فهرست مطالب

مهندسی مالی و مدیریت اوراق بهادار - پیاپی 53 (زمستان 1401)

نشریه مهندسی مالی و مدیریت اوراق بهادار
پیاپی 53 (زمستان 1401)

  • تاریخ انتشار: 1401/11/26
  • تعداد عناوین: 13
|
  • شهاب فروتن چهر، سعید آقاسی*، سید محمدرضا داودی صفحات 1-15

    امروزه لزوم انتخاب سبد سهام به عنوان عامل اصلی موفقیت در سود آوری سرمایه گذاری آشکار است. ارزیابی سهام از تمامی ابعاد آن نیاز حیاتی در سازمان های سرمایه گذار است. از این رو در این پژوهش یک مدل ریاضی چند هدفه دو مرحله ای ارزیابی و انتخاب سبد پروژه معرفی شد. با توجه به عدم قطعیت های موجود در ارزیابی سبد پروژه، تیوری عدم قطعیت استوار برتسیماس و سیم بر روی مدل ریاضی توسعه داده شدند و سپس با توجه به NP-HARD بودن مساله مورد مطالعه، جهت اعتبارسنجی مدل در ابعاد بزرگتر با استفاده از دو الگوریتم فرا ابتکاری MOPSO و NSGAII به تحلیل یافته های مدل پرداخته شد. بر اساس تحلیل های جواب های بدست آمده حاصل از دو الگوریتم نشان داده شد که زمان محاسباتی الگوریتم MOPSO بهتر از الگوریتم NSGAII می باشد و میانگین های تابع هدف اول و دوم MOPSO نیز نشان از برتری این الگوریتم در مقایسه با NSGAII داشت. در سایر پارامتر های تحلیلی مانند NPF و MSI و SM نشان داده شد که الگوریتم NSGAII عملکرد بهتری نسبت به الگوریتم MOPSO دارد. با استفاده از روش TOPSIS نشان داده شد که الگوریتم NSGAII با وزن 0.6945 مطلوبیت بیشتری در برابر MOPSO داشته است.

    کلیدواژگان: ارزیابی و انتخاب سبد پروژه، مدل ریاضی چند هدفه دو مرحله ای، الگوریتم فرا ابتکاری MOPSOو NSGAII
  • محمدعلی طبیبی، سید محمدرضا داودی*، عبدالمجید عبدالباقی عطاآبادی صفحات 16-33

    ارزش در معرض ریسک یکی از معیارهای پرکاربرد سنجش ریسک است که حداکثر ضرر یک سبد سهام را برای یک سطح اطمینان مشخص و در یک افق زمانی معلوم اندازه می گیرد. ارزش در معرض ریسک دوره، مفهوم ارزش در معرض ریسک را برای یک سرمایه گذاری با مجموعه ای از افق های سررسید توسیع می دهد. بدین صورت تاثیر ریسک نقدشوندگی کاهش می یابد و سرمایه گذار از فرصت تصمیم گیری فروش در یک مجموعه زمانی برخوردار است. در پژوهش حاضر دو مدل سبد سهام بر اساس ارزش در معرض ریسک دوره طراحی می گردد که اولی ناپارامتریک و بر اساس شبیه سازی تاریخی و دومی به صورت پارامتریک و بر اساس توزیع مخلوط نرمال-لاپلاس چندگانه در جهت برازش مناسب داده های دمی است. نتیجه مطالعه تجربی مدل های طراحی شده بر روی یک سبد سهام با هشت شاخص از بورس اوراق بهادار تهران در بازه 1390 تا 1399 نشان می دهد که رویکرد پارامتریک در داده های آزمون و در معیار متوسط بازده و نسبت شارپ، نسبت به سناریوسازی تاریخی عملکرد بهتری دارد. همچنین خطای نسبی بین ارزش در معرض ریسک دوره پیش بینی شده توسط سبد سهام و مقدار مشاهده شده آن در داده های تست در رویکرد پارامتریک کمتر است.

    کلیدواژگان: ارزش در معرض ریسک، ارزش در معرض ریسک دوره، توزیع نرمال-لاپلاس، الگوریتم مقدار مورد انتظار- بیشینه سازی
  • سهیل ذوقی*، رضا راعی، سعید فلاح پور صفحات 34-53
    در سال های اخیر شبکه های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسایل پیچیده شناخته شده اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه ای از الگوریتم ها، مسایل پیچیده دارای پارامترها و ورودی های بسیار زیاد، مدل می شوند. در این پژوهش به ارایه چاچوب جدیدی از یادگیری عمیق پرداخته می شود که در آن با استفاده از تبدیل موجک، خودرمزنگار انباشته و حافظه طولانی کوتاه مدت یا LSTM به پیش بینی جهت بازار در قراردادهای آتی سکه طلای بورس کالای ایران می پردازیم. در روش پیشنهادی ابتدا با استفاده از تبدیل موجک نویز داده های ورودی گرفته می شود. سپس با استفاده از خودرمزنگار انباشته شاخص های تاثیرگذار بر جهت بازار شناسایی شده و در نهایت این شاخص ها به عنوان ورودی به معماری LSTM داده می شود تا جهت بازار پیش بینی شود. از نوآوری های پژوهش حاضر می توان به ارایه چند شاخص تکنیکال جدید به منظور افزایش دقت مدل پیشنهادی و همین طور تنظیم پارامترهای الگوریتم های به کار رفته از جمله LSTM برای مسیله مورد مطالعه و ارایه استراتژی معاملاتی به جهت دستیابی به سوددهی مناسب شاره نمود. بررسی ها نشان می دهند که روش پیشنهادی از سایر روش ها پیشی می-گیرد و به دقت و بازدهی بالاتری دست می یابد.
    کلیدواژگان: بازار طلا، شاخص های تکنیکال، پیش بینی جهت بازار، پیش بینی سری زمانی، حافظه طولانی کوتاه-مدت
  • محمود رضائی، حسین پناهیان*، مهدی معدن چی زاج، حسن قدرتی صفحات 54-71

    نقد شوندگی سهام یک چالش مهم در بازار سرمایه می باشد. شناسایی عوامل اثرگذار بر نقدشوندگی، به پیش بینی وضعیت نقدشوندگی سهام و در نتیجه مدیریت ریسک سهام کمک می کند. هدف این تحقیق یافتن عوامل تاثیرگذار بر نقد شوندگی سهام می باشد. بدین منظور در مرحله اول با استفاده از ادبیات تحقیق و خبرگان عوامل اثرگذار مشخص و با استفاده از روش های حداقل افزونگی و حداکثر ارتباط (MRMR) و الگوریتم ژنتیک، متغیرهای تاثیرگذار انتخاب شده اند. در انجام این پژوهش با استفاده از نرم افزارExcel و داده های خام موجود ، داده های مورد نیاز ایجاد شده و سپس با استفاده از نرم افزارمتلب و جعبه ابزار شبکه عصبی و ماشین بردار پشتیبان ساخته شد. . در نهایت متغیرهای استخراجی با استفاده از MRMR ، شامل ارزش بازار سهام، شدت رقابت در بازار محصول، رشد تولید ناخالص داخلی، بازده حقوق صاحبان سهام، بازده سهام، نرخ تورم و مالکیت خانوادگی و با استفاده از الگوی ژنتیک اهرم مالی، مالکیت دولتی، بازده حقوق صاحبان سهام، رشد تولید ناخالص داخلی، درصد شناوری سهم، نوع بازار و تابلو (در بورس و فرابورس)، شدت رقابت در بازار محصول انتخاب شدند.

    کلیدواژگان: نقدشوندگی سهام، شبکه عصبی، الگوریتم ژنتیک، روش حداقل افزونگی و حداکثر ارتباط(MRMR)
  • شایان روحانی راد*، محمدرضا اخوان انوری، کامران پاکیزه صفحات 72-90

    هدف اصلی پژوهش حاضر، ارزیابی عملکرد و رتبه بندی شرکت های پذیرفته شده در صنعت سیمان بورس اوراق بهادار تهران با به کارگیری روش های تصمیم گیری چندمعیاره است. یکی از مهمترین روش های ارزیابی عملکرد، محاسبه نسبت های مالی است که در این پژوهش از برخی از این نسبت ها در رتبه بندی شرکت ها استفاده شده است. مشکل اصلی در تجزیه و تحلیل نسبت های مالی این است که هریک از معیارهای مالی جنبه خاصی از عملکرد مالی سازمان را ارزیابی می کنند؛ بنابراین، نسبت های مالی، مدیران و سرمایه گذاران را دچار ابهام می کند. درنتیجه به راه حل هایی برای رفع این محدودیت ها نیاز است؛ روش های تصمیم گیری چندمعیاره یکی از این راه حل ها است. در این پژوهش از روش BWM که یکی از روش های نوین تصمیم گیری چندمعیاره است به دلیل مزایایی از قبیل داده های مقایسه ای کمتر و مقایسه های باثبات تر، برای وزن دهی گزینه ها استفاده می شود. همچنین با توجه به ویژگی های روش های تصمیم گیری چندمعیاره، علاوه بر روش BWM، از روش های TOPSIS، ELECTRE و VIKOR نیز برای رتبه بندی 15 شرکت پذیرفته شده در بورس اوراق بهادار تهران در گروه صنعت سیمان طی یک دوره زمانی سه ساله (سال های 1396 تا 1398) استفاده و در نهایت نتایج روش ها با استفاده از روش بردا و کپلند ترکیب شده اند.

    کلیدواژگان: رتبه بندی، ارزیابی عملکرد، تصمیم گیری چندمعیاره، روش BWM
  • غزال شهابی شجاعی، شادی شاهوردیانی*، هاشم نیکومرام صفحات 91-108

    هدف از تحقیق حاضر شناسایی عوامل اثرگذار واثرپذیر بر تامین بدهی برای موسسات مالی و بانکها درقالب تامین مالی جمعی با روش فازی (Fuzzy DEMATEL) که به منظور ایجاد مدلی برای دستیابی وایجاد بسترهای لازم در جهت تامین مالی جمعی می باشد. تامین بدهی به عمل وام گرفتن-وام از شرکت ها و سرمایه گذاران ازطریق استفاده از اوراق قرضه، بانک ها یا موسسات مالی به منظور پشتیبانی از فعالیت های تجاری و کسب وکار مربوط به آن گفته می شود. متدولوژی موردنظر دراین پژوهش تکنیک فازی است. که در آن از روش تصمیم گیری چند شاخصه (MADM) استفاده که با استفاده ازنظرات خبرگان موضوع و مصاحبه با10 نفر از خبرگان در این حوزه و بااستفاده ازروش گلوله برفی تا رسیدن به مرحله اشباع نظری در جهت شناسایی عوامل اثرگذار در تدوین الگوی تامین مالی جمعی و استفاده از کدگذارهای باز، محوری و انتخابی پرداخته شده است.نتایج حاصل از این پژوهش در پایان منجربه شناسایی عوامل اثرپذیر و اثرگذار در تامین مالی جمعی خواهد شدکه این عوامل عبارتند از: قانونگرایی، فرهنگ سازی، تامین اعتبار، ارتباطات جمعی، تجارت الکترونیک و اعتمادسازی می باشند. با توجه به نتایج حاصل از پژوهش می توان گفت که بدون توجه به عوامل اثرپذیر واثرگذار تامین مالی جمعی برای تامین بدهی در موسسات مالی وبانک ها در جهت رشد این موضوع بامشکل روبرو می گردد.

    کلیدواژگان: ارائه الگو، تامین بدهی، تامین مالی جمعی، موسسات مالی و بانک ها، دیمتل فازی
  • بنیامین حکیم زاده، احسان طیبی ثانی*، مهدی سعیدی کوشا صفحات 109-133

    همواره برای پیش بینی در بازارهای مالی دو رویکرد سنتی و هوشمند وجود داشته که در روش سنتی این پیش بینی بر اساس مدل های آماری و در روش هوشمند بر اساس مدل های هوش مصنوعی است. روش های سنتی عمدتا از الگوهای خطی برای مدل کردن رفتار بازار استفاده می کنند در حالی که مزیت و برتری اصلی مدل های هوشمند توانایی یادگیری و مدل کردن رفتارهای غیرخطی موجود در بازار است. همیشه این موضوع مطرح بوده است که کدام روش ها می توانند رفتار بازار را بهتر مدل کنند و با وجود مدل های فراوانی که برای پیش بینی ارایه شده است کماکان تلاش برای ساخت مدلی که بتواند متغیرهای موثر بیشتری را برای پیش بینی مورد استفاده قرار دهد و بتواند فاکتورهایی مانند زمان، ریسک و بازده را هم در نظر بگیرد، ادامه دارد. هدف از این پژوهش ارایه مدلی برای پیش بینی شاخص صنعت در بورس اوراق بهادار تهران می باشد. این کار توسط شبکه عصبی ماشین یادگیری حداکثری و با استفاده از دو روش بهینه سازی ماشین یادگیری حداکثری پی در پی و الگوریتم پرواز پرندگان صورت گرفته است. نتایج نشان می دهد که دقت پیش بینی دو روش از لحاظ آماری تفاوت معناداری با یکدیگر نداشته اما ازلحاظ مدت زمان اجرای الگوریتم شبکه عصبی با روش بهینه سازی ماشین یادگیری حداکثری پی در پی عملکرد بهتری داشته است.

    کلیدواژگان: ماشین یادگیری حداکثری، الگوریتم پرواز پرندگان (ازدحام ذرات)، شاخص صنعت
  • محمد عباسی فرد، سید عبدالحمید ثابت*، مسعود صالحی رزوه، عبدالکریم حسین پور صفحات 134-152

    مقاله تحلیل گذار غیر خطی نرخ ارز در اقتصاد ایران:گذار نرخ ارز (ERPT)، به مفهوم تاثیر تغییرات نرخ ارز بر قیمت های داخلی است. بررسی ارتباط بین نرخ ارز و سطح عمومی قیمت های داخلی که در ادبیات مالیه بین الملل به تحلیل گذار نرخ ارز معروف گردیده، یکی از موضوعات مهم و اساسی در ادبیات اقتصادی بوده است. این مطالعه به بررسی گذار غیرخطی نرخ ارز در اقتصاد ایران در دوره زمانی 1362 تا 1397 با استفاده از روش سوییچینگ مارکوف می پردازد. نتایج بیانگر این است که در دوره مورد بررسی به ازای افزایش یک درصدی در نرخ ارز، نرخ تورم معادل با 74 صدم درصد افزایش می یابد. به عبارتی دیگر انتقال به قیمت ها کامل نیست و درجه گذار نرخ ارز در اقتصاد ایران ناقص است. ناقص بودن عبور نرخ ارز به این علت است که احتمالا قیمت کالاهای وارداتی فقط تابع نرخ ارز نیست، بلکه عوامل دیگری درنوسان این قیمت ها موثر بوده است .

    کلیدواژگان: گذار نرخ ارز، انتقال ناقص، اقتصاد ایران، روش سوییچینگ-مارکوف
  • ایمان محمدی، حمزه محمدی خشوئی*، آرزو آقایی چادگانی صفحات 153-172

    وجود حباب دربازار و بخصوص بازار سرمایه می تواند عاملی در جلوگیری ازمشارکت سرمایه گذاران در فرایند بازارسرمایه و تخصیص صحیح منابع مالی برای توسعه اقتصادی کشور باشد.ازطرفی،با توجه به هدف سرمایه گذاران در دستیابی به سبد دارایی با بازده بالا همراه کمترین میزان ریسک،لزوم توجه به این بازارها را بیشتر می کند.در این پژوهش،باهدف بیشینه کردن بازدهی و کمینه سازی ریسک سرمایه گذاری، تلاش شده تا پرتفوی بهینه درشرایطی که بازار سرمایه دارای حباب قیمتی باشد،تشکیل گردد.با توجه به هدف،پژوهش ازنوع کاربردی،و از نظرداده ها،کمی و پس رویدادی،و از نظر نوع تحلیل،ازنوع توصیفی-همبستگی می باشد.جهت شناسایی ماه های دارای حباب دربازه زمانی 1394 تا 1397 بازاربورس اوراق بهادار تهران،از آزمون های تسلسل و آزمون چولگی وکشیدگی استفاده و پس ازشناسایی دوره های دارای حباب،الگوریتم فراابتکاری کلونی زنبورعسل مصنوعی جهت بهینه سازی پرتفوی بکارگرفته شد.نتایج حاکی ازشناسایی 10 دوره دارای حباب قیمتی دربازه زمانی مورد بررسی می باشد.همچنین،دربهینه سازی پرتفوی، سبدهای سهام انتخابی با بیشینه بازده و کمینه ریسک تشکیل شده است.این پژوهش راهنمایی برای سرمایه گذاران در شناسایی دوره های دارای حباب و چگونگی تشکیل پرتفوی بهینه در این شرایط خواهد بود.

    کلیدواژگان: حباب قیمتی، بهینه سازی پرتفوی، الگوریتم فراابتکاری، بازده، ریسک
  • سیروس عزیزاللهی، مهدی معدن چی زاج*، قاسم محسنی، مهرداد حسینی شکیب صفحات 173-190
    هدف از این پژوهش اعتبار سنجی مشتریان حقیقی بانک ملت با استفاده از رویکرد دلفی فازی و رگرسیون لجستیک چندگانه، است. بدین منظور، ابتدا به روش کتابخانه ای، شاخص های موثر بر ارزیابی ریسک اعتباری مشتریان حقیقی، شناسایی و سپس، از روش دلفی فازی، استفاده و شاخص ها، غربالگری گردید. جامعه این بخش را خبرگان بانکی (بانک ملت) تشکیل دادند که به روش گلوله برفی انتخاب شدند. در ادامه داده های نهایی مرتبط با شاخص ها، شامل پرونده های 7318 مشتری حقیقی بانک ملت طی سالهای 1399 - 1393، جمع آوری و با روش رگرسیونی لجستیک چندگانه در چهار رده وصول به موقع، سررسید گذشته، معوق و مشکوک الوصول، تحلیل شد. نتایج نشان داد، شاخص های مبلغ وام، زمان باز پرداخت وام، فاصله اقساط، مبلغ هر قسط، تمدید وام، وام قبلی، وثیقه ملکی، معدل موجودی، نرخ سود تسهیلات و سطح تحصیلات، تاثیر معنی داری بر ریسک اعتباری مشتریان حقیقی دارند. همچنین معنی داری شاخص های جنسیت، سن و شغل، تایید نگردید.
    کلیدواژگان: مشتریان حقیقی، ریسک اعتباری، اعتبارسنجی، رگرسیون لجستیک چندگانه
  • سید مهدی نعمتی خیرآبادی*، سید عبدالحمید ثابت، سید سعید ملک الساداتی، مسعود صالحی رزوه صفحات 191-211
    تامین مالی شرکتها همواره یکی از دغدغه های اصلی مدیران بوده و در این عرصه، انتخاب ابزار بهینهی تامین مالی، اهمیتی حیاتی دارد. این مطالعه به تعیین ابزار بهینه تامین مالی شرکت ها با تاکید بر جور سازی شرایط طرف عرضه و تقاضا در مراحل مختلف چرخه عمر شرکت با استفاده از تکنیکهای Delphi، DEMATEL و فرآیندهای ANP، AHP پرداخته است. نتایج تحقیق نشان داده است که در مجموع 28 ابزار جهت تامین مالی شرکت ها و 6 شاخص جهت انتخاب ابزار مناسب تامین مالی، وجود دارد. همچنین بر اساس جورسازی: «بازده انتظاری (توجیه پذیری)»، «سطح ریسک» و «افق زمانی» به ترتیب در اولویت قرار دارند. علاوه براین، در میان ابزارهای مختلف تامین مالی، در مرحله «شروع فعالیت»، فرشتگان کسب وکار و تامین مالی جمعی اولویت دارند. در مرحله «اوایل فعالیت»، سرمایه گذاری خطرپذیر و منابع کوتاه مدت بانکی اولویت دارند. در مرحله «توسعه»، تسهیلات کوتاه مدت بانکی و تامین مالی مبتنی بر دارایی و در نهایت، در مرحله «تثبیت»، تسهیلات بلندمدت بانکی و نیم اشکوب اولویت دارند.
    کلیدواژگان: تامین مالی شرکتی، ابزارهای تامین مالی، جورسازی، روش AHP، روش ANP، تکنیک DEMATEL، تکنیک دلفی، چرخه عمر شرکت ها
  • حدیثه واحدی انور، نرگس نوروزی* صفحات 212-228

    امروزه سنجش و اندازه گیری کارایی یکی از مهمترین روش ها و شاخص های کلیدی ارزیابی عملکرد در هر سازمانی می باشد. همچنین با توجه به همه جانبه بودن حوزه بانکداری، میتوان آنرا یکی از اصلیترین عوامل بسترساز توسعه اقتصادی کشور معرفی کرد. در این مقاله، یک مدل شبکه تحلیل پوششی داده ها مبتنی بر FDH با در نظر گرفتن خروجی نامطلوب برای رسیدگی به وضعیت سپرده های مالی در شعبات بانک سامان ارایه می شود. مدل های پایه ای با چشم پوشی از روابط درونی در سیستم جریان فرآیند بانکی و با در نظر گرفتن خروجی و ورودی کلی، نسبت به محاسبه کارایی اقدام می کنند. از این رو در این مقاله، با در نظر گرفتن روابط درونی در سیستم، به ارایه یک مدل شبکه تحلیل پوششی داده ها برای محاسبه امتیاز کارایی شعب بانکی می پردازیم. سپس با مقایسه مدل پیشنهادی با مدل پایه CCR، دقت بالای مدل پیشنهادی نشان داده می شود. در نهایت، برای رتبه بندی واحدها از روش کارایی متقاطع استفاده می شود.

    کلیدواژگان: کارایی، موسسات مالی، تحلیل پوششی داده ها، FDH
  • سید محمدتقی حسینی کیا، وحیدرضا میرابی* صفحات 229-246

    امروزه تحقیقات متعدد در دنیا نشان داده است که جهت بررسی رفتار مصرف کنندگان و تصمیم گیری خرید آنها در بازارها باید سبک های زندگی آنها و نوع تصمیم گیری خرید هر سبک را مورد توجه قرار داد. و همچنین تحقیقات در دنیا نشان می دهد که از عوامل رفتاری، سبک زندگی به دلیل ثابت و منحصر به فرد بودن آن ، عامل بسیار مهمی جهت آگاهی و شناخت تمایلات رفتاری هر فرد بوده و می تواند دانش و اطلاعات بهتری نسبت به خریداران ارایه دهد و هر کدام از مصرف کنندگان با توجه به سبک زندگی خود اقدام به تصمیم گیری خرید می کنند و یکی از سبک های موثر در تصمیم های گیری خرید، سبک زندگی والس است که می تواند وضعیت خریداران را با توجه به دو عامل رفتاری و منابع مالی (بالا و پایین)، مشخص کند. و بر آن اساس اقدام به خوشه بندی بازارهای هدف نمود. از این رو هدف مقاله حاضر ، ارایه مدلی جامع بر اساس تاثیر شاخص های رفتاری سبک های زندگی والس بر سبک های تصمیم گیری خرید اسل می باشد.

    کلیدواژگان: سبک های رفتاری یا زندگی والس، سبک های تصمیم گیری خرید اسل، خریداران خانم با منابع مالی و درامدی بالا و پایین
|
  • Shahab Forootan Chehr, Saeid Aghasi *, Sayyed MohammadReza Davoodi Pages 1-15

    Today, the need to choose a project portfolio as the main factor in the success of investment profitability is obvious. Evaluating a portfolio of all its dimensions is an urgent and vital need in investment organizations. Therefore, in this research, a two-stage multi-objective mathematical model was evaluated and the project portfolio was selected. Due to the uncertainties in the evaluation of the project portfolio, the theory of firm uncertainty based on Bertsimas and wire were developed on a mathematical model and then due to the NP-HARD being the problem under study, to validate the model in larger dimensions using two algorithms. The meta-initiative of MOPSO and NSGAII analyzed the model findings. Based on the analysis of the results obtained from the two algorithms, it was shown that the computational time of MOPSO algorithm is better than NSGAII algorithm and the means of the first and second objective function of MOPSO also showed the superiority of this algorithm compared to NSGAII. Other analytical parameters such as NPF, MSI and SM showed that the NSGAII algorithm performed better than the MOPSO algorithm. Finally, using TOPSIS method, it was shown that NSGAII algorithm with a weight of 0.6945 was more favorable than MOPSO.

    Keywords: project portfolio, MIP, MOPSO, NSGAII
  • MohamadAli Tabibi, Sayyed MohammadReza Davoodi *, Abdolmajid Abdolbaghy Ataabady Pages 16-33

    Value at risk is one of the most widely used risk measurement criteria. Period value at risk extends the concept of value at risk for an investment with a set of maturity horizons, thus neutralizing the model's sensitivity to a point investment horizon. This reduces the impact of liquidity risk and the investor has ample opportunity to sell and can make the right decision in an interval. In the present study, two stock portfolio models are designed based on the period value at risk, the first based on historical simulation and the second is parametric and based on the distribution of normal-Laplace mixture for proper fitting of tail data. The result of the experimental study of the models designed on a stock portfolio with eight indices of the Tehran Stock Exchange in the period 1390 to 1399 shows that the parametric approach in the test data in average return and Sharp ratio criteria has a better performance than the historical scenario. Also, the relative error between the period risk value predicted by the stock portfolio and its estimation in the test data in the parametric approach is less.

    Keywords: Value at Risk, period value at risk, normal-Laplace mixed distribution, expectation-maximization algorithm
  • Soheil Zoghi *, Reza Raei, Saeed Falahpor Pages 34-53
    In recent years, deep learning neural networks have been recognized as powerful tools for solving complex problems. Deep learning is a subfield of artificial intelligence in which complex problems with numerous parameters and inputs are modeled based on a set of algorithms. In this research, a new framework of deep learning is presented. Using wavelet transform, stacked auto-encoders, and the Long Short-Term Memory or LSTM, we predict the market direction in the future contracts of gold coins of Iran's Commodity Exchange market. The input data is first denoised using the wavelet transformer in the proposed method. Then, using the stacked auto-encoder, the indicators influencing the market direction are identified. Ultimately, these indicators are given as input to the LSTM architecture to predict the market direction. Proposing several new technical indicators to increase the accuracy of the proposed model, adjusting the parameters of the utilized algorithms, including LSTM, for this problem, and suggesting a trading strategy to achieve appropriate profitability are among the contributions of the present study. Investigations reveal that the proposed method outperforms other approaches and achieves higher accuracy and efficiency.
    Keywords: Gold market, technical indicators, market direction prediction, Time Series Prediction, Long Short-Term Memory (LSTM)
  • Mahmoud Rezaei, Hossein Panahian *, Mahdi Madanchi Zaj, Hasan Ghodrati Pages 54-71

    Liquidity of stocks is an important challenge in the capital market. Identifying the factors affecting liquidity helps to predict the stock liquidity situation and thus stock risk management. The purpose of this study is to find the factors affecting the liquidity of stocks. For this purpose, in the first stage, using the research literature and experts, the influencing factors are identified and using the methods of minimum redundancy and maximum correlation (MRMR) and genetic algorithm, the effective variables are selected. In this research, using Excel software and existing raw data, the required data was created and then using support software and neural network toolbox and support vector machine was created. . Finally, the extracted variables using MRMR include stock market value, intensity of product market competition, GDP growth, equity returns, stock returns, inflation rate and family ownership, and using the financial model of financial leverage, government ownership, Equity returns, GDP growth, share buoyancy percentage, market type and board (on the stock exchange and OTC), the intensity of competition in the product market were selected.

    Keywords: Stock Liquidity, Neural network, Genetic Algorithm, Minimum Redundancy, Maximum Relationship Method (MRMR)
  • Shayan Rouhani Rad *, MohammadReza Akhavan Anvari, Kamran Pakizeh Pages 72-90

    This study primarily aimed to evaluate the performance and ranking of companies listed in the Tehran Stock Exchange cement industry using the multi-criteria decision-making methods. The main problem in the analysis of financial ratios is that each of the financial criteria evaluates a particular aspect of the organization's financial performance; thus, financial ratios confuse managers and investors. As a result, solutions are needed to overcome these limitations. Multi-criteria decision-making methods are one of these solutions. In this study, we use the BWM method, which is one of the new multi-criteria decision-making methods. Because of the benefits such as less comparative data and more stable comparisons, the BWM method is used to weigh objectives. According to the characteristics of multi-criteria decision-making methods, in addition to the BWM method, TOPSIS, ELECTRE, and VIKOR methods were used to rank the fifteen companies in the cement industry group listed in Tehran Stock Exchange during a period of three years (from 2017 to 2019). Finally, the results of methods were combined by Borda and Capland.

    Keywords: Ranking, Performance Evaluation, Multi criteria decision making, BWM Method
  • Ghazal Shahabi Shojaei, Shadi Shahverdiani *, Hashem Nikoumaram Pages 91-108

    The purpose of this research is to identify the effective factors on the debt financing of the financial institutions and banks in the form of the crowdfunding using Fuzzy DEMATEL to propose a model for obtaining the essential conditions for crowdfunding. Debt financing is borrowing money from companies and investors through bonds, banks or financial institutions to support related business activities. The research methodology is fuzzy technique, in which multi-criteria decision method (MADM) is used. The opinions of the experts and interviews with ten related experts and the snowball method have been used to reach the theoretical saturation stage in order to identify the factors affecting the development of crowdfunding model and also open, axial and optional coding has been considered. The results depicted identification of the influential factors in crowdfunding including legalism, culture building, funding, collective communication, e-commerce and trust building. According to the results of the study, it can be concluded that this issue is difficult regardless of the effective factors of crowdfunding to finance debt in financial institutions and banks in order to grow.

    Keywords: Pattern Presentation, Debt Financing, crowdfunding, Financial Institutions, Banks, Fuzzy Demitel
  • Benyamin Hakimzadeh, Ehsan Taiebysani *, Mahdi Saeidi Kousha Pages 109-133

    There have always been two approaches to forecasting in financial markets: traditional and intelligent approaches. In the traditional method, this forecasting is based on statistical models and in the intelligent method is based on artificial intelligence models. Traditional methods mainly use linear patterns to model market behavior, while the main advantage of smart models is the ability to learn and model nonlinear behaviors in the market. It has always been a question of which methods can better model market behavior, and despite the many models that have been proposed for forecasting, there is still an attempt to build a model that can use more effective variables for forecasting. Continues to be able to take into account factors such as time, risk and return. In this research, we have used the neural network to predict the industry index. This is done by ELM neural network using two optimization methods OSELM and PSO. The results show that the prediction accuracy of these two methods is not significantly different from each other, but in terms of execution time, the OSELM neural network algorithm has performed much better and faster.

    Keywords: Neural network, Extreme learning machine, online sequential Extreme learning machine, particle swarm optimization, Industry Index
  • Mohammad Abbasifard, Seyed Abdolhamid Sabet *, Masoud Salehi Rezveh, Abdolkarim Hosseinpour Pages 134-152

    Exchange rate pass-through (ERPT) means the impact of exchange rate fluctuations on domestic prices. The study of the relation between the exchange rate and the general level of domestic prices, known in the international financial literature as the exchange rate analysis, has been one of the most important and fundamental topics in the economic literature. This study investigates the nonlinear exchange rate pass-through in the Iranian economy in the period 1984 to 2019 using the Markov switching method. The results show that in the period under review, for a one percent increase in the exchange rate, the inflation rate increases by 74 percent. In other words, transfer to prices is not complete and exchange rate transition in the Iranian economy is incomplete. The imperfection of the exchange rate passage is due to the fact that the price of imported goods is probably not only a function of the exchange rate, but also other factors have contributed to the fluctuation of these prices.

    Keywords: Exchange Rate Transition, Incomplete Transfer, Iranian Economy, Switching-Markov Approach
  • Iman Mohammadi, Hamzeh Mohammadi Khashoei *, Arezoo Aghaei Chadegani Pages 153-172

    The existence of bubbles in the market,especially the capital market,can be a factor in preventing the participation of investors in the capital market process and the correct allocation of financial resources for the economic development of the country.On the other hand,due to the goal of investors in achieving a high return portfolio with the least amount of risk,it is necessary to pay more attention to these markets In this study,in order to maximize returns and minimize investment risk,an attempt was made to create an optimal portfolio in conditions where the capital market has a price bubble.According to the purpose,the research is of applied type,and in terms of data,quantitative and post-event,and in terms of analysis,is descriptive-correlation.In order to identify bubble months in the period from2015to2019in Tehran Stock Exchange,sequence tests and skewness and kurtosis tests were used and after identifying bubble periods,artificial bee colony algorithm was used to optimize the portfolio.The results indicate the identification of 10 periods with a price bubble in the study period.Also,in portfolio optimization, selected stock portfolios are formed with maximum returns and minimum risk.This research will be a guide for investors in identifying bubble courses and how to form an optimal portfolio in these conditions.

    Keywords: Price Bubble, Portfolio optimization, Meta-heuristic Algorithm, Returns, Risk
  • Sirous Azizollahi, Mahdi Madanchi Zaj *, Ghasem Mohseni, Mehrdad Hosseini Shakib Pages 173-190
    The purpose of this study is to validate the real customers of Bank Mellat using fuzzy Delphi approach and multiple logistic regression. For this purpose, first, the effective indicators on assessing the credit risk of real customers were identified by library method and then, the fuzzy Delphi method was used and the indicators were screened. The community of this section was formed by banking experts (Bank Mellat) who were selected by snowball method. Then, the final data related to the indicators, including the files of 7318 real customers of Bank Mellat during the years 2014-2020, were collected and analyzed by multiple logistic regression method in four categories of timely receipt, past due date, delinquent and doubtful receipt. The results showed that the loan amount, loan repayment time, installment interval, installment amount, loan extension, previous loan, real estate collateral, inventory average, facility interest rate and education level have a significant effect on credit risk of real customers. Also, the significance of gender, age and occupation indices was not confirmed.
    Keywords: Real customers, Credit Risk, Validation, Multiple logistic regression
  • Seyed Mahdi Nemati Kheirabadi *, Seyed Abdolhamid Sabet, Seyed Saeed Malek Sadati, Masoud Salehi Rezveh Pages 191-211
    Corporate financing has always been one of the main concerns of managers and in this area, choosing the optimal financing tool is vital. This study has determined the optimal financing tools for companies by emphasizing the matching of supply and demand side conditions in different stages of the company's life cycle using Delphi and DEMATEL techniques plus ANP and AHP processes. The results show that there are a total of 28 tools for financing companies and 6 indicators for selecting the appropriate financing tools. Also based on matching: "expected return (justifiability)", "risk level" and "time horizon" are given priority, respectively. In addition, among the various financing instruments, in the "start-up" phase, business angels, crowdfunding, and direct government assistance take precedence. In the "early stage" stage, after the tools of the previous stage, venture capital and short-term banking resources take precedence. In the "development" phase, after the tools of the previous stages, short-term banking facilities, asset-based financing, hybrid instruments (excluding mezzanine) and the stock market of start-ups are preferred. Finally, in the "stabilization" stage, after the tools of the previous stages, long-term banking facilities, mezzanine, bond-based methods and initial public offering of shares take precedence.
    Keywords: Corporate Finance, Financing Tools, Matching, AHP method, ANP method, DEMATEL Technique, Delphi Technique, Corporate Life Cycle
  • Hadise Vahedi-Anvar, Narges Norouzi * Pages 212-228

    Today, measuring efficiency is one of the most important methods of performance evaluation in any organization. The outputs obtained in all inputs represent the efficiency. Due to the comprehensiveness of the banking sector, it can be introduced as one of the main areas of economic development. In this paper, a data envelopment analysis (DEA) model in a Free Disposal Hull (FDH) network is presented considering the undesirable output for handling the status of the financial deposits in Saman Bank branches. Since the basic models calculate efficiency by considering the overall output and input and ignoring the internal relationships in the banking process flow system; therefore, by considering this issue, in this paper, we present a DEA model that calculates the efficiency score of the branches with the high accuracy. Then the proposed model is compared to the basic CCR model. Finally, the cross-performance method is used to rank the units of the branches.

    Keywords: Data Envelopment Analysis (DEA), Financial Institutions, Evaluating the Performance, FDH
  • Seyed MohamadTaghi Hosseinikia, Vahid Reza Mirabi * Pages 229-246

    Today, numerous researches in the world have shown that in order to investigate the behavior of consumers and their purchase decisions in the markets, their lifestyles and the type of purchase decision of each style should be taken into consideration. And also researches in the world show that among the behavioral factors, lifestyle is a very important factor for knowing and recognizing the behavioral tendencies of each person due to its constant and unique nature and can provide better knowledge and information to the buyers. Each consumer makes a purchase decision according to their lifestyle, and one of the effective styles in making purchase decisions is the Vals lifestyle, which can determine the situation of buyers according to two behavioral factors and financial resources. up and down), specify. And based on that, he proceeded to cluster the target markets. Therefore, the aim of this article is to present a comprehensive model based on the influence of behavioral indicators of Vals lifestyles on shopping decision making styles

    Keywords: Behavioral styles or Vals life, Purchase decision making styles of Asel, female buyers with high, low income, financial resources