2024-03-28T19:40:32Z
https://jferm.khatam.ac.ir/?_action=export&rf=summon&issue=8536
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
صفحات آغازین نشریه
2017
09
23
https://jferm.khatam.ac.ir/article_66591_08e29967e73bbdbd6ef1b03d7c7bb671.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
ارزش در معرض خطر درونروزی بر پایه مدل دیرش شرطی خودرگرسیو نامتقارن
احمد
پویانفر
علی
دمرلو ابهری
مسئله اصلی در مورد اندازهگیری ریسک بر مبنای معیار ارزش در معرض خطر با دادههای پرفراوانی، وجود فواصل زمانی نامنظم میان دادهها است. مدلسازی این فواصل زمانی از روشهای مختلفی صورت گرفته است. در این پژوهش به تخمین ارزش در معرض خطر درونروزی با توجه به اطلاعات معاملاتی برای 10 سهم نقدشونده از صنایع مختلف بورس اوراق بهادار تهران با رویکرد مدل دیرش شرطی پرداخته شده است. فواصل زمانی معاملات برای دادههای پرفراوانی با استفاده از مدلهای دیرش شرطی خودرگرسیو نامتقارن (AACD) و دیرش شرطی خودرگرسیو (ACD) مدلسازی شده و ارزش در معرض خطر درونروزی با استفاده از شبیهسازی مونت کارلو محاسبه شده است. نتایج بهدست آمده از پژوهش نشان میدهد که ارزش در معرض خطر درونروزی محاسبه شده بر پایه مدل دیرش شرطی خودرگرسیو نامتقارن در مقایسه با نتایج مدل دیرش شرطی خودرگرسیو (ACD) از دقت بالاتری برخوردار است. همچنین نتایج حاصل از تخمینها وجود یک الگوی روزانه در تغییرات ارزش در معرض خطر درونروزی را نشان میدهد. JEL: G23, G32 نحوه استناد به این مقاله: پویانفر، ا.، و دمرلو، ع. (1396). تخمین ارزش در معرض خطر درونروزی برپایه مدل دیرش شرطی خودرگرسیو نامتقارن. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 278-296.
ارزش درمعرض خطر درونروزی
دادههای پرفراوانی
مدل دیرش شرطی خودرگرسیو نامتقارن
2017
09
23
278
296
https://jferm.khatam.ac.ir/article_66580_2bc4b55a233df5d3093f7616bfe5075e.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
ارائه مدلی برای سنجش پیشبینیکنندگی شاخص سرریز و ارتباط بین بازدهی شاخص سهام و جریان سرمایه صندوقهای سرمایهگذاری
احسان
طیبی ثانی
سعید
فلاح پور
در این پژوهش رابطه دینامیک میان بازدهی سهام و جریان نقدی صندوقهای سرمایهگذاری در ایران، از خرداد سال 1392 تا مرداد سال 1395، با استفاده از مدل VAR تعمیمیافته بررسی شده است. نتایج پژوهش نشان میدهد که تکانههای سرریز جریان نقدی صندوقهای سرمایهگذاری و تکانههای سرریز بازدهی سهام در مجموع بخش کمی از مجموع واریانس خطای پیشبینی بازدهی سهام و جریان نقدی صندوقهای سرمایهگذاری را توضیح میدهند. در ادامه پژوهش نسبت به استخراج یک شاخص سرریز از تکانههای جریان نقدی صندوقهای سرمایهگذاری و بازدهی شاخص سهام اقدام و قدرت پیشبینیکنندگی شاخص یاد شده در پیشبینی بازدهی شاخص سهام بررسی میشود و در پایان معناداری آماری شاخص سرریز با استفاده از آماره FQGLS در رگرسیون مربوطه برای دوره مورد نظر تأیید میگردد. JEL: G17, G23 نحوه استناد به این مقاله: طیبی ثانی. ا.، و فلاحپور، س. (1396). ارائه مدلی برای سنجش پیشبینیکنندگی شاخص سرریز و ارتباط بین بازدهی شاخص سهام و جریان سرمایه صندوقهای سرمایهگذاری. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 297-319
خودرگرسیون برداری
اثر سرریز
صندوقهای سرمایهگذاری
2017
09
23
297
319
https://jferm.khatam.ac.ir/article_66581_28477a12fc15e28e255b1a0e08371277.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
پیشبینی ریسک ورشکستگی مالی بر اساس مدلهای حسابداری، بازاری و ترکیبی با استفاده از تکنیک شبکههای عصبی RBF و MLP در بورس اوراق بهادار تهران
علیرضا
عاطفت دوست
مریم
محمودی
نجمه
راموز
در این مقاله، به پیشبینی ریسک ورشکستگی مالی بر اساس مدلهای حسابداری، بازاری و ترکیبی (ترکیب دو مدل فوق) با استفاده از تکنیکهای MLP و RBF شبکههای عصبی پرداخته شده و نتایج تکنیکهای مذکور بر اساس شاخص میانگین مربعات خطا در سه مدل یاد شده با هم مقایسه شدهاند. نتایج پژوهش نشان میدهد شبکه عصبی RBF نسبت به شبکه MLP در هر سه مدل شامل(متغیرهای حسابداری، بازاری و ترکیبی) کاراتر است و دقت مدل ترکیبی بیشتر از مدلهای حسابداری و بازاری است. JEL: C45, G17, G33 نحوه استناد به این مقاله: عاطفتدوست، ع.، محمودی، م.، و راموز، ن. (1396). پیشبینی ریسک ورشکستگی مالی بر اساس مدلهای حسابداری، بازاری و ترکیبی( ترکیب دو مدل) با استفاده از تکنیک شبکههای عصبی RBF و MLP در بورس اوراق بهادار تهران. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 320-339.
شبکههای عصبی
مدلهای پیشبینی ورشکستگی
ورشکستگی مالی
2017
09
23
320
339
https://jferm.khatam.ac.ir/article_66583_a89c3d3eed9a29654fbf12309cfce9e0.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
تاثیر افق سرمایهگذاری در بهینه کردن سبد سهام با استفاده از موجک و گارچ-کاپولا
محمدعلی
رستگار
محمد
اوکی نژاد
بررسی تاثیر افق سرمایهگذاری به اندازه موضوعات ریسک و بازده در تشکیل سبد سهام بهینه از اهمیت ویژهای برخوردار است. در این پژوهش تاثیر افق سرمایهگذاری بر ریسک و بازده یک سبد سهام در بورس اوراق بهادار تهران بررسی میشود. برای بهدست آوردن سبد سهام بهینه از روش تجزیه دادهها (موجک)، برای تعیین توزیع حاشیهای از مدل آریما-گارچ و برای تعیین توزیع توام سبد سهام از کاپولای تی استیودنت استفاده شده است. در این پژوهش معیار کارایی مدل، نسبت مبنی بر ارزش در معرض خطر انتخاب و وزنهای بهینه سبد سهام تعیین میشود. نتایج نشان میدهد مدل انتخاب شده در مقایسه با مدل بوتاسترپ و مدل ساده بدون تجزیه داده، بهتر عمل میکند. سایر نتایج بیان میکند، سرمایهگذاری با افق بلندمدت باید به دادههای تجزیه شده در سطح تجزیه شده بالا، با فرکانس پایین توجه نماید. همچنین سرمایهگذاری با افق کوتاهمدت باید دادههای تجزیه شده در سطح پایین با فرکانس بالا را مد نظر قرار دهد. JEL: G32, G11 نحوه استناد به این مقاله: رستگار، م. ع.، و اوکینژاد، م. (1396). تاثیر افق سرمایهگذاری در بهینه کردن سبد سهام با استفاده از موجک و گارچ-کاپولا. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 340-361.
افق سرمایهگذاری
ریسک سبد سهام
موجک
گارچ-کاپولا
2017
09
23
340
361
https://jferm.khatam.ac.ir/article_45201_f225298e0897fd571441d97b81624c20.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
بهینهسازی پرتفوی چندهدفه براساس میانگین، واریانس، آنتروپی و الگوریتم ازدحام ذرات
رضا
راعی
سعید
باجلان
مصطفی
حبیبی
علی
نیکعهد
هدف این مقاله بهینهسازی پرتفوی چندهدفه است. از اینرو معیاری جدید به نام آنتروپی معرفی میشود که برخلاف واریانس، وابسته به تقارن توزیع بازده داراییها نیست و میتوان از آن به عنوان معیاری جدید برای محاسبه ریسک سبد سهام در کنار واریانس استفاده کرد. در پژوهش پیش رو مدلی بر مبنای میانگین-واریانس-آنتروپی برای حل مسئله بهینهسازی پرتفوی ارائه شده است. در این پژوهش بر اساس مدلهای اقتصادسنجی ((ARIMA-GARCH، ریسک (واریانس) و بازده برای شرکتهای حاضر در پرتفوی برای دوره سه ماهه بعدی پیشبینی شده و با ورود دادهها به مدل پیشنهادی و از طریق الگوریتم ازدحام ذرات (PSO) اقدام به حل مسئله بهینهسازی شده است. برای مقایسه مدل پژوهش با مدل میانگین-واریانس مارکوویتز با استفاده از شاخص شارپ پرتفویهای محاسبه شده توسط هرکدام از روشها نشان داده شده است که مدل پیشنهادی پژوهش (میانگین-واریانس-آنتروپی) با استفاده از الگوریتم ازدحام ذرات از کارایی بالاتری نسبت به مدل میانگین-واریانس مارکوویتز برخوردار است.
JEL: G10, G17, G19
نحوه استناد به این مقاله: راعی، ر.، باجلان، س.، حبیبی، م.، و نیکعهد، ع. (1396). بهینهسازی پرتفوی چندهدفه براساس میانگین، واریانس، آنتروپی و الگوریتم ازدحام ذرات. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 362-379.
بهینهسازی چندهدفه
آنتروپی
روش ازدحام ذرات
2017
09
23
362
379
https://jferm.khatam.ac.ir/article_66584_56dc21ae64a330b372928fbebe0cf2e5.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
تعیین ترکیب بهینه داراییها: رویکرد ترکیبی مدل بلک-لیترمن و تغییرات رژیمها
محمد مهدی
موسوی
شهیره
نادری
خدیجه
حسنلو
یکی از مهمترین چالشهای مورد بحث مدیریت سرمایهگذاری، اهمیت نسبی تخصیص دارایی در مقابل انتخاب سهام است. از سوی دیگر تغییرات رژیمها تخصیص دارایی سنتی را با چالش جدی مواجه نموده که نیاز به یک رویکرد منعطفتر دارد. هدف پژوهش حاضر توسعه یک چارچوب مناسب برای مدلسازی استراتژی تخصیص دارایی پویا با در نظر گرفتن تغییرات رژیمها است. با توجه به پژوهشهای گذشته یک مدل ترکیبی از رژیم-متغیر مارکف و بلک-لیترمن برای تخصیص بهینه در طبقات مختلف دارایی در ایران طی دوره 212 ماهه از فروردین 1377 تا شهریور 1395 توسعه داده شده است. نتایج پژوهش نشان از وجود رژیمهای متفاوت مالی دارد که منجر به ترکیب بهینة متفاوت در هر رژیم شده است. در نهایت نتیجهگیری میشود که اسـتراتـژی تخصیـص دارایـی در سـهام سپرده یکساله بانکی با استفاده از مدل ترکیبی رژیم-متغیر مارکف و بلک-لیترمن، از نظر بازدهی و عملکرد مبتنی بر ریسک (معیار شارپ) بر سایر رویکردها برتری دارد.
انتخاب سهام
بلک-لیترمن
تخصیص دارایی
رژیم-متغیر
2017
09
23
380
397
https://jferm.khatam.ac.ir/article_45933_e81d0829af61ed9d220f61a7516dfa86.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
وجود حافظه بلندمدت در قالب پنجره غلتان پیشرونده: مطالعه موردی بورس اوراق بهادار تهران
علی
رئوفی
تیمور
محمدی
در سالهای اخیر توجه به وجود حافظه بلندمدت در سریهای زمانی، بخش اساسی و مهمی از تحلیلهای این حوزه را به خود اختصاص داده است. بر این اساس، استفاده از روشهای مورد استفاده در سریهای زمانی با حافظه کوتاهمدت مانند فرآیندهای ARMAبرای فرآیندهای با حافظه بلندمدت مناسب نیستند. از اینرو در این مقاله حافظه سری زمانی بازده بورس اوراق بهادار تهران مورد تخمین و تفسیر قرار گرفته است. بدین منظور از آزمونهای R/S، MRS و GPH برای بررسی وجود حافظه بلندمدت در بازده بورس اوراق بهادار تهران استفاده شده و برای اعتباردهی به نتایج آزمونها، با استفاده از بههمریختگی دادهها، نتایج بهدست آمده مورد ارزیابی قرار گرفته است. نتایج آزمونها نشان از وجود حافظه بلندمدت در سری بازده بورس اوراق بهادار تهران دارد و از اینرو برای تخمین و پیشبینی آن باید از مدلهای با حافظه بلندمدت استفاده شود. همچنین با استفاده از نتایج بهدست آمده میتوان شکل ضعیف فرضیه کارایی بازار را نقض کرد. بنابراین برای پیشبینی بازده بورس اوراق بهادار تهران میتوان از اطلاعات گذشته استفاده نمود. همچنین یافتههای پژوهش نشان میدهد بورس اوراق بهادار تهران طی دوره مورد بررسی کاراتر شده است. JEL: C16, G1, G14 نحوه استناد به این مقاله: رئوفی، ع.، و محمدی، ت. (1396). وجود حافظه بلندمدت در قالب پنجره غلتان پیشرونده: مطالعه موردی بورس اوراق بهادار تهران. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 397-424.
حافظة بلندمدت
تفاضل کسری
پیشبینی سریهای زمانی
بورس اوراق بهادار تهران
2017
09
23
398
425
https://jferm.khatam.ac.ir/article_66585_cac1534957877d7d3e92798de4b19e68.pdf
مدلسازی ریسک و مهندسی مالی
2538-5372
2538-5372
1396
2
3
چکیده های انگلیسی
2017
09
23
https://jferm.khatam.ac.ir/article_66592_17a48bbbdd059caf3f47021efdf8b56a.pdf