در این تحقیق، میزان اثربخشی شاخصهای بازار که میتوان از آن برای پیشبینی نابسامانی مالی بانکیاستفاده نمود مورد سنجش قرار گرفته است. همچنین یک مدل لوجیت برای پیشبینی نابسامانی مالی بانکیدر کشور ایران طراحی و مورد آزمون قرار گرفته است. از سوی دیگر، قدرت ارتباط میان اطلاعات بازارو تنزل مالی یک بانک نیز مورد مطالعه قرار گرفتهاست. نهایتاً مطرح گردیدهاست که برخی از شاخصهایمرتبط با بازار را میتوان برای پیشبینی نابسامانی مالی بانکی در کنار شاخص های مالی مورد استفاده قرارداد.سایر نتایج بیانگر این مطلب است که صحت و درستی قدرت پیش بینی نابسامانی مالی به میزانتعهدات بانکی در مقابل بازاری که در آن به فعالیت میپردازد بستگی دارد. به این مفهوم که چون اینتحلیل بر مبنای داده های بانکها انجام گرفته است، در صورتیکه بانک تعهد نماید داده های صحیح وشفاف به بازار ارائه نماید، می توان به نحو مناسبتری پیش بینی را انجام داد. Manuscript profile

از مهمترین دغدغه های سرمایه گذاران در بازارهای مالی، انتخاب سهم یا سبد سهامی است که ازلحاظ سودآوری بهینه باشد. به همین منظور رو شهای زیادی در رابطه با انتخاب سبد سهام معرفیو (DEA) شده اند. هدف این تحقیق تشکیل پورتفوی بهینه، با تلفیق روش تحلیل پوششی داده هامی باشد. لذا در این راستا داده های مربوط به 6 صنعت از بین صنایع بورس اورق (GP) برنامه ریزی آرمانی1388/12/ 1388 الی 29 /01/ بهادار تهران که در مجموع شامل 250 شرکت می باشند، در فاصله زمانی 01جمع آوری شده، کارایی نسبی شرکت های واقع در هر صنعت محاسبه و کاراترین شرکت های واقع درهر صنعت تعیین شده، که در مجموع 48 شرکت کارا مشخص گردید. در مرحله بعد پس از جمع آوریداده های مربوط به معیار های سرمایه گذاری برای شرکت های کارا، برای تعیین سطح آرمانی سرمایهگذاری(F٭ ) از برنامه ریزی خطی کمک گرفته شد، و برای اطمینان از تحقق آرمان های با اولویت کمتر،نتایج پس از اندکی تعدیل، وارد مدل برنامه ریزی آرمانی گردید.در مرحله آخر با توجه به اولویت ها و آرمان های سرمایه گذار و با استفاده از برنامه ریزی آرمانیموجبات کمک به اتخاذ تصمیم سرمایه گذار فراهم آمد. نتایج بدست آمده نشان دهنده تحقق کامل آرمانو (رتبه نقدشوندگی)، و عدم تحقق کامل آرمان (ریسک) بوده و از طرفی (Di) ،( های (بتا)، (بازدهیبه میزان 2.27 واحد دارای انحراف مثبت می باشد، و همچنین از انتخاب پورتفوی متنوع 8 (Ci) آرمانسهمی از بین 250 سهم، حکایت می کند. Manuscript profile

هدف از پژوهش حاضر، بررسی عوامل اجتماعی مؤثر بر تجربه خرید مشتریان به‌عنوان پیش‌بینی کننده وفاداری به فروشگاه با توجه به نقش تعدیل‌گری شواهد فیزیکی می‌باشد، تا مشخص شود چه چیزی خریداران را به سمتی هدایت می‌کند که چیزی بیش از سایرین را تجربه کنند و چه نوع اقدامی به دنبال این تجربه حادث می‌شود. گروهی از جامعه‌شناسان استدلال کرده‌اند که تجربه‌ی هیجانی انسانی به‌طور صریح از معنای اجتماعی انسان می‌باشد و افکار، شناخت ها، نگرش و باورها به‌صورت جدایی‌ناپذیر با هیجانات درهم‌تنیده شده‌اند. برای این منظور به بررسی فرضیه‌هایی تحت رهیافت کمی در بین خریداران فروشگاه‌های زنجیره‌ای رفاه در کلان‌شهر ارومیه به تعداد 385 نفر پرداختیم. نتایج تحلیل داده‌های جمع‌آوری‌شده از طریق پرسشنامه با کمک مدل یابی معادلات ساختاری به روش حداقل مربعات جزئی (PLS) حاکی از آن است که از عوامل اجتماعی به ترتیب مشتری مداری و احترام به مشتری، صداقت در گفتار، باحوصله بودن، جذابیت فیزیکی و آگاهی کارکنان فروش از ویژگی‌های محصول بیشترین شدت اثر را بر تجربه خرید مشتریان درون فروشگاهی داشته‌اند. همچنین متغیر تعدیل‌گر شواهد فیزیکی توانسته است که مقدار تأثیر عوامل اجتماعی بر تجربه خرید مشتریان درون فروشگاهی را افزایش دهند و با توجه به اینکه مقدار اندازه اثر بالاتر از 35% بوده، بنابراین شدت اثر متغیر تعدیل‌گر قوی بوده است. همچنین نتایج به‌دست‌آمده از روش بوت استرپ و آزمون سوبل هر دو نشان دادند که اثر غیرمستقیم عوامل اجتماعی خرده‌فروشی بر تبلیغات دهان‌به‌دهان مثبت پس از خرید و نیات بازدید مجدد از فروشگاه به‌واسطه تجربه خرید مشتریان درون فروشگاهی نیز معنادار می‌باشد. Manuscript profile

برای بانک‌ها، تعامل با بانک‌های همسان و رقیب یک امر متداول و رایج است. مطالعات قبلی نشان می‌دهند که بانک‌های همسان و رقیب نقش مهمی در شکل دادن به انواع سیاست‌های بانکی ایفا می‌کنند، اما تأثیر رفتار بانک‌های همسان و رقیب در تصمیمات مالی شرکت‌ها اغلب نادیده گرفته می‌شود. تآمین منابع مالی و تصمیمات اهرمی از مهم ترین اینگونه تصمیمات در شرکتها هستند. در همین راستا در این مطالعه به تاثیر نا ‌اطمینانی سیاست اقتصادی و ویژگیهای شرکت بر تصمیمات اهرمی موسسات مالی در بانکداری همگرا پرداخته می شود. جامعه آماری این تحقیق بانک‌های پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1395 تا 1399 می‌باشد. فرضیات پژوهش با استفاده از روش پانل دیتا مورد آزمون قرار گرفته اند. نتایج پژوهش نشان داد بانکهای همسان در انتخاب سیاست تامین مالی خود از صنعت تقلید می کنند و همچنین نااطمینانی سیاست اقتصادی بر رفتار بانکداری همگرا در اتخاذ تصمیمات اهرمی تاثیر مثبت و معنی داری دارد . سایر نتایج بیان می کند که میانگین نسبت سود خالص صنعت، میانگین نسبت ارزش بازار به ارزش دفتری صنعت و نوسان سود خالص صنعت بر تصمیمات اهرمی بانک تأثیر معنی داری ندارند ، اما میانگین لگاریتم کل دارایی صنعت بر تصمیمات اهرمی بانک تأثیر منفی و معنی داری دارد . Manuscript profile

در پژوهش حاضر به اثر سرایت پذیری درماندگی مالی در بانک های ایران با رویکرد تلاطم شرطی پویا جهت استفاده تصمیم گیران اقتصادی و مدیران مالی پرداخته شده است.جامعه آماری پژوهش شامل بانک های ملت، تجارت ، صادرات و پارسیان می باشد که در بازه زمانی سال های 1395 تا 1399 مورد تجزیه و تحلیل قرار گرفته است. پژوهش حاضر با به کارگیری روشKMV و مفهوم فاصله تا نکول و با استفاده از مدل VAR و استفاده از روش DCC-GARCH، احتمال سرایت درماندگی مالی به سایر بانک ها را مورد بررسی قرار داده است. نتایج به دست آمده،حاکی از وجود رابطه معنادار بین ریسک درماندگی مالی بانک ها با یکدیگر بوده است؛بانک ملت در معرض بیشترین ریسک سرایت درماندگی و بانک پارسیان، کمترین اثرپذیری را نشان می دهد. بر اساس نتایج مدل، افزایش ریسک های عملکردی بانک ها از جمله ریسک اعتباری و ریسک بازار، بر افزایش ریسک درماندگی مالی تاُثیر معناداری داشته و این ریسک می تواند بر دیگر بانک ها در شبکه ارتباطی بانک ها و سپس کل اقتصاد سرایت نماید. Manuscript profile

چهار رویکرد عمده در تحلیلهای مالی ، قابل تعریف است. رویکرد سنتی ، فراسنتی، مدرن و فرامدرن. در نظریه بدیع منظومه تاب آوری کسب و کارها، در اندازه گیری ریسکهای مالی و یا غیر از آن ، فضایی فراهم می آید تا با جامع نگری و نیز در نظر گرفتن حاکمیت پارادایم اقتضایی، امکان سنجش شاخص های مالی و غیر از آن به شکل موردی و یا جامع ، فراهم آید.از داده های آماری شرکت های بورسی در دوره ی زمانی ۱۳۹۰ الی ۱۳۹۸ استفاده شد. در این پژوهش با استفاده از روش های مختلفی مبتنی بر ابزارهای نوآورانه مالی،توان این ابزارها در برآورد درماندگی مالی، دیدگاههای سنتی ، فراسنتی،مدرن و فرامدرن به مقایسه گذاشته میشود. در نهایت مشخص شد که روش مهندسی مالی با تکیه بر نظریه منظومه تاب آوری کسب وکارها در تعیین درماندگی مالی، از نوسان برآورد کاسته و بر دقت برآورد درماندگی مالی می افزایند. البته باید در کنار روش های نوین، همواره به روش های سنتی به عنوان شاخص هایی برای تعیین میزان حدودی درماندگی مالی و در جهت مقایسه توجه داشت. Manuscript profile

موضوع عرضه ی عمومی اولیه سهام (IPO) و بازدهی کوتاه مدت غیرعادی آن در مقایسه با سایر سهام ˓ مطالعات و تحقیقات متعددی در سطح جهان و در بازارهای سهام را به خود اختصاص داده است.مطالعات انجام گرفته به بازده کوتاه مدت سهام عرضه اولیه شده بالاتر از بازار و بازده بلندمدت آن کمتر از بازده بازار اشاره دارد. طرح موضوع واکنش ناقص به برخی پدیده ها در کوتاه مدت ˓ به دلیل فقدان اطلاعات کافی یا نامتقارن بودن اطلاعات بین تصمیم گیرندگان اقتصادی و همچنین نبود تطابق زمانی در واکنش مناسب به پدیده اقتصادی است. یکی از مفروضات اساسی مالی رفتاری˓ بیش واکنشی بوده که عامل اصلی بروز چنین رفتاری در سرمایه گذاران شهود نمایندگی است. در این تحقیق بیش واکنشی عرضه اولیه ی سهام در بورس اوراق بهادار تهران با دو استراتژی خرید و نگهداری و متوسط بازدهی انباشت تایید گردیده و تاثیر عوامل قیمت˓ارزش بازار˓بازدهی قبلی بر بیش واکنشی بررسی شده است که نتایج موید تاثیرمنفی قیمت بر بیش واکنشی است. به عبارت دیگر˓قیمت کمتر(بیشتر) به بازدهی بیشتر(کمتر) و در نتیجه بیش واکنشی بیشتر می گردد. Manuscript profile

هدف سرمایه گذاران از سرمایه گذاری در سهام شرکتها ، کسب سود و بازدهی معقول است.این پژوهش ، چارچوبی برای تعیین قیمت سهام شرکتها با استفاده از مدل رفتاری تصویر سهام و مدلهای سنتی(جریان نقدی آزاد سهامداران،تنزیل سودهای نقدی و سود باقیمانده ) ارائه کرده و عملکرد هر کدام از آنها را در تعیین قیمت سهام شرکتها مورد بررسی قرار می دهد.در این راستا تعداد 95 شرکت از شرکتهای تولیدی و صنعتی پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است.دوره مورد مطالعه سال 1388 الی 1392 می باشد. این پژوهش با بکارگیری داده های تابلویی و نیز محاسبه خطاهای پیش بینی هر مدل ، عملکرد مدلها را بر مبنای توان تبیین کنندگی و دقت هر مدل مورد مقایسه قرار داده است . نتایج حاصل از پژوهش نشان می دهد که مدل رفتاری تصویر سهام نسبت به مدلهای سنتی از توان تبیین کنندگی و دقت بالاتری در برآورد قیمت سهام برخوردار است. این مدل رفتاری می تواند نقش برخی از فاکتورهای رفتاری در قیمت گذاری سهام را تبیین کرده و برای سهامداران در زمینه مدیریت فعال پرتفوی مفید واقع شود. Manuscript profile

Investment decision making is one of the key issues in financial management. Selecting the appropriate tools and techniques that can make optimal portfolio is one of the main objectives of the investment world. This study tries to optimize the decision making in stock selection or the optimization of the portfolio by means of the artificial colony of honey bee algorithm. To determine the effectiveness of the algorithm, its sharp criteria was calculated and compared with the portfolio made up of genes and ant colony algorithms. The sample consisted of active firms listed on the Tehran Stock Exchange from 2005 to 2015. The sample selected by the systematic removal method. The findings show that artificial bee colony algorithm functions better than the genetic and ant colony algorithms in terms of portfolio formation Manuscript profile

The optimal portfolio selection is vital for investment. The risk of portfolio Selection and return is the most critical concern of investment companies and private investors. According to modern portfolio theory, diversification should cover the risk. This theory is based on the normality of assets return. Experimental findings indicate that the assets return non-normality. Higher moments are sed to upgrade traditional models with the primary presumption of a normal distribution in recent years. This study uses a higher moment and the entropy for diversification and selects a portfolio given a non-normality assumption. It is essential to use up-to-date information to increase the model's efficiency, and accordingly, we used the rolling window for new price information. For the financial information method, we use the total index return in the last five working days and weigh the shares of the banking, insurance, and leasing industries on the next working day and evaluate this for three years. Python, math, and NumPy libraries were used to analyze the data. The results show that a much higher moment model can provide better portfolio selection results in most cases. Manuscript profile

مدل هم محوری به وسیله دانشمندان زیادی مورد بررسی قرار گرفته است. این مدل ارتباط بین ریسکهای محیط، استراتژی شرکتها و ساختار سرمایه را بر عملکرد شرکتها مورد بررسی قرار میدهد. برای بررسی رابطه بین ساختارها و ابعاد، جهت درک وجود رابطه آنها، جایگزینهایی مورد بررسی قرار گرفته اند که این جایگزینها طی تحقیقات قبلی مورد بررسی قرار گرفته بودند. در طراحی این پروژه، داده های شرکتهای پتروشیمی طی یک دوره زمانی 1380 مورد بررسی قرار گرفته اند. جامعه آماری این تحقیق شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در صنعت پتروشیمی را 5 ساله 1384 تشکیل میدهند، برای تحلیل داده های تحقیق از آمار توصیفی شامل میانگین، انحراف معیار و آمار استنباطی شامل ضریب همبستگی، پیرسون آزمون ANOVA استفاده شده است که مجموعاً توسط نرم افزار spss بررسی میشود. در مجموع نتایج تحقیق نشان داد که متغیرهای مدل هم محوری که شامل ریسکهای محیط، استراتژی شرکت و ساختار سرمایه میباشند، هر کدام به نحوی بر عملکرد شرکتها تأثیر میگذارند. در آخر این که استفاده از مدلی مانند مدل هم محوری دارای اثری مثبت بر عملکرد شرکتها میباشد. Manuscript profile

هدف اصلی پژوهش حاضر تبیین مقایسه‌ای مدل‌های قیمت‌گذاری دارایی‌های سرمایه‌ای رفتاری و کلاسیک در بازار سرمایه ایران است. جامعه آماری موردمطالعه این پژوهش شرکت‌های پذیرفته‌شدۀ بورس اوراق بهادار تهران و نمونه آماری نیز قلمرو زمانی بین سال‌های 1385 تا 1395می‌باشد. روش پژوهش حاضر از نوع توصیفی- کاربردی است. روش گردآوری اطلاعات شامل روش‌های کتابخانه‌ای و روش‌های میدانی می‌باشد. برای آزمون فرضیه‌های این پژوهش از مدل رگرسیون چند متغیره استفاده‌شده است. یافته‌های تحقیق نشان می‌دهد مدل‌های قیمت‌گذاری دارایی سرمایه‌ای کلاسیک در مقایسه با مدل‌های قیمت‌گذاری دارایی سرمایه‌ای رفتاری در بازار سرمایه ایران دارای قدرت تبیین بیشتری می‌باشد. این در حالی است که مدل استاندارد قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM)، دارای بیشترین قدرت تبیین (تقریباً 89/66 درصد)، و مدل تعمیم یابنده قیمت‌گذاری دارایی‌های سرمایه‌ای (X-CAPM)، نیز در بین مدل‌های رفتاری دارای کمترین قدرت تبیین (تقریباً 48/41 درصد) برخوردار می باشند. سپس، در رتبه‌بندی دوم مدل قیمت‌گذاری دارایی‌های سرمایه‌ای کاهشی- نامطلوب (D-CAPM) دارای بیشترین قدرت تبیین (تقریباً 81/61 درصد)، و قیمت‌گذاری دارایی‌های سرمایه‌ای رفتاری(BAP)، دارای کمترین قدرت تبیین (تقریباً 16/43 درصد) برخوردار می‌باشند. سپس، در رتبه‌بندی سوم مدل قیمت‌گذاری دارایی‌های سرمایه‌ای تعدیلی (A-CAPM)، مدل قیمت‌گذاری دارایی‌های سرمایه‌ای شرطی (I-CAPM)، مدل قیمت‌گذاری دارایی‌های سرمایه‌ای تجدیدنظر شده (R-CAPM)، مدل قیمت‌گذاری دارایی‌های سرمایه‌ای مصرفی(C-CAPM)، به ترتیب دارای بیشترین قدرت تبیین (تقریباً 49/59 درصد)، (تقریباً 64/48 درصد)، (تقریباً 10/52 درصد)، (تقریباً 94/49 درصد)، می‌باشند. همچنین، مدل قیمت‌گذاری دارایی‌های سرمایه‌ای رفتاری(BAP)، در بین مدل‌هایی رفتاری دارای کمترین قدرت تبیین (تقریباً 16/43 درصد) برخوردار می باشند. Abstract The research is mainly aimed at comparative explanation behavioral and classic capital assets pricing models of in Iran capital market. Statistical population of the research includes companies enlisted in Tehran Stock Exchange; and, statistical sample concerns time domain of 2016. In this descriptive-applied research, data have been collected via library and field methods. To test the hypotheses, multivariate regression model has been used. Research findings show that pricing models of classic capital asset in Iranian capital market is of higher explanation power, compared to those of behavioral capital asset. That is, standard capital asset pricing model (CAPM) has highest explanation power (almost 66.89%), and extrapolating capital asset pricing model (X-CAPM) among behavioral models has lowest explanation power (almost 41.48%). In second place, reductive-undesirable capital asset pricing model (D-CAPM) is of highest explanation power (almost 61.81%) and behavioral capital asset (BAP) pricing has lowest explanation power (about 43.16%). Then in third place, adjusted capital asset pricing model (A-CAMP), intertemporal capital asset pricing model (I-CAMP), revised capital asset pricing model (R-CAPM), and consumption capital asset pricing model (C-CAPM) respectively have highest explanation powers equal to 59.49, 48.64, 52.10, and 49.94%. Also, behavioral capital asset pricing model (BAP) has lowest explanation power (almost 43.16), among behavioral models. Manuscript profile

تلاطمبهعنوانیکعاملمؤثردرتعیینریسکسرمایه گذاری،میتواندنقشمهمیدر تصمیم گیریسرمایه گذارانایفاکند. یکتخمینمناسبازتلاطمبازاردریکدورةسرمایه گذارینقطةآغازینبسیارمهمیدرکنترلریسکسرمایه گذاری است. تلاطم در بازارهای مالی نقشی کلیدی ایفا می کند، بنابراین ان را باید شناخت واندازه گیری و پیش بینی کرد و برنامه ای در نظر گرفت که بتوان تلاطم بازار را که برتصمیم سرمایه گذاران تاثیر دارد را مدیریت نمود. با توجه به اهمیت پیش بینی تلاطم بازار، هدف اصلی پژوهش حاضر مقایسه دو روش پیش بینی تلاطم بازار است. نتایج این پژوهش نشان می دهد که ترکیب شبکه عصبی مصنوعی و نسبت های مالی قابلیت پیش بینی تلاطم بازار سرمایه گذاری را دارند و با توجه به مجموع مجذور خطا مدل ارائه شده با استفاده از شبکه عصبی در این پژوهش عملکرد بهتری در پیش بینی تلاطم بازار سرمایه گذاری نسبت به رگرسیون خطی دارد.Volatility as an effective factor in determining investment risk can play an important role in decision making of investors. An appropriate estimate of market volatility in an investment period is an important starting point in investment risk control. Volatility plays a key role in financial markets, so it needs to be recognized and calculated, and plans to manage market volatility that affect investors ' decision. Due to the importance of market volatility, the main objective of this research is to compare two methods before market volatility. The results of this research show that the combination of artificial neural network and financial ratios are capable to predict the volatility of capital market volatility and according to the total error of the model presented using neural network in this research has better performance in the forecasting of capital market volatility than linear regression. Manuscript profile

چکیدهارزیابی ریسک حدی و استفاده از مدل‌های کارآتر برآورد ریسک حدی در دنیای متغیر مالی امروز از اهمیت مضاعفی برخوردار است. در مقاله حاضر با استفاده از روش نوین شاخص گشتاوری ال–مومنت برای مقادیر حدی مثبت و منفی شاخص کل بورس تهران (رویکرد ماکزیمم بلوک‌ها) و برآورد ریسک حدی شرطی در الگوهای متفاوت زمانی، نسبت به انتخاب مدل آماری حدی مناسب و الگوی مطلوب زمانی برای برآورد شاخص ریسک حدی ثابت و متغیر در زمان اقدام گردید. نتایج بررسی گشتاوری مدل‌های مهم توزیع حدی، پس از براورد پارامترهای مدلهای مقادیر حدی هم در سری‌های حدی مثبت (حداکثر) و هم منفی (حداقل)، نشان داد که مدل مطلوب انطباقی با لگاریتم بازده حدی بورس تهران، غالباً مدل GEV و گاهاً مدل GL بوده و در بین الگوهای متفاوت زمانی نیز، الگوی روزانه و هفتگی در سطح اطمینان 90% دارای خطای برآوردی کمتری می‌باشند.واژه‌های کلیدی: مدل سازی گشتاوری، مدل‌های ریسک حدی، نسبت خطا، ماکزیمم بلوک‌ها. Manuscript profile

اوراق اختیار از ابزارهای مهم بازارهای مالی بوده و قیمتگذاری اوراق با معادله قیمتگذاری بلک شولز بسیار متداول است. این معادله جهت قیمتگذاریِ اختیارهای اروپائى استفاده میشود. با بکارگیریِ علوم ریاضی در مباحث مالی، امکان ارائه مدلهای جدیدترِ قیمتگذاری اختیار معامله فراهم شده است. در این مقاله با روش جدید حل معادله دیفرانسیل تحت عنوان نیکیوورو - اوواروف، امکان ارائه مدل متفاوت قیمتگذاری بلک شولز بررسی گردید. سپس، معادله ای جدید برای قیمتگذاری اوراق اختیار معامله ارائه شد. افزایش دقت قیمتگذاری، رفع نواقص مدل بلک شولز، حل منطقی جدید و قابلیت مقایسه خروجی با حل عددی، اهمیت و نوآوری پژوهش حاضر میباشند. نتایج نشان داد؛ امکان ارائه مدل جدید قیمتگذاری اختیار معامله با روش نیکیوورو – اوواروف امکانپذیر بوده و در سطح اطمینان 95 درصد بین قیمتگذاری روش جدید و مدل بلک شولز تفاوت معنادار وجود ندارد. دقت بیشتر قیمتگذاری برای مبالغ بالا، امکان بکارگیریِ معادله در قیمتگذاری اختیار معامله های اروپایی و آمریکایی و اعمال محدودیتهای کمترِ اثبات معادله، مزیتهای مدل جدید هستند. به منظور مقایسه مدل جدید و مدل بلک‌شولز از اطلاعات 50 اختیار معامله زعفران در فرابورس ایران از سال 1395 لغایت 1398 استفاده و از آزمون مقایسه ای دو گروه مستقل ناپارامتریکِ من ویتنی استفاده گردید. Manuscript profile

امروزه انواع مدل‌های هوش مصنوعی جایگاه خود را در محاسبات و پیش‌بینی‌های بازارهای مالی تثبیت کرده‌اند؛ در این میان معماری‌های مبتنی بر یادگیری عمیق که خود براساس الگوریتم‌های یادگیری ماشینی می‌باشند، از طریق رفع ضعف‌های‌ مدل‌های سنتی شبکه عصبی در خصوص پیش-بینی ساختارهای دینامیک، مورد توجه قرار گرفته‌اند. مهمترین مزیت الگوریتم‌های یادگیری عمیق نسبت به مدل‌های سنتی شبکه‌ عصبی، استخراج خودکار ویژگی‌های مناسب از ورودی‌های خام می-باشد که از آن برای روند یادگیری مدل استفاده می‌کند؛ به عبارتی الگوریتم‌های این روش از چندین لایه‌ی پردازش اطلاعات و به ویژه اطلاعات غیرخطی بهره می‌برند تا بهترین ویژگی‌های مناسب را از ورودی خام استخراج نمایند. در پژوهش حاضر توانایی معماری‌های الگوریتم حافظه کوتاه‌مدت ماندگار (LSTM) جهت پیش-بینی قیمت سهام مورد بررسی قرار گرفته است؛ علاوه بر این، ضمن طبقه‌بندی عوامل موثر بر قیمت سهام، مولفه‌‌های نشان‌دهنده معاملات سهامداران حقیقی و حقوقی به عنوان عاملی اثرگذار بر قیمت سهام معرفی و بررسی شده است. برای اجرای مدل از سه گروه داده‌های قیمتی، شاخص‌های تکنیکال و معاملات سهامداران حقیقی و حقوقی استفاده شده است. نتایج تحقیق نشان از عملکرد بهتر معماری LSTM همراه با لایه Drop Out نسبت به مدل ساده آن و همچنین مدل RNN دارد. Manuscript profile