فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۴۰۱ تا ۴۲۰ مورد از کل ۸۰۳ مورد.
حوزههای تخصصی:
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.
بررسی عوامل موثر بر سطح سرمایه گذاری در شرکت های بورس اوراق بهادار تهران
حوزههای تخصصی:
هدف از این مطالعه، شناخت عوامل تاثیرگذار بر سطح سرمایه گذاری شرکتهاست. در پژوهش حاضر تاثیر هفت متغیر انتخابی جریان نقدی، نسبتq توبین، نرخ رشد درآمد، سود پرداختی، سود اعلام شده، تغییرات بدهی و تغییرات سرمایه بر سطح سرمایه گذاری شرکتها مورد بررسی قرار گرفت. برای این منظور 100 شرکت از بورس اوراق بهادار تهران برای سالهای 1387-1381 مورد مطالعه قرار گرفتند. نتایج رگرسیون نشان داد که جریان نقدی، نسبت q توبین، سود تقسیمی، سود اعلام شده و تغییرات بدهی بر سطح سرمایه گذاری تاثیر معنی داری دارد؛ اما نرخ رشد درآمدها و تغییرات سرمایه تاثیر معنی داری بر سطح سرمایه گذاری ندارد.
رآورد و پیشبینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش ها در تخمین ارزش در معرض خطر: کاربردی از مدلهای خانوده FIGARCH(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پیش بینی تلاطم یکی از مهمترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روشهای GARCH، تلاطم موجود با استفاده از 1467 داده روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدلها در تخمین و پیش بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل ARFIMA و برای واریانس شرطی، در کنار مدلهای با حافظه کوتاه مدت، از مدل با حافظه بلندمدت FIGARCH استفاده شده است. برای انجام پیش بینی در دوره خارج از دوره نمونه، مدل ARFIMA-FIGARCH با توزیع نرمال، دقیقترین مدل بوده و نتایج بهتری را ارائه میدهد. یکی از روشهای مطرح در بررسی ریسکها و مدیریت ریسک، تخمین VaR یا ارزش در معرض خطر است. مقایسه مدلها نشان میدهد که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدلهای مختلف نتایج متفاوتی میدهند، ولی می توان گفت مدل FIGARCH در سطح معنی داری 5/2٪ بهترین عملکرد را در میان مدلهای GARCH دارد.
از بانک تا اوراق نفت
نقش اطلاعات حسابداری در پیش بینی نرخ بازده سهام
حوزههای تخصصی:
نکاتی چند در خصوص رینگ صادراتی
حوزههای تخصصی:
تحویل کالا در معاملات آتی
حوزههای تخصصی:
ارزیابی تغییرات بهره وری کل عوامل تولید در بورس اوراق بهادار تهران با استفاده از شاخص تورنکویست(مقاله علمی وزارت علوم)
حوزههای تخصصی:
عوامل تولید تامین نمایند و بر این اساس، سهم رشد بهره وری کل عوامل بخش خدمات که نهادهای مالی در ذیل آن می باشند، از رشد تولید بخشها و تولید ناخالص داخلی به میزان 9/21 درصد پیش بینی شده است که از این میزان، روند رشد سالانه بهره وری نیروی کار، سرمایه و عوامل کل بترتیب 5/6، 6/1 و 2 درصد در نظر گرفته شده است. در این مطالعه با استفاده از روش های برنامه ریزی خطی که در زمره روش های ناپارامتری است، ابتدا کارایی فنی بورس اوراق بهادار تهران مورد ارزیابی قرار گرفته و سپس با بهره گیری از شاخص تورنکوئیست ، رشد بهره وری عوامل تولید در این نهاد مالی طی دوره 1385- 1369 مورد ارزیابی قرار گرفته است. نتایج حاکی از آنست که بهره وری عوامل تولید در بورس اوراق بهادار تهران بطور متوسط سالانه با رشدی معادل 902/0 درصد روبرو می باشد که با اهداف مندرج در برنامه چهارم (2 درصد) فاصله زیادی دارد.
در انتظار دنیا
مطالعه توان متغیرهای حسابداری در پیش بینی معیارهای ریسک مدل قیمت گذاری آربیتراژ(مقاله علمی وزارت علوم)
حوزههای تخصصی:
طبق تئوری قیمت گذاری آربیتراژ (APT) بازده واقعی سهام شرکت یا صنعت وابسته است. حساسیت بازده یک دارایی به تغییرات پیش بینی نشده در عوامل کلان ریسک بیانگر معیار ریسک سیستماتیک ورقه بهادار است. در حالت تعادل، بازده پیش بینی شده ورقه بهادار تابعی خطی از حساسیتهای بازده واقعی ورقه بهادار به تغییرات پیش بینی نشده در عوامل کلان ریسک است. APT تعداد یا ماهیت این عوامل را مشخص نمی کند. تحلیل عاملی بازده سهام می تواند برای تعیین حساسیتهای اوراق بهادار خاص نسبت به عوامل کلان ریسک بکار رود، بدون آنکه این عوامل را شناسایی کند. در این راستا تحقیق حاضر سعی در پاسخگویی به این پرسش دارد که: آیا می توان با استفاده از معیارهای ریسک حسابداری در دوره جاری، تغییرات مقطعی معیارهای ریسک APT (حساسیتها) را در دوره آتی پیش بینی نمود؟ مطالعه تجربی برای نمونه ای شامل سهام 42 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1378 تا 1383 صورت گرفت. متغیر (های) وابسته، معیارهای ریسک APT ناشی از تحلیل عاملی بازده ماهانه سهام، و متغیرهای مستقل مجموعه ای از متغیرهای متداول حسابداری مرتبط با فعالیتهای عملیاتی و مالی شرکتها، شامل معیارهای مرتبط با نقدینگی، مدیریت بدهی، سودآوری و کارایی، ریسک تجاری، ارزش بازار (نسبت دورگه) و اندازه شرکت می باشد. ضرایب رگرسیون با استفاده از مدل مبتنی بر داده های تابلویی تخمین زده شدند. معناداری مدل توسط آماره F آزمون گردید. بر این اساس، در دامنه مطالعه انجام شده، متغیرهای متداول حسابداری می توانند سهمی از تغییرات مقطعی معیارهای ریسک APT در دوره آتی را توضیح دهند.
اطلاعات ، چراغ راهنمای بازار سرمایه
حوزههای تخصصی:
تشکیل پر تفوی بهینه در بورس اوراق بهادار تهران با استفاده از الگوریتم های ژنتیک(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تشکیل پرتفوی به عنوان یک تصمیمگیری حساس و حیاتی برای شرکتها شناخته شده است. به همین دلیل انتخاب یک پرتفوی با نرخ بازدهی بالا و ریسک کنترل شده یکی از موضوعاتی است که مورد توجه بسیاری از محققان قرار گرفته است. در تعریف جدید ریسک، به جای یک عدد ویژه، از یک منحنی به عنوان ریسک استفاده میشود. در این مقاله روشی بر مبنای الگوریتم ژنتیک برای تشکیل پرتفوی ارائه میشود، که در آن ریسک با تعریف جدید در نظر گرفته شده است. در نهایت به عنوان یک مطالعه ی موردی، این الگوریتم برای تشکیل پورتفوی در بورس اوراق بهادار تهران مورد استفاده قرار گرفته است.
مقدمه ای بر بازار سرمایه و بورس اوراق بهادار
حوزههای تخصصی: