تحقیقات مالی

هدف: در حوزه بهینه سازی پُرتفوی سهام، در مطالعات گذشته، معیارهای ریسک مختلفی تحت عنوان «معیارهای کلاسیک ریسک» به کار گرفته شده است. برآورد صحیح مقدار ریسک پرتفوی و کنترل آن، در حفظ ثروت سرمایه گذاران نقش مؤثری دارد. عدم برآورد صحیح ریسک پرتفوی، یکی از مهم ترین دلایل بروز بحران های مالی در دهه های اخیر بوده است. مطابق با تئوری دورنما، سرمایه گذاران در قبال زیان، احساس عدم مطلوبیت بیشتری می کنند؛ بنابراین وزن بیشتری به زیان می دهند. این موضوع باعث می شود که شاخص های رایج ریسک، مانند ارزش در معرض ریسک، ریزش مورد انتظار، واریانس و...، ریسک را غالباً کمتر از حد برآورد کنند. این مطالعه به دنبال بررسی بهینه سازی پرتفوی سهام با رویکرد مالی رفتاری و تحت شرایط زیان گریزی در بورس اوراق بهادار تهران است و برای نخستین بار عملکرد این رویکرد با معیارهای مختلف ریسک در حوزه مالی کلاسیک (نظیر انحراف معیار، ریزش مورد انتظار، ارزش در معرض ریسک، ارزش در معرض ریسک شرطی، گشتاور ارزش در معرض ریسک، حداکثر زیان، آنتروپی و...) با در نظرگرفتن افق های زمانی مختلف (کوتاه مدت، میان مدت و بلندمدت) و با پرتفوی هایی با اندازه های مختلف (کوچک، متوسط و بزرگ) مقایسه شده است. روش: عملکرد معیار ریسک مبتنی بر زیان گریزی که بر اساس مدل فولگا (۲۰۱۶) طراحی شده است، به همراه ۱۱ معیار ریسک کلاسیک دیگر در بهینه سازی پرتفوی، با استفاده از داده های روزانه ۱۷۸ شرکت بورسی و با استفاده از آزمون های ناپارامتریک (آزمون کروسکال والیس و آزمون ویلکاکسون یک طرفه) و رویکرد مبتنی بر شبیه سازی ارزیابی شده است. مدل فولگا، با استفاده از معیار ریسک مبتنی بر بخش زیان بار توزیع بازدهی پرتفوی که به طور خاص رفتار سرمایه گذاران زیان گریز را شبیه سازی می کند، با در نظر گرفتن معیارهایی مانند ارزش در معرض ریسک شرطی (CVaR) و میزان انحراف منفی یا زیان بار از یک سطح مرجع (LPM)، ارزیابی دقیقی از ریسک را در چارچوب مالی رفتاری در بازارهای مالی ارائه می دهد. در این مطالعه، به جای اکتفا به بازدهی و ریسک پرتفوی سهام برای مقایسه عملکرد آن ها، از ۲۶ معیار مختلف برای این منظور استفاده شد. همچنین در این مطالعه از روش شبیه سازی تاریخی برای محاسبه معیارهای ریسک استفاده شده است؛ دلیل بهره گیری روش شبیه سازی تاریخی آن است که نخست، همه معیارهای ریسک استفاده شده در پژوهش حاضر این قابلیت را دارند که با استفاده از روش یاد شده محاسبه شوند. علت دوم استفاده از روش شبیه سازی تاریخی این است که روش یاد شده، هیچ پیش فرضی برای توزیع داده ها در نظر نمی گیرد و به همین دلیل نسبت به سایر روش های محاسبه ریسک برتر است. یافته ها: بسته به مقدار آستانه یا همان نقطه مرجع در تئوری دورنما، عملکرد معیار ریسک با لحاظ زیان گریزی می تواند متفاوت باشد. زمانی که مقدار آستانه از صفر بزرگ تر یا مساوی با آن (معادل صفر درصد، ۲+ درصد و ۴+ درصد) است، معیار ریسک با لحاظ زیان گریزی نسبت به دیگر معیارها، به طور مطلق در بهینه سازی پرتفوی عملکرد بهتری دارد؛ اما در حالت هایی که مقدار آستانه ای منفی است (معادل ۲- درصد و ۴- درصد)، نسبت به سایر معیارها برتری خاصی ندارد. نتیجه گیری: در شرایطی که امکان برآورد پارامترهای ضریب زیان گریزی و مقدار آستانه ای وجود دارد، عملکرد معیار ریسک مبتنی بر مالی رفتاری (تحت شرایط زیان گریزی) در بهینه سازی پرتفوی در شرایط واقعی بازار (مقدار آستانه ای صفر یا بالاتر) بهتر از سایر معیارهای کلاسیک مالی است. همچنین زمانی که مقدار آستانه ای از صفر بزرگ تر می شود، نتایج این مطالعه نشان می دهد که «انحراف معیار» نسبت به سایر معیارهای ریسک کلاسیک، عملکرد بهتری را از خود نشان می دهد.

هدف: نکول بدهی های دولتی، همیشه بخشی از تاریخ اقتصادها بوده و در ادبیات بحران های مالی، به ویژه در تحلیل عوامل تعیین کننده این نکول ها، همواره در کانون توجه قرار گرفته است. با این حال، اگر به موارد قبلی نکول بدهی های دولتی در اقتصادها نگاهی بیندازیم، عموماً آن ها با بحران های بانکی یا ارزی همراه بوده اند. در واقع، در برخی موارد، هر سه بحران در یک بازه زمانی رخ داده اند. هدف اصلی این مقاله، بررسی نحوه اثرگذاری و علیت میان بحران های سه گانه در اقتصاد ایران با کسری بودجه است؛ به طوری که شناسایی نحوه اثرگذاری بحران های سه قلو بر کسری بودجه و تعیین جهت سرریزشوندگی از بحران های سه قلو بر کسری بودجه، موجب می شود که بودجه دولت، به تغییرات شرایط انعطاف پذیری زیادی از خود نمایش دهد. به عبارتی، تعیین جهت علیت بحران های سه قلو به سمت کسری بودجه، به عنوان یک سیستم هشدار برای دولت عمل خواهد کرد؛ از این رو هدف پژوهش حاضر، بررسی ارتباط میان بحران های سه قلو و کسری بودجه در سطوح مختلف بحران در گذر زمان است. روش: این پژوهش از نظر ماهیت کاربردی و از لحاظ هدف اکتشافی است. داده ها به صورت کتابخانه ای اسنادی جمع آوری شده است. بازه زمانی پژوهش حاضر از سال ۱۳۷۰ تا سال ۱۴۰۱ (۳۲ سال) بوده است. برای برآورد مدل، از نرم افرازهای متلب و R بهره گرفته شده است. با استفاده از رویکرد TVPFAVAR به بررسی نحوه اثرگذاری بحران های سه قلو بر کسری بودجه، در سه بازه زمانی کوتاه مدت، میان مدت و بلندمدت اقدام شد. با استفاده از رویکرد TVP-Quantile VAR علیت میان بحران های سه قلو با کسری بودجه بررسی شد. متغیرهای پژوهش و نحوه محاسبه آن ها عبارت اند از: کسری بودجه (تفاوت هزینه ها از درآمدهای دولت به عنوان کسری بودجه)، بحران بدهی دولت (شاخص نسبت بدهی کل به تولید ناخالص داخلی)، بحران ارزی (شاخص فشار نرخ ارز) و بحران بانکی (شاخص فشار بازار پول). یافته ها: با استفاده از تخمین مدل TVP-FAVAR در نرم افزار متلب، نتایج تحلیل واکنش آنی متغیرهای مدل روی کسری بودجه در گذر زمان ارائه شده است. در مدل های TVP-FA-VAR شوک متغیرهای توضیحی، زمانی بر متغیر وابسته (در پژوهش حاضر بحران های سه گانه)، تأثیر معناداری دارد که نمودار شوک آنی متغیر غیرشکننده مذکور یا در زیر نقطه تعادلی (نقطه تعادلی عدد صفر است) یا در روی نقطه تعادلی باشد. نتایج مدل TVPFAVAR بیانگر این واقعیت بود که بحران های سه قلو در طول زمان، موجب افزایش کسری بودجه شده اند. بر اساس نتایج، بحران بدهی دولت با میانگین ضریب اثرگذاری 36/1 درصد سالانه، بحران بدهی ارزی با ضریب 049/0 درصد سالانه و بحران بانکی با ضریب اثرگذار 7813/0 درصد سالانه، موجب بدتر شدن سطح کسری بودجه دولت شده اند. بر اساس نتایج، بحران بدهی دولت، بیش از سایر بحران ها بر کسری بودجه دولت اثرگذار است. نتیجه گیری: برای بررسی ارتباط بین متغیرها، از رویکرد الگوی TVP-Quantile VAR بهره گرفته شد. بر اساس نتایج، در شرایطی که سطوح نااطمینانی پایین (صدک ۵ نااطمینانی) باشد، جهت علیت از سوی بحران های سه قلو، به سمت کسری بودجه است. در شرایطی که سطوح نااطمینانی متوسط (صدک ۵۰ نااطمینانی) باشد، جهت علیت از سمت بحران بدهی دولت و ارزی، به سمت کسری بودجه و بحران بانکی است. در شرایطی که سطوح نااطمینانی بالا (صدک ۹۵ نااطمینانی) باشد، برخلاف حالات پیشین، جهت علیت تغییر می کند و از کسری بودجه و بحران بدهی دولت، به سمت بحران ارزی و بانکی می رود. مدل TVPFAVAR سه سطح تجزیه و تفکیک به دوره های زمانی کوتاه مدت، میان مدت و بلندمدت را نشان داد. همچنین، هم حرکتی و هم بستگی میان بحران های سه قلو در بازه های زمانی مختلف بررسی شد. نتایج نشان داد که هرچه به سمت دوره زمانی بلندمدت حرکت کنیم، وابستگی میان بحران های سه قلو و کسری بودجه بیشتر می شود و این وابستگی و هم حرکتی در نوسان های بحران بدهی دولت شدیدتر است. بر اساس نتایج پژوهش، میان نوسان های نرخ ارز و بودجه دولت، هم بستگی مثبت وجود دارد و این هم بستگی در بلندمدت افزایش می یابد. بر همین اساس، نوسان های نرخ ارز می تواند از طریق تغییر در مخارج جاری دولت، نوسان های بدهی دولت به شبکه بانکی را توضیح دهد.

هدف: از مهم ترین مباحث در اقتصاد، اثرگذاری بازار سهام بر رشد و توسعه اقتصادی است. بازار سهام با فراهم ساختن بستر لازم برای تأمین نقدینگی شرکت ها، امکان سرمایه گذاری در پروژه های بلندمدت را فراهم می آورد و توسعه اقتصادی را سبب می شود. در کنار نقش بازار سهام کارآمد در پیشرفت و توسعه اقتصادی، وجود ثبات اقتصادی و داشتن تورم اندک نیز، عامل بسیار مهمی برای توسعه اقتصادی قلمداد می شود. این دو عامل با وجود اثرگذاری بر توسعه اقتصادی، از یکدیگر نیز اثر می پذیرند. با وجود اینکه تورم سبب مختل شدن سرمایه گذاری و رشد اقتصادی می شود، می تواند به تحریک بازار سهام و افزایش بازده این بازار در راستای پوشش تورمی منجر شود. از سوی دیگر، تورم می تواند با تقویت سایر بازار دارایی مانند ارز، مسکن و طلا، بازار سهام را تضعیف کند. بنابراین، بررسی اثرهای تورم بر بازار سهام، بسیار حائز اهمیت است و نقش بازار سهام در اقتصاد ایران را آشکار می کند. در این راستا، هدف اصلی پژوهش، بررسی اثرهای تورم بر بازار سهام و مشخص کردن این بحث است که بازار سهام تحت کدام رژیم تورمی، بیشترین بازده را دارد. روش: این مطالعه در راستای بررسی اثرهای تورم بر بازده بازار سهام اوراق بهادار تهران، در بازه زمانی ۱۳۹۰ تا ۱۴۰۰ و در قالب داده های ماهانه، از دو روش مارکوف سوییچنگ خودبرداری و پارامتر متغیر زمانی خودبرداری استفاده کرده است. مزیت اصلی هر دو روش یاد شده، غیرخطی بودن آن هاست. مقایسه نتایج دو روش می تواند مسئولان اقتصادی را در سیاست گذاری صحیح راهنمایی کند. یافته ها: نتایج مارکوف سوییچنیگ برداری نشان می دهد که تورم های به شدت بالا، ابتدا سبب افزایش شدید در بازده بازار سهام می شود؛ ولی وقفه های آن، به شدت بازده را تضعیف می کند. همچنین تورم های اندک با وجود ضریب اثرگذاری پایین نسبت به رژیم های تورمی بالا، در مجموع به تقویت بازار سهام منجر می شود. مطالعه حاضر در راستای بررسی استحکام نتایج، از روش پارامتر متغیر زمانی استفاده کرده است. نتایج این روش نشان می دهد که در بازه زمانی ۱۳۹۲ تا ۱۳۹۵ که میزان تورم اندک و با ثبات بوده است، بازده بازار سهام واکنش مثبت بالایی نسبت به سایر دوره ها داشته است. نتیجه گیری: در مجموع، مقاله حاضر با استفاده از این دو روش نشان می دهد که تورم های اندک با ثبات، در تقویت بازده بازار سهام تأثیر بسیار زیادی دارد. بنابراین، می توان دلیل مهم پایین بودن بازدهی بازر سهام اقتصاد ایران را معلول تورم های شدید ذکر کرد. همان گونه که تورم سبب بی ثباتی اقتصادی شده است، از طریق مختل کردن سرمایه گذاری، رشد اقتصادی را کُند و زمینه را برای رشد سفته بازی فراهم کرده است و همچنین، بازار سهام را به بازار غیر مولد که در صدد به دست آوردن سودهای کوتاه مدت است، تبدیل کرده است؛ از این رو، کنترل تورم برای اصلاح و منطقی کردن بازدهی بازار ضروری است.

هدف: ریسک سیستمی با سرایت بین بخش های مختلف بازار، باعث ایجاد بحران و بی ثباتی مالی در اقتصاد می شود؛ از این رو شناخت، اندازه گیری، کنترل و مقابله با ریسک سیستمی ضرورت دارد. از آنجا که نهادهای مالی با تمامی نهادها ارتباط وسیعی دارند و می توانند ریسک را انتقال و گسترش دهند، عمده پژوهش های انجام شده در حوزه ریسک سیستمی، به بخش مالی اختصاص پیدا کرده است و ریسک سیستمی بخش غیرمالی کمتر در کانون توجه بوده است. از سوی دیگر نهادهای غیرمالی نیز با یکدیگر و با بخش مالی ارتباطات وسیعی دارند، در نتیجه اهمیت سیستمی برای بخش غیرمالی نیز به صورت بالقوه موضوعیت دارد. با توجه به اهمیتی که ریسک سیستمی در ثبات و پایداری اقتصاد دارد و نظر به جایگاه نهادها و صنایع غیرمالی در اقتصاد جامعه، بایستی اهمیت سیستمی نهادها و صنایع غیرمالی ارزیابی و تبیین شود. همچنین شناخت محرک های ریسک سیستمی در شرکت های غیرمالی به شناخت بهتر شرکت های غیرمالی مهم سیستمی، اخذ تصمیمات اقتصادی و تدوین قوانین مناسب متعاقب کمک می کند. از طرفی، در تصمیمات مدیریت ریسک پرتفو، اغلب از معیارهای ریسک انفرادی نهادها استفاده شده و سرایت ریسک بین نهادها در نظر گرفته نشده است؛ بنابراین مقتضی است که برای مدیریت بهتر ریسک پرتفو، ریسک سیستمی نیز در تصمیم ها لحاظ شود. با توجه به آنچه بیان شد، هدف پژوهش حاضر، بررسی جامع ریسک سیستمی بخش غیرمالی از چهار منظر متفاوت است؛ بدین منظور اهمیت سیستمی شرکت های غیرمالی بررسی شد و شرکت ها از نظر ریسک سیستمی رتبه بندی شدند؛ همچنین اهمیت سیستمی صنایع مختلف بازار سرمایه ایران نیز بررسی و رتبه تمامی صنایع از نظر ریسک سیستمی مشخص شد. به علاوه، ویژگی های خاص شرکتی مرتبط با ریسک سیستمی شرکت های غیرمالی شناسایی و در پایان کاربست ریسک سیستمی توسط سبدگردانان، سرمایه گذاران و سیاست گذاران در مدیریت ریسک پرتفو تبیین شد. روش: ریسک سیستمی در پژوهش حاضر، توسط معیار ریزش مورد انتظار نهایی (MES) اندازه گیری شد و تحلیل ها در سطح شرکت، صنعت و پرتفوهای تصادفی صورت پذیرفت؛ بدین منظور ۲۸۴ شرکت مالی و غیرمالی، به علاوه صنعت مالی و صنایع غیرمالی و ۳ گروه پرتفو جداگانه که هر گروه پرتفو، مشتمل بر ۱۰۰ پرتفو تصادفی است، در دوره زمانی ۱۳۸۷ تا ۱۴۰۱ بررسی شدند. اهمیت سیستمی شرکت ها و صنایع غیرمالی، به ترتیب از طریق مقایسه میانه معیار MES بین شرکت های غیرمالی و شرکت های مالی و همچنین، صنایع غیرمالی و صنعت مالی مشخص شد. با انجام رتبه بندی، بااهمیت ترین و کم اهمیت ترین شرکت ها و صنایع از نظر سیستمی تعیین شدند. به علاوه، به منظور شناخت ویژگی های خاص شرکتی مرتبط با MES در شرکت های غیرمالی در سطح مقطعی و در طول زمان، از روش رگرسیونی جدید اثرهای تصادفی درونی بینابینی استفاده شد که اثر هر ویژگی خاص شرکتی را به طور هم زمان، در دو بُعد مقطع و زمان بر ریسک سیستمی ارزیابی می کند و در پایان، به منظور ارزیابی تأثیر اهمیت سیستمی شرکت ها و وزن تخصیص یافته به شرکت های مهم سیستمی بر ریسک پرتفو، میانه معیارهای ریسک نامطلوب بین گروه های مختلف پرتفویی مقایسه شد. یافته ها: نتایج پژوهش نشان می دهد که شرکت های غیرمالی و صنایع غیرمالی دارای اهمیت سیستمی هستند؛ همچنین نتایج تحلیلی جداگانه روی شرکت های بزرگ بازار سرمایه، حاکی از آن است که اهمیت سیستمی شرکت های غیرمالی بزرگ با اهمیت سیستمی شرکت های مالی بزرگ، تقریباً برابری می کند. به علاوه در دوره زمانی پژوهش شرکت های فولاد مبارکه اصفهان و معدنی دماوند، به ترتیب بااهمیت ترین و کم اهمیت ترین شرکت از نظر سیستمی بوده اند و صنعت لاستیک و پلاستیک و صنعت دارو نیز، به ترتیب بااهمیت ترین و کم اهمیت ترین صنعت از نظر سیستمی بوده اند. از طرفی، ویژگی های خاص شرکتی بتا، ارزش در معرض خطر، حساب های دریافتنی، اندازه، نگهداشت نقدینگی، تقسیم سود نقدی، دارایی های ثابت مشهود و وابستگی مالی خارجی، به صورت مستقیم و معناداری با MES مرتبط هستند. همچنین، نتایج نشان می دهد که اهمیت سیستمی شرکت ها و میزان سرمایه گذاری در شرکت های مهم سیستمی، بر ریسک نامطلوب پرتفوهای سرمایه گذاری تأثیرگذار است. نتیجه گیری: به منظور حفظ ثبات اقتصادی، بایستی ریسک سیستمی بخش غیرمالی همچون بخش مالی مدنظر قرار گیرد. به طور مثال با شناخت محرک های ریسک سیستمی در شرکت های غیرمالی، می توان به کنترل ریسک سیستمی کمک کرد. سرمایه گذاران، متولیان و قانون گذاران صندوق های سرمایه گذاری با لحاظ کردن ریسک سیستمی تمامی شرکت ها در تصمیم های خود، باعث مدیریت بهتر ریسک پرتفو می شوند.  

هدف: در این پژوهش، به بررسی و بهبود مدیریت ریسک عملیاتی در بانک ها با استفاده از الگوریتم های یادگیری ماشین پرداخته شده است. مدیریت مؤثر ریسک عملیاتی که از نقص های داخلی یا خارجی در فرایندها، سیستم ها و افراد نشئت می گیرد، به دلیل تأثیرهای منفی آن بر عملکرد و پایداری بانک ها، اهمیت بسیار زیادی دارد. هدف این پژوهش، ارائه رویکردی نوین برای بهبود مدیریت ریسک های عملیاتی در بانک ها با استفاده از تکنیک های یادگیری ماشین است. با توجه به اهمیت پیش بینی دقیق ریسک های عملیاتی، برای جلوگیری از خسارت های احتمالی و بهبود فرایندهای تصمیم گیری در صنعت بانکداری، این پژوهش به دنبال ارتقای دقت و کارایی مدل های پیش بینی ریسک است. تمرکز اصلی بر استفاده از داده های واقعی بانک ها و ارزیابی الگوریتم های یادگیری ماشین، به منظور شناسایی بهترین روش ها برای پیش بینی سطوح ریسک های مختلف است. روش: در این پژوهش از الگوریتم های یادگیری ماشین برای پیش بینی سطح وقوع ریسک های عملیاتی استفاده شده است. داده ها از مجموعه داده های ریسک عملیاتی یکی از بانک های ایرانی در دوره زمانی ۱۳۹۵ تا ۱۴۰۲ با ۴۲۱۳ رکورد و ۱۲ ویژگی جمع آوری شدند. پس از پیش پردازش داده ها، از الگوریتم های مختلف یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، رگرسیون لجستیک، بیز ساده و k نزدیک ترین همسایه، برای آموزش مدل ها استفاده شد. داده ها به نسبت ۸۰ به ۲۰ به مجموعه های آموزشی و آزمون تقسیم و با استفاده از اعتبارسنجی متقابل K تایی ارزیابی شدند. عملکرد مدل ها با استفاده از معیارهایی نظیر دقت، صحت، یادآوری، F1-score و منحنی ROC-AUC سنجیده و بهترین مدل برای پیش بینی های آتی انتخاب شد. یافته ها: یافته های این پژوهش نشان می دهد که استفاده از الگوریتم های یادگیری ماشین، می تواند به طور چشمگیری دقت پیش بینی ریسک های عملیاتی در بانک ها را افزایش دهد. در ارزیابی الگوریتم های مختلف، الگوریتم SVM و RF بهترین عملکرد را نشان دادند، به ویژه در طبقه بندی کلاس سوم که دقت مدل با معیار AUC نزدیک به ۱ بود. این نتایج از توانایی بالای این دو الگوریتم در تمایز دقیق بین سطوح مختلف ریسک های عملیاتی حکایت می کند. در مقابل، الگوریتم های LR و NB ضعیف ترین عملکرد را از خود نشان دادند و نتوانستند به خوبی ریسک ها را پیش بینی کنند. به طور کلی، یافته ها نشان می دهد که الگوریتم های قدرتمندی مانند SVM و RF می توانند ضمن کمک به بهبود مدیریت ریسک های عملیاتی در بانک ها، از آسیب های نشئت گرفته از مدیریت نادرست این ریسک ها جلوگیری کنند. نتیجه گیری: این پژوهش نشان داد که استفاده از الگوریتم های یادگیری ماشین می تواند به طور درخور توجهی به بهبود مدیریت ریسک های عملیاتی در بانک ها کمک کند. الگوریتم های پیشرفته یادگیری ماشین، به ویژه SVM و RF، برای پیش بینی ریسک های عملیاتی دقت بیشتری ارائه دادند و امکان شناسایی الگوهای پیچیده و غیرمعمول را فراهم کردند. این فناوری ها با بهبود کارایی و کاهش هزینه های مربوط به مدیریت ریسک، به بانک ها کمک می کنند تا استراتژی های بهتری برای مقابله با ریسک های عملیاتی تدوین کنند؛ از این رو به کارگیری مستمر این فناوری ها می تواند عملکرد بانک ها را در زمینه مدیریت ریسک عملیاتی ارتقا بخشد.

هدف: امروزه سرمایه گذاران در بازارهای مالی با مجموعه متنوع و گسترده ای از ابزارهای مالی روبه رو هستند که هر یک، ویژگی ها و مزیت های خاص خود را دارد. این ابزارها به سرمایه گذاران این امکان را می دهند تا بر اساس اهداف مالی، سطح تحمل ریسک و بازدهی مورد انتظارشان، مناسب ترین گزینه ها را انتخاب کنند. در این میان، نقش شخصیت و ویژگی های روان شناختی افراد، به ویژه هوش هیجانی، در انتخاب ها و تصمیم گیری های مالی بسیار پُررنگ است. توانایی مدیریت احساسات و رفتارهای هیجانی، می تواند روی میزان ریسک پذیری و انتخاب ابزارهای مالی مناسب تأثیر شایان توجهی داشته باشد. علاوه براین، خُلق وخوی سرمایه گذاران هنگام مواجهه با فرصت ها و چالش های مالی، در میزان ریسک پذیری سرمایه گذاران عاملی تعیین کننده است. به این سبب، پژوهش حاضر به بررسی تأثیر هوش هیجانی بر ریسک پذیری سرمایه گذاران با نقش میانجی خُلق وخوی سرمایه گذاران می پردازد. روش: این پژوهش از نظر هدف کاربردی و از نظر ماهیت، از نوع هم بستگی است. در این پژوهش، از پرسش نامه برای جمع آوری داده ها بهره گرفته شده است. جامعه آماری این پژوهش، سرمایه گذاران بورس اوراق بهادار تهران است که از میان آن ها، ۳۸۲ سرمایه گذار به طور داوطلبانه و با استفاده از روش نمونه گیری غیرتصادفی انتخاب و آزمون شدند. در این پژوهش از پرسش نامه هوش هیجانی سالووی و مایر (۱۹۹۰) با ۳۳ گویه، پرسش نامه پاناس (۱۹۸۸) برای خُلق وخوی سرمایه گذاران با ۲۰ گویه و پرسش نامه ریسک پذیری سرمایه گذاران گربل (۲۰۰۰) با ۱۸ گویه برای سنجش متغیرها استفاده شده است. در راستای تأیید اعتبار پرسش نامه ها، علاوه بر روایی صوری و محتوایی، روایی سازه نیز ارزیابی شد. برای بررسی پایایی متغیرهای پژوهش، از شاخص های آلفای کرونباخ، پایایی ترکیبی و میانگین واریانس استخراج شده استفاده شد. مقدار آلفای کرونباخ و پایایی ترکیبی برای همه متغیرها بیشتر از آستانه 7/0 و مقدار میانگین واریانس استخراج شده نیز بالاتر از 5/0 بود که این موضوع پایایی مطلوب متغیرها را نشان می دهد. همچنین فرضیه های پژوهش با استفاده از روش معادلات ساختاری و نرم افزار اسمارت پی ال اس آزمون شدند. یافته ها: ابتدا مدل اندازه گیری بررسی شد تا اطمینان حاصل شود که سؤال های پرسش نامه، متغیرهای پنهان را  به درستی اندازه گیری می کنندنتایج تحلیل عاملی نشان داد که ساختار عاملی مدل پیشنهادی، از روایی مناسبی برخوردار است. تمامی شاخص ها، بار عاملی بالای 5/0 داشتند که نشان دهنده ارتباط قوی بین شاخص ها و متغیرهای پنهان مربوطه است. براساس یافته ها، هوش هیجانی بر ریسک پذیری سرمایه گذاران با ضریب مسیر 443/0 و آماره تی 661/8 تأثیر معناداری دارد. خُلق وخو بر ریسک پذیری سرمایه گذاران نیز با ضریب مسیر 217/0 و آماره تی191/4 تأثیر معناداری دارد. همچنین هوش هیجانی بر خُلق وخو هم با ضریب مسیر 534/0 و آماره تی 606/13 تأثیر معناداری دارد. در این پژوهش برای بررسی نقش میانجیگری متغیر خُلق وخو در رابطه بین متغیرهای هوش هیجانی و ریسک پذیری مالی، از آزمون سوبل استفاده شد. مقدار آزمون سوبل پس از آزمون 99/3 به دست آمد. برای بررسی قدرت پیش بینی ریسک پذیری مالی توسط مدل نیز از شاخص های ضریب تعیین تنظیم شده، میزان اثر، شاخص برازش و شاخص اشتراک (افزونگی) استفاده شد. ضریب تعیین تنظیم شده قدرت مدل را 342/0 (کیفیت پیش بینی قوی) برآورد کرد. میزان اثرپذیری ریسک پذیری مالی از هوش هیجانی و خُلق وخو، به ترتیب 215/0 (کیفیت پیش بینی متوسط) و 051/0 (کیفیت پیش بینی متوسط) ارزیابی شد. شاخص کلی برازش برای مدل 436/0 (کیفیت سنجی قوی) و شاخص اشتراک مدل نیز 86/0(بسیار خوب) به دست آمد. نتیجه گیری: پژوهش حاضر به بررسی تأثیر هوش هیجانی و خُلق وخو بر ریسک پذیری مالی پرداخته است. نتایج نشان داد که هوش هیجانی با ریسک پذیری مالی رابطه مثبت و معناداری دارد. افراد با هوش هیجانی بیشتر، ریسک ها را بهتر شناسایی می کنند و به پذیرش ریسک تمایل بیشتری دارند. همچنین، خُلق وخو بر ریسک پذیری مالی تأثیر چشمگیری دارد؛ به ویژه خُلق مثبت که می تواند ادراک ریسک را بهبود بخشد. افراد با خُلق مثبت، ریسک ها را به عنوان فرصت های رشد می بینند و تمایل بیشتری به پذیرش آن ها دارند. هوش هیجانی همچنین تأثیر معناداری بر خُلق وخو دارد؛ به طوری که افراد با هوش هیجانی بیشتر، خلق مثبت تری از خود نشان می دهند. در نهایت یافته ها نشان می دهند که خُلق وخو به عنوان یک عامل میانجی در تأثیر هوش هیجانی بر ریسک پذیری مالی عمل می کند. این نتایج می توانند به بهبود تصمیم گیری های مالی و کاهش خطاهای رفتاری در سرمایه گذاران کمک کنند.

هدف: برای امتیازدهی به مشتریان، بایستی یک سیستم امتیازدهی مناسب و عادلانه تعیین شود؛ سیستمی که بتواند با در نظر گرفتن معیارهای اعتباری و رفتاری، مشتریان را در رده های مختلف قرار دهد و بر اساس عملکرد آن ها، به آن ها امتیازهای متناسب اختصاص دهد. علاوه براین، به توسعه روش هایی برای ارزیابی و پایش مشتریان در طول زمان نیاز است. هدف از این پژوهش، شناسایی و تحلیل شاخص های اعتباری و رفتاری و ارائه مدلی برای رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه (بدون وثیقه) است. اعتبارسنجی مشتریان فرایند پیچیده ای است که شامل مراحل بررسی مدارک، تحلیل وضعیت مالی و تاریخچه پرداخت های قبلی مشتریان است. یکی از موضوعات مهم در اعتبارسنجی مشتریان، تعیین میزان، توان و قابلیت بازپرداخت وام توسط مشتریان است. هدف از این پژوهش، ارائه مدل اعتبارسنجی و رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه و برآورد احتمال نکول تسهیلات خُرد بدون پشتوانه، در بانکداری دیجیتال بانک خاورمیانه است. روش: جامعه آماری این پژوهش، کلیه مشتریان خُرد بانکداری دیجیتال بانک خاورمیانه بود و از روش تمام شماری برای مشتریان سال های ۱۴۰۰ تا ۱۴۰۱ استفاده شد. مبنای این پژوهش برای رتبه بندی مشتریان در تسهیلات خُرد بدون پشتوانه، مدلی بود که در پژوهش احمدی کوشا و همکاران (۱۴۰۳) ارائه شد؛ از این رو شاخص هایی همچون سن، مبلغ وام دریافتی، مبلغ مجاز درخواست وام، مبلغ کل تسهیلات دریافتی، امتیاز، تأیید پول شویی، جنسیت، شغل، شهر، مدرک، وضعیت وام و نوع شغل، به عنوان متغیرهای ورودی اولیه در نظر گرفته شدند. در ادامه، از رگرسیون فازی و با الهام از کتابخانه های نرم افزار Python مانند SciKit-Fuzzy و NumPy، داده ها تحلیل شدند و در ادامه، فرمولی برای رگرسیون فازی به دست آمد. همچنین، به منظور ارزیابی نهایی مدل اعتبارسنجی و رتبه بندی مشتریان تسهیلات خُرد بدون پشتوانه، از یک مثال برای یک مشتری استفاده شد. یافته ها: بر اساس خروجی به دست آمده، متغیرهای مبلغ وام دریافتی درخواست شده، مبلغ کل تسهیلات و شغل، تأثیری در پرداخت اقساط ۶۰ روز بعد از سررسید ندارد. افزون براین، رتبه بندی متغیرهای مهم در پرداخت اقساط ۶۰ روز بعد از سررسید، به ترتیب عبارت اند از: وضعیت تسویه وام، وضعیت پول شویی، جنسیت، مدرک، سن، امتیاز، نوع شغل و شهر. همچنین، اعتبار و قدرت پیش بینی مدل، از طریق یک مشتری بررسی شد که نمره 8738/0 به دست آمد که نشان می دهد این مشتری در پرداخت اقساط ۶۰ روز بعد از سررسید، در وضعیت خوبی قرار داشته است. بدین ترتیب کارآمدی مدل در ارزیابی و مدیریت ریسک اعتباری آزمون شد. استفاده از این مدل برای مؤسسه های مالی در تضمین شیوه های وام دهی پایدار حیاتی است. نتیجه گیری: با توجه به متغیرهای شناسایی شده مؤثر بر رفتار پرداخت پس از سررسید، برای مؤسسه های مالی ضروری است که این عوامل را در چارچوب های ارزیابی ریسک خود بگنجانند. این بانک باید اجرای پروتکل های سخت گیرانه مبارزه با پول شویی را در اولویت قرار دهد و به طور منظم معیارهای ارزیابی ریسک خود را به روز کند تا با الزامات نظارتی هماهنگ شود. همچنین، برای به حداکثر رساندن کاربرد این مدل، بانک خاورمیانه باید در نظارت و اصلاح مستمر مدل سرمایه گذاری و از آخرین داده های موجود از رفتارهای مشتری برای انطباق با پویایی بازار استفاده کند.

هدف: در حوزه اقتصاد، بسیاری از اقتصاددانان بر این دیدگاه هستند که سیاست های پولی در کوتاه مدت، می تواند بر بخش واقعی اقتصاد مؤثر باشد؛ ولی در خصوص کانال های اثرگذاری و اهمیت نسبی آن ها اختلاف نظر دارند. در بسیاری از کشورها، تلاش برای درک اهمیت نسبی کانال های سازوکار انتقال سیاست های پولی در بازار مالی، همچنان انگیزه اصلی برای انجام تجزیه وتحلیل تجربی انتقال سیاست های پولی در بازار مالی، در حمایت از مدیریت مؤثر سیاست پولی در بازار مالی به شمار می آید. روش: برای اجرای پژوهش، از رویکرد غیرخطی قضیه گاوس مارکوف استفاده شد. مدل های رگرسیونی خطی، چارچوب غنی و وسیعی را دربرمی گیرند که نیاز تحلیل های زیادی را برآورده می کند و پاسخ می دهد. رگرسیون خطی نمی تواند برای همه مسائل مناسب باشد؛ زیرا بعضی از اوقات، پاسخ و متغیرهای رگرسیونی با تابع غیرخطی معلوم به هم مربوط می شوند. از مهم ترین مزیت استفاده از مدل های غیرخطی، می توان به ارائه برآورد خوب از پارامترهای مجهول در مدل با استفاده از مجموعه کوچکی از داده ها اشاره کرد. یافته ها: در گذشته، نتایج مطالعات سازوکار انتقال سیاست های پولی در بازارهای مالی این بوده است که سیاست های پولی در بازار مالی، از طریق بسیاری از کانال ها منتقل می شود؛ ولی اثرهای آن بر تولید و قیمت ها با تأخیر همراه است. از طرفی، سهم کانال نرخ تورم در انتقال پول به قیمت ها، در رژیم صفر (رشد کم پول) نسبت به رژیم یک (رشد زیاد پول) بیشتر و ماندگارتر است. به عبارتی در رژیم صفر، افزایش پول موجب افزایش بیشتر نرخ تورم می شود و افزایش نرخ تورم، بروز اثرهای ماندگارتر بر سطح قیمت ها را موجب می شود؛ بنابراین باتوجه به اینکه کانال نرخ تورم در هر دو رژیم، در انتقال پول بر تولید نقش منفی داشته است، توصیه می شود که بانک مرکزی به منظور افزایش تولید با کنترل سایر عوامل مؤثر بر نرخ تورم، از جهش و رشد بیشتر نرخ تورم جلوگیری کند. نتیجه گیری: نقش کانال نرخ تورم در سازوکار انتقال پول، حاکی از این است که افزایش حجم پول از کانال نرخ تورم، در رژیم صفر در انتقال پول به تولید نقشی نداشته است، در حالی که در رژیم یک، کانال نرخ تورم در انتقال پول بر تولید سهم چشمگیری ایفا کرده است و تغییرات پول از طریق این کانال، موجب کاهش تولید شده است. سازوکار انتقال سیاست های پولی در بازارهای مالی، به تأثیرهای سیاست های پولی در بازار مالی بر تولید و قیمت ها مربوط می شود و همچنان در بسیاری از کشورها، انگیزه اصلی برای انجام تجزیه وتحلیل تجربی انتقال سیاست های پولی در بازار مالی، برای حمایت از مدیریت مؤثر سیاست پولی در بازار مالی، به شمار می آید تا آثار منفی آن بر تولید را محدود کند.  

هدف: بیت کوین از زمان آغاز به کار خود در سال ۲۰۰۹، از نظر پذیرش عمومی به عنوان قدیمی ترین ارز دیجیتال، رشد فوق العاده ای را تجربه کرده است؛ با این حال، تحول آن از یک ارز دیجیتال آزمایشی، به یک شبکه پرداخت مالی اصلی، چالش های جدیدی را در رابطه با مقیاس پذیری و ظرفیت ایجاد کرد. این مطالعه به دنبال بررسی چگونگی پاسخ کارمزد تراکنش بیت کوین به عوامل مالی و فنی درون شبکه در دوره های مختلف عمر آن است. این پژوهش دیدگاه نوینی درباره پویایی یک ارز و بلوغ شبکه پرداخت غیرمتمرکز ارائه می دهد. روش: داده های شبکه بلاکچین بیت کوین از سال ۲۰۰۹ تا ۲۰۲۳ جمع آوری و در سه دوره، شامل دوره پذیرش اولیه (۲۰۰۹ تا ۲۰۱۴)، دوره سوداگرانه (۲۰۱۴ تا ۲۰۱۸) و دوره چالش مقیاسپذیری (۲۰۱۸ تا ۲۰۲۳) تفکیک و تحلیل شده است. مدل سازی ARDL برای تحلیل روابط کوتاه مدت و بلندمدت استفاده شده است. متغیر وابسته کارمزد تراکنش و متغیرهای توضیحی، شامل قیمت بیت کوین، متوسط ارزش تراکنش ها به بیت کوین، اندازه بلاک، سختی شبکه و حجم تراکنش است. یافته ها: نتایج نشان می دهد که در دوره پذیرش اولیه که قیمت و کارمزد روز قبل در دوره کوتاه مدت بر کارمزد تراکنش مؤثر است، قیمت نیز در بلندمدت بر کارمزد تراکنش تأثیر می گذارد. در دوره سوداگرانه، حجم تراکنش ارسالی، اندازه بلاک و کارمزد روز قبل در کوتاه مدت و در بلندمدت سختی شبکه، بر کارمزد تراکنش اثرگذاری معناداری دارد. در دوره چالش مقیاس پذیری، در کوتاه مدت کارمزد تراکنش روز قبل، قیمت بیت کوین، متوسط ارزش تراکنش ها به بیت کوین، اندازه بلاک، سختی شبکه و حجم تراکنش و در بلندمدت سختی شبکه و سایز بلاک بر کارمزد اثر معناداری دارد. همچنین در دوره چالش مقیاس پذیری، کارمزد روز قبل اثرگذاری بالایی بر کارمزد روز جاری دارد؛ به طوری که نوعی چسبندگی را ایجاد کرده است که تا پایان دوره ادامه می یابد. به طور کلی، کارمزدها در طول دوره ها از طریق یادگیری عوامل مؤثر بر آن تثبیت می شوند؛ زیرا رفتار کاربران و استخراج کنندگان پیرامون محدودیت های بلاک و انگیزههای پاداش استخراج، بهینه شده اند. در طول دوره پذیرش اولیه، کارمزد تراکنش ها به دلیل نوپا بودن بیت کوین و استفاده محدود، نوسان های بالایی داشت. همان طور که ارزهای دیجیتال به طور فزاینده به عنوان سازوکار پرداخت در دوره سوداگرانه مورد استفاده قرار گرفت، پارامترهای فنی اثرگذار بر اندازه بلاک و ظرفیت پردازش باعث شد که کارمزدها بیشتر منعکس کننده تقاضای در شبکه باشند. ظهور محدودیت های مقیاس پذیری که بلاکچین در دوره چالش مقیاس پذیری با آن مواجه است، باعث شد که پویایی کارمزدها به معیارهای بیشتری مرتبط شود که به عنوان نماینده هایی برای سطح فعالیت و استفاده از شبکه عمل می کنند. نتیجه گیری: همان طور که بیت کوین در مفهوم جدید به شبکه پرداخت تبدیل شد، کارمزدها به جای نوسان تصادفی در دوره پذیرش اولیه، با تقاضا و انگیزه های مشارکت کنندگان شبکه در دوره چالش مقیاس پذیری هم سو شده است. تفکیک داده های شبکه بیت کوین به سه دوره زمانی، دیدگاه نوینی از چگونگی کارکرد شبکه های غیرمتمرکز و عوامل مؤثر بر بازار کارمزد در دوره های مختلف بلوغ شبکه را فراهم می کند.  

هدف: شرکت های بیمه از جنبه بازرگانی، مانند سایر بخش های اقتصاد، برای حداکثرسازی سود خود فعالیت می کنند؛ اما شرکت های بیمه با دیگر شرکت ها و بنگاه های مالی تفاوت هایی دارند. به دلیل پوشش ریسک سایر بخش ها توسط این شرکت ها و درنتیجه، تمرکز ریسک در این بخش، عملکرد آن ها برای ماندگاری در فعالیت های اقتصادی آسیب پذیرتر می شود. بنابراین، حساسیت ارزیابی عملکرد این شرکت ها از منظر ریسک و مدیریت آن، در مقایسه با سایر بنگاه های اقتصادی و مالی دو چندان است. نسبت های سنتی توانگری مالی کفایت سرمایه را می سنجند؛ اما لزوماً تضمین کننده نقدینگی لحظه ای در زمان وقوع خسارت های فاجعه بار و دارای دم کلفت (Fat-tail) نیستند. هدف این پژوهش، توسعه مدلی برای ارزیابی تاب آوری شرکت های بیمه در مواجهه با ریسک خسارت های ادعا شده، تحت دو سناریو شرایط عادی و بحرانی، بدون پیش فرض های اولیه، روی توزیع خسارت های شرکت است. روش: رویکرد این پژوهش توصیفی تحلیلی است. جامعه آماری پژوهش، تمامی شرکت های بیمه عمومی پذیرفته شده در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۳ تا ۱۴۰۳ است. نمونه آماری، براساس امکان دسترسی به داده ها و صورت های مالی فصلی شرکت ها انتخاب شد. داده های استفاده شده در این پژوهش، عبارت اند از: صورت های مالی ۳ ماهه شرکت های بیمه و اطلاعات داخلی شرکت های بیمه، شامل تعداد کل بیمه نامه های صادره، کل مبلغ حق بیمه های صادره و دریافتی، تعداد کل و مبلغ کل خسارت پرداختی با تواتر فصلی. برای حذف اثر تورم، مقادیر متغیرهای مربوط به مبالغ خسارت و همچنین دارایی ها با استفاده از شاخص قیمت مصرف کننده، حقیقی سازی و سپس با فیلتر تفاضل گیری لگاریتمی، روندزدایی شدند. در مرحله بعد، توزیع های آماری مناسب به داده ها برازش شد و درنهایت با تعریف و محاسبه سه شاخص وضعیت خطر شرکت بیمه، نسبت پوشش ریسک در شرایط عادی و نسبت پوشش ریسک در شرایط بحرانی، وضعیت شرکت ها بررسی شد. یافته ها: نتایج تحلیل از برتری قدرت توضیح دهندگی شاخص های پیشنهادی، در مقایسه با نسبت توانگری ساده حکایت می کند. بر اساس یافته ها، حتی در شرایط دستیابی به نسبت توانگری استاندارد (سطح یک)، ناتوانی در مدیریت کیفیت دارایی های نقدشونده می تواند به ورشکستگی پنهان منجر شود. نتیجه گیری: مدل پیشنهادی اثبات می کند که مدیریت ریسک نقدینگی باید به عنوان یک مکمل ضروری برای نسبت توانگری در نظر گرفته شود. به کارگیری این مدل به نهادهای ناظر اجازه می دهد تا پیش از وقوع ورشکستگی، هشدارهای اولیه را شناسایی کنند.