منظور ابتدا عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک در قالب 13 متغیر شناسایی شدند.
نتایج نشان میدهد که با استفاده از معیارهای ارزیابی عملکرد مذکور تا حدودی میتوان بازده صندوقها را پیشبینی نمود و هر دو روش رگرسیون با دادههای ترکیبی و شبکههای عصبی مصنوعی توانایی پیشبینی بازده صندوقها را دارند اما عملکرد شبکههای عصبی مصنوعی بهتر میباشد. همچنین با استفاده 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 استفاده از آزمون زوجی مشخص شد که سبدهای تشکیلشده با استفاده 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- پیشبینی بازده صندوقها با استفاده از رویکرد خطی 103
4-2-1- آزمونهای مدل خطی 104
4-2-2- استخراج مدل خطی 105
4-3- پیشبینی بازده صندوقها با استفاده از رویکرد شبکههای عصبی مصنوعی 108
4-3-1- پیشپردازش دادهها 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
پیشگفتار
صندوقهای سرمایهگذاری مشترک 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. از سوی دیگر هدف اصلی سرمایهگذاران کسب بازدهی بیشتر در سطح ریسک قابلقبول است. بر اساس نظریه پرتفوی، متنوع سازی سرمایهگذاریها میتواند منجر به کاهش نوسانها در عین حفظ متوسط بازده گردد. این پژوهش به دنبال بررسی مقایسهای توان پیشبینی مدل رگرسیون با استفاده 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 استفاده 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.
در فصل اول به ارائه کلیات پرداخته میشود و بیان مسئله، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار میگیرد. در فصل دوم مفاهیم نظری پژوهش و پیشینه پژوهش تشریح و تبیین میشود. در فصل سوم روش انجام پژوهش و جامعه آماری تشریح شده و در ادامه روش گردآوری اطلاعات، تحلیل دادهها و آزمون فرضیات تبیین میشود. فصل چهارم به تحلیل نتایج اختصاص یافته است. چگونگی طبقهبندی اطلاعات و تحلیل آنها از طریق بهکارگیری روشها و مدلهای آماری و در نهایت نتایج آزمون فرضیات تشریح میشود. در فصل پنجم خلاصه پژوهش، نتیجهگیری و بررسی تطبیقی یافتهها ارائهشده و در پایان، محدودیتها و پیشنهادهای پژوهش (مبتنی بر نتایج پژوهش و پیشنهاد در زمینه پژوهشهای آتی) تشریح میشود.
فصل اول
کلیات پژوهش
1-1- مقدمه
رشد اقتصادی بدون توسعه مالی امکانپذیر نیست. توسعه مالی، ابزار، مؤسسات و بازارهای مالی را در بر میگیرد. در این میان، مؤسسات مالی بخش اساسی بازار مالی را تشکیل میدهند. در واقع این مؤسسات زمینهساز رشد ابزار و بازار مالی هستند. بر پایه پژوهشهای متعدد، مؤسسات و ابزارهای مالی، رابطهای مثبت با توسعه و رشد اقتصادی دارند و اغلب، رشد مالی را مقدمهای برای ایجاد جهش در فرآیند توسعه اقتصادی میدانند. از سوی دیگر با توسعه بازار سرمایه و حضور هر چه بیشتر مردم در این بازار نسبت به ایجاد نهادهای سرمایهگذاری مناسب و متنوع، از جمله انواع صندوقهای سرمایهگذاری مشترک[1]، برای تجهیز پساندازهای مردم و فراهم کردن امکان حضور غیرمستقیم آنها در بازار سرمایه، اقدام شده است.
در این فصل ابتدا به کلیاتی از مباحث مهم این پژوهش پرداخته میشود و سپس چرایی انجام این پژوهش، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، سؤالات، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار میگیرد.
1-2- تعریف و بیان مسئله پژوهش
بازار مالی، بازاری است که داراییهای مالی در آن خلق، مبادله و دادوستد میشوند. یکی از اصلیترین کارکردهای بازار مالی، انتقال وجوه مازاد افراد علاقهمند به سرمایهگذاری به افراد نیازمند به سرمایه است. بازار مالی به منظور تأمین نیازهای سرمایهگذاران در این بازار به ابزارهایی[2] نیاز دارد تا بتواند پاسخگوی نیازهای متنوع سرمایهگذاران باشد. فرهنگ اصطلاحات تخصصی مالی، ابزار مالی را به عنوان یک سند رسمی و قانونی مانند سهام و اوراق قرضه و یا سایر ابزارهای مالی تعریف میکند.
در نهایت سومین رکن، مؤسسات مالی است. مؤسسات مالی با اهداف ارائه خدمت به جامعه، تأمین رشد و سهم بازار و ایجاد حداکثر بازدهی به فعالیت میپردازند. به عبارت دیگر مؤسسات مالی یک نقش مهم و اساسی در تبدیل امکانات اقتصادی از قبیل زمین، نیروی انسانی، مدیریت و غیره را به انواع مختلف داراییهای مالی عهدهدار هستند. ایفای این نقش افزون بر اینکه داراییهای موجود در اقتصاد را نقدشوندگی و جریان بیشتری میبخشد، تحول و توسعه اقتصادی را نیز امکانپذیر میسازد.
از دیدگاه کلی نوسانات بازده و قیمت سهام تحت تأثیر عوامل سیستماتیک و غیرسیستماتیک بسیاری است و حساسیت هر سهم به این عوامل متفاوت است؛ از این رو یکی از راهکارهای اصلی و مهم پیشنهادی مدیریت مالی تشکیل سبدی از سهام برای حذف نوسانات ناشی از عوامل غیرسیستماتیک است. این هدف در صندوقهای سرمایهگذاری مشترک به شرط تنوع سازی مناسب میسر شده است؛ اما در مورد ریسک سیستماتیک کماکان این معضل وجود دارد. در ادبیات مالی مدرن روشهای متعددی برای بهینهسازی پرتفوی ذکرشده است؛ اما با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، پیشبینی بازده و تشکیل پرتفویهای بهینه با روشهای سنتی کار دشواری است. با پیشرفت دانش محاسباتی و ظهور فناوری اطلاعات و روشهای فرا ابتکاری امید به حل مسائل پیچیده شکلگرفته و طی چند دهه اخیر این روشها در بازار سرمایه و در مسائل پیشبینی بازده و بهینهسازی پرتفوی استفاده میشود.
صندوقهای سرمایهگذاری مشترک از جمله نهادهایی (مؤسساتی) هستند که طی چند سال اخیر در بازار سرمایه کشورمان معرفیشدهاند و به این دلیل نوپا بودن آنها، پژوهشهای نسبتاً اندکی روی آنها انجامشده است. یکی از مسائل بسیار مهم، پیشبینی رفتار بازده این صندوقها و اتخاذ تصمیمهای سرمایهگذاری و تشکیل پرتفویی از این صندوقها برای سرمایهگذاران است. مسئله این پژوهش بررسی و بهکارگیری روشهای هوش مصنوعی شامل شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیشبینی بازده صندوقهای سرمایهگذاری مشترک بازار سرمایه و تشکیل پرتفوی بهینه از این صندوقها میباشد.