital‏structure. Quarterly Review‏ of Economics and Finance, 43(???): 147-167.##Tehrani, R. & Ahmadian, H. (2006) . The study of existing relationship between products variety risk and output of producing companies share of Tehran stock exchange. Commercial research journal, 15(???): 187-212. (in Persian)##Tehrani, R. & Babaei, M. & Karimi, K. (2007). The effect of variety strategy on the financial performance of producing companies of Tehran stock exchange. Financial investigations, 10(25): 21-40. (in Persian)##Zhao, J. (2010). Ownership‏structure and corporate diversification strategies of Chinese business groups. Management Research Review, 33(12): 1101-1112.##

0 تاثیر قیمت‌گذاری نادرست بر سرمایه‌گذاری و ساختار سرمایه در شرکت‌های با محدودیت مالی The Effect of Mispricing on Investment and Capital Structure of Financial Constraints Firms https://jfr.ut.ac.ir/article_51177.html 10.22059/jfr.2014.51177 0 هدف این مطالعه، بررسی تأثیر قیمت‏گذاری نادرست بر رفتار سرمایه‏گذاری و ساختار سرمایه است. همچنین نقش سطوح محدودیت مالی بر ارتباط میان قیمت‏گذاری نادرست و سرمایه‏گذاری و ساختار سرمایه را بررسی می‎کند. با استفاده از اطلاعات مالی 110 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در محدودۀ زمانی 1389‌ـ 1384 نتایج نشان می‏دهد که قیمت‏گذاری نادرست اثر معکوس بر رفتار سرمایه‏گذاری دارد، اما‌ این تأثیر فقط تفاوت اندکی هم بر شرکت‏های با محدودیت مالی زیاد و هم با محدودیت مالی کم دارد. علاوه‎بر این، قیمت‏گذاری نادرست، ساختار سرمایه را تحت‌تأثیر قرار می‏دهد. بین قیمت‏گذاری نادرست و ساختار سرمایه رابطۀ مستقیم برقرار است، اما قیمت‏گذاری نادرست در شرکت‏های با محدودیت مالی زیاد اثر معکوسی بر ساختار سرمایه می‎گذارد. روش آماری‌ استفاده‌شده در این پژوهش روش داده‏های پانل است. 1 The objective of this study is to examine the effect of mispricing on firm’s investment behavior and capital structure. It also tests the role of the level of financial constraints in the relationship between mispricing , investment and capital structure. Using data of 110 firms of Tehran stock exchang from 1384-1389, results indicated that mispricing has negative impact to firms investment. However, this effect only slightly different whether on high financial constraint firms (financially constraint) or on low financial constraint firms (less constraint). Moreover, this research also find that mispricing influence firm’s capital structure. Based on the finding in study, it has positive impact to firm’s capital structure. However, mispricing has negative impact to firm’s capital structure in high financial constraint firms. In this study is used of statictical method panel data. 289 308 ابراهیم عباسی Ebrahim Abbasi استادیار مدیریت مالی، دانشکدۀ علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران ایران abbasiebrahim2000@yahoo.com مریم شریفی Maryam Sharifi کارشناس‎ارشد حسابداری، دانشکدۀ مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران ایران m.sharifi_1361@yahoo.com داده‎های پانل ساختار سرمایه سرمایه‏گذاری قیمت‏گذاری نادرست محدودیت‏های مالی Alzahrani, M.F. (2006). Stock Mispricing and Corporate Investment Decisions. Ph.D Thesis. College of the Oklahoma State University.##Baker, M., Stein, J.C. & Wurgler, J. (2003). When Does the Market Matter? Stock Prices and the Investment of Equity-Dependent Firms. Quarterly Journal of Economics, 118 (3): 969-1005.##Chang, X., Tam, L.H.K., Tan, T.J. & Wong, G. (2007). The Real Impact of Stock Market Mispricing-Evidence from Australia. Pacific-Basin Finance Journal, 15 (4): 388-408.##Chang, X., Faff, R., Kwok, W.C. & Wong G., (2005). Financial Constraints, Mispricing and Corporate Investment. Department of Accounting and Finance, Faculty of Business and Economics, Monash University.##Elliott, W.B., Koëter-Kant, J. & Warr, R.S. (2008). Market Timing and the Debt-Equity Choice. Journal of Financial Intermediation, 17 (2): 175-197.