هدف این مقاله تبیین نقش متغیرهای مالی و اقتصادی بر بازده سهام با مدل مارکف سوئیچینگ است. بر اساس اطلاعات جمعآوری شده از سایت کدال و TSE.ir، به بررسی وجود استراتژی مومنتوم و معکوس در این بازار پرداخته شد. 318 شرکت از مجموع شرکتهای فعال در بورس اوراق بهادار تهران که در چکیده کامل
هدف این مقاله تبیین نقش متغیرهای مالی و اقتصادی بر بازده سهام با مدل مارکف سوئیچینگ است. بر اساس اطلاعات جمعآوری شده از سایت کدال و TSE.ir، به بررسی وجود استراتژی مومنتوم و معکوس در این بازار پرداخته شد. 318 شرکت از مجموع شرکتهای فعال در بورس اوراق بهادار تهران که در سالهای 1391 تا 1397 با توجه به محدودیت ها، 108 شرکت به عنوان نمونه انتخاب شدند. برای پیش بینی استراتژی معامله سهام در 12 ماه آینده از سه مدل آماری سری زمانی اتورگرسیو (بدون استفاده از متغیر کمکی)، مدل رگرسیون خطی و مدل مارکف سوئیچینگ به کار گرفته شدند. یافته های تحقیق نشان می دهد که از بین متغیرهای مالی(حجم مبنا، حجم معاملات، سرمایه گذاری نهادی، سهام شناور آزاد) و متغیرهای اقتصادی(نرخ ارز و تورم) تنها سه متغیر از متغیرهای خرد(حجم مبنا، سرمایه گذاری نهادی و شناور آزاد) بر استراتژی معامله سهام تاثیر گذاشته و میتوان از این متغیرها به عنوان متغیرهای کمکی جهت پیشبینی بازده سهام و در نتیجه تعیین استراتژی معامله سهام در آینده استفاده کرد.
پرونده مقاله
پیش بینی محدودیت مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهرانبا بکار گیری روش های Relief-Svm -Chaidچکیدهبحث محدودیتهای مالی یکی از موضوعات اساسی و مهم پیش روی تمام شرکتها میباشد. پیشبینی محدودیت مالی یک پدیده بااهمیت برای سرمایهگذاران، اعتباردهندگان و سایر چکیده کامل
پیش بینی محدودیت مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهرانبا بکار گیری روش های Relief-Svm -Chaidچکیدهبحث محدودیتهای مالی یکی از موضوعات اساسی و مهم پیش روی تمام شرکتها میباشد. پیشبینی محدودیت مالی یک پدیده بااهمیت برای سرمایهگذاران، اعتباردهندگان و سایر استفادهکنندگان از اطلاعات مالی محسوب میشود. این پژوهش با استفاده از اطلاعات 7 سال مالی طی دوره 1390 الی 1396 و با استفاده از اطلاعات مالی 213 شرکت به بررسی عوامل مؤثر بر محدودیت مالی و پیشبینی آن با استفاده از روش های یادگیری ماشین (الگوریتم طبقه بندی ماشین بردار پشتیبان و الگوریتم قانون گرای چاید) پرداخته است. در گام نخست با استفاده از روش ریلیف از بین متغیرهای اولیه پژوهش تعداد پنج متغیر نسبت وجه نقد عملیاتی بهکل داراییها، اهرم مالی، کیوتوبین، بازده فروش و نسبت مالکان نهادی بهعنوان متغیرهای بااهمیت در پیشبینی محدودیت مالی شرکت ها انتخابشدهاند. همچنین نتایج نشان داد که الگوریتم ماشین بردار پشتیبان با استفاده از دادههای مالی منتخب توانایی پیشبینی محدودیت مالی را با قدرت بالای 80 درصد و همچنین بیشتر از الگوریتم قانونگرا چاید دارد.واژههای کلیدی: محدودیت مالی، روشهای یادگیری ماشین، متغیرهای مالی و حاکمیت شرکتیطبقهبندی موضوعی:M41-B26-C63
پرونده مقاله
موضوع اصلی این تحقیق بررسی و تجزیه و تحلیل استراتژی ترکیب متغیرهای بنیادی مالی و غیرمالی به منظور ارایه الگویی جهت رتبه بندی شرکتها و در نهایت تفکیک آنها به موفق و ناموفق در بورس اوراق بهادار تهران است. از این رو محقق در تأیید رتبه بندی ارایه شده و نحوه تفکیک شرکتهای مو چکیده کامل
موضوع اصلی این تحقیق بررسی و تجزیه و تحلیل استراتژی ترکیب متغیرهای بنیادی مالی و غیرمالی به منظور ارایه الگویی جهت رتبه بندی شرکتها و در نهایت تفکیک آنها به موفق و ناموفق در بورس اوراق بهادار تهران است. از این رو محقق در تأیید رتبه بندی ارایه شده و نحوه تفکیک شرکتهای موفق از ناموفق در ادامه به بررسی وجود تفاوت های معنادار متغیرهای مالی و غیرمالی مورد مطالعه در بین دو گروه شرکتهای موفق و ناموفق می پردازد. در این تحقیق فرضیات ارائه شده مبتنی بر دو محور اساسی است، اول اینکه متغیرهای مورد مطالعه در گروه شرکتهای موفق، قوی تر از شرکتهای ناموفق است، و دوم اینکه شرکتهای موفق از میانگین بازدهی واقعی بالاتری به میزان 3/16 درصد برخوردار بوده و ضمناً بازدهی واقعی آنها 4/17 درصد بالاتر از بازدهی بازار می باشد. تحقیق در یک دوره زمانی پنج ساله 1382 لغایت 1386و با استفاده از روش مقایسه میانگین و میانگین رتبه یک متغیر در دو جامعه مستقل(آزمون های t-student وU-Mann Whitney) انجام شده است. نتایج به دست آمده از بررسی ها نشان دهنده آن بود که شرکتهای موفق از وضعیت نقدینگی، اهرم مالی، سودآوری و شاخص های غیرمالی مطلوبتری برخوردارند و شاخص های فعالیت و ارزش بازار از تفاوت معناداری در بین دو گروه شرکتهای موفق و ناموفق برخوردار نمی باشند.
پرونده مقاله
هدف این مقاله تبیین عوامل مالی موثر بر احیای مالی یا خروج از درماندگی است. برای تبیین عوامل مالی موثر بر احیای مالی با مروری بر مقالات مختلف 54 متغیر مورد استفاده قرار گرفت. اطلاعات 200 سال - شرکت درمانده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران که از درماندگی چکیده کامل
هدف این مقاله تبیین عوامل مالی موثر بر احیای مالی یا خروج از درماندگی است. برای تبیین عوامل مالی موثر بر احیای مالی با مروری بر مقالات مختلف 54 متغیر مورد استفاده قرار گرفت. اطلاعات 200 سال - شرکت درمانده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران که از درماندگی مالی خارج شدهاند، در فاصله بین سالهای 1380 - 1396 استخراج گردید. روش های آماری مناسب برای فرایند پالایش متغیرها از طریق آزمون های مقایسه میانگین زوجی و همچنین تحلیل عاملی اکتشافی با استفاده از مولفه های اصلی انجام شده است. سپس با پالایش متغیرها با استفاده از تحلیل ممیزی و در قالب ترکیبات خطی، اقدام به تشکیل توابع ممیزی گردید. نتایج نشان داد نسبت های مالی بدهی های جاری به کل دارایی، سود خالص به فروش و فروش به دارایی جاری دارای بیشترین قدرت تبیین خروج از درماندگی هستند.
پرونده مقاله
هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیشبینی احیای مالی شرکت های پذیرفتهشده در بورس اوراق بهادار تهران و بهرهمندی از رویکرد هوش مصنوعی در تحلیل دادههای مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از ا چکیده کامل
هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیشبینی احیای مالی شرکت های پذیرفتهشده در بورس اوراق بهادار تهران و بهرهمندی از رویکرد هوش مصنوعی در تحلیل دادههای مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از الگوریتم های انتخاب ویژگیهای لارس و رلیف، از میانِ 54 متغیر مالیِ منتخب، 10 متغیر مهم و موثر در احیای مالی شرکت های نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناساییشده در پیشبینی احیای مالی از الگوریتم های یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیشبینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردنِ روش های انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقامِ مقایسه با درخت تصمیم، در پیش بینی زمان خروج از درماندگی، از قدرت پیش بینی بالاتری برخوردار است. براساس نتایج، به سرمایهگذاران بازار سرمایه در انتخاب پرتفوی سرمایهگذاری پیشنهاد میشود برمبنای متغیرهای مالی موثر در پیشبینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکتهای مستعد خروج از درماندگی را شناسایی و اقدام به سرمایهگذاری نمایند.
پرونده مقاله
دستیابی به یک ساختار سرمایه بهینه و اتخاذ تصمیمات مالی از طریق بررسی متغییرهای مالی و عملکردی از جمله مواردی است که همواره مد نظر مدیریت می باشد، درواقع بررسی این متغییرها سیگنال های مهمی را در رابطه با توانایی سودآوری و بازدهی شرکت، توانایی بازپرداخت بدهی ها، نیاز شرکت چکیده کامل
دستیابی به یک ساختار سرمایه بهینه و اتخاذ تصمیمات مالی از طریق بررسی متغییرهای مالی و عملکردی از جمله مواردی است که همواره مد نظر مدیریت می باشد، درواقع بررسی این متغییرها سیگنال های مهمی را در رابطه با توانایی سودآوری و بازدهی شرکت، توانایی بازپرداخت بدهی ها، نیاز شرکت به تامین مالی جدید و نهایتاً نحوه تامین مالی بهینه شرکت به مدیریت منتقل می نماید. در تحقیق حاضر نیز تلاش گردیده تا با بررسی ارتباط بین اهرم مالی و تعدادی از متغیرهای مالی و عملکردی مطرح، مدلی جهت بررسی عوامل موثر در تدوین یک ساختار بهینه سرمایه طراحی گردد، به منظور دستیابی به اهداف تحقیق نیز اطلاعات شرکت های پذیرفته شده در بورس طی سال های 1381 تا 1392 مورد بررسی قرار گرفته که نهایتاً 100 شرکت واجد شرایط به عنوان نمونه انتخاب گردیده و با استفاده از یک کاربست ترکیبی شامل آزمون های مانایی متغیرها، F لیمر، هاسمن و آزمون مفروضات رگرسیون مفروضات تحقیق مورد بررسی قرار گرفت. نهایتاً نتایج بدست آمده از تحقیق بیانگر وجود رابطه معنی دار بین اهرم مالی با نسبت Q توبین و نرخ بازده دارایی ها و همچنین عدم وجود رابطه معنی دار با نرخ موثر مالیاتی می باشد
پرونده مقاله
هدف این پژوهش ارزیابی توانمندی الگوریتم فراابتکاری بهینهسازی ملخ (GOA) در پیشبینی دقیقتر درماندگی مالی با استفاده از متغیرهای درونشرکتی (مالی و غیرمالی) و اقتصادی میباشد. روش این پژوهش بهبود عملکرد مدل پایه شبکه عصبی مصنوعی پرسپترون چندلایه (ANN-MLP) از طریق ایجاد چکیده کامل
هدف این پژوهش ارزیابی توانمندی الگوریتم فراابتکاری بهینهسازی ملخ (GOA) در پیشبینی دقیقتر درماندگی مالی با استفاده از متغیرهای درونشرکتی (مالی و غیرمالی) و اقتصادی میباشد. روش این پژوهش بهبود عملکرد مدل پایه شبکه عصبی مصنوعی پرسپترون چندلایه (ANN-MLP) از طریق ایجاد مدل ترکیبی مبتنی بر الگوریتم ملخ (MLP-GOA) و مقایسه توانمندی آن با عملکرد مدل ترکیبی مبتنی بر الگوریتم کلونی مورچگان (MLP-ACO) میباشد. جامعه آماری پژوهش شرکتهای فعال در بازار بورس اوراق بهادار تهران طی یک دوره 7 ساله (از 1391 تا 1397) شامل 476 شرکت بوده که در نهایت با حذف سیستماتیک، 289 شرکت حایز شرایط (شامل 2023 مشاهده سال- شرکت) مورد بررسی و غربالگری قرار گرفته است. آزمون فرضیهها برمبنای معیارهای ارزیابی ماتریس اغتشاش و منحنی ROC انجام شد. یافتهها توانمندی مدل پایه ANN-MLP در پیشبینی درماندگی مالی با استفاده از متغیرهای مالی و غیرمالی را اثبات نمود و علاوه بر آن، الگوریتم-های فراابتکاری از طریق مدلهای MLP-GOA و MLP-ACO عملکرد مدل پایه شبکه عصبی را بهبود دادند. دقت مــدل MLP-GOA برای سال وقوع درماندگی تا دو سال قبل از آن به ترتیب 3/97%، 5/94% و 3/91% بوده است که از دقت مدل پایه و مدل MLP-ACO نیز بیشتر بوده است. همچنین نتایج نشان داد که با ورود متغیرهای اقتصادی، اگر چه توانمندی کلیه مدلهای پایه و ترکیبی به نحو معنیداری افزایش یافته است، لیکن درماندگی مالی بیشتر متاثر از متغیرهای درونشرکتی بوده و در واقع اثر متغیرهای اقتصادی بر این رخداد، قبلاً از طریق اثر بر رویدادهای مالی ثبت شده در سیستم حسابداری، لحاظ شده است.
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
تصمیمگیری در مسائل مالی و اقتصادی به دلیل عدم اطمینان آتی، همواره با ریسک همراه است. بنابراین یکی از راه های کمک به سرمایهگذاران، ارائه الگوهای پیشبینی ریسک سرمایهگذاری میباشد. هر چه این پیشبینیها به واقعیت نزدیکتر باشند، تصمیمگیریهایی که بر اساس چنین پیشبینی چکیده کامل
تصمیمگیری در مسائل مالی و اقتصادی به دلیل عدم اطمینان آتی، همواره با ریسک همراه است. بنابراین یکی از راه های کمک به سرمایهگذاران، ارائه الگوهای پیشبینی ریسک سرمایهگذاری میباشد. هر چه این پیشبینیها به واقعیت نزدیکتر باشند، تصمیمگیریهایی که بر اساس چنین پیشبینیهایی اتخاذ میشوند، صحیحتر خواهد بود. هدف اصلی پژوهش تجربی حاضر پیشبینی ریسک سیستماتیک با تاکید بر متغیرهای مالی و غیرمالی میباشد. جامعه آماری این پژوهش، شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است. دادههای مورد مطالعه این پژوهش شامل 552 سال- شرکت از سالهای 1392 تا 1397 میباشد. برای آزمون فرضیه ها از رویکرد شبکه های عصبی مصنوعی و الگوریتم های کرم شب، درخت تصمیم و رگرسیون ماشین بردار پشتیبان استفاده شده است. نتایج حاصل شده از آزمون فرضیههای تحقیق نشان داد که هر سه الگوریتم، قدرت تبیین ریسک سیستماتیک را دارا میباشند.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد