کارایی نشان می دهد که سازمان چگونه از منابع خود در راستای تولید نسبت به بهترین عملکرد در مقطعی از زمان استفاده کرده است. یکی از مهم ترین شاخص های بررسی عملکرد شرکت ها کارایی است، پیش بینی کارایی شرکت های بورس اوراق بهادار و شناسایی عوامل مؤثر بر کارایی شرکت ضرورتی است که در این پژوهش به آن پرداخته شد. به طوری که این تحقیق به بررسی نقش معیار های ریسک و نظام راهبری بر کارایی شرکت می پردازد .. در این راستا، برای اندازه گیری کارایی شرکت از روش تحلیل پوشش داده ها استفاده شده است. متغیرهای مستقل اولیه در این پژوهش شامل متغیرهای نظارتی نظام راهبری می باشد. یافته های تجربی مربوط به بررسی 154 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه ی زمانی 1390 تا 1397، نشان می دهد که متغیرهای نسبت مالکان نهادی، نسبت مدیران غیرموظف، ارتباط سیاسی شرکت و نسبت مالکیت مدیریتی و تمرکز مالکیت نسبت به سایر متغیرها قدرت بالاتری در تبیین کارایی شرکت با استفاده از روش فرهنگی دارند و همجنین از بین معیار های ریسک معیار ریسک مالی،ریسک نوسان قیمت سهام وریسک بحران مالی بر کارایی تاثیر دارد به علاوه، از نتایج دیگر پژوهش می توان به این موضوع اشاره کرد که در پیش بینی و ارائه الگو کارایی آتی شرکت می توان از روش لاسو با خطای ناچیز استفاده کرد.

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی(ANN) ، برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگو های پایه (Base Predictor)، مسوول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده، پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انجام می دهد. نتایج تجربی بر روی یکی از مجموعه داده های بورس ایران، برتری و کارایی مدل پیشنهادی را در مقایسه با مدل رایج پیش بینی نشان می دهد.

هدف این مطالعه، بررسی پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری می باشد. در این پژوهش براساس داده های مرتبط با 96 نسبت مالی 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری نموده ایم. در این تحقیق به منظور استخراج نسبت های مالی بهینه، از الگوریتم های ژنتیک و بهینه سازی ازدحام ذرات استفاده شده که در نهایت 8 نسبت مالی اثرگذار برای پیش بینی شوک ها (موقت و دایم) و تعداد آنها در طی یک سال انتخاب شدند. در ادامه مدل پیشنهادی با استفاده از این ویژگی های موثر استخراج شده، توسط ماشین بردار پشتیبان با هسته شعاعی و شبکه عصبی مصنوعی آزمون شده است. نتایج حاکی از آن بود که متغیرهای استخراجی از الگوریتم بهینه سازی ازدحام ذرات، به همراه الگوریتم یادگیری ماشین بردار پشتیبان، نتیجه بهتری را برای پیش بینی شوک ها (موقت و دایم) و تعداد آنها دارا هستند.

نزدیک بینی سرمایه گذاران به معنای بیش از واقع ارزیابی کردن عایدات کوتاه مدت و کمتر از واقع ارزیابی کردن عایدات بلندمدت توسط سرمایه گذاران فعال در بازار سرمایه است. نزدیک بینی سرمایه گذاران منجر به تغییر رفتار مدیریت شرکت شده و شرکت به جای تمرکز و برنامه ریزی جهت ارتقاء عملکرد بلند مدت، بر عملکرد جاری و کوتاه مدت تمرکز نمایند و همین امر ممکن است موجب افزایش ریسک سقوط قیمت سهام در بلند مدت گردد. هدف این پژوهش بررسی تاثیر نزدیک بینی سرمایه گذاران بر ریسک سقوط قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. اطلاعات مورد نیاز برای این پژوهش از صورت های مالی 150 شرکت در دوره زمانی سال های 1389 تا 1395 جمع آوری شده است. برای آزمون فرضیه های پژوهش از مدل رگرسیون چند متغیره با داده های تابلویی به روش اثرات ثابت استفاده شده است. برای اندازه گیری نزدیک بینی سرمایه گذاران از مدل دل ریو و سانتاماریا (2016) و برای اندازه گیری ریسک سقوط قیمت سهام نیز از مدل نوسان پایین به بالای چن و همکاران (2001) استفاده شده است. یافته ها حاصل از آزمون فرضیه پژوهش بیان گر آن است که نزدیک بینی سرمایه گذاران بر ریسک سقوط قیمت سهام تاثیر مثبت و معناداری دارد.

شبکه های عصبی مصنوعی مدل هایی ریاضی می باشند که الهام گرفته از سیستم عصبی و مغز انسان می باشند. در این مقاله سعی محقق بر آن است که به پیش بینی قیمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چندلایه از شبکه های عصبی مصنوعی بپردازد؛ و با روش های مختلف سعی شود خطای این پیش بینی را بهبود بخشد. متغیرهای بسیار زیادی در قیمت سهام تاثیر گذار می باشند که در این میان سهم شاخص های اقتصادی عمده را می توان بسـیار بالا دانست، که نرخ ارز (شـامل نرخ دلار آمریـکا و یورو)، قـیمت طـلا و قیمت نفت از آن جمله می باشند. همچنین شاخص کل نیز به عنوان نماینده ای از کل شرکت های پذیرفته شده در بورس اوراق بهـادار تهـران در نظر گرفته می شود، که این شاخص ها به عـنوان متغـیرهای مستقل جهت پیش بینی قیمت سهام مورد استفاده قرار گرفته اند.

پیش بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش بینی آن امری دشوار می باشد. از طرفی سری های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملا خطی و یا غیرخطی است. مدل های هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و شبکه عصبی خودرگرسیون غیرخطی می تواند برای پیش بینی بر اساس سری های زمانی استفاده گردد. در این پژوهش به منظور استفاده از مزیت های هریک از این مدل ها و کاهش خطای پیش بینی، روشی هیبریدی با استفاده از ترکیب خطی نتایج پیش بینی این مدل ها آزمون شده است. وزن های بکاررفته به منظور ترکیب نتایج با استفاده از الگوریتم ژنتیک و همچنین بکارگیری وزن های مساوی تعیین گردیده است. پس از مشخص شدن قابلیت پیش بینی پذیری سری زمانی مورد مطالعه (با استفاده از آزمون نسبت واریانس)، روش ترکیبی مذکور بر روی مقادیر ماهیانه شاخص قیمت بورس اوراق بهادار تهران بکارگرفته شد. نتایج بدست آمده نشان دهنده کاهش خطای پیش بینی های صورت گرفته توسط مدل هیبریدی (در حالت استفاده از وزن های مساوی) نسبت به مدل های تشکیل دهنده آن است.

هدف: فاما (1970) نشان داد بازارهای سهام کارایی ضعیفی دارند و از مدل گام تصادفی پیروی می کنند و به همین دلیل، سرمایه گذاران با استفاده از داده های گذشته، نمی توانند به بازده غیرعادی دست یابند؛ از این رو دانستن این موضوع که قیمت سهام از چه فرایندی پیروی می کند، اهمیت زیادی دارد. سهام شرکت های فعال در صنایع پالایشی و پتروشیمی، به دلیل سودآوری، توزیع سود نقدی و بازدهی مناسب، از محبوبیت بالایی برخوردارند. همچنین برخی فعالان، شرکت های پتروپالایش را پیشروهای بازار تلقی می کنند و بر اثرگذاری آن ها روی روند بازار تأکید دارند. از این رهگذر، هدف این مقاله، آزمون فرضیه گام تصادفی یا کارایی ضعیف قیمت روزانه سهام شش شرکت پتروشیمی و سه شرکت پالایشی است. روش: انتخاب شرکت ها، بر اساس نمونه گیری هدفمند و بر مبنای معیارهای ارزش بازار و معاملات، شناوری سهم و بزرگی شرکت است. این معیارها احتمال شکل گیری رفتار توده وار را کاهش می دهد و شناسایی بهتر الگوی رفتاری میسر می شود. برای آزمون فرضیه گام تصادفی، در مرحله نخست آزمون های ریشه واحد دیکی ـ فولر گسترش یافته (ADF) با رویکرد دولادو و همکاران (1990) و همیلتون (1994) و همچنین، آزمون ریشه واحد با شکست ساختاری درون زای زیووت و اندروز (ZA) انجام گرفت. با توجه به نتایج مرحله نخست، در مرحله دوم برای کنترل نوسان ها و اثرهای اهرمی در ارزیابی کارایی ضعیف، از رویکرد گارچ (1و1) و گارچ نمایی بهره گرفته شد. برای انجام آزمون فرضیه کارایی ضعیف، از داده های روزانه قیمت سهام (تعدیل شده) استفاده شد. یافته ها: نتایج آزمون ریشه واحد دیکی ـ فولر و شکست ساختاری درون زای زیووت و اندروز، نشان داد که از میان 9 شرکت پتروپالایش، 6 شرکت نوری، پارسان، پارس، تاپیکو، شپنا و شتران، از گام تصادفی خالص (کارای ضعیف) و 3 شرکت فارس، شپدیس و شبندر نیز، از گام تصادفی با عرض از مبدأ (نبود کارایی ضعیف) پیروی می کنند. افزون بر این، نتایج مدل های گارچ و گارچ نمایی نشان داد که برای هر 7 شرکت، رابطۀ مثبت بین ریسک و بازده برقرار است. همچنین، شوک های نوسان ها در 4 شرکت فارس، نوری، پارس و تاپیکو، کاملاً پایدار است (کارایی ضعیف). در مقابل، شوک های وارده بر 3 شرکت پارسان، شپدیس و شتران موقتی است و با گذشت زمان، اثر این شوک ها از بین می رود و قیمت به متوسط بلندمدت تعدیل می شود (نبود کارایی ضعیف). شواهد تأیید می کند که در 7 شرکت، نوسان های ناشی از اخبار منفی (بد)، بیش از نوسان های ناشی از همان سطح اخبار مثبت (خوب) است. نتیجه گیری: با توجه به یافته های دو مرحله، شرکت های نوری، پارس، تاپیکو و شپنا، کارایی ضعیفی دارند؛ یعنی رفتار قیمت سهام این شرکت ها پیش بینی کردنی نیست. در مقابل شرکت های پارسان، شپدیس، شتران، فارس و شبندر کارایی ضعیفی را نشان نمی دهند؛ به این معنا که می توان رفتار قیمت سهام آن ها را پیش بینی کرد. پیامدهای نتایج این مقاله، برای سرمایه گذاران در بازار سهام ایران ضروری است. فعالان بازار می توانند در خصوص هر سهامی که کارا نیست و تاحدی الگوی رفتاری آن ها پیش بینی کردنی است، مدل سازی مناسبی انجام دهند و بینشی در خصوص قیمت های آینده آن ها به دست آورند و سود کسب کنند.