دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823Studying the Overconfidence and Representativeness Biases of Individual Investors in Tehran Stock Exchangeبررسی سوگیریهای رفتاری و عملکرد سرمایهگذاران حقیقی بورس اوراق بهادار تهران1431647274410.22059/frj.2019.266852.1006745FAناصرجمشیدیدانشجوی دکتری، گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.https://orcid.org/0حسنقالیباف اصلدانشیار، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه الزهرا، تهران، ایرانمحمد اسماعیلفدایی نژاددانشیار، گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایرانJournal Article20181006Objective: This research examines the overconfidence, representativeness and disposition effect biases among individual investors of the Tehran Stock Exchange. The purpose of this research is to investigate the extent to which these biases are prevalent among investors and their relation with investors' performance. Methods: For this purpose, we examined the portfolio statements of individual investors in the stock market during a five-year period, from 2012 to 2016. We have used multiple indicators to measure the behavioral bias and to examine the relationship between behavioral bias and investors' performance by the portfolio study method. Results: The results show that overconfidence, representativeness and disposition effect are relatively prevalent among investors. There is also a significant relationship between the overconfidence and representativeness biases and the performance of investors, although this relationship is not significant for the disposition effect. Specifically, investors with a higher portfolio turnover, as well as a more concentrated portfolio, have earned higher returns. Also, investors who bought past winning stocks have had higher average returns. Conclusion: Behavioral bias is relatively common among investors, and these biases can affect the performance of the investors. <br /> <strong>هدف:</strong> پژوهش حاضر سوگیریهای فرااعتمادی، نماگری و اثر تمایلاتی میان سرمایهگذاران حقیقی بورس اوراق بهادار تهران را بررسی میکند. هدف از پژوهش بررسی این است که این سوگیریها به چه میزان در میان سرمایهگذاران شایع است و چه ارتباطی ممکن است با عملکرد سرمایهگذاران داشته باشند.<br /> روش: برای این منظور صورت وضعیت پرتفوی سرمایهگذاران حقیقی را طی دوره پنجساله 1391 تا 1395 بررسی و تحلیل میکنیم. برای سنجش سوگیریهای رفتاری از شاخصهای چندگانه استفاده میکنیم، همچنین رابطه بین سوگیریهای رفتاری و عملکرد سرمایهگذاران را به روش مطالعه پرتفوی بررسی میکنیم.<br /> یافتهها: نتایج نشان میدهد سوگیریهای فرااعتمادی، نماگری و اثر تمایلاتی میان سرمایهگذاران کمابیش رایج است. همچنین بین سوگیریهای فرااعتمادی و نماگری با عملکرد سرمایهگذاران نیز ارتباط معناداری وجود دارد، در حالی که این ارتباط برای اثر تمایلاتی معنادار نیست. بهطور مشخص سرمایهگذاران با گردش پرتفوی بالاتر و همچنین پرتفوی متمرکزتر بازدهی بالاتری کسب کردهاند. همچنین سرمایهگذارانی که سهام برنده گذشته را خریداری کردهاند، میانگین بازدهی بیشتری داشتهاند.<br /> نتیجهگیری: سوگیریهای رفتاری میان سرمایهگذاران کمابیش شایع است و این سوگیریها میتوانند عملکرد سرمایهگذاران را تحت تأثیر قرار دهند.<br /> دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823Insurance Products Ratemaking and Insurance Company Financial Solvency Ratio Calculation via Potential Deviation Ratio Methodقیمتگذاری محصولات بیمهای و محاسبه حاشیه توانگری مالی شرکت بیمه با استفاده از روش نسبت انحراف بالقوه از میانگین1651867274710.22059/frj.2019.270699.1006769FAسعیدشیرکونددانشیار، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانغدیرمهدوی کلیشمیدانشیار، گروه بیمه، دانشکده بیمه اکو، دانشگاه علامه طباطبائی، تهران، ایراننیماپازوکیدانشجوی دکتری، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانJournal Article20181202Objective: The goal of this research is to calculate the amount which must be paid for a fair premium based on the principle of equity and the financial solvency ratio of an insurance company based on the principle of equivalence, via potential deviation ratio method as a new method. Methods: The aggregate loss variable has been derived from Severity and Frequency of the losses. In this method, first the actual statistical distributions of these variables are estimated and then the fair premium is calculated based on the principle of equity. Next, the amount of potential deviation ratio, which is required to increase the financial solvency margin of the insurance company, is calculated. The model for calculating the premium, as well as the more precise concept of financial solvency of the insurance company that is provided in this research, is based on scientific foundations and can be used as a new method for all insurance fields. Results: The results of this research show that the calculated amount of premiums and potential deviation ratio that is required to increase the financial solvency ratio of the insurance company, by estimating the actual distribution of frequency and severity of the claims compared with when these variables are assumed to be normal distributed, are different. The difference is especially important in the higher levels of confidence. Conclusion: It can be concluded that in the case of calculating premiums and potential deviations based on assuming the normal distribution for the data, the real financial solvency ratio would be different from the apparent calculated financial solvency ratio of the insurance company. Furthermore, lacking the ability to precisely price the premiums may cause the insurance company to quickly fall down to bankruptcy. <br /> <strong>هدف:</strong> هدف این تحقیق محاسبه حق بیمه منصفانه، بر اساس اصل برابری، همراه با محاسبه نسبت توانگری مالی شرکت بیمه بهروش جدید نسبت انحراف بالقوه از میانگین است.<br /> روش: متغیر خسارت کل، از دو متغیر فراوانی و شدت خسارات به دست میآید. در این روش، ابتدا توزیع آماری واقعی دو متغیر فراوانی و شدت خسارات برآورد شده، سپس بر پایه اصل برابری حق بیمه منصفانه محاسبه شده است. در مرحله بعد، مقدار انحراف بالقوه از میانگین لازم برای افزایش توانگری مالی شرکت بیمه به دست آمده است. مدل محاسبه حق بیمه و مفهوم دقیقتر توانگری مالی شرکت بیمهای که در این پژوهش ارائه شده، بر پایه مبانی علمی استوار است و میتواند بهعنوان روش جدیدی برای کلیه رشتههای بیمه بهکار برده شود.<br /> یافتهها: یافتههای این تحقیق نشان میدهد که برای دستیابی شرکت بیمه به توانگری مالی بیشتر، مقدار حق بیمه و انحراف بالقوه از میانگینی که از طریق تخمین توزیع واقعی فراوانی و شدت مطالبات بهدست میآید، متفاوت از مقداری است که با فرض نرمالبودن دادهها این مقادیر محاسبه میشوند. این تفاوت بهویژه برای سطوح اطمینان بیشتر، بسیار حیاتی است.<br /> نتیجهگیری: از یافتههای این تحقیق میتوان نتیجه گرفت که در صورت محاسبه حق بیمه و انحراف بالقوه از میانگین با فرض نرمالبودن توزیع دادهها، در واقع توانگری مالی واقعی با توانگری مالی ظاهری محاسبشده برای شرکت بیمه متفاوت خواهد بود و دقیقنبودن این قیمتگذاری ممکن است که شرکت بیمه را بهسرعت در سراشیبی ورشکستگی قرار دهد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823Grey Wolf Optimization Evolving Kernel Extreme Learning Machine: Application to Bankruptcy Predictionپیشبینی ورشکستگی با مدل یادگیری ماشین سریع مبتنی بر کرنلِ بهینهشده با الگوریتم گرگ خاکستری1872127274810.22059/frj.2019.277620.1006839FAتوحیدقلی زاده سالطهدانشجوی کارشناسی ارشد، گروه مدیریت مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایرانمحمداقبالنیااستادیار، گروه آموزشی مدیریت مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایرانمحمد ابراهیمآقابابائیاستادیار، گروه آموزشی مهندسی مالی و مدیریت مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران.Journal Article20190309Objective: In the present era, businesses have developed to a large extent which has, in turn, forced them to manage their resources and expenditures wisely for the sake of competition. This is mainly because the competitive market has severely reduced the flexibility of companies, which means that their ability respond to different economic situations has reduced and this puts most firms at the constant risk of bankruptcy and contraction. Therefore, in this study, we have tried to predict the bankruptcy of manufacturing companies through preventing the occurrence of such risks. Methods: In this study, the "Kernel Extreme Learning Machine" has been used as one of the artificial intelligence models for predicting bankruptcy. Given that machine learning methods require an optimization algorithm we have used one of the most up-to-date, "Gray Wolf Algorithm" which has been introduced in 2014. Results: The above model has been implemented on the 136 samples that were collected from the Tehran Stock Exchange between 2015 and 2018. All of the performance evaluation criteria including the classification, accuracy, type error, second-order error and area under the ROC curve showed better performance than the genetic algorithm which was presented and its significance was confirmed by t-test. Conclusion: Considering the gray wolf algorithm’s high accuracy and its performance compared to the genetic algorithm, it is necessary to use the gray wolf algorithm to predict the bankruptcy of Iranian manufacturing companies either for investment purposes and for validation purposes, or for using internal management of the company<strong>هدف:</strong> در عصر حاضر، کسبوکارها به اندازهای توسعه یافتهاند که برای بقا در عرصه رقابت، به مدیریت صحیح منابع و مصارف خود نیازمندند؛ چراکه بازار رقابتی انعطافپذیری شرکتها را بهشدت کاهش داده است و این عامل باعث شده که آنها در وضعیتهای مختلف اقتصادی توانایی عکسالعمل مناسب را نداشته باشند و از چرخه رقابت خارج شده و با خطر ورشکستگی مواجه شوند. بنابراین در این پژوهش تلاش شده است که بهمنظور پیشگیری از احتمال بروز چنین مخاطراتی، به پیشبینی ورشکستگی شرکتهای تولیدی اقدام کنیم.<br /> روش: در این پژوهش از «یادگیری ماشین سریع مبتنی بر کرنل» استفاده شده که یکی از مدلهای هوش مصنوعی برای پیشبینی ورشکستگی است. با توجه به اینکه روشهای یادگیری ماشین به الگوریتمی بهینهساز نیاز دارند، در این پژوهش از یکی از بهروزترین آنها بهنام «الگوریتم گرگ خاکستری» بهره برده شده که در سال 2014 ابداع شده است.<br /> یافتهها: مدل یاد شده روی دادههای 136 نمونه از شرکتهای بورسی در بازه زمانی 1394 تا پایان خرداد 1397، پیادهسازی شد و در تمامی معیارهای ارزیابی، مدلهای طبقهبندی، دقت، خطاهای نوع اول و دوم و ناحیه تحت منحنی ROC، در مقایسه با الگوریتم ژنتیک، کارایی بهتری ارائه کرد و معناداری آن نیز از طریق آزمون t-test به تأیید رسید.<br /> نتیجهگیری: با توجه به دقت بسیار خوب الگوریتم گرگ خاکستری و همچنین عملکرد بهتر آن در مقایسه با الگوریتم ژنتیک، میبایست برای پیشبینی ورشکستگی شرکتهای تولیدی ایران، چه برای اهداف سرمایهگذاری و اعتباردهی و چه بهمنظور استفاده مدیریت داخلی شرکت، از الگوریتم گرگ خاکستری بهره برد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823The Study of the Impact of Price Limits and Trading Halts on Trading Activities, Liquidity and Price Volatility in the Tehran Stock Exchangeبررسی تأثیر حد نوسان و توقف نماد معاملاتی بر فعالیت معاملاتی، نقدشوندگی و نوسانپذیری در بورس اوراق بهادار تهران2132367274910.22059/frj.2019.274235.1006811FAداریوشدموریاستادیار، گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران0000-0002-0650-1637هادیخوشنودکارشناس ارشد، گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایرانJournal Article20190122Objective: This study is aimed at examining the relative performance of trading halts and price limits in the Tehran Stock Exchange. In this research, we determined if the mechanisms involved in trading halts and price limits in the Tehran Stock Exchange affect the market variables or not. This was done through studying the trading activity, liquidity, volatility and abnormal returns. We have also examined the efficiency of the mechanisms involved in trading halts with respect to the price limits. Methods: In this study, the pre and post events period’s average changes were compared to test the relative performance of the trading halts and price limits. We examined 400 trading suspensions and 893 price limits related to 80 companies from 1392 to 1396, and the data was selected by the omissive sampling method. The hypothesis test has been performed using the SPSS software, the mean comparison method and Wilcoxon test. Results: Through testing the hypotheses it was concluded that the trading activity reduces after trading halts but increases after price limits. On the other hand, liquidity increases after the trading halt, but reduces after prices limits. The results also show that volatility reduces after trading halts although there is no significant difference after price limits. Meanwhile the result also show that abnormal returns increase after trading halts but decreases after price limits. Conclusion: According to the volatility and liquidity criteria, trading halts are more efficient, but based on the trading activity and abnormal returns criteria, price limits seem to be more efficient. Therefore, in order to compare the relative performance of the trading halts and price limit in the Tehran Stock Exchange, we cannot express a definitive opinion. <br /> <strong>هدف:</strong> هدف از این تحقیق، بررسی اثربخشی نسبی توقف نماد و حد نوسان قیمت در بورس اوراق بهادار تهران است. در این تحقیق با بررسی فعالیت معاملاتی، نقدشوندگی، نوسانپذیری و بازده غیرعادی، به این دو سؤال پاسخ داده شده است که آیا سازوکار توقف نماد معاملات و حد نوسان قیمت در بورس اوراق بهادار تهران تأثیری بر متغیرهای بازار دارد؟ کارایی سازوکار توقف نماد در قیاس با حد نوسان، بیشتر است یا کمتر؟<br /> روش: در این پژوهش برای آزمون اثربخشی نسبی توقف نماد و حد نوسان قیمت، به بررسی تغییرات در میانگین از دوره پیش از رویداد به دوره پس از رویداد پرداخته شده است. 400 وقفه معاملاتی و 893 حد نوسان قیمت مربوط به 80 شرکت منتخب بهروش نمونهگیری حذفی، طی دوره زمانی 1392 تا 1396 بررسی شدند. آزمون فرضیهها نیز با استفاده از نرمافزار SPSS و روش مقایسه میانگین و آزمون ویلکاکسون صورت پذیرفته است.<br /> یافتهها: آزمون فرضیهها نشان داد که فعالیت معاملاتی پس از توقف نماد کاهش و پس از حد نوسان افزایش مییابد. نقدشوندگی بعد از توقف نماد افزایش مییابد؛ اما پس از حد نوسان قیمت رو به کاهش میگذارد. همچنین نتایج نشان میدهد که نوسانپذیری پس از توقف نماد کاهش مییابد و پس از حد نوسان تفاوت معناداری با قبل از آن ندارد. طبق نتایج این تحقیق، بازده غیرعادی پس از توقف افزایش و پس از حد نوسان کاهش مییابد.<br /> نتیجهگیری: با توجه به معیارهای نوسانپذیری و نقدشوندگی، توقف نماد کاراتر است؛ اما بر مبنای معیارهای فعالیت معاملاتی و بازده غیرعادی، حد نوسان کاراتر است، بنابراین، برای مقایسه عملکرد نسبی توقف نماد معاملاتی و حد نوسان در بورس اوراق بهادار تهران، نمیتوان نظر قطعی داد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823Presentation of Firm's Investment Efficiency Measurement Model inTehran Stock Exchangeارائه مدل سنجش کارایی سرمایهگذاری شرکت در بورس اوراق بهادار تهران2372647275010.22059/frj.2019.273838.1006806FAوحیدتقی زاده خانقاهدکتری، گروه حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران0000-0003-4655-5733یونسبادآور نهندیدانشیار، گروه حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران0000-0001-5053-202Xعلی اصغرمتقیاستادیار، گروه حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایرانهوشنگتقی زادهاستاد، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران0000-0002-0963-0653Journal Article20190122Objective: Efficient investment is one of the company's most important responsibilities, consequently making investment decisions is an incentive for future cash flows and the ultimate evaluation of the company. Thus, if a firm’s investment is inefficient, it will result in the lack of optimal allocation of the company’s resources and will have adverse effects on the shareholders' interests. Therefore, this research aims at studying the various aspects of the economic consequences of inefficient investment decisions and provides a model for measuring the investment efficiency in Iranian firms. Methods: In this research, the factors affecting investment are extracted based on previous theories and researches. Each of these factors, which are closely related to investment, is investigated to measure investment efficiency. The output of the primary models is firstly tested in terms of accurate detection of under and over-investment in firms. Secondly, the model is validated through the sources and compared to the consequences of inefficiency and investment efficiency based on previous theories and research. This process continues until an optimal model for investment efficiency is acquired . <br /> Results: The results showed that among the 18 variables studied, only sales growth, growth opportunities, annual returns, dividends, and investments in the past year were able to express the current year's investment changes and were used for measuring investment efficiency. The native model of investment efficiency has a power of 88.14% and 92.89%, respectively, for an accurate detection of prone companies of over and underinvestment. Also, based on the findings, agency costs lead to an increase in over-investment and on the other hand financial constraints lead to increase under-investment, as well as the investment efficiency which has a positive impact on economic value-added and firm value . Conclusion: According to the results, investments in Iran, in addition to common factors with foreign economic environments, are influenced by multiple factors that can be useful in explaining investment efficiency. <br /> <strong>هدف:</strong> سرمایهگذاری کارا مسئولیتهای بسیار مهم مدیر شرکت است، بهطوری که اتخاذ تصمیمهای سرمایهگذاری، محرکی برای جریانهای نقدی آتی و ارزشیابی نهایی شرکت است. اگر سرمایهگذاری شرکت ناکارا باشد، تخصیص منابع شرکت بهشکل بهینه انجام نمیشود و بر منافع سهامداران اثرهای زیانباری میگذارد. از این رو پژوهش حاضر، با هدف مطالعه جنبهای از پیامدهای اقتصادی سرمایهگذاری کارا در ایران، به ارائه مدل سنجش کارایی سرمایهگذاری شرکت در بورس اوراق بهادار تهران میپردازد.<br /> روش: در این پژوهش عوامل مؤثر بر سرمایهگذاری بر اساس تئوریها و پژوهشهای پیشین استخراج شده و هر یک از این عوامل که با سرمایهگذاری ارتباط تنگاتنگی دارند، برای سنجش کارایی سرمایهگذاری بررسی میشوند. خروجی هر یک از مدلهای اولیه، ابتدا از لحاظ قدرت تشخیص درست شرکتهای مستعد کمسرمایهگذاری و بیشسرمایهگذاری آزمایش میشوند؛ سپس از طریق منشأها و پیامدهای کارایی و ناکارایی سرمایهگذاری بر اساس تئوریها و پژوهشهای پیشین، اعتبارسنجی میشوند. این فرایند تا زمانی ادامه مییابد که مدل بهینه کارایی سرمایهگذاری به دست آید.<br /> یافتهها: یافتهها نشان داد از بین هجده متغیری که بررسی شد، فقط پنج متغیر رشد فروش، فرصتهای رشد، بازده سالانه سهام سال قبل، سود تقسیمی و سرمایهگذاری سال قبل توانستند تغییرات سرمایهگذاری سال جاری را بیان کنند و قابلیت استفاده برای ارائه مدل سنجش کارایی سرمایهگذاری را داشتند. مدل بومی کارایی سرمایهگذاری بهترتیب از 14/88 درصد و 89/92 درصد قدرت تشخیص درست شرکتهای مستعد بیشسرمایهگذاری و کمسرمایهگذاری برخوردار است. بهعلاوه، بر اساس یافتهها، هزینههای نمایندگی بیشسرمایهگذاری را افزایش میدهد و محدودیت مالی موجب میشود کمسرمایهگذاری افزایش یابد. همچنین کارایی سرمایهگذاری بر ارزش افزوده اقتصادی و ارزش شرکت تأثیر مثبت دارد.<br /> نتیجهگیری: بر اساس نتایج، سرمایهگذاری در محیط ایران علاوه بر عوامل مشترک با محیطهای اقتصادی خارجی، از عوامل دیگری متأثر است که میتوانند در تبیین کارایی سرمایهگذاری مفید باشند.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823Comparing Logistic Growth Model and Competing Models for Predicting the Overall Index in the Tehran Stock Exchangeمقایسه مدلهای رشد لجستیکی با مدلهای رقیب در پیشبینی شاخص کل بورس اوراق بهادار تهران2652927275110.22059/frj.2019.272510.1006794FAحامدمنصوری گرگریدانشجوی دکتری، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.حسنخداویسیدانشیار، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران0000-0002-2550-3064Journal Article20190216Objective: The main objective of this study is to compare the Harvey Logistic Growth Models, Harvey, and the Nonlinear Autoregressive Neural Network, and to design and find a model with better predictive accuracy for the Tehran Stock Exchange data. This model is nevertheless highly dependent on past values, has high fluctuations, and shows nonlinear motion patterns which have been repeatedly neglected. Methods: In this study, the "Harvey Logistic" Growth Models, Harvey and the addition of nonlinear components based on the Taylor series expansion for trigonometric functions were studied to compare the accuracy and prediction of these models based on prediction criteria and its results with the nonlinear autoregressive neuronal network. Daily data of fluctuations from 1393 until 1395 of the total stock index, which was divided into two categories, were used as the sample pool in this study. Results: The results of the unit root tests such as Dickey-Fuller and BDS test show that the data is stationary and has a nonlinear property. In the estimation stage, the goodness of fit for the Logistic and Harvey models show that both models have a high root mean square error and low coefficient of determination for the four data types. By adding the nonlinear parts to the Harvey model, a good fit was obtained for the stock index with a coefficient of determination of about 99.8 percent and minimum root mean square error, even when compared with the nonlinear autoregressive neural network. Conclusion: The results of the research show that combining the Harvey model with the nonlinear component could be considered as one of the models which predict the Tehran Stock Exchange index better than the other models. <br /> <strong>هدف:</strong> هدف اصلی این مطالعه مقایسه مدلهای رشد لجستیکی هاروی، هاروی، شبکه عصبی غیرخطی اتورگرسیو و طراحی و یافتن مدلی بهینه با دقت پیشبینی بهتر برای دادههای شاخص کل بورس تهران است که این مدل وابستگی زیادی به مقادیر گذشته خود دارد، پرنوسان است و روند حرکتی غیرخطی دارد که تاکنون مغفول مانده است.<br /> روش: در این پژوهش با بهکارگیری مدلهای رشد «لجستیک هاروی» و «هاروی» و افزودن جزء غیرخطی بر اساس بسط سری تیلور توابع مثلثاتی روی دادههای روزانه مربوط به سالهای 1393 تا 1395، نوسانهای شاخص کل بورس به چهار گروه دستهبندی شدند و ضمن مشخصشدن کارآمدی این مدلها بر اساس معیارهای پیشبینی، نتایج آن با شبکه عصبی غیرخطی اتورگرسیو ارزیابی و مقایسه شد.<br /> یافتهها: نتیجۀ آزمونهای ریشه واحد دیکی فولر و BDS بیانکننده این است که دادهها مانا هستند و رفتار غیرخطی دارند. در مرحله برآورد، از آنجا که مدلهای لجستیک هاروی و هاروی ریشه میانگین مربعات خطای بالا و ضریب تعیین کم داشتند، خوبی برازش آنها در هر چهار نوع داده تأیید نشد. با افزودن جزء غیرخطی به مدل هاروی برازش بسیار مناسبی از شاخص کل بورس با ضریب تعیین حداقل 8/99درصد و حداقل ریشه میانگین مربعات خطا بدست آمد که حتی در مقایسه با شبکه عصبی غیرخطی اتورگرسیو بهتر بود.<br /> نتیجهگیری: نتایج پژوهش نشان میدهد که ترکیب مدل هاروی با جزء غیرخطی، در مقایسه با دو مدل رشد لجستیکی هاروی و شبکه عصبی غیرخطی اتورگرسیو، شاخص کل بورس تهران را بهتر پیشبینی میکند.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815321220190823An Investigation on liquidity Risk in Bullish and Bearish of Tehran Security Exchange Market: Insights from liquidity-adjusted CAPMبررسی مدل تعدیلشده قیمتگذاری داراییهای سرمایهای با عامل نقدشوندگی در بازارهای صعودی و نزولی بورس اوراق بهادار تهران2933207275210.22059/frj.2019.288337.1006919FAمحمداصولیاناستادیار، گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران،ایران0000-0002-9941-9711محمدحسن نژاداستادیار، گروه مدیریت،دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایرانپدرامسمیعی تبریزیدانشجوی دکتری، گروه مالی بینالملل، دانشکده مدیریت و اقتصاد، دانشگاه آزاد واحد علوم و تحقیقات، تهران، ایرانJournal Article20190902Objective: Liquidity plays a major role in financial markets, specifically in easing the burden of sharing the risks and also in improvement of efficiency of transactions. Liquidity risk can be defined as the risk of being unable to buy or sell an asset in a specific time frame without it losing value. The main goal of the present study is to to study the effects of liquidity-adjusted Capital Asset Pricing Model (LCAPM) with Bullish and Bearish of Tehran Security Exchange Market to find the better model to explain expected return of stocks. Methods: One of the new areas in capital asset pricing models are the "liquidity-adjusted capital asset pricing models" which help us in this regard using the factor-based modeling tools. In this study, Amihud illiquidity measure is used as the indicator of liquidity of transactions of shares and time structure breakdown has been used to determine the type of the market. Results: The results of the study shows that firstly, Amihud measure is in comparison one of best measures for liquidity risk estimation. Also, cumulative liquidity measure has a reverse relationship with stock returns. Meanwhile, it has been shown, for both bear and bull markets separately, that liquidity has a positive effect on stock returns. Conclusion: In contrast to heterogeneous effects of liquidity risk of capital market on expected rate of return, by separating the market into bear and bull markets, the positive effects of liquidity risk on expected rate of returns can be observed. Therefore, one can conclude that effect of this type of risk on expected return is positive in the bear markets and is higher than bull markets.<strong>هدف:</strong> نقدشوندگی بهدلیل تسهیل به اشتراکگذاشتن ریسک و بهبود کارایی معاملات، در بازارهای مالی نقش مهمی ایفا میکند. ریسک نقدشوندگی را میتوان ریسک ناتوانایی خرید و فروش دارایی بدون کاهش ارزش در زمان مدنظر تعریف کرد. هدف اصلی این تحقیق، بررسی تأثیر ریسک نقدشوندگی بر بازده مورد انتظار سرمایهگذاران در بازارهای صعودی و نزولی است.<br /> روش: یکی از حوزههای نوظهور در مدل قیمتگذاری داراییهای سرمایهای، «مدل قیمتگذاری داراییهای سرمایهای تعدیلشده با عامل نقدشوندگی» است که با ابزار مدلسازی مبتنی بر عامل، ما را در حل این مسئله یاری میرساند. در این پژوهش از معیار نقدشوندگی آمیهود، بهعنوان شاخص نقدشوندگی معاملات سهام و از شکست ساختار زمانی برای صعودی یا نزولیبودن بازار استفاده شده است.<br /> یافتهها: نتایج تحقیق نشان میدهد که عامل نقدشوندگی تجمعی، بر بازده سهام بهصورت معکوس تأثیرگذار است. این در حالی است که اثر نقدشوندگی بر بازده سهام در بازارهای صعودی و نزولی به تفکیک، مثبت بوده است.<br /> نتیجه گیری: برخلاف تأثیرات ناهمگون ریسک نقدشوندگی بر بازده مورد انتظار در بازار سرمایه، با تفکیک بازار به دو بخش صعودی و نزولی، تأثیر مثبت ریسک نقدشوندگی بر بازده مورد انتظار مشهود است. از این رو میتوان نتیجه گرفت که تأثیر این ریسک بر بازده مورد انتظار، در بازارهای نزولی مثبت و بیشتر از بازارهای صعودی است.