ما در این پژوهش به دنبال افزایش قدرت برآورد ارزش در معرض ریسک سبد دارایی با استفاده از رویکرد نظریه مقدار حدی-کاپیولاهای زوجی می باشیم. در ادبیات مالی تحقیقات تجربی فراوانی بر روی ویژگی‌های بازدهی دارایی‌های مالی صورت گرفته و محققان به حقایقی در این خصوص دست‌یافته‌اند. در این زمینه می‌توان به کشیدگی، چولگی منفی، خودهمبستگی ضعیف، خوشه‌بندی نوسانات و ناهمسانی واریانس اشاره کرد. هر برآوردی از ریسک بدون در نظر گرفتن این ویژگی‌ها و یا استفاده از مفروضات غیر واقعی در خصوص بازدهی دارایی‌های مالی، احتمال شکست خوردن در مدریت ریسک را افزایش می‌دهد. بدین منظور ابتدا توزیع‌های جانبی بازدهی‌ها با استفاده از نظریه مقدار حدی به دست آمده اند. با توجه به ویژگی‌های مشخص شده بازدهی دارایی‌های مالی و همچنین به‌منظور فیلتر اولیه برای استفاده از نظریه مقدار حدی، از مدل‌های ناهمسانی واریانس برای توزیع‌های جانبی دارایی‌های استفاده شده است. سپس ساختار وابستگی بین سهام مختلف با استفاده از مدل‌های کاپیولای زوجی برآورد گردیده است. در ادامه با استفاده از روش شبیه‌سازی مونت‌کارلو ارزش در معرض ریسک سبد دارایی برآورد شده است. نتایج پژوهش نشان می دهد که مدل با توزیع حاشیه‌ای GARCH و ساختار کاپیولای زوجی R-Vine توانسته است در سطح اطمینان 95% بهترین عملکرد را در بین مدل های رقیب کسب کند. Manuscript profile

حدود نه سال است که دامنه نوسان قیمت به شکل درصدی از قیمت در بورس اوراق بهادار تهران همچونبسیاری از بازارهای سهام نوظهور، به منظور کنترل نوسانات قیمت ها و ثبات بازار مورد استفاده قرار می گیرد.یکی از آثار منفی این مکانیسم در بازارها با عنوان اثر آهنربایی شناخته می شود. پژوهش حاضر اثر آهنرباییناشی از دامنه نوسان قیمت در بورس اوراق بهادار تهران را با استفاده از مدل های پنل لاجیت مورد بررسی قرارمی دهد. در این پژوهش فرضیه وجود اثر آهنربایی ناشی از بکارگیری دامنه نوسان تایید شد و رابطه وسعتدامنه نوسان با شدت اثر آهنربایی مورد تایید قرار نگرفت. Manuscript profile

شفافیت اطلاعات مالی، همیشه یکی از مهم‌ترین دغدغه سرمایه‌گذاران جهت سرمایه‌گذاری در سهام بانک‌های پذیرفته شده در بورس اوراق بهادار می‌باشد. هدف این پژوهش بررسی ارتباط معنی‌دار، بین ارزش در معرض خطر با استفاده از داده‌های دفتری و دادهای بازار به‌عنوان معیاری برای سنجش شفافیت و کیفیت اطلاعات می‌باشد. در این مطالعه برای محاسبه ارزش در معرض خطر از مدل گارچ چندمتغیره با استفاده از داده‌های ترازنامه‌ای و بازاری ماهانه بانک‌های پارسیان، سامان، سینا، پاسارگاد و اقتصاد نوین به‌عنوان نماینده بانک‌های خصوصی پذیرفته شده در بورس اوراق بهادار تهران استفاده شده است. همچنین برای ارتباط معناداری و رتبه‌بندی بانک‌های موضوع پژوهش از نظر شفافیت اطلاعاتی از ضریب همبستگی پیرسون میان ارزش در معرض خطر محاسبه شده با استفاده از داده‌های بازار و داده‌های دفتری استفاده شده است. نتایج پژوهش نشان داد در بعد داده‌های هم‌زمان رابطه ضعیفی بین ارزش در معرض خطر دفتری و بازاری وجود دارد و تنها ضریب همبستگی بین ارزش در معرض خطر دفتری و بازاری دو بانک پاسارگاد و سینا از نظر آماری در سطح ۹۵ درصد اطمینان معنی‌دار می‌باشد. همچنین نتایج نشان داد، چنانچه مسئله سرعت انتشار اطلاعات دفتری در بازار را با یک وقفه زمانی در نظر بگیریم، مقادیر ضریب همبستگی ارزش‌های در معرض خطر دفتری و بازار برای بانک‌های پارسیان، پاسارگاد و اقتصاد نوین در سطح ۹۹ درصد معنادار بوده و این ضریب برای بانک‌های سینا و سامان در سطح ۹۵ درصد معنادار است. بر این مبنا می‌توان این بانک‌ها را بر اساس کیفیت اطلاعات به ترتیب از پارسیان، سامان، سینا، پاسارگاد تا اقتصاد نوین طبقه‌بندی کرد. Manuscript profile

