بورس اوراق بهادار

هدف از انجام این پژوهش، بررسی تأثیر نقش شبکه های چند سطحی انتشار نوآوری حسابداری مدیریت بر درماندگی مالی بود. روش پژوهش حاضر به صورت آمیخته در دو بخش کیفی (اجرای فن دلفی فازی، مدل ساختاری تفسیری) و کمی (رگرسیون با استفاده از داده های ترکیبی) بود. جامعه آماری پژوهش حاضر در بخش کمی، کلیه شرکت های پذیرفته شده در بورس و فرابورس اوراق بهادار تهران طی دوره سال های 1390 تا 1401، و در بخش کیفی نیز خبرگان حسابداری با حداقل درجه علمی دانشیار و حداقل 15 سال سابقه تدریس در رشته حسابداری و حسابداری مدیریت در دانشگاه های سطح اول و دوم در ایران بودند. برای نیل به هدف پژوهش داده های حاصل از نظرخواهی خبرگان حسابداری مدیریت در ایران و شرکت های پذیرفته شده در بورس و فرابورس اوراق بهادار تهران، تجزیه وتحلیل شد. درماندگی مالی شرکت ها نیز از طریق چهار الگوی آلتمن، اسپرینگیت، اوهلسون و زمیجوسکی اندازه گیری شد. نتایج پژوهش حاکی از آن بود که شبکه های چند سطحی انتشار نوآوری حسابداری مدیریت شامل سه شاخص نوآوری ذهنی در حسابداری مدیریت با محوریت سرمایه فکری و تخصص مدیرعامل در صنعت، شاخص پیاده سازی نوآوری در حسابداری مدیریت مبنی بر اتخاذ یک شیوه یا ابزار جدید در حسابداری مدیریت که برای اولین بار توسط یک شرکت اجرا می شود و شاخص ارتقاء نوآوری در حسابداری مدیریت با محوریت شدت هزینه تحقیق و توسعه به دارایی های شرکت و فشار رقابت در صنعت تقسیم می شود. نتایج آزمون فرضیه ها نشان داد که شبکه های چند سطحی انتشار نوآوری حسابداری مدیریت بر درماندگی مالی تأثیر منفی و معناداری دارند.

رفتار سرمایه گذاران حقیقی متاثر از خصوصیات رفتاری و چگونگی واکنش آنها در مواجه با رخدادهای مالی می باشد. با توجه به اهمیت تصمیمات اتخاذ شده در زمینه سرمایه گذاری مالی و رفتار هیجانی برخی از سرمایه گذاران نسبت به موج های خبری بازار در تصمیمات مالی خود؛ بررسی مدیریت رفتار هیجانی و تاثیر این مدیریت بر تصمیم گیری مالی پایدار سرمایهگذاران امری ضروریست. لذا هدف مطالعه حاضر بررسی این موضوع بوده و با استفاده از ابزار پرسشنامه و روش مدل ساختاری و با بهرهگیری از نرم افزار SPSS و PLS-Smart به تجزیه و تحلیل آماری پرداخته شد. نتایج به دست آمده حاکی از این است که مدیریت رفتار هیجانی بر تصمیم گیری مالی پایدار تاثیر مثبت داشته و میزان این تاثیر 585/0 است. لذا اگر به مدیریت رفتارهای هیجانی از طریق افزایش آگاهی سرمایه گذاران و گسترده تر کردن بازارگردانی های بازار سرمایه و آموزش حل مسئله درست به سرمایه گذاران پرداخته شود، میتوان شاهد افزایش تصمیمات سرمایه گذاری پایدار در بازار سرمایه بود.

تغییرات دما نه تنها بر جریانات نقدی بلکه بر نرخ تنزیل نیز اثرگذار است. از آنجاکه نرخ بازده مورد انتظار سرمایه گذار، هزینه سرمایه ناشر است، بازده مورد انتظار بالاتر سرمایه گذار به معنای افزایش هزینه حقوق صاحبان سهام می باشد. هدف پژوههش حاضر آزمون فرضیه ههایی زیر است. اول؛ صرف ریسک تغییرات دمایی معنادار است. دوم، صنایع حساس، بارعاملی بیشتری نسبت به سایر صنایع دارند. سوم؛ شرکت های کوچک تر بارعاملی بیشتری نسبت به تغییرات دما دارند و چهارم؛ مقدار اثرگذاری تغییرات دما بر هزینه حقوق صاحبان سهام در طول زمان بیشتر شده است. روش شناسی: برای تخمین صرف ریسک دما از رویکرد پرتفوی ردیاب استفاده شده است. آزمون قیمت گذاری صرف ریسک دما در چارچوب رگرسیون فاما مک-بث(1973) انجام می گردد. برای آزمون فرضیه دوم میانگین بارهای عاملی صنایع حساس و سایر صنایع محاسبه گردیده و معناداری آنها با آماره t آزمون می شود. در آزمون فرضیه سوم نیز میانگین بارهای عاملی شرکت های بزرگ و کوچک محاسبه و معناداری اختلاف میانگین بارهای عاملی با آماره t آزمون می گردد. نتایج نشان می دهد صرف ریسک تغییرات دما، مثبت و معنادار بوده و سبب بهبود عملکرد مدل شده است. نتایج رگرسیون فاما مک بث(1973)، حاکی از تاثیر مثبت و معنادار صرف ریسک تغییرات دما در حضور عوامل فراگیر مدل های CAPM و فاما و فرنچ (1993) است. مطابق یافته ها برخی صنایع چون زراعت و کشاورزی، قندو شکر، چاپ و کاغذ حساسیت بیشتری داشته اند. اندازه شرکت ها در میزان اثرگذاری تغییرات دما تاثیر چندانی نداشته است.

هدف از مطالعه حاضر پیاده سازی بهینه یابی پرتفوی مبتنی بر پیش بینی در بورس اوراق بهادار تهران با استفاده از شبکه عصبی خودبازگشتی غیرخطی با متغیرهای برون زا (NARX) به عنوان رویکرد اصلی و شبکه عصبی حافظه کوتاه مدت طولانی (LSTM) به عنوان رویکرد رقیب و نیز مقایسه عملکرد آن با روش بهینه یابی پرتفوی میانگین-واریانس مارکوویتز است. بدین منظور ابتدا رتبه بندی و تشخیص سهام شرکت هایی که سرمایه گذاری روی آن ها به صرفه است با بهره گیری از مدل تک عامله شارپ صورت گرفته، سپس در راستای برآورد شاخص بازده مورد انتظار و ریسک پرتفوی از پیش بینی بازدهی سهام شرکت ها و واریانس خطاهای پیش بینی بر پایه رویکردهای مذکور استفاده شده و پس از آن بهینه یابی پرتفوی بر اساس روش کلی میانگین-واریانس مارکوویتز انجام شده است. شرکت های موجود در شاخص 50 شرکت فعال تر بورسی مربوط به پایان سال 1400 به عنوان یک نمونه از جامعه آماری در نظر گرفته شدند و برآوردها با استفاده از داده های روزانه مربوط به دوره زمانی 1/2/1399 تا 29/12/1400 انجام شد. نتایج نشان می دهد رویکرد شبکه عصبی NARX نسبت به رویکرد شبکه عصبی LSTM دقت بالاتری در پیش بینی بازدهی سهام شرکت ها دارد و در مرحله بهینه یابی نیز آن را مغلوب می کند. بهینه یابی پرتفوی مبتنی بر پیش بینی با استفاده از شبکه های عصبی NARX و LSTM در مقایسه با بهینه یابی پرتفوی میانگین-واریانس مارکوویتز ریسک کمتر و حداکثر نرخ شارپ بالاتری را برای سرمایه گذاران فراهم می آورد.

