دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با استفاده از نظریۀ امکان و الزام فازی
193
216
FA
سید بابک
ابراهیمی
استادیار گروه مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
b_ebrahimi@kntu.ac.ir
مژگان
آقایی شیخ رضی
دانشجوی کارشناسی ارشد مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
aghaei.mojgan@yahoo.com
نگین
محبی
کارشناس ارشد مهندسی مالی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
mohebbi.negin@yahoo.com
10.22059/jfr.2017.218621.1006298
یکی از نگرانیهای اصلی سرمایهگذاران و مدیران مالی، نحوۀ رویارویی با ریسک سرمایهگذاری و نوسانهای بازده است؛ از این رو شناسایی، اندازهگیری و مدیریت ریسک، از موضوعات مهم در مباحث مالی تلقی میشود. در سالهای اخیر، کانون توجه بسیاری از شرکتهای مالی به معیار ارزش در معرض ریسک و ریزش مورد انتظار برای اندازهگیری ریسک پرتفوی است. از جمله مهمترین مشکلات روشهای ارائه شده در اندازهگیری ریسک، در نظر نگرفتن عدم قطعیت موجود در دادههای مالی است. به همین دلیل در پژوهش پیش رو برای تطابق بیشتر مدل با واقعیت، به برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با لحاظ عدم قطعیت دادهها، پرداخته میشود. در این رابطه از مفهوم متغیر تصادفی فازی و نظریۀ امکان و الزام فازی، بهمنظور پوشش عدمقطعیت موجود در دادههای مالی، استفاده شده است. در نظر گرفتن عوامل ریسک بهصورت متغیر تصادفی، این امکان را برای سرمایهگذار فراهم میکند که با پذیرش سطح خاصی از عدم قطعیت، میزان ریسک پرتفوی خود را برآورد کند. علاوهبر این در پژوهش پیش رو، کلیه برآوردها با دو فرض توزیع نرمال و تی استیودنت انجام شده و نتایج بهدست آمده از حل مدل با دادههای عددی، نشاندهندۀ این است که لحاظ توزیع t و نیز عوامل ریسک بهصورت متغیر تصادفی، سبب ایجاد برآوردهای محافظهکارانهتری برای دو سنجۀ مد نظر شده است.
ارزش در معرض ریسک,ریزش موردانتظار,عدم قطعیت,متغیرهای تصادفی فازی,نظریۀ امکان و الزام فازی
https://jfr.ut.ac.ir/article_64809.html
https://jfr.ut.ac.ir/article_64809_aa1cae9846a349ce24248cbfa8f4665e.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
بررسی اثر ماههای رمضان و محرم بر ریسک و بازدهی صندوقهای سرمایهگذاری مشترک در بازار سرمایۀ ایران
217
238
FA
سید علی
حسینی
استادیار گروه حسابداری، دانشکدۀ علوم اجتماعی و اقتصاد دانشگاه الزهرا (س)، تهران، ایران
hosseinira@yahoo.com
محمد
صالحی فر
دانشجوی دکتری مدیریت مالی، دانشکدۀ مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
salehifar_mohammad@yahoo.com
مسلم
نیلچی
0000-0001-8946-4693
دانشجوی دکتری مدیریت مالی، دانشگاه یزد، یزد، ایران
moslem.nilchi@gmail.com
10.22059/jfr.2017.212407.1006255
مطالعۀ حاضر به بررسی اثر ماههای رمضان و محرم بر ریسک و بازدهی صندوقهای سرمایهگذاری مشترک و فعال در بازار سرمایۀ ایران میپردازد. این بررسی با استفاده از تجزیه و تحلیل رگرسیون چند متغیره، آزمونهای خود همبستگی و مدل گارچ در بازۀ زمانی 25/5/1388 تا 25/5/1394 صورت پذیرفته است. یافتههای پژوهش نشان میدهد، اگرچه برخی روابط مثبت و منفی در بازده و ریسک تعدادی از صندوقهای سرمایهگذاری مشترک دیده میشود، نمیتوان آن را بهصورت یک قاعده یا رفتار کلی به تمام صندوقهای سرمایهگذاری مشترک نسبت داد. به بیان دیگر، روند غیرعادی در بازدهی و ریسک صندوقهای سرمایهگذاری مشترک طی ماههای رمضان و محرم دیده نمیشود. با توجه به نتایج پژوهش میتوان گفت که در تمام صندوقهای سرمایهگذاری مشترک مورد مطالعه، بازدهی غیرمعقولی که دارای تأثیر معناداری باشد، مشاهده نمیشود و تفکر عام مبنی بر وقوع رکود و کاهش در بازدهی صندوقهای سرمایهگذاری مشترک در ماههای رمضان و محرم به تأیید نمیرسد.
بازده,ریسک,صندوقهای سرمایهگذاری مشترک,مالی رفتاری,مدل گارچ
https://jfr.ut.ac.ir/article_64810.html
https://jfr.ut.ac.ir/article_64810_abc060b80d7dd97ecabdefc7ed278566.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
استراتژی بهینۀ اجرای معاملات بزرگ با رویکرد شبیهسازی عاملگرا
262
239
FA
محمد علی
رستگار
0000-0001-5094-602X
استادیار گروه مهندسی مالی، دانشکدۀ مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران
ma_rastegar@modares.ac.ir
خاطره
ساعدی فر
کارشناس ارشد مهندسی مالی، دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران
kh.saedifar@gmail.com
10.22059/jfr.2017.240979.1006510
سرمایهگذارانی که خواهان اجرای سفارشهای بزرگ هستند، همواره با موازنۀ اثر قیمتی و هزینۀ فرصت (ریسک اجرای معامله) مواجهاند. هدف از این پژوهش، یافتن روش بهینهای برای اجرای چنین سفارشهاست. این پژوهش با استفاده از دادههای تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارشگذاریها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش بهطور جداگانه محاسبه کرده، سپس استراتژی بهینۀ معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی میکند. در بازار معاملاتی شبیهسازیشده، اثر قیمتی برای سفارشهای بزرگ نیز در نظر گرفته شده است. روش شبیهسازی، روش عاملگرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روشهای یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان میدهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش میتواند بهتر از استراتژیهایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است بهطور متوسط قیمت میانگین موزون حجمی (هزینههای اجرای معاملات) را 137/0 درصد نسبت به بازار کاهش دهد.
اثر قیمتی,استراتژی اجرای معاملات,شبیهسازی عاملگرا,معاملات الگوریتمی,هزینۀ اجرای معاملات
https://jfr.ut.ac.ir/article_64808.html
https://jfr.ut.ac.ir/article_64808_dcd363aef4e39af6195e8f0782c7b884.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
بهینهسازی سبد سهام با استفاده از الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری (TLBO) در بورس اوراق بهادار تهران
263
280
FA
ابوذر
سروش
دکتری مدیریت مالی، دانشکدۀ مدیریت، دانشگاه تهران، تهران،ایران
asoroosh@gmail.com
رومینا
عطرچی
دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت،دانشگاه تهران، تهران، ایران
romina.atrchi@ut.ac.ir
شاهین
رامتین نیا
دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت، دانشگاه تهران،تهران، ایران
shahin.ramtinnia@ut.ac.ir
10.22059/jfr.2017.234738.1006462
افزایش بازده و کاهش ریسک، همواره یکی از مهمترین مسائلی است که سرمایهگذاران در بازارهای مالی به آن توجه میکنند. با وجود سابقۀ طولانی بهینهسازی سبد سهام، الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روشهای فراابتکاری، برای حل مسائل بهینهسازی است. در این پژوهش، سعی شده است مسئلۀ بهینهسازی سبد سهام، در چارچوب مدل معرفی شدۀ مارکوویتز، با استفاده از الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری حل شود. بدین منظور، از بازدهیهای روزانۀ 20 شرکت پذیرفته شده در بورس اوراق بهادار تهران که دارای نقدینگی بالا در بازۀ زمانی 1391 تا 1395 بودند، استفاده شده است. نتایج بهدست آمده از این تحقیق نشان میدهد الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری، نسبت به سایر الگوریتمها برای یافتن مرز کارا و بهینهسازی سبد سهام، عملکرد بهتری دارد.
ارزش در معرض ریسک مشروط,الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری,بهینهسازی سبد سهام,روشهای فراابتکاری,مدل میانگین ـ واریانس
https://jfr.ut.ac.ir/article_64811.html
https://jfr.ut.ac.ir/article_64811_4a9a8a27d832af560fded76e7bda8482.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
بررسی روندهای تصادفی مشترک بین شاخص قیمت سهام بورس اوراق بهادار تهران و بازارهای سهام شرکای اصلی تجاری
281
298
FA
کیومرث
شهبازی
دانشیار گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران
k.shahbazi@urmia.ac.ir
سلیمان
فیضی
استادیار گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران
s.feizi@urmia.ac.ir
سید یوسف
فتاحی
دانشجوی دکتری گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران
yousof.fattahi@gmail.com
10.22059/jfr.2017.216492.1006286
هدف اصلی مقالۀ حاضر، بررسی همپیوندی و رفتار متقابل بین شاخص قیمت بازار سهام ایران و بازار سهام عمدهترین شرکای تجاری کشور و همچنین تحلیل روندهای تصادفی مشترک موجود بین آنها برای دورۀ 2015-2007 است. برای نیل به این هدف از روش یوهانسن و یوسیلیوس (1992) و رهیافت گونزالو و گرنجر (1995) استفاده شد. نتایج بهدست آمده، وجود رابطۀ همجمعی و سه روند تصادفی مشترک بین بازارهای بررسیشده را نشان میدهد که منعکسکنندۀ کامل نبودن یکپارچگی بلندمدت بین این گروه از متغیرها است. نتایج تحلیل روندهای تصادفی مشترک نیز گویای این واقعیت است که طی دورۀ بررسی، شاخص قیمت سهام بورس اوراق بهادار تهران از یک سو، مشارکت کمرنگی در روندهای تصادفی موجود دارد و از سوی دیگر، واکنش شدیدی نسبت به روندهای یاد شده از خود نشان داده است. در نهایت، با توجه به همگرایی ضعیف بین شاخص قیمت بازارهای منتخب، با متنوعسازی بینالمللی سبد سهام میتوان به منافع حاصل از آن دست یافت.
روند تصادفی مشترک,رهیافت گونزالو و گرنجر,شاخص قیمت سهام,شرکای تجاری,همجمعی
https://jfr.ut.ac.ir/article_64812.html
https://jfr.ut.ac.ir/article_64812_fc23e1d89ca18de8ac741b3aa4827339.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
بررسی عملکرد شبکۀ عصبی بیزین و لونبرگ مارکوات در مقایسه با مدلهای کلاسیک در پیشبینی قیمت سهام شرکتهای سرمایهگذاری
299
318
FA
حسین
فخاری
0000-0003-4192-6582
دانشیار گروه حسابداری، دانشکدۀ علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران
h.fakhari@umz.ac.ir
محمد
ولی پور خطیر
استادیار گروه مدیریت صنعتی، دانشکدۀ علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران
m.khatir1461@gmail.com
سیده مائده
موسوی
کارشناس ارشد حسابداری،، دانشکدۀ علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران
mosavi.maedeh12@yahoo.com
10.22059/jfr.2017.214203.1006264
پیشبینی دقیق قیمت سهام، با توجه به نوسانهای زیاد و ریسک ذاتی بازار سرمایه، یکی از دغدغههای اصلی سرمایهگذاران و تحلیلگران مالی است، از این رو بهکارگیری رویکردهای نوین پیشبینی قیمت سهام ضرورت اجتنابناپذیری است. بر این اساس، هدف تحقیق حاضر، مقایسۀ عملکرد مدلهای پیشبینی شبکۀ عصبی با مدلهای کلاسیک و معرفی مدل مناسب برای پیشبینی قیمت روز آتی سهام است. برای طراحی مدل پیشبینی با شبکۀ عصبی، از دادههای قیمت روزانۀ بازار و شاخصهای تکنیکی مالی بهعنوان متغیرهای ورودی استفاده شد و برای طراحی مدل آریما، دادههای قیمت بستهشدن روزانه بهعنوان متغیر ورودی و همچنین قیمت بستهشدن روز آتی بهعنوان متغیر خروجی هر دو مدل در دورۀ زمانی 1390 تا 1393 در نظر گرفته شد. نتایج بهدست آمده با شبکۀ عصبی بیزین بیانکنندۀ خطای کمتر و قدرت پیشبینی بیشتر آن در مقایسه با مدل آریما است. یافتههای تحقیق گویای کارایی بیشتر شبکۀ عصبی بیزین در استفاده از فرصتهای سرمایهگذاری کوتاهمدت بازار است که میتواند به سرمایهگذاران در انتخاب پرتفوی مناسب و کسب بازده بیشتر کمک کند.
آریما,پیشبینی قیمت سهام,تابع آموزش بیزین,تابع آموزش لونبرگ مارکوات,شبکۀ عصبی
https://jfr.ut.ac.ir/article_64813.html
https://jfr.ut.ac.ir/article_64813_1efb3efa1b885ef500ff472157216a96.pdf
دانشکده مدیریت دانشگاه تهران
تحقیقات مالی
1024-8153
2423-5377
19
2
2017
07
23
بهینهسازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتمهای تکاملی
319
340
FA
احمد
نبی زاده
استادیار دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران
ahmadnabizade@gmail.com
هادی
قره باغی
کارشناس ارشد مدیریت مالی، دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران
hadi.gharehbaghi@gmail.com
عادل
بهزادی
دانشجوی دکتری مهندسی مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران
adel_behzadi@ut.ac.ir
10.22059/jfr.2017.226501.1006374
بهینهسازی سبد سهام همواره یکی از با اهمیتترین مسائل در علوم مالی است. استراتژیهای مختلفی برای مدیریت پرتفوی سبد سهام استفاده شدهاند که بهطور عمده میتوان آنها را بر دو نوع فعال و غیرفعال دستهبندی کرد. یکی از مهمترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. بهمنظور تشکیل پرتفوی ردیاب شاخص از مدلها و الگوریتمهای مختلفی استفاده میشود. پژوهش پیش رو بهمنظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن بهکارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. بهمنظور بررسی کارایی مدل نیز، از دادههای بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائهشده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.
الگوریتمهای تکاملی,الگوریتم تکامل دیفرانسیلی,الگوریتم ژنتیک,بتای نامطلوب,ردیابی شاخص
https://jfr.ut.ac.ir/article_64814.html
https://jfr.ut.ac.ir/article_64814_09535564a5176de3bf3c0507e1f7282e.pdf