در این تحقیق ˓ در تلاشیم تا در مواقعی که دچار بحران مالی شده و توزیع بازدهی دارایی ها از توزیع نرمال تبعیت نمی کند بتوان مدل مطلوبی را برای برآورد بازدهی و ریسک تبیین کرد.بدین منظور از مدل های قیمت گذاری دارایی سرمایه ای با فرض مستقل و یکنواخت بودن توزیع نامتقارن جزء خطا (CAPM-IIAPD) و مدل قیمت گذاری دارایی سرمایه ای با فرض مستقل و یکنواخت بودن توزیع نمایی جزء خطا (CAPM-AIEPD) در کنار مدل سنتی استفاده کردیم.در گام بعدی ˓ با استفاده از برنامه ریزی آرمانی بهینه ترین پرتفوهای سرمایه گذاری را با استفاده از گشتاورهای سوم و چهارم بدست می آوریم. قلمرو زمانی تحقیق از ابتدای سال1390 تا پایان سال 1396 و جامعه آماری کلیه شرکت های بورس اوراق بهادار تهران بوده که از بین آنها 30 شرکت انتخاب شده است. نتایج حاکی از برتری مدل قیمت گذاری دارایی سرمایه ای با فرض مستقل و یکنواخت بودن توزیع نامتقارن جزء خطا (CAPM-IIAPD) نسبت به سایر مدل ها بوده و بازدهی تعدیل شده نسبت به ریسک در مدل های بهینه سازی با درنظر گرفتن گشتاور سوم و چهارم در مدل های تعمیم یافته تفاوت معناداری با مدل سنتی داشته و عملکرد مطلوب تری دارند. Manuscript profile

هدف این مقاله بررسی تاثیر ریسک درماندگی مالی بر سقوط قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این پژوهش از داده های آماری 195 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1395 الی 1399 استفاده شده است و برای تجزیه و تحلیل داده ها از رگرسیون چندگانه به روش دادهای پانل استفاده شده است. برای اندازه گیری متغیر درماندگی مالی از شاخص فاصله تا ورشکستگی مرتون و برای اندازه گیری سقوط قیمت سهام از چهار روش دوره خطر سقوط قیمت سهام، چولگی منفی بازده سهام، سیگمای حداکثری و نوسان پایین به بالا استفاده شده است و همچنین از متغیرهای نسبت بازدهی دارایی ها، نسبت اهرمی، نسبت ارزش بازار به ارزش دفتری و اندازه شرکت به عنوان متغیرهای کنترلی استفاده شده است. نتابج پژوهش نشان می دهد که بین درماندگی مالی و سقوط قیمت سهام رابطه مثبت و معنی داری وجود دارد. Manuscript profile

در سال‌های اخیر شبکه‌های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسائل پیچیده شناخته شده‌اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه‌ای از الگوریتم‌ها، مسائل پیچیده دارای پارامترها و ورودی‌های بسیار زیاد، مدل می‌شوند. در این پژوهش به ارائه چاچوب جدیدی از یادگیری عمیق پرداخته می‌شود که در آن با استفاده از تبدیل موجک، خودرمزنگار انباشته و حافظه طولانی کوتاه مدت یا LSTM به پیش‌بینی جهت بازار در قراردادهای آتی سکه طلای بورس کالای ایران می‌پردازیم. در روش پیشنهادی ابتدا با استفاده از تبدیل موجک نویز داده‌های ورودی گرفته می‌شود. سپس با استفاده از خودرمزنگار انباشته شاخص‌های تاثیرگذار بر جهت بازار شناسایی شده و در نهایت این شاخص‌ها به عنوان ورودی به معماری LSTM داده می‌شود تا جهت بازار پیش‌بینی شود. از نوآوری‌های پژوهش حاضر می‌توان به ارائه چند شاخص تکنیکال جدید به منظور افزایش دقت مدل پیشنهادی و همین‌طور تنظیم پارامترهای الگوریتم‌های به کار رفته از جمله LSTM برای مسئله مورد مطالعه و ارائه استراتژی معاملاتی به جهت دستیابی به سوددهی مناسب شاره نمود. بررسی‌ها نشان می‌دهند که روش پیشنهادی از سایر روش‌ها پیشی می-گیرد و به دقت و بازدهی بالاتری دست می‌یابد. Manuscript profile

این مطالعه با توجه به 22 ویژگی انتخاب شده (که در حین پژوهش بررسی می‌شوند) با روش‌های یادگیری ماشین، نگهداری وجه نقد شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران را پیش‌بینی می‌کند. 201 شرکت از سال 1396 تا سال 1400 بررسی شد. رگرسیون خطی چندگانه ، کی-نزدیک‌ترین همسایه، رگرسیون بردار پشتیبان، درخت تصمیم، جنگل تصادفی، الگوریتم تقویت گرادیان شدید و شبکه‌های عصبی چندلایه برای پیش‌بینی استفاده می‌شود. نتایج نشان می‌دهد که روش‌های رگرسیون خطی چندگانه ، کی-نزدیک‌ترین همسایه خطای جذر میانگین مربعات و میانگین قدرمطلق خطا بالا را ارائه می‌دهند. در همین حال، الگوریتم‌های پیچیده‌تر، به خصوص رگرسیون بردار پشتیبان ، دقت بالاتری را به دست می‌آورند؛ یافته‌ها حاکی از آن بوده است که با کاهش به 15 متغیر، روش‌های یادگیری ماشین به خصوص کی-نزدیک‌ترین همسایه نتایج بهتری را ارائه دادند. بر مبنای آزمون مقایسه زوجی نیز رگرسیون بردار پشتیبان عملکرد بهتری از سایر الگوریتم‌های یادگیری ماشین نظارت شده به جز درخت تصمیم دارد. همچنین مهمترین متغیرها نیز اندازه شرکت و مخارج سرمایه‌ای به دست آمد. شاخص عدم قطعیت جهانی و تورم نیز از متغیرهایی با اهمیت نسبتاً بالایی بودند؛ بنابراین، با استفاده از الگوریتم رگرسیون بردار پشتیبان ،‌ ممکن است میزان وجه نقد را به میزان قابل‌توجهی پیش‌بینی کنیم. Manuscript profile

