با توجه به غیر قطعی بودن داده‌های مالی استفاده از روش‌های فازی باعث دقت بیشتری در مدل‎سازی می‎شود. هم‌چنین استفاده از سنجه‌ی ریسک ارزش در معرض خطر مشروط به این‌که اندازه ضرر را به سرمایه‌گذار نشان می‌دهد، به تصمیم‎گیری بهتر کمک می‎کند. در این مقاله با استفاده از سنجه ارزش در معرض ریسک مشروط و تخمین آن به‌وسیله نظریه اعتبار فازی اقدام به بهینه‌سازی سبد سرمایه‌گذاری شده است. به این منظور، بازده انتظاری پرتفوی به وسیله میانگین اعتبار فازی به‌دست آمده و سپس ارزش در معرض ریسک مشروط به وسیله همین نظریه تخمین زده‌ شده‌است. در مرحله بعد با درنظر حجم معاملات هر دارایی به شکل یک عدد فازی ذوزنقه‌ای و به‌دست آوردن یک رابطه خطی بر مبنای نظریه اعتبار، محدودیت نقدشوندگی در مدل درنظر گرفته می‌شود. همچنین جهت کاراتر شدن مدل، محدودیت‌های کف و سقف نسبت‌های سرمایه‌گذاری و محدودیت کاردینالیتی در مدل درنظر گرفته شده‎است. مدل ارائه شده با توجه به استفاده از سنجه ریسک ارزش در معرض ریسک مشروط و همچنین درنظر گرفتن محدودیتهای کارا، می‌تواند به عنوان مدلی مناسب جهت انتخاب سبد سرمایه‌گذاری معرفی شود. در نهایت نیز جهت پیاده‌سازی مدل، یک مثال عددی با استفاده از 10 سهم از بورس اوراق بهادار تهران در سال 94 که به صورت تصادفی انتخاب شده‎اند، ارائه شده است. تفاصيل المقالة

فروض کلاسیک بازار کارا عمدتاً بیانگر این موضوع هستند که نمی توان با توسعه استراتژی هایی بر اساس اطلاعات قیمت و حجم معاملات درگذشته، حرکات آتی قیمت را پیش بینی نمود. در این مطالعه با بهره گیری از واگرایی شاخص قدرت نسبی و قیمت به‌عنوان ابزار اصلی و همچنین با استفاده از دیگر ابزارهای تحلیل تکنیکال، سیستم خودکار انتخاب سبد سرمایه ای ارائه می گردد که نتایج آن به‌عنوان شواهد تجربی نقض فروض کلاسیک قابل استناد است. داده های مورداستفاده در این مطالعه مربوط به 59 سهم بورس نیویورک در بازه زمانی 2010 تا 2016 می‌باشد. برای برآورد پارامتر ها و ارزیابی مدل به دو قسمت دوره آموزش و دوره آزمایش تقسیم بندی شده اند. در دوره آمورش با استفاده از الگوریتم ژنتیک مقادیر پارامتر های مدل برآورد شده و سپس با استفاده از قسمت دوم داده ها، عملکرد مدل معاملاتی طراحی‌شده مورد آزمون و ارزیابی قرار می گیرد. نتایج به‌دست‌آمده نشان می دهد که این مدل قابلیت پیش بینی را بهبود بخشیده و در مقایسه با استراتژی های خرید و نگهداری و خرید تصادفی به‌مراتب بهتر عمل می نماید. تفاصيل المقالة

