تحقیقات مالی

هدف: هدف از پژوهش حاضر، بهینه سازی سبد سرمایه گذاری با درنظر گرفتن تمامی معیارهای با اهمیت برای سرمایه گذار، در یک محیط فازی با لحاظ کردن سطوح مختلف انتظارات سرمایه گذار برای هر یک از معیارها بر اساس ریسکپذیری آن هاست. بر این اساس، از یک طرف، استفاده از منطق فازی در مدل سازی این مسئله، به دلیل درنظر گرفتن عدم قطعیت در داده های ورودی، می تواند به افزایش تطابق مسئله با شرایط دنیای واقعی منجر شود. از طرف دیگر، در مدل انتخاب سبد سرمایه گذاری ارائه شده، علاوه بر ریسک و بازده، به عنوان دو عامل کلیدی برای سرمایه گذار، برخی عوامل مهم دیگر درنظر گرفته خواهد شد تا بتواند معیارهای مختلف برای سرمایه گذار، از جمله ریسک، بازده کوتاه مدت و بلندمدت، نقدشوندگی، بیشینه و کمینه نسبت سرمایه گذاری روی هر دارایی، سود تقسیمی و محدودیت کاردینالیتی (تعداد دارایی های داخل پرتفوی) را لحاظ کند. هدف دیگر این پژوهش، ارائه مدلی نوآورانه نسبت به مدل های موجود با درنظر گرفتن تابع عضویت لاجستیک شکل فازی، به منظور مدل سازی سطوح انتظارات مختلف سرمایه گذاران است تا بتواند سبد سرمایه گذاری را بر اساس اولویت سرمایه گذاران با درجه ریسک پذیری مختلف نسبت به معیارهای متفاوت تشکیل دهد.روش: روش انجام این پژوهش بدین ترتیب است که ابتدا به مدل سازی یک مسئله بهینه سازی چندهدفه غیرخطی، در یک محیط فازی با درنظر گرفتن تمامی عوامل مهم برای سرمایه گذار پرداخته می شود. سپس با استفاده از روش های کمّی و مبانی منطق فازی، مسئله را به یک مسئله خطی تک هدفه تبدیل می کنیم تا با استفاده از روش ها و نرم افزارهای معمول، بهینه سازی قابل حل باشد. در نهایت با استفاده از شاخص ۵۰ شرکت فعال تر بورس اوراق بهادار، به پیاده سازی مدل و تحلیل نتایج خواهیم پرداخت.یافته ها: یافته های پژوهش نشان می دهد که مدل ارائه شده برای هر دو سرمایه گذار ریسک پذیر و محافظه کار، نسبت به شاخص ۵۰ شرکت فعال تر بورس اوراق بهادار، بازدهی بیش از دو برابری دارد. علاوه براین، مدل ارائه شده، به دلیل درنظر گرفتن تابع عضویت لاجستیک شکل، برای اهداف مختلف مسئله می تواند برای سرمایه گذاران با استراتژی تهاجمی (ریسک پذیر) یا محافظه کار (ریسک گریز) شخصی سازی شود. دلیل این موضوع وجود پارامتر تعیین شکل تابع عضویت در توابع لاجستیک شکل است که می تواند اولویت عوامل مختلف از جمله ریسک، بازده کوتاهمدت و بلندمدت، نقدشوندگی یا سود تقسیمی را برای سرمایه گذاران مختلف با سطوح متفاوت ریسک پذیری مشخص کند.نتیجه گیری: استفاده از توابع عضویت لاجستیک شکل، در محیط فازی و معیارهای مختلف می تواند مدل انتخاب سبد سرمایه گذاری را برای سرمایه گذاران با ویژگی های مختلف شخصی سازی کند تا سرمایه گذاران با سطوح مختلف ریسک پذیری، بتوانند یک سبد سرمایه گذاری مطابق با اولویت های خود را تشکیل دهند. این موضوع به کاربردی شدن مسئله انتخاب سبد سرمایه گذاری در دنیای واقعی کمک بسزایی می کند. همچنین با استفاده از روش های محاسباتی و اصول فازی، می توان مسئله چندهدفه غیرخطی را به یک مدل تک هدفه خطی تبدیل کرد تا پیاده سازی و حل آن تسهیل شود.

هدف: هدف از پیش بینی تغییرات سود، آگاهی دادن به سرمایه گذاران، تحلیلگران مالی، مدیران، مسئولان بازار سهام، اعتباردهندگان و سایر استفاده کنندگان، به منظور قضاوت کردن واحد تجاری، تصمیم گیری برای خرید یا فروش سهام و اعطا یاعدم اعطای وام و اعتبارات است. این پژوهش با هدف ارزیابی عملکرد و مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، برای پیش بینی جهت تغییرات سه مؤلفه سود، از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی اجرا شده است.روش: در این پژوهش با استفاده از اطلاعات مالی ۱۳۹ شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران، در دوره زمانی ۱۵ ساله، طی سال های ۱۳۸۷ تا ۱۴۰۱ و با به کارگیری ۲۵ مدل یادگیری ماشین و ۱۰ مدل آماری، به بررسی مقایسه کارایی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی پرداخته شده است. در پژوهش حاضر از نرم افزار اکسل برای مرتب سازی داده ها، نرم افزار ایویوز برای استخراج آمار توصیفی و از نرم افزارهای داده کاوی اس پی اس اس مدلر و رپیدماینر برای مدل سازی پیش بینی جهت تغییرات سود استفاده شده است. ارزیابی عملکرد مدل های یادگیری ماشین، از طریق دو معیار دقت پیش بینی مدل (accuracy) و ناحیه زیر منحنی (AUC) و ارزیابی عملکرد مدل های آماری تنها با معیار دقت پیش بینی مدل انجام شده است. در نهایت، به منظور انتخاب مدلی که بهترین عملکرد را برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی دارد، از میان مدل های یادگیری ماشین، به انتخاب مدل بهینه با استفاده از منحنی راک پرداخته شده است.یافته ها: پس از محاسبه متوسط دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، مشخص شد که متوسط دقت پیش بینی مدل های یادگیری ماشین برای متغیرهای وابسته (درصد تغییرات سود (زیان) خالص، درصد تغییرات سود (زیان) ناخالص و درصد تغییرات سود (زیان) عملیاتی)، از ۸۳ درصد تا ۹۳ درصد و متوسط دقت پیش بینی مدل های آماری برای هر سه مؤلفه سود، از ۷۶ درصد تا ۸۳ درصد متغیر است. پس از احراز نرمال نبودن متوسط دقت مدل های یادگیری ماشین و مدل های آماری برای اجزای سود توسط آزمون کلموگروف اسمیرنف، از آزمون ناپارامتریک یومن ویتنی برای مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود استفاده شد.نتیجه گیری: نتایج آزمون فرضیه های پژوهش، بیانگر کارایی بالای مدل های یادگیری ماشین برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی نسبت به مدل های آماری است. نتایج منحنی راک نیز نشانگر آن است که مدل درخت تصمیم با دقت پیش بینی معادل ۱۰۰ درصد، برای پیش بینی جهت تغییرات سود (زیان) خالص و دقت پیش بینی معادل ۳۸/۹۹ درصد برای پیش بینی جهت تغییرات سود (زیان) ناخالص و مدل استنتاج قوانین با دقت پیش بینی معادل ۷۶/۸۶ درصد در پیش بینی جهت تغییرات سود (زیان) عملیاتی، بهترین عملکرد را داشتند و به عنوان مدل بهینه انتخاب شدند. 

هدف: در سال های اخیر با افزایش تقاضای انرژی، اهمیت بسیار زیاد انرژی در بحث تولید نمایان شده است. گاز طبیعی به عنوان یک منبع انرژی استراتژیک، از اجزای مهم فرایند تولید کالاها و خدمات به شمار می آید. از طرفی، بازارهای مالی یکی از بازارهای بسیار مهم هر کشور است و بورس های اوراق بهادار، اصلی ترین اجزای بازارهای مالی محسوب می شود. شاخص های متفاوتی که در بورس ها محاسبه می شوند، بازدهی و روند کلی قیمت سهام در کل بازار و صنایع خاص را نشان می دهند. تغییرات هر یک از شاخص ها، از نوسان های قیمت سهام شرکت هایی تأثیر می پذیرد که در محاسبه آن شاخص خاص لحاظ می شود. عوامل زیادی در نوسان های قیمت سهام شرکت ها تأثیر دارند که از آن جمله می توان به قیمت گاز طبیعی اشاره کرد که صنایع مختلف از آن در فرایند تولید بهره می گیرند. تغییرات قیمت گاز، در حاشیه سود شرکت ها تأثیر می گذارد و در نتیجه، قیمت سهام آن ها نیز دستخوش تغییرات می شود و در نهایت، این تغییرات قیمت سهام بر بازدهی کلی بازار سرمایه تأثیرگذار خواهد بود. از این رو با توجه به اهمیت موضوع، پژوهش حاضر به بررسی تأثیر کوتاه مدت و بلندمدت تغییرات قیمت گاز طبیعی بر بازده بازار سهام ایران پرداخته است. روش: این پژوهش از نظر نوع تحقیق، کاربردی محسوب می شود و از نظر فرایند تحقیق، کمّی است. در این پژوهش از روش خودتوضیح برداری و آزمون هم انباشتگی یوهانسن، برای تحلیل داده های ماهانه طی دوره فروردین سال ۱۳۸۸ تا اسفند سال ۱۴۰۱ استفاده شده است. یافته ها: نتایج به دست آمده وجود رابطه بلندمدت بین تغییرات قیمت گاز طبیعی و شاخص های منتخب بازار سرمایه را تأیید می کند. نتایج آزمون هم انباشتگی یوهانسن نشان می دهد که تغییرات قیمت گاز طبیعی در کوتاه مدت و بلندمدت، روی شاخص های بورس، فرابورس و صنایع شیمیایی، صنعت سیمان و فراورده های نفتی تأثیر منفی دارد. همچنین بر اساس سایر نتایج، تغییرات قیمت ارز در کوتاه مدت و بلندمدت، بر شاخص های بازار سرمایه اثر مثبت و معناداری دارد. در نهایت، نتایج آزمون ها نشان می دهد که تغییرات قیمت نفت در کوتاه مدت تأثیر منفی دارد؛ اما در بلندمدت تغییرات شاخص ها، هم جهت با تغییرات قیمت نفت خواهد بود. نتیجه گیری: با توجه به اهمیت قیمت گاز و نقش تعیین کننده آن در نوسان های بازار سرمایه، توصیه می شود که دولت به نحوی قیمت گاز را تنظیم کند که تأثیرهای منفیِ افزایش قیمت بر شاخص های بازار سرمایه کاهش یابد. در این خصوص، می بایست از اخذ تصمیم های ناگهانی در خصوص قیمت گاز پرهیز شود. به جای تصمیم گیری در بودجه سالانه، به طراحی فرمول قیمت گذاری گاز اقدام شود و با توجه به نوسان قیمتهای جهانی گاز، قیمت گاز ارائه شده به صنایع شناور باشد؛ زیرا سرمایهگذار به وضعیت اقتصادی ثابت و بلندمدت نیاز دارد. در بحث تنوع بخشی به مصرف انرژی، دولت می تواند با افزایش سرمایه گذاری در بخش انرژی های تجدیدپذیر و نو، سیاست هایی را اجرا کند تا شرکت ها به استفاده از انرژی های دیگر روی آورند. این امر از وابستگی صنایع به گاز می کاهد و تأثیر تغییرات قیمت گاز بر بورس را کاهش می دهد.

هدف: پیش بینی آینده در حوزه سرمایه گذاری اهمیت زیادی دارد؛ زیرا به سرمایه گذاران کمک می کند تا تصمیم های بهتری اتخاذ کنند و ریسک های خود را کاهش دهند. در این راستا با بهبود قدرت مدل های پیش بینی، می توان به بازدهی های بهتری در بازار دست یافت. با این حال، پیش بینی بازار سهام به دلیل نوسان قیمت ها و عدم قطعیت، دغدغه بزرگی است. به طور کلی، پیش بینی دقیق حرکت سهام بسیار دشوار است و بسیاری از پژوهشگران به بررسی روش هایی می پردازند که فقط جهت حرکت سهام را پیش بینی می کنند. از جمله این روش ها، می توان به گشت تصادفی، پروبیت و لاجیت اشاره کرد. روش های جدیدتری مانند ماشین بردار پشتیبان، الگوریتم نزدیک ترین همسایگی و شبکه عصبی مصنوعی، برای بهبود پیش بینی آینده معرفی شده اند. به علت اهمیت پیش بینی روند بازارهای مالی برای پژوهشگران و سرمایه گذاران، این پژوهش با هدف پیش بینی روند شاخص کل بورس اوراق بهادار تهران با استفاده از یک شبکه عصبی هیبریدی با تمرکز بر استخراج ویژگی مقیاس زمانی چندگانه انجام شده است. هدف از اجرای این پژوهش، بررسی قدرت پیش بینی روش معرفی شده و مقایسه آن با روش های رقیب است.روش: در این پژوهش، از یک شبکه عصبی هیبریدی که شامل شبکه عصبی کانولوشن (CNN) برای استخراج ویژگی ها و سه شبکه عصبی حافظه طولانی کوتاه مدت (LSTM) برای یادگیری وابستگی های زمانی است، استفاده شده است. داده های استفاده شده، مقادیر روزانه شاخص کل بورس اوراق بهادار تهران از سال ۱۳۷۷ تا ۱۴۰۱ بود که پس از جمع آوری و نرمال سازی، به دو بخش آموزش و اعتبارسنجی تقسیم شد. این شبکه عصبی هیبریدی با بهره گیری از ویژگی مقیاس زمانی چندگانه، تلاش می کند تا پیش بینی دقیقی از روند شاخص ارائه دهد. همچنین، از روش های مهندسی استخراج برای بهبود دقت این شبکه ها استفاده شده که عبارت است از: ترکیب شبکه های عصبی مختلف در یک شبکه جامع.یافته ها: نتایج این پژوهش نشان داد که مدل شبکه عصبی هیبریدی پیشنهادی که ترکیبی از شبکه های عصبی CNN و LSTM است، برای پیش بینی شاخص کل بورس اوراق بهادار تهران توانایی کافی را ندارد. دقت این مدل در مقیاس های زمانی هفتگی و ماهانه، کمتر از مدل های رقیب بود. در مقابل، مدل شبکه عصبی CNN که به عنوان یکی از مدل های رقیب بررسی شد، عملکرد بهتری داشت و توانست نتایج دقیق تری در پیش بینی شاخص کل بورس ارائه دهد. این نتایج با مطالعات قبلی که موفقیت مدل های هیبریدی در پیش بینی بازارهای مختلف را نشان داده بودند، در تضاد است.نتیجه گیری: مدل شبکه عصبی هیبریدی پیشنهادی نتوانست شاخص کل بورس اوراق بهادار تهران را به درستی پیش بینی کند؛ در حالی که مدل CNN به تنهایی نتایج بهتری ارائه داد. این یافته ها نشان می دهد که شبکه های عصبی ساده تر، مانند CNN، ممکن است در مواردی عملکرد بهتری داشته باشند. برای پژوهش های آتی، پیشنهاد می شود با تغییر داده های روزانه به داده های بین روزی (مانند داده های دقیقه ای)، مدل شبکه عصبی هیبریدی مبتنی بر استخراج ویژگی زمانی چندگانه بار دیگر بررسی شود. همچنین، استفاده از شاخص های بیشتری مانند مقادیر آغازین، حجم، حداقل، حداکثر، میانگین متحرک و شاخص قدرت نسبی، می تواند بهبود دقت مدل های پیش بینی را به همراه داشته باشد.

هدف: در عصر حاضر، سواد مالی یکی از دانش ها و مهارت های ضروری زندگی شناخته می شود؛ به طوری که در کشورهای توسعه یافته جهان، هر فردی باید از سطح مطلوبی از سواد مالی برخوردار باشد. اهمیت این موضوع تا حدی است که تاکنون بیش از ۶۰ کشور جهان سیاست ها و استراتژی های ملی ای را برای ارتقای سواد مالی طراحی کرده اند و برنامه های مشخصی را در این راستا در دستور کار خود قرار داده اند. کشور ما نیز از این قاعده مستثنا نیست. ارتقای سواد مالی در ایران، به خاطر شرایط خاص اقتصادی، اجتماعی، سیاسی و فرهنگی، اهمیت بسزایی دارد؛ زیرا افزایش آگاهی ها، دانش و مهارت های مالی در افراد، خطاهای مالی آنان را کاهش می دهد، تصمیم گیری های درست مالی را در آن ها تقویت می کند، به آنان احساس اعتمادبه نفس می دهد و در رسیدن به رفاه و امنیت مالی آن ها را یاری می کند. علاوه بر اینها می تواند برای بهبود وضعیت کلان اقتصادی و اجتماعی کشور نیز مفید باشد، ثبات اقتصادی جامعه را تضمین کند و افراد جامعه را بیشتر با سیاست های اقتصادی و مالی همراه کند. از این رو ضروری است که در حوزه سیاست گذاری های عمومی نیز، این موضوع در دستور کار نهادهای بالادستی قرار گیرد و سیاست های ارتقای سواد مالی احصا شود و بهترین و مطلوب ترین سیاست ها در این حوزه مبتنی بر فرهنگ بومی ایرانی اسلامی ما تدوین شود. روش: پژوهش حاضر که با جمع آوری اسناد سیاستی و استراتژی های ملی دیگر کشورها و نیز با استفاده از مصاحبه نیمه ساختار یافته با استادان، متخصصان و صاحب نظران مدیریت مالی، سواد مالی و سیاست گذاری اجرا و با شیوه تحلیل مضمون کیفی، تحلیل شده است، سعی دارد به این پرسش اصلی پاسخ دهد که چارچوب سیاستی برای ارتقای سواد مالی در ایران چیست؟ یافته ها: بر اساس یافته های پژوهش، چارچوب سیاستی برای ارتقای سواد مالی در ایران را می توان بر اساس چهار حوزه اصلی پی ریزی کرد که هر یک از این حوزه ها، از چند حوزه فرعی تشکیل می شود. این حوزه ها عبارت اند از: ۱. پیش نیازهای سیاستی (شامل پیش نیازهای قانونی، مالی، اجرایی و فرهنگی)؛ ۲. اهداف سیاستی (شامل اهداف آموزشی، اقتصادی و سیاسی اجتماعی)؛ ۳. الزامات سیاستی (شامل الزامات محتوایی، مخاطب شناسی، متخصص پروری و ارزیابی)؛ ۴. ابزارهای سیاستی (شامل ابزارهای سنتی و کلاسیک، نوین و حمایتی تشویقی). این چارچوب می تواند به عنوان طرحی جامع برای سیاست گذاری در زمینه ارتقای سواد مالی در ایران استفاده شود. نتیجه گیری: برنامه های ارتقای سواد مالی در هر کشوری باید متناسب با شرایط خاص آن کشور طراحی شود. با توجه به شرایط خاص ایران، چارچوبی را که این پژوهش بر اساس الگوهای بین المللی و نظرهای خبرگان داخلی ارائه کرده است، می تواند راهنمای مناسبی برای سیاست گذاران در تدوین و اجرای سیاست های مؤثر بومی در این زمینه باشد.

هدف: پژوهش حاضر به دنبال توسعه و بهبود مدل های قیمت گذاری آستانه ای با هدف ارتقای عملکرد مدل های چندعاملی رایج در حوزه پژوهش های قیمت گذاری دارایی هاست. در سه دهه اخیر، روند توسعه مدل های قیمت گذاری در حوزه پژوهش مالی، عمدتاً بر مبنای ناهنجاری های قیمت گذاری بوده است. این مدل ها بر اساس مدل های قبلی توجیه نمی شوند و به عنوان عوامل جدید به مدل ها اضافه شده اند. این روند تکاملی به ظهور صدها عامل مبتنی بر ناهنجاری های موجود در مدل های پیشین منجر شده است. با توجه به فراوانی متغیرهای احتمالی تأثیرگذار بر بازدهی دارایی ها و اهمیت ویژه رعایت اصل «اختصار» در توسعه مدل های قیمت گذاری، ضروری است که به دنبال مدل هایی با حداقل تعداد عامل و بیشترین توضیح دهندگی مطلوب باشیم. در راستای اصل فوق، این پژوهش به دنبال توسعه مدل های قیمت گذاری آستانه ای نوین است که در آن، عامل پیشنهادی به صورت هدفمند برای بعضی از شرکت ها و نه همه آن ها مورد استفاده قرار می گیرد. با انجام آزمون های مقطعی دقیق و رگرسیون مقطعی آستانه ای، تأثیر آستانه ای متغیرهای کلیدی مانند ریسک اعتباری بر نرخ بازده مورد انتظار با توجه به متغیر آستانه نسبت بدهی، به طور جامع بررسی می شود. انتظار می رود که تأثیر متغیرهای ریسک اعتباری یا اضطراب مالی بر نرخ بازده مورد انتظار، برای سطوح مختلف بدهی دارایی ها، به طور معناداری متفاوت باشد. در صورت معنادار بودن اثر آستانه ای نسبت بدهی، می توان در آزمون های سری زمانی، عامل های مربوط به ریسک اعتباری را به طور هدفمند، تنها برای دسته ای از دارایی ها با ویژگی های مشخص استفاده کرد. هدف نهایی و اساسی این پژوهش، توسعه مدلی نوآورانه است که به جای حضور یک عامل به صورت صفر و یک در مدل قیمت گذاری، حضور عامل برای بعضی از دارایی ها را بر اساس شرایط و معیارهای مشخص در نظر بگیرد. روش: برای بررسی عملکرد مدل های قیمت گذاری آستانه ای، از داده های شرکت های بازار سرمایه ایران در بازه زمانی ۱۳۸۰ تا ۱۴۰۲ بعد از اعمال فیلترهای رایج برای آزمون مدل های قیمت گذاری استفاده شده است. به منظور بررسی اثر آستانه ای در بررسی عملکرد مدل های قیمت گذاری، از تکنیک های رگرسیون آستانه ای و برای آزمون فرضیه های پژوهش، از آزمون GRS و آماره های ، ( ) و ( ) استفاده شده است. یافته ها: نتایج به دست آمده نشان می دهد که متغیر فاصله تا نکول، به تنهایی یا در حضور سایر ویژگی ها، تحت تأثیر اثر آستانه ای نسبت بدهی قرار می گیرد؛ به طوری که رابطه معنادار و منفی (فاصله تا نکول کم معادل بازدهی مورد انتظار بالا) برای سهام با نسب بدهی بالا برقرار است و به نظر می رسد، استفاده از اثر آستانه متغیرهای تأثیرگذار بر بازدهی دارایی در رگرسیون های مقطعی، امکان بررسی دقیق تری از اثر متغیرها بر بازدهی سهام انفرادی را فراهم می آورد. همچنین اضافه شدن عامل ریسک نکول به مدل های قیمت گذاری مورد بررسی، توان توضیح دهندگی و قدرت پیش بینی مدل ها را برای دارایی های آزمون با آستانه بدهی بالا افزایش می دهد. نتیجه گیری: نتایج حاصل نشان می دهد که برای رعایت اصل اختصار در مدل های قیمت گذاری، می توان از مدل های قیمت گذاری آستانه ای، برای توسعه مدل های قیمت گذاری و قیمت گذاری بخشی از دارایی های آزمون با ویژگی ها خاص بهره برد و در توضیح دهندگی و عملکرد برون نمونه ای نتیجه مناسب را دریافت کرد.

هدف: همه گیری کووید ۱۹ علاوه بر تهدید سلامت عمومی، اقتصاد کشورها و به ویژه بازارهای سهام را با چالش های جدی مواجه کرد. از این رو، پژوهشگران کشورهای مختلف، هریک به سهم خود تلاش کردند تا موضوع را از جنبه های مختلف در این زمینه مطالعه و بررسی کنند. هدف این مقاله، مطالعه بیبلیومتریک پژوهش های انجام گرفته در حوزه کووید ۱۹ و بازار سهام در ایران، از طریق ترسیم و تحلیل نقشه های علمی است.روش: پژوهش از نوع کاربردی بوده و با استفاده از فنون کتاب سنجی اجرا شده است. جامعه آماری پژوهش، شامل کلیه مقالات منتشر شده در حوزه موضوعی کووید ۱۹ و بازار سهام در ایران از بهمن ماه ۱۳۹۸ تا فروردین ماه ۱۴۰۲ است. تجزیه وتحلیل داده ها نیز با استفاده از نرم افزارهای اکسل، راور پریمپ و وس ویور انجام شده است.یافته ها: بررسی ها نشان می دهد که روند انتشار مقاله های این حوزه در ایران، صعودی بوده است و بیشترین تعداد مقاله های منتشر شده نیز، به سال ۱۴۰۱ با ۲۶ عنوان و ۵۰ درصد از کل مقاله ها مربوط می شود. ارزیابی ساختار فکری پژوهش ها در تحلیل های کتاب سنجی، معمولاً از طریق بررسی پُرتکرارترین کلیدواژه ها و همچنین، هم رخدادی واژگان انجام می پذیرد. پُرتکرارترین کلیدواژه ها در شناسایی هسته اصلی موضوعات تشکیل دهنده ساختار فکری پژوهش ها و هم رخدادی واژگان در شناسایی خوشه ها، روند زمانی و همچنین، چگالی واژگان کلیدی تشکیل دهنده ساختار فکری پژوهش ها، از نکته نظر معرفی موضوعات غالب، توسعه یافته، اشباع شده، از بین رفته یا در حال ظهور مورد استفاده قرار می گیرند. در این پژوهش به منظور بررسی پُرتکرارترین کلیدواژه ها، از واژه های اصلی استفاده شده در عنوان، چکیده و همچنین، واژگان کلیدی منتخب نویسندگان در هریک از مقالات استفاده شد. در هر حال، پژوهشگران حوزه پژوهش های کووید ۱۹ و بازار سهام در ایران، از ۳۱۲ کلیدواژه اصلی در مقاله های خود استفاده کرده اند. کلیدواژه های کووید ۱۹ با ۴۷ و بازار سهام با ۴۲ بار تکرار، پُرتکرارترین کلیدواژه های این حوزه هستند و بعد از آن ها کلیدواژه های بازارهای مالی، همه گیری، بحران، شاخص بازار سهام، بازده بازار سهام و بازده سهام قرار دارند. این کلیدواژه ها هسته اصلی موضوعات تشکیل دهنده ساختار فکری پژوهش های این حوزه در ایران هستند. به منظور بررسی هم رخدادی میان واژگان نیز از نقشه شبکه های اجتماعی استفاده شد. تجزیه وتحلیل نقشه شبکه های اجتماعی هم رخدادی واژگان، از طریق سه روش انجام می شود: ۱. تحلیل خوشه های پُرتکرارترین کلیدواژه ها؛ ۲. بررسی روند زمانی تشکیل خوشه های پُرتکرارترین کلیدواژه ها؛ ۳. تحلیل چگالی پُرتکرارترین کلیدواژه ها. اما به علت جدید بودن و همچنین، تعداد کم مقاله های این حوزه در ایران، تجزیه وتحلیل مقاله ها از طریق بررسی روند زمانی و همچنین، چگالی پُرتکرارترین کلیدواژه ها معنادار نخواهد بود. بنابراین، هم رخدادی واژگان تنها از طریق تحلیل خوشه های پُرتکرارترین کلیدواژه ها انجام پذیرفت. در هر حال، ترسیم نقشه هم رخدادی واژگان کلیدی حوزه پژوهش های کووید ۱۹ و بازار سهام در ایران، فقط به شناسایی یک خوشه موضوعی منجر شد. این خوشه مشتمل بر ۸ کلیدواژه اصلی است که عبارت اند از: کووید ۱۹، بازار سهام، بازارهای مالی، همه گیری، بحران، شاخص بازار سهام، بازده بازار سهام و بازده سهام. بدین ترتیب می توان گفت که کلیدواژه های تشکیل دهنده این خوشه، مسیر مطالعات حوزه کووید ۱۹ و بازار سهام را در ایران نشان می دهد که در سال های اخیر آغاز شده است. بررسی ها نشان می دهد که همکاری های خوبی بین دانشگاه ها در این حوزه صورت گرفته است؛ اما همکاری های بیشتری، به ویژه با دانشگاه های سایر کشورها در این زمینه مورد انتظار است.نتیجه گیری: انتظار می رود که نتایج و پیشنهادهای این پژوهش، ضمن تسهیل روند انتشار مقاله های این حوزه در ایران، به عنوان نقشه راهی برای پژوهشگران، به منظور بهره بردن از فرصت های تحقیقاتی بالقوه در این زمینه استفاده شود.

هدف: در سال های اخیر تغییر پارادایمی از رویکردهای سنتی به دیدگاه های مالی رفتاری صورت گرفته است. مالی رفتاری یا به طور محاوره ای، احساسات سرمایه گذاران به عنوان رویکردی مدرن برای قیمت گذاری دارایی ها، به دلیل پشتیبانی تجربی از این موضوع، محبوبیت پیدا کرده است و علاقه مجددی به درک رفتار سرمایه گذاران در بازارهای سهام در حال ظهور پیدا شده است. بر همین اساس، هدف پژوهش حاضر، شناسایی اثر نامتقارن احساسات سرمایه گذاران بر ارزش معاملات و بازدهی سهام در بورس اوراق بهادار تهران است.روش: جامعه آماری این پژوهش تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۹۵ تا ۱۴۰۱ است. تعداد این شرکت ها در روزهای مختلف دوره، به علت عرضه های اولیه، انتقال از فرابورس به بورس یا برعکس، حذف نماد از بورس و توقف نماد متفاوت بوده است. برای اندازه گیری احساسات سرمایه گذاران از شاخص ARMS و برای اندازه گیری نوسان های احساسات از مدل گارچ نمایی استفاده شده است. همچنین مدل های ارزش معاملات و بازدهی سهام با استفاده از روش های مبتنی بر داده های ترکیبی برآورد شدند.یافته ها: یافته های پژوهش نشان داد که اثر احساسات سرمایه گذاران بر ارزش معاملات، مثبت بوده است. اثر احساسات سرمایه گذاران در زمان وجود احساسات مثبت، بیشتر از زمانی است که احساسات منفی بوده است. همچنین، اثر نوسان های احساسات بر ارزش معاملات نیز مثبت و معنادار گزارش شده است. از سوی دیگر، اثر نامتقارن نوسان های احساسات سرمایه گذاران بر ارزش معاملات معنادار شده است. بر اساس نتایج، نوسان های احساسات مثبت در مقایسه با نوسان های احساسات منفی، روی ارزش معاملات تأثیر بیشتری دارد. از سوی دیگر، افزایش نرخ دلار به عنوان متغیر کنترلی، روی ارزش معاملات اثر مستقیم داشته و به افزایش آن منجر شده است. همچنین، تأثیر رشد معاملات صندوق های با درآمد ثابت نیز به عنوان متغیر کنترلی، منفی و معنادار بوده است. نتایج برآورد معادله بازدهی سهام نشان داد که طی دوره بررسی، با افزایش بدبینی و احساسات منفی در بازار، بازدهی سهام کاهش می یابد و برعکس. از طرفی، ضریب متغیر مجازی برای احساسات سرمایه گذاران معنادار است که اثر نامتقارن نوسان های احساسات بر بازدهی سهام را نشان می دهد. یافته ها حاکی از بیشتر بودن اثر احساسات مثبت در مقایسه با احساسات منفی بر بازدهی سهام است. به علاوه، اثر نوسان های احساسات سرمایه گذاران بر بازدهی سهام نیز مثبت و معنادار بوده است. اثر نامتقارن ریسک احساسات سرمایه گذاران بر ارزش معاملات معنادار است و در نهایت، اثر نوسان های احساسات در زمان وجود احساسات منفی بر بازدهی سهام، بیشتر از زمانی است که احساسات مثبت در بازار وجود دارد.نتیجه گیری: بر اساس نتایج به دست آمده، از بین تمام فرضیه های مطرح شده در این پژوهش همه تأیید شدند و فقط دو فرضیه تأیید نشد. یکی تأثیر نوسان های احساسات مثبت بر ارزش معاملات در مقایسه با نوسان های احساسات منفی بیشتر است و دیگری، اثر نوسان های احساسات در زمان وجود احساسات منفی بر بازدهی سهام، بیشتر از زمانی است که احساسات مثبت در بازار وجود دارد.