سیستم معاملات الگوریتمی، نوعی سیستم معاملاتی است که با بهره گیری از مدل های بسیار پیشرفته برای تصمیم گیری های معاملاتی در بازارهای مالی مورد استفاده قرار می‌گیرند. سیستم "معاملات زوجی" نیز نوعی از این سیستم ها می‌باشد. سیستم معاملات زوجی یکی از قدیمی ترین سیستم های معاملات الگوریتمی است که کارآیی و سودآوری آن در بسیاری از پژوهش هایی که تا کنون در بازارهای مالی مختلف صورت گرفته است، اثبات و نشان داده شده است. مهم ترین اصل در معاملات زوجی وجود روابط تعادلی بلندمدت یا همان خاصیت بازگشت به میانگین است. در این پژوهش با محاسبه و بررسی بازده و نسبت سورتینو، عملکرد سیستم معاملات زوجی با استفاده از رویکرد هم انباشتگی در بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. نتایج آزمایشی بر روی زوج سهام های منتخب در بورس اوراق بهادار تهران نشان می دهد که استفاده از سیستم معاملات زوجی به عنوان یک سیستم معاملاتی خنثی نسبت به تغییرات و روندهای بازار، بازدهی چشمگیری نسبت به بازدهی معمولی سهام در مدت مشابه دارد. Manuscript profile

سرمایه گذاری به عنوان یک تصمیم مالی همواره دارای دو مؤلفه ریسک و بازده بوده است که مبادله میان این دو ترکیب های گوناگون سرمایه گذاری را بوجود می آورد. تمامی تصمیمات سرمایه گذاری براساس روابط میان ریسک و بازده صورت می گیرد. در این پژوهش سعی شده است از مدلی است برای انتخاب چند دوره ای سبد سهام استفاده شود تا بیشترین مطلوبیت را نصیب سرمایه گذاران نماید. در مدل پیشنهادی علاوه بر واریانس ازگشتاور مرتبه سوم نیز برای بهینه سازی استفاده شده است. دراین تحقیق با استفاده از داده های بازده 50 شرکت بزرگ بورس اوراق بهادار تهران از لحاظ ارزش بازاری از سال های 1386 تا 1395 کوشیده است تا با در نظر گرفتن چولگی و هزینه معاملات در طی چند دوره بتواند مدلی ارائه نماید تا با مینیمم سازی واریانس تابع مطلوبیت سرمایه گذار میزان تخصیص بهینه هر دارایی را مشخص نماید. خروجی مدل پیشنهادی با خروجی مدل مارکویتز و همچنین مدل ساده 1/N با در نظر گرفتن ترجیحات متفاوت سرمایه گذار، توسط ابزارهای مختلف پیشنهادی ارزیابی عملکرد پرتفو، مورد مقایسه قرار گرفته شده است. نتایج بدست آمده نشان می دهد که مدل پیشنهادی نسبت به مدل های مذکور عملکرد بهتری از خود نشان داده است. Manuscript profile

وقوع بحران‌های مالی در دهه‌های اخیر موجب وارد آمدن خسارات بسیار بر اقتصاد و همچنین بنگاه‌های اقتصادی در بسیاری از کشورها گردیده است. رویکرد ارزش فرین نگرشی جدید به پدیده بحران مالی است که توانسته به تحلیل رویدادهایی که احتمال وقوع آن‌ها اندک ولی خسارات ناشی از آن‌ها قابل‌توجه است کمک نماید. در این پژوهش با استفاده از نظریه ارزش فرین و معادلات دیفرانسیل تصادفی به دنبال یافتن روشی نوین برای محاسبه دقیق‌تر ارزش در معرض خطر هستیم. بدین منظور پس از تخمین پارامترهای معادلات دیفرانسیل تصادفی مورد بررسی که شامل حرکت براونی هندسی، حرکت براونی هندسی با جمله جهش، مدل گارچ غیرخطی و مدل هستون است با استفاده از شبیه‌سازی مونت‌کارلو مسیرهای آینده را شبیه‌سازی نموده و با رویکرد فراتر از آستانه به برآورد ارزش در معرض خطر می‌پردازیم. نتایج حاصل از استفاده همزمان از معادلات دیفرانسیل تصادفی و ارزش فرین با رویکردهای شبیه‌سازی تاریخی و واریانس-کوواریانس جهت تخمین ارزش در معرض خطر نیز مقایسه می‌شوند. نتایج تکنیک‌های پس‌آزمون در مورد محاسبه ارزش در معرض خطر، حاکی از برتری مدل هستون است. Manuscript profile