ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها اس چکیده کامل
ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم مورد بررسی قرار گیرد. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50 ﺷﺮﮐﺖ ﺑﺮﺗﺮ ﺳﻪ ﻣﺎﻫﻪ اول سال 2019 اﻋﻼم ﺷﺪه ﺗﻮﺳﻂ ﺷﺮﮐﺖ ﺑﻮرس ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. همچنین اﯾﻦ ﭘﮋوﻫﺶ ﺑﻪ دﻧﺒﺎل اراﺋﻪ مدلی است که در آن پتانسیل آینده سهام ، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. ﺳﭙﺲ، اﯾﻦ ﻣﺪلﻫﺎی بهینه سازی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، ﺣﻞ ﻣﯽﮔﺮدد. ﻧﺘﺎﯾﺞ ﺗﺤﻘﯿﻖ ﺑﯿﺎﻧﮕﺮ آن اﺳﺖ ﮐﻪ ﻣﺪلﻫﺎی اراﺋﻪ ﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ، در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روشﻫﺎی ﺳﻨﺘﯽ و ﺷﺎﺧﺺ ﺑﺎزار، ﺑﺎزدﻫﯽ ﺑﺎﻻﺗﺮی را برای سرمایه گذاران فراهم می نماید.
پرونده مقاله
مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکتهای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکتها هستند چرا که در صورت ورشکستگی هزینههای زیادی به آنها تحمیل میشود. امروزه از الگوهای مختلفی مانند : تکنیکهای آماری (تحلیل تشخیصی، لوجیت و آنالیز فاک چکیده کامل
مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکتهای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکتها هستند چرا که در صورت ورشکستگی هزینههای زیادی به آنها تحمیل میشود. امروزه از الگوهای مختلفی مانند : تکنیکهای آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیکهای هوش مصنوعی (شبکههای عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعههای سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی ورشکستگی استفاده میشود. هدف از این پژوهش تعیین الگوهایی با استفاده از متغییرهای مالی (نسبتهای مالی صورتحساب سود وزیان و ترازنامه) جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی بحران مالی شرکتها میباشد.
در این تحقیق چهار الگوی پیش بینی بحران مالی(الگوهای مبتنی بر روشهای سنتیMDA، الگوریتم ‍ژنتیک خطی، الگوریتم ژنتیک غیر خطی و شبکه عصبی) برای پیش بینی بحران مالی دو سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی مبتنی بر شبکه عصبی دارای بالاترین توان در پیش بینی بحران مالی شرکتها میباشد.
پرونده مقاله
به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیشبینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائهی مدلهای ترکیبی سعی در ارائهی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کردهاند. امروزه از الگوهای مختلفی چکیده کامل
به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیشبینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائهی مدلهای ترکیبی سعی در ارائهی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کردهاند. امروزه از الگوهای مختلفی مانند: تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک های هوش مصنوعی (شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی قیمت سهام استفاده می شود. در اکثر مدلهای پیشبینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیشبینی میپردازد، اما در مدل پیشنهادی در این پژوهش یک سیستم دو سطحی از شبکههای عصبی پرسپترون چندلایه پیشنهاد شده و از چندین شاخص برای پیشبینی استفاده میشود. در این پژوهش دادههای شاخص قیمت بورس اوراق بهادار تهران از 1391 تا 1395 برای این منظور در نظر گرفته شده است. همچنین برای آموزش بهتر شبکهی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم بهینهسازی ملخ برای انتخاب بهترین نمونهها استفاده شده است. نتایج بدست آمده نشان میدهد که مدل پیشنهادی توانسته با خطای پیشبینی پایینتری نسبت به دیگر مدلها عمل کند
پرونده مقاله
سود آوری به عنوان مبنایی برای ارزیابی کارایی مدیران شرکتها مورد استفاده قرار می گیرد. همچنین بخشی از تصمیم گیری به پیش بینی توانایی سودآوری آینده شرکتها مربوط می شود. امروزه تجزیه و تحلیل نسبت های مالی یک تکنیک قوی و ابزاری مناسب برای استفاده کنندگان در جهت شناخت و ارزی چکیده کامل
سود آوری به عنوان مبنایی برای ارزیابی کارایی مدیران شرکتها مورد استفاده قرار می گیرد. همچنین بخشی از تصمیم گیری به پیش بینی توانایی سودآوری آینده شرکتها مربوط می شود. امروزه تجزیه و تحلیل نسبت های مالی یک تکنیک قوی و ابزاری مناسب برای استفاده کنندگان در جهت شناخت و ارزیابی عملکرد گذشته، حال و پیش بینی وضعیت آینده شرکت هاست. یکی از مشکلاتی که در استفاده از نسبتهای مالی برای ارزیابی وضعیت مالی شرکت ها وجود دارد، این است که هر مجموعه نسبت های مالی یک بعد از عملکرد شرکتها را اندازه گیری می کند. برای از میان برداشتن این مشکل می توان از روشهای تصمیم گیری چند معیاره از جمله تحلیل پوششی داده ها، شبکه های عصبی مصنوعی، منطق فازی و ... استفاده نمود. هدف این تحقیق بررسی قدرت پیشبینی سودآوری آینده شرکتها با استفاده از مدلهای الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیرخطی است جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی سودآوری آینده شرکتها می باشد. . سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. بر اساس اطلاعات و آمارهای در دسترس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1391-1371، از 23 نسبت مالی برتر ، به عنوان متغیر مستقل استفاده شد. نتایج آزمون نشان می دهد دقت پیشبینی الگوریتم ژنتیک غیرخطی (90.04 درصد) بیشتر از الگوریتم ژنتیک خطی (87.14 درصد) است.
پرونده مقاله
یکی از مدل های پیش بینی بازده مورد انتظار سهام ، مدل تک عاملی قیمت گذاری دارایی های سرمایه ای (CAPM) است. اما به دلیل نقایص این مدل، مدل هایی مانند فاما فرنچ و کارهارت مطرح شدند. هدف از این تحقیق بررسی اثر داده های مالی بر بازده پرتفوی سهام وبررسی قدرت پیش بینی مدل کاره چکیده کامل
یکی از مدل های پیش بینی بازده مورد انتظار سهام ، مدل تک عاملی قیمت گذاری دارایی های سرمایه ای (CAPM) است. اما به دلیل نقایص این مدل، مدل هایی مانند فاما فرنچ و کارهارت مطرح شدند. هدف از این تحقیق بررسی اثر داده های مالی بر بازده پرتفوی سهام وبررسی قدرت پیش بینی مدل کارهارت است. جامعه آماری این تحقیق شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1385 الی 1389 می باشد که نهایتا 150 شرکت نمونه مبنای جمع آوری داده ها قرار گرفت. .برای این تحقیق سه فرضیه طراحی گردید که با استفاده از مدل رگرسیون چند متغیره و آزمون زوجی آزمون شدند. نتایج آزمون ها نشان دادند که سهام رشدی دارای بازدهی بیشتری هستند. همچنین برای افزایش قابلیت اتکای تحقیق بازدهی های بدست آمده بوسیله کارهارت با داده های واقعی مقایسه شدند که این مقایسه نشان داد که بازدهی های بدست آمده از این مدل با اطلاعات واقعی تفاوت معناداری ندارند.
پرونده مقاله
هدف از این مطالعه مقایسه ارزیابی عملکرد صندوق های سرمایه گذاری مشترک بر اساس نسبت های شارپ، پتانسیل مطلوب و بازده واقعی می باشد. برای این منظور با استفاده از داده های نمونه انتخابی از 20 صندوق مشترک از ابتدای دی ماه 1388 تا ابتدای دی ماه 1389، فرضیه ها از طریق آزمون همب چکیده کامل
هدف از این مطالعه مقایسه ارزیابی عملکرد صندوق های سرمایه گذاری مشترک بر اساس نسبت های شارپ، پتانسیل مطلوب و بازده واقعی می باشد. برای این منظور با استفاده از داده های نمونه انتخابی از 20 صندوق مشترک از ابتدای دی ماه 1388 تا ابتدای دی ماه 1389، فرضیه ها از طریق آزمون همبستگی و با استفاده از آماره ناپارامتریک ضریب همبستگی رتبه ای اسپیرمن مورد تجزیه و تحلیل قرار گرفته است. نتایج این مطالعه نشان می دهد که در بازار سرمایه ایران، بین رتبه بندی صندوق های سرمایه گذاری مشترک بر اساس نسبت شارپ، نسبت بازدهی واقعی و نسبت پتانسیل مطلوب همبستگی معنی داری وجود دارد. بطوری که هر سه نسبت بطور متوسط رتبه بندی مشابه ای را از میان گزینه های سرمایه گذاری ارائه می دهند. بنابراین بر اساس یافته های این مطالعه می توان گفت بین رتبه بندی صندوق های سرمایه گذاری مشترک بر اساس هر سه نسبت شارپ، پتانسیل مطلوب و بازدهی واقعی تفاوت معناداری وجود ندارد. در این راستا نتایج حاصل از آزمون توزیع بازدهی ماهانه صندوق های سرمایه گذاری مشترک حاکی از این است که بازدهی ماهانه صندوق ها دارای توزیع نرمال می باشد.
پرونده مقاله
یکی از الزامات برای سرمایه گذاران در بازار سهام و اوراق بهادار داشتن اطلاعات کافی در مورد روش مطلوب خرید و فروش سهام می باشد.مهمترین نکته در اینجا انتخاب سهام مناسب (پرتفوی)برای خرید و فروش سهام و انتخاب بهترین روش برای اطمینان از بیشترین بازده است. فقدان دانش مناسب در چکیده کامل
یکی از الزامات برای سرمایه گذاران در بازار سهام و اوراق بهادار داشتن اطلاعات کافی در مورد روش مطلوب خرید و فروش سهام می باشد.مهمترین نکته در اینجا انتخاب سهام مناسب (پرتفوی)برای خرید و فروش سهام و انتخاب بهترین روش برای اطمینان از بیشترین بازده است. فقدان دانش مناسب در خصوص روشهای مطلوب در بازار سهام مهمترین نگرانی در بین سرمایه گذاران در بازار سهام میباشد. در پژوهش حاضر به مقایسه سه روش فیلتر، خرید و نگهداری و میانگین متحرک بازار برای پیش بینی قیمت در بازار سهام برای دوره بلند مدت از سال 1380 الی 1387 برای شرکتهای پذیرفته شده در بورس اوراق بهادار ایران پرداخته شده است. نتایج تحقیق نشان داد بازده سهام محاسبه شده در روش فیلتر در دوره بلند مدت بیشتر از روشهای خرید و نگهداری و میانگین متحرک بازار و بازده روش خرید و نگهداری بیشتر از روش میانگین متحرک میباشد.
پرونده مقاله