نتایج جستجو برای: فرنچ فرایز

تعداد نتایج: 319  

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده مدیریت و حسابداری 1392

چگونگی تامین مالی یکی از تصمیمات اساسی شرکت است. استقراض و یا انتشار اوراق بدهی یکی از راههای تامین مالی است که منجر به شکل گیری اهرم ها می شود. نسبت های اهرمی بالا علاوه بر آنکه ریسک شرکت را افزایش داده، بازده مورد انتظار سهامداران و هزینه سرمایه شرکت را افزایش می دهد. سهامداران و سرمایه گذاران نیز صرف ریسک مرتبط با اهرم ها را در نظر می گیرند. هدف این پژوهش بررسی تاثیر ساختار سرمایه بر بازده س...

ژورنال: :راهبرد مدیریت مالی 2014
احمد بدری عظیم رجبی

تاکنون به منظور طراحی مدلی مناسب برای پیش­بینی بازده سهام، تلاش­های بسیاری صورت گرفته است. یکی از قدیمی­ترین این مدل­ها، capm می­باشد. به رغم مقبولیت نسبی، این مدل همواره به دلیل قدرت تبین­کنندگی پایین و به استناد آزمون­های تجربی متعددی مورد انتقاد قرار گرفته است. مدل سه عاملی فاما و فرنچ (1993) از موخرترین مدل­های ارائه شده در این حوزه است. پس از ارائه این مدل، محققین دیگری سعی کرده­اند با افز...

ژورنال: :دانش سرمایه گذاری 0
غلامرضا کردستانی دانشیار گروه حسابداری، دانشگاه بین المللی امام خمینی (ره)، قزوین مژده قاسمی دانش آموختة کارشناسی ارشد حسابداری ، دانشگاه بین المللی امام خمینی (ره)، قزوین (مسئول مکاتبات)

اندیشمندان مالی برای اندازه گیری صرف ریسک تلاش های ارزشمندی کرده اند. به تازگی، چن و هم کاران (2010) برای تبیین بازده مورد انتظار سهام، مدلی سه عاملی براساس عامل بازار، عامل سرمایه گذاری و عامل سود آوری معرفی و آن را مدل نظریه کیو نامیده اند. تحقیقات پیشین نشان داده اند که این مدل توانسته است میزان بازده غیرمنتظره بسیاری از ناهنجاری های بازار سرمایه را کاهش می دهد. در این تحقیق عملکرد مدل نظریه...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه علم و فرهنگ - دانشکده فنی 1389

در پی توسعه بازارهای مالی، بحث پیش بینی نرخ بازدهی سهام به عنوان یکی از مهم ترین مباحث بازار های پول و سرمایه مطرح شده و در این راستا روشها و مدلهای متعددی برای پیش بینی نرخ بازده بازار ابداع شده و توسعه یافته اند. این تحقیق ، به مقایسه مدل سه عاملی فاما و فرنچ (ff) و مدل شبکه عصبی رگرسیون عمومی (grnn) در پیش بینی بازدهی سهام می پردازد.در این راستا دو فرضیه طراحی شده است. فرضیه اول به مقایسه د...

صابر شعری, ناربه آغازاریان

تحقیق حاضر به آزمون تجربی توان مدل جهانی سه متغیره فاما و فرنچ (شامل سه متغیر ریسک سیستماتیک پرتفوی سهام، اندازه پرتفوی سهام و نسبت ارزش دفتری به ارزش بازار پرتفوی سهام) در تبیین بازده پرتفوی سهام در بورس اوراق بهادار تهران پرداخته است و به دنبال یافتن پاسخ برای این پرسش است که آیا متغیرهای مطرح شده در مدل فاما و فرنچ در بازار سهام ایران نیز که شرایط اقتصادی خاص خود را دارد، قدرت تبیین و پیش بی...

ژورنال: :پیشرفت های حسابداری 2015
محسن دستگیر مهشید شهرزادی

تمرکز پژوهش­های اخیر در بازار سرمایه به بررسی عواملی بوده است که بر کاهش ریسک سرمایه­گذاری و همچنین بر بازده سهام اثر گذار هستند. در این میان مدل سه عاملی فاما و فرنچ (1993) اثر عوامل ریسک را در توضیح تغییرات بازده سهام بهتر نشان می­دهد. این پژوهش به بررسی ارتباط همزمان بین عوامل ریسک در مدل سه عاملی فاما و فرنچ (1993) در توضیح تغییرات بازده اضافی پورتفوی می­پردازد. بدین منظور با بررسی شرکت­های...

ژورنال: :پژوهشنامه اقتصاد و کسب و کار 0
سیده محبوبه جعفری عضو هئیت علمی دانشگاه آزاد اسلامی واحد تهران جنوب جواد میثاقی فاروجی کارشناسی ارشد مدیریت مالی دانشگاه شهید بهشتی میثم احمد وند دانشجوی دکتری مدیریت مالی دانشگاه علامه طباطبایی

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مدیریت و اقتصاد 1393

هدف از انجام این تحقیق مقایسه عملکرد مدل سه عاملی جایگزین (cnz) با مدل سه عاملی فاما و فرنچ در تبیین بازده اوراق بهادار در دوره‏ی زمانی 1380 تا 1392، بر روی 144 شرکت پذیرفته شده در بورس اوراق بهادار تهران، می باشد. سه عامل مطرح شده در مدل جایگزین (cnz) جهت تبیین بازده شامل صرف ریسک بازار، عامل سرمایه گذاری (حاصل تفاوت بین میانگین بازده های پرتفوی هایی با میزان سرمایه گذاری کم از میانگین بازده ه...