در بازار سرمایه، تصمیمات سرمایه گذاری متأثر از عوامل متعدد و متفاوتی است که هر کدام، سهم به خصوصی در تبیین تصمیم گیری های سرمایه گذاران دارند. هدف اصلی این پژوهش شناسایی تأثیر عوامل بنیادی (در هر دو سطح کلان و بازار)، تکنیکال و رفتاری بر تصمیمات معاملاتی سرمایه گذاران در بورس تهران براساس داده های ماهانه، طی دوره 1398 لغایت 1402 است. برای این منظور از روش شناسی مربوط به مدل تصحیح خطای برداری استفاده شده است. نتایج آزمون هم انباشتگی نشان داد که در بلندمدت، اثر عامل رفتاری (شاخص ترس و طمع) و بنیادی بازار (نسبت P/E) بر تصمیمات سرمایه گذاران منفی، اثر عامل بنیادی کلان (نرخ ارز) مثبت و اثر عامل تکنیکال (شاخص RSI) غیرمعنادار بوده است. به علاوه، تحلیل تابع ضربه واکنش تصمیمات سرمایه گذاران نشان داد که شوک های متغیرهای رفتاری، بنیادی و تکنیکال در کوتاه مدت تأثیر قوی بر تصمیمات سرمایه گذاران داشته است. در این میان، تأثیر تکانه عامل بنیادی بازار به طور قابل ملاحظه ای بیشتر از سایر متغیرها بوده است. آزمون تجزیه واریانس نیز حاکی از آن است که در دوره های اولیه (کوتاه مدت)، عامل رفتاری نسبت به سایر عوامل تأثیر بیشتری بر نوسانات تصمیمات سرمایه گذاران دارد، اما هر چه که جلوتر می رویم (بلندمدت) اثرگذاری عامل بنیادی بازار پررنگ تر می شود. به علاوه، عامل تکنیکال چه در کوتاه مدت و چه در بلندمدت کمترین نقش را در توضیح دهی نوسانات تصمیمات سرمایه گذاران داشته است.

با افزایش حجم داده های مالی در شرکت های بورسی، انتخاب روشی دقیق و کارآمد برای تحلیل و خوشه بندی این داده ها از اهمیت بالایی برخوردار است. هدف این پژوهش بررسی عملکرد مالی شرکت های بورسی ایران و خوشه بندی آنها با استفاده از دو روش خوشه بندی K-Mean و K-Medoid است. این مطالعه بر اساس نسبت های مالی کلیدی شامل بازده دارایی ها، بازده حقوق صاحبان سهام، حاشیه سود ناخالص، نسبت بدهی به حقوق صاحبان سهام و نسبت قیمت به ارزش دفتری انجام شده است. داده های مالی مربوط به شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی ده ساله جمع آوری و تحلیل شده اند. روش K-Mean به دلیل سرعت بالا و کارایی مناسب در داده های بزرگ، خوشه بندی سریعی ارائه می دهد، در حالی که روش K-Medoid به دلیل مقاومت بیشتر در برابر داده های پرت و دارای اغتشاش، خوشه بندی های دقیق تری انجام داده است. تحلیل واریانس (ANOVA) نشان دهنده تفاوت معنادار بین خوشه ها بر اساس معیارهای مالی مذکور است. نتایج پژوهش نشان می دهد که روش K-Medoid توزیع متعادل تر و نتایج دقیق تری در تفکیک شرکت ها ارائه کرده است، در حالی که روش K-Mean برای داده های ساده تر و با حجم بالا مناسب تر است. یافته های این تحقیق می تواند به سرمایه گذاران و تحلیل گران مالی کمک کند تا بر اساس خوشه های مشخص شده و با توجه به ریسک پذیری و بازدهی مورد انتظار خود، تصمیمات استراتژیک بهتری اتخاذ کنند.

این تحقیق با هدف بررسی اثرات تعدیل کننده توانایی های شناختی مالی و ملاحظات بر پیوند نگرش و نیت مشارکت در بازار سهام به انجام رسید. نمونه اماری شامل 384 نفر از معامله گران بازار سرمایه در استان گیلان دارای کد بورسی بودند، که همین تعداد پرسشنامه توزیع و جمع آوری گردید. اطلاعات گردآوری شده توسط پرسشنامه ها به وسیله نرم افزار SPSS24 و PLS3 با استفاده از مدل یابی مع ادلات ساختاری مورد تجزیه و تحلیل قرار گرفت. نتایج به دست آمده نشان می دهد که نگرش سرمایه گذاران، سواد مالی، برنامه ریزی مالی، رضایت مالی، ریسک مالی درک شده و سود مالی درک شده، تاثیر معناداری بر نیات رفتاری نسبت به مشارکت در بازار سهام دارد. همچنین بررسی شد که سواد مالی، برنامه ریزی مالی، رضایت مالی، ریسک مالی درک شده، و سود مالی درک شده تاثیر نگرش سرمایه گذاران بر نیات رفتاری نسبت به مشارکت در بازار سهام را تعدیل می کند. در ادامه به بررسی بیشتر این پژوهش میپردازیم.