https://jfmp.sbu.ac.ir/ چشم انداز مدیریت مالی fa daily 1 Tue, 21 Apr 2026 00:00:00 +0330 Tue, 21 Apr 2026 00:00:00 +0330 https://jfmp.sbu.ac.ir/article_106955.html هدف: این پژوهش با هدف توسعه و ارزیابی چارچوبی نوین در بهینه‌سازی پرتفوی به‌منظور ردیابی بهبودیافته شاخص است. ردیابی بهبودیافته شاخص راهبردی میان مدیریت فعال و غیرفعال پرتفوی است که در آن هدف تشکیل پرتفویی از سهام موجود در یک شاخص ضمن حفظ حرکت شاخص و در عین حال، کسب بازده‌ای فراتر از بازده شاخص است. درواقع هدف اصلی، تلفیق «کسب بازده» با «کنترل سخت‌گیرانه ریسک دنباله‌ای» در بازارهای مالی است که بازده‌ها می‌توانند چولگی، کشیدگی و رخدادهای حدی داشته باشند. بر این اساس، اتکای صرف به معیارهای متعارف مبتنی بر واریانس ممکن است ریسک‌های نامطلوب را کم‌برآورد کند و درنتیجه تصمیم‌های وزن‌دهی مبتنی بر آن، پرتفوی را در معرض زیان‌های سنگین قرار دهد. چارچوب پیشنهادی با استفاده از نسبت امگا (Omega Ratio) به‌عنوان معیار کارایی مبتنی بر توزیع و ارزش در معرض ریسک شرطی (CVaR) به‌عنوان معیار کنترل ریسک نامطلوب، تلاش می‌کند ضمن کسب بازده مازاد بر شاخص معیار، مقاومت پرتفوی را در برابر زیان‌های شدید افزایش دهد.روش‌: چارچوب پیشنهادی به‌صورت یک مسئله بهینه‌سازی Omega–CVaR تعریف می‌شود. تابع هدف، بیشینه‌سازی نسبت امگا برای پرتفوی ردیاب است تا نسبت بازده‌های بالاتر از سطح آستانه به زیان‌های پایین‌تر از آستانه بهبود یابد. هم‌زمان، ارزش در معرض ریسک شرطی (CVaR) به‌عنوان قید کنترل ریسک نامطلوب اعمال می‌شود تا میانگین زیان‌های بزرگ در ناحیه دنباله توزیع بازده محدود گردد. قیود عملیاتی شامل سرمایه‌گذاری کامل، کران‌های حداقل/حداکثر وزن به‌ترتیب صفر و پنجاه درصد برای جلوگیری از تمرکز و انتخاب دارایی‌ها از میان سهام تشکیل‌دهنده سبد مرجع در نظر گرفته می‌شود. ارزیابی تجربی با ۳۰ پنجره زمانی غلتان انجام می‌گیرد؛ در هر تکرار، ۵۲ هفته داده داخل‌نمونه برای برآورد و ۱۲ هفته داده خارج‌نمونه برای سنجش عملکرد استفاده می‌شود. دوره بررسی حدود هشت سال (از ابتدای بهمن ۱۳۹۶ تا پایان آذر ۱۴۰۴) بوده و نتایج با شاخص قیمتی بورس تهران و مدل رقیب مبتنی بر قیود/اهداف مرسوم مقایسه می‌شود.یافته‌ها: نتایج نشان داد که چارچوب Omega-CVaR در افق بلندمدت، برتری قابل‌ملاحظه‌ای در بازده تجمعی نسبت به شاخص قیمتی بورس تهران و مدل رقیب ایجاد کرده است. بازده تجمعی پرتفوی پیشنهادی ۲,۵۴۶ درصد و بازده تجمعی شاخص قیمتی بورس تهران ۱,۳۵۰ درصد گزارش شد. تحلیل مسیر زمانی عملکرد در پنجره‌های غلتان بیانگر آن بود که مزیت اصلی مدل لزوماً به «برتری هفتگی پایدار» وابسته نیست، بلکه از دو سازوکار مکمل ناشی می‌شود: اول، قید CVaR با محدود کردن میانگین زیان‌های فراتر از سطح اطمینان، عمق افت‌های پرتفوی را در فازهای نزولی کاهش می‌دهد. دوم، بیشینه‌سازی نسبت امگا باعث تخصیص وزن‌ها به گونه‌ای می‌شود که سهم بازده‌های مطلوب نسبت به زیان‌های نامطلوب افزایش یابد و پس از دوره‌های نزولی، پرتفوی امکان بهره‌گیری بهتر از «اثر ترکیب سود» را در دوره‌های بازیابی پیدا کند. با این حال، ارزیابی‌های آماری نشان داد که در افق‌های هفتگی، برتری مدل نسبت به شاخص قیمتی بورس تهران و مدل‌های رقیب به صورت معنادار و یکنواخت تأیید نمی‌شود. این امر با ماهیت تدافعی پرتفوی سازگار است؛ به‌طوری‌که ضریب بتای میانگین حدود ۰٫۴۳ به دست آمده و حساسیت پرتفوی به نوسانات بازار را پایین‌تر از شاخص قیمتی بورس تهران نشان می‌دهد.نتیجه‌گیری: یافته‌ها نشان می‌دهد چارچوب Omega-CVaR ابزاری کارآمد برای ردیابی بهبودیافته شاخص در محیط‌های مالی پرنوسان و دارای ریسک‌های حدی است. هرچند برتری معنادار آماری در کوتاه‌مدت مشاهده نمی‌شود، کنترل مؤثر زیان‌های شدید و تقویت اثر ترکیب سود می‌تواند در نهایت به انباشت بازده تجمعی بالاتر در بلندمدت منجر شود. این راهبرد به سرمایه‌گذارانی که به‌دنبال کاهش ریسک و پایداری بیشتر در پرتفوی خود هستند، به‌ویژه در بازارهای با توزیع بازده نامتعارف، توصیه می‌شود. https://jfmp.sbu.ac.ir/article_107047.html مقدمه: سویه‌های رفتاری مدیران صندوق‌های سرمایه‌گذاری می‌توانند تأثیرات منفی قابل توجهی بر عملکرد صندوق‌ها داشته باشند و برای کاهش این تأثیرات، مدیران صندوق‌ها می‌توانند از ابزارهای تحلیلی پیشرفته، فرآیندهای تصمیم‌گیری ساختاریافته و آموزش‌های مرتبط با روانشناسی مالی استفاده کنند. همچنین، سرمایه‌گذاران نیز می‌توانند با آگاهی از این سویه‌ها، صندوق‌هایی با مدیریت کارآمدتر و منطقی‌تر را انتخاب کنند. این ارزیابی‌ها نه تنها به سرمایه‌گذاران در انتخاب صندوق‌های مناسب کمک می‌کند، بلکه به مدیران نیز در بهبود عملکرد و کاهش تأثیرات منفی رفتارهای سوگیرانه یاری می‌رساند. شناسایی سویه‌های رفتاری مدیران صندوق‌های سرمایه‌گذاری همچنین می‌تواند به سرمایه‌گذاران در انتخاب صندوق‌های مناسب و کاهش ریسک‌های ناشی از تصمیم‌گیری‌های نادرست کمک کند. این موضوع نیازمند تحقیقات گسترده‌تر و استفاده از روش‌های نوین تحلیلی است که در همین راستا پژوهش حاضر با هدف شناسایی سویه‌های رفتاری مؤثر بر عملکرد صندوق‌ها در مدیران صندوق‌های سرمایه‌گذاری انجام شد. روش‌ها: پژوهش حاضر از نوع هدف بنیادی و اکتشافی است و در مرحله گردآوری داده‌ها از نوع کتابخانه‌ای-میدانی با روش کیفی با رویکرد تحلیل محتوا است. شرکت‌کنندگان در این پژوهش 20 نفر از خبرگان صندوق‌های سرمایه‌گذاری بودند که با روش هدفمند و مبتنی بر شرایط احراز خبرگی انتخاب شدند. منابع مورد استفاده در بخش کتابخانه‌ای شامل کتاب‌های تخصصی در حوزه مالی و مالی رفتاری، مقالات علمی–پژوهشی منتشرشده در مجلات معتبر داخلی و خارجی، پایان‌نامه‌ها و رساله‌های دانشگاهی، گزارش‌های رسمی و منابع الکترونیکی و پایگاه‌های علمی معتبر بود و در بخش میدانی نیز با بهره‌گیری از روش دلفی و مشارکت پانلی از خبرگان، به شناسایی و بومی‌سازی سویه‌های رفتاری مدیران پرداخته شد و برای تجزیه و تحلیل داده‌ها نیز از روش تحلیل محتوا و پیاده‌سازی رویکرد دلفی استفاده شد. همچنین به‌منظور تضمین قابلیت اتکا و ثبات کدگذاری، از چند کدگذار استفاده و میزان توافق بین آن‌ها محاسبه شد. یافته‌ها: پس از شناسایی اولیه ۸۰ سویه رفتاری در قالب ۱۲ معیار اصلی، داده‌های گردآوری‌شده به خبرگان انتخاب‌شده ارائه شد. از میان ۸۰ سویه رفتاری شناسایی‌شده، تعداد ۵۴ سویه توانستند معیار اجماع اولیه (میانگین ≥ 3.5) را کسب کنند. در راند دوم، نتایج و میانگین نظرات راند اول به خبرگان بازخورد داده شد. سپس از آنان خواسته شد بار دیگر به ارزیابی سویه‌ها بپردازند. در این مرحله، تعداد ۶۸ سویه رفتاری توانستند معیار اجماع را کسب کنند و فقط ۱۲ سویه خارج از دامنه اجماع باقی ماندند. در راند سوم، تمرکز بر تثبیت نهایی اجماع و حذف موارد مبهم بود. نتایج نشان داد در این مرحله ۷۲ سویه رفتاری در قالب ۱۲ معیار نهایی مورد توافق خبرگان قرار گرفت که شامل سوگیری‌های شناختی، سوگیری‌های هیجانی، سوگیری‌های شخصیتی، سوگیری‌های بازاری، سوگیری‌های ریسکی، سوگیری‌های تجربی، سوگیری‌های ارتباطی، سوگیری‌های زمانی، سوگیری‌های استراتژیک، سوگیری‌های سازمانی، سوگیری‌های اخلاقی و سوگیری‌های گزارش‌دهی و اطلاعاتی می‌باشد. نتیجه‌گیری: پژوهش حاضر ضمن تأیید نقش پررنگ عوامل رفتاری در عملکرد صندوق‌های سرمایه‌گذاری، اهمیت نگاه ترکیبی به تصمیمات مدیران را برجسته می‌سازد؛ به این معنا که ترکیب ابزارهای مهندسی مالی با تحلیل‌های رفتاری می‌تواند فاصله بین تصمیمات واقعی و تصمیمات بهینه را کاهش دهد. بدین ترتیب، این پژوهش می‌تواند برای مدیران صندوق‌ها، سرمایه‌گذاران، نهادهای ناظر و سیاست‌گذاران مالی، راهنمای ارزشمندی برای بهبود فرآیند تصمیم‌گیری و ارتقای عملکرد صندوق‌های سرمایه‌گذاری فراهم آورد. https://jfmp.sbu.ac.ir/article_107207.html بازارهای مالی نوظهور به‌دلیل وجود نوسانات نامتقارن، رفتار دنباله‌های سنگین و وابستگی‌های غیرخطی میان دارایی‌ها، با چالش‌های اساسی در سنجش ریسک و تشکیل پرتفوی بهینه مواجه هستند. چارچوب‌های سنتی مبتنی بر میانگین–واریانس و فروض توزیع نرمال، به‌ویژه در شرایط وقوع شوک‌های شدید بازار، قادر به انعکاس دقیق ریسک‌های واقعی نیستند. هدف پژوهش حاضر ارائه یک چارچوب تجربی برای بهینه‌سازی پرتفوی بر مبنای معیار ارزش در معرض ریسک شرطی (CVaR) و مقایسه عملکرد رویکردهای استاندارد و پایدار در بازار سرمایه ایران است. برای این منظور، بازده روزانه ده صنعت منتخب بورس تهران طی دوره زمانی ۱۳۹۴ تا ۱۴۰۴ مورد بررسی قرار گرفت.