قانون اصلاحات داد-فرانک وال استریت و حمایت از مصرف کننده: عنوان هفتم، مشتقات

The Dodd-Frank Wall Street Reform and Consumer Protection Act: Title VII, Derivatives

چکیده
مقدمه
پس زمینه
ساختار و تنظیم بازار قبل از قانون داد-فرانک
ساختار بازار برای مشتقات تصفیه شده و معامله شده در بورس
ساختار بازار برای مشتقات فرابورس (OTC)
شرایط تصفیه و گزارش دهی قانون داد- فرانک
الزامات تصفیه (پایاپای)
شرط معامله در بورس
معافیت مالیاتی کاربر نهایی
تعاریف کارگزار و شرکت کننده اصلی سواپ
گزارش سواپ ها و سواپ های مبتنی بر اوراق بهادار
جلوگیری از فرار
اقتدار پیشرفته CFTC در بازارهای کالاها
الزام حداقل ودیعه
محدودیت های اتخاذ موضع
سازمان ضد دستکاری در بازار برای بازارگرمی
بخش 716- ممنوعیت کمک فدرال به نهادهای سواپ

چکیده
بحران مالی بازار مشتقات فرابورس (OTC) را به عنوان منبع اصلی ریسک سیستمی درگیر نمود. تعدادی از شرکت ها از مشتقات برای ساخت موقعیت های سوداگرانه بسیار اهرمی استفاده نمودند، که خسارات زیادی ایجاد کرد که نه تنها خود بنگاه ها بلکه بستانکاران و شرکای تجاری آنها را به ورشکستگی تهدید می کرد. صدها میلیارد دلار اعتبار دولتی لازم بود تا از بروز چنین خسارات در سیستم جلوگیری شود. AIG مشهورترین نمونه بود ، اما به هیچ وجه تنها نمونه نبود.

این واقعیت که بازار فرابورس به ثبات مالی چند تاجر عمده بستگی داشت، به همان اندازه مشکل ساز بود. عدم موفقیت یک کارگزار منجر به خنثی کردن قراردادهای ارزش تریلیون دلار می شود و باعث می شود که طرفین مشتقه در معرض ریسک و ضرر ناگهانی قرار بگیرند، و این امر منجر به تشدید اهرم زدایی و امتناع اعتبار خواهد شدکه مشخصه بحران است. همه کارگزاران عمده تحت استرس قرار گرفته و حتی اگر معاملات مشتقات به طور کلی منبع مستقیم ضعف مالی نبود، سقوط بازار 600 تریلیون دلاری مشتقات فرابورس قریب الوقوع بود و بدون مداخله فدرال انجام می شد. اولین گروه از دریافت کنندگان برنامه نجات دارايي‌هاي مشکل دار (TARP) تقریباً همه کارگزاران مشتقات بزرگ را شامل می شد.

قانون داد-فرانک (203-111. P.L) به دنبال بازسازی بازار فرابورس در تصویر بورس آتی تنظیم شده بود. اصلاحات اساسی شامل لزوم پاکسازی قراردادهای سواپ از طریق یک طرف قرارداد مرکزی است که توسط یک یا چند آژانس فدرال تنظیم می شود. مراكز تهاتر معامله گران را ملزم می کند که در زمان انعقاد قرارداد به منظور پوشش خسارات احتمالی، پول نقد (به نام ودیعه اولیه) واریز نموده و نیاز به سپرده های بعدی (به نام حداقل ودیعه) برای پوشش ضررهای واقعی موقعیت است. تاثیر مورد نظر الزام حداقل ودیعه، از بین بردن این احتمال است که هر شرکتی بتواند معرض بدون سرمایه ای را ایجاد کند که آنقدر زیاد باشد که در آن نکول عواقب سیستمیک در پی داشته باشد (دوباره وضعیت AIG). اندازه وضعیت تسویه توسط شرکت توسط قابلیت شرکت در ارسال سرمایه برای پوشش خسارات خود محدود می شود. این سرمایه از شرکای تجاری و کل سیستم محافظت می کند.

ساختار و تنظیم بازار قبل از قانون داد-فرانک
انواع مختلف مشتقات برای اهداف مشابه مورد استفاده قرار می گیرند – اجتناب از ریسک تجاری یا پوشش اقتصادی و ریسک پذیری در جستجوی سودهای سوداگرانه. با این وجود قبل از قانون داد-فرانک، این ابزارها در بازارهای مختلفی معامله می شدند. قراردادهای آتی در بورس هایی که توسط کمیسیون معاملات آتی کالا (CFTC)، گزینه های سهام در بورس های تحت کمیسیون بورس و اوراق بهادار (SEC) تنظیم شده اند معامله می شوند و تمام سواپ ها (و سواپ های امنیتی و همچنین برخی اختیارات) در فرابورس معامله شده و توسط کسی تنظیم نمی شوند.

بورس اوراق بهادار بازارهای متمرکزی هستند که در آن تمام سود خرید و فروش جمع می شود. معامله گرانی که می خواهند خرید کنند (یا موقعیت خرید دارند) با کسانی که می خواهند بفروشند (دارای موقعیت فروش هستند) تعامل می کنند، و معاملات انجام شده و قیمت ها در طول روز گزارش می شود. در بازار فرابورس، قراردادها بصورت دوجانبه انجام می شود، معمولاً بین یک فروشنده و یک کاربر نهایی و به طور کلی هیچ الزامی وجود ندارد که قیمت، شرایط یا حتی وجود قرارداد برای تنظیم کننده یا عموم اعلام شود.

مشتقات می توانند قراردادهای بی ثباتی باشند و انتظار عادی این است که سود و زیان بزرگی بین معامله گران به وجود آید. در نتیجه، مسئله یکپارچگی بازار وجود دارد. از کجا بدانیم که این موقعیت های فروش قادر به انجام تعهدات خود خواهند بود و بالعکس؟ بازاری که در آن میلیاردها قرارداد عوض می شود، در صورتی که همه معامله گران باید اعتبارمندی تاجر دیگر یا طرف مقابل را بررسی کنند، کنترل غیرممکن است. بازار مبادلات از یک طرف با این مشکل ریسک اعتباری و از طرف دیگر با بازار OTC سروکار دارد. چگونگی مدیریت این ریسک – که معمولاً ریسک طرف قرارداد خوانده می شود – باید عنصر اصلی اصلاحات اعمال شده توسط قانون داد-فرانک باشد.

موردی از پول الکترونیکی بانک مرکزی و موردی غیر رسمی برای ارزهای دیجیتال بانک مرکزی

The Case for Central Bank Electronic Money and the Non-case for Central Bank Cryptocurrencies

1- ساختار کنترلی اعتبارات
2- پرونده پول الکترونیکی بانک مرکزی
3- مورد غیرمجاز برای اعتبارات ارز رمزنگاری‌شده بانک مرکزی
4- نتیجه‌گیری
یادداشت‌ها
منابع

ما ارزهای مختلف را با توجه به ساختار سیاست‌گذاری و کنترلی آن‌ها و با تمرکز و توجه برروی ارزهای رمزنگاری‌شده‌ای مانند بیت‌کوین و پول‌های بدون‌پشتوانه که توسط دولت‌ها خلق می‌شود، شناسایی می‌کنیم. سپس استدلال می‌آوریم که تقاضای برآورده‌نشده و بالقوه زیادی برای دارایی‌های با قابلیت نقدشوندگی بالقوه وجود دارد که به خانوارها و بنگاه‌ها این اجازه را می‌دهد که از خارج از ساختار مالی بخش خصوصی پس‌انداز کنند. بانک‌های مرکزی می‌توانند با استفاده از چنین دارایی‌ای به سادگی به خانوارها و شرکت‌ها اجازه دهند تا آن‌ها حساب بانکی باز و فعال داشته باشند. درنهایت اینکه نتیجه می‌گیریم که یک بانک مرکزی به ارزهای رمزنگاری شده به معنای یک دارایی واقعاً غیرمتمرکز و بدون نیاز به مجوز که به کاربران اجازه می‌دهد ناشناس بمانند، اجازه صدور نخواهد داد. 

2- پرونده پول الکترونیکی بانک مرکزی
هر شکلی از پول مزایا و معایب خود را دارد. به‌همین دلیل بسیاری از اشکال پول در کنار هم زندگی می‌کنند. مزایای پول نقد این است که استفاده‌کننده از آن می‌تواند ناشناس بماند و دسترسی بدون مجوز به سیستم پرداخت نقدی وجود دارد. به ویژه کاربران برای استفاده از پول نقد نیازی به بازکردن حساب‌های بانکی ندارند. به‌علاوه ماهیت غیرمتمرکز معاملات نقدی، سیستم پرداخت نقدی را بسیار مقاوم می‌کند. ازبین بردن آن با حمله به زیرساخت‌های پرداخت امکان‌پذیر نیست و مردم برای شرکت در این زمینه نیازی به انجام هیچ پیش‌شرطی ندارند. در مقابل سیستم‌های پرداخت متمرکز آسیب‌پذیر هستند: در صورت حمله به پردازنده پرداخت متمرکز، کل سیستم می‌تواند متوقف شود و از کار بیفتد (5).

وجه نقد یک مزیت مهم دیگر نیز دارد. با پول نقد رابطه اعتباری وجود ندارد. هر بدهی بلافاصله تسویه می‌شود. بنابراین هیچ خطری از طرف مقابل وجود ندارد، معاملات نهایی هستند و افراد حتی اگر به یکدیگر اعتماد نکنند، می‌توانند تجارت کنند (6). در مقابل پول الکترونیکی امروز (سپرده‌های دیداری که توسط بانک‌های تجاری صادر می‌شود) شامل خطر طرف مقابل است. سپرده‌های بانکی تجاری مجازی‌سازی ادعاهای اداری واحدهای پولی فیزیکی (وجه نقد) است. این قضیه به معنای ساده به این معنی است که سپرده‌های بانکی به پشتوانه ناشر آن هستند و مشتریان بانکی که سپرده‌های بانکی دارند اعتبار خود را به بانک مربوطه ارائه می‌دهند. وجه نقد این ضرر را دارد که خریدار و فروشنده باید از نظر جسمی در یک مکان حضور داشته باشند که استفاده از آن را برای تجارت آنلاین را غیرعملی می‌سازد. سود پول مجازی مانند سپرده‌های بانکی تجاری دقیقاً این است که امکان پرداخت در میان کارگزارانی را فراهم می‌کند که ازنظر جسمی از هم جدا شده‌اند. به همین ترتیب پول مجازی فرصت‌های جدید تجاری را امکان‌پذیر می‌کند.

وجه نقد همچنین تنها دارایی نقدینگی برای پس‌انداز خارج از سیستم مالی خصوصی است. منظور ما از نقدشونده، دارایی‌ای است که می‌تواند مستقیماً با کالاها و خدمات مبادله شود. به عنوان مثال طلا همچنین وسیله‌ای برای پس‌انداز در خارج از سیستم مالی خصوصی است. با این حال طبق تعریف ما، این مایع نیست زیرا نمی‌تواند مستقیماً با کالاها و خدمات مبادله شود (در بیشتر موارد) (7).

ناهنجاری شکاف قیمت در بازار سهام ایالات متحده: کل داستان

Price gap anomaly in the US stock market: The whole story

چکیده
1- مقدمه
2- ادبیات موضوع
3- داده ها و روش تحقیق
4- نتایج
5- نتیجه‌گیری
منابع

چکیده
در این مقاله عدم‌تعادل‌های ناشی از شکاف قیمت در بازار سهام ایالات متحده (متشکل از بازارهای داوجونز، اِس‌اَندپی500 و نزدک) که دوره 1928 تا 2018 را پوشش می‌دهد، تحلیل می شود. این مقاله با هدف بررسی اینکه آیا شکاف‌های قیمتی باعث ایجاد ناکارآمدی در بازار می‌شود یا خیر، تدوین شده است. شکاف قیمت زمانی رخ می‌دهد که قیمت بازگشایی روز جاری با سفارش بسته‌شده روز قبل از بازگشایی بازار متفاوت باشد. چندین فرضیه با استفاده از آزمون‌های مختلف آماری (Student’s t-test،ANOVA ، Mann-Whitney test)، تحلیل رگرسیون و روش‌های ویژه‌ای مانند بازده تجمعی اصلاح‌شده و رویکردهای شبیه‌سازی معاملات، آزمایش می‌شوند. ما شواهدی محکم در مورد حرکت غیرعادی قیمت سهم پس از شکاف قیمتی به‌وجود آمده پیدا می‌کنیم. مشاهده می‌کنیم که در طی یک روز شکاف قیمت‌ها در جهت شکاف ایجادشده تغییر می‌کنند. یک استراتژی معاملاتی مبتنی بر این ناهنجاری از این جهت کارآمد بود که نتایج آن تصادفی نبوده است و این‌که نشانگر کارآیی این بازار نیست. اثر حرکت موقت بود و هیچ شواهدی از فصلی‌بودن شکاف قیمت پیدا نشد. سرانجام اینکه، نتایج ما نیز برخلاف این تصور عامیانه بود که شکاف قیمت‌ها پر می‌شود.

2- ادبیات موضوع
طبق گفته فاما (1965، 1970) بازاري كه در آن تصميمات سرمايه‌گذاري با فرض اينكه قيمت‌هاي ضمني “به‌طور کامل” تمام اطلاعات موجود را منعكس مي‌كند، اتخاذ مي‌شود، مي‌تواند كارآمد تلقي شود. علاوه بر این، میزان انعکاس اطلاعات در قیمت اوراق بهادار را می‌توان به دو شکل مختلف طبقه‌بندی و آزمایش کرد، یعنی شکل ضعیف که فقط اطلاعات تاریخی بر اوراق بهادار تأثیر می‌گذارد و شکل قوی درجایی‌که یک سرمایه‌گذار اطلاعات خصوصی در مورد قیمت یک اوراق بهادار دارد. بنابراین ، EMH به سادگی این ادعا است که اطلاعات “به طور کامل” در قیمت‌های اوراق بهادار منعکس می‌شوند، یعنی هیچ سرمایه‌گذاری فرصتی برای سودآوری از طریق آربیتراژ ندارد.

با این حال آکرلوف و شیلر (2009)، گروسمن و استیگلیتز (1980)، لو (1991)، ماندلبروت (1963)، شیلر (2000) و شوورت (2003) موارد متعددی از EMH را به دلایل زیادی به چالش کشیده‌اند. در یک سطح نظری (گروسمن و استیگلیتز، 1980) استدلال می‌کنند که اطلاعات در واقع هزینه‌بر هستند، بنابراین قیمت‌ها نمی‌توانند تمام اطلاعات موجود را به طور کامل منعکس کنند. آکرلوف و شیلر (2009) و شیلر (2000) رفتارهای غیرمنطقی سرمایه‌گذاران مانند وحشت توده‌ای را به عنوان یک استدلال اصلی علیه EMH برجسته می‌کنند. شوورت (2003) نشان می‌دهد که چگونه ناهنجاری‌های اساسی بازار پس از کشف از بین می‌روند، زیرا نمایندگان بازار این استراتژی‌های نابهنجار را اجرا می‌کنند. برخی دیگر مانند ماندلبروت (1963) از نظر تجربی نشان می‌دهند که توزیع قیمت از توزیع دنباله‌دار و حافظه طولانی‌مدت رنج می‌برد.

سه نوع عدم‌تعادل در ادبیات این موضوع مورد بررسی قرار گرفته است؛ 1) ناهنجاری های فصلی، 2) اندازه و 3) قیمت (نگاه کنید به یاکوبسن، مامون و ویسلتاناچوتی، 2005). به گفته بیلدیک (2004) عدم‌تعادل‌ها نشان‌دهنده ناکارآمدی یا ناکافی‌بودن بازار در مدل قیمت‌گذاری دارایی اساسی است و پس از کشف به دلیل انطباق معامله‌گران با موجودیت آنها ناپدید می‌شوند. دلایل بی‌شماری برای وجود عدم‌تعادل‌ها وجود دارد، به عنوان مثال باسو (1977) با کشف اینکه ارزش سهام دارای ریسک بالاتر دارای بازده تعدیل‌شده بالاتری در مقایسه با سهام بنیادی است، عدم‌تعادل‌های قیمتی را شناسایی کرد.

حفاظت های بهبود یافته برای حساب های سپرده با دسترسی شخص ثالث

Improved protections for deposit accounts with third-party access

در رابطه با این گزارش
سلب مسئولیت
خلاصه اجرایی
بررسی ASIC از حساب های سپرده اداره شونده توسط مشاور
هدف و دامنه بررسی ما
این حساب ها چگونه مورد استفاده قرار می گیرند.
خلاصه یافته‌ها و اقدامات برای بانک‌ها
آنچه از مشاوران و مجوزهای مشاوره انتظار داریم
اقدامات بیشتر
بررسی ASIC در مورد حساب‌های سپرده اداره شده توسط مشاور
حساب‌های سپرده اداره شده توسط مشاور چیست؟
بانک‌ها چه تعهداتی دارند؟
هدف و دامنه بررسی ما
نحوه استفاده از این حساب‌ها
آمار جمعیتی مشتری و بازار
سطح دسترسی
یافته‌های دقیق و اقدامات پیشنهادی
تنظیم و دسترسی به حساب
صورت‌حساب‌ها و تراکنش‌ها
نظارت و مسئولیت‌پذیری

در رابطه با این گزارش
این گزارش پس از یک بررسی توسط ASIC در مورد حساب های سپرده ای ارائه شد که می توانند توسط یک شخص ثالث، معمولاً یک مشاور مالی، کارگزار بورس، و یا حسابدار، از سوی مشتری اداره شوند.
به طور خاص، گزارش به تحلیل اقدامات انطباقی و کنترل هایی می پردازد که بانک ها باید به منظور اشاره به خطراتی نظیر کلاه برداری و دیگر خطرات مرتبط با دسترسی شخص ثالث به پول مشتریان در این حساب ها را انجام دهند.

اقدامات بیشتر
19 به عنوان بخشی از این بررسی، با بانک‌های درگیر ملاقات کردیم تا یافته‌های خود را با آنها در میان بگذاریم و اقداماتی برای بهبود محافظت از مشتریانی که از حساب‌های سپرده اداره شده توسط مشاور استفاده می‌کنند، پیشنهاد کردیم. همچنین درمورد انتظارات خود از مشاوران مجموعه‌های صنعتی برای مشاوران مالی و کارگزران بورس صحبت کردیم.

20 برخی از پیشنهادات ما راهنمایی‌های خوبی برای بانک‌ها بوده و الزامات قانونی نیستند. بانک‌ها باید آنچه را که مناسب محافظت از مشتریان در مقابل خطر کلاهبرداری است در نظر بگیرند و مطابق آن عمل کنند.

اعتقاد نداریم که هرکدام از این 10 اقدام توصیه شده به تنهایی خطر کلاهبرداری را به طور کامل از بین می‌برد. طیفی از اقدامات و کنترل‌ها برای پاسخگویی موثر به خطر کلاهبرداری مورد نیاز است. تمام بانک‌های درگیر در بررسی ما اقدامات پیشنهادی را در نظر گرفته‌اند و موافقت کرده‌اند تا اقدامات فعلی خود را اصلاح کنند.

اگر نمونه‌های فردی از رفتار کلاهبردارانه در رابطه با حساب‌های سپرده اداره شده توسط مشاور در آینده به وجود بیاید، ASIC مسئله فردی و تطابق گسترده‌تر بانک با اقدامات پیشنهادی مندرج در این گزارش را مورد تحقیق و بررسی قرار می‌دهد.

بازاریابی رسانه های اجتماعی جهت تامین مالی جمعی سهام: کدام پست ها باعث تصمیم گیری سرمایه گذاری می شوند؟

Social media marketing for equity crowdfunding: Which posts trigger investment decisions?

چکیده

1 مقدمه

2 روش

3 نتایج

4 استنتاج

بیانیه مشارکت در تالیف اعتباری

قابلیت دسترسی داده ها

ضمیمه

منابع

چکیده

براساس 26883 مورد تصمیم گیری در زمینه سرمایه گذاری، ما به بررسی تاثیر بازاریابی رسانه های اجتماعی بر مشارکت جمعیت در تامین مالی جمعی سهام می پردازیم. همچنین ما انواع مختلفی از پست های ترغیبی و اگاهی بخش موجود در فیس بوک و توییتر را از هم متمایز می کنیم. پست های اگاهی بخش ، اطلاعاتی را درباره کمپین تامین مالی جمعی در اختیار سرمایه گذاران قرار می دهند، پست های ترغیبی اینگونه نیستند و هدف انها این است که مستقیما بر فرایند تصمیم گیری سرمایه گذار تاثیر می گذارند. ما به این نتیجه رسیدیم که هر دو نوع پست تاثیر مثبتی بر تعداد سرمایه گذاران داشته اند. با وجود این، پست های ترغیبی ، در صورتی که شامل بیانیه ای درمورد موفقیت قبلی سرمایه گذاری کمپین بوده و نشانه ای در جهت اینکه جمعیت به تنهایی سرمایه گذاری نمی کنند ؛ باشند می توانند سبب افزایش میزان سرمایه گذاری شوند.

حالا زمانش فرا رسیده است، مسیر تامین مالی جمعی هنوز برای سرمایه گذاری شما باز است. پست توییتری در زمان وجود کمپین fraiser در seedmatch.

2 روش
2-1 داده ها
ما به تحلیل 26883 تصمیم گیری سرمایه ای ، نشاندهنده حجم تامین مالی 18.56 ملیون € ، می پردازیم که به صورت دستی از 6 نوامبر 2011 تا 28 اوت 2014 و از طریق پلت فرم های تامین مالی جمعی سهام شرکت Campanisto، سرمایه گذاری و شرکت Seedmatch جمع اوری کردیم. همگام با Block etal (2018) و Hornuf and Schwienbacher(2018)، ما به جمع اوری سرمایه هایی می پردازیم که یک استارت اپ در یک روز دریافت کرده است. بنابراین ما در جهت دستیابی به ساختاری از داده های پنل ، با توجه به بعد زمانی روزهای کمپین، اقدام می کنیم؛ این در حالی است که بعد مقطعی مربوط به کمپین می باشد. علاوه بر این، ما در نمونه خود به جمع اوری 2583 پست توییتر و 1816 پست فیس بوک برای استارت اپ ها در طی 7 روز قبل از شروع کمپین مربوطه می پردازیم.

شکل شماره 1. توزیع پست های رسانه های اجتماعی در کل دسته بندی های محتوای فردی. توجه: این شکل نشاندهنده توزیع 4399 پست رسانه اجتماعی در کل دسته بندی های محتوای فردی می باشد. بدلیل اینکه یک پست می تواند حاوی نمونه سازی چندین دسته باشد، مجموع سهام فردی بیشتر از 100 درصد می باشد.

2-2 متغیرها

با تبعیت از روش Block et al(2018)، ما از 3 متغیر متمایز و در عین حال وابسته مکمل به منظور عملی کردن تصمیمات سرمایه ای، به روشی نسبتا گسترده، استفاده می کنیم: تعداد سرمایه گذاری ها در هر روز به عنوان معیار مشارکت جمعیت(Investments(#))، حجم بودجه در یک روز معین (Amount (€)) و میانگین مبلغ سرمایه گذاری در هر روز (Avg.amount(€ )) ، نشاندهنده حجم سرمایه گذاری می باشند. جهت بررسی این مورد که کدام از پست های رسانه های گروهی بر تصمیمات سرمایه گذاری تاثیر می گذارند، ما در مرحله نخست به دسته بندی پست ها به دو گروه پست های ترغیبی و اطلاعاتی، بر اساس محتوای انها می پردازیم. علاوه بر این، به منظور تحلیل و تجزیه دقیقتر، ما جلوه های متفاوتی از پست های اطلاعاتی و ترغیبی متفاوت را از هم متمایز ساختیم. در داخل پست های اطلاعاتی، ما دسته های استارت اپ، گواهینامه یا تاییدیه خارجی و گسترش کمپین را از یکدیگر جدا می کنیم.[1] با وجود این که همه پست های اطلاعاتی اطلاعات مربوط به تصمیم گیری را در اختیار سرمایه گذاران قرار می دهند، اما انها در ماهیت اطلاعات متفاوت می باشند.

2  به این مورد توجه داشته باشید که ما دسته های دیگری از پست های 2اطلاعاتی طبقه بندی شده را از طریق Block etal(2018) جستجو کردیم. با وجود این، این دسته ها جز پستهای محدود مربوطه در مطالعات ما هستند. بنابراین ما تیم دسته ها (2.2%)، مدل تجاری(0.3%)، ارتقا فرایند تولید(0.6 %)، پروژه های همکاری(1.0%)، منابع ملی جدید(0.05%) و گسترش تجارت(0.9%) را با برچسب استارت اپ تضمین کردیم.

استفاده از تاثیر حرکت در تجارت ارزهای دیجیتال مبتنی بر یادگیری ماشین

Leveraging the momentum effect in machine learning-based cryptocurrency trading

چکیده

1- مقدمه

2- کارها و تحقیقات مرتبط

3- رویکرد ذهنی و اکتشافی

4- روش پیشنهادی

5- آزمایش ها

6- نتیجه گیری و کارهای آتی

منابع

چکیده

     تجارت ارز دیجیتال (رمزارز) در میان سرمایه گذاران بخش خصوصی بیش از پیش به محبوبیت رسیده است. مطابق با مطالعات اخیر، تأثیر مومنتوم بازار پایه را تحت تأثیر قرار می دهد. سیستم های معاملات کمی می توانند برای باز و بسته کردن موقعیت های معاملاتی شاخص های مومنتوم را اهرم قرار داده و نهایت استفاده را از آن ها ببرند. با این حال، رویکردهای موجود که تأثیر مومنتوم (تأثیر نیروی حرکت قیمت) در معاملات ارز دیجیتال (رمزارز) را بکار می گیرند به یادگیری ماشین اتکا نمی کنند. از آنجایی که این سیستم ها بر اساس قواعد و مقررات ایجاد شده توسط انسان ها می باشند متناسب با شرایط بسیار ناپایدار و شناور، که در بازارهای ارز دیجیتال کاملا معمول و رایج هستند، نمی باشند. این مقاله استفاده از رویکردهای یادگیری ماشین و اعمال نفوذ آن برای تشخیص اتوماتیک اثر مومنتوم در داده های بازار ارز دیجیتال را پیشنهاد می کند. برای هر ارز دیجیتال احتمال اینکه با اثر مومنتوم روی روز بعدی معامله گری و همچنین جهت مومنتوم تحت تأثیر قرار بگیرد را برآورد می کند. یک جلسه شبیه سازی و آزمون بازخورد، که روی سه ارز دیجیتال بسیار متداول و پرطرفدار انجام شده، نشان می دهد که مدل های یادگیری ماشین توانایی پیش بینی، تقریب خوب، نوسان کوتاه مدت قیمت و به موجب آن کاهش تعداد سیگنال های کاذب معامله و افزایش بازده سود سرمایه را در مقایسه با پیشرفته ترین رویکردها دارند.

کارها و تحقیقات مرتبط

رویکردهای مبتنی بر یادگیری ماشین برای معامله ی ارز دیجیتال

هرچند استفاده از یادگیری ماشین برای پیش بینی بازار سهام مقرر شده است (بوستوس و پومارس-کویمبایا، 2020؛ هوانگ و همکاران، 2019؛ اوبای اوغلو و همکاران، 2020؛ راندو و دی استالو، 2019)، برای تطبیق سیستم های معامله ی ارز با بازار ارز دیجیتال تلاش های کمی صورت گرفته است. به طور مشخص، آتاناسیو و همکاران (2019) کاربرد تکنیک های سنتی طبقه بندی مثل ماشین های بردار پشتیبان و درخت های تصمیم گیری را برای پیش بینی قیمت روز بعد ارز دیجیتال مورد ارزیابی قرار داده اند، درحالیکه در پژوهش های لاهمیری و بکیروس (2021)، لیویریس و همکاران (a2020) نویسندگان استفاده از تکنیک های یادگیری ژرف را مورد بررسی دقیق قرار داده اند. جنبه ی کلیدی کشف و بررسی انواع مختلف ورودی داده هایی مثل شاخص های مالی کلان و اطلاعات بلاک چین می باشد. علاوه براین، داده های شبکه های اجتماعی نیز برای پیش بینی قیمت های ارزهای دیجیتال مثل داده های توییتر (کرایجولد و دی اسمت، 2020) یا گیت هاب (GitHub) و داده های ردیت (گلنسکی و همکاران، 2019) بکار گرفته شده اند. حوزه ی فعالیت دیگری استفاده از روش های ترکیبی را بررسی می کند، ضمن اینکه به بررسی دقیق استفاده از رویکردهای سطحی استاندارد، مثل جنگل های تصادفی و ماشین افزایش گرادیان تصادفی (دربنتسف و همکاران، 2021)، و استفاده از مدل های یادگیری عمیق به عنوان یادگیران مؤلفه و اجزاء تشکیل دهنده (لیویریس و همکاران، b2020) می پردازند. سان و همکاران (2020) داده های روزانه ی قیمت مربوط به 42 ارز دیجیتال با شاخص های کلیدی اقتصادی بدست آمده از بازارهای سهام و بدون پشتوانه (Fiat market) را ترکیب می کنند تا الگوریتم درخت تصمیم گیری افزایش گرادیان را آموزش دهند. با این حال، تمامی ویژگی های فوق معمولا با درجه ی بالایی از اختلال و جنجال مشخص می شوند لذا فرآیند استنباط را پیچیده کرده و به راحتی قابل توضیح نیست. در راستای غلبه بر این مسئله، ژانگ و همکاران (2021) استفاده از یک واحد حافظه هوشیار و دقیق را پیشنهاد می کنند که واحد بازگشتی (تکرارشونده) درگاهی را با یک مؤلفه ی خودنگرش ترکیب می کند تا برای هر توالی ورودی حافظه ی هوشیار و دقیق ایجاد کند. نتایج تأیید می کنند که توالی خام و اولیه در حال حاضر اکثر اطلاعات مربوطه را ادغام می کند درحالیکه اطلاعات موقعیتی و زمینه ای به شدت برای ایجاد مدل های پیش بینی کننده ی دقیق قابل استفاده است. به جای پرداختن به پیش بینی کوتاه مدت قیمت مثل اثر لاهمیری و بکیروس (2021)، لیویریس و همکاران (a2020)، ژانگ و همکاران (2021)، این مقاله یک استراتژی جدید مبتنی بر یادگیری ماشین را با هدف پیش بینی اثر واکنش افراطی پیشنهاد می کند. از این رو، این استراتژی ویژگی های بازار پایه که با شواهد تجربی اخیر نمایان شده اند را دربر می گیرد (کاپورال و پلاستون، 2020) تا نهایت استفاده را از قدرت پیش بینی مدل های یادگیری ماشین برای قیمت های مبتنی بر تاریخ ببرد. ما معتقدیم که این اولین تلاش برای استفاده از یادگیری ماشین برای انجام معامله ی ارز دیجیتال براساس مومونتوم است.

کاربردهای اثر مومنتوم در حوزه ی مالی

     بازار ارز دیجیتال یک مورد به خصوص جدید و نسبتا ناشناخته از بازار به شدت آسیب پذیر نسبت به واکنش های افراطی با توجه به نوسان بالای آن در مقایسه با بازارهای سنتی مثل بازار ارز خارجی (فارکس)، بازارهای کالا و سهام و غیره می باشد. مطالعات اخیر (بارتوس، 2015؛ اورکوهارت، 2016) راندمان و کارایی آن، ویژگی های حافظه ی بلند و پایداری و دوام قیمت (باریویرا، 2017)، وجود حباب های قیمت (کوربت و همکاران، 2018)، رقابت پذیری (کاندال و هالابوردا، 2014)، مسئله ی پیش بینی پذیری قیمت (پلاستون و همکاران، 2021)، و وجود ناهنجاری های آن (کوریهارا و فوکوشیما، 2017) را تجزیه و تحلیل کرده اند

کاربرد انفورماتیک در متن کاوی شبکه مالی بر اساس رایانش عاطفی

Application of Informetrics on Financial Network Text Mining Based on Affective Computing

چکیده

مقدمه

2. انفورماتیک در اینترنت به وسیله رایانش عاطفی

3. پلتفرم SparkR و الگوریتم استخراج شبکه

3.1. اطلاعات شبکه پیش پردازش

3.2. تحقق توزیع الگوریتم های CART و توده تصادفی بر SparkR

3.2.1. تولید الگوریتم توزیع SparkR از CART

3.2.2. درک توزیع الگوریتم توده تصادفی

3.3. درک الگوریتم خوشه بندی بر توزیع SparkR

4. آزمایشات و آنالیز نتایج

4.1. تاثیر انفورماتیک بر اینترنت و بر نوسانات نرخ ارز

4.2. آزمایش 1

4.3. آزمایش 2

4.4. آزمایش 3

نتیجه گیری

منابع

چکیده

با توسعه سریع اینترنت، داده های متنی پربارتر می شوند، اما بخش عمده آن، ساختار نیافته است. بنابراین، بهره-برداری از داده های متنی در مقایسه با داده های آماری، سخت تر است. نحوه کاربرد انفورماتیک در متن کاوی شبکه مالی، مکملی برای روش های تحقیق سنتی سرمایه است. این مقاله، سعی می کند تا نوسان نرخ ارز را از طریق انفورماتیک در استخراج شبکه مالی به وسیله محاسبات عاطفی، پیش بینی کند. ما در می یابیم که اگر میزان انفورماتیک در شبکه، طی پیش بینی به کار رود، تنها مقادیر اوج و کمینه نوسان آن، با نوسان نرخ ارز، همگام هستند. این در حالی است که، نوسان شدت عاطفی کلمات انفورماتیک روی شبکه در داده های متنی، می تواند به طور دقیق، نه تنها نوسان جدی نرخ ارز را، بلکه همچنین نوسان معتدل را نیز، پیش بینی کند.

مقدمه 

اخیرا، بسیاری از ارزها، یک تنزیل قیمت قابل ملاحظه در برابر دلار ایالات متحده تجربه کرده اند، که باعث نگرانی بسیاری از سرمایه گذاران و سیاست گذاران شده است. از این رو، نحوه پیش بینی دقیق گرایش آینده نرخ ارز، وظیفه اصلی محققان کنونی شده است. روش های سنتی بسیاری برای پیش بینی گرایش آینده متغیرهای مالی وجود دارند، مانند روش احتمال، روش سیگنال، روش چرخشی مارکوف، روش شبکه ای و غیره. اما این روش ها، در مواجهه با داده های متنی آنلاین، مفید نیستند. بنابراین این مقاله، سعی می کند تا بررسی کند که آیا نرخ تبادل را می توان به طور دقیق و صحیح از طریق انفورماتیک در متن کاوی شبکه مالی پیش بینی کرد یا خیر. 

نتیجه گیری

از طریق انفورماتیک در استخراج شبکه مالی با استفاده از رایانش توزیع شده، که از طریق پلتفرم SparkR محقق میشود، که در آن تکنولوژی محاسبات توزیع شده معرفی شده است، مقاله می آزماید که آیا داده های متنی می تواند برای پیش بینی نوسانات نرخ ارز بین RMB و دلار آمریکا مورد استفاده قرار گیرد یا خیر. مطالعه دریافت که:

(1) در اکثر موارد نوسانات میزان انفورماتیک در شبکه همیشه سازگار نیست و گاهی اوقات مخالف است. در حالی که مقادیر اوج نوسانات میزان اطلاعات نوسان نرخ ارز همزمان/همگام است، مقادیر دره ای/کف نیز به همین ترتیب است.

(2) نوسانات مقدار انفورمتریک عاطفی در شبکه بیشتر به نوسانات نرخ ارز نزدیک است، اما برخی نوسانات روزانه نرخ ارز نیز وجود دارد که چندان به میزان اطلاعات عاطفی داده های متنی نزدیک نیست. این ها ممکن است ناشی از واکنش پس از سقوط بیش از حد و یا فروش پس از سود، و غیره باشد که منجر به نوسانات مقدار اطلاعات عاطفی از داده های متنی می شود و نرخ ارز به طور کامل مطابقت نخواهد داشت. بنابراین این مطالعه بر این باور است که جدا از این نوسانات روزانه، نوسان میزان اطلاعات عاطفی داده های متنی اساساً به نوسانات نرخ ارز مربوط می شود.

Abstract

With the rapid development of internet, text data is becoming richer, but most part of them is unstructured. So compared to statistics data, the text data is more difficult to be utilized. How to apply the informetrics on financial network text mining is a supplement to the traditional research methods of finance. The paper tries to forecast exchange rate volatility through informetrics on financial network text mining by means of affective computing. We find that if the amount of informetrics on network is used during predicting, only the peak and valley values of its volatility and are synchronous with the volatility of exchange rate. While the volatility of emotional intensity of words of informetrics on network in text data can accurately predict not only the drastic volatility of exchange rate, but also the moderate volatility.

Introduction

Recently, many currencies have seen a significant devaluation against the U.S. dollar, which has caused many investors and policymakers to worry. Therefore, how to accurately predict the future trend of the exchange rate has become the main task of current researchers. There are many traditional methods to predict the future trend of financial variables, such as probability method, signal method, Markov switching approach, network method, etc. But these methods are helpless facing online text data. So this paper tries to explore whether the exchange rate can be accurately predicting through informetrics on financial network text mining.

Conclusion

Through informetrics on financial network mining by means of affective computing, which is realized through the SparkR platform, in which the distributed computing technology is introduced, the paper tests whether text data can be used to forecast the volatility of exchange rate between RMB and U.S. dollar. It finds that:

(1) In most cases the volatility of the amount of informetrics on network are not always consistent and sometime opposite. While the peak values of the volatility of the amount of information of the exchange rate volatility is synchronous, so are the valley values.

(2) The volatility of the amount of emotional informetrics on network is more closer to the volatility of exchange rate, but there are also some daily volatility of exchange rate that are not so close to the amount of emotional information of the text data.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد انفورماتیک در متن کاوی شبکه مالی بر اساس رایانش عاطفی

Application of Informetrics on Financial Network Text Mining Based on Affective Computing

اثرات احساسات سرمایه گذار بر بازده، جریان های نقدی، نرخ تنزیل و عملکرد

The impact of investor sentiment on returns, cash flows, discount rates, and performance

چکیده

1 مقدمه

2 بررسی پژوهش ها و فرضیات مرتبط

3 طرح پژوهشی

4 روش های اندازه گیری متغیرها

5 یافته های تجربی و بحث

6 نتیجه گیری

اعلامیه ی منافع رقابتی

منابع

چکیده

     اعتقاد بر این است که احساسات سرمایه گذار نقش معنادار و فزاینده ای در فعالیت های تجاری و اقتصادی ایفا می کند. ما از طریق تحلیل داده های جمع آوری شده از نمونه ی شرکت های غیر مالی پذیرفته شده در پاکستان بین 2009-2018، رفتار سرمایه گذار و چگونگی تاثیرشان بر بازده بازار، نقدینگی، نرخ تنزیل و کارائی سازمان را کمی سازی کردیم. ما دریافتیم که احساسات سرمایه گذار بر فعالیت های بازار، اثر معناداری دارد و یافته های ما با تئوری های مالی رفتاری موجود همخوانی دارد. پژوهش ما نه تنها تاییدیه ی نظری از اهمیت احساسات سرمایه گذار در شاخص های مجموع بازار و و سطح شرکتی پیشنهاد ، بلکه دیدگاه های جدیدی درباره ی احساسات بازار محور، خبر محور و شبکه های اجتماعی محور در بستر بازار پاکستان را نیز ارائه می دهد.

بررسی پژوهش ها و فرضیات مرتبط
کارهای پیشین بر روی پروکسی های ( نماینده های) احساسات
     پژوهش های قبلی ارزش اخبار و تاثیرشان بر روی خلق و خوی عموم، بازارها و فعالیت های تجاری را اثبات کرده اند (تتلاک، 2007؛ ژانگ و همکارانش، 2018) زیرا که اخبار، ابزار اولیه برای جذب سرمایه گذار است (گونتاس و همکارانش، 2019). سرمایه گذاران محتوای خبری را بر اساس خوب یا بد بودنشان تقسیم بندی می کنند (دپکن،2001). بین اخبار اقتصادی و بازار سهام، یک ارتباط قوی وجود دارد (بیرز و لوت، 2011). به همین ترتیب، رسانه ی اجتماعی هم به ابزاری قدرتمند برای بررسی خلق و خوی سرمایه گذاران که به طور خاصی بر روی بازار سهام اثر می گذارد، تبدیل شده است (نیسار و یئونگ، 2018) و در امور مالی پروکسی های مبتنی بر بازار، یکی از شناخته ترین نماینده ها هستند. هوانگ و همکارانش (2015) به منظور توضیح عملکرد سهام برای گرایشات احساسی بازار از شاخص ها استفاده کردند. برای مثال، نقدینگی بازار می تواند به عنوان شاخص خوبی برای احساسات بازار مطرح شود ( هسیه و نکوین، 2020). همانطور که هسیه و نگوین (2020) متوجه شدند، عدم قطعیت سیاست اقتصادی (EPU) در وسعت بازار، نقش مهمی در به حرکت درآوردن احساسات سرمایه گذار ایفا می کند.

     رخدادهای اقتصادی و غیر اقتصادی می تواند احساسات را تحت تاثیر قرار دهد. تلویزیون، رسانه ی اجتماعی و دیگر رسانه ها می توانند اثر قابل توجهی بر روی خلق و خوی مردم بگذارند (لپوری، 2015)، و شرایط جوی همچنین روانشناسی انسان را تحت تاثیر قرار می دهند ( باسسی و همکارانش، 2013). متقابلا، قادان و آهارون (2019)، بر اساس پرسش نامه ای مبنی بر نظرسنجی، این موضوع را که احساسات ممکن است توسط رخدادهای غیر اقتصادی هم برانگیخته شوند، را مطرح کردند.

احساسات سرمایه گذار و نتایج بازار سهام
     احساسات نقش به سزایی در تصمیم گیری ایفا می کند (کوهنن و ناتسون،2011) و تمایلات برای سرمایه گذاری در دارایی های پرخطر را افزایش می دهد (مایکلسون و لیستون، 1990). سرمایه گذاران بر اساس وضعیت اقتصادی، نسبت به بازار سهام خوشبین تر شده و نه تنها به عوامل منطقی، بلکه به عوامل غیر منطقی از جمله احساسات سرمایه گذار نیز باور پیدا می کنند (قادان و آهارون، 2019). مطالعات اخیر بیانگر این موضوع هستند که احساسات سرمایه گذار عملکرد امنیت مالی را توضیح می دهد. علاوه بر این، چپنی و همکارانش (2020) تاثیر احساسات سرمایه گذار بر اوراق قرضه ی دولتی را بررسی کرده اند. خان و همکارانش (2019) از داده های گوگل ترندز برای استخراج احساسات سرمایه گذار و پیش بینی بازده سهام ایالات متحده استفاده کرده اند. همچنین سیبلی و همکارانش (2016) این موضوع که احساسات سرمایه گذار مبتنی بر مبانی اقتصاد، عملکرد بازار سهام را به طور مقطعی تحت تاثیر قرار می دهد را تایید کرده اند.

تاثیر بحران مالی جهانی بر دارایی های نقد شرکت ها: شواهد از کشورهای اروپای شرقی

The impact of the global financial crisis on corporate cash holdings: Evidence from Eastern European countries

چکیده

1 مقدمه

2 جریان های نقد در کشورهای اروپای شرقی قبل و بعد از بحران مالی

3 داده ها و روش شناسی

4 نتایج رگرسیون اصلی

5 درون زایی و برآوردهای GMM

6 بحث و نتیجه گیری

منابع

چکیده
     این مطالعه با استفاده از نمونه‌ای از شرکت‌های اروپای شرقی، تأثیر بحران مالی جهانی بر عوامل تعیین‌کننده داراییهای نقد شرکت ها و تعدیل در جهت سطوح نقدی هدف را بررسی می‌کند. این نتایج با استفاده از اثرات ثابت پانل و برآورد های GMM، نشان می دهد که عوامل تعیین‌کننده داراییهای نقد در سطح شرکت در دوره‌های قبل و بعد از بحران تفاوت قابل توجهی دارد. علاوه بر این، سرعت تعدیل برای دستیابی به سطح نقدی مطلوب در دوره پس از بحران، به طور قابل توجهی پایین تر است. نتایج ما در برابر اصلاح برای درون زایی قوی هستند. این نتایج پیامدهای مهمی برای شرکت های اروپای شرقی دارد که از نظر کمبود نقدینگی و کاهش انعطاف پذیری مالی به طور قابل توجهی تحت تاثیر بحران مالی جهانی قرار گرفته اند.

جریان های نقد در کشورهای اروپای شرقی قبل و بعد از بحران مالی
     در اوایل دهه 2000، کشورهای اروپای شرقی که به آنها اقتصادهای گذار نیز می گویند، شروع به ادغام با اقتصاد اروپا کردند. در عرض چند سال، یازده مورد از آنها به اتحادیه اروپا پیوستند و پنج مورد از آنها – اسلوونی، اسلواکی، استونی، لتونی و لیتوانی- به منطقه یورو پیوستند. این ادغام، جابجایی آزاد سرمایه و کالا را میسر ساخته و با تسهیل جریان سرمایه ورودی، سطوح سرمایه آنها را افزایش داده است. از سوی دیگر، کشورهای بدون عضویت در اتحادیه اروپا مانند ترکیه به لحاظ اقتصادی اصلاحاتی داشته اند و ادغام تولید ناخالص داخلی (GDP) خود را در اقتصاد اروپا گسترش داده اند. سهم EU در تجارت خارجی ترکیه در دهه های اول 2000 بیش از 50 % افزایش یافته است. کشورهای در حال توسعه اروپا نسبت به کشورهای آمریکای لاتین و آسیا جریان نقدی بیشتری را دریافت کرده اند. جریان خالص سرمایه دست کم 5 % بالاتر از GDP منطقه است و در سال 2007 تا حدود 10 % از GDP آنها فراتر رفته است (Berglofو همکاران، 2009).

     با این حال، سقوط Lehman Brothers در سال 2008 سبب بروز بحران مالی جهانی شد و جریانهای نقدی به اروپای شرقی را ناگهان متوقف کرد. صرف ریسک بازارهای نوظهور به اوج خود رسید و تمامی شاخص های مربوط به صادرات و خالص سرمایه گذاری مستقیم خارجی (FDI) منفی شدند. کشورهایی که بیشترین آسیب را متحمل شدند، کشورهای کوچک خارج از منطقه یورو به ویژه کشورهای بالتیک بودند. خوشبختانه، سیاست تسهیل کمّی (QE) اقدامات فدرال و بانک مرکزی اروپا درست پس از بحران اجرا شد و تأثیر قابل توجهی بر اقتصاد بازارهای نوظهور از جمله بازارهای اروپای شرقی داشت. مقارن با بهبودی در بازارهای مالی بین المللی، شاخص های اقتصادی منطقه ای در مارس 2009 رو به افزایش گذاشتند. روند نزولی تولیدات صنعتی در اکثر این کشورها کند یا معکوس شد. با این حال، تاثیر شوکهای مالی و واقعی برای مدتی در بخشهای شرکتی، خانگی و بانکی احساس شد و موجب تشدید مشکلات بیکاری، اختلافات شرکتی و بدهیهای معوق شد. پس از آن، سیاست کاهشی فدرال در می 2013 به منظور کاهش نقدینگی در بازار آغاز شد و منجر به متعادل سازی مجدد پرتفولیو های جهانی به دور از دارایی های بازارهای نوظهور شده که با این حال، این سیاست بر اکثر کشورهای اروپای شرقی تأثیر شدیدی نداشت. تنها ترکیه به دلیل شاخصهای ضعیف اقتصاد کلان خود، خروج قابل توجه جریان نقد را تجربه کرد (Mishra و همکاران، 2014).

پیوستگی پایداری در استراتژی سازمانی، مدیریت سبد پروژه و مدیریت پروژه. چارچوبی مفهومی

Interlinking Sustainability in Organizational Strategy, Project Portfolio Management and Project Management; A Conceptual Framework

چکیده

1 مقدمه

2 ادبیات پیش زمینه

3 رویکرد تحقیقاتی

4 چارچوبی برای شیوه های به هم پیوسته

5 نتیجه گیری

منابع

چکیده

     گذار به روش های پایدارتر کسب و کار نیاز به تغییر محصولات، خدمات، فرایندها، سیاست ها و منابع سازمانی دارد. با تصدیق نقش پروژه ها در این تغییرات، مفهوم پایداری باید در نحوه انتخاب، اولویت بندی، اجرا، مدیریت و ارزیابی پروژه ها ادغام شود. این موضوع مستلزم ادغام پایداری در استراتژی سازمانی، مدیریت پرتفولیوی پروژه و مدیریت پروژه است. با این حال، تحقیقات مربوط به پایداری در کسب و کار کاربرد مفاهیم پایداری را اغلب در سطح فوق الذکر در جداسازی با توجه کم یا بدون توجه به پیوند بین سطوح استراتژی، پرتفولیو و پروژه توصیف می کنند. یک چارچوب مفهومی ارائه می شود که نشان دهنده شیوه های به هم پیوسته پایداری یکپارچه در استراتژی سازمانی، مدیریت پرتفولیوی پروژه و مدیریت پروژه است. تحقیقات تجربی از این دیدگاه توسعه می یابند، و راهنمایی برای سازمان هایی ارائه می شود که هدف آنها بهبود این یکپارچگی است و در نتیجه اجرای عمیق تر پایداری را در سیاست ها و شیوه های خود قرار می دهند.

ادبیات پیش زمینه
پایداری در سازمان ها
     مسائل مربوط به تعادل بین رشد اقتصادی، رفاه اجتماعی و استفاده از منابع طبیعی در اوایل قرن هجدهم ظاهر شد (بعنواان مثال [40:12]). با این حال، این مسائل تا نیمه دوم قرن بیستم طول کشید، قبل از اینکه مسائل مربوط به پایداری و توسعه پایدار به صورت گسترده ای بعنوان یک چالش سیاسی، اجتماعی تبدیل شوند [16]. کتاب «محدودیت های مربوط به رشد» در سال 1972 [45] پیش بینی کرد که رشد احتمالی جمعیت جهان و اقتصاد جهانی منجر به فراجهش ظرفیت منابع طبیعی سیاره ما می شود. از آنجایی که امروزه انسان از معادل 1.75 زمین برای تامین منابع مورد استفاده و ضایعات تولید شده استفاده می کند [26]، مسائل مربوط به فراجهش اکولوژیکی بشر ممکن است هرگز مهم تر نباشد.

     در سال 1990 میلادی، مفهوم توسعه پایدار برای کسب و کارها و سازمان ها استفاده شده است، در نتیجه پیوندی بین توسعه پایدار و مسئولیت اجتماعی (شرکتی) (CSR) ایجاد کرده است [17]. و زمانی که سازمان بین المللی برای استانداردسازی، (C)SR را به صورت « مسئولیت یک سازمان برای تاثیرات تصمیمات و فعالیت های آن بر محیط و جامعه از طریق رفتار اخلاقی و واضح تعریف کرد، که: به توسعه پایدار شامل سلامت و رفاه جامعه کمک می کند، انتظارات ذینفعان را در نظر می گیرد، همراستا با قوانین قابل اجرا و سازگار با هنجارهای رفتاری بین المللی است، در سراسر سازمان یکپارچه می شود و در روابط آن عمل می شود [29]، از این مفهوم پشتیبانی می کند که پایداری مسئولیتی برای شرکت ها و سازمان ها است، درست همانطور که برای جوامع و دولت ها است.

     ملاحظات پایداری در کسب و کار اغلب بعنوان پایداری شرکتی نامیده می شود و توسط شاخص های پایداری داو جونز به صورت یک رویکرد کسب و کار تعریف می شود که ارزش بلند مدت را از طریق پذیرفتن فرصت ها و مدیریت ریسک های ناشی از توسعه های اقتصادی، محیطی و اجتماعی برای سهامدار ایجاد می کند [15]. این تعریف به مفهوم معیارهای ارزیابی سه گانه (TPL) الکینگتون [19] اشاره می کند، که شامل سه دیدگاه درباره عملکرد و توسعه است: اجتماعی، محیطی و اقتصادی. TBL مبنای مفهومی برای چندین معیار از شاخص های توسعه پایدار ارائه می دهد [2]. این چارچوب ها به عملی سازی مفهوم پایداری کمک می کنند. با این حال، آنها ریسک هایی را نیز معرفی می کنند که همبستگی های بین سه دیدگاه تحت نظر هستند و اینکه دیدگاه های اجتماعی، محیطی و اقتصادی هر کدام به صورت مجزا در نظر گرفته می شوند. درک همه جانبه پایداری نیاز به یکپارچگی جنبه های اقتصادی، محیطی و اجتماعی دارد [35،19].