چکیده
هدف اصلی سرمایه گذاران کسب بازدهی بیشتر در سطح ریسک قابل‌قبول است. از سویی گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار نموده است؛ و نیز بر اساس نظریه پرتفوی، متنوع سازی سرمایهگذاریها می‌تواند منجر به کاهش نوسانها در عین حفظ متوسط بازده گردد. امروزه صندوقهای سرمایهگذاری مشترک به عنوان یکی از نهادهای نوین بازار سرمایه میباشند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و سپس با ایجاد تنوع در دارایی‌های خود سعی در قابل‌قبول سازی ریسک سرمایهگذاری، به وسیله‌ی کاهش و یا حذف ریسک سیستماتیک، دارند. این پژوهش به دنبال بررسی مقایسهای توان پیش‌بینی مدل رگرسیون با بهره گرفتن از داده‌های ترکیبی به عنوان مدلی خطی و روش شبکه‌های عصبی مصنوعی به عنوان روشی غیرخطی و سپس امکان بهینه‌سازی پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک با بهره گرفتن از الگوریتم ژنتیک و در نهایت مقایسه آن با مدل مارکویتز میباشد؛ همچنین جهت مقایسه پرتفویها، تأثیر اندازه سبد سرمایهگذاری نیز مورد بررسی قرار گرفته است. برای این منظور ابتدا عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک در قالب 13 متغیر شناسایی شدند.
نتایج نشان می‌دهد که با بهره گرفتن از معیارهای ارزیابی عملکرد مذکور تا حدودی میتوان بازده صندوقها را پیش‌بینی نمود و هر دو روش رگرسیون با داده‌های ترکیبی و شبکه های عصبی مصنوعی توانایی پیش‌بینی بازده صندوقها را دارند اما عملکرد شبکه های عصبی مصنوعی بهتر میباشد. همچنین با بهره گرفتن از آزمون زوجی مشخص شد که بین میانگین بازده پیش‌بینی‌شده و واقعی تفاوت معنی‌داری وجود ندارد. به علاوه اینکه الگوریتم ژنتیک می‌تواند جهت انتخاب سبد متشکل از سهام صندوقهای مشترک به کار رود و با بهره گرفتن از آزمون زوجی مشخص شد که سبدهای تشکیل‌شده با بهره گرفتن از الگوریتم ژنتیک نسبت به روش سنتی مطلوب‌تر میباشند. همچنین اندازه سبد تأثیر چندانی بر نتایج نداشته و در تمام سطوح، الگوریتم ژنتیک دارای عملکرد بهتری است. ضمناً هرچه تنوع سبد تشکیل‌شده بیشتر و بزرگ‌تر باشد، برتری عملکرد الگوریتم ژنتیک بر روش خطی قابل‌ملاحظه‌تر میشود.
واژگان کلیدی: صندوق سرمایهگذاری مشترک، شبکه‌های عصبی مصنوعی، بازده، الگوریتم ژنتیک، پرتفوی صندوقهای سرمایهگذاری مشترک
فهرست مطالب
عنوان صفحه
فصل اول: کلیات پژوهش 1
1-1- مقدمه 2
1-2- تعریف و بیان مسئله پژوهش 2
1-3- اهمیت و ضرورت انجام پژوهش 3
1-4- اهداف پژوهش 4
1-5- سؤالات و فرضیات پژوهش 4
1-5-1- سؤالات پژوهش 4
1-5-2- فرضیات پژوهش 5
1-6- روش پژوهش 5
1-6-1- نوع مطالعه و روش بررسی فرضیات 5
1-6-2- ابزار گردآوری داده‌ها 6
1-6-3- ابزار تجزیه و تحلیل 6
1-6-4- قلمرو پژوهش 6
1-7- متغیرهای پژوهش و شاخص‌های اندازه‌گیری آن‌ها 6
1-8- بیان مدل مفهومی پژوهش 8
1-9- تعریف واژه‌های کلیدی 9
1-9-1- صندوقهای سرمایهگذاری مشترک 9
1-9-2- شبکه عصبی مصنوعی 10
1-9-3- الگوریتم ژنتیک 10
1-9-4- صندوق سرمایهگذاری مشترک چند صندوق 10
1-10- جنبه‌های جدید و نوآوری پژوهش 11
1-11- ساختار کلی پژوهش 11
فصل دوم: مبانی نظری و مروری بر پیشینه پژوهش 13
2-1- مقدمه 14
2-2- مبانی نظری 15
2-2-1- صندوقهای سرمایهگذاری مشترک 15
2-2-2- فعالیت‌های صندوقهای سرمایهگذاری مشترک 15
2-2-3- تعریف و تشریح صندوق سرمایهگذاری مشترک 16
2-2-4- ضرورت‌های تشکیل صندوقهای سرمایهگذاری مشترک 16
2-2-5- تفاوت صندوقها با شرکت‌های سرمایهگذاری و واحدهای سپرده پذیر 17
2-2-6- ارتباط صندوقهای سرمایهگذاری مشترک با سایر نهادهای مالی 18
2-2-7- ویژگی‌ها و امتیازات سرمایهگذاری در صندوقها 19
2-2-8- معایب صندوق سرمایهگذاری مشترک 21
2-2-9- انواع صندوقهای سرمایهگذاری مشترک 21
2-2-10- انواع صندوقهای سرمایهگذاری مشترک بر اساس نوع سرمایهگذاری 23
2-2-11- طبقه‌بندی صندوقهای سرمایهگذاری مشترک سهامی 24
2-2-12- طبقه‌بندی صندوقهای سرمایهگذاری مشترک اوراق قرضه 27
2-2-12-1- طبقه‌بندی صندوقهای مشترک اوراق قرضه بر اساس منتشرکنندگان 27
2-2-12-2- طبقه‌بندی صندوقهای مشترک اوراق قرضه از لحاظ سررسید‌ها 29
2-2-13- صندوقهای سرمایهگذاری مشترک بازار پول 30
2-2-13-1- طبقه‌بندی صندوقهای مشترک بازار پول 30
2-2-13-2- مدیریت صندوقهای مشترک بازار پول 31
2-2-14- سایر انواع صندوقهای سرمایهگذاری مشترک 32
2-2-15- اهداف و راهبرد‌های صندوقهای سرمایهگذاری مشترک 33
2-2-16- واحدهای سرمایهگذاری در ایران 34
2-2-16-1- سرمایهگذاری مؤسسان و پذیره‌نویسی اولیه 34
2-2-16-2- ارزش خالص داراییها، قیمت صدور و ابطال واحد سرمایهگذاری 34
2-2-17- ساختار کلی صندوقهای مشترک مبتنی بر قانون اوراق بهادار ایران 36
2-2-18- هزینه‌های سرمایهگذاری در صندوق مشترک 39
2-2-19- نحوه‌ی تعیین بازده سالیانه‌ی دوره‌های کمتر از یک سال 44
2-2-20- ریسک سرمایهگذاری در صندوق مشترک 44
2-2-21- انواع اوراق بهاداری که صندوقها می‌توانند در آن سرمایهگذاری نمایند 46
2-2-22- اطلاع‌رسانی 46
2-2-23- مرجع رسیدگی به تخلفات و اختلافات 46
2-2-24- پایان دوره یا تمدید دوره‌ی فعالیت صندوق سرمایهگذاری مشترک 47
2-2-25- مروری بر صندوقهای سرمایهگذاری مشترک فعال ایران 47
2-2-26- ارزیابی عملکرد صندوقهای سرمایهگذاری مشترک 48
2-2-27- عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک 49
2-3- مروری بر پیشینه پژوهش 52
2-3-1- پژوهش‌های خارجی 52
2-3-2- پژوهش‌های داخلی 58
فصل سوم: روش‌شناسی پژوهش 67
3-1- مقدمه 68
3-2- روش پژوهش 68
3-3- طرح مسئله پژوهش 68
3-4- فرضیات پژوهش 70
3-5- روش‌های گردآوری اطلاعات 70
3-6- ابزار جمع‌آوری داده‌ها 71
3-7- قلمرو پژوهش 71
3-7-1- قلمرو موضوعی پژوهش 71
3-7-2- قلمرو زمانی پژوهش 72
3-7-3- قلمرو مکانی پژوهش 72
3-8- جامعه آماری 72
3-9- متغیرهای مورد استفاده در پژوهش 72
3-9-1- متغیر وابسته (ملاک یا هدف) 73
3-9-2- متغیرهای مستقل (پیش بین) 73
3-10- مدل مورد مطالعه 76
3-11- روش مدل‌سازی خطی 78
3-11-1- آزمون‌های پیش‌فرض مدل‌سازی 78
3-11-2- تجزیه و تحلیل رگرسیون 78
3-11-3- تحلیل پانلی 79
3-12- هوش مصنوعی 80
3-12-1- شبکه‌های عصبی مصنوعی و پیدایش آن 81
3-12-2- مزایای شبکه‌های عصبی مصنوعی 82
3-12-3- ساختار شبکه عصبی مصنوعی و طراحی آن 84
3-13- روش بهینه‌سازی خطی 87
3-13-1- مدل مارکویتز 87
3-13-2- ورودی‌های مورد نیاز 88
3-13-3- تعیین پرتفوی کارا 90
3-13-4- انتخاب یک پرتفوی بهینه 91
3-14- روش بهینه‌سازی غیرخطی 92
3-14-1- الگوریتم ژنتیک و پیدایش آن 92
3-14-2- قانون انتخاب طبیعی 92
3-14-3- مزایای الگوریتم ژنتیک 94
3-14-4- محدودیت‌های الگوریتم ژنتیک 95
3-14-5- اصطلاحات الگوریتم ژنتیک 96
3-14-6- فرآیند الگوریتم ژنتیک 97
3-14-7- همگرایی و توقف در الگوریتم ژنتیک 100
3-15- نحوه‌ی آزمون فرضیات 100
3-15-1- آزمون فرضیه‌ی اول 100
3-15-2- آزمون فرضیه‌ی دوم 101
3-15-3- آزمون فرضیه‌ی سوم 101
فصل چهارم: تجزیه و تحلیل اطلاعات 102
4-1- مقدمه 103
4-2- پیش بینی بازده صندوقها با بهره گرفتن از رویکرد خطی 103
4-2-1- آزمون‌های مدل خطی 104
4-2-2- استخراج مدل خطی 105
4-3- پیش بینی بازده صندوقها با بهره گرفتن از رویکرد شبکه های عصبی مصنوعی 108
4-3-1- پیشپردازش داده ها 108
4-3-2- طراحی شبکه‌ی عصبی 109
4-4- نتایج آزمون فرضیه اول 111
4-5- نتایج آزمون فرضیه دوم 112
4-5-1- مقایسه نتایج شبکه عصبی با داده‌های واقعی 112
4-5-2- آزمون زوجی 113
4-6- نتایج آزمون فرضیه سوم 114
4-6-1- سبدهای بهینه خطی و غیرخطی 115
4-6-2- آزمون زوجی 117
4-6-3- بررسی تأثیر اندازه سبد سرمایهگذاری 119
فصل پنجم: خلاصه، نتیجه‌گیری و پیشنهادها 121
5-1- مقدمه 122
5-2- خلاصه نتایج آزمون فرضیه پژوهش 122
