درخت حوزه‌های تخصصی

بازارهای مالی

ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۴۲۱ تا ۴۴۰ مورد از کل ۸۰۳ مورد.
۴۲۲.

تشکیل پر تفوی بهینه در بورس اوراق بهادار تهران با استفاده از الگوریتم های ژنتیک(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم ژنتیک ریسک بهینه سازی پرتفوی

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۳۷ تعداد دانلود : ۱۲۱۲
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.
۴۲۴.

ارزیابی تغییرات بهره وری کل عوامل تولید در بورس اوراق بهادار تهران با استفاده از شاخص تورنکویست(مقاله علمی وزارت علوم)

کلیدواژه‌ها: کلیدواژگان: بهره وری عوامل تولید؛ بورس اوراق بهادار و شاخص تورنکوئیست؛ تحلیل پوششی داده ها

حوزه‌های تخصصی:
تعداد بازدید : ۲۶۴۶ تعداد دانلود : ۱۵۱۱
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.
۴۲۵.

مطالعه توان متغیرهای حسابداری در پیش بینی معیارهای ریسک مدل قیمت گذاری آربیتراژ(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بازده سهام بورس اوراق بهادار تهران ریسک سیستماتیک قیمت گذاری آربیتراژ

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی قیمت گذاری دارائی،حجم مبادله،نرخ های بهره اوراق قرضه
  2. حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی قیمت گذاری آتی
تعداد بازدید : ۲۸۷۰ تعداد دانلود : ۱۲۸۰
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.
۴۳۵.

ارائه مدل پیش­بینی شاخص کل قیمت سهام با رویکرد شبکه­های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی مدل چند عاملی شبکه های عصبی شاخص بورس اوراق بهادار

حوزه‌های تخصصی:
تعداد بازدید : ۱۹۱۱ تعداد دانلود : ۱۰۲۸
هدف تحقیق حاضر ارائه مدل پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به ­صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان می­دهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا می­باشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پی­گیری تحقیقات مشابه در آینده بیان شده است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان