غلامرضا عسکرزاده

مؤسسات مالی و اعتباری همانند بانک های تجاری از مهمترین نهادهای فعال در بازار پول ایران به شمار می روند از مهمترین وظایف اینگونه مؤسسات همان طور که از نامشان پیداست از یک طرف گرفتن سپرده های مردم و از طرف دیگر اعطای تسهیلات به مشتریان در قالب عقود اسلامی نظیر جعاله، فروش اقساطی، قرض الحسنه، مضاربه و ... می باشد. در این میان، مؤسسات مالی و اعتباری بایست با در نظر گرفتن ریسک اعتباری مشتریان به تقاضاهای آنها مبنی بر اخذ تسهیلات جامه عمل بپوشانند. چرا که تا بحال مسائل و مشکلات مدیریت پرتفولیوی وام، مهمترین دلیل ورشکستگی یا زیان دهی بانک ها و مؤسسات مالی و اعتباری بوده است. در این مقاله به مدلی که با استفاده از فنون تحقیق در عملیات، جهت تعیین ترکیب بهینه (تخصیص بهینه پرتفوی) تسهیلات اعطایی بانک ها و مؤسسات مالی و اعتباری تهیه گردیده، اشاره شده است. این مدل می تواند بهترین ترکیب از تسهیلات که سود مؤسسه را حداکثر کند، تعیین نماید.

هدف این پژوهش آزمون روش ارزش گذاری است که در آن علاوه بر توجه به ویژگی های بنیادی سهام، به احساسات و تأثیر آن در قیمت گذاری سهام توجه کند. در راستای انجام این پژوهش، اطلاعات بنیادی و قیمت سهام 95 شرکت از شرکت های تولیدی و صنعتی پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1388 تا 1392 جمع آوری و در ارزش گذاری با استفاده از مدل رفتاری تصویر سهام و مدل های سنتی (سود باقیمانده، تنزیل سود نقدی و جریان نقدی آزاد) بکار گرفته شده اند. این پژوهش با به کارگیری داده های تابلویی و تدوین روابط رگرسیونی هر مدل، عملکرد مدل ها را بر مبنای شاخص آکاییک (معیاری جهت سنجش عدم اطمینان مدل) هر مدل مورد مقایسه قرار داده است. نتایج مدل رفتاری ارائه شده در مقایسه با مدل های سنتی ارزش گذاری سهام، حاکی از عدم اطمینان کمتر این مدل بوده و به عبارتی از قابلیت اطمینان بیشتری در امر ارزش گذاری سهام برخوردار است. مدل ارائه شده می تواند نقش عامل ادراک و احساسات در قیمت گذاری سهام را تبیین کرده و درزمینه مدیریت فعال تر پرتفوی سرمایه گذاران مؤثر واقع شود.

با پیشرفت روزافزون بازارهای مالی زندگی انسان به صورت مستقیم و غیرمستقیم متاثر از بازارهای مالی گشته است. بازارهای مالی هر کشور نشان دهنده پویایی نهادها و ابزارهای مالی آن کشور است. در بازارهای مالی کشورهای پیشرفته ابزارهای مالی به صورت گسترده و مداوم در حال تغییر و بهبود بوده اند تا به حداکثر کارایی خود برسند و از طرفی ریسک سرمایه گذاری خود را به حداقل برسانند. بدین جهت ابزارهای نوینی جهت پوشش ریسک معاملات در بازارهای مالی پدید آمدند. اختیار معامله یکی از این ابزارها است که قیمت آن مانند سایر ابزارهای مالی تابع عرضه و تقاضا برای آن است. اما در این بازار مدل های قیمت گذاری برای این ابزار وجود دارد که مهم ترین و پرکاربردترین آن ها مدل قیمت گذاری بلک شولز است. که به صورت گسترده در بین معامله گران این ابزار برای مظنه یابی مورد استفاده قرار می گیرد. هدف این پژوهش سنجش کارایی مدل قیمت گذاری بلک شولز در بازار معاملات اختیار خرید در بورس اوراق بهادار تهران می باشد که داده های مورد استفاده آن شامل کلیه قراردادهای منتشر شده اختیارمعامله خرید در بورس اوراق بهادار تهران (شامل 1315 قرارداد منتشر شده در بازار در 26 نماد دارایی پایه در 10 صنعت مختلف و 25760 روز معاملاتی) در یک دوره زمانی 5 ساله طی سال های 1395 تا سال 1400 است و درطی این مسیر جهت تحلیل داده ها از شاخص های ضرایب خطا و یو-تیل بهره گرفته شده است .نتایج پژوهش حاکی از آن است که قیمت های پیشنهادی مدل بلک شولز بالاتر از قیمت اختیارهای خرید قیمت گذاری شده است. ضمن آنکه مقدار درصد انحرافات و یو-تیل(U-theil) در اختیارهای خرید درسود ITM)) کمتر از اختیار های خرید درزیان OTM)) می باشد بنابراین کارایی قیمت گذاری مدل بلک شولز برای قیمت گذاری اختیار های خرید ITM بیشتر از قیمت اختیارهای خرید OTM است. علاوه بر آن ، میزان انحراف قیمت های پیشنهادی مدل بلک شولز و قیمت های معاملات در طی زمان در بورس اوراق بهادار تهران کمتر شده است

با معرفی بیت کوین در سال 2008 تحولی در کوین ها ایجاد شد که سبب ارائه طیف گسترده ای از ارزهای دیجیتال گشت و توجه همه فعالان بازارهای مالی، به بازار ارزهای دیجیتال جلب ه و بشد. در این میان برخی از سرمایه گذاران مبتدی به تقلید از سرمایه گذاران حرفه ای به خرید و فروش آنها اقدام نمودند. هدف این پژوهش بررسی رفتار گله ای در بازار ارز دیجیتال است. با توجه به نقش مهم رفتار گله ای در بازار ارز دیجیتال و تاثیر آن روی قیمت رمز ارز ها این مطالعه بر رفتار گله ای در بازار ارز دیجیتال تمرکز دارد. جامعه آماری در حال حاضر 500 رمز ارز برتر بر اساس پروژه می باشد، که در این پژوهش 200 رمز ارز برتر بر اساس ارزش بازار آن ها در بازار ارز دیجیتال که بیشترین تاثیر را روی بازار داشته اند، در دوره زمانی 2019 الی 2022 میلادی انتخاب شده است. روش گردآوری اطلاعات با استفاده از روش کتابخانه ای، با بررسی سایت کوین مارکت کپ و مقالات لاتین انجام شده است. جهت سنجش و آزمون فرضیات از انحراف معیار مطلق مقطعی (CSAD) استفاده شده است. نتایج پژوهش نشان دهنده این موضوع است که رفتار گله ای در بازار صعودی ارز دیجیتال وجود دارد، ضمن آن که شدت رفتار گله ای در بازار صعودی نسبت به بازار نزولی بیشتر می باشد. این پژوهش می تواند به معامله گران و سرمایه گذاران هنگام تصمیم گیری در ورود و خروج به بازارهای صعودی و نزولی مالی کمک شایانی کند.

نوسانات جز ذاتی بازارهای سرمایه است و نیاز سرمایه گذاران و سیاستگذاران برای شناخت عوامل موثر بر آن همیشه یکی از اولویتهای تجربی و نظری ادبیات بازار سرمایه است. این مقاله نیز نوسانات بازار سرمایه ایران را از منظر عوامل موثر بر آن شامل متغیرهای کلان بنیادی و ریسک سیاسی مورد بررسی قرار داده است. بازه زمانی مورد استفاده در این مطالعه اسفند سال 1398 تا شهریور 1401 را در بر می گیرد. متغیرهای مورد استفاده در این مدل شامل نوسانات شاخص کل بورس اوراق بهادار تهران به عنوان متغیر وابسته، تولیدناخالص داخلی، نقدینگی، تورم، نرخ بهره، نرخ ارز اسمی و شاخص ریسک سیاسی مستخرج از گزارش راهنمای ریسک کشوری بین المللی(ICRG) به عنوان متغیر مستقل می باشد. روش مورد استفاده در این مطالعه خودرگرسیون با وقفه های توزیع شده بوده و برای بدست آوردن نوسانات از روش مدل تعمیم یافته خود رگرسیونی واریانس ناهمسانی استفاده شده است.نتایج بدست آمده حاکی از آن است که در بلندمدت  اثر متغیر ریسک کشوری ICRG (هر چه عدد شاخص بالاتر باشد ریسک کمتری را نشان می دهد) منفی است و  نرخ ارز اسمی نیز در بلندمدت اثر منفی بر نوسانات بازار سرمایه ایران دارد. اثر سایر متغیرهای مورد استفاده در مدل بر نوسانات بازده بورس اوراق بهادار تهران مثبت است. نتایج نشان دهنده عدم هماهنگی اثر بلندمدت و کوتاه مدت است که توجه سیاستگذار و سرمایه گذار  باید به این نکته برای تصمیم گیری باشد. 

هدف: یکی از ویژگی های بازارهای امروزی توجه به عوامل مؤثر بر انتشار سهام در بازارهای رقابتی است. ضرورت این امر آگاهی همه جانبه از موقعیت شرکت در بازارهای مالی و محیط پیرامونی تاثیرگذار بر عملکرد شرکت ها می باشد. هدف این تحقیق بررسی نقش تعدیل کننده چرخه عمر بر رابطه بین زمان بندی بازار و شرایط بازار در تصمیم گیری های انتشار سهام با یک نظریه رویکرد ارگانیک است. روش شناسی: بدین منظور 120 شرکت پذیرفته شده در بورس اوراق بهادار تهران به عنوان نمونه انتخاب شدند. برای تجزیه و تحلیل داده ها از روش های ترکیبی استفاده شد و مدل رگرسیونی با استفاده از نرم افزار Eviews7 برآورد شد. یافته ها: یافته های تحقیق حاکی از آن است که بین متغیرهای بازده بازار سهام، نسبت سود به قیمت و خالص جریان نقدی منهای سود سهام پرداختی رابطه مستقیم و معناداری وجود دارد. علاوه بر این، رابطه معکوس و معناداری بین نسبت ارزش بازار به دفتری، بازده خرید و خالص جریان نقدی منهای سود سهام پرداختی وجود دارد. با این حال، بین بازده نگهداری سهام، نرخ رشد تولید ناخالص داخلی و خالص جریان نقدی منهای سود سهام پرداختی رابطه معناداری وجود ندارد. همچنین، یافته ها نشان می دهد که شرکت ها در مرحله بلوغ نسبت به سایر مراحل چرخه عمر، سهام بیشتری منتشر می کنند. نتیجه گیری: این امر نشان می دهد که شرکت ها در مرحله بلوغ دارای سطوح بالایی از سرمایه در دسترس هستند که می تواند آنها را در جهت جذب سرمایه بیشتر قرار دهد.

شناخت رفتار بازار سرمایه همیشه از دوجهت قابل اهمیت است. اولین وجه مهم تصمیم مناسب برای سرمایه گذاری در سطوح مختلف و دومین وجه مهم تصمیم مناسب برای سیاستگذاری در حوزه بازار سرمایه و تامین مالی برای سیاستگذاران است. از این رو مقاله حاضر به دنبال بررسی اثر عوامل بنیادی و رفتاری بر بورس اوراق بهادار تهران می باشد. در این مقاله ابتدا نوسانات بازده شاخص کل بورس اوراق بهادار تهران با استفاده از مدل واریانس ناهمسانی شرطی خود رگرسیون تعمیم یافته مدلسازی شد، سپس در چارچوب یک مدل رگرسیونی اثر متغیرهای بنیادی و رفتاری شامل متغیرهای مستقل تولیدناخالص داخلی، نرخ بهره، نرخ تورم، نرخ ارز، نقدینگی، بازده دارایی کل بازار، واریانس بازده حقوق صاحبان سهام (به عنوان متغیرهای بنیادی کلان اقتصادی و شرکتی) و نسبت حجم معاملات بازار به درصد غیرشناور (پروکسی رفتار گله ای) بر نوسانات بازده بورس اوراق بهادار تهران مورد بررسی قرار گرفت. روش مورد استفاده برای برآورد خودرگرسیون با وقفه های توزیعی بود. داده ها بصورت فصلی و بازه زمانی مورد بررسی نیز از 1393:1 تا 1402:3 بوده است. نتایج بدست آمده حاکی از این بود که نوسانات بازده بورس اوراق بهادار تهران هم ناشی از متغیرهای بنیادی و هم ناشی از متغیرهای رفتاری است. در کوتاه مدت تمام متغیرهای مورد بررسی بجز واریانس بازده حقوق صاحبان سهام در بازه مورد نظر دارای اثر معناداری بر رفتار بازار سرمایه هستند؛ اما در بلندمدت رفتار بازار متاثر از تولیدناخالص داخلی، تورم، نقدینگی، بازده دارایی و رفتار گله ای است.

پیشینه و اهداف: هدف این مقاله بررسی حساسیت سرمایه مورد نیاز به ساختار وابستگی در بین خسارات بیمه های غیرزندگی در محیط های چندمتغیره است. بر این اساس، در ابتدا مدل سازی وابستگی در یک محیط واقعی با استفاده از پایگاه داده مربوط به خسارت های ماهانه (بدون بازیافت) حاصل از پنج رشته بیمه غیرعمر در شرکت سهامی بیمه ایران صورت گرفته است. روش شناسی: داده ها شامل شدت خسارت های وارده در هر رشته است و طی دوره ماهانه 1402:12-1390:01 گردآوری شده است. سپس پارامترهای کاپولای D-vine در میان خسارت های ناشی از پنج شاخه بیمه غیرعمر برآورد شده و آزمون های خوبی برازش برای نتیجه گیری کاپولای بهینه انجام شده است. سرانجام، برآورد سرمایه ریسک پذیر با استفاده از VaR و TVaR بر روی خسارات کل شبیه سازی شده با توجه به وزن آن ها انجام شده و یک مطالعه تطبیقی با استفاده از کاپولای مستقل صورت گرفته است. یافته ها: نتایج نشان می دهد که توجه به وابستگی ضمنی بین زیان ها تأثیر چشمگیری بر کل سرمایه ریسک پذیر می گذارد. این نتیجه با مقادیر الزام سرمایه برآوردشده تأیید می شود. در واقع توجه به وابستگی ضمنی بین رشته های بیمه ای به کاهش سرمایه 1/5% درصدی برای VaR و 9/3% درصدی برای TVaRمنجر می شود. نتیجه گیری: انتخاب مدل سازی وابستگی ریسک های بیمه های غیرعمر بسیار مهم است، ازطرف دیگر، توجه به وابستگی های غیرخطی در ساختار انواع شاخه های بیمه ای می تواند مزایای تنوع بخشی به پرتفوی بیمه ای شرکت ها را آشکار کند و اندازه گیری میزان منافع حاصل از تنوع بخشی براساس انتخاب درست مدل های وابستگی ریسک های بیمه های غیرعمر حاصل می شود و این موضوعی است که لازم است در انتخاب پرتفوی شرکت های بیمه مورد توجه قرار گیرد.

هدف: ریسک پذیری بانکی یکی از مؤلفه های بنیادین در سنجش پایداری مالی نظام های اقتصادی به شمار می رود و تحت تأثیر عوامل متعددی از جمله ساختار مالکیت، نوع سهامداران و رفتار سرمایه گذاران قرار دارد. در این میان، افق سرمایه گذاری نهادی—اعم از کوتاه مدت یا بلندمدت—می تواند نقش تعیین کننده ای در نحوه مواجهه بانک ها با انواع ریسک های بازار ایفا کند. سرمایه گذاران نهادی با افق های متفاوت، رویکردهای گوناگونی در نظارت، تخصیص منابع و واکنش به نوسانات بازار اتخاذ می کنند که این تفاوت ها می تواند پیامدهای مستقیم بر سطح ریسک پذیری بانک ها داشته باشد. با توجه به پیچیدگی، چندبعدی بودن و غیرخطی بودن رابطه میان افق سرمایه گذاری و ریسک پذیری، استفاده از مدل های سنتی تحلیل مالی نظیر رگرسیون خطی یا شبکه های عصبی پیش خور با محدودیت هایی مواجه است. این مدل ها غالباً در شناسایی الگوهای پنهان، روابط غیرخطی و ویژگی های محلی داده های مالی ناکارآمد هستند. از این رو، هدف اصلی پژوهش حاضر، بهره گیری از شبکه های عصبی کانولوشنالی (CNN) برای مدل سازی دقیق تر رابطه افق سرمایه گذار نهادی با ریسک پذیری بانکی در داده های ساختاریافته بانک های پذیرفته شده در بورس اوراق بهادار تهران است. روش: این مطالعه از نوع کاربردی بوده و با رویکرد توصیفی-همبستگی انجام شده است. جامعه آماری شامل کلیه بانک های فعال در بورس تهران طی سال های ۱۳۹۳ تا ۱۳۹۹ بود. داده های مربوط به افق سرمایه گذاری نهادی (کوتاه مدت و بلندمدت) و شاخص های ریسک پذیری بانکی استخراج گردید و به منظور پردازش توسط شبکه های کانولوشنالی، به ماتریس های ۴×۴ تبدیل شدند. سه مدل CNN با تعداد فیلترهای 64، 128 و 256 طراحی و آموزش داده شدند تا عملکرد آن ها در شناسایی الگوهای پیچیده و پیش بینی دقیق تر رابطه مورد نظر ارزیابی شود. برای سنجش کیفیت مدل ها از معیارهای دقت (Accuracy)، امتیاز F1 و سطح زیر منحنی ROC (AUC) استفاده شد. یافته ها: نتایج حاصل از مدل سازی نشان داد که همبستگی میان افق سرمایه گذاری کوتاه مدت و ریسک پذیری بانکی برابر با 0.86 بوده که به مراتب قوی تر از همبستگی افق بلندمدت با ریسک پذیری (0.72) است. این یافته حاکی از آن است که سرمایه گذاران نهادی با افق کوتاه مدت، به دلیل واکنش پذیری سریع تر نسبت به تغییرات بازار، نقش مؤثرتری در کاهش ریسک های بانکی ایفا می کنند. از میان سه مدل طراحی شده، شبکه 64 فیلتری (CNN64) با دقت 0.829، امتیاز F1 برابر با 0.815 و AUC برابر با 0.842، بالاترین عملکرد را در مدل سازی رابطه مورد نظر داشت. این مدل توانست با استخراج ویژگی های محلی و شناسایی الگوهای پیچیده در داده های مالی، عملکردی به مراتب بهتر از مدل های سنتی ارائه دهد و اثربخشی شبکه های کانولوشنالی در تحلیل های مالی را به اثبات رساند. نتیجه گیری: پژوهش حاضر نشان داد که شبکه های عصبی کانولوشنالی، به ویژه در ساختارهای سبک تر مانند CNN64، ابزار قدرتمندی برای تحلیل روابط پیچیده و غیرخطی در داده های مالی هستند. استفاده از این مدل ها در تحلیل افق سرمایه گذاری نهادی و ریسک پذیری بانکی، نه تنها دقت پیش بینی را افزایش می دهد، بلکه امکان تفسیر بهتر رفتار بازار، شناسایی الگوهای پنهان و اتخاذ تصمیمات سرمایه گذاری آگاهانه تر را فراهم می سازد. تمرکز بر افق کوتاه مدت به عنوان عامل مؤثر در کاهش ریسک های بانکی، می تواند راهگشای تدوین سیاست های نظارتی، طراحی ابزارهای کنترلی و توسعه راهبردهای سرمایه گذاری هوشمندانه تر در صنعت بانکداری باشد. پیشنهاد می شود در مطالعات آتی، از مدل های یادگیری ماشین متنوع تری مانند درخت های تصمیم گیری، مدل های تصادفی و شبکه های عمیق تر استفاده شود و تأثیر عوامل کلان اقتصادی نظیر نرخ بهره، تورم و سیاست های پولی نیز در تحلیل ها لحاظ گردد. همچنین، گسترش دامنه تحقیق به سایر بازارهای مالی، نمونه های بین المللی و بازه های زمانی بلندمدت می تواند به تعمیم پذیری نتایج، افزایش اعتبار بیرونی و توسعه نظری در حوزه مدیریت ریسک بانکی کمک شایانی نماید.