5-2-1- نتایج آزمون فرضیه اول 122
5-2-2- نتایج آزمون فرضیه دوم 124
5-2-3- نتایج آزمون فرضیه سوم 124
5-3- محدودیت‌های پژوهش 126
5-4- پیشنهاد‌های پژوهش 127
5-4-1- پیشنهاد‌هایی به استفاده‌کنندگان از نتایج پژوهش 127
5-4-2- پیشنهاد‌هایی برای پژوهش‌های آتی 127
منابع و مآخذ 128
منابع فارسی 128
منابع لاتین 131
پیوستها 1
فهرست جدولها
جدول شماره (1-1): تعریف عملیاتی متغیرها 7
جدول شماره (1-2): متغیرهای پژوهش 8
جدول شماره (2-1): نحوه ارتباط صندوقهای مشترک با سایر نهادهای مالی 18
جدول شماره (2-2): نمونه هزینه‌هایی که از محل دارایی‌های صندوق پرداخت می‌شوند 40
جدول شماره (2-3): هزینه‌هایی که باید توسط سرمایه‌گذ‌ار پرداخت شود 41
جدول شماره (3-1): جامعه آماری پژوهش 72
جدول شماره (4-1): متغیرهای پژوهش 104
جدول شماره (4-2): آزمون عامل افزایش واریانس 105
جدول شماره (4-3): نتایج آزمون لیمر (چاو) 106
جدول شماره (4-4): نتایج آزمون هاسمن 107
جدول شماره (4-5): مدل رگرسیون با داده‌های ترکیبی 107
جدول شماره (4-6): نتایج مدل‌سازی غیرخطی به روش شبکه‌ی عصبی مصنوعی 111
جدول شماره (4-7): مقایسه پیش‌بینی‌های انجام‌شده به روش خطی و غیرخطی 111
جدول شماره (4-8): نتایج بهترین مدل شبکه‌ی عصبی مصنوعی 113
جدول شماره (4-9): مقایسه زوجی همبستگی (بازده پیش‌بینی‌شده – بازده واقعی) 113
جدول شماره (4-10): آزمون زوجی (بازده پیش‌بینی‌شده – بازده واقعی) 114
جدول شماره (4-11): مقایسه معیار ارزیابی عملکرد (معیار شارپ) 117
جدول شماره (4-12): آزمون زوجی (سبدهای خطی- سبدهای غیرخطی) 118
جدول شماره (4-13): آزمون زوجی (سبدهای خطی کوچک- سبدهای غیرخطی کوچک) 119
جدول شماره (4-14): آزمون زوجی (سبدهای خطی متوسط- سبدهای غیرخطی متوسط) 119
جدول شماره (4-15): آزمون زوجی (سبدهای خطی بزرگ- سبدهای غیرخطی بزرگ) 120
فهرست شکل‌ها
شکل شماره(3-1): تقسیم‌بندی هوش مصنوعی 81
شکل شماره(3-2): مرز کارا 91
شکل شماره(3-3): بهینه کلی و محلی 94
شکل شماره(3-4): مراحل اجرای الگوریتم ژنتیک 99
لیست علائم اختصاری:
نمادهای مورد استفاده در پژوهش
نماد
نام
ردیف
MFR
بازده صندوق سرمایهگذاری مشترک
1
SHR
نسبت شارپ- دوره قبل
2
TR
بازدهی به نوسان پذیری بازده- دوره قبل
3
J
معیار بازدهی تفاضلی جنسن- دوره قبل
4
P
نسبت دوره‌ی برتر- دوره قبل
5
SMF
اندازه‌ی صندوق سرمایهگذاری مشترک
6
VG
رشد ارزش
7
CA
درصد دارایی‌های نقدی
8
FME
خبرگی مدیریت صندوق سرمایهگذاری مشترک
9
PI
درصد تملک سرمایهگذاری حقیقی
10
MFA
عمر صندوق سرمایهگذاری مشترک
11
MR
بازده بازار
12
SR
ریسک سیستماتیک
13
AMR
میانگین بازده ماهانه صندوق سرمایهگذاری مشترک
14
ANN
شبکه‌های عصبی مصنوعی
15
GA
الگوریتم ژنتیک
16
FOF
صندوق چند صندوقی
17
