دانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823State’s regulatory role in implied equity duration of Tehran Stock Exchangeتأثیر و نقش دولت در دیرش سهام در بورس اوراق بهادار تهران93410101910.52547/jfmp.11.34.9FAعلی نمکیاستادیار گروه مالی و بیمه، دانشگاه تهران، تهران، ایران.0000-0001-8631-1616پژمان شعبان پورفرددانشجوی دکتری مهندسی مالی پردیس بین المللی کیش دانشگاه تهران، کیش، ایران.رسول سعدیاستادیار دانشگاه آزاد اسلامی، تهران، ایران.Journal Article20201126Implied equity duration has been developed in recent years as a risk measure in capital asset pricing models to explain expected returns. Empirical studies indicate a downwards-sloping pattern in the term structure of equity returns; nevertheless, longer duration implies higher expected returns mostly because longer investment horizon is positively associated with more risks. In this research we employ Dechow’s formula to calculate implied equity duration of a sample of firms listed on Tehran stock exchange from 2008 to 2018. The sample is divided into four portfolios sorted in terms of duration. The results indicate a downwards sloping terms structure of equity return. In the literature a number of reasons are proposed to explain this pattern; we refer to the state’s regulation in the pricing of firm’s products or services. According to the results the more regulatory interference in the pricing of firms’ products and services, the higher stock valuation and the less expected returns; thus our proposed investment strategy is to take short position in the stocks with the most price suppression of the products (high duration stocks) and to take long positions in the stocks with the least price suppression of the products (low duration stocks).در سالهای اخیر مفهوم دیرش سهام به عنوان یک سنجه ریسک برای توضیح بازده انتظاری در مدلهای قیمتگذاری دارایی سرمایهای معرفی شده است؛ تحقیقات تجربی نشان میدهند ساختار زمانی بازده سهام، نزولی است در حالیکه با افزایش دیرش و به دلیل افزایش ریسکهای مترتب بر سرمایهگذاریهای انجام شده طی زمان، انتظار بر افزایش بازده است. در این تحقیق با استفاده از فرمول دیچاو برای محاسبۀ دیرش سهام، مقادیر دیرش را برای نمونهای از شرکتهای بورس اوراق بهادار تهران طی دوره 1387 تا 1397 محاسبه کرده و مجموعۀ نمادهای مورد بررسی به چهار سبد بر حسب دیرش تقسیم گردید. مقایسۀ میانگین دیرش و بازده چهار سبد نشان میدهد که ساختار زمانی بازده سهام در ایران نیز نزولی است؛ موارد مختلفی برای توضیح این رفتار ارائه شده است و در این تحقیق به نقش دولت در قیمتگذاری محصول شرکتها، به عنوان یک عامل مؤثر و معنادار در عدم کارایی بورس اوراق بهادار پرداخته شده است. نتایج نشان میدهد سرکوب بیشتر قیمت محصول بنگاه تولیدی توسط نظام قیمتگذاری دولتی، با ارزشگذاری بالاتر قیمت سهام شرکت در بازار و در نتیجه میانگین بازده کمتر سهم رابطۀ مستقیم دارد. لذا فروش سهام شرکتهای با بیشترین سرکوب قیمت محصول (شرکتهای با دیرش بیشتر) و خرید سهام شرکتهای با کمترین سرکوب قیمت محصول (شرکتهای با دیرش کمتر)، به عنوان یک استراتژی سرمایهگذاری مطرح میشود.https://jfmp.sbu.ac.ir/article_101019_6cabd3f7f780073255a8f4890bc12d15.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210831The Proposed Algorithm to Select Appropriate Features for Predicting Tehran Stock Exchange Indexالگوریتم پیشنهادی برای انتخاب ویژگیهای مناسب بهمنظور پیشبینی شاخص بورس اوراق بهادار تهران356710146210.52547/jfmp.11.34.35FAسمیه محبیدانشجوی دکتری مدیریت مالی، دانشگاه شهید یهشتی، تهران، ایران.محمداسماعیل فدائی نژاددانشیار، گروه مدیریت مالی و بیمه، دانشگاه شهید یهشتی، تهران، ایرانمحمدرضا حمیدی زادهاستاد، گروه مدیریت بازرگانی، دانشگاه شهید بهشتی، تهران،ایران.Journal Article20210221The performance of an intelligent model largely depends on the selection of the most relevant and most influential input variables and the lowest complexity of the learning model. Therefore, in the present study, to predict the index of Tehran Stock Exchange based on financial and economic variables, first prioritize featuresWith MID algorithm, then 4 different neural network models (MLP, SVR, RBF, DNN) are used, which are the most important and innovative prediction models. According to the results of the analysis of the studied models, an algorithm is proposed to select the appropriate features on the index, as ISF-MID, and are compared with several similar methods. The data used in this study were collected daily in the period of 18/01/2014 to 21/08/2018. Evaluation of the models was performed by K-fold cross validation method. The MAE, MSE, and RMSE criteria are also used to evaluate the performanceof the mentionedmodels. The results show that with the proposed method, with 7 selected features, it is possible to achieve high accuracy in predicting the daily index of the Tehran Stock Exchange.عملکرد یک مدل هوشمند تا حد زیادی به انتخاب مرتبطترین و تأثیرگذارترین متغیرهای ورودی و کمترین پیچیدگی مدل یادگیری بستگی دارد. از اینرو در مطالعه حاضر، برای پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران بر اساس متغیرهای مالی و اقتصادی، ابتدا اقدام به اولویتبندی ویژگیها با الگوریتم MID نموده، سپس از 4 مدل مختلف شبکه عصبی (MLP, SVR, RBF, DNN) که از مهمترین و بدیعترین مدلهای پیشبینی میباشند، استفاده میشود. با توجه به نتایج بدست آمده از تحلیل مدلهای مورد بررسی، در نهایت الگوریتمی برای انتخاب ویژگیهای مناسب برای پیشبینی شاخص، تحت عنوانISF_MID پیشنهاد شده و با تعدادی از روشهای مشابه، مقایسه میگردد. دادههای مورد استفاده در این پژوهش به صورت روزانه در بازه زمانی 28/10/1392 تا 30/5/1397 جمعآوری شدهاند. مدلهای مورد بررسی در مرحله پیادهسازی با روش اعتبارسنجی متقابل K-fold مورد ارزیابی قرار گرفتند. همچنین از معیارهای MAE، MSE و RMSE برای ازریابی عملکرد مدلهای مذکور استفاده میشود. نتایج نشان میدهد که با روش پیشنهادی، میتوان با 7 ویژگی انتخابی به دقت بالایی در پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران دستیافت.https://jfmp.sbu.ac.ir/article_101462_52ebdbbe6373d63334a87914be89d341.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823Estimation of Conditional Value at Risk under Stochastic Volatility Levy Processes for Tehran Stock Marketبرآورد ارزش در معرض خطر شرطی با استفاده از فرایندهای لوی تلاطم تصادفی در بورس اوراق بهادار تهران699410212210.52547/jfmp.11.34.69FAنویده مدرسیاستادیار، گروه ریاضی مالی، دانشگاه علامه طباطبائی، تهران،ایران.مسلم پیمانیاستادیار، گروه مالی و بانکداری، دانشگاه علامه طباطبائی، تهران، ایران.0000-0002-4003-8295مشتاق درویشیکارشناسی ارشد مهندسی مالی و مدیریت ریسک، دانشگاه علامه طباطبائی، تهران، ایران.Journal Article20210417Research has shown that stochastic volatility and jumps play an important role in stock price trends market, and considering these two factors has a significant impact on a better description of assets. Infinite jump Levy processes cover skewness and heavy-tailedness properties but can not present volatility clustering. By time chainging these processes by integrating the Cox-Ingersoll-Ross, it is abtained a stochastic volatility Levy processes model that are applied to determine the conditional value at risk (VaR) in this paper. Applying the fast Fourier transform, a closed form formula of probability density function is derived. Moreover, by applying Hybrid Particle Swarm Optimization algorithm, Grid search method and univariate method algorithm, the parameters are estimated. Based on the introduced model, we estimate the VaR of along total Index of Tehran Stock Exchange in 1388 to 1398 and compare it by historical simulation and Variance-Covariance approaches. The results of Back-test techniques in computing the VaR indicate that the stochastic volatility Levy processes with infinite jumps have better performance than the Variance-Covariance methods. پژوهشهای نشان داده است که تلاطم تصادفی و پرشها در روند بازار قیمت سهام نقش مهمی راایفا میکنند و در نظر گرفتناین دو عامل تاثیر بسزایی در توصیف بهتر داراییها دارد. فرایندهای پرش نامتناهی لوی ویژگیهای چولگی و دم سنگینی بازده دارایی را پوشش میدهند اما بیانگر تلاطم خوشهای نمیباشند. با زمان متغیر کردناین فرایندها توسط انتگرال فرایند کاکس ـاینگرسول ـ راس، مدل فرایندهای لوی تلاطم تصادفی بدست میآید که دراین مقاله در تعیین ارزش در معرض خطر شرطی بهکار گرفته شده است. با کمک روش تبدیل فوریه سریع فرم بستهای از تابع چگالی احتمال را به دست آورده شده است. همچنین با استفاده از الگوریتم بهینهسازی ترکیبی ازدحام ذرات پارامترهای مدل برآورد شده است. ارزش در معرض خطر شاخص کل بورس اوراق بهادار تهران را در بازه زمانی ۱۳۸۸ تا ۱۳۹۸ بر مبنای مدل معرفی شده، برآورد کرده و با رویکردهای شبیهساز تاریخی و واریانس ـ کوواریانس مقایسه شد. نتایج تکنیکهای پس آزمون در مورد محاسبه ارزش در معرض خطر، حاکی از برتری مدلهای لوی تلاطم تصادفی در مقایسه با رویکردهای شبیهساز تاریخی و واریانس ـ کوواریانس است.https://jfmp.sbu.ac.ir/article_102122_ef1381d6aae83e41feaf48eb86d97e40.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823Investor sentiment and stock return synchronicity in Tehran Stock Exchangeبررسی احساسات سرمایهگذاران و همزمانی بازدهی سهام در بورس اوراق بهادار تهران9511510147510.52547/jfmp.11.34.95FAمحمدابراهیم آقابابائیاستادیار دانشکده علوم مالی دانشگاه خوارزمی، تهران0009-0008-6998-9298سعید مدنیکارشناسی ارشد مدیریت مالی، دانشگاه خوارزمی، تهران، ایران0000-0003-1511-8215Journal Article20210419Investor sentiment about the capital market can play an important role in stock price trends, market transactions, and especially on the stock return synchronicity. The entry of many Individual investors who do not have enough information about investment, the study of this issue has made more important. To this end, in this research we investigate the relationship between investor sentiment and stock return synchronicity in Tehran Stock Exchange, by using the financial data of 167 firms listed on Tehran Stock Exchange from 15 various industries during ten years from March 2010 to March 2020. We use the Baker-Wurgler (2006) sentiment index as our primary measure of investor sentiment that Measured by principal component analysis. Also, three different methods have been used to measure the stock return synchronicity: the Mork model, the Carhart four-factor model and the Fama and French five-factor model. The results show that the Investors sentiment significantly affect on increasing stock return synchronicity. The findings also showed that the coefficients of positive and negative sentiment are not significantly different and as a result, positive and negative sentiment are symmetrically affecting the increase in stock return synchronicity.احساسات سرمایهگذاران نسبت به بازار سرمایه میتواند نقش موثری بر روند قیمت سهام، حجم معاملات بازار و بخصوص بر همزمانی بازدهی سهام داشته باشد. ورود سرمایهگذاران خرد بسیار با حجم سرمایه بالا که از دانش کافی در زمینه سرمایهگذاری بهرهمند نیستند، موجب شده مطالعه این موضوع اهمیت بیشتری پیدا کند. از این رو، در این پژوهش به بررسی رابطه بین احساسات سرمایهگذاران و همزمانی بازدهی سهام در بورس اوراق بهادار تهران، با نمونه آماری 167 شرکت پذیرفته شده در بورس اوراق بهادار از 15 صنعت مختلف طی بازه زمانی فروردین ماه 1389 لغایت اسفند ماه 1398 پرداخته شده است. احساسات سرمایهگذاران از طریق شاخص ترکیبی پیشنهادی بیکر و وارگلر (2006) با استفاده از تحلیل مولفههای اصلی اندازهگیری شده است و همچنین برای اندازهگیری همزمانی بازدهی سهام از سه روش مختلف: مدل ساده مورک، مدل چهارعاملی کارهات و مدل پنجعاملی فاما فرنچ استفاده شده است. نتایج پژوهش نشاندهنده این است که احساسات سرمایهگذاران بهطور معناداری بر افزایش همزمانی بازدهی سهام اثرگذار است و همچنین یافتههای پژوهش نشان داد ضرایب احساسات مثبت و منفی بهطور معناداری باهم تفاوت ندارند و در نتیجه احساسات مثبت و منفی بصورت متقارن بر افزایش همزمانی بازدهی سهام اثرگذار هستند.https://jfmp.sbu.ac.ir/article_101475_070929ae4b7bc24032c6131904855470.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823The effect of Agency Problems on Relationship between Institutional Investor's Short-Term Time Horizon and Stock Price Crash Riskتأثیر مشکلات نمایندگی بر رابطه بین افق زمانی کوتاه مدت سرمایه گذار نهادی و ریسک سقوط قیمت سهام11714410211910.52547/jfmp.11.34.117FAرحیم بنابی قدیماستادیار، گروه حسابداری، واحد هشترود، دانشگاه آزاد اسلامی، آذربایجان شرقی، ایرانسمیه رحمانی فردکارشناسی ارشد حسابداری، واحد مرند، دانشگاه آزاد اسلامی، آذربایجان شرقی، ایران.Journal Article20210513The purpose of this study is to investigate the effect of agency problems on relationship between Institutional investor's short-term time horizon and stock price crash risk. This research is applied in terms of purpose and correlation in terms of method. The research period was 2012-2019 and data from two months before 2011 and two months after 2020 were used to measuring the risk of stock price fall. Also, 123 companies were selected as a sample. To analyze the research data, multivariate regression models have been used in Eviews software. The results of this study showed that investor's short-term time horizon has a positive and significant effect on the stock price crash risk. Agency problems (problems due to agency conflict based on managerial ownership) have a negative and significant effect on the relationship between investor's short-term horizon and the stock price crash risk. Agency problems (problems due to agency conflict based on free cash flow) have a positive and significant effect on the relationship between investor's short-term time horizon and the stock price crash risk.