در این مقاله ریسک پرتفوی اعتباری تسهیلات اعطایی بانک رفاه، با هدف امکان‌سنجی استفاده از روش‌شناسی CreditRisk+ در حوزه ارزیابی ریسک اعتباری بانک‌ها و با استفاده از داده‌های موجود در مورد تعدد موارد بروز نکول (نکول در اینجا به معنی انتقال وضعیت تسهیلات اعطایی به سرفصل مطالبات مشکوک الوصول است) برآورد گردیده است. در این راستا ابتدا با استفاده از داده‌های مربوط به تعداد موارد نکول طی سال‌های مختلف و روش‌های آماری ابتدایی نظیر میانگین و انحراف معیار موارد نکول، ریسک نکول پرتفوی اعتباری بانک به صورت کلاسیک برآورد شده است. در مرحله بعد با استفاده از روش‌های پیشرفته‌تر بر پایه مدل‌سازی اکچوئری میانگین و انحراف معیار و همچنین نوع توزیع به صورت دقیق‌تری برآورد شده است. از این رو دستیابی به دیدگاهی روشن در مورد ارزیابی ریسک اعتباری پرتفوی تسهیلات اعطایی بانک رفاه میسر گردیده است. تفاصيل المقالة

بی‌ثباتی‌های اقتصادی در سال‌های اخیر و به دنبال آن ایجاد تغییرات سریع در فضای حاکم بر بازارهای مالی‌، ریسک اکثر بنگاه‌ها و موسسات مالی را افزایش داده است، به گونه‌ای که مدیران ریسک نگران کاهش ارزش دارایی‌های خود در طی روزهای آتی می‌باشند. در مطالعات اخیر برای اندازه‌گیری و پیش‌بینی ریسک‌های موجود در بازارهای مالی از سنجه‌ی ارزش در معرض ریسک شرطی استفاده ‌شده است. از همین رو در این پژوهش تلاش شده است تا در جهت معرفی، محاسبه و پیاده‌سازی یک مدل ترکیبی غیرخطی نوین برای پیش‌بینی ارزش در معرض ریسک شرطی گام برداشته شود، به همین منظور از مدل ترکیبی مبتنی بر تئوری مقدار‌ فرین و روش هموارسازی نمایی هلت-وینترز (HWES-‌EVT) که علاوه بر پویایی و ویژگی‌های خوشه‌ای، دنباله ‌پهنی داده‌ها را نیز در نظر می‌گیرد به پیش‌بینی ارزش در معرض ریسک شرطی شاخص صنعت و شاخص کل بورس اوراق بهادار تهران پرداخته شده است. جهت بررسی و ارزیابی عملکرد روش ترکیبی پیشنهادی، این روش با روش مرسوم GARCH-‌EVT به وسیله سه آزمون پس‌آزمایی مقایسه شده است. نتایج حاصل شده نشان از آن دارد که رویکرد ترکیبی پیشنهادی جواب دقیق‌تری نسبت به روش مرسوم در پیش‌بینی ارزش در معرض ریسک شرطی برای شاخص‌‌های مذکور از خود ارائه ‌می‌دهد. تفاصيل المقالة

Predicting bankruptcy risk is one of the most critical issues in corporate financial decision-making. Investors always try to predict the bankruptcy of a firm to reduce the risk of losing their assets, so they are looking for ways by which they can predict the risk of bankruptcy. We predict the position of companies active in the oil and gas industry based on their financial health in the 2020 ranking of S&P global up to three years before 2020. This study uses three data envelopment analysis models (CCR, BCC, and DDEA) and the traditional Altman model for forecasting. We have shown that dynamic data envelopment analysis is a powerful tool for predicting bankruptcy risk. تفاصيل المقالة

در مسئله انتخاب سبد سرمایه‌گذاری که یکی از مهم‌ترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیط‌های واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجی‌های مدل‌های سبد سرمایه‌گذاری می‌گردد و این مسئله نیاز به تغییر وزن دارایی‌های موجود در سبد را افزایش می‌دهد که سبب تحمل هزینه‌های بالای مدیریتی و معاملاتی می‌شود. در ادبیات موجود در زمینه مدل‌های سبد سرمایه‌گذاری، یکی از رویکردهای مقابله با این نوع هزینه‌های زیاد رویکرد بهینه‌سازی استوار است. در این پژوهش تلاش شده است از الگوریتم ژنتیک و الگوریتم جهش قورباغه مخلوط شده برای حل مدل برنامه‌ریزی امکانی استوار ارائه‌شده توسط امیری و حیدری (1399) در ابعاد بزرگ‌تر و به‌منظور بهینه‌سازی سبد سهام استفاده شود. در این راستا 15 مسئله معین با ابعاد (تعداد شرکت و دوره زمانی) مختلف طراحی شده و پردازش روی آن‌ها صورت می‌گیرد. نتایج حاصل از اجرای دو الگوریتم بر روی 15 مسئله مذکور با استفاده از آزمون آماری T مورد مقایسه قرار گرفته است که بیانگر عدم تفاوت معنادار بین دو الگوریتم در انتخاب سبد سرمایه‌گذاری است اما رویکرد ترکیبی تاپسیس و وزن‌دهی آنتروپی، الگوریتم ژنتیک را به‌عنوان الگوریتم برتر انتخاب می‌کند. تفاصيل المقالة

پیش ‌‌بینی ریسک برای دوره‌های ‌آتی، نقش به سزایی در تصمیم‌گیری صحیح مدیران و فعالان بخش مالی برای سرمایه‌گذاری در شرکت‌ها و موسسات سرمایه‌گذاری ایفا می‌کند، از طرفی تصمیمات نادرست مدیران می‌تواند پیامدهای نامطلوبی برای سازمان به‌ همراه داشته باشد. لیکن یکی از مهم ‌ترین مسائلی که سرمایه‌گذار با آن مواجه می‌شود پیش ‌بینی ریسک برای دوره‌های آتی می‌باشد. اهمیت این مقوله باعث آن ‌گردید که در این مقاله به پیش ‌بینی یک گام به جلوی ارزش در معرض ریسک با استفاده از مدل‌های خانواده هموارسازی نمایی برای دو توزیع نرمال و تی‌استودنت در سطوح 95%‌‌، 97.5 و 99%‌ پرداخته شود. عموما برای پیش ‌بینی دوره‌های آتی ارزش در معرض ریسک، از روش کلاسیک استفاده می‌شود اما در این مقاله از مدل‌های خانواده هموارسازی نمایی، که روند داده‌ها را در مدل‌سازی لحاظ کرده و به اصطلاح پایش را به صورت آنلاین انجام می‌دهد، استفاده شده است. برای اعتبار‌سنجی مدل‌های ارائه شده، به مقایسه عملکرد آنان با روش کلاسیک از طریق آزمون‌های پس‌آزمایی پرداخته شده است. نتایج به دست آمده پیش ‌بینی دقیق ‌تر روش هموارسازی نمایی تعدیل ‌یافته را نسبت به روش کلاسیک در سطوح 97.5% و 99% برای توزیع نرمال و سطوح 95% و 97.5% برای توزیع تی‌استودنت تأیید می‌نماید. تفاصيل المقالة

در عصر کنونی بررسی ارتباطات میان بازار‌های مختلف و تاثیرگذاری آنان بر روی یکدیگر به یک امر ضروری برای سرمایه‌گذاران خرد و کلان تبدیل گشته است. با بررسی ارتباط بین بازارها علاوه بر آن‌که شخص سرمایه‌گذار می‌تواند در خصوص میزان تاثیرات بازارها، اطلاعات خود را بدست آورد، در زمینه شناسایی ریسک‌های مختلف نیز به او کمک شایانی می‌نماید. بر حسب اهمیت موضوع، در این مقاله سعی بر بررسی ارتباط میان بازار نفت با بازارهای طلا، دلار، شرکت‌ها و صندوق‌های فعال در حوزه انرژی با استفاده از رویکرد نوین قوائد انجمنی و الگوریتم آپریوری، شده است. استفاده از قوائد انجمنی سبب بررسی صریح ارتباطات بین فیلد‌های پایگاه‌های داده شده و روابط و وابستگی‌های متقابل بین مجموعه بزرگی از اقلام داده‌ای را مشخص می‌سازد. نتایج این تحقیق حاکی از رابطه مستقیم بازار نفت با شرکت‌ها و صندوق‌های فعال در حوزه انرژی و رابطه‌ای معکوس با شاخص دلار می‌باشد. همچنین رابطه محسوسی بین بازار نفت و طلا نیز یافت نشد. تفاصيل المقالة