عباس خندان

گسترده: معرفی: مدل بهینه سازی سبد سهام مارکویتز دارای نواقصی است که از مهمترین آنها فرض نرمال بودن بازده سهام در بازار است. نرمال بودن بازده سهام بازارها در بسیار از مطالعات رد و نشان داده شده که در این صورت دیگر میانگین شاخص خوبی برای بیشینه سازی نیست. میانگین تا حد زیادی تحت تأثیر مقادیر پرت با بازده خیلی بالا قرار دارد. مطالعات مختلف سه رویکرد متفاوت در مواجهه به این مشکل داشته اند. دسته اول بطور کلی این روش و نظریه مدرن پورتفو را کنار گذاشته و برای بهینه سازی پورتفولیو به استفاده از روش های الگوریتمی ابتکاری روی آورده اند. دسته دوم همچنان نظریه مدرن پورتفولیو را مهم و ارزشمند دانسته و آن را با تعدیلاتی به کار می گیرند. برخی تحت نظریه فرامدرن پورتفولیو بر ناکارایی واریانس به عنوان شاخصی از ریسک تمرکز داشته و شاخص های دیگری را به کار گرفته اند. برخی دیگر اما نه به اندازه گیری ریسک که به تغییرات شدید پورتفوی بهینه در نتیجه تغییر مقادیر ورودی از آمارهای گذشته و استفاده از آماره های استوار به جای استفاده از گشتاورها تمرکز کرده اند. و دسته سوم که صرفاً با استفاده از دیگر متغیرها و پارامترها در بهینه سازی به جای میانگین و واریانس، تلاش داشته اند از اشکالات مطرح شده اجتناب کنند. این مقاله در دسته سوم از مطالعات قرار داشته و به دنبال بکارگیری میانه به جای میانگین در بهینه سازی سبد سهام است. هدف اصلی مقاله مقایسه عملکرد مدل های بهینه سازی میانگین و میانه است.   متدولوژی: در این راستا پنج مدل های بیشینه سازی میانه در کنار شاخص های مختلف ریسک انحرافات مطلق (MAD)، ارزش در معرض ریسک (VaR)، متوسط ارزش در معرض ریسک (CVaR)، و حدأکثر زیان (ML) ارائه و برای بهینه سازی پورتفوی متشکل از داده های واقعی بیست شرکت بورسی ایران از ابتدای سال 2016 تا انتهای سال 2019 به کار گرفته شدند. شیوه کار به این صورت است که ابتدا هر یک از این مدل ها در بهینه سازی سبد برای دوره معین پنجاه روزه به کار گرفته شده و وزن های بهینه محاسبه می شوند، سپس این وزن ها برای دوره پنجاه روزه بعدی ثابت در نظر گرفته شده و پس از آن یک سبد دیگر محاسبه می شود. در نهایت مقادیر متوسط و توزیع چندک های بازده سبد های بهینه بدست آمده از این مدل های مختلف طبق این استراتژی با سه الگوی دیگر مدل بهینه سازی میانگین بدون شاخصی از ریسک، مدل بهینه سازی میانگین با شاخص ارزش در معرض ریسک و مدل پورتفوی با وزن های یکسان (EqW) مقایسه شدند.   یافته ها: نتایج بدست آمده حاکی از عملکرد بهتر میانه از نظر بازده است. مدل بیشینه سازی میانه در بیشتر از 71 درصد موارد بازده های بالاتری کسب کرده و متوسط بازده سبد بهینه آن نیز بیشتر بوده است. این بدان معنی است که با بکارگیری میانه در بهینه سازی و انباشت دارایی در طی زمان ارزش سبد بیشتری بدست خواهد آمد. علاوه بر این، مشاهده شد که مدل بهینه سازی میانه از نظر متنوع سازی نیز عملکرد بسیار خوبی دارد. درجه متنوع سازی سبد در مدل های مختلفی که با قیود ریسک مختلف یا بدون آن بدست آمده نشان می دهد که بطور کل بهینه سازی میانه به جای میانگین سبد متنوع تری بدست خواهد داد. همچنین به واسطه بکارگیری شاخص های مختلف ریسک این امکان نیز فراهم شد تا عملکرد آن ها از منظر کنترل ریسک و متنوع سازی نیز مورد مقایسه قرار گیرد. طبق نتایج بدست آمده مشاهده شد که دو شاخص متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) در مقایسه با دیگر شاخص های ریسک از لحاظ کنترل ریسک در دامنه پایین توزیع یعنی مقادیر زیان و همچنین به لحاظ متنوع سازی عملکرد بسیار بهتری به همراه داشته اند.   نتیجه: یافته های این مقاله بطور کل نشان می دهند که میانه نسبت به میانگین و همچنین شاخص های ریسک متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) به لحاظ بیشینه سازی بازده، کنترل ریسک و متنوع سازی عملکرد بسیار بهتری به همراه داشته اند.

قیمت املاک تجاری برای صاحبان املاک، سرمایه گذاران بخش مسکن و بانک ها دارای اهمیت ویژه است و ممکن است بیانگر بازده سرمایه گذاری های آن ها باشد. از طرف دیگر، افزایش قیمت املاک آثار رفاهی، اقتصادی و اجتماعی زیادی نیز به دنبال دارد و از این نظر نیز همواره مورد توجه سیاست گذاران و برنامه ریزان بوده است؛ اما بررسی قیمت املاک تجاری موضوعی پیچیده است؛ زیرا املاک کالاهایی چندوجهی هستند و متغیرهای متعدد محیطی، فیزیکی و اقتصادی بر قیمت آن ها تأثیر می گذارند. این مقاله با کنار هم قرار دادن یک مدل هدانیک از متغیرهای محیطی و فیزیکی تأثیرگذار و یک سری از متغیرهای اقتصادی، تلاش می کند بررسی جامعی از عوامل تأثیرگذار بر قیمت املاک تجاری انجام دهد. برای این منظور، منطقه ثامن شهر مشهد به عنوان مورد مطالعه انتخاب شد که به دلیل ویژگی های ساختاری، مذهبی و فرهنگی، بعضاً اختلاف قیمتی جالب توجه نسبت به سایر مناطق مشهد دارد و در داخل این منطقه نیز اختلاف کیفی و قیمتی زیادی بین املاک تجاری وجود دارد. در این راستا، یک نمونه تصادفی از 161 ملک تجاری در منطقه ثامن مشهد انتخاب شدند و با استفاده از مدل رگرسیون حداقل مربعات معمولی (OLS)، تأثیر هر یک از عوامل مختلف محیطی و فیزیکی و اقتصادی بر قیمت این املاک در سال 1402 بررسی شد. نتایج به دست آمده نشان می دهد میزان اجاره ملک، نوع سند، فاصله تا حرم مطهر، فاصله تا پارکینگ عمومی و طبقه استقرار ملک در مراکز خرید از مهم ترین متغیرهای تأثیرگذار بر قیمت املاک تجاری هستند.

هدف: شناسایی و طبقه بندی مشتریان بیمه درمان به منظور شناسایی جامعه هدف و در نتیجه افزایش سودآوری شرکت های بیمه، ایجاد توازن در پرداختی حق بیمه و طراحی استراتژی بازاریابی. روش شناسی: در این مقاله از 5 الگوریتم یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک به منظور طبقه بندی مشتریان به دو دسته سود ده و زیان ده استفاده شده است. به این منظور از داده ها و اطلاعات تعداد 2897 بیمه نامه درمان یک شرکت بیمه خصوصی در بازه زمانی آذر 1400 تا آذر 1401 استفاده شده است. یافته ها: این مقاله نشان می دهد که با استفاده از روش های یادگیری ماشین و ویژگی های ثبت شده از مشتریان در پرسشنامه سلامت می توان سود ده یا زیانده بودن آن ها را تا حدود مناسبی پیش بینی کرد. این مقاله نشان می دهد که تمرکز بر روی جامعه هدف معرفی شده توسط مدل شانس موفقیت و افزایش سود را به مقدار چشم گیری افزایش می دهد. نتیجه گیری: می توان با استفاده از روش های یادگیری ماشین به درک مناسبی از مشخصه های مشتریان بیمه درمان و نیاز های آنها رسید. پیدا کردن جامعه هدف علاوه بر این که به افزایش سود شرکت بیمه منجر می شود می تواند با تمرکز بر خواسته های مشتریان به افزایش رضایتمندی آن ها نیز منجر شود.