دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321Developing a High-Frequency Trading system with Dynamic Portfolio Management using Reinforcement Learning in Iran Stock Marketارائه مدل معاملاتی با فراوانی زیاد، همراه با مدیریت پویای سبد سهام به روش یادگیری تقویتی در بورس اوراق بهادار تهران1166735110.22059/jfr.2017.230613.1006415FAمحمد علیرستگاراستادیار گروه مهندسی مالی، دانشکده مهندسی صنایع دانشگاه تربیت مدرس، تهران، ایران0000-0001-5094-602Xمحسندستپاککارشناس ارشد مهندسی مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایرانJournal Article20170405<strong>Objective</strong><strong>:</strong> Presence of the considerable gap between the time of receiving the buy/sell signals and the beginning of the price change trend provides an appropriate situation for implementation of algorithmic trading systems. Tehran stock exchange is one of these markets. A high-frequency trading system has some advantages (exploiting intraday stock market volatility) and disadvantages (high amounts of transaction cost due to the high transaction volume), thus we can augment the advantages and control the disadvantages by designing the system elaborately and modifying the trading regulations.
<strong>Methods</strong><strong>:</strong> In this research, the “Local Traders” approach has been utilized to predict the future trend of stock and Reinforcement Learning has been used for dynamic portfolio management. According to the “Local Traders” approach, there is a local trader (an agent) for each stock that is expert at it. It predicts the future trend of its own stock based on stock’s intraday data and their technical indicators by determining how beneficial it is to buy, sell or hold. In this research, 2 models will be proposed based on Local Traders. Based on the first one, trades with fixed lot size were sought by exploiting the local traders’ recommendations. In the second model which is an extension of first model, one can dynamically manages the portfolio using reinforcement learning and local traders’ recommendations.
<strong>Results</strong><strong>:</strong>Results showed that, the proposed models outperformed the Buy and Hold strategy in Normal and Descending markets. Furthermore, in all kinds of markets, the second model outperformed the first one.
<strong>Conclusion</strong><strong>:</strong> Generally, the Buy and Hold strategy works the best in an Ascending market, hence the proposed algorithms are not expected to outperform this strategy. However, the performance of the proposed approach along with Neural Network method to anticipate the future trend of stocks was considerable in Normal and Descending markets. In addition, the implementation of Reinforcement Learning model to dynamically manage the portfolio has improved the results.هدف: شکاف بین زمان دریافت سیگنال خرید/ فروش و آغاز روند تغییر قیمت در بازارهای نوظهور، بستر مناسبی برای پیادهسازی سیستمهای معاملات الگوریتمی ایجاد میکند. ارائه یک سیستم معاملاتی با تکرار زیاد، مزایا (استفاده از نوسانهای درونروزی) و معایبی (هزینه زیاد معاملاتی) دارد که با طراحی درست آن و اصلاح مقررات معامله، میتوان مزایای آن را افزایش داد و معایبش را کنترل کرد.
روش: در این پژوهش، به ارائه رویکرد استفاده از خودمعاملهگرها برای پیشبینی روند آتی سهم و بهرهگیری از روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام پرداخته شده و دو مدل بر همین پایه ارائه شده است. مدل نخست با بهره بردن از پیشنهاد خودمعاملهگرها، به معامله با مقدار ثابت اقدام میکند. مدل دوم که به نوعی بسط داده شده مدل نخست است، به کمک روش یادگیری تقویتی، به مدیریت پویای سبد سهام میپردازد.
یافتهها: نتایج نشان میدهد عملکرد هر دو مدل در بازارهای نزولی و نرمال، بهتر از استراتژی خرید ـ و ـ نگهداری است. همچنین بر اساس نتایج، در تمام بازارها مدل دوم در مقایسه با مدل نخست، عملکرد بهتری دارد.
نتیجهگیری: به طور کلی در بازار صعودی بهترین استراتژی، خرید ـ و ـ نگهداری دارایی است، در نتیجه نمیتوان از الگوریتمهای پیشنهادی عملکردی بهتر از این استراتژی انتظار داشت. از سویی دیگر میتوان گفت روش شبکه عصبی برای پیشبینی روند آتی سهم با رویکرد ارائه شده در این پژوهش، عملکرد بسیار مناسبی در بازارهای نزولی و نرمال داشته است. همچنین پیادهسازی روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام توانسته عملکرد مدل را بسیار بهبود بخشد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321Analysis of Conditional Capital Asset Pricing Model with Time Variant Beta using Standard Capital Asset Pricing Modelمقایسه مدل قیمتگذاری دارایی سرمایهای شرطی با بتای متغیر نسبت به زمان، از طریق مدل قیمتگذاری دارایی سرمایهای استاندارد17325149010.22059/jfr.2014.51490FAسعیدفلاح پوراستادیار مدیریت مالی، دانشکده مدیریت دانشگاه تهران، تهرانشاپورمحمدیدانشیار اقتصادسنجی، دانشکده مدیریت دانشگاه تهران، تهران، ایرانمحمدصابونچیکارشناس ارشد مدیریت مالی، دانشگاه تهران، تهران، ایرانJournal Article20140817<strong>Objective</strong><strong>:</strong> The aim of the present study is to analyze and test the power of Conditional Capital Asset Pricing Model (CAPM) with Time Variant Beta against Standard Capital Asset Pricing Model to find the better model to explain expected return of stocks<strong><em>.</em></strong>
<strong>Methods</strong><strong>:</strong> Using monthly data, beta value was estimated using standard CAPM and Multivariate GARCH methods for companies included in the statistical sample. Based on these two methods, the expected returns of the next year to test out-of-sample performancewere calculated by eliminating 12 months from the top and adding 12 months from the bottom<strong><em>.</em></strong> The same process was repeated for the following years. Then, the accuracy of each of these models was examined using criteria MAE and MSE.
<strong>Results</strong><strong>:</strong> Using paired t-test and Diebold-Mariano test, we tested the research hypothesesand the results were presented based on MAE and MSE indices. The results showed that according to both criteria in MAE and MSE, the conditional CAPM models, whether based on full rank BEKK or diagonal BEKK, can have better performance than the standard CAPM model.
<strong>Conclusion</strong><strong>:</strong> Regarding the findings and better predictive power of conditional CAPM based on full rank BEKK and/or diagonal BEKK, in terms of MAE and MSE criteria, replacing the standard model with these models can result in higher accuracy.
هدف: هدف این مطالعه، بررسی توان مدل CAPM شرطی مبتنی بر بتای متغیر نسبت به زمان در مقایسه با مدل CAPM استاندارد، به منظور یافتن مدل مناسب برای تبیین بازده مورد انتظار سهام است.
روش: با استفاده از دادههای ماهانه و به کمک روشCAPM استاندارد و روشهای ناهمسانی واریانس شرطی چند متغیره، بتای شرکتهای داخل نمونه برآورد شد. بر اساس این دو روش و به منظور بررسی عملکرد خارج از نمونه، بازده مورد انتظار سال بعد برای هر دو مدل محاسبه گردید و با حذف 12 ماه از بالا و اضافه کردن 12 ماه بعد، فرایند قبل برای سالهای بعدی تا انتهای دوره زمانی تحقیق تکرار شد، سپس دقت هر یک از مدلهای یاد شده با استفاده از معیار میانگین قدر مطلق خطا و میانگین مجذور خطا بررسی و مقایسه گردید.
یافتهها: فرضیههای تحقیق با استفاده از آزمون مقایسه زوجی و دایبولد ـ ماریانو، بررسی شدند و نتایج آزمون فرضیهها بر اساس معیارهای میانگین قدر مطلق خطا و میانگین مجذور خطا ارائه شد. نتایج نشان داد که بر اساس هر دو معیار میانگین قدر مطلق خطا و میانگین مجذور خطا، مدلهای CAPM شرطی چه بر مبنای مدل BEKK قطری و چه مبنای مدل BEKK مرتبه کامل، نسبت به مدل CAPM استاندارد عملکرد بهتری دارند.
نتیجهگیری: با توجه به یافتههای بیان شده و قدرت پیشبینی بهتر قیمتگذاری دارایی سرمایهای شرطی بر مبنای مدل BEKK مرتبه کامل و BEKK قطری از لحاظ معیارهای میانگین قدر مطلق خطا و میانگین مجذور خطا نسبت به مدل قیمتگذاری دارایی سرمایهای استاندارد، جایگزینی این مدلها به جای مدل استاندارد دقت بالاتری ارائه میدهد.
دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321An Analysis of the Unobserved Actions of Iranian Mutual Funds using Return Gap Criteriaارزیابی فعالیتهای گزارش نشده صندوقهای سرمایهگذاری مشترک با استفاده از معیار شکاف بازده33526735210.22059/jfr.2018.236224.1006470FAعلیابراهیم نژاداستادیار گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایرانسید مهدیبرکچیاناستادیار گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایرانمجیدغنیپورکارشناس ارشد اقتصاد مالی، دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایرانJournal Article20170621<strong>Objective</strong><strong>:</strong> This study aims at measuring the effect of added valued of unobserved actions of mutual funds.
<strong>Methods</strong><strong>:</strong> Using Return Gap criteria– the difference between the return of hypothetical and actual return – the researchers examined the effect of indiscernible activities in mutual funds throughout seasonal reports.
<strong>Results</strong><strong>:</strong> The results showed that unreported activities in mutual funds create just enough value to offset their costs.
<strong>Conclusion</strong><strong>:</strong> We studied the unobserved actions of Iranian mutual funds among quarterly disclosure of holdings. We measured the effect of these unobserved actions using return gap – the difference between the return of a hypothetical constant portfolio matching the fund’s beginning of quarter and the fund’s actual return. The results indicated that these actions create just enough value to offset the costs associated with them; hence, the net effect on returns to fund investors is zero. We further documented that the funds are able to create more value through these activities in bull markets.هدف: هدف از اجرای این پژوهش، ارزیابی میزان ارزش افزوده حاصل از فعالیتهای گزارشنشده صندوقهای سرمایهگذاری مشترک است.
روش: در این پژوهش با استفاده از شاخص شکاف بازده، تأثیر فعالیتهای غیرقابل مشاهده صندوقهای سرمایهگذاری مشترک در فاصله زمانی گزارشهای فصلی آنها بررسی میشود.
یافتهها: فعالیتهای گزارش نشده صندوقها صرفاً به اندازه پوشش هزینهها و کارمزدهای صندوق، ارزش افزوده ایجاد میکنند.
نتیجهگیری: در صندوقهای سرمایهگذاری مشترک، نظارت گسترده و الزامات سختگیرانهای برای افشای اطلاعات وجود دارد، به همین دلیل یکی از شفافترین نهادهای مالی موجود در بازارهای مالی به شمار میروند. با وجود این میزان افشای اطلاعات، فعالیتهایی که بهصورت فصلی در این صندوقها طی فاصله زمانی میان افشای ترکیب سبد داراییها منتشر میشوند، برای سرمایهگذاران قابل مشاهده نیست. در این پژوهش، برای نخستین بار با استفاده از دادههای ترکیب سبد داراییهای صندوقها و شاخصی به نام شکاف بازده، میزان ارزش افزوده فعالیتهای گزارش نشده صندوقها اندازهگیری شده است. نتایج نشان میدهد فعالیتهای گزارش نشده صندوقها صرفاً به اندازه پوشش هزینهها و کارمزدهای صندوق، ارزش افزوده ایجاد میکنند و بازده فراتری از آن برای سرمایهگذاران صندوق به ارمغان نمیآورند. به علاوه، این پژوهش نشان میدهد میزان ارزش افزوده مدیران این نوع صندوقها در زمانهایی که بازار صعودی است افزایش مییابد که با یافتههای پژوهشهای پیشین در بازارهای توسعهیافته همخوانی دارد.
دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321Applying the Clustering and UTADIS Models to form an Investment Portfolioبه کارگیری رویکرد ترکیبی خوشهبندی و تجمیع مطلوبیتهای تمایزگر در تشکیل سبد سرمایهگذاری53746735310.22059/jfr.2018.253452.1006622FAمحمدرضامهرگاناستاد گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران0000-0002-9584-581xمحمدرضاصادقی مقدماستادیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانمیر سید محمد محسنامامتدانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران0000-0003-1579-1557Journal Article20180306<strong>Objective</strong><strong>:</strong> The aim of this study is to propose a synthetic approach including Clustering and UTADIS models to form a profitable investment portfolio. <br /><strong>Methods</strong><strong>:</strong> In this research, securities are clustered using K-means method and the ideal number of clusters is determined through certain validation indexes. The results obtained from the Clustering method were used as the input data for the UTADIS model and the securities were classified by UTADIS. After solving the primary model, in order to achieve better resulst, a post-optimality analysis was performed and the classification validity test and the classification error tests were carried out. <br /><strong>Results</strong><strong>:</strong> After reviewing previous studies in this field and carrying out a survey of professionals from the financial industry, eight key attributes including capital return, beta coefficient, net profit margin, BV/MV, ROA, ROE, P/E and EPS were identified. The investment portfolio consists of Iran tele companies, Khark Petrochemical, Shazand Petrochemical, Fanavaran Petrochemical, Information services, Iran refract, Khouzestan steel, and Iran zinc mines<strong><em>.</em></strong> <br /><strong>Conclusion</strong><strong>:</strong> The results of study showed that the proposed framework has created a profitable portfolio and capital return is the most important attribute in stock portfolio selection.هدف: هدف از اجرای پژوهش حاضر، ارائه یک رویکرد ترکیبی شامل روشهای خوشهبندی و تجمیع مطلوبیتهای تمایزگر (UTADIS) در تشکیل سبد سرمایهگذاری است.<br /> روش: در این پژوهش، ابتدا با استفاده از روش K-means، خوشهبندی انجام گرفت و با توجه به معیارهای تفکیک، بهترین تعداد خوشهها تعیین شد. نتایجی که از خوشهبندی بهدست آمد، برای اطلاعات ورودی روش UTADIS استفاده شد و طبقهبندی شرکتها شکل گرفت. پس از حل مدل اولیه، به منظور بهبود نتایج، تحلیل پسبهینگی انجام شد، سپس آزمونهای صحت طبقهبندی و خطای طبقهبندی به اجرا درآمد.<br /> <strong>یافته</strong><strong></strong><strong>ها:</strong> در این پژوهش با مرور پژوهشهای پیشین و نظرسنجی از خبرگان، هشت شاخص بازده، بتا، حاشیه سود خالص، نسبت ارزش بازار به ارزش دفتری، ROA، ROE، P/E و EPS استفاده شد. سبد سرمایهگذاری، متشکل از شرکتهای ارتباطات سیار، پتروشیمی خارک، پتروشیمی شازند، پتروشیمی فنآوران، خدمات انفورماتیک، فراوردههای نسوز ایران، فولاد خوزستان و معادن روی ایران است.<br /> <strong>نتیجه</strong><strong></strong><strong>گیری:</strong> نتایج نشان داد، چارچوب ترکیبی استفاده شده نتایج مناسبی ارائه میکند و شاخص بازده، نقش شایان توجهی در سبد سرمایهگذاری داشته است.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321Studying the Effect of Investors’ Personality on their Business Behavior and Investment Performance: Evidences of Tehran Stock Exchangeبررسی تأثیر شخصیت سرمایهگذاران بر رفتار معاملاتی و عملکرد سرمایهگذاری آنان؛ شواهدی از بورس اوراق بهادار تهران75906735410.22059/jfr.2018.252796.1006612FAناصرجمشیدیدانشجوی دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهرانhttps://orcid.org/0حسنقالیباف اصلدانشیار مدیریت مالی، دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا، تهران، ایرانJournal Article20180216<strong>Objective</strong><strong>:</strong> To date, the main source of inspiration for behavioral finance scholars has been cognitive psychology. This study builds on this tradition by merging in insights from yet another psychological sub-discipline: personality psychology. We argue that a human being’s personality is a key determinant of his/her behavior and performance. We illustrate, for a subset of five personality traits (locus of control, maximizing tendency, self-monitoring, sensation seeking and type-A/B behavior), how this logic can be applied in the context of the study of traders’ behavior and performance.
<strong>Methods</strong><strong>:</strong> we investigated the behavioral and functional components of 380 individual investors in the stock market using survey method and collecting the questionnaire.
<strong>Results</strong><strong>:</strong> The results suggested that Investors with an external locus of control, type-A behavior and high maximizing tendency are busy working on trading more frequently. Investors with an external locus of control, high sensation seeking and high self-monitoring have a less diverse portfolio. Finally, the frequency of transactions is related to better performance, while portfolio diversification does not affect the performance of the individuals.
<strong>Conclusion</strong><strong>:</strong> Different personality traits affect distinct components of trading behavior, and so trading performance.هدف: تا کنون، منبع اصلی الهامبخش دانشمندان مالی رفتاری، روانشناسی شناختی بوده و مفاهیم مرتبط با روانشناسی شخصیت کمتر در کانون توجه قرار گرفته است. از آنجا که شخصیت انسان نقش مهمی در تعیین رفتار و عملکردش دارد، در این پژوهش نشان خواهیم داد که چگونه میتوان این اصل را در زمینه مطالعه رفتار و عملکرد سرمایهگذاران برای یک زیرمجموعه مشخص از پنج ویژگی شخصیتی (مرکز کنترل، تمایل به حداکثرسازی، خود ارزیابی، هیجانخواهی و رفتارهای نوع A و B) به کار برد.
روش: مؤلفههای رفتاری و عملکردی 380 نفر از سرمایهگذاران حقیقی فعال در بازار سرمایه به روش پیمایشی و با استفاده از پرسشنامه بررسی شد.
<strong>یافته</strong><strong></strong><strong>ها</strong>: نتایج نشان میدهد فراوانی معامله افراد با مرکز کنترل بیرونی، رفتار نوع A و تمایل به حداکثرسازی زیاد، بیشتر است (بیشتر خرید و فروش میکنند). همچنین افراد با مرکز کنترل بیرونی و خودارزیابی و هیجانخواهی زیاد، تنوع پرتفوی کمتری دارند. در نهایت اینکه فراوانی معاملات بیشتر با عملکرد بهتر مرتبط است، در حالی که تنوع پرتفوی تأثیری بر عملکرد افراد ندارد.
نتیجهگیری: ویژگیهای شخصیتی متفاوت، اجزای متمایز رفتار معاملاتی و به دنبال آن عملکرد معاملاتی را متأثر میکند.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321Investigating the Reaction of Capital Market on Managerial Myopia in Companies Listed on Tehran Stock Exchangeبررسی واکنش بازار سرمایه به کوتهبینی مدیران در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران911066670710.22059/frj.2018.226908.1006376FAافسانهدلشاددانشجوی دکتری مدیریت مالی، دانشگاه تهران، پردیس بینالملل کیش، ایران0009-0005-2168-1372سیدجلالصادقی شریفاستادیار گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایرانJournal Article20170205<strong>Objective:</strong> In manager myopia, long-term profitability of the firm through reducing the research and development activities, marketing and activities which are costly in the early years are determined, have been sacrificed in order to achieve the short-term profit and enhanced current-term stock price. The purpose of this study is to examine the reaction of Capital Market to managerial myopia and theimpacts of the existence of institutional investorson listed companies in Tehran Stock Exchange (TSE).
<strong>Methods:</strong> Using systematic elimination method, 170 companies were selected from among the companies listed in TSE during 2007 to 2016. In this study, reaction of the capital market is measured based on abnormal return criteria.
<strong>Results:</strong> The results of the first hypothesis showed that the F-value is 2.942, its level of significance is set at 0.000 and the determination coefficient was measured 0.146; besides, T-value and level of significance for managerial myopia were reported 0.165 and 0.869 respectively. Based on the results of the second hypothesis, F-value, level of significance and the determination coefficient for the companies with organizational investors are reported 2.652, 0.000 and 0.085 respectively; and the F-value, level of significance and the determination coefficient for the companies with non-organizational investors are reported 3.181, 0.000 and 0.098. Finally, T-value and level of significance for managerial myopia were reported 1.331 and 0.183 for the first group and 0.776 and 0.436 for the second group, respectively.
<strong>Conclusion:</strong> The results indicated that the presence or absence of institutional investors among the stakeholders does not have any significant effect on the relationship between abnormal returns and manager’s myopia. In addition, there is no significant effect of capital market reaction on myopia managers. At last, as expected there is a negatively significant relationship between managers’ myopia and abnormal returns.هدف: در کوتهبینی مدیران، سودآوری بلندمدت شرکت از طریق کاهش فعالیتهای تحقیق و توسعه، بازاریابی و فعالیتهایی که در سالهای ابتدایی صرفاً دارای هزینه بوده و در بلندمدت آثار آن مشخص میشود، فدای سودآوری کوتاهمدت و افزایش قیمتهای جاری سهام خواهد شد. هدف این پژوهش بررسی واکنش بازار سرمایه به کوتهبینی مدیران و تأثیر وجود سهامداران نهادی بر آن در شرکتهای پذیرفته شده در بورس تهران است.
روش: ۱۷۰ شرکت با استفاده از روش نمونهگیری حذفی سیستماتیک طی سالهای ۱۳۸۶ تا ۱۳۹۵، از بین شرکتهای پذیرفته شده در بورس تهران انتخاب شدند. در این پژوهش معیار سنجش واکنش بازار سرمایه بر اساس معیار بازده غیرعادی است.
یافتهها: در آزمون فرضیه اول، مقدار آماره F مدل برابر با 942/2، سطح معناداری مدل معادل 000/0 و ضریب تعیین آن 146/0 به دست آمد. از سویی، مقدار آماره t و سطح معناداری کوتهبینی مدیران به ترتیب 165/0 و 869/0 بود. در آزمون فرضیه دوم، مقدار آماره F و سطح معناداری آن در شرکتهای با سهامداران نهادی 652/2 و 000/0 و در شرکتهای بدون سهامداران نهادی 181/3 و 000/0 به دست آمد. ضریب تعیین مدل در گروه نخست 085/0 و در گروه دوم برابر با 098/0 بود و در نهایت، مقدار آماره t و سطح معناداری کوتهبینی مدیران در گروه نخست به ترتیب برابر با 331/1 و 183/0 و در گروه دوم 776/0 و 436/0 بهدست آمد.
<strong>نتیجه</strong><strong></strong><strong>گیری:</strong> نتایج نشان میدهد وجود یا عدم وجود سهامداران نهادی میان سهامداران، بر رابطه بین بازده غیرعادی و کوتهبینی مدیران تأثیر معناداری ندارد و نمیتواند بر واکنش بازار سرمایه به کوتهبینی مدیران نیز تأثیرگذار باشد. همچنین بازار سرمایه به کوتهبینی مدیران واکنش معناداری نشان نداده و مطابق انتظار، کوتهبینی بر بازدهی غیرعادی تأثیری معنادار و منفی ندارد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320120180321An Investigation of the Price Index Convergence Emphasizing on Iran Stock Marketبررسی همگرایی شاخص قیمت بورس در بازارهای سهام با تأکید بر بازار ایران1071296735510.22059/jfr.2018.245728.1006550FAعلیفقه مجیدیاستادیار گروه اقتصاد، دانشکده علوم انسانی، دانشگاه کردستان، سنندج، ایرانبهنازنانوای سایقدانشجوی کارشناسی ارشد علوم اقتصادی، دانشکده علوم انسانی، دانشگاه کردستان، سنندج، ایراناحمدمحمدیاستادیار گروه اقتصاد، دانشکده علوم انسانی،دانشگاه کردستان،سنندج، ایرانJournal Article20171115<strong>Objective: </strong>In this research, the hypothesis of convergence of the stock price indices in selected countries over the period from January 2007 to February 2017 has been investigated.
<strong>Methods: </strong>Cluster analysis method is used for estimation purposes in the present study.
<strong>Results: </strong>The results did not confirm the overall convergence of the stock markets under investigation. However, there are two convergent clusters and one non-convergent (divergent) cluster among those stock markets. The results also showed that Iran stock market doesn’t behave independently and there is a tendency towards convergence with other international stock markets.
<strong>Conclusion:</strong> This tendency towards convergence might have taken place through two channels: first; through the effect of international volatility of oil and other commodities on Iran stock market and second; through foreign trade as Iran and its main trading allies lie in the same cluster. We can also claim that financial policymakers should moderate and manage the effects of international financial volatilities on domestic market by implementing policies which can help make domestic market more diversified.هدف: در پژوهش حاضر، فرضیه همگرایی شاخص قیمت بازارهای سهام در کشورهای منتخب، طی ژانویه 2007 تا فوریه 2017 آزمون شده است.
روش: روش مورد استفاده روش تحلیل خوشهای است.
<strong>یافته</strong><strong></strong><strong>ها:</strong> نتایج پژوهش به طور کلی همگرایی بازارهای سهام مورد بررسی را تأیید نمیکند. با وجود این، دو خوشه همگرا و یک خوشه واگرا بین بازارهای سهام وجود دارد. در عین حال نتایج نشان میدهد عملکرد بازار سهام ایران نه تنها به صورت جزیرهای و مستقل نیست، بلکه در بلندمدت به سمت همگرایی با سایر بازارهای جهانی پیش میرود.
نتیجهگیری: این همگرایی به احتمال قوی به دو دلیل وزن بزرگ صنایع نفتی، پتروشیمی و معدنی در بورس ایران رخ داده است که از نوسانهای جهانی قیمت کالاها تأثیر زیادی میپذیرند، زیرا مهمترین شرکای تجاری ایران نیز در خوشه همگرای ایران قرار گرفتهاند. از این رو لازم است سیاستگذاران حوزه مالی با ایجاد تنوع بیشتر در بازار سهام، از شدت تأثیرگذاری تلاطمهای بینالمللی بر بازار داخلی کاسته و آن را مدیریت کنند.