دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221Intraday Value at Risk Estimation with EVT-COPULA Approachتخمین ارزش در معرض ریسک دادههای درونروزی با رویکرد EVT-COPULA12914443747FAاحمد پویانفراستادیار گروه مالی، دانشگاه خاتم، تهران، ایرانسید حمید موسویکارشناسی ارشد مهندسی مالی، دانشگاه خاتم، تهران، ایرانJournal Article20160918Value at Risk is the most general risk measure in banks and financial institutions that lies in the tail of the P&L distribution. To measure VaR of a portfolio of assets, correlation of the assets must be considered. Thus, to properly measure VaR one needs an approach to calculate joint distribution of returns series and also because VaR lies in the tail of P&L distribution, a framework to model tail of the distribution is necessary. Thus, in this research with combining EVT; to model tail of the P&L distribution, and Copula, to model joint distribution and VaR of three most liquid stock in petrochemical industry of Tehran Stock Exchange is calculated and then compared with other approaches. To model extreme events, we use POT approach and we use elliptical copulas to find joint distribution of series and calculating VaR. Results shows the proposed model performs very well compared to other models in calculating VaR of the investigated time period.
<span>JEL: G23, G32</span>
How to cite this paper: Mousavi, S. H., & Pouyanfar, A. (2016). Intraday Value at Risk Estimation with EVT-Copula Approach. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 129–144. (In Persian)ارزش در معرض ریسک معمولترین معیار اندازهگیری ریسک در بانکها و موسسات مالی است که با توجه به مقادیر دنباله توزیع سود و زیان تخمین زده میشود. برای اندازهگیری ارزش در معرض ریسک سبدی از داراییهای مالی، باید همبستگی بین اجزای سبد در نظر گرفته شود. با توجه به اینکه نظریه ارزش فرین چارچوبی برای مدلسازی دنباله یک توزیع است و توابع کاپیولا توزیع توام متغیرهای تصادفی هنگامی که همبستگی بین این متغیرها وجود داشته باشد را مدلسازی میکنند، در این پژوهش با ترکیب نظریه ارزش فرین و کاپیولاها ارزش در معرض ریسک سبدی متشکل از سه نماد با بالاترین نقدشوندگی در صنعت پتروشیمی بورس اوراق بهادار تهران اندازهگیری و نتایج با مدلهای دیگر مقایسه شده است. برای مدلسازی مقادیر فرین از رویکرد فراتر از آستانه و برای محاسبه توزیع توام از توابع کاپیولای خانواده بیضوی استفاده شده است. نتایج پژوهش حاکی از برتری مدل ترکیبی نسبت به مدلهای شبیهسازی تاریخی، پارامتریک و مدل ترکیبی واریانس ناهمسان شرطی تعمیم یافته و نظریه ارزش فرین است.
<span>JEL: </span><span>G23, G32</span>
نحوه استناد به این مقاله : پویانفر، ا. و موسوی، ح. (1395). تخمین ارزش در معرض ریسک دادههای درونروزی به وسیله ترکیب نظریه ارزش فرین و کاپیولا. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 129-144.دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221Valuation Ratios and Stock Return Predictability; Evidence from TSEنسبتهای ارزشگذاری و قابلیت پیشبینی بازده بازار؛ شواهدی از بورس اوراق بهادار تهران14516542741FAسید مهدی برکچیاناستادیار گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایرانلیلا نصیریکارشناسی ارشد مهندسی سیستمهای اقتصادی و اجتماعی، دانشگاه صنعتی شریف، تهران، ایرانعلی ابراهیم نژاددکترای مالی، بوستون کالج، بوستون، امریکاJournal Article20160728We study stock return predictability in the Tehran Stock Exchange over various horizons using four valuation ratios, and make in-sample and out-of-sample comparison with the historical mean model. Consistent with the literature, we find that valuation ratios do not predict returns over short horizons, but their predictive power increases with forecast horizon. For long, multi-year horizons we use bootstrapping to ensure valid statistical inference, given the persistence of the predictors and overlapping observations. With the exception of dividend payout ratio, valuation ratios have strong predictive power for 3 to 6 year horizons. The predictive power exhibits significant variation over time.در این پژوهش، قابلیت پیشبینی بازده بورس اوراق بهادار تهران از طریق نسبتهای ارزشگذاری در افقهای زمانی مختلف بررسی میشود. برای این منظور، بر اساس روش تفکیک کمپل-شیلر، توانایی چهار متغیر بازده سود تقسیمی، نسبت سود تقسیمی به قیمت، نسبت قیمت به سود و نسبت پرداخت سود تقسیمی در پیشبینی بازار اندازهگیری شده است. از میان متغیرهای مورد بررسی، سه متغیر اول قابلیت پیشبینی بازده بازار را دارند در حالی که متغیر نسبت پرداخت سود تقسیمیتوانایی پیشبینی بازار را ندارد. از نظر افق پیشبینی، نتایج نشان میدهد که نسبتهای ارزشگذاری، توانایی پیشبینی بازده در افق کوتاهمدت را ندارند، اما با افزایش افق بازدهی، توان پیشبینی در داخل و خارج نمونه افزایش مییابد. همچنین، قابلیت پیشبینی در دورههای زمانی مختلف متغیر است و در برخی سالها بالاتر از سایر دورهها است.
<span>JEL: G12, G14, G15</span>
نحوه استناد به این مقاله: برکچیان، س. م.، نصیری، ل.، و ابراهیمنژاد، ع. (1395). نسبتهای ارزشگذاری و قابلیت پیشبینی بازده بازار (شواهدی از بورس اوراق بهادار تهران). فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 145-165.دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221A Kernel Regression Method for Technical Pattern Recognitionتشخیص الگوهای تحلیل تکنیکال با استفاده از رگرسیون کرنل16618443783FAمحمد مهدی موسویاستادیار گروه اقتصاد، دانشگاه خاتم، تهران، ایرانحمیدرضا پورابراهیمدانشجوی کارشناسی ارشد، مهندسی مالی، دانشگاه خاتم، تهران، ایرانJournal Article20160725During 1960-1970, several studies were done base on efficient market hypothesis but the researchers sought to challenge this hypothesis. One of the tools that use to reject this hypothesis is Technical analysis. Technical analysis is intuitive and visual approach based on past information. One of the tools of Technical analysis is patterns that are geometric shapes. In this paper, we propose a systematic and automatic approach to technical pattern recognition using nonparametric kernel regression and we apply this method to bank mellat, iran khodro and oil industry investment stocks from March 2011 to May 2016. Finally we assess the ability to predict correct trends by using patterns. We find that patterns do provide incremental information and can overbear the weak form of efficient market. The patterns that we investigate on, are head & shoulder top and bottom, ascending & descending flag, bullish & bearish pennant, rectangle tops & bottoms, double tops & bottoms, triple top & bottoms patterns.
<span>JEL: G14, G17</span>
How to cite this paper: Mousavi, M. M., & Pourebrahim, H. (2016). Kernel Regression Method for Technical Pattern Recognition. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 166–184. (In Persian)در سالهای 1960-1970 پژوهشهای بسیاری در مورد فرضیه بازار کارا انجام شد و پس از آن بسیاری از پژوهشگران این فرضیه را به چالش کشیدند. یکی از ابزارها برای رد فرضیه کارا، الگوهای تحلیل تکنیکال هستند. در این پژوهش از الگوهای سر و شانه، کف و سقف، الگوی پرچم مستطیلی صعودی و نزولی، پرچم مثلثی صعودی و نزولی، مستطیل صعودی و نزولی، دوقلوی سقف و کف و سه قلوی سقف و کف استفاده شده است. با استفاده از رگرسیون کرنل که یکی از روشهای هموارسازی برای کاستن خطاهای مشاهده شده است، قیمتهای سهم هموار و اکسترممها، با استفاده از پنجره غلتان مبتنی بر رگرسیون کرنل و الگوها، متناسب با الگوریتمهای کمی هر الگو شناسایی شدند. بر این اساس شرکتهای ایرانخودرو، بانک ملت و سرمایهگذاری صنعت نفت، از ابتدای سال 1390 تا انتهای خرداد 1395 بررسی شدند. یافتههای پژوهش نشان میدهند الگوها دارای اطلاعات مفید هستند. به عبارت دیگر در نمونههای مورد بررسی، توان غلبه بر استراتژی خرید و نگهداری و با استفاده از آزمون دوجملهای توانایی غلبه بر کارایی بازار در سطح ضعیف وجود دارد.
<span>JEL: G14, G17</span>
نحوه استناد به این مقاله : موسوی، م. م.، و پورابراهیم، ح. ر. (1395). تشخیص الگوهای تحلیل تکنیکال با استفاده از رگرسیون کرنل. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 166-184.دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221Predicting the Stock Price Crash Using Bacterial Foraging Algorithms and Bayes Algorithmsپیشبینی ریزش ارزش سهام با استفاده از الگوریتم کاوش باکتری و الگوریتم بیز18520542700FAرویا دارابیدانشیار، گروه حسابداری، دانشگاه آزاد واحد تهران جنوب، تهران، ایرانسید جواد حبیب زاده بایگیدانشجوی دکتری حسابداری، دانشگاه آزاد واحد تهران جنوب، تهران، ایرانJournal Article20160808Subject to sudden changes in stock prices in recent years has attracted the attention of many researchers. Stock price crash has negative effect on stock prices is very large and uncommon and usually occurs without inducing a major economic disaster. The aim of this study was to examine the predictability of stock price crash based on models based on machine learning. In this study, predicted the stock price crash based on bacterial foraging algorithms and Bayes algorithms is used. For this purpose 148 companies of Tehran Stock Exchange during the period from 2010 to 2015 were studied. The results show that these two algorithms with high accuracy on the ability to predict stock price crash. In addition to these research findings have shown that bacterial foraging algorithms with an accuracy of 94% more capacity than the Bayes algorithm (with an accuracy rate of 93%) in predicting of stock price crash.
<span>JEL</span><span>: </span><span>G11</span><span>, </span><span>G14</span>
How to cite this paper: Darabi, R., & Habibzadeh Baygi, S, J. (2016). Predicted the Stock Price Crash Using bacterial foraging algorithms and Bayes algorithms. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 185–205. (In Persian)<span lang="FA">موضوع تغییرات ناگهانی قیمت سهام طی سالهای اخیر توجه بسیاری از پژوهشگران را به خود جلب کرده است. بر اساس پیشینه پژوهش، ریزش ارزش سهام، تاثیری منفی، بسیار زیاد و غیرمعمول در قیمت سهام دارد و به طور معمول بدون وقوع یک حادثه مهم اقتصادی رخ میدهد. هدف این پژوهش بررسی پیشبینیپذیری ریزش ارزش سهام بر اساس مدلهای مبتنی بر یادگیری ماشین است. در این پژوهش برای پیشبینی ریزش ارزش سهام از الگوریتم کاوش باکتری و الگوریتم بیز استفاده شده است. برای این منظور 148 شرکت عضو بورس اوراق بهادار تهران طی دوره زمانی 1390-1394 مورد مطالعه قرار گرفتند. نتایج برازش کاوش باکتری و الگوریتم بیز نشان میدهد که این دو الگوریتم با دقت بالایی توانایی پیشبینی ریزش ارزش سهام را دارند. علاوه بر این یافتههای پژوهش نشان داده است که الگوریتم کاوش باکتری با دقتی به میزان 94 درصد توانایی بیشتری نسبت به الگوریتم بیز (با دقتی به میزان 93 درصد) در پیشبینی ریزش ارزش سهام داشته است.</span>
<span>JEL: G11, G14</span>
نحوه استناد به این مقاله: دارابی، ر.، و حبیبزاده بایگی، س، ج. (1395). پیشبینی ریزش ارزش سهام با استفاده از الگوریتم کاوش باکتری و الگوریتم بیز. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 185-205.
دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221Limited Investor Attention and Anchoring Bias: A Prediction of Market Collective Behaviorتورش توجه محدود سرمایهگذار و تکیهگاههای روانشناختی: یک پیشبینی از رفتار جمعی بازار20622444801FAآرش قربانیگروه حسابداری، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایرانمهدی صالحیدانشیار حسابداری، دانشگاه فردوسی مشهد، مشهد، ایرانمحمدرضا عباس زادهدانشیار حسابداری، دانشگاه فردوسی مشهد، مشهد، ایرانJournal Article20160914This study employs the implication of psychological anchors and limited investor attention, as two behavioral biases used in the explanation of overreactions and under reactions, to investigate the ability of nearness to the Tehran Price Index (TEPIX) 52-week high and nearness to the TEPIX historical high to predict future aggregate market returns. Consistent with the literature, the results of our tests, using time series of daily and monthly returns of the market, suggest that individual traders as a whole under react to news as current index closes to the 52-week high and hence it is possible to forecast market returns over 1-month horizon. We also provide evidence that the nearness to the TEPIX historical high negatively predicts future market returns, showing an overreaction to news due to nearness to the historical high.
<span>JEL: G12, G14</span>
How to cite this paper: Ghorbani, A., Salehi, m., & Abbaszadeh, m, r. (2016). Limited Investor Attention and Anchoring Bias: A Prediction of Market Collective Behavior. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 206–224. (In Persian)این پژوهش با تاکید بر کاربرد دو تورش رفتاری تکیهگاههای روانشناختی و توجه محدود سرمایهگذار که در توضیح بیشواکنشی و کمواکنشی بازار سهام استفاده میشوند، بررسی میکند که آیا نزدیکی شاخص کل بورس اوراق بهادار تهران به بالاترین رقم 52 هفته گذشته شاخص و بالاترین رقم تاریخی شاخص میتواند بازده کلی بازار را در آینده پیشبینی کند یا خیر. نتایج پژوهش نشان میدهد هنگامی که شاخص به بالاترین رقم 52 هفته گذشته خود نزدیک میشود، معاملهگران به اخبار جدید کمواکنشی نشان میدهند و بر این اساس میتوان بازده آتی کل بازار را در افق زمانی یک ماهه پیشبینی کرد. یافتههای دیگر نشان میدهد نزدیکی شاخص به بالاترین رقم تاریخی شاخص به شکل منفی با بازدههای یک ماه آینده بازار رابطه دارد که یک نوع بیشواکنشی به اخبار را نشان میدهد.
JEL: G12, G14
نحوه استناد به این مقاله: قربانی، آ.، صالحی، م.، و عباسزاده، م، ر. (1395). تورش توجه محدود سرمایهگذار و تکیهگاههای روانشناختی: یک پیشبینی از رفتار جمعی بازار. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 206-224.دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221Effect of Weekdays on Return of Dollar Transactions in Iranاثر روزهای هفته بر بازدهی معاملات دلار در ایران22524343336FAسید حسین حسینیدانشجوی دکتری مدیریت مالی، دانشکدة حسابداری و مدیریت دانشگاه علامه طباطبایی، تهران، ایراناحسان جعفری باقرآبادیدانشجوی دکتری مدیریت مالی، دانشکدة مدیریت دانشگاه تهران، تهران، ایرانJournal Article20161001One of the financial market anomalies is called thecalendar effect or the effect of time periods. Calendar effect includes several topics. This study tried to investigate the effects of days of the week on the fluctuations of exchange rate of Dollar, in compare to Rial, in Iranian informal exchange market from 2010 to 2016 with three models. The most important results obtained from the proposed models were as follows: 1) The first model indicated that on Saturday there is less returns than Monday, which is the mid-week day. 2) In the second model, Tuesday has the least returns in comparison to Monday.3) In the last model, Thursday and Saturday has the most and least returns respectively. Saturday had also the least effect on conditional volatility. Moreover, the effect of risk premium in the last model was positive and significant which was an indicator of the logical consequences of this model.
<span>JEL: C32, F31, G14</span>
How to cite this paper: Hosseini, S. H., & Jafari Bagherabadi, E. (2016). The Days of the Week Effect on Return of Dollar Transactions in Iran. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 225–243. (In Persian)یکی از بیقاعدگیهای بازارهای مالی با عنوان اثرات تقویمی یا اثرات دورههای زمانی شناخته میشود. اثرات تقویمی شامل مباحث مختلفی است و در این پژوهش اثر روزهای هفته بر بازدهی نرخ مبادله دلار در برابر ریال در بازار غیر رسمی ارز در ایران طی دوره 1389-1395 با استفاده از 3 مدل مورد بررسی قرار میگیرد. مهمترین یافتههای به دست آمده از تخمین مدلهای ارائه شده بدین صورت است: 1. در مدل اول نتایج حاصل شده حاکی از آن است که روز شنبه کمترین بازدهی را نسبت به روز دوشنبه به عنوان روز میانی هفته دارد، 2. در مدل دوم در مقایسه با روز دوشنبه، کمترین بازدهی متعلق به روز سهشنبه است، 3. در مدل سوم بیشترین بازدهی متعلق به پنجشنبه است و کمترین بازدهی در میان روزهای هفته در روز شنبه رویت شده است، که این روز کمترین اثر را نیز در نوسانات شرطی داشته است. افزون بر اینکه، اثر صرف ریسک در مدل سوم مثبت و معنیدار برآورد شده است که این مهم حاکی از نتایج منطقی مدل سوم است.
JEL: C32, F31, G14
نحوه استناد به این مقاله: حسینی، س. ح.، و جعفری باقرآبادی، ا. (1395). اثر روزهای هفته بر بازدهی معاملات دلار در ایران. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 225-243.دانشگاه خاتممدلسازی ریسک و مهندسی مالی2538-53721220161221A New Model for Risk Management in Investment Projects Selection by Fuzzy FMEA and ANPارائه مدلی جدید برای مدیریت ریسک در انتخاب پروژههای سرمایهگذاری با استفاده از تجزیه و تحلیل خطا و فرآیند تحلیل شبکه فازی24426341125FAمجتبی صالحیاستادیار مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایرانزهرا حسین پورکارشناسی ارشد، مهندسی صنایع، دانشگاه تربیت مدرس ، تهران، ایرانJournal Article20160710Since the risk is an important subject in the selection of oil projects, many researchers focus on the optimization of project selection and enhancement of the security of energy supplies development. Previous studies have been widely developed using optimization techniques to somewhat reduce the risk of energy resources. This study selected National Iranian Oil Company as a case study and classified the risks of the development and production projects and then the weight of each risk was determined using the failure analysis techniques and fuzzy numbers. Then, the relative impact of each risk on return of projects was obtained by fuzzy analytical hierarchy process. Then using the weight of each risk, its relative impact on return and the proposed model based Markowitz model, the overall effect of risks on the portfolio final return was determined. The results show in optimistic situation investment in developing projects will be profitable but in pessimistic situation, it suggests investment in production projects for risky investor and investment in development projects for risk-averse investor.
JEL: G11, G21, G32
How to cite this paper: Salehi, M., & Hoseinpour, Z. (2016). A New Model for Risk Management in Investment Projects Selection by Fuzzy FMEA and ANP. Quarterly Journal of Risk Modeling and Financial Engineering, 1(2), 244–263. (In Persian)به دلیل اهمیت بحث ریسک در انتخاب پروژههای نفتی، پژوهشگران بسیاری بر موضوع بهینهسازی انتخاب پروژهها و بالا بردن امنیت توسعه منابع انرژی متمرکز شدهاند. پژوهشهای زیادی از تکنیکهای بهینهسازی برای کاهش ریسک منابع انرژی استفاده کردهاند. در این مقاله با انتخاب شرکت ملی نفت ایران به عنوان مطالعه موردی، ریسکهای موجود در انجام پروژههای نفتی در دو بخش توسعه و تولید تقسیمبندی شده و وزن هر ریسک با توجه به تکنیک تجزیه و تحلیل شکست و اعداد فازی مشخص شده است. تأثیر نسبی هر ریسک بر بازده از طریق رویکرد تحلیل شبکه فازی به دست آمده است و با توجه به وزن هر ریسک و تأثیر نسبی آن بر بازده و با استفاده از مدل استخراجی مبتنی بر مدل مارکوویتز، میزان تأثیر کلی ریسکها بر بازده نهایی پرتفولیو مشخص و نتایج آن در سه حالت خوشبینانه، محتمل و بدبینانه ارائه شده است. نتایج نشان میدهد در شرایط خوشبینانه سرمایهگذاری در پروژههای توسعه سودآور و در شرایط بدبینانه، برای سرمایهگذار ریسکپذیر، سرمایهگذاری در بخش تولید و برای سرمایهگذار ریسکگریز، سرمایهگذاری در بخش توسعه پیشنهاد میشود.
JEL: G11, G21, G32
نحوه استناد به این مقاله : صالحی، م. و حسینپور، ز. (1395). ارائه یک مدل جدید برای مدیریت ریسک در انتخاب پروژههای سرمایهگذاری با استفاده از تجزیه و تحلیل آنالیز خطا و فرآیند تحلیل شبکه فازی. فصلنامه مدلسازی ریسک و مهندسی مالی، 1(2)، 244-263.