فهرست مطالب

تحقیقات مالی - پیاپی 46 (تابستان 1396)

نشریه تحقیقات مالی
پیاپی 46 (تابستان 1396)

  • تاریخ انتشار: 1396/07/09
  • تعداد عناوین: 7
|
  • سید بابک ابراهیمی، مژگان آقایی شیخ رضی*، نگین محبی صفحات 193-216
    یکی از نگرانی های اصلی سرمایه گذاران و مدیران مالی، نحوه رویارویی با ریسک سرمایه گذاری و نوسان های بازده است؛ از این رو شناسایی، اندازه گیری و مدیریت ریسک، از موضوعات مهم در مباحث مالی تلقی می شود. در سال های اخیر، کانون توجه بسیاری از شرکت های مالی به معیار ارزش در معرض ریسک و ریزش مورد انتظار برای اندازه گیری ریسک پرتفوی است. از جمله مهم ترین مشکلات روش های ارائه شده در اندازه گیری ریسک، در نظر نگرفتن عدم قطعیت موجود در داده های مالی است. به همین دلیل در پژوهش پیش رو برای تطابق بیشتر مدل با واقعیت، به برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با لحاظ عدم قطعیت داده ها، پرداخته می شود. در این رابطه از مفهوم متغیر تصادفی فازی و نظریه امکان و الزام فازی، به منظور پوشش عدم قطعیت موجود در داده های مالی، استفاده شده است. در نظر گرفتن عوامل ریسک به صورت متغیر تصادفی، این امکان را برای سرمایه گذار فراهم می کند که با پذیرش سطح خاصی از عدم قطعیت، میزان ریسک پرتفوی خود را برآورد کند. علاوه بر این در پژوهش پیش رو، کلیه برآوردها با دو فرض توزیع نرمال و تی استیودنت انجام شده و نتایج به دست آمده از حل مدل با داده های عددی، نشان دهنده این است که لحاظ توزیع t و نیز عوامل ریسک به صورت متغیر تصادفی، سبب ایجاد برآوردهای محافظه کارانه تری برای دو سنجه مد نظر شده است.
    کلیدواژگان: ارزش در معرض ریسک، ریزش موردانتظار، عدم قطعیت، متغیرهای تصادفی فازی، نظریه امکان و الزام فازی
  • سیدعلی حسینی، محمد صالحی فر *، مسلم نیلچی صفحات 217-238
    مطالعه حاضر به بررسی اثر ماه های رمضان و محرم بر ریسک و بازدهی صندوق های سرمایه گذاری مشترک و فعال در بازار سرمایه ایران می پردازد. این بررسی با استفاده از تجزیه و تحلیل رگرسیون چند متغیره، آزمون های خود همبستگی و مدل گارچ در بازه زمانی 25/5/1388 تا 25/5/1394 صورت پذیرفته است. یافته های پژوهش نشان می دهد، اگرچه برخی روابط مثبت و منفی در بازده و ریسک تعدادی از صندوق های سرمایه گذاری مشترک دیده می شود، نمی توان آن را به صورت یک قاعده یا رفتار کلی به تمام صندوق های سرمایه گذاری مشترک نسبت داد. به بیان دیگر، روند غیرعادی در بازدهی و ریسک صندوق های سرمایه گذاری مشترک طی ماه های رمضان و محرم دیده نمی شود. با توجه به نتایج پژوهش می توان گفت که در تمام صندوق های سرمایه گذاری مشترک مورد مطالعه، بازدهی غیرمعقولی که دارای تاثیر معناداری باشد، مشاهده نمی شود و تفکر عام مبنی بر وقوع رکود و کاهش در بازدهی صندوق های سرمایه گذاری مشترک در ماه های رمضان و محرم به تایید نمی رسد.
    کلیدواژگان: بازده، ریسک، صندوق های سرمایه گذاری مشترک، مالی رفتاری، مدل گارچ
  • محمد علی رستگار*، خاطره ساعدی فر صفحات 262-239
    سرمایه گذارانی که خواهان اجرای سفارش های بزرگ هستند، همواره با موازنه اثر قیمتی و هزینه فرصت (ریسک اجرای معامله) مواجه اند. هدف از این پژوهش، یافتن روش بهینه ای برای اجرای چنین سفارش هاست. این پژوهش با استفاده از داده های تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارش گذاری ها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش به طور جداگانه محاسبه کرده، سپس استراتژی بهینه معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی می کند. در بازار معاملاتی شبیه سازی شده، اثر قیمتی برای سفارش های بزرگ نیز در نظر گرفته شده است. روش شبیه سازی، روش عامل گرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روش های یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان می دهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش می تواند بهتر از استراتژی هایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است به طور متوسط قیمت میانگین موزون حجمی (هزینه های اجرای معاملات) را 137/0 درصد نسبت به بازار کاهش دهد.
    کلیدواژگان: اثر قیمتی، استراتژی اجرای معاملات، شبیه سازی عامل گرا، معاملات الگوریتمی، هزینه اجرای معاملات
  • ابوذر سروش، رومینا عطرچی، شاهین رامتین نیا * صفحات 263-280
    افزایش بازده و کاهش ریسک، همواره یکی از مهم ترین مسائلی است که سرمایه گذاران در بازارهای مالی به آن توجه می کنند. با وجود سابقه طولانی بهینه سازی سبد سهام، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روش های فرا ابتکاری، برای حل مسائل بهینه سازی است. در این پژوهش، سعی شده است مسئله بهینه سازی سبد سهام، در چارچوب مدل معرفی شده مارکوویتز، با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری حل شود. بدین منظور، از بازدهی های روزانه 20 شرکت پذیرفته شده در بورس اوراق بهادار تهران که دارای نقدینگی بالا در بازه زمانی 1391 تا 1395 بودند، استفاده شده است. نتایج به دست آمده از این تحقیق نشان می دهد الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری، نسبت به سایر الگوریتم‏ها برای یافتن مرز کارا و بهینه سازی سبد سهام، عملکرد بهتری دارد.
    کلیدواژگان: ارزش در معرض ریسک مشروط، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری، بهینه سازی سبد سهام، روش های فراابتکاری، مدل میانگین - واریانس
  • کیومرث شهبازی، سلیمان فیضی، سید یوسف فتاحی * صفحات 281-298
    هدف اصلی مقاله حاضر، بررسی هم پیوندی و رفتار متقابل بین شاخص قیمت بازار سهام ایران و بازار سهام عمده ترین شرکای تجاری کشور و همچنین تحلیل روندهای تصادفی مشترک موجود بین آنها برای دوره 2015-2007 است. برای نیل به این هدف از روش یوهانسن و یوسیلیوس (1992) و رهیافت گونزالو و گرنجر (1995) استفاده شد. نتایج به دست آمده، وجود رابطه هم جمعی و سه روند تصادفی مشترک بین بازارهای بررسی شده را نشان می دهد که منعکس کننده کامل نبودن یکپارچگی بلند مدت بین این گروه از متغیرها است. نتایج تحلیل روندهای تصادفی مشترک نیز گویای این واقعیت است که طی دوره بررسی، شاخص قیمت سهام بورس اوراق بهادار تهران از یک سو، مشارکت کم رنگی در روندهای تصادفی موجود دارد و از سوی دیگر، واکنش شدیدی نسبت به روندهای یاد شده از خود نشان داده است. در نهایت، با توجه به همگرایی ضعیف بین شاخص قیمت بازارهای منتخب، با متنوع سازی بین المللی سبد سهام می توان به منافع حاصل از آن دست یافت.
    کلیدواژگان: روند تصادفی مشترک، رهیافت گونزالو و گرنجر، شاخص قیمت سهام، شرکای تجاری، هم جمعی
  • حسین فخاری، محمد ولی پور خطیر *، سیده مائده موسوی صفحات 299-318
    پیش بینی دقیق قیمت سهام، با توجه به نوسان های زیاد و ریسک ذاتی بازار سرمایه، یکی از دغدغه های اصلی سرمایه گذاران و تحلیل گران مالی است، از این رو به کارگیری رویکردهای نوین پیش بینی قیمت سهام ضرورت اجتناب ناپذیری است. بر این اساس، هدف تحقیق حاضر، مقایسه عملکرد مدل های پیش بینی شبکه عصبی با مدل های کلاسیک و معرفی مدل مناسب برای پیش بینی قیمت روز آتی سهام است. برای طراحی مدل پیش بینی با شبکه عصبی، از داده های قیمت روزانه بازار و شاخص های تکنیکی مالی به عنوان متغیرهای ورودی استفاده شد و برای طراحی مدل آریما، داده های قیمت بسته شدن روزانه به عنوان متغیر ورودی و همچنین قیمت بسته شدن روز آتی به عنوان متغیر خروجی هر دو مدل در دوره زمانی 1390 تا 1393 در نظر گرفته شد. نتایج به دست آمده با شبکه عصبی بیزین بیان کننده خطای کمتر و قدرت پیش بینی بیشتر آن در مقایسه با مدل آریما است. یافته های تحقیق گویای کارایی بیشتر شبکه عصبی بیزین در استفاده از فرصت های سرمایه گذاری کوتاه مدت بازار است که می تواند به سرمایه گذاران در انتخاب پرتفوی مناسب و کسب بازده بیشتر کمک کند.
    کلیدواژگان: آریما، پیش بینی قیمت سهام، تابع آموزش بیزین، تابع آموزش لونبرگ مارکوات، شبکه عصبی
  • احمد نبی زاده، هادی قره باغی*، عادل بهزادی صفحات 319-340
    بهینه سازی سبد سهام همواره یکی از با اهمیت ترین مسائل در علوم مالی است. استراتژی های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده اند که به طور عمده می توان آنها را بر دو نوع فعال و غیرفعال دسته بندی کرد. یکی از مهم ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به منظور تشکیل پرتفوی ردیاب شاخص از مدل ها و الگوریتم های مختلفی استفاده می شود. پژوهش پیش رو به منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به منظور بررسی کارایی مدل نیز، از داده های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.
    کلیدواژگان: الگوریتم های تکاملی، الگوریتم تکامل دیفرانسیلی، الگوریتم ژنتیک، بتای نامطلوب، ردیابی شاخص
|
  • Seyed Babak Ebrahimi, Mojgan Aghaei *, Negin Mohebbi Pages 193-216
    One of the main concerns of investors and financial managers is the way of dealing with investment risk; thus identification, calculation and management of risk are important issues in financial fields. So, in this study, the portfolio value-at-risk and expected shortfall are estimated by considering uncertainty in risk factors. The concept of fuzzy random variable, specifically possibility and necessity theory, is used to face uncertainty in financial data. In the following, the terms of fuzzy value-at-risk and expected shortfall introduced with assuming normal and t-student distribution and considering both state of fixed and stochastic for uncertainty factor. The results indicate that assumptions of t-student distribution and stochastic uncertainty factor make the estimation of both risk measures to be more conservative.
    Keywords: Expected shortfall, Fuzzy random variable, Possibility, necessity theory, Uncertainty, Value-at-risk
  • Seyed Ali Hosseini, Mohammad Salehifar *, Moslem Nilchi Pages 217-238
    Risk and return of active mutual funds in Iran capital market. We apply multiple regression analysis, correlogram tests and GARCH model between 2008 – 2014 years to test the data. Findings show that there are some positive and negative relationships in return and risk of some mutual funds, however it is not generalized to all mutual funds as a regularity or behavior. In other words, there is no irrational trend in mutual funds’ risk and return. According to the results, there is no irrational return which has significant effect on all mutual funds in the sample of this study. Therefore, the public opinion including a decrease in return of mutual funds during Ramazan and Muharram months is invalid.
    Keywords: Behavioral Finance, GARCH Model, Mutual Funds, Return, Risk
  • Mohammad Ali Rastegar *, Khatereh Saedi Far Pages 262-239
    Investors who want to execute large orders always have to trade-off between price effect and opportunity cost. The purpose of this research is to investigate an optimal way to execute such orders. In this research we consider the possibility of order types and the optimal trading strategy based on the volume weighted average price (VWAP), using historical data of a share in Tehran Stock Exchange. In the simulated trading market, we also consider the price effect for large orders. The results show that for a large order on buy-side, execution strategy adopting multiple order types can perform better than those using single order type. The optimal strategy has managed to reduce the volume weighted average price (transaction costs) by 0.137 percent compared to the market.
    Keywords: Agent-based simulation, Algorithmic trading, Execution cost, Price impact, Trade execution strategy
  • Abozar Asoroosh, Romina Atrchi, Shahin Ramtinnia * Pages 263-280
    Increasing the profits and reducing the risks have always been of the most important issues of concern to the investors in the financial markets. In recent years, many solutions and proposals have been suggested in respect to the frequency of portfolio optimization issue, with the highest return and the lowest possible risk. One of the most prominent suggestions is the Markowitz Model which is mostly known as the Modern Portfolio Theory. On the other hand, the TLBO algorithm which has been presented in 2010 is one of the most efficient meta-heuristic methods to solve the optimization problem. In this study, we are attempting to solve the portfolio optimization problem, according to the framework of the model introduced by Markowitz and using TLBO algorithm. For this purpose, the data related to the returns of 20 companies listed in TSE during the period 2012-2016 were collected. It is worth mentioning that four criteria including variance, mean absolute deviation, semi-variance and conditional value at risk (CvaR) were used in order to measure the risk level in this investigation.
    Keywords: Conditional value at Risk (CvaR), Mean-variance model, Metaheauristic algorithms, Portfolio optimization, Teaching-Learning-Based Optimization (TLBO) algorithm
  • Kiumars Shahbazi, Soleiman Feizi, Sayyed Yousef Fattahi * Pages 281-298
    The main purpose of this article is about investigation of cointegration and transactional between index price of Iran stock market and stock market of the most main trading partners of country and also analysis of common stochastic trends available between them during 2007-2015. To achieve to this goal, Johansen-Juselius method (1992), Gonzalo and Granger method (1995) have been used.The results show that there is a cointegration vector relation and finally 3 common stochastic trend between investigation markets show the incomplete long-term integration between these groups of variables. On one hand, the results of common stochastic trend during the period under Tehran stock exchange review show that there is low participation in common stochastic, and on the other hand, it has showed high reactions toward of those trends. Finally, according to weak convergence between index price of selected markets can be achieved to its profits by international portfolio diversification.
    Keywords: Cointegration, Common stochastic trend, Gonzalo, Granger (1995), Stock price index, Trading partner
  • Hossein Fakhari, Mohammad Valipour Khatir *, Maedeh Mousavi Pages 299-318
    Accurate forecasting of stock prices according to high volatility and inherent risk of stock market is a major concern of investors and financial analysts, hence applying novel approaches to predict the stock priceisan inevitable necessity. Accordingly, the purpose of this research is to compare the performance of forecasting models such as neural network with classical model and introducing appropriate model to forecast tomorrow stock price. The daily market prices data and financial indicator have been used as input variables for designing neural network model and daily closing price data set as input variable for designing ARIMA and also tomorrow's closing price is considered as output variable from 2011to2014. The results show that the Bayesian neural network represents less error sand higher Predictive power than the ARIMA model. The findings indicate the efficiency of Bayesian neural network incapture short-term investment opportunities and also can help investors to choose the appropriate portfolio and to obtain more returns.
    Keywords: Autoregressive Integrated Moving Average (ARIMA), Bayesian learning function, Levenberg-Marquardt learning function, Neural Network, Predicting stock prices
  • Ahmad Nabizade, Hadi Gharehbaghi *, Adel Behzadi Pages 319-340
    Portfolio optimization is the one of most important problems in financial theory. Different strategies can be selected to manage the portfolio that include two kinds is called passive and active. Index tracking is one of most important passive approach. So, there are different models and algorithms to make index tracking portfolio. The aim of this research is analyze of down side beta in the index tracking portfolio. So, three models are presented. Then, to solve these models, evolutionary algorithms include genetic and deferential evolutionary algorithm is used. To show sufficiency of the models, Tehran stock exchange data are selected. Results show the model based down side beta with deferential evolutionary algorithm has higher efficiency Compared with two another models.
    Keywords: Deferential evolutionary algorithms, Down side beta, Evolutionary algorithms, Genetic algorithm, Index tracking