Stock market is affected by news and information. If the stock market is not efficient, the reaction of stock price to news and information will place the stock market in overreaction and under-reaction states. Many models have been already presented by using different tools and techniques to forecast the stock market behavior. In this study, the reaction of stock price in the stock market was modeled by the behavioral finance approach. The population of this study included the companies listed on the Tehran Stock Exchange. In order to forecast the stock price, the final price data of the end December, March, June, and September 2006-2015 and the stock prices of 2014 and 2015 were analyzed as the sample. In this study, Bayes' rule was used to estimate the probability of the model change. Through this rule, the probability of an event can be calculated by conditioning the occurrence or lack of occurrence of another event. The results of model estimation showed that there is the probability of being placed in high-fluctuated regimes (overreaction) and low- fluctuated (under-reaction of stock price despite the shocks entered to the stock market. In modelling with the 4-month final prices, it was proved that the real stock price had no difference from the market price. پرونده مقاله

Organizations expose to financial risk that can lead to bankruptcy and loss of business is increased nowadays. This may leads to discontinuity in operations, increased legal fees, administrative costs and other indirect costs. Accordingly, the purpose of this study was to predict the financial crisis of Tehran Stock Exchange using neural network and genetic algorithm. This research is descriptive and practical and in order to collect data Stock Exchange database software has been used. For data analysis, we used artificial neural network in base form and artificial neural network mix with genetic algorithm. In addition for methods comparison, determination coefficient, Mean squared error and Root-mean square error have been used. The result of study shows that the best artificial neural network is a network with a hidden layer and eight neurons in the layer. This network could predict 97.7 percent of healthy and bankrupt companies correctly for test data. Furthermore the best mixed neural network with genetic algorithm is a network with 400 replications and population size 50, one layer and eight neurons which could correctly predict 100% of healthy and bankrupt companies. Finally, comparison of results of two methods shows that the best method for predicting financial crisis is mixed neural network with genetic algorithm. پرونده مقاله

Cash flow and profit are two important indicators for measuring the performance of a business unit. The future prediction was always a necessity in everyday life, and one of the subjects in which “The Prediction” has a great importance is economical and financial problems. The purpose of the present study is to predict future cash flows using regression and neural network models. Sub – separated variables of the accruals and operational cash flows were used to investigate this prediction. For this purpose, data of 137 accepted stock exchange companies in Tehran during 2009 to 2017 has been studied. In this study, Eviews9 software for regression model and Matlab13 software for Multi-Layer Artificial Neural Networks (MANN) with Error back propagation algorithm were used to test the hypotheses.The findings of the research show that both regression and neural network models within proposed variables in the present study have the capability of predicting future cash flows. Also, results of neural network models' processes show that a structure with 16 hidden neurons is the best model to predict future cash flows and this proposal neural network model compared with regression model in predicting future cash flows has a better and accurate function. Furthermore, in this study, it was noticed that accruals of assets compared with debt accrual and variables of operating cash flows with accrual components were more predictive for future cash flows. پرونده مقاله

The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to predict future cash flows by combining artificial intelligence algorithms. Variables of accruals components and operating cash flows were employed to investigate this prediction; therefore, the data of 137 companies listed in Tehran Stock Exchange during (2009-2017) were analysed. The results of this study showed that both neural network models optimized by genetic and particle swarm algorithms with all variables presented in this study (with 15 predictor variables) are able to provide an optimal model Predicting Future Cash Flows. The results of fitting models also showed that neural network optimized with particle swarm algorithm (ANN+PSO) has lower error coefficient (better efficiency and higher prediction accuracy) than neural network optimized with ge-netic algorithms (ANN+GA). پرونده مقاله

وجود یک نظام حقوقی کارآمد می تواند برای توسعه و پیشرفت اقتصادی بسیار مؤثر باشد. بازار سرمایه نیز یکی از ارکان مهم اقتصاد در جامعه است. تحولات اقتصادی کشورهای اسلامی نشان می دهد شرط موفقیت نهادهای اقتصادی در سازگاری آنها با با فرهنگ جامعه اسلامی است و ابزارهای مختلف مالی که وارد کشورهای اسلامی می شود اگر با باورها و فرهنگ دینی مردم سازگار باشند، ماندگار می شوند. لذا یکی از مباحث مهم، شناسایی دیدگاه اسلام در قبال معاملات جدید مالی است و اینکه این ابزارهای مالی نوظهور با کدام اصول و قواعد فقهی قابل توجیه هستند. اکثر احکام فقهی مربوط به معاملات جنبه امضایی دارد و شارع مقدس به پایه ریزی یک نظام حقوقی جدید در این حوزه مبادرت نکرده است بلکه عرف های معاملاتی زمان پیامبر(ص) و ائمه اطهار (علیهم السلام) با اندک تغییری مورد پذیرش قرار گرفته است. شیوه اجتهادی بسیاری از فقها نیز موید این مساله است زیرا آنها همواره بر استحکام قواعد معاملاتی عرفی تاکید داشته اند. آنچه در این مقاله مورد کنکاش قرار می گیرد بررسی فقهی و حقوقی ناهنجاری های بازار سرمایه است که به روش تحلیلی، به استخراج، تبیین و توضیح آن می پردازد. یافته این تحقیق آن است که مبانی شرعی جرم انگاری جرایم حوزه بازار سرمایه در قرآن و سنت شامل حرمت اکل مال به باطل، اصل لاضرر، حرمت تعاون بر اثم و گناه و مبانی حقوقی آن مصلحت عمومی، اخلاق و افکار عمومی است که بر اساس آن می توان جرم انگاری جرایم بازار سرمایه را توجیه نمود. پرونده مقاله

در چند دهه گذشته شناسایی متغیرهای حالت و پارامترهای یک مدل از روی داده های اندازه گیری شده، افزایش چشم‌گیری داشته است این رشد گسترده نیاز فزاینده به مدل‌های فراگیر و یکپارچه ایجاد کرده است. دستیابی به رشد مداوم و بلندمدت اقتصادی نیازمند تخصیص بهینه منابع می باشد و این مهم بدون استفاده از بازارهای مالی، به ویژه بازار سرمایه کارآمد امکان پذیر نیست لذا بهینه‌سازی پرتفوی و تخصیص ثروت بین دارایی‌های مختلف از جمله مهمترین مسایل در سرمایه‌گذاری بحساب می آید. در این پژوهش سعی شده است تا در جهت اجرای پرتفوی مالی هوشمند روش‌های موجود بهینه سازی را براساس عملکرد نسبت شارپ ارتقا داده و روش هوشمندی برای انجام معاملات براساس الگوریتم‌های مختلف ارایه گردد. برای این منظور، ابتدا یک مدل سرمایه‌گذاری کمی با استفاده از الگوریتم مومنتوم و مدل سرمایه گذاری بلندمدت در یک افق زمانی 6 ساله با استفاده از داده‌های ماهانه سازمان بورس اوراق بهادار ایجاد نموده و سپس مجموعه ای از مدل‌های هوشمند (توابع کلی ، میانگین کلی و الگوریتم کلی با فیلترکالمن) ایجاد می شود که میزان سرمایه را با استفاده از الگوهای هوشمند برای به حداکثر رسانیدن بازده و جلوگیری از سرمایه گذاری در سهام های با بازده منفی محاسبه نموده و تحصیص بهینه سرمایه دهد که ساختار پیشنهادی عملکرد بهتری نسبت به سایر الگوریتم های مرسوم داشته و می توان آن را جایگزین این روش ها کرد و به نتایج مطلوب تر دست یافت نهایتاً نتایج نشان دهنده کارایی و بهینه بودن مدل پیشنهادی می باشد. پرونده مقاله

هدف از این پژوهش مدلسازی سرایت مخاطرات در شبکه مالی می باشد در این پژوهش، با استفاده از نرم افزار متلب، وابستگی های متقابل مطالبات و بدهی های شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بصورت یک شبکه مالی مدلسازی و سرایت نکول در آن شبیه سازی می شود، این پژوهش در زمره پژوهش های کاربردی قرار می گیرد، جامعه آماری بررسی شده اطلاعات، 407 شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در قلمرو زمانی سال های 1398-1393 می باشد. نتایج این تحقیق بر نقش“ پیوندهای مسری” تاکید میکند و نشان میدهد موسساتی که بیشترین تاثیر را در بی ثباتی شبکه دارند ارتباط بیشتری با اعضای شبکه داشته و یا بخش بزرگی از پیوندهای مسری را دربر دارند. در این مطالعه گراف جهت دار با دنباله درجات داده شده و توزیع اختیاری از وزن را در نظر میگیریم. نتایج مجانبی نشان میدهد تطابق خوبی با شبیه سازی برای شبکه های با اندازه های واقع بینانه وجود دارد. پرونده مقاله