تحلیل ساختار مالکیت در پرتفوی سهام سرمایه گذار ریسک پذیر و ریسک گریز
محل انتشار: دوفصلنامه توسعه و سرمایه، دوره: 10، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 170
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KJDC-10-1_006
تاریخ نمایه سازی: 5 شهریور 1404
چکیده مقاله:
هدف: رشد بلندمدت و مداوم اقتصادی نیازمند تجهیز و تخصیص بهینه منابع در سطح اقتصاد ملی است و این مهم بدون کمک بازارهای مالی بویژه بازار سرمایه گسترده و کارآمد امکان پذیر نیست. یکی از مباحث مهمی که در بازارهای سرمایه مطرح است و باید موردتوجه سرمایه گذاران اعم از اشخاص حقیقی یا حقوقی قرار گیرد، بحث انتخاب سبد سرمایه گذاری بهینه است. سرمایه گذاران سعی می کنند شرکت هایی را انتخاب کنند که جز شرکت های برتر و از رتبه بندی بالایی برخوردار باشند. هدف این پژوهش، تحلیل ساختار مالکیت در تشکیل پرتفوی بهینه سهام است. روش: بدین منظور از اطلاعات مالی ۱۱۹ شرکت بورسی و با استفاده از الگوریتم قورباغه اقدام به تشکیل پرتفوی سهام شده است و ساختار مالکیت در پرتفوی سهام ریسک پذیر، ریسک گریز مورد مقایسه قرارگرفته است. یافته ها: نتایج نشان می دهد الگوریتم هوش مصنوعی قورباغه توانایی تشکیل سبد بهینه سهام را دارد و به طورکلی ساختار مالکیت در سبد سرمایه گذار ریسک پذیر و ریسک گریز تفاوت معناداری ندارد. نتیجه گیری: همان طور که انتظار می رود سبد بهینه سهام برای طیف افراد ریسک پذیر و ریسک گریز متفاوت است و افراد با توجه به روحیه سرمایه گذاری از بعد میزان ریسک پذیری می توانند اقدام به تشکیل سبد بهینه سهام متفاوت نمایند و انتظار بازده مدنظر را داشته باشند و ساختار مالکیت دولتی، خانوادگی، نهادی و مدیریتی در سبد سهام سرمایه گذار ریسک گریز و ریسک پذیر دارای محتوای اطلاعاتی نیست.
کلیدواژه ها:
نویسندگان
سید حسام وقفی
گروه حسابداری، دانشگاه پیام نور، تهران، ایران.
زینب نوربخش حسینی
گروه حسابداری، دانشگاه ملی و مهارت، تهران، ایران.
بهاره عطری
گروه حسابداری، دانشگاه پیام نور، تهران، ایران.
سیما حلمی
گروه حسابداری، دانشگاه ملی و مهارت، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :