مقایسه عملکرد مدل پنج عاملی فاما و فرنچ و انواع رویکرد های شبکه عصبی و عصبی فازی در پیش بینی قیمت سهام

الموضوعات :

رضا تهرانی ¹ , میلاد حیرانی ² , سمیرا منصوری ³

1 - دانشیار، گروه مدیریت دانشگاه تهران، تهران، ایران
2 - کارشناس ارشد مدیریت مالی، دانشگاه ارومیه، ارومیه، ایران
3 - کارشناس ارشد مدیریت مالی، دانشگاه تهران، تهران، ایران

تاريخ الإرسال : 12 الثلاثاء , شوال, 1439 تاريخ التأكيد : 15 السبت , ربيع الثاني, 1440 تاريخ الإصدار : 19 السبت , شوال, 1440

الکلمات المفتاحية: قیمت سهام, شبکه عصبی, GMDH, RBF, پنج عاملی فاما و فرنچ, SVR,

ملخص المقالة :

یکی از مهم‌ترین موضوعات مطرح بازارهای مالی پیش‌بینی قیمت و بازده سهام است. در این پژوهش سعی می‌شود بهترین مدل و رویکرد پیش‌بینی قیمت سهام با توجه به شاخص های میانگین مربعات خطا (MSE)، مجذور میانگین مربعات خطاها (RMSE)، ضریب تعیین ( 14R2"> ) انحراف معیار (S.D)، میانگین قدر مطلق خطاها (MAE) و معیار میانگین قدر مطلق خطاها (MAPE) برای مدل پنج عاملی فاما و فرنچ انتخاب شود. بدین منظور پس از تشکیل پرتفوی با توجه به مدل پنج عاملی فاما و فرنچ در بازه زمانی 1388 تا 1395 قیمت سهام توسط مدل اقتصادسنجی، رویکردهای شبکه عصبی، شبکه عصبی بهینه سازی شده، شبکه عصبی فازی بهینه سازی شده شبکه عصبی پایه شعاعی، شبکه عصبی GMDH، شبکه عصبی SVR و شبکه های عصبی فازی پیش‌بینی و دقت هر کدام از رویکردها برآورد شده است. نتایج پیش‌بینی بازدهی پرتفوی‌های تشکیل شده، نشان می‌دهد که دقت پیش‌بینی شبکه عصبی تابع پایه شعاعی (RBF) نسبت به دیگر مدل های ARMA و شبکه‌های عصبی بسیار بالا است.