ژورنال: :مهندسی مالی و مدیریت اوراق بهادار 2014
میر فیض فلاح شمس مهدی کریمی زند لیلا آبشاری زهرا صفری کهره

در نظر گرفته شده است. نتایج تحقیق نشان می دهد مدل دارای برازش قابل قبولی می باشد. در هر بازار مالی با توجه به گستردگی و عمق بازار، ابزارهای متنوعی جهت سرمایه گذاری وجود دارند که سرمایه گذارن در آن، با توجه به بازده و ریسک دارایی ها، سرمایه گذاری می کنند. ریسک انواع گوناگونی دارد و سرمایه گذاران به خاطر هریک از انواع آن، خواهان صرف ریسک می باشند. در این پژوهش تأثیر کیفیت اطلاعات با درنظرگرفتن ری...

ژورنال: :حسابداری مدیریت 2010
دکتر قدرت اله طالب نیا فاطمه احمدی نظام آبادی

اگر سرمایه گذاران تمام سرمایه خود را در یک دارایی خاص سرمایه گذاری کنند ، ممکن است با ریسک زیادیرو به رو شوند ولی اگر در تصمیمات خود مجموعه ای از سرمایه گذاری ها را انتخاب نمایند که بهترین مجموعهممکن از سرمایه گذاری ها باشد ، می توانند با کمترین ریسک به نرخ بازدهی مطلوب خود که نزدیک به نرخ بازاراست دست یابند . دراین پژوهش قصد بر آن است که با استفاده از دو مدل سه عاملی فاما و فرنچ و ارزش درمعرض ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید

function paginate(evt) { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term pg=parseInt(evt.target.text) var data={ "year":filter_year, "term":term, "pgn":pg } filtered_res=post_and_fetch(data,url) window.scrollTo(0,0); } function update_search_meta(search_meta) { meta_place=document.getElementById("search_meta_data") term=search_meta.term active_pgn=search_meta.pgn num_res=search_meta.num_res num_pages=search_meta.num_pages year=search_meta.year meta_place.dataset.term=term meta_place.dataset.page=active_pgn meta_place.dataset.num_res=num_res meta_place.dataset.num_pages=num_pages meta_place.dataset.year=year document.getElementById("num_result_place").innerHTML=num_res if (year !== "unfilter"){ document.getElementById("year_filter_label").style="display:inline;" document.getElementById("year_filter_place").innerHTML=year }else { document.getElementById("year_filter_label").style="display:none;" document.getElementById("year_filter_place").innerHTML="" } } function update_pagination() { search_meta_place=document.getElementById('search_meta_data') num_pages=search_meta_place.dataset.num_pages; active_pgn=parseInt(search_meta_place.dataset.page); document.getElementById("pgn-ul").innerHTML=""; pgn_html=""; for (i = 1; i <= num_pages; i++){ if (i===active_pgn){ actv="active" }else {actv=""} pgn_li="
  • " +i+ "
  • "; pgn_html+=pgn_li; } document.getElementById("pgn-ul").innerHTML=pgn_html var pgn_links = document.querySelectorAll('.mypgn'); pgn_links.forEach(function(pgn_link) { pgn_link.addEventListener('click', paginate) }) } function post_and_fetch(data,url) { showLoading() xhr = new XMLHttpRequest(); xhr.open('POST', url, true); xhr.setRequestHeader('Content-Type', 'application/json; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { var resp = xhr.responseText; resp_json=JSON.parse(resp) resp_place = document.getElementById("search_result_div") resp_place.innerHTML = resp_json['results'] search_meta = resp_json['meta'] update_search_meta(search_meta) update_pagination() hideLoading() } }; xhr.send(JSON.stringify(data)); } function unfilter() { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":"unfilter", "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } function deactivate_all_bars(){ var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(bar) { bar.dataset.active = false bar.style = "stroke:#71a3c5;" }) } year_chart.on("created", function() { var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(check) { check.addEventListener('click', checkIndex); }) }); function checkIndex(event) { var yrchart = document.querySelectorAll('.ct-bar'); var year_bar = event.target if (year_bar.dataset.active == "true") { unfilter_res = unfilter() year_bar.dataset.active = false year_bar.style = "stroke:#1d2b3699;" } else { deactivate_all_bars() year_bar.dataset.active = true year_bar.style = "stroke:#e56f6f;" filter_year = chart_data['labels'][Array.from(yrchart).indexOf(year_bar)] url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":filter_year, "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } } function showLoading() { document.getElementById("loading").style.display = "block"; setTimeout(hideLoading, 10000); // 10 seconds } function hideLoading() { document.getElementById("loading").style.display = "none"; } -->