در مرحله نخست، مدل GJR-GARCH برای استخراج نوسانات شرطی و باقیمانده‌های استانداردشده به کار گرفته شد. نتایج این بخش وجود ناهمسانی واریانس شرطی، خوشه‌بندی نوسان و اثرات نامتقارن شوک‌های مثبت و منفی را در اغلب صنایع تأیید کرد. سپس با استفاده از نظریه مقدار حدی (EVT)، رفتار دنباله‌های افراطی بازده‌ها مدل‌سازی شد. یافته‌های این مرحله نشان داد که شدت ریسک دنباله‌ای در میان صنایع یکسان نبوده و برخی صنایع در معرض زیان‌های حدی شدیدتری قرار دارند. این موضوع ضرورت استفاده از معیارهای ریسک پایین‌دست نظیر CVaR را نسبت به معیارهای مبتنی بر واریانس آشکار می‌سازد.به‌منظور بررسی وابستگی‌های غیرخطی میان صنایع، از کاپولاهای ارشمیدسی کلایتون، فرانک و گامبل استفاده شد. نتایج نشان داد که ساختار وابستگی میان صنایع صرفاً خطی نبوده و وجود وابستگی‌های دنباله‌ای در دوره‌های بحرانی و رونق بازار قابل مشاهده است. بر اساس ساختار وابستگی برآوردشده، سناریوهای مشترک بازده تولید و مسئله بهینه‌سازی پرتفوی در دو چارچوب Mean-CVaR و Robust-CVaR حل شد.نتایج بهینه‌سازی نشان داد که رویکرد پایدار در مقایسه با مدل کلاسیک به توزیع متوازن‌تر اوزان و افزایش تنوع‌بخشی در پرتفوی منجر می‌شود. همچنین نتایج درون‌نمونه‌ای بیانگر بهبود معیارهای عملکرد مبتنی بر ریسک در چارچوب Robust-CVaR بود. به‌منظور ارزیابی قابلیت تعمیم نتایج، از آزمون برون‌نمونه‌ای مبتنی بر شش پنجره غلتان طی سال‌های ۱۳۹۹ تا ۱۴۰۴ استفاده شد. یافته‌ها نشان داد که پرتفوی پایدار در اغلب پنجره‌های آزمون عملکردی برابر یا بهتر از مدل کلاسیک داشته و در ساختار وابستگی کلایتون در تمامی پنجره‌های آزمون نسبت شارپ بالاتری کسب کرده است. افزون بر این، نتایج پنجره‌های غلتان نشان داد که پارامترهای وابستگی در طول زمان ثابت نبوده و تغییرات معناداری را تجربه می‌کنند که بیانگر وجود عدم‌قطعیت پارامتری در فرآیند تشکیل پرتفوی است.به‌طور کلی، نتایج پژوهش نشان می‌دهد که ترکیب مدل GJR-GARCH، نظریه مقدار حدی، کاپولاهای ارشمیدسی و بهینه‌سازی پایدار مبتنی بر CVaR می‌تواند چارچوبی منسجم برای اندازه‌گیری ریسک، مدل‌سازی وابستگی و تشکیل پرتفوی در بازارهای مالی نوظهور فراهم آورد. نتایج همچنین اهمیت در نظر گرفتن وابستگی‌های نامتقارن در فرآیند تخصیص دارایی را نشان می‌دهد. یافته‌ها همچنین مؤید آن است که لحاظ عدم‌قطعیت پارامتری می‌تواند به بهبود پایداری عملکرد پرتفوی و کاهش حساسیت آن نسبت به خطاهای برآوردی منجر شود. https://jfmp.sbu.ac.ir/article_107208.html چکیده هدف: گزارشگری پایداری شرکتی شامل افشای نتایج فعالیت‌های زیست محیطی، اجتماعی و حاکمیتی در طی دو دهه اخیر حائز اهمیت فزاینده‌ای شده است. در نتیجه بررسی علل و پیامدهای مالی گزارشگری پایداری شرکتی در پژوهش‌های مالی و حسابداری نیز رشد قابل توجهی داشته است. افشای این اطلاعات که عموما غیرمالی هستند؛ بر ویژگی‌های شرکتی و تصمیم‌گیری‌های سرمایه‌گذاران اثرگذار بوده است. بر این اساس هدف پژوهش حاضر بررسی رابطه بین افشای (فعالیت‌های) پایداری و میزان انعطاف‌پذیری مالی شرکت با تاکید بر اثر تعدیل‌گری عدم اطمینان سیاست اقتصادی بوده است.روش: جامعه آماری هدف با رعایت برخی شروط برای تجزیه و تحلیل آماری انتخاب شدند که 101 شرکت در بازه زمانی 1392 تا 1403 و در مجموع 1212 مشاهده (سال – شرکت) بودند. برای آزمون فرضیه‌ها نیز از مدل‌های رگرسیونی چندگانه استفاده شده است. مدل‌ها با رویکرد اثرات ثابت مقطعی به عنوان روش اصلی و رویکرد کنترل اثرات ثابت سال‌ها و صنایع با تصحیح خوشه‌ای (جهت کاهش اثرات ناهمسانی واریانس و عدم خودهمبستگی بر محاسبه ضرایب رگرسیونی) به عنوان رویکرد مکمل برازش شد تا استحکام نتایج مورد آزمون واقع شود.یافته‌ها: نتایج تجزیه و تحلیل‌های آماری فرضیه‌ها نشان داد افشای پایداری ارتباط مستقیم و معناداری با میزان انعطاف‌پذیری مالی شرکت دارد. همچنین یافته‌ها موید اثر تعدیلی معنادار عدم اطمینان سیاست اقتصادی در رابطه بین افشای پایداری و میزان انعطاف‌پذیری مالی بود؛ به طوری که عدم اطمینان سیاست اقتصادی رابطه بین افشای پایداری و میزان انعطاف‌پذیری مالی را تضعیف می‌کند. یافته‌های حاصل از آزمون‌های تکمیلی نیز موید نتایج اصلی و استحکام نتایج است.نتیجه‌گیری: یافته‌های این پژوهش ضمن تأیید رابطه مثبت و معنادار بین افشای پایداری و انعطاف‌پذیری مالی، نشان می‌دهد که عدم اطمینان سیاست اقتصادی به طور معناداری این رابطه را تضعیف می‌کند. این نتیجه از نظر تئوریک دارای اهمیت مضاعف است؛ از یک سو، نظریه علامت‌دهی و نظریه ذی‌نفعان ابزاری را تأیید می‌کند که بر اساس آن، افشای اطلاعات پایداری از طریق کاهش عدم تقارن اطلاعاتی و جلب اعتماد ذی‌نفعان، منابع مالی بنگاه را افزایش می‌دهد. از سوی دیگر، یافته تضعیف‌کنندگی عدم اطمینان سیاست اقتصادی، با نظریه اختیار واقعی همسو است که پیش‌بینی می‌کند در شرایط ابهام بالا، بنگاه‌ها تمایل دارند سرمایه‌گذاری در پروژه‌های بلندمدت از جمله فعالیت‌های پایداری را به تعویق انداخته و نقدینگی خود را حفظ کنند. از منظر عملی، این نتایج به مدیران بنگاه‌ها هشدار می‌دهد که در دوره‌های عدم اطمینان اقتصادی بالا، صرفاً اتکا به افشای اطلاعات پایداری برای بهبود انعطاف‌پذیری مالی کافی نیست و باید راهکارهای مکملی نظیر افزایش ذخایر نقدی و تنوع بخشیدن به منابع تأمین مالی را نیز در دستور کار قرار دهند. همچنین برای سرمایه‌گذاران و تحلیلگران مالی، این یافته حاکی از آن است که در شرایط رکود یا بی‌ثباتی اقتصادی، عملکرد خوب ESG نمی‌تواند به تنهایی تضمین کننده انعطاف‌پذیری مالی بنگاه باشد و ارزیابی همزمان شاخص‌های عدم اطمینان محیطی ضروری است. در سطح سیاست‌گذاری نیز، دولت‌ها و نهادهای ناظر باید توجه داشته باشند که ترویج افشای پایداری در شرایط بی‌ثباتی اقتصادی، بدون کاهش همزمان عدم اطمینان سیاستی، نمی‌تواند به نتایج مطلوب منجر شود. به این ترتیب، پژوهش حاضر با آشکارسازی نقش تضعیف کننده عدم اطمینان سیاست اقتصادی، مرزهای دانش موجود در زمینه پایداری شرکتی را گسترش داده و مسیرهای جدیدی را برای پژوهش‌های آتی در زمینه تعامل بین ریسک‌های کلان اقتصادی و راهبردهای سطح بنگاه می‌گشاید. https://jfmp.sbu.ac.ir/article_107259.html هدف : ارائه و ارزیابی چارچوبی پویا برای بهینه‌ سازی پرتفوی در بازار رمزارزها که توازن میان بازده و کنترل ریسک را در شرایط نوسانی زیاد تضمین کند. در این پژوهش هدف اصلی توسعه عامل تطبیقی حساس‌ به‌ ریسک است که با ترکیب چند عامل پایه یادگیری تقویتی عمیق و مکانیزم جابجایی پویا، تخصیص وزن دارایی‌ها را به‌صورت زمان‌ مند تنظیم کرده و رفتار محافظه‌ کارانه در دوره‌های پرنوسان و رفتار تهاجمی در دوره‌های رونددار را برقرار می‌سازد. دامنه تجربی شامل پنج رمزارز منتخب شامل بیت‌کوین، اتریوم، سولانا، ریپل و تتر است تا کارایی چارچوب در محیط‌های واقعی بازار ارزیابی شود.روش : داده‌های روزانه پنج ساله از پایگاه یاهو فایننس گردآوری و پس از پاک‌سازی با تقسیم ۷۰٪ برای آموزش و ۳۰٪ برای آزمون آماده شدند. نمایه حالت شامل قیمت‌ ها، حجم و شاخص‌های تکنیکال رایج بود و نمایش حالت با استفاده از معماری ترنسفورمر برای استخراج وابستگی‌ های بلندمدت زمانی صورت گرفت. دو دسته روش مورد بررسی قرار گرفت: 1- عوامل منفرد یادگیری تقویتی عمیق شامل PPO، A2C و DQN که هر یک مستقل پرتفوی را مدیریت می‌کنند و 2- چارچوب تطبیقی حساس‌به‌ریسک که با پایش معیارهای کوتاه‌مدت مانند سود و زیان تجمعی پنجره‌ای و نوسان متحرک پنج‌ روزه، بین عوامل سوئیچ می کند. تابع پاداش از مؤلفه‌ های حساس‌ به‌ ریسک شامل تابع مطلوبیت لگاریتمی بازده، جریمه برای نوسان و نسبت‌ کالمار تشکیل شد و معیارهای ارزیابی شامل بازده تجمعی، بازده سالیانه‌، نسبت شارپ، نسبت سورتینو، نسبت کالمار و حداکثر افت سرمایه بودند.یافته‌ها : در مجموعه داده‌های آزمایشی، چارچوب تطبیقی حساس‌ به‌ ریسک عملکرد برتری نسبت به هر یک از عوامل منفرد نشان داد. در دوره‌های بدون روند بازار، مدل پیشنهادی ارزش نهایی پرتفو و نسبت‌های تعدیل‌ شده بر ریسک بالاتری نسبت به سایر روش ها ثبت کرد. برای مثال نسبت شارپ ≈ 1.13، نسبت سورتینو ≈ 1.81 است و در دوره‌های صعودی بازار به‌ طور چشمگیری نسبت شارپ ≈ 1.73، نسبت کالمار ≈ 3.34 و بازده سالیانه‌ بالاتری ارائه داد؛ به‌طوری که ارزش نهایی پرتفو در دوره صعودی تقریباً دو برابر بهترین عامل مستقل شد. نتایج کمی نشان دادند که جابجایی پویا بین عوامل تهاجمی، متعادل و محافظه‌کار موجب افزایش بهره‌برداری از روندهای مثبت و کاهش زیان در دوره‌های پرنوسان گردید، هرچند افت حداکثر در برخی سناریوها افزایشی مقطعی نشان داد که با مکانیسم بازگشتی به رفتار محافظه‌کار جبران شد.نتیجه‌گیری : ترکیب معماری ترنسفورمر برای استخراج ویژگی‌های زمانی با چارچوب عامل تطبیقی حساس‌ به‌ ریسک، راهکار مؤثری برای مدیریت پویای پرتفوی در بازار رمزارزها ارائه می‌دهد؛ به‌ویژه زمانی که هدف، افزایش بازده و کنترل ریسک نزولی به طور همزمان است . یافته‌ ها نشان می‌دهد استفاده از مکانیسم سوئیچ پویا میان چند عامل یادگیری تقویتی عمیق می‌تواند کارایی و پایداری پرتفو را در مواجهه با تغییر رژیم‌های بازار به‌ طور معنا‌داری بهبود بخشد. همچنین، نتایج آزمون رتبه علامت ویلکاکسون بر پایه ده اجرای مستقل نشان داد که برتری مدل پیشنهادی نسبت به مدل‌های PPO، A2C و DQN در تمامی شاخص‌های اصلی عملکرد از نظر آماری معنادار است (01/0>P). این یافته بیانگر پایداری، استحکام و قابلیت تکرارپذیری نتایج مدل پیشنهادی بوده و نشان می‌دهد که عملکرد برتر آن صرفاً ناشی از نوسانات تصادفی فرآیند آموزش نیست. https://jfmp.sbu.ac.ir/article_107260.html هدف: درک وابستگی پویای بین صنایع در میان شاخص‌های سهام برای تصمیم‌گیری‌های سرمایه‌گذاری و طراحی سیاست‌های اقتصادی بسیار حیاتی است. ضریب همبستگی پیرسون تنها وابستگی خطی را نشان می‌دهد. بااین‌حال، توزیع بازده متغیرهای مالی بیضوی نیست. بعلاوه اینکه که رویدادهای شدید در دنباله توزیع که در دوران بحران رخ می‌دهند می‌توانند به‌سرعت در میان بازارهای مالی گسترش یابند و منجر به وابستگی متقابل شدیدتر شوند که نیازمند به‌کارگیری مدل‌های پیچیده‌تر و پیشرفته‌تر است. قابل‌توجه است که مدل‌های مبتنی بر کاپیولا امکان مدل‌سازی وابستگی غیرخطی با استفاده از هر توزیع حاشیه‌ای دلخواه را فراهم می‌کنند. در میان خانواده‌های مختلف کاپیولا، درخت‌های واین امکان مدل‌سازی انعطاف‌پذیر وابستگی‌ها با استفاده از طیف وسیعی از کاپیولاهای دومتغیره، را فراهم می‌کنند. وابستگی متقابل بازده‌های سهام فردی اغلب تحت تأثیر وابستگی بین بخش‌های بازار سهام شکل می‌گیرد؛ بنابراین، ضروری است که وابستگی دنباله‌ای در بین بخش‌های مختلف درک شود، زیرا هر بخش اغلب به شرایط اقتصادی به شکل متفاوتی واکنش نشان می‌دهد. هدف این مطالعه، آشکار ساختن ساختار وابستگی 70 سهام در 10 صنعت با استفاده از مدل‌های C-واین، R-واین و D-واین است.روش: در این مقاله از مدل ARMA-EGARCH(1,1) با نوآوری‌های student-t، برای توزیع‌های حاشیه‌ای استفاده می‌شود. برای تعریف داده‌های کاپیولا، تابع توزیع تجمعی (CDF) مربوط به توزیع student-t را به‌عنوان تبدیل انتگرالی احتمال به کار می‌بریم. گام بعدی، شامل انتخاب توابع کاپیولا با استفاده از داده‌های حاشیه‌ای و توسعه ساختارهای واین است. در این مقاله، پارامترها با استفاده از روش برآورد ترتیبی (SE) و حداکثر راستنمایی مشترک (MLE) محاسبه می‌شوند.یافته‌ها: گره‌های ریشه‌ای یا همان نمایندگان صنایع در درخت‌های R-واین استخراج گردیدند. وابستگی میان نمایندگان صنایع در مشخصه R-واین به‌صورت زیر است: شرکت شماره 1 از صنعت انبوه‌سازی املاک و مستغلات، شرکت شماره 8 از صنعت سرمایه‌گذاری‌ها و شرکت شماره 6 از صنعت خودرو و ساخت قطعات به عنوان گره‌های ریشه در شبکه وابستگی شناسایی شده‌اند. گره 1 نقش مرکزی در میان سایر شرکت‌های صنعت مواد و محصولات دارویی، صنعت فلزات اساسی، صنعت خودرو و ساخت قطعات و صنعت سرمایه‌گذاری‌ها دارد. نتایج همچنین تائید می‌کنند که مدل‌های R-واین در مقایسه با مدل‌های C-واین و D-واین ترجیح داده می‌شوند.نتیجه‌گیری: برطبق نتایج، فرضیه اول ”ساختار وابستگی میان صنایع بورس تهران از الگوی متقارن (نرمال) پیروی نمی‌کند و دارای وابستگی دُمی است.“ پذیرفته می‌شود ساختار وابستگی میان 10 نماینده صنایع توسط انواع متنوع خانواده‌های کاپیولا از جمله survival BB8 و BB8، مدل‌سازی شده است. فرضیه دوم ”پیوندهای متقابل میان صنایع بورس تهران ماهیتی چندلایه و شبکه‌ای دارد و نمی‌توان آن را به یک ساختار صرفاً مرکزگرا (C-واین) یا زنجیره‌ای (D-واین) فروکاست.“ نیز پذیرفته می‌شود زیرا یافته‌های تحقیق مبنی بر برتری مدل R-واین، فرضیه پیوندهای متقابل شبکه‌ای و چند منبعی در بورس تهران را تأیید می‌کند که این موضوع با ساختار اقتصادی ایران همخوانی دارد. درواقع، در بازار نوظهور بورس تهران، وابستگی‌ها اغلب ناشی از چندین منبع ریسک (ارز، کالا، سیاست پولی) هستند؛ ساختار اقتصادی متنوع اما نامتوازن است؛ و شوک‌ها می‌توانند از مسیرهای مختلف و به‌صورت هم‌زمان منتقل شوند. مدل‌های R-واین در مقایسه با ساختارهای C-واین و D-واین، قدرت تبیین و برازش بالاتری برای مدل‌سازی وابستگی میان‌صنعتی دارند. در واقع، در بورس تهران که در آن وابستگی‌ها ناهمسان، انتقال شوک‌ها با شدت‌های متفاوت صورت می‌گیرد و از ساختار مالکیتی خاص پیروی می‌کند، مدل R-واین، قدرت تبیین و برازش بالاتری برای مدل‌سازی وابستگی میان‌صنعتی دارند.از منظر اقتصادی، برتری R-vine نشان می‌دهد که انتقال شوک در بورس تهران از یک مسیر واحد یا از طریق یک صنعت غالب انجام نمی‌شود، بلکه صنایع مختلف بسته به جایگاه خود در شبکه وابستگی، نقش‌های متفاوتی در جذب یا انتشار ریسک ایفا می‌کنند. این موضوع با ساختار اقتصاد ایران، که تحت تأثیر هم‌زمان متغیرهایی همچون نرخ ارز، قیمت‌های جهانی کالاها، سیاست‌های داخلی و محدودیت‌های نهادی قرار دارد، همخوانی دارد. بنابراین، رفتار مشترک صنایع در بورس تهران را باید حاصل برهم‌کنش چندین منبع ریسک دانست، نه صرفاً واکنش به یک عامل مشترک.