سهامداران بورس ايران
به منظور جلب رضایت هرچه بیشتر سرمایه‌گذاران محترم و در راستای افزایش سرعت نقدشوندگی واحدهای سرمایه‌گذاری صندوق لوتوس، تعداد نوبت‌های پرداخت مبالغ ابطال روزانه افزایش یافت.
صندوق پیروزان سریع نقد می‌شود
به منظور جلب رضایت هرچه بیشتر سرمایه‌گذاران محترم و در راستای افزایش سرعت نقدشوندگی واحدهای سرمایه‌گذاری صندوق پیروزان، تعداد نوبت‌های پرداخت مبالغ ابطال روزانه افزایش یافت.
مظنه خرید بازارگردان 23.15 درصد موثر؛ «اعتماد» همواره قابل اعتماد
صندوق سرمایه‌گذاری اعتماد آفرین پارسیان بهترین فرصت کاهش ریسک پرتفوی فعالان بازار سهام است. «اعتماد» مظنه خرید بازارگردان را برای سه ماه آینده با نرخ موثر 23/15 درصد سالانه (معادل اسمی 21 درصد سالانه) اعلام کرد.
ثبات سودآوری و پایبندی به تعهدات؛ سرمایه‌گذاری قابل اتکا و مطمئن
صندوق سرمایه‌گذاری لوتوس پارسیان پیش‌بینی سود سه ماه آینده (شهریور، مهر و آبان 1401) را معادل 21 درصد سود سالانه برآورد کرد.
پشتوانه طلای لوتوس بزرگترین صندوق کالایی کشور
صندوق پشتوانه طلای لوتوس که موفق به دریافت مجوز افزایش سقف سرمایه‌گذاری از 200 به 250 میلیون واحد شده است، در حال حاضر بالغ بر 22 هزار میلیارد ریال دارایی تحت مدیریت دارد و به عنوان بزرگترین صندوق کالایی بازار سرمایه کشور شناخته می‌شود.
از رشد بورس جا نمانید
این روزها که اکثر کارشناسان بازار سرمایه روند بورس را در سال جاری مثبت ارزیابی می‌کنند، چنانچه قصد سرمایه‌گذاری در بورس را دارید، پیشنهاد می‌دهیم با صندوق زرین و ثروت بیشتر آشنا شوید تا از فرصت‌های سودمندی بی‌بهره نمانید.
سرمایه‌گذاری در طلا فرصتی برای پوشش تورم
در شرایط تورمی همیشه سرمایه‌گذاری در طلا برای حفظ ارزش پول جزو بهترین گزینه‌‌هاست. در صندوق پشتوانه طلای لوتوس فرصت بهره‌مندی از مزایای این ابزار با هر میزان سرمایه‌ای برای شما فراهم است.
سرمایه‌گذاری قابل اتکا
صندوق سرمایه‌گذاری مشترک با درآمد ثابت، بهترین گزینه برای افراد علاقه‌مند به سرمایه‌گذاری بدون ریسک و سود دوره‌ای است. جزئیات صندوق‌ها را بخوانید تا بهترین گزینه خود را انتخاب کنید.
سامانه سجام
تنها با یک بار ثبت‌نام از تمامی خدمات بازار سرمایه بهره‌مند شوید. برای اطلاع از جزئیات بیشتر و ثبت‌نام کلیک کنید
معرفی بهترین صندوق‌های سرمایه‌گذاری
سرمایه گذاری آنلاین و مطمئن با سود بالا
ما ابزارهای سرمایه‌گذاری متنوعی ساخته‌ایم که به تمام سرمایه‌گذاران با تمایلات و سطوح مختلف ریسک‌پذیری، خدمات ارائه دهیم. در صندوق‌های درآمد ثابت، ما سعی می‌کنیم به پس‌انداز مشتریان‌مان نرخ سودهایی مطمئن، با ثبات و متناسب با شرایط اقتصادی تعلق بگیرد و در سایر صندوق‌ها همواره سعی کرده‌ایم منابع شما را به بهترین نحو مدیریت کنیم.
گزارش ویژه؛ دستکاری سازمانیافته در بازار بورس ایران: از شرکت‌های دولتی و سهام آنها دوری کنید!
- دکتر نوح فرهادی و دکتر هوشنگ لاهوتی در این پژوهش داده‌های معاملات روزانه ۳۴۱ سهم را در بازار بورس تهران مورد بررسی قرار داده و دستکاری و تقلب‌های صورت گرفته در بازار بورس تهران را با تکیه بر قانون رقم اول و دوم «بنفورد» اثبات کرده‌اند.
- با توجه به اثرات محدودیت‌های تجاری ایجاد شده بر اثر تحریم‌های سال ۲۰۱۸ ایالات متحده [خروج آمریکا از برجام] و افزایش قابل توجه در حوزه بدهی‌های عمومی در اقتصاد ایران، بورس اوراق بهادار به منبع اصلی برای جبران کسری بودجه دولت با انجام عرضه‌های اولیه سهام شرکت‌های دولتی تبدیل شد و دولت با دستکاری در بازار بورس ایران، سرمایه زیادی کسب و البته آن را هدر داده است.
- دکتر لاهوتی: «دکتر فرهادی و من مدتی پیش داده‌های کووید۱۹ را بررسی کردیم و متوجه شدیم که در ایران مرتب داده‌های مربوط به پاندمی دستکاری می‌شود. با بررسی‌های بیشتر به نتیجه‌های مشابه در امور دیگر رسیدیم و هربار که آمار و ارقام رسمی ایران را در ارتباط با رشته‌های تخصصی خود می‌بینیم، از دید انتقادی به آنها نگاه کرده و با دقت آنها را بررسی می‌کنیم.»
- دکتر فرهادی: ««در یک مطالعه جامع از ۳۰ شرکت بزرگ فهرست شده در بورس اوراق بهادار، یکی از دانشجویانم با مشکلات مهمی در رابطه با بازار مالی ایران مواجه شد: عدم شفافیت، مالکیت دولتی شرکت‌ها، اقتصاد ملی تحت فشار، افزایش بیش از ۱۰۰۰ درصدی بدهی ملی!»
- «در تحقیقات خود با عنوان «Iran 3.0»، نیروی محرکه اقتصادی جمهوری اسلامی را مورد بررسی قرار دادم که نشان می‌دهد چگونه رژیم همواره بار خود را به دوش «خانوارها» منتقل کرده است. پرسش این است که آیا رژیم در بازار بورس نیز همین کار را کرده است؟ آیا با دروغ خانوارهای ایرانی را فریب داده تا چاله‌های بودجه آن را پر کنند؟! و اگر چنین است، چگونه این کار را کرده؟!»
ـ ««من اگر یک میلیون دلار می‌داشتم و تصمیم به سرمایه‌گذاری در بورس تهران می‌گرفتم، با توجه به داده‌های موجود، ترجیح می دادم پولم را نگه دارم و صفر درصد بازدهی داشته باشم تا اینکه در بازار بورس ایران سرمایه‌گذاری کنم. مگر اینکه به خدا توکل کنید!«
دکتر نوح فرهادی و دکتر هوشنگ لاهوتی در یک پژوهش علمی مبتنی بر ریاضیات عالی که دوم مارس ۲۰۲۲ در مجله بین‌المللی تجارت و مدیریت منتشر شد با استفاده از آمارهای معتبر دستکاری در بازار بورس اوراق بهادار ایران را اثبات کرده‌اند.
در مقدمه این گزارش پژوهشی با اشاره به نقش اساسی بازارهای مالی ایران در توسعه اقتصادی این کشور آمده که طی سال‌های ۲۰۱۹ و ۲۰۲۰ مقامات حکومتی تبلیغات گسترده‌ای را برای تشویق مردم و سرمایه‌گذاران به سرمایه‌گذاری در بازار بورس اوراق بهادار تهران انجام دادند. بیشترین شهروندانی که بر اساس این تبلیغات پس‌انداز و سرمایه خود را به بازار بورس بردند شکایت دارند که دارایی خود را با نوسانات بازار بورس از دست داده‌اند.
اعداد و ارقام رسمی جمهوری اسلامی زیر ذرّه‌بین
دکتر نوح فرهادی و دکتر هوشنگ لاهوتی در این پژوهش داده‌های معاملات روزانه ۳۴۱ سهم را در بازار بورس تهران مورد بررسی قرار داده و دستکاری و تقلب‌های صورت گرفته در بازار بورس تهران را با تکیه بر قانون رقم اول و دوم بنفورد* اثبات کرده‌اند. در ادامه این مقدمه همچنین آمده «ما دریافتیم که ۴۶ درصد از شرکت‌های حاضر در بازار بورس و اوراق بهادار تهران به قانون رقم اول پایبند نبوده؛ و همچنین تجزیه و تحلیل کامل انطباق با رقم دوم، الگوی مشابهی را نشان داد. با توجه به اثرات محدودیت‌های تجاری ایجاد شده بر اثر تحریم‌های سال ۲۰۱۸ ایالات متحده [خروج آمریکا از برجام] و افزایش قابل توجه در حوزه بدهی‌های عمومی در اقتصاد ایران، بورس اوراق بهادار به منبع اصلی برای جبران کسری بودجه دولت با انجام عرضه‌های اولیه سهام شرکت‌های دولتی تبدیل شد و دولت با دستکاری در بازار بورس ایران، سرمایه زیادی کسب و البته آن را هدر داده است.
دکتر هوشنگ لاهوتی در مورد اینکه چرا نویسندگان به بررسی بازار مالی در ایران پرداختند، به کیهان لندن چنین توضیح می‌دهد: «دکتر فرهادی و من مدتی پیش داده‌های کووید۱۹ را بررسی کردیم و متوجه شدیم که در ایران مرتب داده‌های مربوط به پاندمی دستکاری می‌شود. با بررسی‌های بیشتر به نتیجه‌های مشابه در امور دیگر رسیدیم و هربار که آمار و ارقام رسمی ایران را در ارتباط با رشته‌های تخصصی خود می‌بینیم، از دید انتقادی به آنها نگاه کرده و با دقت آنها را بررسی می‌کنیم. در ارتباط با این گزارش نیز، روزنامه «تعادل» در ایران نوزدهم ژوئن ۲۰۲۰ گزارش داد که بانک مرکزی در ایران بانک‌های ایرانی را مجبور به خرید اوراق بهادار از دولت کرده است. این برخلاف تمام قوانین جهانی است. دولت نباید بانک مرکزی را مجبور به کنترل سرمایه‌گذاری‌های خود کند. این یک علامت قرمز بزرگ برای ما بود.»
دکتر فرهادی در ادامه‌ی گفتگو می‌گوید: «در یک مطالعه جامع از ۳۰ شرکت بزرگ فهرست شده در بورس اوراق بهادار، یکی از دانشجویانم با مشکلات مهمی در رابطه با بازار مالی ایران مواجه شد: عدم شفافیت، مالکیت دولتی شرکت‌ها، اقتصاد ملی تحت فشار، افزایش بیش از ۱۰۰۰ درصدی بدهی ملی! در عرض چند سال، اختلال در صادرات نفت، ضایعات، فساد و همه اینها همراه با کسری بودجه، راهی برای جمهوری اسلامی ایران جهت بستن سوراخ‌های بودجه‌اش باقی نمی‌گذارد. علاوه بر این، در تحقیقات خود با عنوان «Iran 3.0»، نیروی محرکه اقتصادی جمهوری اسلامی را مورد بررسی قرار دادم که نشان می‌دهد چگونه رژیم همواره بار خود را به دوش «خانوارها» منتقل کرده است. پرسش این است که آیا رژیم در بازار بورس نیز همین کار را کرده است؟ آیا با دروغ خانوارهای ایرانی را فریب داده تا چاله‌های بودجه آن را پر کنند؟! و اگر چنین است، چگونه این کار را کرده؟! خب، اکنون شواهد نشان می‌دهد که بورس تهران بنا به تعریف رایج علمی، اصلا بازار کارآمدی نیست.»
دستکاری سازمانیافته و هدفمند
دکتر نوح فرهادی و هوشنگ لاهوتی در این گزارش تحقیقی آورده‌اند که دستکاری بازار پیش از این نیز وجود داشته و با اشکال مختلفی چون انتشار اطلاعات نادرست در مورد دارایی‌ها، تجارت داخلی، یا شبیه‌سازی قیمت‌ها، نرخ‌ها، یا معاملات که بطور کاذب دلالت بر تقاضای بالاتر برای اوراق بهادار دارد انجام می‌شود. اکنون، در عصر دیجیتال و با ظهور بازارهای مالی آنلاین «انتشار و سفارش‌های جعلی برای افزایش یا کاهش قیمت اوراق بهادار» دستکاری بازار را آسان‌تر کرده است.
همچنین مواردی از دستکاری بازارهای مالی آنلاین مطرح شده است؛ از جمله سفارش‌های بزرگ برای تظاهر به تقاضای بالای بازار که ممکن است بر رفتار سرمایه‌گذاران تأثیر بگذارد. شکل دیگری از تقلب، تجارت داخلی و معاملاتی است که به سرمایه‌گذاران امکان دسترسی زودهنگام به اطلاعات افشانشده و محرمانه را می‌دهد.
نویسندگان این پژوهش تأکید کرده‌اند که «تقلب در معاملات سهام و محصولات مالی و سایر اشکال دستکاری بازار، یکپارچگی بازارها را تضعیف می‌کند و می‌تواند آسیب قابل توجهی به سرمایه‌گذاران وارد کند.»
در بخش دیگری از این مقاله درباره انگیزه‌های سهامداران حقیقی برای آوردن پس‌انداز و سرمایه‌هایشان به بازار بورس ایران آمده که «تحریم‌ها یک مانع بزرگ سیاسی برای رشد و توسعه اقتصادی است که در تمام جنبه‌های مالی ایران نفوذ کرده و به اشکال مختلفی از جمله ممنوعیت تجاری، مسدود کردن دارایی‌های ایران، محدودیت‌های سفر و مسدود کردن انواع سرمایه‌گذاری در بازارهای تجاری بروز پیدا کرده و منجر به نوسانات بازار و کاهش ارزش پول ملی شده است. از زمان خروج ایالات متحده از برجام ماه مه ۲۰۱۸، ارزش پول ملی ایران (IRR) به میزان قابل توجهی کاهش یافته است. به همین دلیل، سرمایه‌گذاران ایرانی احتمالا به دنبال سرپناهی برای تضمین ارز خود بودند. بنابراین، آنها با حضور سهامداران بورس ايران در بازار بورس و اوراق بهادار تهران، در ۳۶ صنعت مانند هیدروکربن، اتومبیل، کشاورزی، مخابرات و خدمات به ویژه خدمات مالی سرمایه‌گذاری کردند. بر اساس یک نظرسنجی که توسط آژانس نظرسنجی دانشجویان ایران (ISPA) انجام شده، ۲۰ درصد از جمعیت ایران طی دو سال گذشته به نحوی در بازار بورس سرمایه‌گذاری کرده‌اند. بر اساس همین گزارش، بیش از هفتاد و هفت درصد سرمایه‌گذاران با زیان قابل توجهی مواجه شده‌اند، از هر درصد، هشت درصد سود کسب کرده‌اند و ۱۵ درصد از سرمایه‌گذاران شکست خورده‌اند.»
در این مقاله پژوهشگران با ارزیابی کامل تقاضای روزانه برای سهام عمومی فهرست شده در بورس اوراق بهادار، توانسته‌اند عدم انطباق قابل توجهی با قانون بنفورد را در این ارقام نشان دهند. این شواهد نشان می‌دهد سهام فهرست‌شده در بورس اوراق بهادار با استفاده از «تعداد جعلی معاملات روزانه» تحت تأثیر تلاش‌ها برای دستکاری بازار قرار داشتند و بیشترین تخلفات نیز در مورد سهام مرتبط با صنایع بوده است. دستکاری فعالیت بورس شرکت‌ها در بخش‌های معدن، خدمات مالی، بانکداری، ساخت و ساز، داروسازی، انرژی و تولید بطور مساوی مشاهده شده است.
جبران کسری بودجه از جیب مردم
نویسندگان مقاله تأکید کرده‌اند که علی خامنه‌ای رهبر جمهوری اسلامی بارها شهروندان را تشویق کرده و خواستار مشارکت فعال در سرمایه‌گذاری در بازارهای اولیه و ثانویه سهام کشور شده است. تحلیلگران می‌گویند این تلاش‌ها در درجه اول با اقتصاد ویران شده ایران مرتبط بوده است. از سوی دیگر سوء مدیریت و بی‌کفایتی مستمر، رواج رشوه در مدیریت دولتی، و فشارهای سیاسی و اقتصادی بین‌المللی، زخم‌های عمیقی در اقتصاد ایران برجای گذاشته است. بطوری که ایران به عنوان یک کشور در حال توسعه به سهامداران بورس ايران سختی می‌تواند اقتصاد خود را به تنهایی حفظ کند. شرکت‌های دولتی (SOE) تقریباً ۸۰ درصد از فعالیت اقتصادی کشور را در دست دارند و بر اساس گزارش صندوق بین‌المللی پول (IMF)، تا دسامبر ۲۰۲۰، بدهی بخش عمومی در ایران از ۵۰۰ تریلیون ریال نیز فراتر رفت. از این مقدار، بیش از ۸۹ درصد در اختیار دولت تئوکراتیک و کمتر از ۱۱ درصد در اختیار شرکت‌های دولتی بوده است. بدهی ملی ایران طی ده سال گذشته سالانه ۴۱ درصد افزایش یافته. ایران از نظر سلامت سیستم بانکی خود رتبه ۱۳۱ از ۱۴۰ جهان را دارد. از دید نویسندگان مقاله همه اینها می‌تواند انگیزه رهبر جمهوری اسلامی را برای تشویق جریان سرمایه از طریق مشارکت مردم در معاملات بورس اوراق بهادار را توضیح دهد.
دکتر نوح فرهادی درباره شرکت‌های فعال در بازار بورس ایران به کیهان لندن می‌گوید: «در نظر داشته باشید که تعداد زیادی از شرکت‌های موجود در فهرست سازمان بورس و اوراق بهادار تهران از طریق همین سازمان خصوصی شده‌اند. بسیاری از آنها هنوز تا حدی در مالکیت دولت هستند یا توسط مقامات دولتی اداره می‌شوند. این بدان معناست که وزنه‌ی دولت سنگین است. به همین دلیل تا جایی که به عملکرد این شرکت‌ها مربوط می‌شود، باید احتیاط کرد. می‌دانیم که سپاه پاسداران انقلاب اسلامی سودآورترین شرکت ها را تصاحب کرده و روند اقتصادی را کنترل می‌کند. رسانه‌های آزاد وجود ندارد و با توجه به فساد گسترده در ایران، نمی توان کورکورانه به داده‌ها و آمارهای بازار اعتماد کرد».
وی تأکید می‌کند که «در نهایت IPOها یا عرضه اولیه سهام بسیار پیچیده هستند و نیاز به شناخت عمیق از شرکت‌ها دارند. روند سهامداران بورس ايران بورس در ایران گمراه‌کننده و ناقص است و بر اساس خطا و دستکاری بنیاد گذاشته شده!»
نویسندگان مقاله با بررسی داده‌های بورس ایران نتیجه‌گیری می‌کنند که جمهوری اسلامی با هدف جبران کسری بودجه دولت، بارها مالیات (نهفته) را افزایش داده است که منجر به تلاطم در بازار شده و با عرضه اولیه عمومی (IPO) نیمه‌کاره و دستکاری شده نظام اسلامی توانست به پس‌انداز و سرمایه مردمی که پیش از آن در بازار بورس حضور نداشتند، دسترسی پیدا کند.
نویسندگان همچنین با اشاره به انگیزه‌ای که «کسری بودجه» برای دستکاری بازار سرمایه به مقامات جمهوری اسلامی داده نوشته‌اند که جمهوری اسلامی مظهری از ولخرجی است. به عنوان مثال، بودجه سالانه حکومت اسلامی برای سال ۲۰۲۰/۲۰۲۱ شامل ۴۰ میلیون دلار برای هزینه‌های سفر داخلی «رهبر معظم انقلاب» علی خامنه‌ای بوده. مقایسه این مبلغ با ۱۴ میلیون دلار هزینه سفر باراک اوباما رئیس جمهور سابق آمریکا نشان می‌دهد که رژیم ایران چه اسرافی در بودجه دارد و تا چه میزان ناکارآمد است. به بیان دیگر علی خامنه‌ای برای سفرهای کشوری خود سه برابر بیشتر از رئیس جمهور سابق آمریکا که تازه برخلاف خامنه‌ای، حضور بین‌المللی نیز داشت، پول از جیب مالیات‌دهندگان دریافت کرده است. بورس اوراق بهادار ایران نیز مانند شیوه‌های بودجه‌ریزی و برنامه‌ریزی جمهوری اسلامی، غیرشفاف است.
توصیه به سرمایه‌گذاران بورس
سرمایه‌گذاران چه آنها که واقعا سرمایه دارند و چه مردم عادی که پس‌اندازهای کوچک خود را به بازار بورس می‌برند و یا حتا به امید به دست آوردن پول بیشتر مثلا خانه و اموال خود را می‌فروشند و پول آن را راهی بورس تهران می‌کنند، چه باید بکنند؟
نویسندگان به سرمایه‌گذاران بورسی در ایران هشدار می‌دهند که «هنگام معامله در بورس اوراق بهادار باید بسیار احتیاط کنند. با توجه به شواهد تجربی یافت شده در این مطالعه، انجام بررسی دقیق روی تمام اوراق بهادار فهرست شده در بورس اوراق بهادار، از جمله صورت‌های مالی، تعداد معاملات روزانه، ارزش و حجم معاملات ضروری است. به این ترتیب، سرمایه‌گذاران ایرانی بهتر می‌توانند ریسک‌های ذاتی مبادلات غیرشفاف در بورس اوراق بهادار را پشت سر بگذارند. با وجود این، سرمایه‌گذاران مبتدی باید از انجام هرگونه معامله جدید در بازار بورس خودداری کنند تا زمانی که داده‌های بازار قطعی و قابل اعتماد شوند!»
دکتر نوح فرهادی با قاطعیت به کیهان لندن می‌گوید: «از شرکت‌های دولتی سهامداران بورس ايران و سهام آنها دوری کنید! اما اگر نمی‌توانید، چون اکنون درگیر آن هستید، باید به شرکت‌ها با دقت نگاه کنید؛ به تیم مدیریت یک شرکت سهامی عام که در آن سرمایه‌گذاری کرده‌اید دقت کنید:
آیا می‌توانید به آنها اعتماد کنید؟
آیا اصلا اطمینان دارید که آنها سرمایه‌ای دارند؟
آیا اهداف آنها را برای سه تا پنج سال آینده درک می‌کنید؟
آیا آنها شرکت‌ها و افرادی واقع‌بین هستند؟
سطح تحصیلات آنها چقدر است؟
آیا آنها قادر به راه‌اندازی یک تجارت ساده (مثل بقالی) هستند؟ آیا آنها می‌توانند مسائل پیچیده را مدیریت کنند؟
آیا آنها از اعضای خانواده سران و گروه‌های مافیایی رژیم هستند؟
اگر تحصیلاتی دارند، کجا به دانشگاه رفته‌اند؟
نگاهی به سابقه زندگی و تحصیل و شغلی آنها بیندازید. بررسی کنید که آیا آنها راست می گویند یا نه. به عنوان مثال، یکی از مدیران(تکنولوژی ایمنی) سازمان بورس و اوراق بهادار تهران مدعی شده که در یک شرکت مشاوره استراتژیک بزرگ در آلمان کار کرده. اما این یک دروغ بزرگ است!»
این استاد دانشگاه و کارشناس مدیریت استراتژیک در ادامه می‌گوید: «بطور کلی، سطح بالایی از فساد در کشور وجود دارد. بانک مرکزی و بازار مالی در ایران نهادهای مستقلی نیستند و باید از عقاید مذهبی روحانیون تبعیت کنند. عدم شفافیت مشکل اساسی است در این عرصه است.»
او می‌افزاید: «با نگاهی به نتایج تحلیل ما، سرمایه‌گذاری در بورس اوراق بهادار تهران یک اقدام بسیار پر ریسک است. هر داده‌ای به احتمال زیاد دستکاری می‌شود. فقدان دانش مالی به برداشت‌ها و تصمیمات نادرست و به احتمال زیاد به معاملات بی‌سود منجر می‌شود. خطرات معاملاتی ناشی از TSE نه تنها مبتنی بر ریاضی بلکه سیاسی نیز هستند. با توجه به بحران‌های سیاسی رژیم ملایان در طول بیش از چهار دهه همراه با تحریم‌های مداوم و فساد نهادینه، سرمایه‌گذاران همواره در معرض از دست رفتن سرمایه‌شان در بورس هستند.»
دکتر نوح فرهادی در پایان گفتگو با کیهان لندن می‌گوید: «من اگر یک میلیون دلار می‌داشتم و تصمیم سهامداران بورس ايران به سرمایه‌گذاری در بورس تهران می‌گرفتم، با توجه به داده‌های موجود، ترجیح می دادم پولم را نگه دارم و صفر درصد بازدهی داشته باشم تا اینکه در بازار بورس ایران سرمایه‌گذاری کنم. مگر اینکه به خدا توکل کنید! خطرات چنین سرمایه‌گذاری‌هایی بسیار بیشتر از سودیست که ممکن است به دست آورد، به ویژه با توجه به عدم اطمینان‌های سیاسی و ثبات همگرایی نیروها که همگی تحت تأثیر داده‌های ماوراء طبیعی نیز قرار دارند! اگر با همه این اوصاف، باز هم می‌خواهید در بازار مالی سرمایه‌گذاری کنید، یاد بگیرید که از تئوری انتخاب سود «مارکویتز»، فرضیه‌های بازار کارآمد «فاما» استفاده کنید و تناسب‌های «شارپ» را یاد بگیرید! در کشورهای پیشرفته که بازارهای بورس آنها قابل اعتماد است، بانک‌ها در این زمینه خدمات رایگان به علاقمندان سرمایه‌گذاری در بورس ارائه می‌دهند!»
*قانون بنفورد نشان می‌دهد که بر خلاف تصور عمومی مبنی بر هم‌شانس بودن اعداد برای قرار گرفتن در رقم‌های مختلف، در مشاهدات حاصل از بسیاری پدیده‌های طبیعی، اعداد به صورتی خاص و غیرهم‌شانس در موقعیت‌های مختلف توزیع شده‌اند. قانون بنفورد یک توزیع گسسته و نامتقارن برای ارقام معنی‌دارِ مشاهداتِ حاصل از شمارش یا برگرفته از رویدادهای طبیعی ارائه می‌دهد و دارای کاربردهای بسیار متنوعی در زمینه‌های مختلف است.
پیش‌بینی روند بورس سهام ایران با استفاده از نوسان نمای موج الیوت و شاخص قدرت نسبی
1 دانشجوی دکتری، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
2 استادیار، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
3 استادیار، گروه کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.
چکیده
هدف: تئوری موج الیوت، از ابزارهای تحلیل تکنیکال و مبتنی بر روان‌شناسی افراد است که در سال‌های اخیر به ابزار مهمی برای تحلیلگران و سرمایه‌گذاران تبدیل شده است. این تئوری، در تمام بازارهای مالی، به‌خصوص بازار سهام، وجود دارد که از آن استقبال عمومی شده و با حرکت توده‌ای همراه است. این پژوهش، برگرفته از این نظریه، در پی این هدف است که آیا از طریق نوسان‌نمای موج الیوت و الگوریتم‌های یادگیری ماشین از نوع دارای نظارت و طبقه‌بندی، می‌توان روند آتی بازار سهام ایران را پیش‌بینی کرد؟
روش: در این پژوهش، ابتدا داده‌های شاخص کل، به‌عنوان دماسنج اقتصاد و نمایانگر وضعیت کلی بازار سهام ایران از تاریخ 25/02/1387 تا 05/09/1399 به‌طور روزانه بررسی شد و با استفاده از نوسان‌نمای موج الیوت و شاخص قدرت حرکت، حرکات جنبشی و اصلاحی شناسایی و به سه دسته خرید، فروش و نگهداری برچسب‌گذاری شدند. سپس، خروجی این مرحله به سه الگوریتم یادگیری ماشین شامل درخت تصمیم، بیز ساده و ماشین بردار پشتیبان داده شد تا برای یادگیری و پس از آن، پیش‌بینی روند روی داده‌های آزمون، آزمایش شوند.
یافته‌ها: نتایج نشان داد که در شاخص بورس اوراق بهادار تهران، شناسایی امواج الیوت امکان‌پذیر است و الگوریتم‌های ماشین بردار پشتیبان و درخت تصمیم، قادرند، روند شاخص کل را برای آینده با دقت بالای 90 درصد پیش‌بینی کنند.
نتیجه‌گیری: در بازار سرمایه ایران نمودار شاخص کل رفتار الیوتی رعایت شده و تمامی افراد فعال در بورس تهران، می‌توانند از روش پیشنهادی برای سیستم معاملاتی خود بهره ببرند.
کلیدواژه‌ها
- پیش‌بینی روند
- تحلیل تکنیکال
- تئوری موج الیوت
- الگوریتم‌های طبقه‌بندی
20.1001.1.10248153.1400.23.1.7.6
عنوان مقاله [English]
Predicting Stock Market Trends of Iran Using Elliott Wave Oscillation and Relative Strength Index
نویسندگان [English]
- Samira Seif 1
- Babak Jamshidinavid 2
- Mehrdad Ghanbari 2
- Mansour Esmaeilpour 3
1 PhD Candidate, Department of Accounting, Faculty of Humanities, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran.
2 , Assistant Prof., Department of Accounting, Faculty of Humanities, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran.
3 Assistant Prof., Department of Computer, Faculty of Engineering, Hamadan Branch, Islamic Azad University, Hamadan, Iran.
Objective: Elliott wave theory is one of the tools of technical analysis based on the psychology of individuals; which in recent years has become an important tool for analysts and investors. This theory exists in all financial markets, especially the stock market, which is widely welcomed and popular. Based on this theory, this study seeks to determine the future trend of the Iranian stock market through Elliott wave oscillators and machine learning algorithms supervised and classification.
Methods: Total index data from 2008-05-14 to سهامداران بورس ايران 2020-11-25 were reviewed daily and Elliott wave patterns were identified using the Elliott wave oscillator and relative motion strength index and labeled into three categories: LONG, SHORT, and HOLD. Machine learning algorithms include Decision tree, Naive Bayes, Support vector machine to repeat these learning patterns, then tested on test data.
Results: The results showed that in the Tehran Stock Exchange index, identifiable Elliott waves and Support vector machine and Decision tree algorithms are able to predict the future trend of the total index with an accuracy of over 90 percent.
Conclusion: In the Iranian capital market, the chart of the Elliott Behavior Index is observed and all active persons in the Tehran Stock Exchange can use the proposed method for their trading system.
کلیدواژه‌ها [English]
- Predict Trend
- Technical Analysis
- Elliott Wave Theory
- Classification Algorithms
مراجع
افشاری‌راد، الهام؛ علوی، سید عنایت‌اله؛ سینایی، حسنعلی (1397). مدلی هوشمند برای پیش‌بینی قیمت سهام با استفاده از روش‌های تحلیل تکنیکال. تحقیقات مالی، 20(2)، 249-264.
پورزمانی، زهرا؛ رضوانی اقدم، محسن (1396). مقایسه مقایسه کارآمدی استراتژیهای ترکیبی تحلیل تکنیکال با روش خرید و نگهداری برای خرید سهام در دوره‌های صعودی و نزولی. فصلنامهعلیپژوهشیدانشمالی تحلیل اوراق بهادار، 10(33)، 17- 31.
پیمانی فروشانی، مسلم؛ ارضا، امیرحسین؛ صالحی، مهدی؛ صالحی، احمد (1399). بازدهی معامله ها بر اساس نمودارهای شمعی در بورس اوراق بهادار تهران. تحقیقاتمالی، 22(1)، 69-89.
شهرآبادی، ابوالفضل؛ بشیری، ندا (1389). مدیریتسرمایه‌گذاریدربورساوراقبهادار تهران. تهران: سازمان بورس و اوراق بهادار.
غلامیان، الهام؛ داوودی، محمدرضا (1397). پیش‌بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی. مجله مهندسی مالی و مدیریت اوراق بهادار، 9(35)، 301- 322.
فخاری، حسین؛ ولی پور خطیر، محمد؛ موسوی، سیده مائده (1396). بررسی عملکرد شبکه عصبی بیزین و لونبرگ مارکوات در مقایسه با مدل‌های کلاسیک در پیش‌بینی قیمت سهام شرکت‌های سرمایه‌گذاری. تحقیقات مالی، 19 (2)، 299-318.
فلاح‌پور، سعید؛ گل ارزی، غلامحسین؛ فتوره چیان، ناصر (1392). پیش‌بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در بورس اوراق بهادار تهران. تحقیقات مالی، 15 (2)، 269- 288.
مورفی، جان (1397). تحلیل تکنیکال در بازارهای سرمایه. (کامیار فرهانی فرد و رضا قاسمیان لنگرودی، مترجمان).( چاپ دوازده). تهران: انتشارات چالش.
Afsharirad, E., Alavi, S.E., Sinaei, H. (2018). Developing an Intelligent Model to Predict Stock Trend Using the Technical Analysis. Financial Research Journal, 20 (2), 249-264.
(in Persian)
Aggarwal, C. C. (2014). Data Classification: Algorithms and Applications. Minneapolis, Minnesota, U.S.A.: Chapman and Hall/ CRC.
Atsalakis, G., & Valavanis, K. A. (2009). Forecasting stock market short-term trends using a neuro-fuzzy based methodology. Journal of Expert Systems with Applications, 36, 10696–10707.
Chambers, L. (2016). Daily stock movement’s prediction using and integrating three models Of analytical prediction of adaptive-fuzzy inductive inference system. artificial neural networks and supporting vector machines. London, Champan & Hall.
Fakhari, H. Valipour Khatir, M. & Mousavi, M. (2017). Investigating Performance of Bayesian and Levenberg-Marquardt Neural Network in Comparison Classical Models in Stock Price Forecasting. Financial Research Journal, 19 (2), 229-318. (in Persian)
Fallahpour, S., Golzarzi, GH. and Fatorehchian, N. (2013). Predicting the trend of stock prices using support vector machine based on genetic algorithm in Tehran Stock Exchange. Financial Research, 15 (2), 288-269. (in Persian)
Farid, D. M., Zhang, L., Rahman, C. M., Hossain, M. A., & Strachan R. (2014). Hybrid decision tree and naive Bayes classifiers for multi-class classification tasks. Expert Systems with Applications, 41(4), 1937-1946.
Ford, N., Batchelor, B., & Wilkins, B. R. (1970). A learning scheme for the Nearest Neighbor Classifier. Information Sciences, 2 (2), 139-157.
George, S., Emmanouil, M and Constantinos D. (2011). ElliottWace Theory and neuro-fuzzy systems, in stock market prediction, the WASP system, Expert Systems with Applications, 38(8), 9196-9206.
Gholamian, Elham, Davoodi, Mohammad Reza. (2018). Predict price trends in the stock market using a random forest algorithm. Journal of Financial Engineering and Securities Management, No. 35 / summer. (in Persian)
Ismaili, M. (2012). Concepts and techniques of data mining. First Edition. Tehran: Niaz Danesh Publications. 20-30. (in Persian)
Khan, W., Malik, U., Mustansar, A.GH., Awais Azam, M. (2019). Predicting stock market trends using machine learning algorithms via public sentiment and political situation analysis, Soft Computing, 24, 11019-11043. https://doi.org/10.1007/s00500-019-04347-y.
Larson, C. (1931). The shrinkage of the coefficient of multiple correlations. Journal of Educational Psychology, 22(1), 45–55.
Liu, C., Wang, J., Xiao, D., & Liang, Q. (2016). Forecasting S&P 500 Stock Index Using Statistical Learning Models. Open Journal of Statistics, 6 (06), 1067.
Masry, M. (2017). The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM¡¯s) Country: Theoretical and Empirical Study. International Journal of Economics and Finance, 9(3), 91-107.
Murphy, J. (2018). Technical Analysis in Capital Markets. (Kamyar Farhanifard and Reza Ghasemian Langroudi, Trans) (12th ed), Tehran: Chalesh Publications. (in Persian)
Peymany Foroushany, M., Erzae, M.H., Salehi, M., & Salehi, A. (2020). Trades Return Based on Candlestick Charts in Tehran Stock Exchange. Financial Research Journal, 22(1), 69-89. (in Persian)
Pourzamani, Z., Rezvani Aghdam, M. (2017). Comparison comparing the effectiveness of combined technical analysis strategies with buying and holding methods to buy stocks in uptrends and downtrends. Quarterly Journal of Financial Research in Securities Analysis, 10 (33). (in Persian)
Rish, I. (2001). An empirical study of the naive Bayes classifier. In IJCAI 2001. Workshop on empirical methods in artificial intelligence, 3(22), 41-46.
Roberto Cervelló-Royo, Francisco Guijarr. (2020). Forecasting stock market trend: a comparison of machine learning algorithms Finance, Markets and Valuation, 6, 37–49.
Shahrabadi, A., Bashiri, N. (2010). Investment Management in Tehran Stock Exchange, Stock Exchange and Securities Organization. (in Persian)
Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistics Society, 36(2), 111-133.
Tabar, S. (2018). Stock Market Prediction Using Elliot Wave Theory and Classification. Faculty of the Graduate College at the University of Nebraska in Partial Fulfillment of Requirements. Degree of Doctor of Philosophy Major: Information Technology Omaha.
Tsaih, R., Hsu, Y. and Lai, C.C. (1998). Forecasting S&P 500 stock index futures with a hybrid سهامداران بورس ايران AI system. Decision Support Systems, 23(2), 161-174.
Wagner, L. D. (1979). Distribution-free performance bounds for potential function rules. IEEE Transactions in Information Theory, 601-604.
Wang, L.X. (2012). An Empirical Analysis of Eliot Wave Theory in China's Futures Market, China’s Foreign Investment, 4, 253–254.
Yang, H., Chan, L., & King, I. (2002). Support vector machine regression for volatile stock market prediction. International Conference on Intelligent Data Engineering and Automated Learning. Manchester, UK.
Yu, G., & Wenjuan, G. (2010). Decision tree method in financial analysis of listed logistics companies. International conference on intelligent computation technology and automation.
روحانی: دست هر کسی که تحریم را دور زده باید بوسید
حسن روحانی، رییس جمهوری ایران، با اشاره دوباره به تحریم‌های بین‌المللی بر ایران گفت: «هر کسی تحریم را دور زده باید دستش را بوسید.» روحانی روز.
تجمع سهامداران متضرر بورس در چند شهر و حمله ماموران به تجمع مال‌باختگان شرکت آذویکو
سهامداران زیان‌دیده بورس روز شنبه در چند شهر ایران از جمله تهران، زنجان، ایلام، کرمانشاه و مشهد تجمع کردند. همزمان، ماموران امنیتی با حمله به تجمع.
نماینده مجلس: ۵۰ میلیون ایرانی در بورس مالباخته شدند
در حالی که اعتراضات سهامداران متضرر بورس طی هفته‌های اخیر تشدید شده، نماینده تبریز در صحن مجلس از «مال‌باختگی ۵۰ میلیون ایرانی» خبر داده است. احمد.
ادامه اعتراض سهامداران مالباخته در تهران؛ گزارش‌های متناقض از استعفای رییس بورس
همزمان با تجمع اعتراضی دوباره سهامداران متضرر بازار بورس در تهران، برخی گزارش‌ها حاکی از استعفای رییس سازمان بورس و اوراق بهادار ایران از جایگاه خود.
برآورد اندازه واقعی بازار سهام ایران؛ نرخ رشد بورس تهران چقدر است؟
ارزش بازار بورس تهران در پایان داد و ستدهای روز سه‌شنبه به هزار و ۱۴۹ هزار میلیارد تومان معادل ۱۰۰ میلیارد دلار رسید. این رقم ۱۸ سال پیش یعنی در سال ۱۳۸۰ کمی بیش از ۸ هزار و ۱۶۸ میلیارد تومان بوده، آیا این به بدان معناست که ارزش بازار سرمایه ایران طی این مدت ۱۴۰.۷ برابر شده و به طور متوسط سالانه ۷۷۶ درصد رشد کرده است؟
بررسی یورونیوز بر پایه نرخ تورم رسمی اعلام شده توسط بانک مرکزی و مرکز آمار ایران نشان می‌دهد، ارزش بازار سهام تهران در سال ۱۳۸۰ بر پایه قیمت‌های پایان شهریور سال ۱۳۹۸ معادل ۱۷۲ هزار میلیارد تومان بوده است. یا به عبارت دیگر قدرت خرید ۸ هزار و ۱۶۸ میلیارد تومان سال ۱۳۸۰ با قدرت خرید ۱۷۲ هزار میلیارد تومان در ابتدای مهرماه سال ۱۳۹۸ برابری می‌کند.
این تفاوت ایجاد شده در ارزش بازار سهام، ناشی از افت قدرت خرید سالانه پول به دلیل تحمیل نرخ تورم است. لذا مقایسه ارزش بازار بورس تهران بر پایه قیمت‌های ثابت نشان می‌دهد که رشد واقعی آن در ۱۸ سال گذشته ۹۸۹ درصد و به طور متوسط در سال ۵۵ درصد بوده است.
ارزش بازار سهام برابر است با مجموع حاصل ضرب قیمت روز سهام شرکت‌های عضو این بورس در تعداد سهم‌های منتشر شده توسط این شرکت‌هاست.
پس رشد ارزش بازار بورس تهران در مدت مورد بررسی، افزون بر رشد قیمت سهام و تعداد سهام قابل معامله شرکت‌های عضو، ناشی از عرضه سهام توسط سازمان خصوصی‌سازی ایران و ورود شرکت‌های جدید نیز بوده است.
سازمان خصوصی‌سازی اعلام کرده که در فاصله سال‌های ۱۳۸۰ تا شهریور ماه ۱۳۹۸ در مجموع ۷۹ هزار و سهامداران بورس ايران ۱۸۷ میلیارد تومان از واگذاری‌های خود را از طریق عرضه سهام در بورس تهران انجام داده است. در صورت تعدیل ارزش واگذاری هر سال بر مبنای نرخ تورم سالانه، ارزش روز مجموع عرضه سهام دولتی در بورس تهران به ۴۵۴.۶ هزار میلیارد تومان بالغ می‌شود.
بنابراین مجموع ارزش بازار بورس تهران بر پایه رقم سال ۱۳۸۰ و عرضه‌های دولتی انجام شده در طول ۱۸ سال گذشته، بر اساس قیمت‌های ثابت شهریور سال جاری، برابر خواهد بود با ۶۲۶.۶ هزار میلیارد تومان. این بدان معناست که رشد واقعی ارزش بورس تهران طی مدت مورد بررسی ۵۲۲.۶ هزار میلیارد تومان، معادل ۸۳ درصد و برابر با ۴.۶ درصد در سال بوده است.
این نرخ رشد بر پایه یک فرض خوشبینانه بنا شده است، آن هم این که ارزش ورودی به بورس تهران و خروجی از آن در جریان اخراج شرکت‌های خصوصی متخلف و پذیرش شرکت‌های غیردولتی جدید طی نزدیک به دو دهه گذشته برابر بوده است.
البته به دلیل عدم انتشار داده‌های لازم در مورد روند ورود و خروج شرکت‌ها به بورس تهران و جزئیات سرمایه آنها چاره‌ای جز در نظر گرفتن فرضیه خوشبینانه فوق وجود ندارد اما با این پیش‌فرض نیز رشد متوسط سالانه ارزش بازار بورس تهران ۴.۶ درصد بیش از نرخ تورم بوده است.
دیدگاه شما