1مدیریت دارایی
زهره حاجیها؛ فاطمه صفری
چکیده
چولگی بازده سهام یکی از پدیدههای مشاهدهشده در بازارهای مالی است که سوگیریهای روانشناسی یا گرایش به اعداد خاص را در بازار نشان میدهد. پژوهش حاضر، ارتباط ریسک سیستماتیک و چولگی بازده سهام را بررسی میکند. برای دستیابی به این هدف، دو فرضیه تدوین و برای آزمون فرضیهها، 98 شرکت از بین شرکتهای پذیرفتهشده در بورس اوراق بهادار ...
بیشتر
چولگی بازده سهام یکی از پدیدههای مشاهدهشده در بازارهای مالی است که سوگیریهای روانشناسی یا گرایش به اعداد خاص را در بازار نشان میدهد. پژوهش حاضر، ارتباط ریسک سیستماتیک و چولگی بازده سهام را بررسی میکند. برای دستیابی به این هدف، دو فرضیه تدوین و برای آزمون فرضیهها، 98 شرکت از بین شرکتهای پذیرفتهشده در بورس اوراق بهادار در سالهای 1392-1387 انتخاب شد. برای آزمون فرضیهها از رگرسیون چندمتغیره با دادههای تابلویی استفاده شده است. نتایج حاصل از فرضیۀ نخست پژوهش نشان میدهد بین ریسک سیستماتیک سهام با چولگی مثبت بازده سهام، ارتباط مستقیم و معنیدار وجود دارد. نتایج حاصل از فرضیۀ دوم پژوهش نیز نشان میدهد بین ریسک سیستماتیک سهام با چولگی منفی سهام، ارتباط مستقیم و معنیدار وجود دارد؛ به عبارت بهتر، هرچه ریسک سیستماتیک بیشتر باشد، چولگی بازده سهام بیشتر است و برعکس؛ بهعبارتی، اصل ثابتشدۀ ارتباط مستقیم ریسک و بازده تأیید میشود.
1مدیریت دارایی
مهدی سالمی نجف آبادی؛ نصرالله سعادت فر؛ فرزاد کریمی
دوره 2، شماره 4 ، اسفند 1393، ، صفحه 35-50
چکیده
هدف این پژوهش افزایش بازده سرمایهگذاری با ارائه مدلهایی مبتنی بر هوش مصنوعی است. سرمایه گذاری در بازارهای مالی را می توان در بعدهای کوتاه مدت (روزانه) و میان مدت (ماهانه) بررسی کرد. در بعد کوتاه مدت دادههای روزانه بازارهای بورس اوراق بهادار تهران، ارز و سکه بهار آزادی از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج شده و به عنوان ...
بیشتر
هدف این پژوهش افزایش بازده سرمایهگذاری با ارائه مدلهایی مبتنی بر هوش مصنوعی است. سرمایه گذاری در بازارهای مالی را می توان در بعدهای کوتاه مدت (روزانه) و میان مدت (ماهانه) بررسی کرد. در بعد کوتاه مدت دادههای روزانه بازارهای بورس اوراق بهادار تهران، ارز و سکه بهار آزادی از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج شده و به عنوان ورودی به شبکههای عصبی (ANN) و مدل برنامهنویسی ژنی (GP) وارد شدند تا با استفاده از آنها قیمت روز آتی این بازارها پیش بینی شود. همچنین در بعد میان مدت بازده و ریسک ماهانه 20 شرکت فعالتر بورس و ریسک ماهانه بازار ارز و سکه بهار آزادی و سپرده بانکی به وسیله الگوریتم ژنی مورد استفاده قرار گرفت تا سبدهای سرمایهگذاری بهینه به سرمایهگذاران ارائه کند. نتایج حاصل از اجرای مدل ها بیانگر کارایی هر دو روش شبکه های عصبی مصنوعی و برنامه نویسی ژنی در پیش بینی کوتاه مدت بازارهای مالی است، در حالیکه شبکه های عصبی مصنوعی کارایی بهتری از خود بروز میدهند. همچنین کارایی الگوریتم ژنی در بهبود بازده و ریسک سرمایه گذاری از طریق شناسایی سبدهای بهینه سرمایه گذاری نیز به اثبات رسید.