کد مقاله : 140304071123871 بازدید : 3304 صفحه: -

نوع مقاله: پژوهشی

طراحی مدل تحلیل مالی و رفتار بازیگران بورس با رویکرد شبیه سازی عامل بنیان

محورهای موضوعی : مدیریت رفتار سازمانی

سید فرهاد گوران حیدری ¹ , عباس طلوعی اشلقی ^{2
*} , احمد ابراهیمی ³ , محمدرضا معتدل ⁴

1 - دانشجوی دکتری مدیریت فناوری اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - استاد گروه مدیریت فناوری اطلاعات ، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران
3 - استاد یار گروه مدیریت صنعتی و تکنولوژی، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران
4 - استادیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران،ایران

تاریخ دریافت : 1403/04/07 تاریخ پذیرش : 1403/05/15 تاریخ انتشار : 1402/12/01

کلید واژه: شبیه‌سازی‌عامل‌بنیان, بورس‌اوراق‌بهادار, متغیرهای‌کلان‌اقتصادی, مالی رفتاری,

چکیده مقاله :

با عنایت به اهمیت نقش بازارهای مالی در توسعه اقتصادی کشور و پیچیدگی‌های ذاتی اقتصاد و ریزساختار بازار به دلیل نقش پررنگ رفتارهای انسانی، به نظر می‌رسد، طراحی مدلی شبیه‌سازی شده که بتواند بر این پیچیدگی‌ فائق آمده و با تحلیل نقش بازیگران فعال در بورس امکان کنترل را فراهم کند، ضروری می‌نماید. در همین راستا باتکیه‌بر ظرفیت‌های مدل‌سازی و شبیه‌سازی مبتنی بر عامل به طراحی مدل تحلیل مالی‌ بورس کشور اقدام نموده‌ایم و پس از شناخت از ساختار و سازماندهی بازار به درک ریز‌ساختار و مکانیسم تشکیل قیمت‌ها پرداخته و تا این گام با رویکرد کیفی و استقرایی‌ با مشاهده، مطالعه و بررسی واقعیت‌های‌ بازار سرمایه نسبت به‌پیش بینی کلی‌تر ویژگی‌ها اقدام و مدل مفهومی ارائه شده است. با مطالعه تطبیقی به تحلیل و تطبیق بازارهای مصنوعی اقدام شده و با روش ترکیبی، رفتار انسانی را با روش‌های تحقیق کمی و کیفی ترکیب نموده و از فناوری شبیه‌سازی به‌عنوان سومین روش تحقیق علمی، علاوه بر رویکردهای قیاسی و استقرایی بهره‌برداری شده است. پژوهش از نظر هدف توصیفی، ‌ و کاربردی است. جهت شبیه‌سازی، کلیه عوامل تأثیرگذارِ مدل و نحوه تعامل آن‌ها تعیین، و به‌صورت یک شیء برنامه‌نویسی و در نرم‌افزار نت‌لوگو شبیه‌سازی شده‌اند. اعتبارسنجی مدل (طبق چارچوب و روش پیشنهادی ویلیام‌راند و رونالدروست صورت‌گرفته) و تحلیل حساسیت (مطابق رویکرد سیستماتیک پیشنهادی ‌بورگانوف جهت اعتباردهی به مدل‌های عامل بنیان) انجام شده است. نتایج حاصل از پژوهش نشان‌دهنده رابطه معنادار فعالیت بازارگردان‌ها، سبدگردان‌ها، صندوق‌های سرمایه‌گذاری با رشد میانگین شاخص کل بوده که در کلیه مراحل گزارش‌های تحلیلی و مصور از نسبت‌های مختلف بازه‌های حضور آن‌‌ها در مدل ارائه شده است.

چکیده انگلیسی:

Given the importance of financial markets in the country's economic development and the inherent complexities of the economy and market microstructure due to the significant role of human behaviors, it seems necessary to design a simulated model that can surpass these complexities and provide control by analyzing the role of active players in the stock market. In this regard, leveraging the capabilities of agent-based modeling and simulation, we have embarked on designing a model for financial analysis of the country's stock market. After understanding the market structure and organization, we delve into the understanding of the microstructure and pricing mechanisms, moving from a qualitative and inductive approach to observing, studying, and investigating market realities relative to broader predictions and characteristics, and presenting a conceptual model. Through a comparative study, we analyze and compare artificial markets and combine human behavior with quantitative and qualitative research methods using a combinatory approach, utilizing simulation technology as a third scientific research method in addition to comparative and inductive approaches. The research is descriptive and applied in nature. For simulation, all influencing factors of the model and their interactions are determined and simulated as an object-oriented programming in NetLogo software. Model validation (according to the proposed framework and method by William Rand and Ronald Rust) and sensitivity analysis (following the systematic approach proposed by Borganoff for model validation) have been carried out. The results of the research show a significant correlation between the activities of market makers, portfolio managers, investment funds, and the average growth of the overall index, which is presented in all stages of the analytical and visual reports on the various ratios of their presence in the model.

منابع و مأخذ:

مختاربند، محمود، تهرانی، رضا، العبودة، منال. (1403). برآورد تأثیر عوامل بنیادین کلان اقتصادی بر بازار سرمایه (رویکرد داده‌های ترکیبی تواتر متفاوت). تحقیقات مالی DoI:10.22059/frj.2024.368065.1007538
ستوده رضا، هیراد علیرضا، براهویی پیرنیا بهاره. (1403). تبیین الگوی رفتاری تصمیم‌گیری سرمایه‌گذاران در بازار سرمایه کشور، پژوهش های مالی و رفتاری شماره 1 دوره 4، https://sanad.iau.ir/Journal/fbra/Article/1105360
وکیلی فرد حمیدرضا، خوشنود مهدی، فروغ نژاد حیدر، اصولیان محمد.(1393). مدل سازی مبتنی بر عامل در بازار های مالی. فصلنامه علمی پژوهشی دانش سرمایه گذاری
حبیبی مریم، برومندنیا علی، هارون آبادی علی. (1400). ارائه روش جدید به منظور مقابله با حملات منع خدمت توزیع شده در شبکه های نامدار با شبیه سازی عامل بنیان، فناوری اطلاعات و ارتباطات انتظامی، سال دوم، شماره دوم تابستان1400
محمدپور احمد،صادقی رسول،رضایی مهدی(1389). روش‌هاي تحقيق تركيبي به عنوان سومين جنبش روش شناختي. تهران: جامعه شناسی کاربردی. شماره دوم.
قربانی ناصر، بابائی ابراهیم. (1394). بررسی کارائی الگوریتم EMA در حل مسائل بهینه سازی. کرمانشاه : کنفرانس ملی فن آوری، انرژی و داده با رویکرد کامپیوتر.
آذر عادل ، سارنج علیرضا، صادقی مقدم علی اصغر، رجب زاده علی، معزز هاشم .(1397). مدلسازی عامل گرای رفتار سهامداران در بازار سرمایه ایران. فصلنامه تحقیقات مالی دوره ۲۰ شماره ۲
كياني رضا.(1396).بررسي فعاليت بازارگردان ويژه در بورس اوراق بهادار. تهران: سازمان بورس اوراق بهادار: مركز تحقيقات وتوسعة بازار سرماية ايران
کیائی‌علی،صندوق‌های‌سرمایه‌گذاری‌مشترک،ابزاری برای سرمایه‌گذاران ریسک‌گریز و بدون تخصص(1389).تهران: دانش حسابرسی سال دهم
هادی پور, حسن, پایتختی اسکویی, سیدعلی, علوی متین, یعقوب, رحمانی, کمال الدین. (1400). عوامل موثر بر شاخص بی‌ثباتی در بورس .مطالعات مدیریت صنعتی
ولی زاده, فرزانه, محمدزاده, امیر, صیقلی, محسن, ترابیان, محسن. (1400). ارائه مدلی برای پیش‌بینی عوامل مؤثر بر ریسک سقوط قیمت سهام. چشم انداز مدیریت مالی,
فخاری, حسین, نصیری, مهراب. (1399). تأثیر عملکرد شرکت بر ریسک سقوط آتی قیمت سهام. راهبرد مدیریت مالی, 8(3), 43
ابراهیمی، مهرزاد. (1398) بررسی تاثیر متغیرهای کلان اقتصادی بر بازار سهام ایران با استفاده از الگوریتم های داده کاوی. اقتصاد مالی شماره 49
Gao, Kang, Vytelingum, Perukrishnen, Weston, Stephen, Luk, Wayne and Guo, Ce (2024) 'High-Frequency Financial Market Simulation and Flash Crash Scenarios Analysis: An Agent-Based Modelling Approach' Journal of Artificial Societies and Social Simulation . DOI:10.18564/jasss.5403
Muhammad Asif Khan, Saima Aziz, Shahid Mehmood and Anita Tangl (2024). Role of behavioral biases in the investment decisions of Pakistan StockExchange investors: Moderating role of investment experience. Investment Management and Financial Innovations. doi:10.21511/imfi.21(1).2024.12
Tina Comes and Frances Brazier.(2023). A Methodology to Develop Agent-Based Models for Policy Support Via Qualitative Inquiry. Delft University of Technology, Netherlands Other articles by these authors Journal of Artificial Societies and Social Simulation 26 (1) 10.
Mizuta Takanobu، Kosei Takashima، Isao Yagi .Instability of financial markets by optimizing investment
strategies investigated by an agent-based model. (2022).Computational Intelligence for Financial Engineering and Economics.
Mizuta Takanobu.(2022). A Brief Review of Recent Artificial Market Simulation (Agent-Based Model) Studies for Financial Market Regulations and Rules.Available Sadek Benhammada ،Frédéric Amblard. (2021). An Agent-Based Model to Study Informational Cascades in Financial Markets. New Generation Computing.
Fouad Ben Abdelaziz ،Fatma Mrad.(2021). Multiagent systems for modeling the information game in a financial market. International Transactions in Operational Research.
Mizuta Takanobu.(2021).An Agent-Based Model for Designing a Financial Market That Works Well. IEEE Symposium Series on Computational Intelligence, Computational Intelligence for Financial Engineering and Economics (CIFEr).
Agliari, A., Naimzada, A., & Pecora, N. (2018). Boom-bust dynamics in a stock market participation model with heterogeneous traders. Journal of Economic Dynamics.
Ponta, L., Pastore, S., & Cincotti, S. (2018).Static and dynamic factors in an information based.
Matthew Duffin، John Cartlidge.(2018). Agent-Based Model Exploration of Latency Arbitrage in Fragmented Financial Markets. IEEE Symposium Series on Computational Intelligence
Muhammad Hanif، Arshad Bhatti.(2018). Causality among Stock Market and Macroeconomic Factors: A Comparison of Conventional and Islamic Stocks. Journal of Islamic Business and Management.
McNeil, Alexander J.; Frey, Rüdiger; Embrechts, Paul. (2005). Quantitative risk management: concepts, techniques and tools. Princeton University Press. pp. 2–3. ISBN 978-0-691-12255-7.
Horcher, Karen A. (2005). Essentials of financial risk management. John Wiley and Sons. pp.1–3. ISBN 978-0-471-70616-8
C. M. Macal and M. J. North. (2007). Agent-based modeling and simulation: Desktop ABMS, Winter Simulation Conference.
Rand, W., & Rust, R. T. (2011). Intern . J . of Research in Marketing Agent-based modeling in marketing : Guidelines for rigor. International Journal of Research in Marketing,
Emanuele Borgonovo،· Marco Pangallo، Jan Rivkin، Leonardo Rizzo، Nicolaj Siggelkow.(2022).Sensitivity analysis of agent‑based models: a new protocol. Computational and Mathematical Organization Theory 28:52–94
Edwin Achorn. (2004). Integrating Agent-Based Models with Quantitative and Qualitative Research Methods. Faculty of Education Monash University association for active educational researchers northwestern. ‏
Gilbert N., and Troitzsch K.(2008). Simulation For The Social Scientist. NewYork: Open University Press.
R. Axelrod. (2003). Advancing the Art of Simulation in the Social Sciences. Japanese Journal for Management Information System, Special Issue on Agent-Based Modeling,
Lev Muchnik, Yoram Louzoun, Sorin Solomon.(2006). Agent Based Simulation Design Principles-Applications to Stock Market ،. Practical Fruits of Econophysics

متن کامل:

فصلنامه پژوهشهای کاربردی رفتار سازمانی

دانشگاه آزاد اسلامی واحد لامرد

سال اول : شماره اول پیاپی 1– بهار 1403

Journal of Applied Research Organizational Behavior

https://sanad.iau.ir/journal/aro

140304071123871

طراحی مدل تحلیل مالی و رفتار بازیگران بورس با رویکرد شبیه سازی عامل بنیان

سید فرهاد گوران حیدری1، عباس طلوعی اشلقی*2 ،احمد ابراهیمی3 ،محمدرضا معتدل4

1-دانشجوی دکتری مدیریت فناوری اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

2*-(نویسنده مسئول)استاد گروه مدیریت فناوری اطلاعات ، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران toloie@srbiaau.ac.ir

3-استاد یار گروه مدیریت صنعتی و تکنولوژی، دانشکده مدیریت و اقتصاد، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران.

4- استادیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران،ایران.

اطلاعات مقاله

چکیده

پرونده مقاله

تاریخ ارسال 09/12/1402

تاریخ پذیرش

22/03/1403

(مقاله پژوهشی)

کلمات کلیدی: شبیه سازی عامل بنیان، بورس اوراق بهادار، متغیرهای کلان اقتصادی، مالی رفتاری

مقدمه

با توجه به تاثیرگذاری‌بازارها در اقتصاد کشور بدلیل نقش‌آفرینی آن‌ها در جذب‌و هدایت سرمایه‌های خرد و کلان و تامین مالی‌ بنگاه‌های اقتصادی و اثربخشی این بازارها، به‌ویژه بورس اوراق بهادار، در پویایی اقتصاد و همچنین ریسک بالای تشکیل جریان‌های خروجی سرمایه‌گذاران از بازار بدلیل عدم کسب مطلوبیتِ مورد انتظار، توسط ایشان که می‌تواند ناشی از عدم آگاهی لازم آن‌ها از نقش‌های ‌بازیگران فعال بورس و عدم درک صحیح از تاثیرپذیری رفتار این بازیگران از متغیرهای کلان اقتصادی ‌باشد، و با توجه به پیچیدگی‌های حاکم بر بورس در واقع می‌توان اینگونه نتیجه‌گیری نمود که نیاز محسوس به وجود ابزارهایی که توان پیش‌بینی تأثیر ناشی از رفتار بازیگران فعال در بورس -که بر مبنای تغییرات در متغیرهای کلان اقتصادی شکل می‌گیرد- را داشته و بتواند بر پیچیدگی‌های ناشی از رفتارهای جمعی انسانی، فائق آمده و از وقوع اتفاقات مشابه سنوات اخیر در بازار سرمایه کشور که پیشگیری نماید، وجود دارد. در صورتیکه ابزاری کارا و اثر بخش با هدف پیش‌بینی ‌به موقع و آگاهی ‌بخشی در دسترس سیاست‌گذاران اقتصاد کلان و دست اندراکارن بازار سرمایه قرار بگیرد، با اتخاذ تصمیمات بهینه، می‌توانند نسبت به کنترل جریان‌های منفی حاکم بر بورس اقدام و نه تنها از خروج نقدینگی از بازار و هدایت آن به بازارهای کاذب پیشگیری شده بلکه می‌توان آن‌ها را به ظرفیت‌‌های ‌بالفعل تبدیل و سرمایه‌های خرد و کلان را از سایر بازارهایی که موجب اختلال در پویایی‌ بورس و اقتصاد کشور هستند به سمت بورس اوراق بهادار جذب نمود. تا دهه ۸۰ میلادی پارادایم غالب در حوزه قیمت‌گذاری اوراق‌بهادار، فرضیه بازار کارا، بود که با فرض رفتار عقلاییِ انسانِ اقتصادی پیش می‌رفت. اما از اواخر دهه مذکور استثناهایی در تئوری‌های رایج سنتی ملاحظه شد که این پارادایم پاسخگوی آن‌ها نبود. مثلا ایجاد حباب‌های قیمتی در بازارها و یا عدم انعکاس تمامی اطلاعات مرتبط با قیمت‌ها، انتخاب‌های سرمایه‌گذارها که برای ‌آن‌ها بیشینه‌سازی مطلوبیت مورد انتظار را بهمراه نداشت. با تکرار مطالعات مشابه در دهه ۹۰ میلادی پارادایم نویی در حوزه مالی پا گرفت که بعدها به‌عنوان مالی رفتاری مطرح شد (وکیلی فرد و همکاران‌، 1393). تحلیل کلاسیک پدیده‌های مالی اغلب بر مبنای مدل‌های خطی‌بوده، به صورت تحلیلی حل شده و صرفا توان باز تولید ویژگی‌های ماکروسکوپی اصلی‌ بازار را دارد و قادر به بازتولید ویژگی‌های نوظهور بازارها نیستند. یک رویکرد کلی مطالعه پدیده‌های نوظهور مدل کردن سیستم مورد نظر به‌عنوان مجموعه‌ای از عناصر میکروسکوپی است. در برخی از این مدل‌ها ویژگی‌های اساسی رفتار عامل‌ها یا رویه‌ها و روندهای‌بورس مورد مطالعه قرار گرفته است. این مدل‌ها این واقعیت را نمایان ساخته‌اند که مجموعه‌ای کوچک از مفروضات ساده توانایی توضیح مجموعه‌ای از حقایق تجربی دستکاری شده که کلیات بازار را نشان می‌دهد، دارند. این قابلیت یک پلتفرم توسعه یافته است که، عامل‌هایی را شبیه‌سازی کرده که با طیفی از رفتارها تعامل دارند(مچنیک و همکاران‌، 2006). عدم توانایی مکاتبِ پژوهش در عملیات، در مدل‌سازی رفتارهای پیچیده اجتماعی ‌به دلیل عدم توجهِ همزمان به حوزه‌های روانشناسی و رفتارگرایی، علوم اجتماعی و جامعه شناسی، علوم شناختی و همچنین عدم توانایی ابزارهای ‌آن‌ها در مدلسازیِ فرآیند پیچیده‌ی ذهنی تصمیم‌گیرندگان که منجر به یک رفتار می‌شود، می تواند دلیل لازم وکافی‌ باشد، برای ‌به کارگیری یکی از روش‌های کارای پژوهش در عملیات رفتاری که به مدل‌سازی سیستم‌های پیچیده انسانی اجتماعی می پردازد‌. این ابزار کارا، مدل‌سازی مبتنی ‌بر عامل است که یکی از روش‌های نوین محاسباتی‌ بوده و برای درک بهتر سیستم‌های پیچیده اجتماعی مورد استفاده قرارمی‌گیرد(گیلبرت و ترویتش‌،2008) تحولات سه سال گذشته بازار سرمایه کشور نشان داد که رفتار جمعی افراد غیر متخصص و آموزش ندیده موجبات تسلیم شدن ایشان در امواج حاصل تصمیمات جمعی را به‌همراه داشته و از طرفی ‌بدلیل نامشخص بودن وزن و نقش بازیگران در نوسانات و فراز و فرودها و ریزش‌های غیر طبیعی و غیر قابل پیش‌بینی بازار‌، توان کنترل سیاست‌گذاران را محدود و در مواردی نیز جریان‌ها را از کنترل خارج نمود. این موارد موجبات بی‌اعتمادی سرمایه‌گذاران و توده‌های متراکم مردم به بورس را فراهم آورده و علیرغم ایجاد مشوق‌ها و یا ثبات و کنترل در بخش‌هایی از بازار، کماکان شاهد عدم اقبال سرمایه‌گذاران به این بازار و دنباله مداوم خروج سرمایه‌های کوچک و متوسط از بازار هستیم. این وقایع همچنین نشان داد تحلیل‌های سنتی و یا آماری و ریاضی در چنین مواقعی که نقش شاخص‌های روانشناسی‌، رفتاری‌، اجتماعی و جامعه شناسی پررنگ بوده‌، فاقد کارایی لازم هستند. لذا با توجه به اهمیت پویایی ‌بازار برای اقتصاد و شرایط فعلی کشور که تنها راه خروج از بحران‌های ناشی از تحمیل فشارهای اقتصادی خارجی ‌به کشور‌، رونق و حمایت از تولید داخل و رونق و حمایت از پویایی ‌بورس می‌باشد ، به نظر می‌رسد طراحی مدلی شبیه‌سازی شده از بورس کشور‌، بتواند با تعریف عامل‌های نظیر به نظیر بازیگرانِ حاضر در این بازار نسبت به پیش بینی رفتار ‌آن‌ها بر مبنای رفتار سایر عامل‌های شبیه‌سازی شده‌، اثر بخش باشد.

پیشینه پژوهش

بر مبنای مطالعات صورت پذیرفته طبقه‌بندی پژوهش‌های انجام شده بر اساس نوع آنها در 2 دسته، 4 بخش و 9 شاخه تقسیم بندی و بشرح زیر گزارش می‌گردد:

1-دسته اولِ تحقیقات، پژوهش‌های انجام شده در بستر پارادایم مالی رفتاری ‌با لحاظ نقش رفتارهای انسانی

1-1-پژوهش‌های‌بخش اول از دسته اول، پژوهش‌هایی‌با بکارگیری روش‌های نوین و توجه به حوزه‌های روانشناسی و رفتارگرایی، علوم اجتماعی و جامعه‌شناسی، علوم شناختی و با استفاده از شبیه‌سازی عامل بنیان هستند.

1-1-1-پژوهش‌هایی با هدف بررسی نقش استراتژی‌های سرمایه‌گذاران در خرید و فروش انجام شده است، که در آن‌ها سهام‌داران به تیپ‌هایی مانند سهام‌داران اصول‌گرا و بنیادین یا سرمایه‌گذاران مومنتوم و غیرمومنتوم، سهام‌داران ریسک‌گریز و ریسک‌پذیرتقسیم شده و یا رفتار سرمایه‌گذاران بر مبنای آموزش دیده و آموزش ندیده یا آموزش خودکار و آموزش کنترل شده بررسی شده و در مواردی نیز با استفاده از تئوری‌بازی‌ها نسبت به مطالعه نقش سرمایه‌گذاران در بازار اقدام شده است.

1-1-2-تحقیقاتی که در آن‌ها تمرکز روی قیمت‌ سهام بوده و معادلات عرضه و تقاضا، عدم تعادل، پویایی قیمت و متغیرهای دیگری که از قیمت‌ها تاثیر می پذیرند، است.

1-1-3- پژوهش‌هایی‌ با هدف بررسی نقش مقررات و یا قوانین بازار مالی با تمرکز بر دامنه نوسان، قوانین عرضه، عرضه اولیه، سری‌های زمانی و مانند آن‌ انجام شده است.

1-1-4-تحقیق‌هایی که نقش اطلاعات در رفتار سرمایه‌گذاران را تحلیل می‌کند. با قراردادن تصمیمات سهام‌دارانی که خوشه‌ها یا لایه‌های متمایز از هم متناسب با سهم از دسترسی اطلاعاتی، آبشار اطلاعاتی، ناهمگنی، سرعت دستیابی‌به اطلاعات، تنوع اطلاعات، تصمیمات آنها تاثیر این تصمیمات را مورد پایش قرار داده است.

1-2-بخش دوم، تحقیقاتی‌با استفاده از روش‌ها و الگوریتم‌های نوین مانند داده‌کاوی، ژنتیک الگوریتم، مورچگان، گرگ خاکستری و الگوریتم خفاش استفاده شده است.

1-2-1-تغییرات در شاخص‌های کلان بازار سرمایه مانند چون شاخص کل بورس، نوسانات غیرمنتظره بازار و پویایی‌بازار، شاخص هم وزن وحجم معاملات می‌باشد.

1-2-2-تغییرات و تاثیر بر شاخص‌های خرد شرکت‌های بورسی مانند قیمت سهام، ‌نسبت قیمت به سود و سایر نسبت‌های مالی شرکت‌ها مورد بررسی قرار گرفته‌اند.

2-پژوهش‌های در بستر پارادایم ریاضی و آماری بدون توجه به نقش شاخص‌های روانشناسی، رفتاری، اجتماعی و جامعه شناسی، که بشرح زیر قابل تقسیم است:

2-1-پژوهش‌هایی که به بررسی نقش متغیرهای‌کلان اقتصادی از قرارِ شاخص توليد صنعتي، عرضه پول، قيمت نفت، ، نرخ ارز، تورم، نرخ بهره و غیره پرداخته است.

