درخت حوزه‌های تخصصی

بازارهای مالی

ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۶۴۱ تا ۶۶۰ مورد از کل ۸۰۳ مورد.
۶۴۱.

بررسی اثر بازار، نقدشوندگی و تکانه بر افزایش عمده قیمت سهام با استفاده از روش رگرسیون کاکس

کلیدواژه‌ها: بازده بازار اندازه نقدشوندگی تکانه رگرسیون کاکس نسبت ارزش دفتری به ارزش بازار حقوق صاحبان سهام افزایش عمده قیمت سهام

حوزه‌های تخصصی:
تعداد بازدید : ۹۲۶ تعداد دانلود : ۵۶۱
پژوهش حاضر با هدف بررسی عوامل مؤثر بر تغییرات عمده قیمت سهام، اثر عامل بازار، اندازه، ارزش، نقدشوندگی و تکانه بر افزایش های عمده قیمت سهام انجام شده است. جامعه آماری پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران از ابتدای سال 1386 تا پایان سال 1391 (1449 روز کاری بورس اوراق بهادار) است. برآورد مدل با استفاده از رگرسیون کاکس و برای داده های بازگشتی انجام شد. نتایج پژوهش نشان می دهد، در میان عوامل بررسی شده، نسبت ارزش دفتری به ارزش بازار حقوق صاحبان سهام مهم ترین متغیر برای توضیح احتمال افزایش قیمت سهام بیش از پنج و ده درصد است و عامل اندازه (با درنظرگرفتن اثر شکنندگی)، اثرگذارترین متغیر بر احتمال افزایش قیمت سهام بیش از 20 و 30 درصد است. همچنین، نتایج نشان داد که رابطه معناداری بین عامل تکانه و افزایش عمده قیمت سهام وجود ندارد.
۶۴۳.

بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: کارایی متقاطع بهینه سازی سبدسهام مدل ارزش درمعرض ریسک(VaR)

حوزه‌های تخصصی:
تعداد بازدید : ۹۲۶ تعداد دانلود : ۵۹۱
مدل مارکوویتز، مبنای رویکرد مدرن در بهینه سازی سبد سهام است. مارکوویتز مدل خود را بر اساس میانگین و واریانس بر روی داده های تاریخی فرموله کرد. از آن زمان تاکنون، پژوهشگران زیادی روش حل مسئله بهینه سازی سبد سهام را بهبود بخشیدند. یکی از مهم ترین بهبود ها، جایگزین کردن شاخص ریسک نامطلوب بجای واریانس است. بهبود دیگری که به تازگی پیشنهادشده، تولید داده بر اساس تحلیل پوششی داده ها و استفاده از داده های تولیدشده به جای بازده تاریخی است. این بهبود جدید که اساساً اساس مسئله انتخاب سبد سهام را تغییر می دهد، فرصتی را فراهم می کند تا پژوهشگران انواع شاخص ریسک را بر روی داده های تولیدشده به جای بازده تاریخی به کارگیرند. در این پژوهش، از تحلیل پوششی داده ها بر اساس صورت های مالی، برای تولید کارایی متقاطع استفاده می شود. سپس ارزش در معرض ریسک که یکی از شاخص های مهم ریسک نامطلوب است، بر روی این مینای جدید، تعدیل شده و با حل مدل خطی شناخته شده آن، وزن های بهینه در سبد سهام تعیین می شود. عملکرد روش پیشنهادی برای 185 شرکت بورس اوراق بهادار تهران در سال های 90 تا 94، توسط معیار شارپ محاسبه شده و با عملکرد سبد بازار و عملکرد روش مارکوویتز بر روی کارایی متقاطع مقایسه می شود. معیار شارپ، عملکرد بهتری برای روش پیشنهادی نسبت به روش های دیگر، نشان می دهد.
۶۴۷.

بررسی تاثیر انحراف از سطح بهینه نگهداشت وجه نقد بر ارزش وجه نقد(مقاله علمی وزارت علوم)

کلیدواژه‌ها: نگهداشت وجه نقد مدیریت وجه نقد ارزش وجه نقد بازار ناقص

حوزه‌های تخصصی:
تعداد بازدید : ۹۲۰ تعداد دانلود : ۸۵۲
در پژوهش حاضر به بررسی تاثیر انحراف از سطح بهینه نگهداشت وجه نقد بر ارزش وجه نقد پرداخته شده است. نمونه آماری پژوهش شامل 101 شرکت است که در طی دوره زمانی 1388 لغایت 1392 انتخاب شده است. در این پژوهش با استفاده از داده های ترکیبی و روش حداقل مربعات تعمیم یافته به بررسی فرضیه های تحقیق پرداخته شد. نتایج تحقیق حاکی از آن است که ارزش یک ریال وجوه نقد تحصیل شده در نزد سهامداران در شرکت هایی که سطح نگهداشت وجوه نقد آنها از سطح بهینه وجه نقد کمتر است بیشتر از شرکت هایی است که سطح نگهداشت وجوه نقد آنها از سطح بهینه وجه نقد بیشتر است. همچنین نتایج تحقیق موید آن است که ارزش وجه نقد در شرکت هایی با نگهداشت وجه نقد بیشتر از سطح بهینه، کمتر از ارزش اسمی یک ریال و در شرکت هایی با نگهداشت وجه نقد کمتر از سطح بهینه، بیشتر از ارزش اسمی یک ریال است.
۶۵۲.

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF(مقاله علمی وزارت علوم)

کلیدواژه‌ها: شبکه عصبی مصنوعی قیمت سهام الگوریتم ژنتیک دستکاری قیمت سهام حفاظت از بازار

حوزه‌های تخصصی:
تعداد بازدید : ۹۱۷ تعداد دانلود : ۵۳۰
هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره های اندازه گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد.
۶۵۵.

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب(مقاله علمی وزارت علوم)

کلیدواژه‌ها: شبکه عصبی پیش بینی قیمت سهام الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

حوزه‌های تخصصی:
تعداد بازدید : ۹۱۵ تعداد دانلود : ۱۳۳۳
یکی از گزینه های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دام نقطه بهینه محلی تا حد ممکن کاهش یابد. هدف این مقاله معرفی و مقایسه عملکرد رویکرد پیشنهادی با سایر الگوریتم های بهینه سازی جستجوی پیشین می باشد. از اینرو با استفاده از اطلاعات قیمتی روزانه سهام شرکت ایران خودرو بین سال های 1389 تا 1395 به آموزش شبکه عصبی با الگوریتم های بهینه سازی مختلف پرداختیم. جهت ارزیابی میزان عملکرد رویکردها، از سه دیدگاه: میزان دقت پیش بینی(آماره های اندازه گیری خطاR2,RMSE)، میزان حافظه مصرفی و زمان اجرایی استفاده شد، نتایج حاکی از آن است که رویکرد پیشنهادی از عملکرد بهتری نسبت به سایر رویکردهای پیشین برخوردار می باشد.
۶۶۰.

Predicting Financial Distress in Tehran Stock Exchange(مقاله علمی وزارت علوم)

کلیدواژه‌ها: Tehran Stock Exchange Financial Distress Tax Shield Leland and Toft model

حوزه‌های تخصصی:
تعداد بازدید : ۹۱۱ تعداد دانلود : ۵۷۹
Companies incur significant costs from the financial distress. Predicting financial distress will have an important role in preventing bankruptcy. The aim of the present study is to predict the financial distress costs using the Leland and Toft models, during 1996 and 1998. This study examines data relating to 49 companies listed in the Tehran stock exchange collected over ten years from 2005 to 2014. Leland and Toft model (1996) considers the financial distress costs and benefits from the tax shield in general. However, Leland and Toft model (1998) considers the financial distress costs and benefits from the tax shield in detail by using parameter. According to the research findings, the companies working in automotive industry are bankrupt, but the companies working in food and beverage, pharmaceutical, base metals and cement industries have a good distance from financial default. The results help to improve the decision-making process and to avoid the financial distress.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان