چکیده:
برای درک بهتر بازارهای مالی که یکی از پیچیدهترین مفاهیم دنیای امروز هستند میتوان از تئوری شبکه استفاده کرد. شبکههای مالی، به مجموعهای از رأسها و یالها گفته میشود. هر رأس بیانگر یک سهم و هر یال مبین رابطه بین سهام میباشد. مطالعات ابتدایی در این حوزه با استفاده از ضریب همبستگی به توصیف روابط کوتاهمدت بین سهام و مدلسازی بازارها پرداخت. این روش مدلسازی در مورد دادههایی صدق میکند که دارای تقارن هستند و فقط وجود یا عدم وجود رابطه بین سهام را مشخص کرده، نوع رابطه، جهت و وزن آن رابطه را تبیین نمیکند. در سالهای اخیر مدلسازی سریهای زمانی مالی با استفاده از مفهوم همجمعی انجام میشود. طی پژوهش حاضر نیز، با استفاده از آزمون مانایی سریهای زمانی، آزمونهای ریشه واحد دیکی فولر و KPSS و آزمون انگل و گرانجر شبکه مبتنی بر همجمعی طراحیشده و بهمنظور تجزیهوتحلیل این شبکه از معیارهای مرکزیت همچون: درجه مرکزیت، مرکزیت بینابینی مرکزیت نزدیکی، رتبهبندی صفحه و بوناچیچ، استفاده شد. نتایج این پژوهش نشان میدهد شبکههای مبتنی بر همجمعی میتوانند گراف کاملتری از بازارها ارائه دهند و همچنین تجزیهوتحلیل معیارهای مرکزیت میتوانند نقش مؤثری در انتخاب سبد سهام داشته باشند و الگوی مناسبی جهت درک روابط بین سهام ارائه دهند.
Network theory can be used to better understand the financial markets, which are one of the most complex concepts in today's world. Financial networks are a set of Nodes(vertices) and edges. Each node represents one stock and each edge indicates the relationship between the stocks. Early studies in this area used correlation coefficients to describe short-term relationships between stocks and market modeling. This modeling method applies to data that have symmetry and only determines the presence or absence of a relationship between stocks, and does not specify the type of relationship, the direction and weight of that relationship. In recent years, financial time series modeling has been done using the concept of cointegration. In this study using the time series stationary test,unit root tests of Dickey Fuller and KPSS ,and Engle-Granger test, cointegration based network were designed. In order to analyze this network, the centrality measures such as: centrality degree, between centrality, closeness centrality, page ranking and Bonacich were used. The results of this study show that cointegration networks can provide more complete graph of markets, and also central measures analysis can play an effective role in stock portfolio selection and provide a good model for understanding stock relationships.
خلاصه ماشینی:
طي پژوهش حاضر نيز، با استفاده از آزمون مانايي سري هاي زماني ، آزمون هاي ريشه واحد ديکي فولر و KPSS و آزمون انگل و گرانجر شبکه مبتني بر هم جمعي طراحي شده و به منظور تجزيه وتحليل اين شبکه از معيارهاي مرکزيت همچون : درجه مرکزيت ، مرکزيت بينابيني مرکزيت نزديکي، رتبه بندي صفحه و بوناچيچ ، استفاده شد.
نتايج اين پژوهش نشان مي دهد شبکه هاي مبتني بر هم جمعي مي توانند گراف کامل تري از بازارها ارائه دهند و همچنين تجزيه وتحليل معيارهاي مرکزيت مي توانند نقش مؤثري در انتخاب سبد سهام داشته باشند و الگوي مناسبي جهت درک روابط بين سهام ارائه دهند.
پژوهش حاضر نيز، با هدف طراحي و بررسي شبکه بر اساس مفهوم هم جمعي در بازار بورس اوراق بهادار تهران صورت گرفته و سعي شده است شماي کلي روابط سهام شرکت هاي موردمطالعه را نمايش دهد.
در اين پژوهش دو بازه زماني قبل و بعد از برجام در قالب تئوري شبکه مورد بررسي قرار گرفت و نتايج نشان داد که حداقل درخت پوشاي کمينه حاوي اطلاعات مفيدي به منظور تجزيه وتحليل بازار سهام ميباشد همچنين نشان داد که شبکه هاي تدوين شده قبل و بعد از برجام داراي تفاوت هاي چشمگيري هستند.
در اين پژوهش از قيمت نهايي ٣٠ سهم موجود در شاخص ٣٠ شرکت بزرگ از بورس اوراق بهادار تهران که در بيش از ٨٠% کل مقطع زماني مورد نظر به صورت ثابت وجود داشتند استفاده شده است .