پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش¬بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش¬هاومدل¬های متفاوت به منظورپیش¬بینی سودهای آتی شرکت¬هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل¬های سری زمانی توضیحی جمع أکثر
پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش¬بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش¬هاومدل¬های متفاوت به منظورپیش¬بینی سودهای آتی شرکت¬هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل¬های سری زمانی توضیحی جمعی میانگین متحرک ARIMAوشبکه¬های عصبی مصنوعی از نوع پرسپترون چند لایه (MLP) مورداستفاده قرارگرفتند وپیش بینی¬هابرای سودهای فصلی شرکتهای پذیرفته شده دربازاربورس اوراق بهادارتهران وبراساس داده های فصلی سالهای 1386تا 1391انجام پذیرفت. نتایج نشان دادکه مدل شبکه¬های عصبی مصنوعی به طورمعناداری، خطاهای کوچکتری رادرپیش¬بینی نسبت به مدل-هایARIMAایجادمی¬کنندودرنتیجه پیش¬بینی سودهای فصلی این شرکت¬ها، توسط شبکه¬های عصبی مصنوعی وباروشMLP ازتوان بیشتری نسبت بهARIMAبرخورداراست
تفاصيل المقالة
در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل های ارائه شده در پژوهش های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با أکثر
در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل های ارائه شده در پژوهش های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه های عصبی عمیق انجام شده است. مدل های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه بندی کرده است. با استفاده از این استراتژی موقعیت های سودآوری در بازار سهام برای کسب سود شناسایی می شود. نتایج نشان داد مدل جنگل های تصادفی دارای خطای طبقه بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد، بنابراین مدل جنگل های تصادفی روش مناسب تری برای استفاده در استراتژی آربیتراژ آماری و کسب سود می باشد.
تفاصيل المقالة
هدف: هدف از انجام این پژوهش، بررسی تأثیر ویژگیهای شخصیتی بر تصمیمات سرمایهگذاری با نقش میانجی تحمل ریسک در بورس اوراق بهادار تهران بوده است.
روششناسی پژوهش: پژوهش حاضر در سال 1401 انجام و از نوع کاربردی و روش انجام پژوهش جزء پژوهشهای توصیفی - پیمایشی است. جامعه آما أکثر
هدف: هدف از انجام این پژوهش، بررسی تأثیر ویژگیهای شخصیتی بر تصمیمات سرمایهگذاری با نقش میانجی تحمل ریسک در بورس اوراق بهادار تهران بوده است.
روششناسی پژوهش: پژوهش حاضر در سال 1401 انجام و از نوع کاربردی و روش انجام پژوهش جزء پژوهشهای توصیفی - پیمایشی است. جامعه آماری این پژوهش کلیه سرمایهگذاران حقیقی بورس اوراق بهادار تهران میباشد. حجم نمونه در این پژوهش 386 نفر است. روش جمعآوری دادههای این پژوهش از طریق پرسشنامه استاندارد با طیف لیکرت است. روایی پرسشنامه از طریق روایی محتوا و پایایی آن از آلفای کرونباخ مورد تأیید قرار گرفته است. تجزیهوتحلیل دادهها با استفاده از روش مدلسازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به کمک نرمافزارهای SPSS و SMARTPLS میباشد.
یافتهها: نتایج بهدستآمده نشان داد ویژگیهای شخصیتی بر تصمیمات سرمایهگذاری و تحمل ریسک تأثیر معنادار دارد و همینطور تحمل ریسک بر تصمیمات سرمایهگذاری تأثیر معنادار داشته و بین ویژگیهای شخصیتی و تصمیمات سرمایهگذاری نقش میانجی دارد.
اصالت / ارزشافزوده علمی: دانشافزایی این پژوهش استفاده از متغیر تحمل ریسک بهعنوان نقش میانجی در بررسی تأثیر ویژگیهای شخصیتی بر تصمیمات سرمایهگذاری و همچنین استفاده از روش مدلسازی ساختاری با رویکرد حداقل مربعات جزئی به کمک نرمافزار SMARTPLS میباشد.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications