gholamhossein golarzi
-
نرخ ارز به عنوان یک متغیر بنیادی در کنار سایر متغیرهای اقتصادی بر بازده سهام تاثیرگذار است. از این رو، در پژوهش حاضر به بررسی اثرات نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو از طریق مدل های خطی و غیر خطی طی سالهای 1384 تا 1400 پرداخته شده است. در این پژوهش ابتدا نوسانات نرخ ارز با استفاده از مدل GARCH مدل سازی شد. سپس با استفاده از الگوی خطی خودرگرسیونی با وقفه های توزیعی (ARDL) و الگوی غیر خطی خودرگرسیونی با وقفه های توزیعی (NARDL) اثرات متقارن و نامتقارن نرخ ارز و نوسانات آن به همراه متغیرهای کنترلی مربوط به اقتصاد کلان شامل شاخص قیمت مصرف کننده بهداشت و درمان و قیمت نفت و متغیرهای کنترلی خاص صنعت دارو شامل نسبت بازده دارایی ها، نسبت گردش دارایی ها و نسبت بدهی به همراه متغیر مجازی کرونا بر بازده سهام صنعت دارو مورد بررسی قرار گرفت. نتایج مطالعه نشان داد که در کوتاه مدت و بلندمدت آثار نرخ ارز بر بازده سهام صنعت دارو بیشتر از نوسانات نرخ ارز است. همچنین شوک های منفی قیمت ارز و نوسانات نرخ ارز با بازده سهام صنعت دارو، رابطه منفی و شوک های مثبت نرخ ارز و نوسانات آن، اثر مثبتی بر بازده سهام صنعت دارو دارند. بر اساس نتایج پژوهش، شوک های مثبت و منفی نرخ ارز و نوسانات آن بر بازده سهام صنعت دارو، اثر نامتقارن دارد . علاوه بر این، نتایج حاکی از آن است که متغیرهای کنترلی مورد استفاده در این پژوهش و متغیر کرونا اثرات معناداری در مدل های خطی و غیرخطی بر بازده سهام صنعت دارو دارند.
کلید واژگان: نرخ ارز, نوسانات نرخ ارز, بازده شاخص سهام صنعت دارو, مدل خودرگرسیونی با وقفه های توزیعی خطی و غیر خطیThe exchange rate, as a fundamental variable, alongside other economic variables, has a significant impact on stock returns. Therefore, this study has investigated the effects of the exchange rate and its fluctuations on the pharmaceutical industry's stock returns through linear and nonlinear models during the years 2005 to 2021. In this research, first, the exchange rate fluctuations were modeled using the GARCH model. Then, the symmetrical and asymmetrical effects of the exchange rate and its fluctuations, along with the macroeconomic control variables including the healthcare consumer price index, oil price, and industry-specific control variables including asset return ratio, asset turnover ratio, and debt ratio as well as the COVID-19 dummy variable, were investigated on the return of the pharmaceutical industry stock using both linear ARDL and nonlinear NARDL models. The study shows that in both the short and long term, the impact of the exchange rate on pharmaceutical industry stock returns is greater than the impact of exchange rate fluctuations. Additionally, negative shocks of the exchange rate and its fluctuations have a negative relationship with the pharmaceutical industry's stock returns, while positive shocks of the exchange rate and its fluctuations have a positive effect on the pharmaceutical industry's stock return. The study's findings suggest that the impact of positive and negative shocks of the exchange rate and its fluctuations have asymmetric effects on the return of pharmaceutical industry stock. Results show that control variables and COVID-19 have significant effects on pharmaceutical industry stock returns in linear and nonlinear models.
Keywords: Exchange Rate, Exchange Rate Fluctuations, The Pharmaceutical Industry Stock Index Return, ARDL, NARDL -
مقایسه عملکرد الگوریتمهای تکاملی NSGAIIو SPEA2 در انتخاب پرتفولیوی بهینه در بورس اوراق بهادار تهراننشریه تحقیقات مالی، پیاپی 67 (پاییز 1401)، صص 410 -430هدف
هدف این پژوهش، مقایسه عملکرد دو الگوریتم از الگوریتم های بهینه سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA2) در دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است.
روشاین پژوهش با استفاده از داده های 241سهم در یک بازه زمانی 174 ماهه (از مهر 1385 تا پایان اسفند 1399) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین ها، عملکرد این پرتفولیوها در مقاطع زمانی سه ماهه ارزیابی و مقایسه شدند.
یافته ها:
با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل شده طبق الگوریتم های پژوهش، مشخص شد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده های واقعی سه ماهه منتهی به پایان سال 1400 این یافته تایید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA2 به عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تایید کرد.
نتیجه گیری:
نتایج این پژوهش نشان می دهد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.
کلید واژگان: انتخاب پرتفولیوی بهینه سهام, الگوریتم های تکاملی, الگوریتم ژنتیک مرتب سازی نامغلوب, الگوریتم تکاملی قدرت پارتوFinancial Research, Volume:24 Issue: 67, 2023, PP 410 -430ObjectiveOne of the most important issues for all investors, including individual and institutional investors in the stock market, is finding the optimal portfolio. Identifying the optimal portfolio in the stock market can be considered a two-objective optimization problem. This problem maximizes and minimizes the return and risk of the portfolio, respectively. Like other multi-objective optimization problems, the portfolio optimization problem can be solved by multi-objective evolutionary algorithms (MOEAs). Accordingly, the Non-dominated Sorting Genetic Algorithm ( ) and Strength Pareto Evolutionary Algorithm ( ), as the two advanced algorithms of multi-objective evolution algorithms, can be used to solve this problem. These algorithms identify the optimal solution by ranking and archiving solutions located on the Pareto frontier. The purpose of this research is to compare the performance of and in mean-variance and mean-semi-variance approaches to identify the optimal stock portfolio.
MethodsThis research investigated 241 stocks enlisted on the Tehran Stock Exchange (TSE). It was conducted within 174 months from September 2006 to March 2019. The researchers first identified the optimal portfolio using NSGAII and SPEA2 algorithms through two approaches including mean-variance and mean-semi-variance. Then, by conducting a statistical hypothesis test on the average Sharp ratio of extracted portfolios, the performance of NSGAII and SPEA2 algorithms were compared. To confirm the research findings, a robustness test was done by comparing the performance of the SPEA2 algorithm with the traditional Markowitz model. Also, to ensure the stability of research findings, the performance of two algorithms in the mean-variance and mean-semi variance approaches were compared with quarterly data ending March 2022.
ResultsAccording to the obtained results, the SPEA2 algorithm has better performance than the NSGAII algorithm in both approaches. Backtesting the real data for the quarter ending inMarch 2022 confirmed the findings of the present study. Also by doing robustness tests, the researchers found the SPEA2 algorithm as the superior algorithm in this research with better performance than Markowitz's basic model.
ConclusionThe results indicated that the 2 algorithm has better performance in selecting the optimal portfolio than the algorithm in both the mean-variance and mean-semi variance approaches. Regardless of how the stock returns are distributed, this study recommends that individual and institutional investors use the SPEA2 algorithm to determine the optimal portfolio arrangement.
Keywords: optimal portfolio, Evolutionary algorithm, Non-dominated sorting genetic algorithm, Strength Pareto evolutionary algorithm -
هدف
این پژوهش تاثیر احساس سرمایه گذاران از بازده بازار در شکل گیری و بروز رفتار جمعی را با رویکردی مبتنی بر تبعیت از بتا در بورس اوراق بهادار تهران مورد مطالعه قرار می دهد. به عبارتی این پژوهش به بررسی این موضوع می پردازد که سرمایه گذاران در بورس اوراق بهادار تهران بر اساس اصول بنیادی تصمیم گیری می کنند، یا اینکه با نادیده گرفتن اصول علمی و تاثیرپذیری از عملکرد بازار اقدام به خرید و فروش و در صورت تاثیرپذیری از بازده بازار، اندازه ضریب بتا تا چه حد بر شدت این تاثیرپذیری می تواند نقش داشته باشد.
روشاین پژوهش با استفاده از مدل هوانگ و سالمون (2009) در یک دوره 120 ماهه (از اول فروردین 1388 تا آخر اسفند 1397) به بررسی تاثیر احساس سرمایه گذاران در شکل گیری رفتار جمعی پرداخته است.
یافته ها:
نتایج حاصل نشان دهنده این است احساس سرمایه گذاران از بازده بازار بر تصمیمات سرمایه گذاری سرمایه گذاران در بورس اوراق بهادار تهران اثرگذار بوده به گونه ای که باعث شکل گیری رفتار جمعی از سوی آنها می شود. علاوه بر این، نتایج بدست آمده نشان می دهد سهام با ضریب بتای بزرگ و کوچک به یک میزان از بازده بازار تاثیر نمی پذیرند.
نتیجه گیری:
یافته های تحقیق نشان می دهد در بورس اوراق بهادار تهران سرمایه گذاران بدون توجه به متغیرهای بنیادی و بیشتر بر اساس شرایط حاکم بر بازار تصمیم گیری می کنند که نتیجه این گونه تصمیمات می تواند عدم کارایی بازار را به دنبال داشته باشد.
کلید واژگان: تبعیت از بتا, احساس سرمایه گذاران, رفتار جمعیObjectiveOne of the main issues discussed in the behavioral financial paradigm is the herd behavior of investors. Herd behavior indicates a situation in which investors, regardless of personal information and analysis, follow other investors. This study investigate the effect of investor sentiment on herd behavior formation with beta herding approach in Tehran Stock Exchange. In other worlds, the purpose of this article is to examine whether investors decision making in Tehran Stock Exchange based on fundamental variables or market performance. Although this phenomenon may be considered logical from an individual point of view, but from a macro perspective, it can have destructive effects such as bubbles, price crashes, sharp price fluctuations, and as a result, distorted equilibrium relations and market inefficiencies. Huang and Salmon (2001) scientifically studied this phenomenon by presenting a model called beta herding. They believe that the simultaneous attention of investors to market returns causes the return of individual stocks to biased towards market returns, and as a result, the stock beta coefficient is close to the market beta coefficient. This study uses a beta herding method to investigate the effect of market sentiment on the probability of herd behavior in the Tehran Stock Exchange. In other words, this study examines whether investors in the Tehran Stock Exchange make decisions based on fundamental variables, or trade by ignoring these variables and being affected by market performance. This study also examines whether the stock beta coefficient affects the impact of market performance on investor decisions?
MethodThe theoretical basis of this article is the information cascades theory. According to this theory, when investors observe a flow of information, review information and personal analysis according to the existing flow of information. Since paying attention to market returns instead of fundamental variables disturbs the equilibrium relations in the market, so applying a CAPM-based approach can be used to identify and analyze herd behavior. This approach that founded by Huang and Salmon (2009) herding behavior is analyzed by basing the CAPM equilibrium relationship and examining market influence on this relationship. Based on the herd beta approach, the cross-sectional variance of betas can be considered as a measure of the impact of market returns on investors' decisions. This means that the more investors pay attention to the market factor in their decisions, the smaller the cross-sectional deviation of betas will be. Therefore, the smaller cross-sectional deviation of betas can indicate the presence of herd behavior of investors. Since the herd behavior of investors in following the market returns, causes the stock beta to be biased, so the following relationship can be established between and . (Huang and Salmon, 2009):Which is the equilibrium beta and is the biased beta. The above relationship can be rewritten as follows:The significance of statistic as the slope of the line in the above relationship indicates the effect of market returns on investors' decisions and the formation of herd behavior. In order to investigate the effect of beta coefficient on the severity of the effect of stock returns from market returns, the following equation has been used:In above equation, the dependent variable is difference between low beta portfolio return ( with high beta portfolio return ( and herd behavior criterion is the independent variable. Also h is used as a lag, which in this study is assumed to be equal to 1. Negative and significant as the coefficient of (cross-sectional deviation of estimated betas ( ) in above relation means that stocks with high and low beta coefficient react the same to market returns. Conversely, positive and significant means that stocks with high and low beta coefficients do not show the same reaction to market returns, or in other words, stocks with low beta coefficients are more affected by market returns than stocks with high beta coefficients. Also as a measure of monthly herd behavior is calculated by deviating from the standard according to the following equation (Huang and Salmon, 2009):This research has been done for a period of 120 months, (from March 1, 2009 to the end of March 2018). The statistical population of this research consists of all companies listed on the Tehran Stock Exchange, which are filtered according to the following conditions:The first transaction on their stocks has been done since the beginning of 2009 or before- Have not been removed from the list of listed companies during the research period--There is no long-term suspension (more than six months) in trading on their stocks.Applying the above conditions, 112 companies remained to be surveyed, which were surveyed without sampling.
ResultsBy conducting this research, we found that investors' sense of market return has a significant effect on the occurrence of herding behavior by them in the Tehran stock exchange. This means that in a boom market, investor demand for all stocks (even the stocks of weak and loss-making companies) has increased, which in turn raises prices and, consequently, returns all stocks. Conversely, in a recession condition, investor demand for all stocks (even of profitable stocks and strong companies) decreases, which reduces the price of these stocks and thus their returns. This finding is consistent with the findings of Huang and Salmon (2009) and (2013). In addition, we found in this study that the impact of stocks with large and small beta coefficients on market returns is not the same. This means that as investors become more affected by market returns, the gap between stock returns with high beta and stocks with low beta increases. In other words, stocks with lower beta coefficients are more affected by market returns than stocks with high beta coefficients. This finding is also consistent with the results of Huang and Salmon (2009) and (2013).
ConclusionIn this study, the effect of investors' perception of the market on the price of individual securities in the Tehran Stock Exchange was examined. We found that investors' sense of the market influences their investment decisions. Being influenced by market performance means that investors in their investment decisions ignore the impact of fundamental variables on the price of securities and pay more attention to the overall performance of the market. Considering the general market trend and ignoring the main variables affecting the company's profitability leads to the formation of the phenomenon of herd behavior. This phenomenon is more visible in the case of small beta stocks. It is obvious that ignoring the fundamental variables can lead to unequilibrium in market and ultimately market inefficiency. Encouraging to indirect investment, such as mutual funds, can greatly prevent such undesirable phenomenon. Introducing with financial analysis in trading can also prevent such phenomena in the market.
Keywords: Beta coefficient, Beta herding, Investor sentiment, Herding Behavior -
احساسات سرمایه گذاران میتواند باعث اتخاذ تصمیمات احساسی و گاها غیر منطقی از سوی آنان و در نتیجه باعث بروز ناهنجاری هایی از قبیل نوسانات شدید در قیمت و حتی بحران در بازارهای مالی گردد. بر همین اساس، هدف پژوهش حاضر بررسی تاثیر احساسات سرمایه گذاران و سایر متغیرهای اقتصادی بر احتمال شکل گیری بحران در بورس اوراق بهادار تهران، طی دوره زمانی 15 ساله (از فروردین 1385 تا اسفند) 1399 بر روی 179 شرکت پذیرفته شده در بورس اوراق بهادار تهران است. مدل آماری مورد استفاده در این پژوهش رگرسیون لجستیک با تابع لاجیت می باشد. نتایج برآورد مدل نشان می دهد متغیرهایی از قبیل نرخ بهره اسمی، نرخ تورم، تولید ناخالص داخلی، نسبت قیمت به سود هر سهم، نرخ بازده دارایی ها، احتمال بروز بحران در بورس اوراق بهادار تهران را پیش بینی مینمایند. همچنین، احساسات سرمایه گذاران به تنهایی و نیز، با در نظر گرفتن متغیرهای اقتصادی به عنوان متغیرهای کنترلی، میتواند احتمال بروز بحران در بورس اوراق بهادار تهران را پیش بینی نماید.
کلید واژگان: احساسات سرمایه گذار, مالی رفتاری, بحران در بورس اوراق بهادارInvestors' emotions can lead to emotional and sometimes irrational decisions and as a result, it can cause anomalies such as sharp price fluctuations and even a crisis in the stock markets. Accordingly, this study intends to investigate the influence of Investors' Sentiment and other economic variables on the occurrence of crisis in the Tehran Stock Exchange. This research has been conducted for a period of 15 years, from April 2006 to March 2017 on 179 companies listed on the Tehran Stock Exchange. The stock market crisis as a dependent variable using Patel and Sarker model (1998) and investor sentiment as an independent variable was measured using the Bandopadhyaya and Jonse (2006) Model. we tests hypotheses by maximum likelihood or logistic regression. We found that nominal interest rates, inflation rates, GDP, P/E, ROA, can predict the occurrence of a crisis in tehran stock market. Our findings also show that investors' sentiment alone and by considering economic variables as control variables can predict the occurrence of a crisis in stock market. In general, our findings show the role of emotions in investors' decisions is significant in Tehran Stock Exchange and is one of the main causes in this market.
Keywords: Investor Sentiment, Behavioral Finance, Economical variables, Stock Market Crises -
هدف
یکی از مهم ترین مسایلی که شرکت های بیمه با آن مواجه هستند تعیین حق بیمه منصفانه است. هدف این پژوهش طراحی مدل ریاضی محاسبه حق بیمه بهینه با بیشینه سازی مقدار مورد انتظار مطلوبیت کل تتزیل شده سرمایه، لحاظ کردن تقاضا و رقابت بازار بیمه غیر عمر است.
روشدر ابتدا معادله سرمایه شرکت بیمه که حاصل جمع درآمد بیمه گری و درآمد سرمایه گذاری است، تعریف می شود. درآمد بیمه گری در هر سال از تفاوت میان حق بیمه و هزینه های بیمه گری در تابع تقاضای تصادفی محاسبه می گردد. در مرحله بعد، تابع تقاضای تصادفی بر اساس تعداد بیمه نامه های صادره سال گذشته، متوسط حق بیمه بازار، حق بیمه شرکت به عنوان متغیر کنترل و نیز اختلال تصادفی خطی یا متغیرهای تصادفی مرتبط با تابع تقاضا تعریف شده است. از آن جا که مقادیر متوسط حق بیمه بازار و اختلال تصادفی هستند، تقاضا تصادفی در نظر گرفته می شود. در نهایت، حق بیمه بهینه با استفاده از برنامه ریزی پویای تصادفی در قالب زمان گسسته با بیشینه سازی مقدار مورد انتظار مطلوبیت کل تتزیل شده سرمایه محاسبه می گردد.
یافته هانتایج عددی به دست آمده حاکی از آن است که حق بیمه بهینه با متوسط حق بیمه بازار، تقاضای سال قبل و حق بیمه سر به سر ارتباط مستقیم و با امید مورد انتظار اختلال تصادفی رابطه معکوس دارد. همچنین نشان داده شد که علامت امید مورد انتظار اختلال تصادفی تعیین کننده استراتژی حق بیمه بهینه است.
نتیجه گیریاز یافته های این پژوهش می توان نتیجه گرفت که شرکت های بیمه می بایست با استفاده از علامت مقدار مورد انتظار اختلال تصادفی که بر مبنای تابع تقاضا تعیین می شود، به تعیین حق بیمه بهینه غیر عمر در فضای رقابتی بپردازند. نتایج نشان داد که علامت مقدار مورد انتظار اختلال تصادفی مثبت، نشان دهنده تقاضای کاهشی است و شرکت بیمه می بایست به تغییر استراتژی تعیین حق بیمه بهینه به منظور گسترش تقاضا بپردازد.
کلید واژگان: اختلال تصادفی, تابع تقاضا, متوسط حق بیمهObjectiveOne of the most important issues facing insurance companies is the determination of fair premium. The purpose of this study is to design a mathematical model for calculating the optimal insurance premium by maximizing the total expected discounted utility of the capital, considering the demand and competition of the non-life insurance market.
MethodsIn the first stage, the capital equation of the insurance company is defined which is derived from the sum of insurance income and investment income. Insurance income is measured via the difference between insurance premiums and related expenses over the year as a function of stochastic demand. Next, the Stochastic demand function is defined based on the number of insurance policies in the past year, the average premium of the market, company premium which is the control function and a linear stochastic disturbance or variables which are related to the demand function. Since the average premium of the market and disruptive are Stochastic, demand is Stochastic. Consequently, the optimal premium is calculated using the Stochastic Dynamic Programming, discrete-time framework via maximizing the total expected discounted utility of the capital.
ResultsThe numerical results show that the optimal premium is directly related to the average market premium, previous year's demand, break-even premium and the expected expectation of stochastic disturbance. It was also shown that the expected sign of stochastic disturbance determines the optimal premium strategies.
ConclusionFrom the findings of this study, it can be concluded that insurance companies should determine the optimal non-life insurance premium in a competitive environment via using the expected value sign of stochastic disturbance, which is determined based on the demand function. The results showed that the expected value sign of positive stochastic disturbance indicates a decreasing demand and the insurance company should change the strategy of determining the optimal premium in order to expand demand.
Keywords: Stochastic disturbance, Demand function, Average premium of the market -
هدف
انتخاب یک سبد سرمایه گذاری بهینه در طولانی مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می دهد. هدف این مقاله ارائه روشی برای به روز کردن چندمرحله ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره های زمانی، به صورت چشمگیری افزایش می یابد، حل مسئله به روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است.
روشاز برنامه ریزی پویای تصادفی تقریبی چندمرحله ای برای تعیین سبد بهینه سهام و رفع مشکل ناکارایی آن با گذشت زمان استفاده شده است. از نرخ های بازده به عنوان متغیر تصادفی طی دوره ها، از روش مونت کارلو برای سناریوسازی و از معیار ریسک GlueVaR به عنوان معیار اندازه گیری ریسک استفاده شده است. با استفاده از روش تقریبی، امکان حذف برخی از جواب های بهینه افزایش می یابد، از این رو، از الگوریتم ژنتیک برای جست وجو در اطراف پاسخ بهینه بهره برده شد تا در صورت امکان، جواب بهتری به دست آید. مدل سازی این پژوهش توسط نرم افزار متلب و آزمون های آن به کمک نرم افزار SPSS صورت پذیرفته است.
یافته هادر این مقاله از اطلاعات 100 شرکت برتر موجود در بورس اوراق بهادار تهران، در سال های 1390 تا 1396 استفاده شد و بر اساس روش برنامه ریزی پویای تقریبی پیشنهادی، الگوریتم ژنتیک و روش سبد سهام با وزن های برابر، به مقایسه بازدهی و ریسک سرمایه گذاری در سبدهای مختلف پرداخته شده است.
نتیجه گیریآزمون های آماری مربوطه نشان دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.
کلید واژگان: بهینه سازی سبد سهام, برنامه ریزی پویای تصادفی, معیار ریسک GlueVaR, الگوریتم ژنتیک, سناریوسازیObjectiveThe selection of an optimal investment portfolio for a long-term period does not seem logical. So the investors should update their investment portfolios over specific time periods if needed. Since the problem dimensions significantly increase after the periods, a definitive solution to the problem is not achievable.
MethodsIn this regard, the Multistage Approximate Stochastic Dynamic Programming has been used to make the best portfolio over each period by using a stochastic return rate. The Monte Carlo was used for scenario development, and GlueVar was selected as a risk measurement criterion. The approximation technique was used to resolve for large dimensions; however, some optimized solutions may be eliminated so we used the Genetic Algorithm for the rapid search around the optimal solution to obtain a better one, if possible.
ResultsTop 100 companies listed in the Tehran Stock Exchange between 2011 and 2017 were investigated. This study investigated and compared the return and risk of investment portfolios based on the proposed method, Genetic Algorithm, and stock portfolio with equal weights. The modeling was done with MATLAB and tests were carried out with SPSS.
ConclusionThe results indicated a higher performance of the proposed method in comparison with the other mentioned methods.
Keywords: Portfolio optimization, Stochastic dynamic programming, GlueVaR risk measurement, Genetic Algorithm, Scenario constructiom -
بیش واکنشی یکی از ناهنجاری های قابل مشاهده در بازار می باشد که پیامدهای مخربی من جمله عدم کارایی بازار را به دنبال دارد. در این تحقیق به بررسی وجود بیش واکنشی سهامداران و مقایسه آن در شرکت های کوچک و بزرگ در بورس اوراق بهادار تهران و ارزیابی عملکرد استراتژی سرمایه گذاری معکوس در شرکت های کوچک و بزرگ به منظور کسب بازده غیرعادی پرداخته شده است. دوره زمانی موردمطالعه از سال 1382 تا 1396 می باشد. برای بررسی پدیده بیش واکنشی، از روش اثر بازنده- برنده دی بونت و تالر استفاده شد. نتایج تحقیق نشان داد که بیش واکنشی در میان سهامداران بورس اوراق بهادار تهران وجود دارد و همچنین بیش واکنشی در میان سهامداران شرکت های بزرگ مشاهده شده است و در شرکت های کوچک بیش واکنشی در میان سهامداران مشاهده نشده است. درنهایت با توجه به وجود بیش واکنشی در بازار، سرمایه گذاران می توانند با به کارگیری استراتژی سرمایه گذاری معکوس به بازده اضافی دست یابند.کلید واژگان: استراتژی سرمایه گذاری معکوس, بازده غیر عادی انباشته, بیش واکنشی, پرتفوی بازنده, پرتفوی برندهOverreaction is one of the anomalies in stock market that has a destructive effect on market efficiency. The purpose of this article is to assess the overreaction of shareholders and comparison this phenomenon in small and large companies in Tehran stock exchange. Also, in this research we evaluate the performance of contrarian investment strategy to achieve abnormal returns. The study period was from 1382 to 1396. We used the De Bondt-Thaler winner–loser effect method to assessing the overreaction phenomena. The results showed that an overreaction exists among the shareholders of Tehran stock exchange. Also, the overreaction has been observed among the shareholders of large companies; but it hasn’t been observed among the shareholders of small companies. Generally, investors and portfolio managers can take advantage of market inefficiencies and to achieve abnormal returns by following a contrarian strategy in Tehran stock exchange.Keywords: Contrarian Investment Strategy, Cumulative AbnormalReturn, Overreaction
-
این پژوهش بهبررسی تاثیر عدم تقارن اطلاعاتی بر تغییرات غیرعادی وجه نقد شرکتهای پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این تحقیق بر روی 111 شرکت طی دوره زمانی 1388 تا 1392 به انجام رسیده است. فرضیه های پژوهش با استفاده از روش رگرسیون چند متغیره داده های ترکیبی مورد تجزیهوتحلیل قرار گرفتند. یافته های پژوهش نشان میدهد که طی دوره مطالعه، عدم تقارن اطلاعاتی تاثیر مثبت و معناداری بر تغییرات غیرعادی وجه نقد و تغییرات غیرعادی مثبت در وجه نقد دارد؛ همچنین نتایج حاکی از آن است که عدم تقارن اطلاعاتی تاثیر معناداری بر تغییرات غیرعادی منفی در وجه نقد ندارد.کلید واژگان: عدم تقارن اطلاعاتی, تغییرات غیرعادی وجه نقد, تغییرات غیرعادی مثبت وجه نقد, تغییرات منفی وجه نقدThis study examines the impact of information asymmetry on abnormal changes in cash of companies listed in Tehran Stock Exchange. This research has performed on 111 companies over the period 1388 to 1392. Research findings show that over the course of the study, information asymmetry significantly positive effect on abnormal changes in cash and cash positive abnormal changes. The results suggest that information asymmetry no significant effect on negative abnormal changes in cash.Keywords: Information Asymmetry, Abnormal Changes in Cash, Positive Abnormal Changes in Cash, Negative Abnormal Changes in Cash
-
پیش بینی بازده سهام یکی از موضوع های مهم و قابل بحث در ادبیات مالی و سرمایه گذاری به حساب می آید. مدل سه عاملی فاما و فرنچ به عنوان شاخص ترین مدل در پیش بینی بازده سهام علیرغم برخورداری از نقاط قوت زیاد بر اساس فرض ثابت بودن ضرایب بتا بنا نهاده شده است، که چنین فرضی به صورت مطلق در هر شرایطی ممکن است برقرار نباشد. در این پژوهش سعی شده است تا مدل مذکور با دو فرض ثابت بودن یا متغیر بودن ضرایب به طور جداگانه برازش و سپس دقت هر یک آنها مقایسه شود. برای این منظور از مدل فضای حالت و حداقل مربعات معمولی (OLS) برای برازش مدل به ترتیب با فرض متغیر بودن و ثابت بودن ضرایب استفاده شده است. این پژوهش بر روی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و برای یک دوره زمانی 72 ماهه (مهر 1385 الی شهریور 1391) صورت گرفته است. با انجام این پژوهش مشخص گردید که مدل فضای حالت در مقایسه با مدل حداقل مربعات خطی از عملکرد بهتری در پیش بینی بازده اوراق بهادار برخوردار است، که این می تواند به معنای ثابت نبودن ضرایب بتای مدل سه عاملی در بورس اوراق بهادار تهران باشد.
کلید واژگان: بورس اوراق بهادار تهران, فضای حالت, فیلتر کالمن, مدل سه عاملی فاما و فرنچPredicting stock returns is one of the major issues to be discussed in the financial literature, and investment. Researchers have proposed various methods for predicting stock returns, that the most famous of them are the Capital Asset Pricing Model by Sharpe and Lintner, arbitrage pricing model by ross and three factors model by Fama and French. F& F three-factor model as the most significant factor models in recent years great attention has been. Despite having many strengths of this model is based on the assumption of constant beta coefficient is founded, However, this assumption does not hold absolute in any circumstances. In this study, we tried to model with constant or variable coefficients fitted separately and then compare the accuracy each of them. For this purpose, the state space model and ordinary least squares (OLS) models were fit assuming constant and variable coefficients are used. This research will be done on listed companies in Tehran Stock Exchange for a period of 72 months (October 1385 to September1391). The results show that, compared to state-space model of a linear least squares model for predicting stock returns has a better performance, this means that Beta coefficients in three-factor is on the Tehran Stock Exchange are not constant.Keywords: Tehran Stock Exchange, state space model, Kalman filter, Fama, French three, factor -
هدف این پژوهش بررسی ارتباط بین عدم تقارن اطلاعاتی و میزان نگه داشت وجه نقد در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این پژوهش با استفاده از اطلاعات مالی 74 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره ی زمانی 1387 تا 1391 به بررسی این موضوع پرداخته شده است. به منظور آزمون الگوی رگرسیون پژوهش از داده های تابلویی با رویکرد اثرات ثابت، استفاده شده است. یافته های پژوهش نشان می دهد که طی دوره ی مطالعه، بین عدم تقارن اطلاعاتی و میزان نگه داشت وجه نقد ارتباط معناداری وجود ندارد. دیگر نتایج حاکی از آن است که متغیرهای رشد فروش، اندازه شرکت، جریان نقدی و مالیات پرداختی اثر مثبتی بر سطح نگه داشت وجه نقد داشته و متغیر خالص سرمایه در گردش رابطه ای منفی با مانده وجه نقد دارد.کلید واژگان: عدم تقارن اطلاعاتی, سطح نگه داشت وجه نقد, داده های تابلویی با اثرات ثابتThe purpose of this study is investigate the relation between Information asymmetry and level of cash holding of listed companies in Tehran Stock Exchange. To do so, the financial information of 74 companies listed in Tehran Stock Exchange from 1388 to 1392 was investigated. Multiple regression with panel data with fixed effects was used to analyze the relation between Information asymmetry and level of cash holding. The results show that there is no significant relationship between Information asymmetry and level of cash holding. Other results indicate that, Sales growth, firm size, cash flow and Taxes has positive effect on level of cash holding and net working capital has negative effect on level of cash holding.Keywords: Information asymmetry, level of cash holding, panel data with fixed effects
-
با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل موثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام شرکت مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک ارائه شده است. برای نمونه آماری، سی شرکت از پنجاه شرکت برتر بورس اوراق بهادار در سه ماهه دوم سال 90 انتخاب شده است. سپس برای هر سی شرکت، 44 متغیر محاسبه شد. این متغیرها ورودی مدل ترکیبی هستند و به کمک الگوریتم ژنتیک بهینه سازی شده اند. نتایج نشان می دهد، مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل می کند و درمقایسه با روش ماشین بردار پشتیبان ساده، از دقت بیشتری برخوردار است.
کلید واژگان: الگوریتم ژنتیک, پیش بینی, تحلیل تکنیکی, قیمت سهام, ماشین بردار پشتیبانFinancial Research, Volume:15 Issue: 36, 2013, PP 269 -288According to recent developments of predicting methods in financial markets، and since the stock price is one of the most important factors for investment decision-making، and its prediction can play an important role in this field، the aim of this study is to provide a model to predict the stock price movement with high accuracy. Accordingly، a hybrid model for predicting the stock price movement using Support Vector Machine (SVM) based on genetic algorithms is presented. Thirty companies from the top 50 companiesin Tehran Stock Exchange in 2011 are selected as sample. Then، for each company، 44 variables have been calculated. These variables are the inputs of the hybrid model and are optimized using genetic algorithm. The results show that the hybrid model of Support Vector Machine based on genetic algorithms has better performance in predicting the stock price movement and it has a higher accuracy compared with the simple Support Vector Machine.Keywords: Genetic Algorithm, Predicting, Support Vector Machine, Stock Price, Technical Analysis
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.