2-1-1-پژوهش‌هایی که تاثیر متغیر‌های کلان اقتصادی بر متغیرهای خرد شرکت‌ها چون بازده سهام، P/E، نقدینگی، نسبت بازده به دارایی‌ها را مطالعه نموده است.

2-1-2-تحقیقاتی که تاثیر متغیر‌های کلان اقتصادی ‌بر متغیرهای کلان بازار چون شاخص کل بورس، پویایی‌بازار، شاخص هم وزن وحجم معاملات را تحلیل کرده است.

2-2-بخش دوم از این دسته مطالعات انجام شده روی تاثیرات متغیر‌های درونی بنگاه مانند، سبک مدیریت، توانمندی منابع انسانی، میزان دارایی‌ها، سود خالص، سیستم حسابداری، پرداخت کارکنان، تعداد کارکنان، توانایی مدیریتی، ارتباطات ‌سیاسی، مسئولیت اجتماعی، استراتژی‌های تجاری و قیمت‌محصول هستند.

در شکل زیر طبقه‌بندی پژوهش‌های صورت‌گرفته که ارائه گردید، آورده شده است:

شکل -1 : نمای کلی پژوهش‌های صورت گرفته در حوزه بازار سرمایه

در ادامه جدول نمونه‌ پژوهش‌های اخیرِ خارجی و داخلی با قالبِ:

[*عنوان پژوهشگر *سال *یافته‌ها * ابزار و روش *شکاف نظری] ارائه شده است:

پژوهش‌های خارجی

[*کانگ ژائو و همکاران* 2024 * فرایند شکل‌گیری قیمت از تعاملات بین معامله‌گران مومنتوم، معامله‌گران بنیادی و معامله‌گران نویز تشکیل شده است * استقرار مدل‌های عامل گرا برای تولید داده در بازار‌های مصنوعی * عدم توجه به نقش سایر بازیگران بازار سرمایه]

[*دانیل سونگیون و همکاران* 2024 * در دوران رکود، رفتار گله‌‌ای در بورس قوی‌تر از دوران رونق است * معادلات دیفرانسیل تصادفی مرسوم* بی توجهی به نقش متغیرهای کلان اقتصادی نقش سایر بازیگران بازار بر روند بورس]

[*اسیفخان و همکاران* 2024 * سوگیری‌های سرمایه‌گذار در رفتار وی مؤثر بوده و تغییرات رفتاری آنها موجب پویایی یا رکود بازار می‌شود * ترکیبی از روش‌های کمی و کیفی، استفاده از روش‌های رگرسیونی و لیکرت و تحلیل عاملی * عدم توجه به نقش تأثیر رفتارهای انسانی و عوامل روان‌شناسی و جامعه‌شناسی]

[*تاکانابو میزوتا و همکاران* 2022 * پارامتر استراتژی سرمایه‌گذاری هرگز به یک مقدار خاص همگرا نشده، بلکه به تغییر ادامه داده است * توسعه بازار مصنوعی با استفاده از شبیه‌سازی عامل بنیان * عدم توجه به نقش سایر بازیگران بازار]

[*کانگ ژائو و همکاران *2022 * فرآیند شکل‌گیری قیمت از تعاملات بین معامله‌گران مومنتوم، معامله‌گران بنیادی و معامله‌گران نویز تشکیل شده است * استقرار مدل‌های عامل گرا برای تولید داده دربازارهای مصنوعی * بی توجهی به نقش متغیرهای کلان اقتصادی بر روند بازار]

[*میزوتا تاکانوبا *2022 * یک بازار مصنوعی، به‌عنوان نوعی مدل مبتنی بر عامل می‌تواند سهم ناب تغییر مقررات را در شکل‌گیری قیمت‌ها مجزا کرده و ابزاری برای پیشگیری از مشکلاتی باشد که به وقوع نپیوسته‌اند * شبیه‌سازی بازار با مدل‌سازی عامل بنیان *صرفاً به یک بُعد از متغیرها (قوانین و مقررات) پرداخته و نقش سایر پارامترها را نادیده می‌گیرد]

[*بن هامادا و آمبلارد *2021 * آبشارهای اطلاعاتی زمانی به وجود می‌آید که بازار در کنترل کامل معامله گرانی با عدم اطمینان قابل‌توجه در سیگنال‌های خود باشد * ساخت یک مدل مبتنی بر عامل برای مطالعه آبشارهای اطلاعاتی * صرفاً به یک بُعد از متغیرها (اطلاعات) پرداخته و سایر پارامترها را نادیده می‌گیرد]

[*فواد بن عبدالعزیز و فاطمه امراد *2021 *شبیه‌سازی آن‌ها حساسیت نتایج بازار سهام به نوع اطلاعات در مورد نمایندگان را نشان می‌دهد * توسعه یک مدل مبتنی بر عامل برای بررسی بازی اطلاعاتی *فرایند تبادل اطلاعات و تعامل عامل‌ها باهم را بررسی نکرده است]

[*وستفال و سورنتی *2020 *نوسانات و ارزش در معرض خطر و دامنه اوج حباب متوسط را کاهش می‌دهند، آربیتراژ ثبات‌زاست*شبیه‌سازی عامل‌بنیان *بی‌توجهی به نقش دیگر بازیگران فعال بازار]

[*یانگ و همکاران *2020 *سیستم های ترکیبی توان ارتقای کیفیت بازار را در مقایسه با سیستم یکسان دارند.یک سیستم ترکیبیِ کمینه، بهترین عملکرد و اثر را بر بهبود کیفیت بازار دارد* معرفی بازار سهام مصنوعی مبتنی بر عامل *بی توجهی به متغیرهای تاثیرگذار محیطی بر بورس]

[*سوئیسی و همکاران *2018 *ثبات بازار تحت تأثیر توزیع انواع معامله گران و معرفی مکانیسم تقلید قرار گرفته ومعامله‌گران سوداگر می توانند بی‌ثباتی بازار و نوسانات بالا شود* مدلسازی با استفاده از شبیه سازی عامل بنیان *عدم لحاظ نقش کلیه بازیگران بازار و متغیرهای کلان اقتصادی]

[*آلگریا و همکاران *2018 *مشارکت سرمایه‌گذاران و انطباق با شواهد تجربی و آزمایشی می‌تواند موجبات پویایی و رونق را فراهم کند * طراحی بازار مصنوعی با شبیه‌سازی عامل بنیان*بررسی صرفاً نقش سرمایه‌گذار و عدم لحاظ نقش دیگر بازیگران بازار و تأثیر متغیرهای اقتصادی]

[*متیو دافین و جان کارتلیج *2018 *ابزارهای تشویقی که برای ایجاد رقابت بکار گرفته می‌شود بازار را تکه‌تکه کرده و عملاً یک ابزار مالی هم‌زمان در چندین مکان معامله می‌شود* مدل‌سازی با استفاده از شبیه‌سازی عامل بنیان*عدم لحاظ نقش کلیه بازیگران بازار و متغیرهای کلان اقتصادی]

[*پونتا و همکاران *2018 *قیمت سهام نشانگر خوبی برای خوشه‌بندی نوسانات و توزیع پهن بازده است* معرفی بازاری مصنوعی بر پایه اطلاعاتی از سهم‌ها با استفاده از شبیه‌سازی عامل بنیان*صرفاً به یک بُعد از متغیرها (اطلاعات) پرداخته و سایر پارامترها را نادیده می‌گیرد]

[*ارشد بهاتی و محمود حنیف *2018 * عرضه پول و قيمت نفت با بازده بورس پاکستان رابطه مستقیم دارد* بررسي رابطه متغیرها با روش‌های آماری *عدم لحاظ تأثیرات رفتاری و انسانی

پژوهش‌های داخلی

[*رئیسی و همکاران * 1403 * ویژگی‌های شخصیتی و مولفه‌های آن (روان رنجوری، برون گرایی، گشودگی، وجدان و قابلیت سازگاری) بر سوگیری‌های رفتاری سرمایه‌گذاران ارتباط مستقیم و معنادار دارد* مدلسازی معادلات ساختاری با لیزرل * عدم توجه به نقش کلیه بازیگران بازار و متغیرهای کلان اقتصادی]

[*بیات و همکاران * 1403 * بیش اطمینانی مدیریت در تصمیم‌گیری، با واگرایی رفتار سرمایه‌گذاران رابطه مستقیم و معنادار دارد* استفاده از روش همبستگی علی * عدم توجه به تاثیر رفتار دیگر بازیگران بر رفتار سرمایه گذاران]

[*ستوده و همکاران * 1403 * معرفی 31 شاخص و 8 مؤلفه در الگوهای رفتاری تصمیم‌گیری سرمایه‌گذاران * اندازه‌گیری ریسک با آزمون فریدمن * عدم توجه به نقش تأثیر رفتارهای انسانی و عوامل روان‌شناسی و جامعه‌شناسی]

[*تهرانی و همکاران * 1403 * الگوی میداس نشان می‌دهد که بهای نفت، نقدینگی و نرخ ارز تأثیر مثبت و معنادار بر رفتار بازار سهام دارد * رویکرد داده‌های ترکیبی تواتر متفاوت * عدم توجه به نقش کلیه بازیگران بازار و متغیرهای کلان]

[*عباسی سیر و همکاران * 1401 * شخصیت نوع اولی یعنی هیجانی‌ها 48 درصد و نوع دوم؛ یعنی سهام‌داران نوسانگیر 52 درصد از جمعیت سهامداران را به خود اختصاص داده‌اند * مدل‌سازی با استفاده از شبیه‌سازی عامل بنیان* عدم لحاظ نقش کلیه بازیگران بازار و متغیرهای کلان اقتصادی]

[*هادی‌پور و همکاران*1400 * تنش‌های سیاسی و روابط خارجی کشور مهمترین عامل ایجادکننده نوسانات است که دارای تاثیر غیرقابل کنترل بر بازارهای موازی می‌باشد که برآیند اثر آن ها در بورس منعکس می‌گردد* بکارگیری روش‌ تلاطم شرطی* عدم لحاظ تاثیرات رفتاری و اجتماعی]

[*ولی‌زاده و همکاران*1400 * می توان برای پیش‌بینی عوامل مؤثر بر ریسک سقوط قیمت سهام مدلی ارائه نموده که در آن متغیرهای پژوهش بر ریسک سقوط قیمت سهام تأثیر دارند *میزخبرگان، مصاحبه ، استخراج مدل پژوهش با معادلات ساختاری* صرفا معرفی عوامل تاثیر گذار و عدم پویایی و توانای پیش بینی رفتار]

[*رستگار سرخه و خلج *1399 * استراتژی های معاملاتی در فرکانس های زمانی مختلف تاثیر مستقیم بر بازده بازار دارد *توسعه مدل مندس با شبیه سازی عامل بنیان *عدم توجه به تاثیر رفتار دیگر بازیگران بر رفتار سرمایه گذاران]

[*حسین فخاری و مهراب نصیری *1399 *جهش یا سقوط آتی قیمت سهام را با توجه به عملکرد یک شرکت ، پیش بینی و نسبت به حفظ، خرید یا فروش سهام آن شرکت اقدام کرد* رگرسیون چندگانه با روش داده های تابلویی پویا*بی توجهی به متغیرهای محیطی و کلان اقتصادی]

[*مهرزاد ابراهیمی *1398 *قیمت سهام با متغیرهای با متغیرهای کلان اقتصادی رابطه وجود دارد که با مدل تئوری سازگار هستند* استفاده از الگوریتم‌های داده‌کاوی *عدم توجه به عوامل انسانی، رفتاری، اجتماعی و درنظرنگرفتن نقش سایر بازیگران و عوامل تأثیرگذار بر شاخص بازار]

[*شیرازیان و همکاران*1397 *سیستم های ترکیبی توان ارتقای کیفیت بازار را در مقایسه با سیستم یکسان دارند.یک سیستم ترکیبیِ کمینه، بهترین عملکرد و اثر را بر بهبود کیفیت بازار دارد* شبیه سازی عامل بنیان*عدم توجه به تاثیر سایر بازیگران بازار سرمایه بر سرمایه گذاران]

[*عادل آذر و همکاران*1397 *با توجه به نابالغ بودن بازار سهام ایران مکانیزم‌های کنترلی مثل دامنه نوسان قیمت در کوتاه مدت به شدت در نوسان بوده اما کارایی آنها در بازار در بلندمدت هر چه بیشتر خواهد شد *مدل سازی رفتار سهامداران در بازار سرمایه ایران با بهره گیری از شبیه سازی عامل بنیان *صرفا رفتار سرمایه گذاران را مدل نموده و به رفتار سایر بازیگران پرداخته نشده است همچنین تاثیر متغیرهای کلان اقتصادی را نادیده گرفته است]

شکاف نظری موجود در پیشینه پژوهش و نوآوری‌های پژوهش حاضر

با استناد به پیشینه پژوهش، تاکنون تحقیقات بسیاری در حوزه تحلیل مالی بورس صورت پذیرفته که این تحلیل‌ها عموماً با نگاه به روندهای بورس، نوسانات و قیمت‌گذاری بوده و به دلایلی مانند ناهمگن بودن، عقلانیت محدود و عوامل رفتاری در تصمیم‌گیری سهام‌داران پیچیدگی رفتارهای سرمایه‌گذاران، گذشته‌نگر بودن داده‌ها، وجود قوانین محدودکننده در خصوص محرمانه بودن داده‌ها و اطلاعات مالی سرمایه‌گذاران، تحلیل‌های کمی آماری و ریاضی تخمین‌های دقیقی از واقعیت‌هایی که عمیقاً با شاخص‌های پیچیده رفتاری و انسانی درگیر است، نمی‌دهد. پس نتایج حاصل از تحقیقات غالباً کاربردی نیست. همچنین بیشتر پژوهش‌های پیشین در بستر پارادایم‌های کلاسیک صورت‌گرفته و در مواردی معدود نیز که شبیه‌سازی عامل بنیان به خدمت گرفته شده است، صرفاً به پیش‌بینی رفتار سرمایه‌گذاران و با تمرکز بر شاخص‌ها یا متغیرهای درونی شرکت‌ها پرداخته شده و به رفتار، و تأثیر رفتار ِسایر بازیگران فعال در بورس و تأثیر متغیرهای بیرونی مانند شاخص‌های کلان اقتصادی پرداخته نشده است. در نتیجه این پژوهش‌ها در سه بستر کلی تحت عناوین، 1) پژوهش‌های کلاسیک با بهره‌گیری از مدل‌های آماری و ریاضی، 2) پژوهش‌های در بستر مالی رفتاری، 3) پژوهش‌هایی که با ظرفیت‌های شبیه‌سازی انجام شده است. تحقیق حاضر نسبت به هر سه پارادایم مذکور دارای نوآوری‌هایی ‌بوده که در ادامه به آن‌ها پرداخته شده و نمای شماتیک آن در قالب شکل 2 قابل ملاحظه می‌باشد:

1-در پژوهش حاضر برای نخستین بار علاوه بر سرمایه‌گذار، نسبت به بررسی نقش سایر بازیگران فعال در بورس اقدام شده است که پیش از این در هیچ‌یک از رویکردهای پژوهشی قبلی این مهم صورت نپذیرفته است

2-در این پژوهش برای نخستین بار با استفاده از شبیه‌سازی عامل بنیان، نقش متغیرهای کلان اقتصادی در روند بورس بررسی شده است

3-در پژوهش انجام شده شده برای نخستین بار امکان پایش و کشف نقطه بهینه ضریب نفوذ بازیگرانی چون بازارگردان‌ها، سبدگردان‌ها، صندوق‌های سرمایه‌گذاری، در بورس فراهم شده است

4-با تحقیق جاری این امکان در دسترس قرار گرفته است که ضمن کشف تأثیر مطلوب یا نامطلوب تیپ‌های مختلف شخصیتی سرمایه‌گذارن، بتوان نقطه بهینه ترکیب وزنی حضور تیپ‌های مختلف را کشف نمود

5-در این پژوهش برای اولین بار تأثیر متغیرهای کلان اقتصادی روی رفتار بازیگرانی غیر از سرمایه‌گذار مطالعه شده است

Untitled

شکل - 2: نوآوری‌های تحقیق در هر پارادایم

روش پژوهش

اگر بخواهیم بازار مصنوعی ما واقع‌بینانه باشد و خروجی‌ها و پیش‌بینی‌های آن با واقعیت تطابق داشته باشد، بایستی ‌به نقش کلیه بازیگران حاضر در بازار توجه نماییم، بدین منظور لازم است در گام نخست نسبت به شناخت کافی از ساختار و سازماندهی ‌بازار رسیده که این مهم در این پژوهش انجام شده است. در گام بعدی ‌برای این‌که بتوانیم رفتار فعالان بازار را پیش‌بینی نماییم لازم است ادبیات ریز‌ساختار و مکانیسم تشکیل قیمت‌ها را به‌درستی درک کنیم که پژوهشگر در گام دوم این پژوهش به این مهم دست‌زده است؛ بنابراین تا این گام از تحقیق با رویکرد کیفی و استقرایی ‌با مشاهده، مطالعه و بررسی دقیق واقعیت‌های بازار سرمایه نسبت به پیش‌بینی کلی‌تر ویژگی‌ها اقدام نموده و مدل مفهومی ارائه نموده‌ایم. در گام سوم پس از کسب تسلط بر ساختار و عملکرد بازار واقعی نسبت به مطالعه، تحلیل و تطبیق بازارهای مصنوعی اقدام نموده‌ایم، این مطالعه تطبیقی تصویری جامع از پژوهش‌های پیشین در این حوزه را نشان می‌دهد. در گام بعدی این پژوهش با ساخت مدلی ‌برای‌ بورس ایران و سنجش اعتبار آن نسبت به شبیه‌سازی رفتار بازیگران بورس از طریق شبیه‌سازی عامل بنیان به‌عنوان سومین روش تحقیق علمی و رویکردی که نقاط ضعف اشاره شده را پوشش می‌دهد اقدام کرده‌ایم. این مدل شبیه‌سازی شده با تمرکز بر نقش کلیه بازیگران حاضر در بازار سرمایه از طریق تعریف سناریوهای متمایز نسبت به ارزیابی رفتار عامل‌ها می‌تواند به سؤالات پژوهش پاسخ داده و از رویکرد مبتنی بر عامل به‌عنوان ابزاری انعطاف‌پذیر برای تحلیل و پیش‌بینی دقیق رفتار این عامل‌ها استفاده نموده است، لذا این پژوهش از نظر هدف پژوهش توصیفی‌ بوده و با عنایت به قابلیت به‌کارگیری نتایج حاصل از آن در کشور نتایج آن کاربردی است. درحقیقت این پژوهش یک روش ترکیبی را توصیف می‌کند که مدل‌های مبتنی بر عامل رفتار انسانی را با روش‌های تحقیق کمی و کیفی ترکیب می‌کند. پژوهش بر مبنای شیوه‌های آمیخته نوعی استراتژی پژوهشی یا روش‌شناسی باهدف جمع‌آوری و ترکیب و تحلیل داده‌های کمی و کیفی‌ بوده که در زمان انجام پژوهش برای درک بهتر مسائل پژوهشی ‌بکار گرفته می‌شود (کرسول،2003). مدل‌سازی مبتنی بر عامل شامل مطالعه بسیاری از بازیگران و تعاملات آن‌ها است. مدل‌ها با قوانین ساده یادگیری و فرضیات شروع می‌شوند؛ اما رفتارهای پیچیده‌ای را نشان می‌دهند. مدل‌سازی مبتنی بر عامل مانند استنتاج است که با مفروضات صریح شروع می‌شود. سپس مدل، داده‌های شبیه‌سازی شده را برای تجزیه‌وتحلیل استقرایی ‌با استفاده از ابزارهای کمی و کیفی تولید می‌کند. مدل‌سازی مبتنی بر عامل به معنای تکمیل و تقویت رویکردهای سنتی است؛ اما خود یک روش جدید برای علم است (آکرون،2004). در ادامه عملکرد هر عامل در مدل به‌صورت یک شیء برنامه‌نویسی شده و برهم‌کنش میان انتخاب‌‌ها و رفتارهای هریک از این اشیا در قالب یک برنامه کلی موردتوجه قرار می‌گیرد. در نتیجه الزام به بکار گیری برنامه‌نویسی شیءگرا به وجود می‌آید. ساختار و الگوریتم مدل از طریق شبه کد انجام شده و توسط نرم‌افزار نت لوگو شبیه‌سازی می‌شود. با ساخت مدل چه زمان ساخت آن و چه پس از آن می‌توانیم به شناخت از ساختار و نحوه رفتار سیستم واقعی رسیده و رفتار آن را در شرایط مختلف پیش‌بینی کنیم. پس از آن قادر خواهیم بود سناریوهای مختلف را برای بهبود عملکرد سیستم آزمون نماییم و این مهم از طریق تکرار آزمایش‌ها و تولید آزمایش‌های جدید و با استفاده از ویژگی‌های خاص شبیه‌سازی عامل بنیان مانند خودمختاری عامل‌ها و مستقل‌بودن معامله‌گران به‌دست‌آمده است. درصورتی‌که شبیه‌سازی‌بدرستی مدل شود، خروجی حاصل از بررسی مدل مصنوعی بدون صرف کوچک‌ترین هزینه و تحمل کمترین ریسک قابل‌تعمیم به مدل واقعی است.

مفروضات مدل

1-بازه‌های زمانی داده‌های جمع آوری شده تحقیق براساس اطلاعات منتشر شده توسط بانک مرکزی، سازمان بورس اوراق‌بهادار و سازمان آمار بوده است و در مدلسازی صورت گرفته نسبت به پیش بینی دوره پانزده ساله پس از دوره شبیه‌سازی یعنی از 1402 تا 1416 شمسی اقدام شده است.

شکل - 3 : نحوه تغییر در اسلایدرهای ‌بازه‌های زمانی شبیه‌سازی و دوره پیش بینی

2-بر اساس مصاحبه با سی نفر از خبرگان بازار سرمایه که شامل مدیران عامل، اعضای هیئت مدیره و معاونین کارگزاری‌های رسمی‌بورس کشور و موسسات سبدگردانی و شرکت‌های ‌بزرگ بورسی، تشکیل هستند، رفتارهای معمول هریک از بازیگران بازار در روندهای صعودی و نزولی و یا ثبات بازار بر مبنای جدول زیر قابل پیش‌بینی خواهد بود، که بر مبنای هر یک از حالات صعودی، نزولی و ثبات بازار متناسب به نقش تعریف شده برای هر عامل درونی ‌بازار، خرید یا فروش صورت گرفته و تاثیر ناشی از برآیند خرید و فروش‌های انجام شده در شاخص کل بورس قابل ملاحظه خواهد بود

جدول -3 : رفتارهای معمول بازیگران فعال در بورس در روند‌های متفاوت بازار

3-تعداد عامل‌های تنظیم شده، تعداد واقعی آخرین روز کاری ‌بازار داده‌ها یعنی 28/12/1401 است و برای نسبت وزنی یا ضریب نفوذ آن‌ها در مدل، در نت‌لوگو اسلایدر تعریف شده و مورد تحلیل حساسیت قرار گرفته است.

Untitled

شکل -4 : نمایش داده‌های ورودی وارد شده در نت لوگو

4-با توجه به اینکه روند رشد متغیرهای کلان اقتصادی و شاخص کل در کشور در پانزده سال اخیر همواره صعودی‌است، با هدف ایجاد امکان مطالعه، بررسی و تحلیل حالاتِ محتمل دیگر، علاوه بر شبیه‌سازی ‌بر مبنای دیتابیس که در بلند مدت نشانگر روند صعودی کلی ست، در حالت دیگری نیز، مدل تصادفی تعریف، و در هر دو حالت شبیه‌سازی انجام و نتایج استخراج و تحلیل حساسیت صورت گرفته است.

شکل -5 : معرفی قابلیت انتخاب شبیه‌سازی‌با رویکردهای تصادفی و داده محور

5-در این پژوهش بازیگرانِ اکوسیستم بازار سرمایه به عامل‌های درونی و بیرون تقسیم و از تحلیل رفتار عوامل محیط بیرونی یعنی: بانک مرکزی، وزارت اقتصاد و امور دارایی، وزارت صمت، شورای عالی‌بورس، سازمان بورس اوراق بهادار بدلیل تاثیر مستقیم، روی روندِ بورس در اقتصادکلان و قابلیت پایشِ این تاثیرگذاری از روی شاخص‌هایی مانند شاخص کل، صرف نظر شده و شاخص کل بورس بعنوان متغیر خروجی لحاظ گردیده است. و عامل‌های درونی‌ بازار یعنی ناشر، سرمایه‌گذار، بازارگردان، سبدگردان‌، موسسات تامین سرمایه، موسسات رتبه بندی در نظر گرفته شده و نرخ دلار، قیمت نفت خام اپک، نرخ تورم، نرخ سود بانکی سپرده یکساله، حجم پول، رشد نقدینگی، تراز تجاری‌بعنوان هشت متغیر ورودی در مدل تعریف شده‌اند.

قUntitled

شکل -6 : چارچوب انتخابی تدوین مدل مفهومی پژوهش

شکل -7 : مدل مفهمومی جهت مدل سازی‌بورس

6-داده‌های جمع آوری شده که بعنوان دیتا بیس نت‌لوگو جهت شبیه‌سازی‌بکار گرفته شده است در جدول زیر ارائه شده است:

جدول -4: داده‌های پانزده ساله جمع آوری و استفاده شده در نت لوگو جهت دیتابیس شبیه‌سازی

پویایی قیمت‌ها و ریزساختار بازار

پویایی قیمت‌ها در بازار، نقش بسزایی در پیچیدگی سیستم بازار ایفا می‌کند –مقصود از پویایی قیمت، فرایندی‌ست که طی این فرایند قیمت‌ها، در اثر تغییرات در متغیرهای بازار تغییر می‌کنند - از طرفی می‌توان عنوان نمود که قیمت‌ها تحت‌تأثیر مکانیسم تشکیل قیمت در بازار، تعیین می‌شوند. تشکیل قیمت، خروجی حاصل از سفارش‌گذاری‌هاست و سفارش‌گذاری‌ها متأثر از عوامل محیطی مانند تصمیمات کلان اقتصادی سیاست‌گذاران کلان و اخبار حاصل از آن و یا اقدامات بازیگران فعال در محیط درونی بازار مانند ناشران و بازار‌گردانان، اما در نهایت این ثبت سفارش خریدار و فروشنده نهایی‌ست که موجب تشکیل قیمت‌ها می‌شود. پیچیدگی حاصل از وجود ریزساختار بعلاوه پیچیدگی و سردرگمی که در زمان بررسی رفتار بازیگران در هنگام ثبت سفارش‌های خریدوفروش مشاهده می‌شود، باعث شده تا مدهاوان در سال 2000 بازار سرمایه را به جعبه سیاه تشبیه کند. در حقیقت این نقش‌ها، رفتارها و تصمیمات کلیه بازیگران است که با عقلانی یا غیر عقلانی‌بودن، همگن یا غیرهمگن بودن، رهبری یا دنباله‌روی و سایر جنبه‌های محتمل، ریزساختار بازار را تشکیل می‌دهد، دسترسی ‌به مدلی واقع‌بینانه بدون توجه به ریزساختار در طراحی مدل، امکان‌پذیر نیست.

ریز ساختار

شکل -8 : مدل مفهمومی تأثیر بازیگران بیرونی و متغیرهای کلان بر تصمیمات بازیگران درونی ‌بورس

مدل ریاضی

اگر ارزش جاری ‌بازار سهام در زمان موردمطالعه را بر ارزش جاری‌ بازار سهام در سال پایه تقسیم کرده و عدد به‌دست‌آمده را در 100 ضرب کنیم، حاصل برابر شاخص کل است. فرمول محاسبه آن یعنی شاخص قیمت و بازده نقدی ‌به این شکل است:

صورت این فرمول، مجموع حاصل‌ضرب قیمت ‌هر سهم در تعداد آن سهم است و مخرج آن بازده نقدی شرکت‌هاست که فرمول محاسبه آن، با لحاظِ DPS به‌عنوان سود نقدی پرداختی از سوی ناشرها، فرمول مذکور به این شکل قابل‌ارائه خواهد بود:

که در آن RDt بازدهی نقدی در زمان t و Pit قیمت سهام شرکت i در زمان t و qit تعداد سهام شرکت i در زمان t است. با فرض اینکه هریک از این بازیگران با یکی از اهداف پیشگیری از کوچک‌شدن سرمایه خود و یا کسب انتفاع بیشتر دست به معامله تصادفی ‌بزند و سفارش خرید یا فروشی را ثبت کند، در صورتی که سفارش فروش آن پایین‌ترین نرخ پیشنهادی بوده و یا سفارش خرید آن بالاترین نرخ پیشنهادی موجود در بازار باشد، معامله‌ انجام که معادله آن به شکل زیر قابل روئیت است

Si=P(t)*[1- (RND- Riski)*y]

و در آن Si حد فروش، در زمان t و P قیمت سهام شرکت در زمان t و Riski پارامتری است که ریسک گریزی معامله‌گر را نمایش داده که RND عددی ‌بین صفر و یک با توزیع یکنواخت است و گویای این مهم است که درجه بالاتر ریسک‌گریزی در بازیگر تصادفی احتمال پیشنهاد نرخ جذاب از سوی او را افزایش می‌دهد در نتیجه احتمال شکل‌گیری معامله و تقویت روند بازار افزایش می‌یابد. باتوجه‌به فرضیات ارائه شده، می‌توان تابع تصمیم‌گیری زیر را برای عامل‌ها در شبیه‌سازی‌عامل‌بنیان با تأثیرپذیری از متغیرهای کلان اقتصادی و تصمیمات آن‌ها روی شاخص کل بورس ارائه داد بدین ترتیب، با فرض دسترسی هر عامل در شبیه‌سازی به اطلاعاتی مانند نرخ نفت اپک، نرخ دلار، نرخ طلا، نرخ تورم، حجم نقدینگی، حجم پول، رشد نقدینگی و تراز پرداخت‌ها، همچنین با فرض اینکه عامل‌های نماینده سرمایه‌گذاران، دارای دو تیپ سرمایه‌گذاران، ریسک‌گریز و ریسک‌پذیر هستند. تابع تصمیم‌گیری به شکل زیر است:

D = f (R, I, X, C, T)

در این فرمول،D نشان‌دهنده تصمیم گرفته شده توسط عامل است. R نمایانگر متغیرهای کلان اقتصادی مانند نرخ نفت اپک، نرخ دلار، نرخ تورم، نرخ طلا، حجم نقدینگی، حجم پول است. I نمایانگر اطلاعات گذشته بازار سرمایه است. X نشان‌دهنده تصمیمات عامل است که شامل ترکیب خرید، فروش یا عدم معامله می‌شود. C نیز نشان‌دهنده شاخص کل بورس است. T نمایانگر نوع سرمایه‌گذاری عامل است که می‌تواند ریسک‌گریز یا ریسک‌پذیر باشد. تابع f به شکل زیر تعریف می‌شود:

F (R, I, X, C, T) = α * R + β * I + γ * X + δ * C + η * T + ε

در این فرمول، α، β، γ، δ و η ضرایب هستند که نشان‌دهنده وزن‌دهی متغیرهای مختلف در تصمیم عامل است. ε نیز خطا یا نوسانات غیرقابل‌پیش‌بینی است.

الگوریتم میانگین متحرک (Exponential Moving Average| EMA)

الگوریتم EMA با الهام از نحوه دادوستد سهام در بورس اقدام به حل مسائل بهینه‌سازی می‌نماید. مطالعه دقیق نحوه دادوستد سهام توسط نخبگان بازار بورس موجب شکل‌گیری این الگوریتم ابتکاری شده است. این الگوریتم دارای دو اپراتور جستجوگر و دو اپراتور جذب‌کننده نفرات به سمت فرد نخبه است که موجب می‌شود تولید و ساماندهی اعداد تصادفی در این الگوریتم به بهترین شکل ممکن صورت گیرد (قربانی و بابایی،1394). برای محاسبه اندیکاتور EMA ابتدا اندیکاتور میانگین متحرک ساده (Simple Moving Average | SMA) را برای دوره و متغیر مورد نظر محاسبه شده است. به این منظور مقدار پایانی دوره‌های اندیکاتور را جمع کرده و بر تعداد دوره‌ها تقسیم نموده ایم و در ادامه برای ساخت میانگین متحرک نمایی از ضریب هموارسازی استفاده شده است. بدین منظور دوره میانگین‌گیری n و ضریب هموارسازی x فرض شده و از فرمول زیر برای محاسبه ضریب هموارسازی استفاده‌گردیده است:

X=2/n+1

پس از محاسبه ضریب هموارسازی اندیکاتور EMA محاسبه شده است. مقدار این اندیکاتور برای هر دوره، به مقدار عددی آن در دوره قبل بستگی دارد؛ لذا مقدار EMA برای دوره قبل را برابر با A، قیمت پایانی دوره فعلی را برابر P و ضریب هموارسازی را X در نظر گرفته و مقدار EMA دوره فعلی ‌با فرمول زیر محاسبه شده است.

EMA= (P*X) + (A*(1-X))

پیاده‌سازی مدل اولیه در نرم‌افزار

شبیه‌سازی در نرم‌افزار نت‌لوگو ورژن 6.3.0 انجام شده و با توجه به مشخصه‌های عامل‌ها و تعاملات بین آنها مثل تصمیمات ممکن و محتمل بازیگران، مکانیزم‌های حقیقی بازار، روابط فی‌مابین بازیگران، 2335 سطر کد نوشته و از توانمندی نرم‌افزار مذکور در رصد و پایش رفتار عامل‌ها در معاملات استفاده شده است. بر اساس آن‌ها یادگیری عامل‌ها شکل می‌گیرد، و کاربر نسبت به اجرای ماژول‌ها اقدام نموده تا بازار مصنوعی اجرا و بازیگران کنش و واکنش داشته و پیش‌بینی انجام شده است. در حقیقت رفتار عامل‌ها که با نگاه‌کردن به جداول رفتار متغیرها و که بر اساس نقش‌ها و رفتار آن‌ها در شرایط متفاوت بازار کد شده است، مورد پایش قرار می‌گیرد. در این مرحله عامل‌ها باهدف پیشگیری از تضعیف سرمایه خود و حداکثرسازی منافعشان و باتکیه‌بر روند شاخص‌های ورودی اقدام به معامله می‌کنند. این رفتارها بر اساس برآیند تغییرات در متغیرهای ورودی و باتوجه‌به نقش آن عامل در بازار، بر روند بورس و شاخص کل تأثیر گذاشته و ماحصل آن در نمودار و جدول پیش‌بینی شاخص کل قابل‌مشاهده، ‌تحلیل و بررسی خواهد شد. برای ارتباطات و تعامل بین عامل‌های مدل حاضر در نرم‌افزار نت لوگو از توابع و قوانین شرطی If-Else استفاده شده است و دستورهای فراخوانی Matrix-Set و Matrix-Get و Ask به‌کارگیری شده است.

مرحله پیش‌پردازش (ستاپ)

در این سطح با فشردن کلید (setup)عملاً محیط برای فعل‌وانفعال عامل‌ها آماده می‌گردد. در نخستین مرحله از اجرای مدل لازم است تا شبیه‌ساز یا پژوهشگر بتواند متغیرهای ورودی مختلف را مشاهده وبا کشویی‌های اسلایدر یا به تعبیری لغزنده‌ها تنظیم کند. پس از فشردن دکمه ستاپ و ورود به مرحله پیش‌پردازش انواع رفتار عامل‌ها تنظیم می‌شود، زمان‌های مقتضی ‌بر مبنای مقادیر از قبل تعیین شده (Tick) تنظیم می‌شوند، تنظیمات محیط تعامل و ارتباطات بازیگران (Patch) شکل می‌گیرد.

شکل -9 : نمایی از نحوه عمل اسلایدرهای‌بازه زمانی شبیه‌سازی

پس‌پردازش

این مرحله از اجرا در واقع مرحله نهایی اجرای مدل بوده که با فشردن دکمه Go میزان تأثیر عامل‌ها و متغیرها سنجیده و محاسبه می‌شود و به‌صورت پیاپی این موضوع بر مبنای هدف‌گذاری صورت‌گرفته تحقق می‌یابد.

شکل -10: تصویری از مانیتورها یا پلات‌های متغیرهای ورودی مدل در نت لوگو در مرحله پس پردازش

شکل -11 : تصویری از مانیتورها یا پلات‌های متغیر خروجی مدل در نت لوگو در مرحله پس پردازش

آزمایش مجازی

جهت کشف پویایی سیستم نیازمند انجام آزمایش مجازی هستیم. به همین منظور نخست پارامترها یا متغیرهایی که فرض بر بیشتری تأثیرگذاری آنها است شناسایی می‌شوند (اتو مو و همکاران، 2011). در مرحله بعد محدوده مقادیر متغیرهای تأثیرگذار شناسایی شده تحت عنوان اسلایدر تعریف می شوند(آذر و همکاران،1396).

شکل -12: نمایی از صفحه نرم افزار نت لوگو لحظه پس از اجرا

تأیید اعتبار مدل و راستی‌آزمایی

ویلیام راند و رونالد روست در سال 2011 چارچوب و روشی‌برای تأیید و اعتبارسنجی مدل‌های عامل بنیان با استناد به پژوهش‌های (نورث و ماکال، 2007)و (گیلبرت، 2008) ارائه نموده اند. راستی‌آزمایی تعیین می‌کند که مدل پیاده‌سازی شده چقدر با مدل مفهومی مطابقت دارد. در مدل ایشان سه مرحله مهم در راستی‌آزمایی وجود دارد: مستندسازی، آزمایش برنامه‌ای و موارد تست (شکل -13). در مدل طراحی شده در این پژوهش، هر سه مرحله تأیید انجام شده است. در مورد مستندات، مرحله اول شرح طراحی مدل به عنوان مستندات مدل مفهومی عمل می‌کند، و کد نیز مستند شده است. از نظر تست برنامه‌ریزی، در مرحله بعد ترکیبی از راه‌حل‌های کد، آزمایش واحد، و راه‌حل‌های اشکال‌زدایی استفاده شد تا اطمینان حاصل شود که کدها مطابق انتظار عمل می‌کنند. این کدها از روال‌های اصلی تشکیل شده است که هر کدام به طور جداگانه بررسی شده است تا مطمئن شویم که مطابق انتظار کار می‌کنند. برخی از توابع به توابع دیگری ‌به عنوان ورودی نیاز دارند. بنابراین، برای آزمایش آن‌ها به طور جداگانه، مقادیر آزمون تصویب شد تا رفتار مورد انتظار قابل پیش بینی و بررسی‌باشد. پس از آن عملکردها، به صورت گام به‌گام با هم ترکیب شدند و دوباره تأیید شدند. با ایجاد توابع به این روش، پیچیدگی مدل کاهش می‌یابد که تأیید را تسهیل می‌کند. در نهایت، با توجه به موارد آزمایش، در مرحله آخر، چندین مورد نمونه به ‌طور تصادفی انتخاب شدند تا مطمئن شویم که مدل هیچ رفتار ناهنجاری را نشان نمی‌دهد. شایان ذکر است مراحل مذکور در نت لوگو با سهولت بیشتری در دسترس است، چراکه کدگذاری در نت لوگو به نحوی است که به محض بروز خطا در ورودی‌ها، پیام خطا به پژوهشگر واصل می‌شود. با توجه به روند صعودی مطلق متغیرهای کلان و همچنین شاخص کل بورس در بازه پانزده ساله جمع آوری داده‌ها، به موازات اجرای مدل بر مبنای دیتا بیس، مدل با داده‌های تصادفی نیز اجرا و مراحل فوق یک بار هم با داده‌های تصادفی کنترل و مورد تأیید قرار گرفته و در دو مرحله مجزا با روندهای مطلقا صعودی و نزولی نیز مورد ارزیابی و تأیید قرار گرفته است.

مدل تایید اعتبار

شکل -13: مراحل تأیید مدل‌های عامل بنیان‌ (منبع : راند و روست،2011)

تحلیل حساسیت

بورگانوف و همکارانش در سال 2022 برای کمک به محققان در مواجهه انتقادات به اعتبار مدل‌های عامل بنیان، یک رویکرد سیستماتیک در چارچوب تحلیل‌حساسیت پیشنهاد نموده‌اند. رویکرد بورگانوف و همکارانش از طریق شناسایی هدف تجزیه و تحلیل بر چهار هدف مشترک تحلیل حساسیت تمرکز می‌کند:

1-تعیین اینکه آیا نتایج قوی هستند

2-کدام عناصر بیشترین تأثیر را بر نتایج دارند

3- چگونه عناصر برای شکل‌دهی‌به نتایج باهم تعامل دارند،

4- با تغییر عناصر، نتایج به کدام جهت حرکت می‌کنند.

رویکرد پیشنهادی ایشان که در پژوهش حاضر نیز مورداستفاده قرار گرفته است، دارای 6 مرحله بوده که در شکل زیر نمایش داده شده و در ادامه به تشریح آن پرداخته شده است:

translated_image_fa

شکل -14: مراحل تحلیل حساسیت مدل‌های عامل بنیان (منبع بورگانوف و همکاران،2022)

برای تحلیل حساسیت، با هر رویکرد فراخوانی داده‌ها یعنی یک مرحله از پایگاه‌داده و یک مرحله نیز با داده‌های تصادفی مدل اجرا شده و در هر دو رویکرد نسبت به تغییر متغیرهای ورودی و کنترلِ تأثیر بر متغیر خروجی و در نهایت مصورسازی نتایجِ به‌دست‌آمده و نمایش در قالب جدول و نمودارهای هر حالت اقدام گردیده است. بدین منظور برای هر رویکرد سه سناریوی مجزا فرض و در هر سناریو مدل اجرا و نتایج آن در جداول جداگانه ثبت و ضبط و بر مبنای جداول خروجی نمودارهای هریک ترسیم شده است. باهدف حصول اطمینان از پایداری نتایج حاصل، در هر حالت 100 بار (Setup) و اجرا ( (Goصورت پذیرفته و میانگین خروجی‌های حاصل از 100 مرتبه اجرا برای هر متغیر ثبت گردیده است ( پس از 100 مرتبه اجرای کدها نتایج به حالت پایداری رسیده و تغییر معناداری در خروجی‌ها مشاهده نگردید). همچنین برای تحلیل تأثیر هر متغیر تفاضل 10 درصدی در هر مرتبه میانگین‌گیری در ضریب نفوذ آن و تأثیر آن‌ها محاسبه شده که از 10 تا 100 درصد منجر به 11 مرتبه میانگین‌گیری شده که برای تحلیل نتایج حاصل از تغییرات در 3 متغیر ورودی ‌با دو رویکرد دیتابیسی و تصادفی، هر مرتبه 100 اجرا، مجموعاً 6.600 بار کدها اجرا شده است.

یافته‌های تحقیق

تحلیل حساسیت نقش بازارگردان

حفـظ ثبـات و کمینه نمودن نوسانات محتمل بورس از وظایف اصلی بازارگردان‌ است. در واقع آن‌ها در اضطرارها با حركت خـلاف جريـان بـازار مجدداً تعادل را به عرضه و تقاضا بازگردانده و از نوسانات تند پیشگیری مي‌كنند. ازآنجاکه ثبات و روند حركتي منسجم، برای کسب اعتماد سرمايه‌گذاران به بازار الزام‌آور اسـت، الزام حضور بازارگردان در بازار انكارناپذير است (کیانی،1396). منافع آن‌ها از طریق اخذ کارمزد یا از مابه‌التفاوت قیمت پیشنهادی خریدوفروش به سرمایه‌گذار کسب می‌شود (مک نیل،2005). ایجاد نقدشوندگی سهام و تضمین قیمت مرجع نیز از نقش‌های مهم بازارگردان‌هاست (هورچر،2005). باتوجه‌به نقش مهمی که بازارگردان‌ها به‌عنوان یکی از بازیگران اصلی بازار سرمایه بازی می‌کنند در این پژوهش به‌عنوان یکی از عامل‌ها تعریف شده و در مدل جاگذاری شده است. در ادامه به تحلیل حساسیت نقش بازارگردان پرداخته و بدین منظور با تعریف اسلایدر برای تغییر ضریب تأثیر بازارگردان در روند معاملات بورس و به‌تبع آن تغییرات در شاخص کل، ‌ تحلیل صورت‌گرفته با ثابت نگه‌داشتن ضریب تأثیر سایر عامل‌ها، با روند افزایشی 10% در هر مرحله و کسر نمودن 2% از سایر عامل‌ها (مجموع دو درصدهای کسر شده از پنج عامل دیگر معادل ده درصد اضافه شده در هر مرحله به بازارگردان است)، در یازده مرحله مجزا و 100 مرتبه اجرای کدها در هر مرحله، در گام دوم نتایج حاصل از هر مرحله اجرا در یک‌صد جدول مجزا در نرم‌افزار اکسل ذخیره (مانند جدول 4-5 که برای نمونه حالت صفر درصدی حضور بازارگردان در بازار ارائه شده است) و در گام سوم هر یک‌صد جدول جهت ‌هر بازه ده‌درصدی در یک جدول در فایل جدید تجمیع و در گام چهارم نسبت به محاسبه میانگین هر یک‌صد مرتبه اجرا جهت ‌هر مرحله اقدام شده و در گام پنجم میانگین‌های حاصل از هر بازه جهت 15 سال در ماتریس مقایسه‌ای وارد شده و نسبت به تهیه نمودار مقایسه‌ای روند ۱۵ساله جهت هر بازه اقدام گردید و در نهایت در گام ششم باهدف اخذ خروجی قابل‌تحلیل جهت روند بلندمدت، از اعداد گزارش شده جهت دوره‌های ۱۵ساله نیز میانگین‌گیری شده و نمودار مقایسه آن نیز تهیه و ارائه شده است. در مجموع در این بخش جمعاً 1.100 بارکدها اجرا شده است:

جدول -5 : نمونه خروجی حاصل از تحلیل حساسیت نقش بازارگردان با فرض حضور صفر درصدی

جدول -6: خروجی حاصل از تحلیل حساسیت میانگین‌های نقش بازارگردان

شکل -15 : نمودارهای خروجی حاصل از تحلیل حساسیت نقش بازارگردان و میانگین‌های پانزده ساله

تحلیل حساسیت تأثیر سبدگردان

شرکت سبدگردان پس از اخذ مجوز رسمی از سازمان بورس با استفاده از دانش تحلیلگران و رصد پیوسته اخبار اقتصادی منافع خود را از نوسانات بازار سرمایه کسب نموده که بخش عمده‌ای از آن را به سرمایه‌گذار تخصیص و بخشی از آن نیز به شرکت سبدگردان تخصیص می‌یابد. با عنایت به تأثیر قابل‌توجه سبدگردان‌ها و بازیگری آنها در بازار سرمایه، سبدگردان نیز در این پژوهش به‌عنوان یکی از عامل‌ها تعریف شده و در مدل جاگذاری شده است، نحوه عمل در تحلیل حساسیت این عامل نیز مشابه اقدامات انجام شده در خصوص بازارگردان است:

جدول -7 : نمونه خروجی حاصل از تحلیل حساسیت نقش سبدگردان با فرض حضور صفر درصدی

جدول -8 : خروجی حاصل از تحلیل حساسیت میانگین‌های نقش سبدگردان

شکل-16 : نمودارهای خروجی حاصل از تحلیل حساسیت نقش سبدگردان و میانگین‌های پانزده ساله

تحلیل حساسیت نقش صندوق‌های سرمایه‌گذاری

صندوق‌های سرمایه‌گذاری، سرمایه سرمایه‌گذاران را در مجموعه‌ای از اوراق بهادار سرمایه‌گذاری نموده و سود یا زیان حاصل به نسبت سهم هریک به آنان تخصیص می‌یابد (کیایی،1389). آن‌ها ‌با هدایت وجوه سرگردان و تشکیل پرتفوی اوراق بهادار از طریق تخصص خود به مدیریت اوراق بهادار، می‌پردازد این رفتار نقش بسزایی در پیشگیری از رفتارهای هیجانی عوام و ریزش‌های شدید بازار ایفا می نماید، به همین دلیل و با توجه به سهم قابل توجه نقدینگیِ در گردش این صندوق‌ها در بورس ایران، در این پژوهش صندوق‌های سرمایه‌گذاری سهامی ‌بعنوان یکی از بازیگران تعریف شده و در مدل بعنوان یکی از عامل‌ها تعریف و تحلیل حساسیت انجام گردیده است.

جدول -9 : نمونه خروجی تحلیل حساسیت نقش صندوق‌های سرمایه‌گذاری‌با فرض صفر درصدی

جدول -10 : خروجی حاصل از تحلیل حساسیت میانگین‌های نقش صندوق‌های سرمایه‌گذاری

شکل -17 : نمودارهای خروجی تحلیل حساسیت صندوق‌ها و میانگین‌های پانزده ساله

تحلیل حساسیت مؤسسات تأمین سرمایه و مؤسسات رتبه‌بندی

نتایج حاصل از پرسش‌نامه جمع‌آوری‌شده از نظرات خبرگان بازار سرمایه در خصوص ضریب نفوذ هریک از بازیگران درونی بورس، نسبت‌های جدول 4-11 استخراج شده است اما با توجه به روش پژوهش حاضر به نتایج حاصل از آن بسنده نشده و با تعریف اسلایدر برای هر 6 عامل نسبت به تحلیل حساسیت آنها اقدام شده است. اما با توجه به نقش ناچیز موسسات تأمین سرمایه (1%) و موسسات رتبه بندی(3%) و قابلیت پیش بینی این موضوع که تحلیل حساسیت تغییر در اسلایدر آن‌ها تغییرات معناداری را نمایش نمی‌دهد(که در آزمون تک مرحله ای پژوهشگر نیز این مهم مشاهده‌گردیده) با هدف پیش‌گیری از مطول شدن محتوا و متن مقاله و با استناد با مرحله سوم(عناصر) از روش تحلیل حساسیت بورگانوف که که در این پژوهش بکار گرفته شده است، از ارائه نتایج تحلیل حساسیت این دو متغیر پرهیز و صرفأ از حضور این دو عامل جهت تحلیل حساسیت چهار عامل قبلی‌ با تغییرات در کلیه متغیرها بهره برداری شده است.

جدول -11 : خروجی حاصل از تحلیل پرسشنامه جهت نسبت نفوذ عامل‌ها در بورس از نظر خبرگان

بحث و نتیجه‌گیری

به نظر می‌رسد معرفی مدلی شبیه‌سازی شده از بورس کشور به‌عنوان یک بازار سرمایه مصنوعی، با تعریف عامل‌های نظیر به نظیر بازیگرانِ تأثیرگذار حاضر در این بازار و پیش‌بینی نتایج حاصل از تغییر رفتار آن‌ها با کنترل رفتار سایر عامل‌های شبیه‌سازی شده، اطلاعات مطلوبی در اختیار تصمیم‌گیرندگان و سیاست‌گذاران قرار دهد. این رویکرد می‌تواند جایگزین تحلیل‌های کلاسیک یا آماری و ریاضی که نقش شاخص‌های روان‌شناسی، رفتاری، اجتماعی و جامعه‌شناسی را نادیده‌گرفته‌اند، گردد. البته ایراد اساسی وارد بر پژوهش‌هایی که با بکار گیری بازارهای مصنوعی نیز انجام شده، این است که تحلیل بازار همه‌جانبه نبوده و تمرکز جدی‌ بر یک بُعد یا یک بازیگر از بازیگران حاضر در بازار سرمایه بوده و نقش سایر بازیگران مانند بار از گردان‌ها، سبدگردان‌ها، مؤسسات تأمین سرمایه، مؤسسات رتبه‌بندی و صندوق‌های سرمایه‌گذاری را نادیده می‌گیرد. این موضوع یعنی مطالعه سرمایه‌گذاران بدون دخالت دیگران در بازار موجب تحریف ورودی‌ها و به‌تبع آن انحراف خروجی‌ها از واقعیت می‌شود که با واقعیت بازار فاصله دارد. یافته‌های پژوهش حاضر که با لحاظ موارد مذکور انجام شده است، به شرح زیر قابل‌ارائه است:

نتایج حاصل از تحلیل حساسیت نقش بازارگردان

1.در صورت عدم حضور بازارگردان، در بازار رشد شاخص پایین‌ترین سطح را داشت.

2.بالاترین سطح رشد شاخص در زمانی است که اسلایدر روی ده درصد است یعنی زمانیکه بازار گردان‌ها رسالت خود را ایفا می کنند و در زمان‌های رکود با شوک معاملاتی‌بازار را به سمت پویایی هدایت می‌نمایند

3.هرچه میزان نقش بازارگردان بیشتر می‌شود (از ده تا نود درصد) شاهد رشد کمتری در شاخص کل هستیم این بدین معنی‌ست که هر چه بازارگردان‌ها از رسالت خود فاصله‌گرفته و با مداخله بیش از حد در بازار نه تنها نقش کاتالیزوری خود را از دست می‌دهند بلکه در نقش مداخله‌گری‌ با کاهش سطح اطمینان عمومی در بازار رونق و پویایی را از آن می گیرند (در نقطه ضریب صد درصدی یک استثنا وجود دارد، چراکه در دنیای واقعی این نسبت محال است. و بدیهی است که در صورت حذف جریان مخالف در شبیه‌سازی رشد قابل توجهی‌ بدلیل خرید و فروش تک قطبی بازارگردان بوقوع بپیوندد).

نمونه پژوهش‌های خارجی که نتایج این بخش را تأیید می‌کند:

نتایج کسب شده در این بخش توسط پژوهشی که در سال 2018 در پاکستان در خصوص ارتباط بین رفتار بازارگردان‌ها و بازده شاخص کل بورس توسط فیصل سلطان قدری و همکارانش انجام شده و همچنین در همان سال ژی ژیانگ و زینگ ژو با تحقیقی‌ با عنوان بررسی رابطه پویایی‌ بین بازارگردان و بازده شاخص کل بورس در بازارهای آسیایی نوظهور به نتایج مشابه دست یافته‌اند.

نتایج حاصل از تحلیل حساسیت نقش سبدگردان

1. در صورت عدم حضور سبدگردان میانگین شاخص‌کل در سطح بسیارپایین قرار دارد

2. در صورت اضافه شدن سبدگردان‌ها به اکوسیستم و ایفای نقش سبدگردانی و هدایت سرمایه‌های پارک شده در بازار بورس و ورود و خروج تخصصی، پله پله به رشد شاخص کل اضافه شده به نحویکه تا زمانی که سهم سبدگردان‌ها از حضور در بازار به سی درصد می‌رسد قله میانگین شاخص کل را شاهد هستیم

3. در صورتیکه سهم سبدگردان‌ها از سی درصد عبور کند پله‌پله شاهد کاهش میانگین شاخص کل می‌باشیم و تا زمانیکه سهم آنها به هفتاد درصد از بازار برسد با حداقل رشد مواجه خواهیم شد که این موضوع نشانگر عدم پویایی ‌بازار، در صورت مصلحت ‌اندیشی افراطی و مدیریت ریسک می‌باشد که با حضور بیش از حد سبدگردان‌ها در بازار بواسطه ساختار رفتاریشان که با کاهش ریسک سرمایه‌گذار همراه است و این موضوع مخالف ریسک پذیری ‌بالاست که در مواقع ضروری موجبات شوک و تغییر روند را به بار می‌آورد

4.با گذر از پلکان هفتاد درصدی تا پله آخر یعنی حضور صددرصدی و مطلق سبدگردان در بازار با رشد نسبی مواجه هستیم که نشانگر این موضوع است که اگر کلیه سرمایه‌ها به سبدگردان‌ها سپرده شود، ممکن است بدلیل مدیریت‌ریسک، رشد نمایی نداشته و به قله فتح نشود، اما با تصمیمات عقلایی و تخصصی ‌به رشد متوسط و نسبتا پایداری رسیده و با ریزش‌های ناشی از احساسات و هیجانات مواجه نخواهیم شد.

نمونه پژوهش‌های خارجی که نتایج این بخش را تأیید می‌کند:

تحقیق صورت‌گرفته توسط ژانگ در سال 2020 با عنوان، بررسی تأثیر معاملات سبدگردان‌ها بر بازار سهام چین و بطور مشابه پژوهشی که حدود یک دهه قبل از آن در سال 2009 در پارادایم کلاسیک با عنوان بررسی رابطه بین سبدگردان و شاخص کل بورس در بازارهای‌بین‌المللی، که توسط وونگ در مجله بازارهای آتی منتشر شده، نتایج حاصل از این بخش پژوهش را تأیید می‌نماید.

نتایج حاصل از تحلیل حساسیت نقش صندوق‌های سرمایه‌گذاری

1. در زمان تنظیم اسلایدر صندوق‌های سرمایه‌گذاری سهامی روی صفر پایین ترین نرخ رشد را شاهد هستیم که دلایل اصلی آن حذف نقدینگی نسبتا بالای صندوق‌ها از بازار و همچنین خروج احتمالی سرمایه‌گذاران ریسک‌گریز که به صندوق‌ها اعتماد دارند از بازار می‌باشد

2.بالاترین میزان برای شاخص کل بورس در بازه بین ده تا بیست درصدی نشان داده شده است

3.پس از بازه بیست درصدی تا پله آخر شاخص کل رونق ناشی از حضور صندوق‌ها را حفظ نموده و تقریبا در کلیه پلکان‌ها شاهد انحراف معیار چشمگیری از میانگین نیستیم که نشانگر رفتار میانه‌رویی صندوق‌ها در مدیریت سبد سرمایه‌گذاری می‌باشد.

پیشنهادهای علمی و کاربردی

با عنایت به نتایج حاصل از پژوهش حاضر و با استناد به شکاف نظری موجود در پیشینه پژوهش‌های این حوزه که به تفصیل در مورد آن بحث شد و با نوآوری‌های مدل طراحی شده‌ی این پژوهش در دسترس قرار گرفته است، می‌توان پیشنهادات علمی و کاربردی زیر را جامه عمل پوشاند:

1-با توجه به نتایج حاصل از تحلیل حساسیت رفتار بازارگردان‌ها که گویای نقش با اهمیت آن‌ها در بورس است، ابزارها و رفتارهای لازم در کلیه مراحل چرخه عمر ( اعطای مجوز، فعالیت، خروج) آن‌ها، مانند ابزارهای گزینشی علمی دقیق، ابزارهای کنترل کمی رفتار معاملاتی و ابزارهای نظارتی مقتضی و همچنین محاسبات و کنترل موزون با هدف حفظ نقطه بهینه حضور و فعالیت ایشان لحاظ گردد

2-با استناد به دستاوردهای این پژوهش که ‌گویای اهمیت نقش سبدگردان‌‌ها در رشد شاخص کل بوده موارد مندرج در بند اول پیشنهادات کاربردی جهت بازارگردان‌ها در خصوص سبدگردان‌ها نیز مصداق دارد

3-با توجه به تحلیل صورت گرفته از نتایج حاصل از مطالعه تأثیر صندوق‌های سرمایه‌گذاری سهامی‌بر روند کلان بورس، علاوه بر پیشنهادات مندرج در بند اول، پیشنهاد می‌گردد با تعریف پروتکل‌های اثربخش و ایجاد ابزارهای دستوریِ انعطاف‌پذیر بعنوان ابزاری کارامد در مقاطع مورد نیاز نسبت کنترل وزن معاملاتی صندوق‌های سرمایه‌گذاری سهامی و همچنین سرمایه‌های خُرد و سرگردان در بازار اقدام نمود

4-با توجه به قابلیت‌های موجود در مدل طراحی شده، و با استفاده از داده‌های تاریخی بازیگران، نسبت به تحلیل رفتار تیپ‌های مختلف بازیگران مانند، بازیگران آموزش دیده یا ندیده، بازیگران بنیادی یا تکنیکال، بازیگران مومنتوم یا تصادفی، و امثال آنها اقدام و کنترل‌های لازم و یا حتی مشوق‌های انگیزشی برای ترغیب ایشان و پویایی بازار را بکار گرفته شود

5-با استفاده از قابلیت موجود در این مدل نسبت به تحلیل و بررسی نقش سایر بازیگرانی که با تخصیص عامل‌های نظیر به نظیر، مدل شده‌اند، اقدام نموده و از رفتارهای سوء و مقطعی که منافع فردی اخلال‌گران بازار را به همراه داشته و در مقابل لطمات جدی به سرمایه‌گذاران خرد وارد می‌نماید پیشگیری نمایند

6-با بهره‌گیری از قابلیت توسعه بازار مصنوعی معرفی شده، علاوه بر هشت متغیرکلان‌اقتصادی در نظر گرفته شده بعنوان متغیرهای ورودی، داده‌های سایر متغیرهای اقتصادی یا غیر اقتصادیِ کمی، که احتمال تاٌثیر بر رفتار سرمایه‌گذاران را دارند، به‌عنوان داده‌های ورودی مدل لحاظ و تغییرات شاخص کل را مطالعه نموده در تحولات یا بحران‌ها امکان کنترل روندها را اختیار داشته باشند

7- علاوه بر شاخص کل بورس که در مدل این پژوهش به‌عنوان متغیر خروجی در نظر گرفته شده است، سایر شاخص‌های با اهمیت مانند شاخص کل هم‌وزن را نیز با استفاده از این مدل مورد بررسی و پژوهش قراردهند

8- با بهره‌گیری از دانش اساسی این پژوهش که مشتمل بر سیستم‌های عامل‌بنیان و پیچیده بوده، و با توجه به داده‌هایی که در اختیار سیاست‌گذارن کلان اقتصادی کشور می باشد، نسبت به مدل‌ نمودن بازارهای موازی مانند بازارهای ارز، طلا، مسکن نیز اقدام نموده تا نتایج کاربردی مشابهی حاصل و به پویایی جامع‌تر اقتصاد کشور کمک گردد

منابع

رستمی جاز حمید, باوقار مرتضی, رئیسی لیلا.(1403).تبیین تاثیر ویژگی های شخصیتی بر سوگیری های رفتاری متخصصان مالی در ایران.پژوهش های مالی و رفتاری در حسابداری,1(4).

مختاربند، محمود، تهرانی، رضا، العبودة، منال. (1403). برآورد تأثیر عوامل بنیادین کلان اقتصادی بر بازار سرمایه (رویکرد داده‌های ترکیبی تواتر متفاوت). تحقیقات مالی

توحیدلو محسن, بیات علی, فتحی علی, رستمی وهاب.(1403).بررسی نقش میانجی قابلیت مقایسه صورت‌های مالی بر رابطه بین رفتارهای، فرصت‌طلبانه مدیران و واگرایی عقاید سرمایه‌گذاران.پژوهش های مالی و رفتاری در حسابداری,1(4).

ستوده رضا، هیراد علیرضا، براهویی پیرنیا بهاره. (1403). تبیین الگوی رفتاری تصمیم‌گیری سرمایه‌گذاران در بازار سرمایه کشور، پژوهش های مالی و رفتاری شماره 1 دوره 4

وکیلی فرد حمیدرضا، خوشنود مهدی، فروغ نژاد حیدر، اصولیان محمد.(1393). مدل سازی مبتنی بر عامل در بازار های مالی. فصلنامه علمی پژوهشی دانش سرمایه گذاری

حبیبی مریم، برومندنیا علی، هارون آبادی علی. (1400). ارائه روش جدید به منظور مقابله با حملات منع خدمت توزیع شده در شبکه های نامدار با شبیه سازی عامل بنیان، فناوری اطلاعات و ارتباطات انتظامی، سال دوم، شماره دوم تابستان1400

محمدپور احمد،صادقی رسول،رضایی مهدی(1389). روش‌هاي تحقيق تركيبي به عنوان سومين جنبش روش شناختي. تهران: جامعه شناسی کاربردی. شماره دوم.

قربانی ناصر، بابائی ابراهیم. (1394). بررسی کارائی الگوریتم EMA در حل مسائل بهینه سازی. کرمانشاه : کنفرانس ملی فن آوری، انرژی و داده با رویکرد کامپیوتر.

آذر عادل ، سارنج علیرضا، صادقی مقدم علی اصغر، رجب زاده علی، معزز هاشم .(1397). مدلسازی عامل گرای رفتار سهامداران در بازار سرمایه ایران. فصلنامه تحقیقات مالی دوره ۲۰ شماره ۲

كياني رضا.(1396).بررسي فعاليت بازارگردان ويژه در بورس اوراق بهادار. تهران: سازمان بورس اوراق بهادار: مركز تحقيقات وتوسعة بازار سرماية ايران

کیائی‌علی،صندوق‌های‌سرمایه‌گذاری‌مشترک،ابزاری برای سرمایه‌گذاران ریسک‌گریز و بدون تخصص(1389).تهران: دانش حسابرسی سال دهم

هادی پور, حسن, پایتختی اسکویی, سیدعلی, علوی متین, یعقوب, رحمانی, کمال الدین. (1400). عوامل موثر بر شاخص بی‌ثباتی در بورس .مطالعات مدیریت صنعتی

ولی زاده, فرزانه, محمدزاده, امیر, صیقلی, محسن, ترابیان, محسن. (1400). ارائه مدلی برای پیش‌بینی عوامل مؤثر بر ریسک سقوط قیمت سهام. چشم انداز مدیریت مالی,

فخاری, حسین, نصیری, مهراب. (1399). تأثیر عملکرد شرکت بر ریسک سقوط آتی قیمت سهام. راهبرد مدیریت مالی, 8(3), 43

ابراهیمی، مهرزاد. (1398) بررسی تاثیر متغیرهای کلان اقتصادی بر بازار سهام ایران با استفاده از الگوریتم های داده کاوی. اقتصاد مالی شماره 49

Gao, Kang, Vytelingum, Perukrishnen, Weston, Stephen, Luk, Wayne and Guo, Ce (2024) 'High-Frequency Financial Market Simulation and Flash Crash Scenarios Analysis: An Agent-Based Modelling Approach' Journal of Artificial Societies and Social Simulation . DOI:10.18564/jasss.5403

Ahn, K., Cong, L., Jang, H. et al. Business cycle and herding behavior in stock returns: theory and evidence. Financ Innov 10, 6 (2024). https://doi.org/10.1186/s40854-023-00540-z

Muhammad Asif Khan, Saima Aziz, Shahid Mehmood and Anita Tangl (2024). Role of behavioral biases in the investment decisions of Pakistan StockExchange investors: Moderating role of investment experience. Investment Management and Financial Innovations. doi:10.21511/imfi.21(1).2024.12

Tina Comes and Frances Brazier.(2023). A Methodology to Develop Agent-Based Models for Policy Support Via Qualitative Inquiry. Delft University of Technology, Netherlands Other articles by these authors Journal of Artificial Societies and Social Simulation 26 (1) 10.

Mizuta Takanobu، Kosei Takashima، Isao Yagi .Instability of financial markets by optimizing investment

strategies investigated by an agent-based model. (2022).Computational Intelligence for Financial Engineering and Economics.

Mizuta Takanobu.(2022). A Brief Review of Recent Artificial Market Simulation (Agent-Based Model) Studies for Financial Market Regulations and Rules.Available Sadek Benhammada ،Frédéric Amblard. (2021). An Agent-Based Model to Study Informational Cascades in Financial Markets. New Generation Computing.

Fouad Ben Abdelaziz ،Fatma Mrad.(2021). Multiagent systems for modeling the information game in a financial market. International Transactions in Operational Research.

Mizuta Takanobu.(2021).An Agent-Based Model for Designing a Financial Market That Works Well. IEEE Symposium Series on Computational Intelligence, Computational Intelligence for Financial Engineering and Economics (CIFEr).

Agliari, A., Naimzada, A., & Pecora, N. (2018). Boom-bust dynamics in a stock market participation model with heterogeneous traders. Journal of Economic Dynamics.

Ponta, L., Pastore, S., & Cincotti, S. (2018).Static and dynamic factors in an information based.

Matthew Duffin، John Cartlidge.(2018). Agent-Based Model Exploration of Latency Arbitrage in Fragmented Financial Markets. IEEE Symposium Series on Computational Intelligence

Muhammad Hanif، Arshad Bhatti.(2018). Causality among Stock Market and Macroeconomic Factors: A Comparison of Conventional and Islamic Stocks. Journal of Islamic Business and Management.

McNeil, Alexander J.; Frey, Rüdiger; Embrechts, Paul. (2005). Quantitative risk management: concepts, techniques and tools. Princeton University Press. pp. 2–3. ISBN 978-0-691-12255-7.

Horcher, Karen A. (2005). Essentials of financial risk management. John Wiley and Sons. pp.1–3. ISBN 978-0-471-70616-8

C. M. Macal and M. J. North. (2007). Agent-based modeling and simulation: Desktop ABMS, Winter Simulation Conference.

Rand, W., & Rust, R. T. (2011). Intern . J . of Research in Marketing Agent-based modeling in marketing : Guidelines for rigor. International Journal of Research in Marketing,

Emanuele Borgonovo،· Marco Pangallo، Jan Rivkin، Leonardo Rizzo، Nicolaj Siggelkow.(2022).Sensitivity analysis of agent‑based models: a new protocol. Computational and Mathematical Organization Theory 28:52–94

Edwin Achorn. (2004). Integrating Agent-Based Models with Quantitative and Qualitative Research Methods. Faculty of Education Monash University association for active educational researchers northwestern. ‏

Gilbert N., and Troitzsch K.(2008). Simulation For The Social Scientist. NewYork: Open University Press.

R. Axelrod. (2003). Advancing the Art of Simulation in the Social Sciences. Japanese Journal for Management Information System, Special Issue on Agent-Based Modeling,

Lev Muchnik, Yoram Louzoun, Sorin Solomon.(2006). Agent Based Simulation Design Principles-Applications to Stock Market ،. Practical Fruits of Econophysics.

Designing a model for financial analysis and market player behavior in the stock market with an agent-based simulation approach

Abstract

Given the importance of financial markets in the country's economic development and the inherent complexities of the economy and market microstructure due to the significant role of human behaviors, it seems necessary to design a simulated model that can surpass these complexities and provide control by analyzing the role of active players in the stock market. In this regard, leveraging the capabilities of agent-based modeling and simulation, we have embarked on designing a model for financial analysis of the country's stock market. After understanding the market structure and organization, we delve into the understanding of the microstructure and pricing mechanisms, moving from a qualitative and inductive approach to observing, studying, and investigating market realities relative to broader predictions and characteristics, and presenting a conceptual model. Through a comparative study, we analyze and compare artificial markets and combine human behavior with quantitative and qualitative research methods using a combinatory approach, utilizing simulation technology as a third scientific research method in addition to comparative and inductive approaches. The research is descriptive and applied in nature. For simulation, all influencing factors of the model and their interactions are determined and simulated as an object-oriented programming in NetLogo software. Model validation (according to the proposed framework and method by William Rand and Ronald Rust) and sensitivity analysis (following the systematic approach proposed by Borgonov for model validation) have been carried out. The results of the research show a significant correlation between the activities of market makers, portfolio managers, investment funds, and the average growth of the overall index, which is presented in all stages of the analytical and visual reports on the various ratios of their presence in the model.

Keywords: Agent-based simulation, stock exchange, macroeconomic variables, behavioral finance

مقالات مرتبط

مدل یابی ساختاری اثرعوامل روانشناختی و مهارت های ارتباطی بر مشتری مداری کارکنان بانک مسکن کرمانشاه
تاریخ چاپ : 1404/06/25
بررسی ابعاد معنویت دینی و اخلاق حرفه‌ای سرمایه انسانی تراز انقلاب اسلامی در سازمان‌های دولتی
تاریخ چاپ : 1404/06/25
واکاوی رفتار الگوی عوامل مؤثر بر مدیریت سود در سازمان ها با مدل لوزی تقلب به روش درهم‌تنیده
تاریخ چاپ : 1404/06/25
تحلیل و تبیین عوامل فردی کلیدی در ایجاد سرمایه انسانی ارزش‌آفرین در سازمان‌های دولتی ایران: رویکرد آمیخته
تاریخ چاپ : 1404/06/25
شناسایی و اعتبار یابی عوامل علی موثر بر کسب و کار نوآورانه مبتنی بر قابلیت های بازاریابی دیجیتال
تاریخ چاپ : 1404/06/25
طراحی الگوی رهبری عصب محور در سازمان آموزش و پرورش با رویکرد فراترکیب
تاریخ چاپ : 1404/05/05

اشتراک گذاری

آدرس مقاله

طراحی مدل تحلیل مالی و رفتار بازیگران بورس با رویکرد شبیه سازی عامل بنیان