Market manipulation remains the biggest concern of investors in today’s securities market. The development of technologies and complex trading algorithms seems to facilitate stock market manipulation and make it inevitable for regulators to use Deep Learning models to prevent manipulation. In this research, a Denoising GAN-based model has been designed. The proposed model (GAN-DAE4) consists of a three-layer encoder along with a 2-dimension encoder as the discriminator and a three-layer decoder as the generator. First, using statistical methods such as sequence, skewness, and kurtosis tests and some unsupervised learning methods such as Contextual Anomaly Detection (CAD) and some visual and graphical methods, the manipulated stocks have been detected in the Tehran Stock Exchange from 2015 to 2020; then GAN-DAE4 and some supervised deep learning models have been applied to the prepared data set. The results show that GAN-DAE4 outperformed other deep learning models (with F2-measure 73.71%) such as Decision Tree (C4.5), Random Forest, Neural Network, and Logistic Regression. Manuscript profile

طی دهه اخیر مطالعات در مورد بررسی عوامل مؤثر بر بازده بازار سهام با پیشرفت‌های اقتصاد مالی در حوزه آمار و ریاضیات به اوج خود رسیده و مدل‌سازی در این زمینه از اهمیت بالایی برخوردار شده است. بر این اساس این پژوهش به دنبال ارائه رویکرد جدیدی از مدلسازی رابطه غیرخطی بین متغیرهای مالی با تأکید بر تأثیر متغیرهای اقتصادی بر بازار سرمایه است. برای تبیین رابطه غیرخطی متغیرهای مورد بررسی با توجه به رابطه بین متغیرها از رویکرد مدل رگرسیون کوانتیل آستانه بیزین با در نظر گرفتن ناهمسانی واریانس شرطی(BQTR-GARCH) استفاده شده است. برای بررسی و مدلسازی این رویکرد از اطلاعات بازده کل سهام بورس اوراق بهادار تهران، قیمت سکه طلا، قیمت نفت و طلای جهانی از ابتدای سال 1390 تا انتهای شهریور 1398 استفاده شده است. نتایج بررسی نشان دهنده تأثیر غیرخطی بازارهای مختلف بر بازهی بازار سهام بوده است. به گونه ای که تأثیر بازدهی بازارهای طلا، سکه و نفت بر بازده بازار سهام در مقادیر بالاتر و پایین‌تر از آستانه متفاوت است. علاوه بر این، رفتار در کوانتیل‎‌های توزیع بازدهی بازار سهام نیز متفاوت است و نشان می‌دهد که بازار سهام تنها در دوران حدی خود (بازار افزایشی و کاهشی) متأثر از بازارهای دیگر است. Manuscript profile

مطالعه پویایی‌ها و روابط بین بازارها یکی از موضوعات مورد توجه محققان بوده است. این مقاله به بررسی اثر نااطمینانی قیمت طلا و قیمت نفت خام بر بازده شاخص قیمت سهام بانک‌ها با استفاده از مدل فضا-حالت در فرم خودرگرسیون میانگین متحرک برداری (VARMA) می‌پردازد. در سیستم معادلات فضا حالت، متغیر حالت توسط فیلتر کالمن و پارامترهای تصریح شده الگو به وسیله روش حداکثر راستنمایی تخمین زده می‌شوند. نتایج تحقیق نشان می‌دهد که نااطمینانی قیمت طلا و نااطمینانی قیمت نفت اثر منفی و معنی داری بر بازده شاخص سهام بانک دارد و میزان تاثیرپذیری بازده شاخص بانکها از نااطمینانی قیمت طلا بیشتر از نااطمینانی قیمت نفت می باشد. همچنین نااطمنیانی قیمت نفت اثر مثبت و معنی داری بر نااطمینانی قیمت طلا دارد. در این تحقیق، از دادههای روزانه قیمت نفت خام اوپک، قیمت طلا (سکه تمام بهار آزادی طرح قدیم) و شاخص قیمت سهام بانکها طی دوره 1390 تا شهریور 1396 استفاده شده است. Manuscript profile