##Hesarzadeh, R. (2009). The Investigation of Effects of Free Cash Flow and financial constraints on Overinvestment and Underinvestment. MA Thesis of Accounting. Faculty of Management, Tehran University.##(in Persian)##Holmström, B. (1999). Managerial Incentive Problems: A Dynamic Perspective. Review of Economic Studies, 66 (1): 169-182.##Hovakimian, A., Opler, T. & Titman, S. (2001). The Debt-Equity Choice. The Journal of Financial and Quantitative Analysis, 36 (1): 1-24.##Jensen, M. (2005). Agency costs of overvalued equity. Financial Management, 34 (1): 5-19.##Kanani Amiri, M. (2007). The Investigation of the relationship between financial constraints and stock returns in the stock market of Iran. Daneshvar raftar,14(26): 18-30. (in Persian)##Kaplan, S.N. & Zingales, L. (1997). Do Financing Constraints Explain Why Investment is Correlated With Cash Flow? Quarterly Journal of Economics, 11 (5): 169-215.##Khalatbari, H. (2010). The Investigation of Effects of Overvalue of stocks on Earnings Management of Theaccepted companies inTehran Stock Exchange. MA Thesis of Accounting. Faculty of Economics & Administrative Sciences, University of Mazandaran. (in Persian)##Lakonishok, J., Shleifer, A. & Vishny, R.W. (1994). Contrarian Investment, Extrapolation and Risk. Journal of Finance, 49 (5): 1541-78.##Morck, R., Vishny, R. & Shleifer, A. (1990). The stock market and Investment: is the market a side show? Brookings papers on Economic Activity, 21 (2): 157-216.##Naqi Nejad, B. (2009). The Investigation of Effects of financial constraints on cash-cash flow sensitivity. MA Thesis of Accounting. Faculty of Economics & Administrative Sciences, University of Mazandaran.##(in Persian)##Polk, C. & Sapienza, P. (2004). The Real Effects of Investor Sentiment. NBER Working Paper, No. 10563.##Shelifer, A. & Vishny, R.W. (2003). Stock Market Driven Acquisitions. Journal of Business, 69 (4): 429-455.##Shirinko, R. & Schaller, H. (2007). Fundamental, Misvaluation, and Investment: The Real Story. CESIFO Working Paper Series, 43 (7): 1423-1442.##Stein, J.C. (1996). Rational Capital Budgeting in An Irrational World. Journal of Business, 69 (4): 429-455.##Tobin, J. (1969). A General Equilibrium Approch to Monetary Theory. Journal of Money, Credit and Banking, 1 (1):15-29.##Trinugroho , I. & Risal, R. (2011). The Effect of Mispricing on Investment of Indonesian Firms: Do Financial Constraints Matter? Middle Eastern Finance and Economics, 9 (1): 14-23.##Vogt, S.C. (1994). The Cash Flow/Investment Relationship: Evidence from U.S. Manufacturing Firms. Financial Management, 23(2): 3-20.##Wang, Y. Wu, L. and Yang, Y. (2008). Does the Stock Market Affect Firm Investment in China? A Price Informativeness Perspective. Journal of Banking & Finance, 33 (1): 53–62.##Xiao, F. (2003). The Role of Stock Market in Influencing Firm Investment in China. (Electronic Doctoral Dissertations), UMass Amherst: Paper AAI3110569.##

0 تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره‎مندی از روش کاپیولا‌ـ گارچ Estimating Value at Risk of Portfolio of Oil and Gold by Copula-GARCH Method https://jfr.ut.ac.ir/article_50711.html 10.22059/jfr.2014.50711 0 توابع کاپیولا ابزار قدرتمندی برای توصیف ساختار وابستگی متغیرهای تصادفی چند‌بعدی ارائه کرده‌اند و از جدیدترین ابزار مدیریت ریسک مالی به حساب می‏آیند. یکی از کاربردهای توابع کاپیولا در مدیریت ریسک، محاسبۀ ارزش در معرض ریسک (VaR) پرتفوی است که از پرکاربردترین معیارهای ریسک در نهادهای مالی به‎شمار می‎رود. هدف اصلی پژوهش حاضر محاسبۀ دقیق‎تر ریسک است. پژوهش پیش رو با ترکیب توابع کاپیولا و مدل‏های (GARCH)، از رویکردی با عنوان «کاپیولا‌ـ گارچ» برای محاسبۀ VaR پرتفوی متشکل از نفت خام و طلا و داده‏های سال‏های 2007 تا 2012‌‌، بهره برده است. در ادامه، نتایج به‌دست‌آمده از روش یادشده با نتایج روش‏های سنتی VaR مقایسه شدند. یافته‏های تجربی نشان می‏دهد روش کاپیولا‌ـ گارچ در مقایسه با روش‏های سنتی، ریسک پرتفوی را با دقت بیشتری محاسبه می‏کند. 1 Copula functions are powerful tools that describe dependence structure of multi- dimension random variables and are considered as one of the newest tools for risk management. One application of copula functions in risk management is calculating Value at Risk that can assert is the most widely used risk measures in financial institutions. In this article which primary goal is estimating more accurate risk of portfolio, by combining copula functions and GARCH models we used a method called copula-GARCH model for calculating VaR of a portfolio composed of crude oil and gold with data from 2007 to 2012. We will then compare the results with the results of traditional VaR calculation methods. Empirical results indicate that copula-GARCH method measures portfolio risk more accurately in comparison with traditional methods 309 326 سعید فلاح پور Saeed Fallahpour استادیار گروه مدیریت مالی و بیمه، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران ایران sfallahpour@gmail.com احسان احمدی Ehsan Ahmadi کارشناس‎ارشد مدیریت مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران ایران ehsanahmadi32@yahoo.com ارزش در معرض ریسک پرتفوی کاپیولا GARCH GJR Clayton, D. (1978). A model for association in bivariate life tables and its application to a uranium exploration data set. Technometrics, 28 (2): 123-131.##Deng, L. Ma, C. & Yang, W. (2011). Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2 (1): 171-181.##Embrechts, P. McNeil, A. & Straumann, D. (2002). Risk Management Value at Risk and Beyond. Cambridge University Press.##Engle, R. (1982). Auto-regressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50 (4): 987-1007.##Frank, M. (1987). Best-poss bounds for the distribution of a sum – a problem of Kolmogorov. Probability Theory and Related Fields, 74 (1): 199-211.##Genest, C. (1987). Frank's family of bivariate distribution. Biometrika, 74 (3): 549-555.##Goorbergh, R. Genest, W. & Werker, B. (2005). Bivariate option pricing using dynamic copula models. Insurance, Mathematics and Economics, 37 (1): 101-114.##Gumbel, E. (1960). Bivariate exponential distributions. Journal of American Statistical Association, 55 (292): 698-707.##Hamerle, A. & Rosch, D. (2005). Misspecified Copulas in Credit Risk Models: How Good is Gaussian?. Journal of Risk, 8 (1): 35-47.##Hotta, L. Lucas, E. & Palaro H. (2008). Estimation of VaR using copula and extreme value theory. Multinational Finance Journal, 12 (3/4): 205-221.##Huang, J. Lee, H. Liang, H. & Fu, W. (2009). Estimating value at risk of portfolio by conditional copula-GARCH method. Insurance: Mathematics and Economics, 45 (3): 315-324.##Kupiec, P. (1998). Stress testing in a value at risk framework. The Journal of Derivatives, 6 (1): 7–24.##Ling, C. (1965). Represention of associative functions. Publicationes Mathematicae Debrecen, 12 (1): 189-212.##Meneguzzo, D. & Vecchiato, W. (2004). Copula Sensitivity in Collateralized Debt Obligations and Basket Default Swaps. The Journal of Future Markets,24 (1): 37-70.##National Bureau of Economic Research. (1927). The Behaviour of Prices. [Brochure].  New York : Mills, C.##Neslehova, J. Embrechts, P. & Demoulin, C. (2006). Infinite-mean Models and the LDA for Operational Risk. Journal of Operational Risk, 1 (1): 3-25.##Palaro, H. & Hotta, L. (2006). Using conditional copulas to estimate value at risk. Journal of Data Science, 4 (1): 93-115.##Patton, A. (2001). Applications of Copula Theory in Financial Econometrics. (Unpublished Ph.D. dissertation). University of California, San Diego, USA.##Schweizer, B. & Sklar, A. (1961). Associative functions and statistical triangle inequalities. Publicationes Mathematicae Debrecen, 8 (1): 169-186.##Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges. Publicationsde l'Institut Statistique de l'Universite de Paris, 8 (1): 229-231.##

0 بررسی اثر جهانی‌شدن بر هزینۀ سرمایۀ شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران با رویکرد داده‏ های ترکیبی The Survey of the Impact of globalization on the cost of capital of listed companies in Tehran Stock Exchange: Panel Data Approach https://jfr.ut.ac.ir/article_50706.html 10.22059/jfr.2014.50706 0 ‌هدف مطالعۀ حاضر بررسی اثر جهانی‌شدن بر هزینۀ سرمایۀ شرکت‏های پذیرفته‌شده در بورس اوراق بهادار تهران است. در این راستا، از درجۀ باز‌بودن تجاری به‌منزلۀ شاخص جهانی‌شدن تجارت و همچنین از سایر متغیرهای کنترلی مؤثر بر هزینۀ سرمایه از‌قبیل اندازۀ شرکت، نسبت دارایی‏های ثابت به کل دارایی‏ها، نسبت آنی و نسبت بدهی‏ها به کل حقوق صاحبان سهام برای شرکت‏های پذیرفته‌شده در بورس اوراق بهادار تهران برای دورۀ زمانی 1389-1385 استفاده شده است. بر‌اساس نتایج پژوهش حاضر اثر جهانی‌شدن تجارت بر هزینۀ سرمایه برای کل شرکت‏ها، پذیرفته می‏شود و می‏توان گفت آزاد‌سازی تجاری سبب کاهش هزینۀ سرمایه خواهد شد. همچنین متغیرهای نسبت آنی، نسبت دارایی‏های ثابت به کل دارایی‏ها، اندازۀ شرکت و نسبت بدهی‏ها به کل حقوق صاحبان سهام تأثیر معنا‏داری بر هزینۀ سرمایه می‎گذارند، اما با تفکیک شرکت‏ها به صنایع مختلف این اثر متفاوت است؛ به‌طوری‌که، اثر جهانی‌شدن بسته به حجم صادرات و واردات هر‌یک از شرکت‏ها، تأثیری متفاوت بر شرکت‏ها خواهد گذاشت. 1 The purpose of this study is to evaluate the effect of globalization on the cost of capital accepted companies in Tehran Stock Exchange (TSE(. In this regard, the degree of trade openness as an index the globalization of trade and other control variables such as firm size, the ratio of fixed assets to total assets, instantaneous ratio and the ratio of debts to total of equity has been used for the accepted companies in Tehran Stock Exchange during 2005-2010. The results of using of panel data show that the globalization of trade has a negative effect on the cost of capital. Also, the instantaneous ratio of fixed assets to total assets, firm size and the ratio of total of debt to equity have a significant effect on the cost of capital. But by separation of firms in different industries, the effect is different. As depending on the volume of exports and imports of each company, the effects of globalization will have a different impact on firms. 327 344 کاوه قادری Kaveh ghaderi کارشناس ارشد حسابداری، دانشگاه پیام نور، ایران ایران kawa.qa61@gmail.com سامان قادری Saman Ghaderi دکتری اقتصاد، دانشگاه پیام نور، ایران ایران saman_e82@yahoo.com صلاح الدین قادری Salahadin Ghaderi کارشناس‎ارشد حسابداری، دانشگاه آزاد اسلامی، بانه، ایران ایران tekosh.gh@gmail.com جهانی‌شدن داده‏های ترکیبی‌ هزینۀ سرمایه Abdel, S. & Shahira, F. (2002). The impact of globalization on capital markets: The Egyptian case, The Egyptian Exchange (EGX), Working Paper, 3, 2. DOI: 10.2139/ssrn.313119.##Adibikho, K. (2003). The Effects of Liberalizing Financial Markets on Iran's Capital Market. MA thisis. university of Tehran. Tehran. (in Persian)##Baharom, A.H., Habibullah, M.S. & Royfaizal, R.C. (2008). The relationship between Trade Openness, Foreign Direct Investment and Growth: Case of Malaysia. MPRA PaperT No. 11928, posted 4.##Baltagi, H. B. (2013). Econometric Analysis of panel Data. Hoboken: Johnwiley and Sonc.##Baltagi, B., Demetriades, P. & Law, S. H. (2009). Financial Development and Openness: Evidence from panel data. Journal of Development Economics, 89 (2): 285-296.##Dadgar, Y. & Nazari, R. (2008). The Survey of the Impact of Trade Globalization on Government Size in Iran. Iranian Journal of Trade Studies, 12 (48): 1-38. (in Persian)##Dastgir, M. & Bazazzadeh, H. (2003). The effect of mandatory disclosure on cost of equity capital. Journal of Financial Research, 5 (2): 83-103. (in Persian)##Fered, A. D. (2010). Strategic Management. (Parsaian, A. & Arabi, M. Trans.) Tehran: Cultural Research Bureau. (in Persian)##Greene, W. (2012). Econometric Analysis. New Jersy: Prentice-hall.##Gujarati, D. (2003). Basic Econometrics. New York: McGraw-Hill.##Hardouvelis, G. & Malliaropulos, D. & Priestly, R. (2003). The Impact of Globalization on the Equity Cost of Capital, CEPR Discussion Paper, 43-46. Available in: http://www.banque-france.fr/fondation/gb/telechar/papers_d/ impact2.pdf.##Heibati, F. (2001). Factors affecting international financial markets globalization. Unpublished doctoral dissertation. Islamic Azad University, Science and Research Branch. Tehran. (in Persian)##Henry, P. B. (2003). Capital-Account Liberalization, the Cost of Capital and Economic Growth. American Economic Review, 93 (2): 91-96.##Hsiao, C. (2003). Analysis of Panel Data. Cambridge: Cambridge University Press.##Jafarisamimi, A., Ghaderi, S. & Sanginabadi, B. (2014). The Effects of Openness and Globalization on Inflation: An ARDL Bounds Test Approach. Iranian Journal of Economic Studies, 1 (1): 29-48. (in Persian)##Jahankhani, A. (1994). Long Term Financing Strategy for Firms. Journal of Financial Research, 1 (2): 5-36. (in Persian)##Karami, G., Nazari, M. & Shafipoor, M. (2011). Economic Value Added and Stock Market Liquidity. Journal of Financial Research, 12(30): 117-132.##(in Persian)##Khodad-Kashi, F., Ahmadian, M., Shayegani, B. & Jani, S. (2012). The Influence of Protectionism and Trade Liberalization Policies in Industries Performance, Emphasizing on their Competitiveness: Case Study of Iran’s Industries. The Journal of Planning and Budgeting, 17 (1): 91-107. (in Persian)##Köksal, B. & Orman, C. & Oduncu. A. (2013). Determinants of Capital Structure: Evidence from a Major Emerging Market Economy. MPRA Paper, No. 48415.##Kordestani, G. & Majdi, Z. (2007). Investigation of Relation between Earnings Attributes and Cost of Equity. Journal of the Accounting and Auditing Review, 14 (2): 85-104. (in Persian)##Kordestani, G. & Tayefeh, S. (2013). Earnings Attributes and Cost of Equity. Journal of Financial Research,15 (1): 75-94. (in Persian)##Kukenova, M. (2011). Financial Liberalization and Allocative Efficiency of Capital. Policy Research Working Papers. (1): WPS 5670.##Modares, A. & Abdolahzadeh, F. (2009). Financial management. Tehran: Publication of Business Publishing Company. (in Persian)##Nadiri, M. (2004). Globalization and the challenges facing the government. Scholars, 6: 12-18. (in Persian)##Nazari, M. & Bazargani Nia, M. (2004). Title: Effects of globalization on the textile, clothing and leather during 78-1357. Economic Research, 64: 103-126.##(in Persian)##Omran, M. & Pointon, J. (2004). The Determinant of Cost of Capital by Industry within an Emerging Economy: Evidence from Egypt. International Journal of Business, 9 (3): 237 – 258.##Sadeghi, M. (2008). Introduction to globalization and financial markets, [Web log comment]. From http://www.rdis.ir/StandardStudiesDetail.asp?StudyID=287. (in Persian)##Stulz, R. M. (1999). Globalization of Equity Markets and the Cost of Capital. National Bureau of Economic Research Working Papers, 702, 51.##Tayebi, S., Haji Karami, M. & Sariri H. (2001). The Effect of Financial and Trade Openness on Financial Development: Evidence from Iran and its trade Partners (1996-2009). Economic Development Research,1(4): 39-60.##(in Persian)##Tehrani, R. & Ezazi, M. (2010). The Effect of Capital Market Liberalization on Economic Growth in Developing Countries. Journal of Financial Research, 11(28). (in Persian)##

0 محاسبۀ ریسک رویدادی (مطالعۀ موردی: بورس اوراق بهادار تهران) Measuring event risk https://jfr.ut.ac.ir/article_50712.html 10.22059/jfr.2014.50712 0 این مقاله به اندازه‎گیری ریسک رویدادی می‎پردازد که توسط کمیتۀ بازل معرفی‎شده و آثار ناشی از خبرهای ناگهانی را اندازه می‎گیرد. داده‎های این پژوهش بر اساس آمار روزانۀ ارزش بازاری هشتاد شرکت ثبت‎شده در بازار بورس اوراق بهادار تهران طی دورۀ زمانی 1388-1373 گردآوری شده است. در پژوهش حاضر پس از دسته‎بندی شرکت‎ها به سه گروه سبد بزرگ، متوسط و کوچک، به تجزیه‎وتحلیل و محاسبۀ ریسک رویدادی پرداخته شده است. در پژوهش پیش رو، برای نخستین‎بار در ایران الگویی از خانوادۀ الگوهای GARCH و گاوسی معکوس (IG) و توزیع پواسن برای الگوسازی ورود خبرهای ناگهانی به بازار ‌استفاده ‌شده است. یافته‌های این پژوهش حکایت از اهمیت ریسک رویدادی به‌منزلۀ جزء مهمی از ریسک کل دارد. نتایج نشان داد ریسک رویدادی محاسبه‌شده برای سبد متوسط 5 درصد و برای سبد بزرگ 2 درصد است. 1 This paper measures event risk which is introducing by the ball committee to measure the effect of sudden news. This study calculates event risk by using the data of registered firms in Tehran stock market between 1993 and 1994. For computing event risk, we use daily market capitalization for 80 firms during 1993-2009, then dividing these firms to three baskets; big, medium and small. The Model comes from the family of GARCH models and inverse Gaussian (IG) that is obtained from combination of GARJI distribution and normal distribution. Poisson distribution used for modeling of sudden news entry to the market.The conclusions show the importance of event risk as an important component of total risk. we computes Event risk for the medium basket about 5 percent and for the big basket about 2 percent. 345 358 محمد علی کفایی Mohammad Ali Kafaiee دانشیار اقتصاد، دانشگاه رایس، هاستون، ایالات متحدۀ آمریکا ایران m-kafaie@sbu.ac.ir هادی رحمانی فضلی Hadi Rahmani fazli دانشجوی دکتری علوم اقتصادی، دانشگاه شهید بهشتی، تهران، ایران ایران hady.rahmani@gmail.com ارزش در معرض خطر توزیع NIG‌ جهش‏ها‌ ریسک رویدادی Bali, G.T., Mo, H. & Tang, Y. (2008). The Role of Autoregressive Conditional##Skewness and Kurtosis in the Estimation of Conditional VaR, Journal of##Banking and Finance, 32(2): 269–282.##Barndorff-Nielsen, O. E. & Shephard, N. (2002). Econometric analysis of realised##volatility and its use in estimating stochastic volatility models. Journal of the##Royal Statistical Society, 64(2): 253-280.##Barndorff-Nielsen, O. E. & Shephard, N. (2006). Impact of Jumps on Returns and##Realised Variances: Econometric Analysis of Time-Deformed Lèvy##Processes. Journal of Econometrics, 131 (1-2): 217–252.##Barndorff-Nielsen, O.E. (1997). Normal Inverse Gaussian Distributions and Stochastic##Volatility Modelling, Scandinavian Journal of Statistics, 24(1): 1–14.##Barone-Adesi, G., Giannopoulos, K. & Vosper, L. (1999). VaR without correlations##for portfolios of derivative securities. Journal of Futures Markets, 10(5):##Basel (2004). International convergence of capital measurement and capital##standards. A revised framework. Updated November 2005. Basel Committee##on Banking Supervision. Bank for International Settlement, Basel, Switzerland.##Bollerslev, T. & Forsberg, L. (2002). Bridging the Gap between the Distribution of##Realized (ECU) Volatility and ARCH Modeling (of the Euro): The GARCH##Normal Inverse Gaussian Model, Journal of Applied Econometrics, 17 (5):##535–548.##Bollerslev, T. (1986). Generalised autoregressive conditional heteroskedasticity,##Journal of Econometrics, 31(3): 307–327.##Chan, W. & Maheu J. (2002) Conditional Jump Dynamics in Stock Market Returns.##Journal of Business and Economic Statistics, 20(3): 377–389.##Das, S. & Sundaram, R. (1997). Taming the Skew: Higher-Order Moments in##Modeling Asset Price Processes in Finance. National Bureau of Economic##Research. Working Paper 5976. DOI: 10.3386/w5976.##Gibson, M. (2001). Incorporating Event Risk into Value-at-Risk, FEDS Discussion,##Giot, P. & Laurent S. (2003). Value-at-Risk for long and short trading positions.##Journal of Applied Econometrics, 18(6): 641-664.##Hansen, B. E. (1994). Autoregressive Conditional Density Estimation. International##Economic Review, 35(3): 705–730.##Harvey, C. & Siddique, A. (1999). Autoregressive Conditional Skewness. Journal of##Financial and Quantitative Analysis, 34(4): 465–488.##Kuester, K., Mittnik, S. & Paolella, M. (2006). Value-at-Risk Prediction: A##Comparison of Alternative Strategies. Journal of Financial Econometrics, 4:##53–89.##Lanne, M. (2007). Forecasting Realized Volatility by Decomposition. International##Journal of Forecasting, 23(2): 307–320.##Maheu, J.M. & McCurdy T.H. (2004). News Arrival, Jump Dynamics and Volatility##Components for Individual Stock Returns. Journal of Finance, 59: 755–793.##Nelson, D. (1991). Conditional heteroscedasticity in asset returns: A new approach.##Econometrica, 59(2): 347–370.##Nyberg, P. & Wilhelmsson, A. (2009). Measuring Event Risk. Journal of Financial##Econometrics, 7(3): 265–287.##Press, S. J. (1967). A compound events model for security prices. Journal of##Business, 40(3): 317-335.##Pritsker, M. (1997). Evaluating Value at Risk Methodologies, Journal of Financial##Services Research, 12(2/3): 201-242.##Raei, R. & Saeedi, A. (2009). Financial engineering and risk management##principles, Fourth Edition, Tehran: Samt. (in Persian)##Rydberg, T. H. (1999). Generalized hyperbolic diffusion processes with application##in finance. Mathematical Finance, 9(2): 183–201.##Sajadi, Z. & Fathi, S. (2014). A four-step explanation of the process of calculating##the value at risk as a measure of risk and implement it in an optimization##model for investors. Financial knowledge Analysis Securities Journal, 6(20.##Stambaugh, F. (1996). Risk and Value-at-Risk. European Management Journal, 14##(6): 612-621.##Wilhelmsson, A. (2009). Value at Risk with Time-Varying Variance, Skewness and##Kurtosis – The NIG-ACD Model. Econometrics Journal, 12 (1): 82–104.##

0 بررسی رفتار جمعی سرمایه گذاران در بورس اوراق بهادار تهران با رویکردی مبتنی بر حجم معاملات A Survey in Investor Herding Behavior With Trading Volume Approach in Tehran Stock Exchange https://jfr.ut.ac.ir/article_50709.html 10.22059/jfr.2014.50709 0 رفتار جمعی سرمایه‌گذاران در بازار سرمایه، نوعی تورش رفتاری است‌ که می‏تواند پیامدهای نامطلوبی چون حباب، سقوط قیمت‏ها، تشدید نوسانات در قیمت سهام و مخدوش‌شدن روابط تعادلی قیمت‌ها و در‌نهایت حرکت بازار به سوی ‌کارایی‌نداشتن را به‏‎دنبال داشته باشد. منظور از رفتار جمعی در بازار سرمایه، وضعیتی است که فرد بنا به‎دلایل منطقی یا غیر‌منطقی اطلاعات و تحلیل‌های شخصی خود را نادیده می‌گیرد و اقدام به تبعیت و تقلید از تصمیمات دیگران می‏کند. پژوهشگران حوزۀ مالی رفتاری از ابعاد مختلفی اقدام به مطالعه و بررسی این پدیده کرد‌ه‌اند که در این پژوهش از دو مدل استاندارد CAPM و هوانگو سالمون HS با رویکرد مبتنی بر حجم معاملات که یکی از روش‌های جدید و رویکردهای اندازه‏گیری و سنجش رفتار جمعی سرمایه‌گذاران به‎شمار می‎رود، استفاده شده است. این پژوهش با استفاده از حجم معاملات روزانه برای دورۀ زمانی 36 ماهه (مرداد‌ماه 1388 تا تیرماه 1391) در خصوص 146 شرکت از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران اجرا شده است. نتایج پژوهش حاضر نشان می‏دهد رفتار جمعی به‌صورت پیوسته در بورس اوراق بهادار تهران در طول دورۀ بررسی انجام شده است. 1 Herd behavior by investors in capital markets is a behavioral bias that can cause to undesirable effects such as bubble, crash and high fluctuation in stock price. This anomalies can disturb the equilibrium relations in stock market and lead to market inefficiency. Herd behavior is a condition that investors with rational or in rational reasons ignore private information and imitate from others. Many methods and models are provided by researchers to measuring the herd behavior of investors in stock markets. In this article we use Hwang and Salmon and CAPM methods with trading volume approach to measuring the herd behavior. Our study has conducted in a 36 -month period (July 2009 to June 2008) on 146 firms listed in Tehran Stock Exchange. We find evidence of continuous herding in Tehran stock exchange 359 371 غلامحسین گل ارضی Gholamhosein Golarzi استادیار مدیریت مالی، دانشکدۀ اقتصاد و مدیریت، دانشگاه سمنان، سمنان، ایران ایران g_golarzi@semnan.ac.ir علی اصغر ضیاچی Aliasghar Ziyachi کارشناس‎ارشد مدیریت بازرگانی (مالی)، دانشکدۀ اقتصاد و مدیریت، دانشگاه سمنان، سمنان، ایران ایران aliziachi@yahoo.com بورس اوراق بهادار تهران حجم معاملات سهام رفتار جمعی ضریب بتا Banerjee, A. (1992). A Simple Model of Herd Behavior. Quarterly Journal of Economics, 107(3): 797 -818.##Bikhchandani, S. & Sharma, S. (2001). Herd Behavior in Financial Markets: A Review. Working Paper, International Monetary Fund. The University of California.##Bikhchandani, S. & Hirshleifer, D.A. & Welch, I. (1992). A Theory of Fads, Fashion, Custom and Cultural Change As Informational Cascades. Journal of Political Economy, 100(5): 992-1026.##Chang, E. & Cheng, J. & Khurana, A. (2000). An Examination of Herd Behavior in Equity Markets: An Empirical Perspective. Working Paper, Georgia Institute of Technology.##Christie, G. & Huang, D. (1995). Following the Pied Piper: Do Individual Returns Herd around the Market? Financial Analysts Journal, 51 (4): 31-37.##Fallahpour, S. & Abdollahi, Gh. (2011). Identification and Weighting the Investor's Behavioral Biases in Tehran Stock Exchange with Fuzzy AHP Approach. Financial Research, 9(31): 99 - 120. (in Persian)##Golarzi, GH. (2010). Analysis the Herd Behavior of Investors in Tehran Stock Exchange Using With State Space Model. PhD Dissertation, Tehran University, Tehran. (in Persian)##Grinblatt, M., Titman, S. & Wermers, R. (1995). Momentum Investment Strategies, Portfolio Performance, and Herding: A Study of Mutual Fund Behavior. American Economic Review, 85(5): 1088-1105.##Hachicha, N. (2010). New Sight of Herding Behavioral through Trading Volume. Discussion Paper, 20: 10 -11.##Hajiyannezhad, A. (2009). Assay The Herding Behavior in Selected Industries in Tehran Stock Exchange During 2001 – 2008. Master Dissertation, Isfahan University, Isfahan. (in Persian)##Hwang, S. & Salmon, M. (2001). A New Measure of Herding and Empirical Evidence. Working Paper. University of London Business School.##Hwang, S. & Salmon, M. (2004).Market stress and herding. Journal of Empirical Finance, 11(4): 585 – 616.##Lakonishok, J., Shleifer, A. & Vishny, W. (1992). The Impact of Institutional Trading on Stock Prices. Journal of Financial Economics, 32 (1): 23- 43.##Nazari, M. & Farzanegan, A. (2011). Periodic Anomalies in Common Stock Return in Tehran Stock Exchange. A Nonparametric Resembling bootstrap method. Financial Research. 9(31):147 -167. (in Persian)##Nofsinger, R. (1996). Tests of Herding and Positive Feedback Trading Strategies By Institutions and Individuals. Washington State University.##Raei, R. & Fallahpour, S. (2004). Behavioral Finance: A Different Approach toward Finance. Financial Research. 6(18): 77-106. (in Persian)##Shahryari, S. (2006). Assay The Investor Herding Behavior With Stock Return Deviation From Market Return During 2001 – 2005 in Tehran Stock Exchange. Master Dissertation, Tehran University, Tehran. (in Persian)##Talangi, A. (2004). The Rational Behavioral Debate in Finance. Financial Research, 6(17): 3-25. (in Persian)##Wang, D. & Canela, M. (2006). Herd Behavior towards the Market Index: Evidence from 21 Financial Markets. Working paper. Available at http://ssrn.com /abstract=1316783. ##Wermers, R. (1995). Herding, Trade Reversals, and Cascading by Institutional Investors. University of Colorado, Boulder.##