هدف پژوهش حاضر، بررسی تأثیر مشکلات نمایندگی بر رابطه بین افق زمانی کوتاهمدت سرمایهگذار نهادی و ریسک سقوط قیمت سهام است. این پژوهش از نظر هدف، کاربردی و از نظر روش پس رویدادی میباشد. دوره زمانی پژوهش، 1398-1391 بوده و برای اندازهگیری متغیر ریسک سقوط قیمت سهام از دادههای دو ماه قبل (1390) و دو ماه بعد( 1399) نیز استفاده شده است. همچنین، 123 شرکت بهعنوان نمونه انتخاب شده است. برای تجزیه و تحلیل دادههای پژوهش، از مدلهای رگرسیونی چند متغیره در نرمافزار ایویوز استفاده شده است. نتایج این پژوهش نشان داد که، افق زمانی کوتاهمدت سرمایهگذارنهادی بر ریسک سقوط قیمت سهام تأثیر مثبت و معنیداری دارد. مشکلات نمایندگی ناشی از تضاد نمایندگی مبتنیبر مالکیت مدیریتی، بر رابطه بین افق زمانی کوتاهمدت سرمایهگذار نهادی و ریسک سقوط قیمت سهام تأثیر منفی و معنیداری دارد و مشکلات نمایندگی ناشی از تضاد نمایندگی مبتنیبر جریان وجوه نقد آزاد، بر رابطه بین افق زمانی کوتاهمدت سرمایهگذارنهادی و ریسک سقوط قیمت سهام تأثیر مثبت و معنیداری دارد.https://jfmp.sbu.ac.ir/article_102119_3974c64341bd010a87edc8d7f100ee42.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823A study on the characteristics of TSE index return data and introducing a regime switching prediction method based on neural networksمطالعهای بر رفتار دادههای بازده شاخص بورس تهران و ارائه روش پیشبینی تغییر رژیم مبتنی بر شبکههای عصبی عمیق14517110212010.52547/jfmp.11.34.145FAامین امینی مهردانشجوی کارشناسی ارشد مدیریت مالی، موسسه آموزش عالی ارشاد دماوند، تهران، ایران.0000-0002-9539-4617سعید باجلاناستادیار، گروه مالی و بیمه، دانشگاه تهران، تهران، ایران.هانیه حکمتاستادیار، گروه حسابداری، دانشگاه الزهراء، تهران، ایران.0000-0002-8094-3249Journal Article20210605This research has aimed at studying the characteristics and data generation process of TSE index daily return. Applying various tests showed that return data of TSE index follows a chaotic and clustered behavior. Furthermore, beside the condition of efficiency in this market, a novel prediction method is developed. The method introduced in this paper is formed from two consecutive neural networks; a mixture density neural network and a Long short-term memory neural network. It is worthy of note that the proposed method is associated with the inferred statistical structure from the data. The entire model is compiled in order to predict TSE index considering various number of regimes using daily data December 2008 up to April 2021. Results from various statistical tests rejected the weak form of efficiency and manifested a chaotic behavior in TSE index return. Furthermore, the developed prediction method gained higher accuracy than the same method without considering regimes. Results from Diebold-Mariano test significantly implied the differences of the accuracy between the models with regimes and without regimes. Finally, a back test by considering transaction cost showed that the strategy based on the predicted direction of the model with regimes gains higher return than market benchmark and the model without regimes.دراین پژوهش با نگاهی آماری بر دادههای بورس تهران اقدام به شناسایی رفتار و فرآیند تولید دادههای بازده روزانه شاخص بورس تهران شده و پس از انجام آزمونهای متعدد، با شناسایی رفتار آماریاین دادهها و اظهارنظر راجع به کاراییاین بازار، اقدام به توسعه مدلی نوین برای پیشبینی آن شده است. لازم به ذکر است که ساختار مدل ارائه شده مطابق با رفتار آماریاین دادهها تدوین شده است. مدل ارائهشده متشکل از دو شبکه عصبی مصنوعی احتمال ترکیبی و حافظه کوتاهمدت و بلندمدت ماندگار میباشد که با در نظر گرفتن تعداد رژیمهای رفتاری متفاوت، حرکات روزانه بازده شاخص بورس تهران را در بازه زمانی آذر 1387 تا فروردین 1400 توضیح میدهد. آزمونهای متفاوت کارایی ضعیف بازار را رد کرده و ذات آشوبی را در رفتار بازده شاخص کل بورس تهران نشان میدهد. مدل ارائهشده دراین پژوهش توانسته است دقت بهتری نسبت به مدل بدون در نظر گرفتن رژیم کسب بنماید. آزمون دیابولد ماریانو معنیدار بودناین تفاوت دقت مدلها را تائید کرده و آزمون معکوس با در نظر گرفتن هزینه معاملاتی نشان داده است که استراتژیاین مدل با در نظر گرفتن چند رژیم، بازده بالاتری نسبت به مدل بدون رژیم و شاخص بازار کسب میکند.https://jfmp.sbu.ac.ir/article_102120_b793b3b59cbc8bd5887a55c3995fe29f.pdfدانشگاه شهید بهشتیچشم انداز مدیریت مالی2645-4637113420210823Investor Sentiment and Financing Decisions in Tehran Stock Exchangeاحساسات سرمایهگذاران و تصمیمهای تامین مالی در بورس اوراق بهادار تهران17319310212110.52547/jfmp.11.34.173FAمنیژه رامشهاستادیار، گروه حسابداری، دانشگاه قم، قم، ایران .0000-0001-9265-8819عاطفه جنتی منظریکارشناسی ارشد حسابداری، دانشگاه قم، قم، ایران.مریم دادپناهکارشناسی ارشد حسابداری، دانشگاه قم، قم، ایران.Journal Article20210817Behavioral finance explains contradictory patterns with market efficiency hypotheses with behavioral biases. One of the most common price patterns in the stock market is the pattern of momentum, which can be driven by investors' adjustment and anchoring bias and disposition effect. In this study, the role of adjustment and anchoring bias and disposition effect on the formation of momentum returns on the Tehran Stock Exchange are examined. Using the portfolio study method and the data of the research period of 2007-2016, it was found that investors are more affected by adjustment and anchoring bias compared to disposition effect and form a pattern of momentum by reversing against the maximum price thresholds with a one-year period as the reference price. Also, among the maximum thresholds, investors are most affected by the maximum price of 26 weeks with a six-month waiting period, and further analysis and analysis using the Fama-Macbeth regression and the Fama-French three-factor model confirm these results.در پارادایم مالی رفتاری، احساسات سرمایهگذاران میتواند در تعیین قیمت اوراق بهادار و متعاقب آن هزینههای تامین مالی نقش پررنگی داشته باشد. از این رو پژوهش حاضر به مطالعه رابطه احساسات سرمایهگذاران و تصمیمهای تامین مالی میپردازد. از دادههای 201 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1390 تا 1398 و رویکرد کنترل اثرات سالها و صنایع استفاده شد. نتایج نشان میدهد با افزایش احساسات سرمایهگذاران، فاصله اهرم از اهرم هدف کاهش مییابد. این رابطه در شرکتهایی که اهرم بالاتر از اهرم هدف دارند (نسبت به شرکتهای دسته مقابل)، قویتر است. بین احساسات سرمایهگذاران و انتشار سهام رابطه مستقیم وجود ندارد، لذا احساسات سرمایهگذاران، شرکتها را تشویق به انتشار سهام نمینماید. رابطه احساسات سرمایهگذاران با انتشار بدهی نیز برخلاف نظریه سوگیری مدیران، معنیدار نیست. نتایج آزمونهای تکمیلی در شرکتهایی که احتمال درماندگی مالی در آنها زیاد است، نشان داد در شرکتهایی که سیاستهای مالی آنها مبتنی بر سطوح بالای اهرم است، احساس سرمایهگذاران شرکتها را به سمت انتشار سهام و بازخرید بدهی سوق میدهد. شرکتهای کوچک نیز با افزایش احساسات سرمایهگذاران، دست به انتشار سهام میزنند. اما پایین بودن سطح نگهداشت وجوه نقد، رابطه بین احساسات و انتشار سهام یا بدهی را تحت تاثیر قرار نمیدهد.https://jfmp.sbu.ac.ir/article_102121_34561eaffb32342e0239012e6ec340ef.pdf